一种改进的FSK信号调制分类方法

针对MFSK通信信号的分类问题进行了改进和分析。首先选取接收机输出的MFSK信号的时频脊线作为分类特征,然后针对无监督聚类算法中FCM算法对初始值敏感,易收敛至局部最优解的缺陷,提出了一种基于核的模糊C均值聚类算法来求取最佳聚类数M,提高了聚类精度。计算机仿真结果证实了所提方法的有效性和正确性。     

多进制频移键控信号的调制分类方法

分析和改进了对MFSK信号调制分类算法。考虑到实际系统中脉冲成形的影响，对信号进行了恒包络预处理；选取抗噪能力强的Haar小波提取信号特征；针对无监督聚类算法中FCM算法对初始值敏感，易收敛至局部最优解的缺点，提出了减法聚类和FCM算法相结合的算法求得最佳聚类数；不仅能够保证获得全局最优解，还大大提高了FCM的收敛速率。     

利用局部密度与距离特征的MFSK识别方法

针对不能在没有先验信息的条件下对任意调制指数的MFSK信号进行调制识别的问题,提出了一种新的利用聚类特征的MFSK信号调制识别方法。该方法利用AR模型的极点提取信号的短时频率峰值;应用改进的聚类算法对峰值序列进行聚类处理;根据不同阶数FSK信号不同聚类中心特征参数的不同,利用支持向量机进行分类,完成了2FSK、4FSK、8FSK和16FSK的调制识别。该算法无需任何先验知识,适用于不同调制指数下的FSK信号,仿真实验验证了算法的有效性和正确性。      

基于正交MFSK信号的解调优化算法

针对传统多进制频移信号解调算法存在计算量大、误码率高等问题,提出了一种基于正交多进制频移键控(Multiple Frequency Shift Keying,MFSK)信号的解调算法。该算法通过检测和判决MFSK信号在不同频率点处的功率谱峰值来完成信号同步,然后对信号的同向分量和正交分量进行反正切运算求得信号斜率,再根据信号斜率构建差值序列并建立MFSK信号解调数学模型,最后通过模型求解完成信号的调制进制识别和解调。该算法复杂度较低且仅呈线性增长,仿真结果表明该算法在性能上优于传统的小波解调算法,且当输入信噪比大于6 dB时,对2FSK、4FSK、8FSK和16FSK的解调正确率都可以达到90%以上。     

一种MFSK信号的软解调Turbo译码算法

为了提高短波通信中多进制频移键控（Multiple Frequency Shift Keying,MFSK）信号的传输性能,提出了一种适用于MFSK信号的软解调Turbo译码算法。利用快速傅里叶变换（Fast Fourier Transform,FFT）计算MFSK调制频率对应的信号幅值,并结合增强型Turbo码结构,编码时将MFSK信号调制频率与Turbo编码状态形成映射关系,译码时利用软解调信号幅值直接计算对数分支度量,减少了比特似然信息计算的误差。仿真结果表明,相比于常规软比特解调译码算法,所提算法提高了MFSK信号软解调Turbo译码算法的误比特率（Bit Error Rate,BER）性能。     

基于AP聚类的数字信号调制体制识别方法

针对高斯噪声信道下MASK、MFSK和MPSK信号的类间识别问题,提出了一种基于短时傅里叶变换（Short Time Fourier Transform,STFT）和仿射传播聚类（Affinity Propagation Clustering,AP）相结合的信号类间识别方法。通过对在高斯信道下3类信号时域和频域特征的联合分析,提取出信号的时频特征。通过仿射传播聚类算法对信号进行聚类,通过信息迭代更新,可以快速、自动地找到聚类中心和聚类数目。仿真结果表明,在信噪比（SNR）较低的情况下仍能达到很好的分类效果。     

基于动态聚类的MPSK信号调制分类

通信信号的自动识别技术受到日益广泛的重视，本文提出了一种新的MPSK信号调制分类算法，对截获接收机输出的频带MPSK信号在未知载波频率的情况下，通过对延迟乘积信号进行分析处理，进而得到与原信号调制类型一致的基带相位信号序列。在未知噪声类型的情况下，利用动态聚类算法对此基带相位信号序列求取最佳聚类数M，从而实现了MPSK信号的调制分类。理论分析和实测信号处理证明了本文提出的算法的可行性。     

一种基于多频带能量算子的FSK信号分类新方法

本文对MFSK通信信号的分类问题进行了研究.针对信号的特征提取问题,提出了一种稳健的基于多频带能量算子的方法.首先利用小波多频带滤波器组对MFSK信号进行预处理,以减弱噪声对信号的影响,然后对其中的最大频带输出值应用能量算子来提取分类特征;针对无监督聚类算法中FCM算法对初始值敏感,易收敛至局部最优解的缺点,提出了一种基于核的模糊C均值聚类(FKCM)算法来设计分类器,它通过Mercer核把输入数据非线性映射到高维空间,使得在输入空间中线性不可分的样本可分,大大提高了FCM算法的聚类性能.通过计算机仿真可知:多频带能量算子的特征提取方法可以有效地抑制噪声的影响,而FKCM可以更好地进行聚类,其识别精度更高.     

一种MFSK信号分类及码速率估计方法

将经验模式分解(EMD)运用到多进制频移键控信号的分析中,选取分解后主分量的瞬时频率作为分类特征,运用无监督聚类算法求取最佳聚类数作为信号的载频个数。用时频曲线的Haar小波变换估计码元宽度,理论分析和仿真实验表明证明了该方法的可行性。     

基于改进的半监督AP聚类雷达信号分选

雷达信号分选是现代高技术战争和将来信息化战争中至关重要的环节,是电子战的重要组成部分。从时频分析的角度出发,不同调制方式的信号会在某些频带内具有不同的分解系数,这些差异性使得小波包提取的特征能够进行信号调制方式的识别。提取信号小波包能量熵的统计特征,利用改进的半监督近邻传播聚类算法对特征进行聚类分析。与直接半监督近邻传播聚类算法和传统近邻传播算法比较,改进的半监督近邻传播聚类算法性能更优,准确率更高,而且聚类数更加接近实际聚类数。     

基于小波变换的MFSK/MQAM信号类内识别法

提出了一种基于小波变换的FSK/MQAM信号类内调制方式识别的改进算法,该方法通过深入分析MFSK和MQAM信号在小波域的不同特征,充分利用小波变换模值的奇异性信息,通过对该信息的有效检测,实现MFSK信号类内识别,并将其推广应用到16QAM和64QAM的分类。对该方法的适应性进行了理论分析和计算机仿真,结果表明,新算法大大提高了MFSK/MQAM信号的识别正确率,并有效降低了识别的信噪比门限。     

基于高阶累量与神经网络覆盖算法的数字调制识别

提出了一种把归一化四阶累量作为分类特征参数，应用神经网络覆盖算法进行分类的调制识别算法。对MFSK信号的三种归一化四阶累量进行了理论推导，对几种不同调制方式的数字通信信号的三种特征参数随信噪比的变化进行了仿真，证明了高阶累量不受高斯噪声影响的理论结果。最后应用神经网络覆盖算法进行分类识别，得到了比较好的识别结果。     

基于余弦窗变换的MPSK和QAM信号的码速率估计

电子对抗的实际应用中为了完成信号的分类、解调任务，需要精确估计截获信号的码速率。针对数字通信中常见的MPSK、QAM信号，提出了一种基于余弦窗变换的码速率估计新算法。利用余弦窗变换确定信号相位跳变位置，进而利用谱分析精确估计码速率。理论分析证明了算法的有效性。仿真试验表明，当信噪比大于5dB时算法是有效的，且优于采用小波变换的方法。     

音频MFSK数字解调算法设计及DSP实现

针对音频多进制数字频率调制MFSK信号的特点,设计了一种适用于全数字接收机的非相干数字解调算法。算法主要包括数字滤波、数字变频、求瞬时相位、求瞬时频率、中值滤波、抽取和定时恢复环路几部分。重点介绍MFSK多电平基带的码元定时恢复环路的设计方法,对解调中要注意的几个问题进行了强调说明。在对解调性能进行仿真的基础上,在DSP硬件平台上进行了物理实现验证。     

一种低信噪比下的 RFID 信号解调方法

针对实际环境中RFID信号微弱且易受干扰的情况,提出了一种低信噪比条件下的解调方法,对以前的方法进行了改进,采取了基于自适应拟合的降噪除干扰算法,并设计了一种新的同步结构。通过理论分析和计算机仿真结果表明,该方法能在较低的信噪比容限下,正确地解调出RFID信号,性能优于原有方法,可为低信噪比条件下RFID的信号处理以及远距离RFID技术的应用提供更有效的解决途径。     

基于稀疏分解的猝发信号解调技术研究

猝发信号是一类突发通信信号,有着持续时间短暂和出现时刻随机的特点,对于这类信号,传统方式解调存在一定困难。提出了一种新的非合作猝发信号的解调方法,利用通信信号在一定的变换域上能够变现出稀疏特性,将稀疏分解理论应用于信号的解调技术中,经过一系列的处理,能够将猝发信号的频率、幅度、相位等参数反映在稀疏分量中。计算机仿真结果验证了此方法的可行性。     

基于循环平稳分析的MPSK信号调制分类

提出了一种新的MPSK信号调制分类算法。通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号。由于高阶循环统计量具有抗平稳噪声的能力,从而在高阶循环累积量域构成了分类特征不变量。这种分类算法无需知道信号参数的先验信息,理论分析和实验结果证实了分类算法的有效性。