基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 d B时识别率达88%以上。     

利用高阶累积量实现数字调制信号的识别

文中提出一种基于高阶累积量识别多种数字调制信号的算法。首先推导计算各信号的八阶累积量,从二、八阶累积量中提取一个特征参数,实现以更少参数识别更多信号的目的;然后,为提高MFSK的识别率,从微分后MFSK信号的四、六阶累积量中提取一个特征参数完成识别。仿真结果显示,通过利用这两个参数可以实现2 ASK/BPSK、4 ASK、8 ASK、QPSK、8 PSK、2 FSK、4 FSK、8 FSK、16 QAM、64 QAM等多种数字调制信号的识别。     

基于高阶累积量的数字调制信号检测与识别方法

通信信号调制方式识别在信号检测、频谱监测等领域有着重要的地位,是非合作通信的关键技术。本文利用信号的四阶、六阶、八阶累积量构造多个特征参数,实现了2ASK、2FSK、BPSK、QPSK、16QAM和OFDM六种常用数字信号调制方式的识别。在MATLAB环境下进行了仿真实验,实验结果表明,该方法在0dB信噪比下可以实现有效识别。     

基于瞬时特征参数和功率谱熵的联合调制识别

针对传统的瞬时特征参数识别法在低信噪比下识别信号种类少、识别率低等问题,文中提出了一种基于瞬时特征参数与功率谱熵联合的调制识别方法。该方法通过改进后的瞬时幅度及相位特征参数对调制信号进行识别,并引入了功率谱熵特征参数,可进一步实现对更多信号的类内识别。在信号类内识别方面,采用决策树分类方法,选取合适的门限值对常用的9种数字调制信号{ASK、4ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK、16QAM}进行识别分类。蒙特卡洛实验结果表明,相较于现有的识别方法,文中所提出的方法增加了识别信号的种类,还提高了低信噪比情况下的信号识别准确率。     

高阶累积量和分形理论在信号调制识别中的应用研究

提出了将信号高阶累积量和分形盒维数相结合的特征提取方法。信号高阶累积量特征具有良好的抗噪性能,被广泛应用于调制识别。2ASK和BPSK的高阶累积量、以及2FSK,4FSK,8FSK的高阶累积量相等,使得只提取信号高阶累积量不足以区分信号。针对这一问题,引入信号的分形盒维数,提取信号的高阶累积量和分形盒维数构成联合特征参数,构建级联神经网络分类器,对信号进一步进行分类。对2ASK, 4ASK, BPSK, 4PSK, 2FSK, 4FSK, 16QAM七种信号进行了仿真,结果表明,该方法提取的特征参数计算复杂度低,具有较好的抗噪性能。在信噪比不低于5dB、测试样本数不少于200的条件下,正确识别率达到了85%以上。      

基于ICA和特征提取的MIMO信号调制识别算法

针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK, 2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。     

基于高阶统计量的OFDM子载波调制识别算法北大核心

针对OFDM(正交频分复用)信号子载波调制方式识别的问题,提出了一种将高阶矩和高阶累积量相结合的联合识别算法。该算法首先运用基于高阶矩的特征量把MPSK(多进制相移键控)调制(M=2、4)、64QAM(六阶正交幅度调制)和16QAM(四阶正交幅度调制)区分开,然后再利用基于高阶累积量的特征量区分BPSK(二进制相移键控)调制和QPSK(四相相移键控)调制。从理论上进行了推导与分析,该算法对多径衰落与噪声干扰不敏感。计算机仿真结果表明,所提算法在多径信道条件下具有良好的识别性能。     

基于高阶循环累积量的OFDM-弹性光网络信号调制格式识别

将高阶循环累积量引入基于正交频分复用(OFDM)的弹性光网络(EON)的调制格式识别中。通 过计算OFDM信号不同调制格式(BPSK、QPSK、16QAM和64QAM)的高阶循环累积量,给 出了OFDM-EON信号不同调制格式的识别阈值区间,并采用仿真方法验证了该区间的 识别准确率。结果表明,利用所提出的识别阈值区间,对波特率为28G的OFDM-EON信号(各 子载波随机设置调制格式)进行调制格式识别,在光信噪比(OSNR)为34dB时,子载波调制格式的识别准确率可达到100%。     

一种欠完备自编码器调制识别技术

基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别,整体设计复杂,特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力,被广泛应用到模式识别领域中。针对调制识别问题,提出了一种基于欠完备自编码器的调制识别技术,使用欠完备自编码器进行调制信号的特征自动提取,再使用神经网络分类器进行分类识别。整体模型更为简洁,运算复杂度较低,有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明,算法在信噪比10 dB时平均识别率高于0.97,并且在信噪比为0 dB时仍然有0.92以上的平均识别率。     

高阶累积量调制识别改进算法的FPGA实现

基于高阶累积量的数字调制信号识别算法在低信噪比环境下识别率较低。针对这一问题,提出了高阶累积量的改进算法,通过调整特征参数的判别顺序先识别出MASK信号的方式,取得了较好的效果。讨论了该算法的FPGA设计,并利用Virtex-4开发板对该设计进行硬件协同仿真测试。测试结果表明,该算法在低信噪比环境下对2ASK,4ASK,4PSK,16QAM信号的识别率有显著提高。在信噪比为4 dB时,对2ASK,4ASK信号的识别率分别为93.4%,100%。在信噪比为2 dB时,对4PSK,16QAM信号的识别率最高,达到了99.7%。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

基于DSP Builder的通用调制信号发生器设计

介绍了基于2ASK,2FSK,BPSK,MSK和64QAM等多种通用调制器的调制原理,并提出了一种基于DDS技术的调制方式.然后在DSP Builder上进行系统设计与仿真,经验证该系统可以成功实现多模式信号调制功能,并且具有较好的可扩展性和灵活性.最后用FPGA实现,并用SignalTapII进行硬件验证.     

基于循环自相关的OFDM调制识别方法

针对通信信号的调制识别问题,首先根据通信信号的循环平稳性,提出一种基于循环自相关的OFDM信号和单载波信号的调制识别算法,然后将小波多分辨分析理论与调制信号的瞬时特征以及高阶累积量相结合,提出一种基于小波分解的单载波信号识别方法,在此基础上采用分层结构的神经网络分类器对OFDM,2ASK,4ASK,2PSK,4PSK,8PSK,16QAM这7种调制信号进行识别。仿真结果表明该方法具有良好的分类性能,且对噪声不敏感。     

非AWGN环境下调制类型自动识别

在非AWGN环境下，针对CW，AM，FM，OOK，PSK，QPSK，16QAM，FSK，MSK，SSB十种混合调制信号，对调制类型特征提取方法和自动识别算法进行了分析、综合、设计和计算机仿真。提出了梯层电平分析方法、频率瞬时信号分析、剔除载波的归一化能量分析、平方后信号的频谱分析、四次方后的信号频谱分析等方法。当SNR=10dB时，计算机仿真结果是正确识别率不低于95％，自动识别的平均处理时间为不超过10s。     

Flexible high-order QAM transmitters for elastic optical networks

In order to adapt to the dynamics in the future optical networks, we propose and experimentally demonstrate two flexible high-order quadrature amplitude modulation (QAM) transmitter schemes: (a) a flexible transmitter using a tandem in-phase/quadrature modulators for generating 16QAM, 32QAM, 64QAM signals; and (b) a scheme based on monolithically integrated quad-Mach–Zehnder in-phase/quadrature with binary driving electronics for synthesizing minimum phase-shift keying (MSK), quadrature phase-shift-keying (QPSK), 8-ary phase-shift keying (8PSK), and 16QAM. These schemes provide different approaches to configure a flexible high-order QAM transmitter, either using cascaded off-the-shelf modulators or via highly integrated monolithic modulator. These flexible and reconfigurable transmitter schemes exhibit different characteristics in terms of system performance, which provides the network operators different flexible transmitter solutions suitable for different application scenarios in elastic optical networks.     

卫星常用调相信号自动调制识别算法

针对高阶幅度相移键控（APSK）信号在卫星通信中的应用,提出了一种识别数字调相信号的新方法。在信噪比估计的基础上,利用信号包络的统计特征对MPSK,MQAM,16APSK和32APSK信号进行区分。理论推导和实验仿真验证了该统计特征具有对加性高斯白噪声和滚降系数不敏感的特性。根据鲁棒性较好的四阶循环累积量提出一种新的特征参数Q以实现MPSK和MQAM信号的类内识别。仿真表明,当信噪比达到5dB时,该方法拥有较好的识别率（〉95％）。