基于高阶累积量的数字调制信号识别算法

介绍了一种基于高阶累积量的数字调制信号识别算法,利用从信号的二阶、四阶和六阶累积量中提取的3个特征参数实现多种常用数字调制信号的识别,可以很好地抑制高斯白噪声,且允许有相位偏差,能够在较低信噪比下实现对2ASK/BPSK、4ASK、QPSK、2FSK、4FSK、8FSK、16QAM等多种信号的分类。经理论推导和仿真实验,证实了该方法的有效性。     

基于高阶累积量的数字调制信号识别算法

介绍了一种基于高阶累积量的数字调制信号识别算法,利用从信号的二阶、四阶和六阶累积量中提取的3个特征参数实现多种常用数字调制信号的识别,可以很好地抑制高斯白噪声,且允许有相位偏差,能够在较低信噪比下实现对2ASK/BPSK、4ASK、QPSK、2FSK、4FSK、8FSK、16QAM等多种信号的分类。经理论推导和仿真实验,证实了该方法的有效性。     

卫星通信常用数字调制方式自动识别算法研究

提出了一种以调制信号的高阶累积量为分类特征向量,支持向量机为分类器的数字调制方式自动识别算法,对4ASK、BPSK、QPSK、2FSK、4FSK、MSK、16QAM等卫星通信常用调制信号进行调制方式的自动识别,仿真结果表明,此算法简便,在卫星高斯白噪声信道(AWGN)较低信噪比环境下仍然有较高的识别率.     

数字卫星通信信号调制方式识别方法研究

针对数字卫星常用的7种通信信号调制方式（QPSK、8PSK、16QAM、32QAM、64QAM、16APSK、32APSK）,对零中心归一化瞬时幅度谱密度最大值、四次方谱、幅度、高阶累积量四种特征参数进行了分析,提出了一种联合特征参数的信号调制识别方法。该方法能有效地抑制高斯白噪声的影响,较好地解决了MAPSK信号低信噪比条件下调制识别率低的问题。仿真结果表明,与其他方法相比,本文方法无需先验知识,具有较高识别率。     

一种小波调制信号的识别方法

小波调制是一种全新的多载波通信调制方式,该文主要研究加性高斯白噪声信道条件下小波调制信号的识别.根据小波调制信号的特点,以信号高阶累积量与功率谱峰度为特征参数,采用分步识别的方法对小波调制信号进行了识别.仿真结果表明,该方法非常有效而且能够很好的抑制高斯噪声的干扰.     

OFDM信道下数字调相信号的调制识别

研究OFDM信道系统下的MPSK调制方式,对其二阶累量和四阶累量进行推导和分析,给出一种针对MPSK调制阶数进行识别的新特征构造方法,新特征提取方法简单,而且容易实现,能够有效实现调制识别目的.笔者分别对OFDM系统传输系统性能和识别率进行了计算机仿真,把基于高阶累量的调制识别算法的识别率与基于谱线特征算法的调制算法识别率做了仿真对比.仿真结果表明,在相同信噪比的情况下,基于高阶累量的调制识别算法要远远优于基于谱线特征的算法,当信噪比高于3 dB时,识别率可以达到100%.     

基于FRFT的小波包调制信号的识别研究

该文基于正交频分复用调制和小波包调制信号的调制原理,利用分数阶傅立叶变换的时频旋转特性,探讨了在高斯信道、瑞利信道和频率选择信道下小波包调制信号的识别.仿真实验结果表明,该方法具有良好的识别性能,不需要任何信道参数,能较好的实现盲信道的小波包调制识别.     

多径信道下OFDM信号子载波的调制方式识别新方法

针对非合作通信系统中,多径信道下含有导频的正交频分复用(OFDM)信号子载波调制方式难识别的问题,提出了一种OFDM信号子载波调制方式识别的新方法.该方法首先运用4阶与2阶累积量的组合特征,去除OFDM子载波信号中的空载波信号,然后利用4阶累积量和6阶累积量的组合特征,滤除纯导频子载波信号和部分混有导频的调制子载波信号,最后基于改进的减法聚类方法,对提取出来的受导频影响较小的调制子载波信号进行调制方式识别.实验仿真结果表明,该方法在多径信道条件下具有稳健的识别性能.     

基于SVM的多类模拟调制方式识别算法

提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10 dB时,识别正确率大于90%。     

瑞利信道下小波包调制信号的识别研究

小波包调制是一种全新的多载波调制方式,该文主要研究在瑞利衰落信道条件下的小波包调制信号的识别。根据小波包调制信号的特点,首先用基于高阶混合矩联合信噪比估计的方法进行类间识别,然后利用反映功率谱包络变化的参数进行类内识别,实现对小波包调制信号的区分。仿真结果表明,该方法具有良好的识别性能。     

减小子波包调制波形功率比值的方法

针对子波包调制信号存在高的峰值功率与平均功率比值（PAPR）的问题,研究并比较了选择性映射和部分传输序列两种方法,在此基础上,提出了一种新的减小子波包调制信号PAPR的方法--循环移位线性搜索法,并通过计算机仿真分析了这种方法的性能。结果表明,循环移位线性搜索法是一种改进的部分传输序列方法,在性能和计算复杂度之间取得了较好的折衰。     

基于支持向量机和遗传算法的纹理识别

为了解决尺度变化和训练样本有限给纹理识别带来的困难,提出了一种基于支持向量机和遗传算法的纹理识别新方法。该方法用小波变换各子带图像共生矩阵参数、分析窗口大小、像素均值和像素标准差等参数作为纹理特征,用多类支持向量机作为分类器。用遗传算法对纹理特征集进行了优化;用输出纠错码将二类支持向量机扩展到多类,提高了分类器的泛化能力。用包含有25类单色自然纹理的图像库进行识别试验,结果表明,该方法的识别错误率小于10%,得到了比传统的贝叶斯等方法更高的识别率和更好的推广性。     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

基于神经网络实现多种数字信号调制方式的自动识别

A．K．Nandi与E．E．Azzouz提出基于决策论的信号调制样式自动识别方法具有简单易行，适合在线分析的优点．本文在该方法的基础上，针对该方法的数字信号调制样式识别进行深入仿真实现，并提出了基于该方法利用正交最小二乘法(OLS)的RBF神经网络实现数字信号调制样式自动识别的方法，最后对计算进行了改进，提高了该方法的识别能力，对SNR为8～20dB的信号识别得到了较好的结果．本文识别的数字信号为2ASK、4ASK、2PSK、4PSK(QPSK)、2FSK、4FSK与16QAM七种信号．     

基于直方图交核的人脸识别

基于传统直方图交核(HI)提出了轮廓直方图交核(PHI)以及局部直方图交核(DHI),并将这2种核用于ORL和YALE人脸库的识别.实验结果表明,构造的局部直方图交核(DHI)比那些传统的直方图交核获得了更高的识别率.     

LDA及支持向量机的人脸识别算法研究

在主成分分析的基础上采用线性差别分析法对人脸图像进行特征提取,构造人脸的特征脸空间,在特征脸空间运用线性差别分析法进行人脸识别。在支持向量机方法理论基础上,利用LibSVM分类器对处理后的人脸图像进行分类,考虑到核函数参数对分类结果的影响,通过参数寻优及算法的改进将多类问题的分类简单化,并大大提高识别效率,在ORL人脸库的识别结果表明,本方法在特征参数个数的选取、识别效果等方面都有其独到的优越性,具有很好的可行性和实际意义。     

长期演进系统上下行信号识别算法

针对频率选择性衰落信道下的长期演进(Long Term Evolution,LTE)系统,提出一种基于高阶累积量的上下行信号识别方法。由于正交频分复用信号的峰值平均功率比较大,LTE系统的上行传输采用单载波频分多址,即上行信号呈现单载波特性,而下行采用正交频分多址是多载波传输,因此,利用高阶累积量的方法可以有效地识别LTE上下行信号,从而可以用于识别LTE系统内以及异构系统间的干扰。仿真结果表明在信噪比高于7dB时识别率大于90%。