数字通信信号自动调制识别技术研究

就目前来看,数字通信信号处理技术的发展程度不断加剧,其带来的重要影响是通信环境质量的下降,该种情况显著制约了通信行业的发展,随着现代科学技术的进步,人们对于数字通信信号的识别技术要求不断提升。就通信行业的整体发展来看,数字通信信号中的自动调制和识别技术是一个关键技术,但其应用于实践还有很多阻碍,基于以上分析强化对数字通信信号自动调制技术的研究,有助于提升数字通信质量,保证社会的稳定。文章主要分析了数字通信信号自动调制识别技术,期望为行业工作提供一定参考。     

数字通信信号自动调制识别算法研究

近年来,随着数字通信技术的快速发展,在自动调制识别算法研究上有了很大的进展,本文主要针对数字通信信号自动调制识别算法进行论述,研究其基本原理,对目前国内的研究现状以及相关问题进行总结,实现对数字通信信号自动调制和识别算法的深入认识。     

移动通信信号自动调制识别的谱相关方法

一些不同的数字调制信号有着相同或相近的功率谱密度,但它们的谱相关函数却有明显区别。平稳的噪声和干扰的谱相关为零。利用谱相关函数的这些性质可以识别出噪声中的调制信号。本文提出了一种用于移动通信信号自动调制识别的谱相关算法,该方法可以识别各种主要无线系统和标准所采用的调制类型。     

基于软件无线电架构的通信信号自动调制识别

自动调制识别是非合作通信系统接收机设计中的重要研究课题。本文提出了一种基于软件无线电架构的自动调制识别算法。该算法计算量小,适合于在线分析。本文对高斯噪声中通信信号的自动识别进行了计算机仿真。实验结果表明,在信嗓比为15dB时,识别成功率不低于98％。     

基于决策论的数字模拟信号调制识别

文中提取了反应调制类型差异的6个特征参数。这6个特征参数是对传统特征参数的改进,运算简单且判决门限容易确定。构建了基于决策论算法的分类器,对典型的13种数字模拟信号进行了调制识别。仿真结果表明,该分类器具有良好的调制分类识别性能。     

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、DSS...     

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。     

数字调制信号的自动识别

给出了一种基于信号瞬时特征参数进行快速分析的算法,即小波滤波后瞬时幅度算法。该算法通过提取信号瞬时参数来计算信号的特征参数,并与门限值进行比较以识别信号类型,因而具有算法简单、运算速度快等特点;文中通过MATLAB仿真验证了该方法的有效性和可靠性：同时给出了从噪声中识别数字调制信号的应用实例。     

数字通信信号自动调制识别技术研究

在通信系统中,准确、快速地识别信号的调制方式十分重要,是确保信号解调、网络监控和干扰识别等工作有序开展的关键。文中基于对调制识别数字通信信号技术的探究,讨论了决策理论算法、高阶累积量算法以及人工神经网络（ANN）算法,并对不同算法的应用效果进行了说明,以供参考。     

模拟广播信号自动识别技术与实现

在对无线电广播频段进行频谱监测时,对于出现的新信号,需要进行信号模式的识别,才能相应的解调.对解调后的信号再进行语音识别,了解其使用的语种,以实时掌握我国上空广播频谱的情况.本文主要对信号采集、特征提取、自动进行模式识别与语音识别的理论依据和实现方法进行阐述.     

数字调制信号的自动识别

由于多调制的存在,对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式,因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一.文中研究了8种常用数字调制信号识别的特征参数集,并采用决策树判别方法进行分类识别.仿真结果表明,在SNR≥10dB时,识别正确率在99%以上.其特点是,算法简单,识别正确率高,达到了自动分类识别的目的,并有利于实现识别的实时化.     

自动识别数字调制方式的一种方法

提出了一种对经符号成形的数字通信信号进行调制方式自动识别的方案,该方案将数字已调信号的瞬时特征与功率谱特性相结合,设计了一组对信号信噪比不敏感的特征参数。通过提取经升余弦滤波成形的2FSK等六种常用的数字调制信号的5个特征参数,分别采用决策树和神经网络分类器进行调制方式自动识别。仿真表明,当信噪比为11dB时,采用决策树分类器对除2ASK外的5种信号的识别率在95%以上,神经网络分类器此时对所有信号的识别率达到了98%以上,证明了该方案的有效性和可行性。     

Automatic Modulation Recognition Based on Morphological Operations

Automatic modulation recognition under negative signal-to-noise ratio (SNR) environment is a challenging topic. In this paper, we propose the method consisting of two main steps: constructing a template library and recognition. The former extracts the morphological envelope of each signal power spectrum by using the morphological close–open operation to construct the template library. The latter can further be divided into two sub steps. The first sub-step is to calculate the similarities between the morphological envelope of received signal power spectrum and each template in the template library. The second one is to determine the modulation type of received signal based on the maximum of the similarities which are more than the threshold. Simulation results demonstrate that the correct recognition rate (CRR) can increase by 0.84 % and 9.38 % with hierarchical method and ZAM-GTFR method at SNR=?4 dB, respectively. The proposed method can reduce the computational complexity by about 97 % compared with the ZAM-GTFR method when N≤4096. The results prove the method has the advantage of high CRR and the less computation.     

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。     

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％。     

基于变换域的调制类型自动识别

在多径信道下，针对调制类型自动识别(AMR)问题，提出了一种基于变换域的自动识别算法。该算法从变换域提取全部特征参数，采用决策理论算法，实现调制类型的自动识别。理论分析和仿真结果表明，该算法优于同类算法，具有较高识别精度和良好的健壮性。     

基于谱分析的通信信号调制方式自动识别

本文研究基于谱分析的通信信号调制方式自动识别 ,首次提出了瞬时频率归一化分布和AWGN因子等一组鲁棒性强的特征参数。在不需要先验知识的情况下 ,对加性高斯白噪声 (AWGN)信道中常用通信信号BPSK ,QPSK ,OQPSK ,π/4QPSK ,MSK ,FSK ,FM ,CW进行识别 ;仿真结果表明 :总体识别率达 95 %以上 ,证明该方案是有效实用的     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

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%.