基于Morlet小波变换的MPSK信号调制识别

文中利用了MPSK信号经Morlet小波变换后的相位特性,提出了一种识别MPSK信号的方法。Morlet小波有良好的时频局部特性,与Hilbert变换相比,MPSK信号通过Morlet小波变换后获得了信噪比增益,因此可以更精确提取信号的瞬时相位。受加性高斯白噪声污染的MPSK信号经Morlet小波变换后,相位的概率密度函数可以用Tikhonov函数近似,由近似函数利用相位的统计性质识别MPSK信号。以已有的一种识别算法为例识别MPSK信号,仿真结果表明：在正确识别率为0.9时,采用Morlet小波变换,所需信噪比低约3dB。     

基于小波变换的信号调制方式的识别研究

根据小波理论,利用小波变换的尺度分解和局部放大的能力,对调制信号进行小波变换和分解,挖掘调制信号在间断点的瞬态特性,成功建立了不同调制方式和其调制特征间的对应关系。在不需要同步和符号速率等先验知识的情况下,实现了对MASK、MFSK、MPSK、MQAM等数字调制方式的完全识别。通过理论分析和计算机仿真验证了所提方法的有效性和实用性,具有很高的应用价值。     

小波变换技术及其在信号调制方式识别中的应用

小波变换（ＷＴ）理论正被广泛地应用于各种通信领域,既可以用作非稳态数据谱分析的短时傅里叶变换（ＦＴ）处理,亦可以用作联系时域分析和频域分析的新工具。应用哈尔小波变换分析法对Ｍ元ＦＳＫ和ＰＳＫ信号的分类识别进行了描述,讨论了可供实际使用的相关统计分析法,最后给出了对１０种ＦＳＫ和ＰＳＫ信号的分类识别模拟结果。     

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。     

基于Gabor变换的数字通信信号调制盲识别

Gabor变换通过加窗函数的办法对Fourier变换加以改进，能较好地刻画信号中的瞬态结构。本文把Gabor变换引入到了数字通信信号调制盲识别领域，对ASK、FSK和PSK信号的Gabor变换域特征进行了理论分析和软件仿真，最后给出了识别算法和仿真结果。     

基于小波变换的数字调制信号识别方法的研究

该文介绍了一种基于小波分类特征的数字调制信号的识别方法,创新之处在于同时应用了连续小波变换和多层小波分解两种方法提取信号的特征,并且对于不同调制信号采用了不同的分类特征。算法实现时不需要进行码元周期估计以及同步时间估计,从而使分类器的设计变得简单,判决准则简化,提高了运算速度和识别率。     

基于峰度和小波变换的超短波信号调制识别

针对FM,MSK,QPSK三种具体调制方式,由于在高斯白噪声环境中小波变换幅度方差区分MSK,QPSK调制信号效果较差,以及在不同信噪比条件下零中心归一化瞬时幅度谱密度的最大值对FM,MSK和QPSK识别效果的下降,提出利用峰度和基于小波变换特征量的方法对信号分类识别。该方法首先利用峰度进行模拟与数字调制信号的类间识别,然后采用基于小波变换系数提取的特征量对两种数字调制信号进行识别分类。采用决策树分类方法,利用Matlab对该方法进行仿真验证,仿真结果表明该方法具有较好的识别效果。     

利用小波变换识别脉内调制信号

利用小波变换的多分辨性质、基于信号和随机噪声在小波变换域中不同的模极大值系数特征，对于脉内调制这类渐近信号的连续小波变换进行了研究，并可行性 波变换来提取信号脉内调制特征，计算机仿真表明这种方法的有效性和可靠性。     

使用小波变换的MPSK信号调制类型识别

信号的数字调制类型识别在电子战、电子侦察和威胁告警等领域有广泛的应用前景.本文对小波变换应用于MPSK信号的调制类型识别进行了研究,并提出了一种基于小波变换的提取MPSK信号相位信息的方法.通过对相位信息进行统计处理,可以有效地识别MPSK信号的调制类型.计算机仿真结果表明本文所述方法的有效性和正确性.     

基于小波的无线信号调制识别

介绍了ASK、FSK和PSK三种信号在相同码元区间和码元区间变化时的小波变换，提出了基于小波脊线特征的门限判别法来识别这三种信号，并对提出的方法进行仿真实验。仿真结果表明，该识别方法在信噪比理想的情况下能很好地识别出这三种信号．但在信噪比不理想时，识别PSK信号的效果欠佳。     

基于小波变换的数字信号调制样式自动识别

讨论基于软件无线电技术的一种数字信号调制样式的自动识别的算法。使用小波分析提取数字调制信号的调制特征参数,研究了利用小波分析在软件无线电中常用的调制样式（BPSK／QPSK）的识别问题,对高斯白噪声中的通信信号在不同信噪比情况下进行了识别计算机仿真。仿真及实验验证了用小波分析方法针对信噪比较低、对功耗限制严格的通信系统,具有较为理想的识别能力。     

基于小波变换的通信信号识别算法

通信技术的数字化已经是现代通信发展的趋势.为识别出通信信号中的数字信号的调制方式,分析了解析信号以及归一化处理后的数字信号经过小波变换后的特点,提出直接提取信号小波变换后的频域特征的算法.该算法无需设置判决门限,可以更简单、直接地实现数字信号与其它信号的类间区分以及数字信号之间的区分.通过仿真表明,该方法可有效区分PSK、FSK、QAM与AM、FM、SSB、CW、噪声.     

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。     

基于小波变换/小波包变换的多载波调制技术

小波/小波包在通信系统中的应用是近年来一个新的研究领域,而基于小波/小波包变换的多载波调制技术是其中一大研究热点。由于小波/小波包基函数具有良好的正交性与时频局域性等特点,基于小波/小波包变换的多载波调制技术,能够有效地提高通信系统性能。本文介绍了当前几种主要的基于小波/小波包变换的多载波调制方案,分析了这些方案的性能特点及发展趋势,并与其他方案进行了比较。     

基于BP神经网络的数字调制信号样式自动识别

针对2ASK，4ASK，2FSK，4FSK，BPSK和QPSK六种数字调制信号，给出了对他们进行识别的5种特征参数的定义，提出了基于BP神经网络利用较少样本分3步进行训练，来实现对数字信号调制样式自动识别的方法，最后得到了在信噪比≥8dB时较高的正确识别率。     

基于支撑矢量机的通信信号调制识别方法研究

提出了一种应用小波变换提取分类特征的基于支撑矢量机的通信信号调制识别方法。使用多个支撑矢量机分类器构成一个多类分类器用于多类信号的调制识别。在中频进行处理,不需要同步信息;利用支撑矢量机具有更好的推广能力,可以使用较少的训练样本。计算机仿真结果表明该方法可以很好地工作于信噪比变化范围较大的通信环境。