基于小波包络差异性的数字调制方式识别技术

针对通信系统中数字信号调制方式难以准确识别的问题,根据归一化前后小波变换包络的差异性,提出基于小波变异系数差值(ΔCV)和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行,适用范围广,且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。     

数字通信信号调制自动识别研究

为自动识别MASK、MFSK、MPSK和MQAM信号的调制类型,提出一种瞬时幅度提取算法。该算法不需要对信号进行Hilbert变换和实现码元同步。在此基础上,提出7个特征参数和基于判决理论的调制自动识别算法。仿真结果表明,当信噪比≥8 dB时,识别算法的平均识别成功率≥97%,证明提出的瞬时幅度提取算法和调制自动识别算法均有效,可用于实际信号的在线分析。     

基于距离和模糊的MPSK及MFSK信号识别

针对目前信号的调制方式识别存在需要先验信息的不足以及利用信号特征参数固定阈值造成误判调制方式的问题,提取了只随信号类别和信号进制不同而相异的特征参数,结合特征参数距离和模糊评判完成信号的调制方式识别。理论分析和计算机仿真表明用该方法区别MPSK信号和MFSK信号效果理想。     

模拟电路故障诊断方法的创新

一般来讲,模拟电路故障诊断的方法可以分为估计法,测试前模拟法和测试后模拟法三大类。小波变换等来对电路故障信息进行特征提取,对模拟电路瞬态信号的提取、消除电路噪声和模松电路特有的元件参数容差具有良好的效果。     

基于BP神经网络的数字调制识别方法

针对低信噪比条件下通信信号调制类型识别困难的问题,提出一种新的基于瞬时信息的数字调制识别方法。该方法采用改进的小波阈值消噪算法对信号的瞬时信息进行消噪处理,从而增大不同调制信号间特征值的差异,再采用弹性反向传播(RPROP)算法训练的BP神经网络对MASK,MFSK,MPSK,MQAM等7种调制信号进行分类识别。仿真结果表明:该算法在信噪比低至2dB时,能使所有调制信号均达到96%以上的正确识别率,极大地改善了低信噪比下的识别性能。     

突发MPSK信号调制识别技术研究

针对非协作通信中的短时突发信号调制方式识别问题,提出了一种基于小波变换的信号相位差统计识别方法,实现了对二相相移键控(BPSK)、四相相移键控(QPSK)、八相相移键控(8PSK)这3种多进制相移键控(MPSK)信号的识别。该方法首先需要估计信号符号速率;然后对希尔比特变换后的待识别信号进行小波变换,提取信号瞬时相位信息并计算其相邻码元相位差序列;最后对相位差信息进行直方图统计,并通过改进的二值削波谱峰搜索算法对其进行峰值搜索,再通过峰值判断输入信号的类型。试验结果表明,在码元数目为150、信噪比大于1 d B时,3种信号调制方式的识别率平均可达96%以上。该算法计算量小,易于工程实现,具有良好的抗频偏性。改进的峰值搜索算法也适用于解决其他各种基于波峰搜索的问题。     

基于小波变换的MPSK信号符号速率估计算法

在非合作MPSK信号调制方式识别和盲解调过程中,符号速率的估计是一个重要环节.本文根据morlet 小波函数的时频特征以及MPSK信号的时频分布,提出了一种基于morlet小波变换的MPSK信号符号速率估计算法.仿真结果表明,与现有算法相比,该算法对载频估计误差不敏感,具有更低的信噪比门限,也更逼近CRLB曲线.     

基于小波和统计检验的瞬态成分检测的方法及应用

将连续小波变换技术和统计检验结合用于检测信号中具有一定时频分布的瞬态成分,指出连续小波变换具有分离信号中瞬态成分和噪声的作用。提出一种基于连续小波变换和统计检验的瞬态成分检测的“逐步去除法”。将“逐步去除法”用于齿轮箱振动中的瞬态成分的检测与提取,能比较有效地检测出瞬态成分;基于连续小波变换反演的瞬态成分估计能比较有效地表示设备的状态。     

基于小波和高阶累积量的数字调制识别算法

利用基于高阶累积量的数字调制识别算法对数字调制信号进行分类识别时,六阶及六阶以上累积量的计算过于复杂,且多进制频移键控(MFSK)与8PSK信号各阶累积量的值均相等,直接计算无法识别。针对此问题,提出了一种基于小波和高阶累积量相结合的分类算法,先对MFSK与8PSK信号进行小波变换,再利用四阶累积量进行识别。实验证明,利用该算法所提取的特征参数能有效抑制高斯白噪声,除了识别2ASK/BPSK,4ASK,2FSK,4FSK,QPSK,8PSK信号外,还可识别16QAM,并且计算量小,易于实现。当信噪比大于等于3dB时,总体识别率达到96%。与已有算法相比,仿真结果证明了该算法的优越性。     

模糊C-均值聚类算法在动态汽车衡中的应用

为了提高动态汽车衡的测量精度,针对测量数据的信号处理问题,采用小波变换对动态汽车衡测量数据进行数字滤波.小波变换不但能滤除测量数据中的噪声信号,而且能很好地保留信号的突变部分.同时,通过提取5尺度小波系数作为模糊C-均值聚类算法的聚类样本,有效识别出最接近车辆实际质量的有用称重数据,提高了称重精度.试验结果表明,采用小波变换对动态汽车衡测量数据进行阀值滤波,并利用模糊C-均值聚类算法识别有用数据,对提高车辆称重的精度具有良好效果.     

一种基于高阶矩的OFDM信号调制盲识别算法

提出一种Rayleigh衰落信遭务件下的多载波调制盲识别算法，用以区分多载波调制信号（如OFDM）和数字单载波调制信号（如MPSK，MQAM，MFSK）。该算法不需要预先知道信号的载波频率和波特率，只需从中频信号直接进行识别处理。算法中利用信号的高阶统计量作为分类特征，采用信噪比（SNR）与特征参数联合估计的方法完成自动分类，仿真结果表明在SNR高于0dB时识别率大于95％。     

一种小波特征与深度神经网络结合的信号制式识别算法

针对当前通信信号的制式识别算法在低信噪比情况下识别不准确的问题,提出一种新的小波特征与改进的深度神经网络结合(WL-DNN)的识别算法。该算法将生成的10种{2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、OFDM、16QAM、AM、FM}含有高斯白噪声的通信信号,用小波分解重构算法提取出一类新的小波特征参数。本文测试了含有多层隐含层的改进BP神经网络作为分类器,利用弹性反向传播算法训练神经网络的参数,确定神经网络的最优超参数。仿真结果表明:在信噪比低至0 dB的情况下,单个调制信号最低识别率超过95%,平均识别率超过98%,大幅提高了制式识别在低信噪比下的识别率,由此表明了该算法的有效性和正确性。     

基于高阶累积量的数字调制信号识别方法

通信信号调制方式自动识别在信号检测、威胁分析、频谱监测等领域有着重要的地位,是非合作通信关注的关键技术.针对单一累积量调制信号识别有限且识别率低等问题,利用信号的二、四、六阶累积量特征所构造的矢量集,实现了MASK、MPSK、MFSK、MQAM四类信号的类间识别,以及2ASK、4ASK、8ASK,2PSK、4PSK、8PSK,2FSK、4FSK、8FSK,4QAM、16QAM、64QAM的类内识别.在Matlab环境下进行了仿真实验,实验结果表明,该方法在信噪比大于5 dB时可以达到90％以上的识别率.     

基于高阶累积量和三角矩的联合多参数特征OFDM信号盲识别

提出一种瑞利衰落信道条件下的多载波调制盲识别算法,用以区分多载波调制信号(如OFDM)和数字单载波调制信号(如:MASK、MFSK、MPSK、MQAM)。该算法对传统算法进行了改进,提出了利用信号的高阶累积量构造的组合识别参数以及信号的三角矩特征参数来分类单载波信号与OFDM多载波信号。该算法不需要预先知道信号的载波频率和波特率,只需从中频信号直接进行识别处理。仿真结果表明,该算法具有抗多径能力强、识别率高的优点,在SNR高于0 dB时识别率可达100%。     

多径信道下MPSK信号调制识别算法的研究

针对室内以及山区多径环境下MPSK信号的调制识别,提出一种基于高阶累积量的识别算法。该算法利用高阶累积量良好的抗噪性能,实现了多径信道下的有效识别。理论分析及仿真结果表明,采用本文所提出的识别算法,在中等信噪比条件的,对多径信道的MPSK信号的整体识别率在90%以上,能满足实际应用的需要。     

MPSK信号调制方式识别研究

文章介绍了一种新的MPSK信号识别方法，该方法基于信号星座图旋转和同相分量的四阶累积量，通过傅立叶级数展开提取了一组特征向量送入神经网络分类器进行分类识别。仿真结果表明该方法识别正确率高、信噪比要求低。