一种基于调制谱特征的带噪语音识别方法

在语音识别过程中,提取语音特征参数是重要的步骤之一。为了提高整个识别系统的性能,要求所选语音参数应具有较好的鲁棒性。文章在时频分析理论基础上,设计了一种基于语音调制谱的特征参数。这种参数利用了语音调制谱的时频集聚性并通过对语音调制谱作适当的滤波及归一化处理以削弱其对加性噪声和通道失真等干扰的敏感性。实验结果表明,该参数在提高语音识别系统的的抗噪性方面有明显的贡献。     

基于谱分析的一种数字调相信号调制方式识别方法

本文提出了一种基于功率谱和谱相关为特征的调制方式的分类与识别方案,该方案从信号的功率谱和谱相关中提取一组顽健性好的特征参数。在不需要先验知识的情况下,对BPSK、QPSK、OQPSK、8PSK几类常用的数字调相信号进行了分类与识别。使用MATLAB软件对各参数在不同的信噪比下进行了仿真,仿真结果表明：在信噪比大于5dB时其总体识别率可达98％以上,在信噪比大于10dB时其总体识别率可达99％以上。该方案具有实用性和可用性。     

基于特征融合的多节点调制识别方法

针对传感器网络节点的分布式结构,给出了基于特征融合的多节点联合调制识别方法。首先利用似然比推导了特征融合的联合识别准则;然后依据准则给出了多节点调制识别的仿真性能;最后和基于决策融合的多节点调制识别方法进行了比较。仿真结果表明,在没有过多增加网络通信负载的情况下,特征融合相比决策融合提高了识别性能。     

基于复杂度特征的数字调制模式识别

为了提高数字信号调制模式识别在低信噪比下的正确率,在对复杂度理论加以分析的基础上,提出了一种新的特征提取方法。该方法首先引入希尔伯特-黄变换求得样本的边际谱,然后利用分形和Lempel-Ziv复杂度的方法提取用于调制识别的特征参数,最后利用RBF神经网络分类器进行数字信号调制模式的分类识别。仿真结果表明该算法具有较好性能。     

对基于决策论的数字信号调制识别方法的改进

从特征参数提取的角度对基于决策论的数字信号调制识别算法进行改进,提取五个相对简单的瞬时信息特征参数,并利用决策树方法对信号进行调制识别.改进后的算法除了识别2ask、2fsk、2psk、4ask、4fsk和4psk六种典型数字信号外,还可识别16qam,若进一步增加参数(递归零中心归一化瞬时相位绝对值的平均值),又可识别8psk.实验结果表明:改进算法的复杂度明显降低,且信号识别正确率及适用信噪比范围都有很大程度的提高.     

多径信道下基于循环谱特征的调制识别算法

针对多径衰落环境下通信信号调制方式识别算法识别类型少、稳定的特征参数提取困难、识别率低的问题,提出一种基于循环谱特征的自动识别算法。首先,提取待识别信号循环谱、平方循环谱及四次方循环谱的特征面和投影面;然后,利用特征面和投影面的相关系数作为特征参数;最后,选择合适的判决门限,对BPSK、QPSK、2FSK、4FSK、MSK、16QAM和OFDM信号进行自动识别。实验表明,该算法提取的特征参数抗多径干扰能力强,识别率高;当信噪比大于2dB时其总体识别率达到94%以上。与已有算法的比较结果也证明了该算法的优越性。     

基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

常用数字通信信号调制方式分类的一种新方法

提出了一种常用数字中频信号盲识别方法。该方法通过信号延迟复共轭相乘相位特征的分析,提出了两个新的分类特征参数,结合对信号非线性变换谱特征和信号包络的分析,应用层次结构判决树分类器实现了常见数字信号的自动识别。仿真结果表明,本文提出的分类算法计算简单,分类效果良好。     

数字调制识别的关键技术与发展趋势

综述了数字信号调制方式识别的关键技术和发展趋势。对识别流程的预处理模块所采用的载频估计和符号速率估计技术进行了归纳;并对识别过程中的特征提取方法进行了分类,重点分析了各方法的优缺点和适用场景;最后,对分类器的分类算法进行了介绍。     

基于联合特征向量的自动数字调制识别算法*

在高信噪比处理域构造新的用于调制识别的高阶统计量幅值特征,与传统特征相比保留了更多的分类信息,适合干扰较大多种调制模式并存的环境。基于联合特征向量有效提高了识别性能,用窗口平滑抑制截获信号中的噪声,对识别器输入特征向量样本规范化以提高处理速度。分别基于欧氏距离分类方法和改进算法的神经网络识别器进行仿真实验,证明了采用联合特征向量和优化方法在低信噪比干扰更大的信道条件下能区分更多的调制类型(MASK、MPSK、MFSK、MQAM),且平均调制识别率提高20%30%,算法效率也得到明显提高。     

基于脉冲调制的并行组合扩频通信系统性能研究*

为满足现代通信系统对通信的高效性和安全性的要求,本文提出一种基于脉冲调制的并行组合扩频通信系统,结合超宽带通信脉冲调制和并行组合扩频通信各自在保密性能和高效通信能力方面的优点,使新的系统可以同时具有高效的通信能力和良好的安全保密性能。设计、建立系统模型,并利用仿真软件对系统性能进行仿真和分析。仿真结果表明,基于脉冲调制的并行组合扩频通信系统在误码性能方面优于常规超宽带脉冲调制通信系统和常规正弦载波调制的并行组合扩频通信系统,并且可以通过并行组合扩频部分参数的设置提高系统的信息传输速率,验证了脉冲调制并行组合扩频通信系统良好的误码性能、信息传输能力和系统可行性。     

雷达脉内调制方式的自动识别

为解决雷达信号分选中雷达脉内调制方式的自动识别问题,用一种新的时频图像简化算法来提取特征向量,随后利用支持向量机对提取的特征向量进行分类识别。首先从图像中提取包含有效信息的像素点,然后求出每一列像素点的中心点,最后对所有中心点进行相同长度的采样直接将图像转化为曲线,大大减少了特征维数。仿真实验结果验证了该算法对雷达信号的脉内调制方式识别具有较高正确率,并有一定的抗噪性,且在较低信噪比条件下仍然保持较高的正确率。     

基于特征融合的室外天气图像分类

天气状况对室外视频设备的成像效果有很大影响。为实现成像设备在恶劣天气下的自适应调整,从而提升智能监控系统的效果,同时针对传统的天气图像判别方法分类效果差且对相近天气现象不易分类的不足,以及深度学习方法识别天气准确率不高的问题,提出了一个将传统方法与深度学习方法相结合的特征融合模型。融合模型采用4种人工设计算法提取传统特征,采用AlexNet提取深层特征,利用融合后的特征向量进行图像天气状况的判别。融合模型在多背景数据集上的准确率达到93.90%,优于对比的3种常用方法,并且在平均精准率（AP）和平均召回率（AR）指标上也表现良好;在单背景数据集上的准确率达到96.97%,AP和AR均优于其他模型,且能很好识别特征相近的天气图像。实验结果表明提出的特征融合模型可以结合传统方法和深度学习方法的优势,提升现有天气图像分类方法的准确度,同时提高在特征相近的天气现象下的识别率。     

数字调制信号自动识别及解调技术研究

本文以软件无线电中数字调制解调算法为理论依据,分析提取了用于自动识别的基于参数统计的特征参数,提出利用信号包络的方差与均值平方之比和微分后信号的包络参数来实现调制方式识别。在高斯白噪声信道条件下,建立了基于LabVIEW平台的模型,可以更好的实现多种数字调制信号的自动识别,而且在较低信噪比情况下达到很高的识别效率。     

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。     

基于整体特征的快速手写体数字字符识别

通过对模拟人眼识别数字字符的过程进行研究,提出了一种基于字符整体特征（凹凸特征）的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理,减少了细化形变可能带来的误识和拒识;也不需要进行复杂的笔道特征分析,因此速度非常快,同时识别率也非常高。实验结果表明该方法具有很高的识别率。