非高斯噪声下数字调制信号识别方法

针对传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差的问题,该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville分布的数字调制识别新方法。该方法提取广义分数阶傅里叶变换的零中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville分布幅度的最大值作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅性能明显优于传统方法并且具有较高的识别率和良好的稳健性。     

认知无线电关键技术及应用简

频谱资源成为无线通信的一个重要问题和制约无线通信发展的新瓶颈.认知无线电(Cognitive Radio,CR)技术成为解决频谱资源匮乏问题的有效方法.本文基于认知无线电在无线通信中的重要作用,介绍了认知无线电的概念,总结了认知无线电的关键技术,概述了认知无线电的应用情况,研究了主管部门在认知无线电下的频谱管理工作.     

Alpha稳定分布噪声背景下衰落信号的调制识别方法

在Alpha稳定分布噪声背景下,针对基于传统循环统计量的衰落信号调制识别方法失效的问题,通过引入归一化压缩函数形成一类新型广义循环统计量,提出一种新的调制识别方法。提取各信号广义循环平稳特征作为判决标准,利用树形分类器实现了Alpha稳定分布噪声背景衰落信道中FSK、PSK、MSK等信号的调制识别。仿真结果表明,该方法在Alpha稳定分布噪声背景的多径衰落和单径等多种信道中均有良好的性能;相较于其它基于非线性变换的广义循环统计量方法,灵活性更强、性能更优且复杂度更低。      

认知无线电信号调制识别技术

无线电是在漫长的人类发展进步过程中研究出的一种相互传递信息的先进的方式。无线电技术一经发明,就发挥着至关重要的作用。当前社会人们对无线通信技术的依赖性是非常强的,当前无线通信技术不断发展,对于本就十分紧张的无线频谱资源来说并不是好事。无线频谱资源本身较为紧张,但是研究者在长期的研究过程中却发现,在低频段信号的传播特性是极其优良的,但是在低频段的利用效率却是十分低的。     

基于Alpha稳定分布噪声数字调制信号识别方法研究

在Alpha稳定分布噪声下,分别采取GFRFT的零中心归一化瞬时幅度谱密度的最大值和FLOWVD的幅度最大值为特征参数,利用不同的判决门限,采取决策树法识别2FSK、MSK、QPSK、2ASK、16QAM五种数字调制信号,最后进行仿真证明,在Alpha稳定分布噪声下,该方法具有识别率高和稳健性强的特点.     

一种Alpha稳定分布噪声下目标螺旋桨特征提取方法

为了解决Alpha稳定分布噪声下目标螺旋桨特征提取问题,该文提出一种基于分数低阶循环谱的特征提取方法。首先,从理论上推导出脉冲噪声条件下舰船辐射噪声分数低阶循环谱,指出分数低阶循环谱中出现峰值与螺旋桨特征的关系。然后根据该关系,提出基于分数低阶循环谱的螺旋桨特征估计方法。最后,通过仿真实验验证该方法的性能,并通过实测数据进一步验证了算法有效性。     

认知无线电中调制识别算法研究

通信信号的调制类型识别对于认知无线电这种智能通信系统具有重要研究意义。利用调制信号的循环谱相关特征,提取了5个特征参数,给出了各个参数随信噪比变化的曲线图。分类器基于RBF神经网络,采用"一类一个网络"结构,并从提高网络识别性能出发,构建了大容量和高质量的网络训练样本,能够扩大识别范围,提高识别精度。基于谱相关特征参数和神经网络分类器的算法能动态识别信号的调制方式,仿真结果验证了该算法在低信噪比下的有效性。     

基于干扰对齐的认知 MIMO 系统频谱共享与用户调度简

在认知MIMO多用户通信场景中,设计基于干扰对齐的信号处理算法,将认知信号与授权信号通过相互正交的子空间进行传输,实现认知用户对授权系统空闲空间信道的无冲突利用,并根据不同信道矩阵的空间传输性能的差异,实现合理的用户调度。仿真结果表明,所提方法能够有效利用空闲空间信道资源,获得多用户分集增益,在不影响授权业务的前提下提高认知用户的传输速率。     

Alpha稳定分布噪声条件下的广义S变换时频分析

在分析Alpha稳定分布噪声干扰下的非高斯信号时,基于传统二阶广义S变换时频算法效果显著退化。针对该问题,提出了基于分数低阶的广义S变换时频分析（FLO-GST）算法。该算法将分数低阶谱理论和常规广义S变换时频分布算法有机结合,同时优化窗口调节因子改善时频聚集性,得到较好的时频图谱。通过计算机仿真,并与其他时频算法进行对比,结果表明,该算法能有效抑制脉冲噪声干扰,更好的描述稳定分布噪声下非平稳信号的时频图谱,具有良好的韧性。      

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。     

Cooperative automatic modulation recognition in cognitive radio

In this article, a new effective method of cooperative modulation recognition (CMR) is proposed to recognize different modulation types of primary user for cognitive radio receivers. In the cognitive radio (CR) system, two CR users respectively send their feature parameters to the cooperative recognition center, which is composed of back propagation neural network (BPNN). With two users' cooperation and the application of an error back propagation learning algorithm with momentum, the center improves the performance of modulation recognition, especially when one of the CR users' signal-to-noise ratio (SNR) is low. To measure the performance of the proposed method, simulations are carried out to classify different types of modulated signals corrupted by additive white Gaussian noise (AWGN). The simulation results show that this cooperation algorithm has a better recognition performance than those without cooperation.     

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。      

α稳定分布噪声下数字频移键控信号的分数低阶循环谱分析

针对α稳定分布噪声环境下数字通信信号的二阶与高阶循环统计特征显著退化问题,结合分数低阶矩和共变理论对二进制频移键控（Frequency Shift Keying,FSK）信号的分数低阶循环谱公式进行了理论推导,并对2FSK信号在不同混合信噪比、分数阶因子和特征指数条件下的分数低阶循环谱进行了详细的仿真分析.理论和仿真结果表明:2FSK信号分数低阶与二阶的循环谱结构相同,其谱峰对应的循环频率相同,谱峰的幅度值不同,取决于循环谱的阶因子.相对于在低混合信噪比下失效的二阶循环谱,分数低阶循环谱对α稳定分布噪声具有更强的抗干扰性和适用性.     

分数低阶循环统计量及其在脉冲噪声环境下时延估计中的应用

本文以α稳定分布作为噪声模型,研究了非高斯噪声对传统的二阶循环统计量的影响,提出了分数低阶循环统计量的概念,研究并证明了其性质。在此基础上提出基于分数低阶循环统计量的新的时延估计方法—RCCC(Robust Corre- lated Cyclic Covariation)。计算机模拟表明,这种算法是一种在高斯和α稳定分布噪声条件下具有良好韧性的时延估计方法。     

认知无线电中OFDM信号信噪比盲估计

针对认知正交频分复用(OFDM,orthogonal frequency division multiplexing)系统中低信噪比多径信道下传统的OFDM信号信噪比盲估计算法的估计性能差,计算复杂度高的问题,提出一种新的OFDM信号信噪比盲估计方法,该方法首先利用自相关函数的特性粗略估计出信道阶数,确定循环前缀部分中不受符号间干扰的数据区间,然后根据选定区间的数据的自相关函数值估计接收信号的信号功率,最后利用循环前缀数据为部分有用数据的复制这一特性估计出噪声功率,从而估计出接收信号的信噪比。仿真实验结果表明,提出的方法无需任何先验信息,在低信噪比多径信道下具有良好的估计性能,且计算复杂度低,更适合于认知OFDM系统。     

基于广义二阶循环统计量的通信信号调制识别研究

针对传统的二阶循环统计量在Alpha稳定分布噪声中显著退化的问题,提出了广义二阶循环统计量的概念。在研究了所选通信信号的广义二阶循环统计量的基础上,提取信号广义二阶循环谱中特定频率和循环频率处的幅值作为特征参量,采用最小误差准则作为分类器算法,实现信号调制方式识别。仿真结果表明,在Alpha稳定分布噪声背景下该方法性能优于传统二阶循环统计量的方法,且在高斯噪声背景下也具有良好的性能。     

Location based spectrum sensing performance analysis over fading channels in cognitive radio networks

This paper analyzes the spectrum sensing performance over fading channel,in which a licensee and multiple unlicensed users coexist and operate in the licensed channel in a local area. The overall average probabilities of detection and false alarm by jointly taking the fading and the locations of all secondary users into account are derived,and a statistical model of cumulate interference is constructed. Based on the cumulate interference,a closed-form expression of outage probability at the primary user's receiver according to a specific distribution of the fading is obtained. Finally,the sensing parameters so as to minimize the total spectrum sensing error and maximize the average opportunistic throughput are obtained. It is noted that the overall average performance analysis and results here enable to benchmark the design of specific spectrum sensing algorithms.     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

OFDM混合调制信号在认知网络中的应用

对OFDM混合调制信号进行了谱相关分析,并将其应用到认知网络中。在采用OFDM混合调制信号传输的认知网络中,利用信号的循环平稳特性可以快速识别出信道空闲、认知信号传输、主用户信号传输和两种信号混叠这四种状态,为认知网络中认知信号的快速可靠接入和退出提供了保障。进一步利用混合调制的位置来标记不同的认知网络,认知节点可以区分不同认知网络信号。在提出的认知网络应用模型中,传输和接收设备较简单,而且不需专门的信道来传输控制命令,节约了带宽。仿真结果显示,在认知网络中,该模型可以提高频谱利用率,使通信系统的性能得到改善。