基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

RFID调制信号识别算法的研究与仿真

目前RFID技术在各个领域中广泛应用,且还未形成统一的全球化标准,市场为多种标准并存的局面,由于各个标准中对于调制方式的定义不同,给不同标准问的通信和检测带来了较大的障碍。因此,正确地识别出RFID调制方式是实现通信互联和信号测试等处理的前提,RFID调制识别的研究逐渐成为国内外RFID测试中的研究热点。提出一种新的基于瞬时信息的调制识别方法,该方法是以RFID调制信号的瞬时信息为基础,提出了两个新的特征参数Ra和Rf,设计了调制识别分类器进行有效识别。仿真结果表明,该方法的复杂度降低,且RFID调制信号的识别正确率有了很大程度的提高。     

基于支持向量机的数字调制识别算法

在非协作通信中,需要对接收的信号进行调制方式的自动识别.在高阶累积量城内构造信号识别的特征向量,采用基于二又树的支持向量机将识别特征向量映射到高维空间并构造最优分类超平面,实现对数字调制信号的自动识别.该算法不仅结构简单、计算量小,而且解决了样本在低维空间中的不可分问题,具有良好的泛化推广能力.理论分析和仿真结果证明了...     

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,...     

常规调制信号与扩频信号的调制识别算法

由于直扩信号（Direct Sequence Spread Spectrum, DSSS）通常淹没在噪声中,为了有效地识别直扩信号、跳频信号（Frequency Hopping Spread Spectrum, FHSS）和常规调制信号,提出基于瞬时特征和高阶累积量的识别算法。首先推导证明了FM、MFSK、MPSK、DSSS、FHSS信号的归一化四阶累积量切片 是相同的,并推导得到AM和MQAM的 通用公式。然后,利用归一化四阶累积量切片 特征参数检测噪声中通信信号,利用占用带宽特征参数将信号分为扩频信号和常规调制通信信号两类;最后利用瞬时特征参数和高阶累积量特征参数,分别识别扩频信号和5种常规调制通信信号。仿真结果表明,当信噪比高于1dB时,该算法对上述7种信号的正确识别率可达到100%。      

自适应OFDM中信号的调制识别算法研究

针对通信信号种类和调制方式的多样性、以及无线信道环境的复杂性,研究了自适应OFDM系统中信号调制方式的识别。在自适应OFDM(正交频分复用)信号产生的基础上,提出了一种新型调制识别算法,并分析了仿真参数对算法性能的影响。研究和仿真结果表明:该算法不仅性能稳定,而且可以有效地识别自适应OFDM信号的调制方式。该算法复杂度低,适合于实时处理。     

基于累积量和SVM的数字调制识别

文中提出了一种基于高阶累积量和支持向量机的数字调制信号识别新算法,即从信号的四阶和六阶累积量中提取的参数作为分类特征向量,利用基于二叉树的支持向量机作为分类器的方法实现了2ASK、4ASK、8ASK、4PSK、8PSK等五种数字调制信号的识别。仿真结果表明,在信噪比为10dB情况下,该算法的正确识别率达到了95.83%以上。     

基于循环谱和稀疏表示的多信号调制识别*1

针对难以识别时频重叠的多信号问题,提出一种不用分离混合信号即可识别信号类型的新方法。该方法针对各种调制循环谱的不同,用稀疏表示提取各信号的特征,最后根据提取的特征利用支持向量机对信号进行识别分类。经理论推导和仿真实验得出:该方法对噪声具有一定的鲁棒性,在较低信噪比条件下仍能保持较好的识别性能,在信噪比为-4 d B时,对单信号和混合信号的正确识别率分别可达到93.5%和90.67%。     

基于HOCCs和SVM的单通道时频重叠信号调制识别

针对单通道QPSK-16QAM时频重叠双信号,提出了一种利用接收信号二、四、六阶循环累积量(HOCCs)构建分类特征的调制识别方法.选用支持向量机(SVM)作为系统的分类器,与已有方法相比,该算法识别性能更趋稳健.当数据长度取得100个待识别信号码元时,可以在较低信噪比下实现对备选信号准确的识别.仿真试验证实了算法的有效性.     

基于支持向量机的调制模式识别技术研究

为了完成对8种模拟数字混合信号的调制模式识别,采用了基于二叉树扩展的支持向量机作为分类器,从待识别的信号的瞬时幅度,瞬时频率和瞬时相位中提取七类特征作为特征参量的方法,获得了对8种调制模式精确稳定估计的结果,具有实时性好、分类模式多和扩展性能好的特点。     

一种改进的基于支持向量机的OFDM识别算法

针对OFDM信号与单载波信号调制识别,提出了一种基于高阶累积量特征的改进方法.通过分析复信号幅值的归一化四阶累积量特性,以及信号的瞬时频率和功率谱特征,改进和提出新的特征参数,采用支持向量机分类器,实现了AWGN信道下包括OFDM在内的9种信号的制式自动识别.该方法具有特征参数易于提取、抗噪性好、识别准确率高的优点.利用MATLAB仿真证明在信噪比不小于7dB的情况下,OFDM信号的识别准确率达99%.     

基于瞬时频率的数字调制方式自动识别算法

数字通信信号调制方式的自动识别在军用和民用方面都极为重要。为了自动识别FSK2,FSK4,PSK2,PSK4四种数字信号的调制方式,提出一种新的瞬时频率提取方法,该方法不需要对相位进行去卷叠处理,也不需要实现码元同步,与现有方法相比,运算量显著减少,鲁棒性强,可用于实时处理中。在此基础上提出三个特征参数和一种基于判决理论的调制方式自动识别算法,给出识别算法的实现流程。计算机仿真结果表明,在信噪比为-3 dB时,识别算法的平均识别率大于等于99%,证明新的瞬时频率提取方法和调制方式自动识别算法是有效的,有望用于实际的非协作通信系统中信号的检测和快速识别。     

基于谱域联合特征的信号调制类型识别

为了在低信噪比条件下识别信号的调制类型,提出了一种由信号瞬时包络的高阶组合矩、零中频信号的高阶组合累积量和谱相关函数共同构建的联合特征,用于数字调制信号调制类型识别的方法。新方法分析了多种常规数字调制信号的瞬时包络的幅度分布特性,利用了高斯过程的高阶累积量当阶次大于2时恒等于零的特性和谱相关函数突出周期平稳信号的特性,对高斯噪声具有较好的抑制作用。仿真试验结果表明,该方法运算简单,适应性强,在低信噪比下正确识别率高。     

一种改进的数字信号自动调制识别算法

在非协作通信中,要对截获的信号进行解调以获取其信息,必须首先识别出信号的调制样式。在对六种数字信号的自动调制识别中,由于对瞬时相位求差分直接获得的瞬时频率存在很大的误差,使用了一种频率估计方法对其进行平滑处理;由于噪声对信号幅度的干扰很大,严重影响ASK2和ASK4的区分,对识别算法进行了改进。仿真实验证明,当信噪比为10dB时,对六种信号的平均正确识别率达到99.71%。     

车辆颜色识别方法研究

车辆颜色识别对车辆的识别与搜索,完善和增强智能交通系统功能具有重要意义。本文通过对颜色表示方法的深入研究,使用特殊的颜色空间合并与分解方法,提出了在室外正常光照条件下基于支持向量机的车辆颜色识别的方法。本方法克服了车辆颜色识别过程中多种颜色产生的混叠问题,将车辆颜色分为7个种类,解决了样本分布不均及光照对车辆颜色的影响,提高了车辆颜色识别的准确率和效率。     

差分运算在数字调制制式识别中的应用

随着数字通信技术的发展，数字信号调制制式的识别成为近年来的研究热点，本文将差分运算应用到数字调制制式的自动识别当中，设计了一种新的算法，能够成功识别2ASK，4ASK，2FSK，4FSK及2PSK五种信号。仿真结果表明，该算法具有较高的识别率。     

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法，即将信号小波变换后提取各尺度上的能量峰值作为特征向量，利用支持矢量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性，并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明，这种方法具有很高的分类性能和良好的稳健性。     

运用高阶累积量和SVM的调制自动识别

针对数字信号调制模式识别问题,提出了运用高阶累积量和二叉树支持向量机（SVM）进行自动识别的算法。该算法首先使用信号的四阶、六阶、八阶累积量构造了5个新的分类特征,然后利用二叉树支持向量机分类器实现了8种信号的有效分类。仿真结果表明,该算法优于直接多类分类支持向量机算法,在信噪比大于5 dB时,识别率达到90%以上。