常用数字调制信号识别的一种新方法

通过分析数字调制信号及其非线性变换的功率谱,提出了两个新的调制特征参数,改进了两个相关特征的描述,设计了一种采用神经网络集成结构分类器的识别方案,实现了AWGN信道下常用数字调制信号的自动识别.仿真表明,谱形状特征参数具有很好的抗噪声能力,离散谱线特征参数对信号调制参数更加稳健性,神经网络集成分类器的识别性能显著优于单个网络分类器,SNR＞5dB时该识别方法的总体识别率在94%以上.     

特征提取及其在数字调制方式识别中的应用

通信信号调制识别技术在军事和民用领域都具有重要的应用前景,而特征参数的提取是调制方式识别的首要问题。本文提出了两个新的特征参数,并结合这两个新的特征参数在统计模式识别的基础上构造了一组新的特征集参数,该特征集无需任何先验知识。随后,本文针对2PSK、QPSK、8PSK、16QAM、2FSK、4FSK、8FSK、2ASK、4ASK等9种调制类型,采用了分层结构的神经网络分类器进行自动识别。大量仿真表明,在待识别的信号信噪比大于5dB时,该识别系统的正确识别率达97%以上,且识别的稳定性好。     

模拟调制信号的自动调制识别

调制方式是通信信号的一个重要的特征参数.无论军事或者民用目的,都通常需要对这些信号进行监测.因此对自动调制识别算法的研究具有十分重要的意义.本文基于某无线电监测系统,研究了六种模拟调制信号的自动调制识别算法.针对DSB信号,设计了一个新的特征参数来描述其相位特征,有效的解决了噪声对其相位跳变的影响.文中给出了其表达式和计算流程.通过正交变换得到信号的特征参数.在SNR=5dB时,正确识别率达到97%以上.理论分析与仿真结果证明算法的有效性.     

基于短时分析的数字调制信号识别方法的研究

研究了一种新的数字调制信号识别方法。该方法用短时分析提取数字调制信号在幅度、频率和相位随时间变化的特征，并利用这些特征对各种数字调制信号进行识别。在加性高斯白噪声条件下给出了相应的最佳阈值，并通过仿真研究了该识别方法的性能。仿真结果表明该方法对噪声不敏感，在SNR为OdB时仍能获得90％以上的正确识别率。     

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。     

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。     

卫星通信中数字调相信号调制方式识别方法研究

通信信号的调制样式识别在非协作通信中具有重要的研究意义。针对卫星通信中调制方式不断向高阶发展的情况,提出了一种针对常用数字调相信号调制方式自动识别的算法。本文首先给出了卫星通信中数字调相信号的函数模型,介绍了不同调制样式的特点,给出了不同调相信号的星座图。在调制样式识别的研究中,六阶及更高阶的累积量很少用到,本文利用调制信号的八阶累积量和四阶累积量特征的关系,提取出信号的特征呢高参数,对QPSK、8PSK和{16APSK、32APSK}信号进行了区分,证明四阶以上累积量也可以为信号特征提供有用信息。然后通过对高阶APSK信号进行统计分析,采用一种快速收敛且有效的遗传算法,进行实数编码、交叉等操作,计算出采样信号信号平方幅度比,提取出APSK信号的统计特征参数,从而对{16APSK、32APSK}信号进行区分。这种算法对信号的相位偏差具有不变性,同时可抑制加性高斯噪声,特征参数具有很强的鲁棒性;与其它识别算法比较,它具有稳健、应用广泛、实时性强的特性。通过计算机仿真表明,在给定的数据长度和中等信噪比条件下,可得到很高的识别率(>96%)。      

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。     

利用小波变换实现模拟与数字信号的分类

利用小波变换对突变信号的自适应能力和检测能力,以及能够改善信噪比的特点,分析了通信信号两次小波变换后的不同特征,提出一种自动识别模拟与数字调制方式的算法,然后再提取不同的特征参数实现通信信号的具体分类.通过仿真表明,该算法可以有效识别AM、FM、MASK、MFSK、MPSK信号的调制类型.     

基于数字通信信号瞬时特性的调制方式识别方法

通信对抗中数字通信调制方式识别作为一种非协作通信识别是近年研究的热点,提出一种基于信号瞬时特性并结合决策论对通信信号调制方式进行识别的方法。该方法选用数字通信信号中的五个典型特征参数作为判决准则,然后给出基于决策论判别树的方法,选取恰当的特征门限进行信号识别流程设计。仿真实验结果表明,该方法在信噪比较低时也具有较高的识别正确率和更快的识别速度,更容易工程实现。     

基于判别式受限玻尔兹曼机的数字调制识别

为了提高大动态信噪比下数字调制识别性能,提出一种基于高阶累积量和判别式受限玻尔兹曼机的联合调制识别方法.该方法提取数字信号的高阶累积量作为信号特征,综合利用判别式受限玻尔兹曼机的生成能力和分类能力,分析了含有高斯噪声、时变相位偏移或瑞利衰落环境下的数字信号识别率.实验结果表明,与传统识别方法相比,所提方法的识别性能有明...     

基于MWC压缩采样宽带接收机的雷达信号脉内调制识别

针对传统宽带数字接收机在接收宽带雷达信号时产生的跨信道问题,以及低截获概率(LPI)雷达信号脉内调制盲识别问题,该文提出一种基于调制宽带转换器(MWC)离散压缩采样的新型宽带数字接收机结构对宽带雷达信号进行截获和识别。该结构采用伪随机序列将接收信号混频至基带和其他子带内,经低通滤波、降速采样获得基带压缩采样信号,解决了跨信道信号问题;又提出一种基于短时傅里叶变换(STFT)和频谱能量聚焦率检验的识别算法。首先检验STFT频谱带宽并进行调相和调频信号粗识别,然后检验压缩采样信号频谱能量聚焦率并进行具体的信号脉内调制识别。仿真结果证明了该新型接收机结构和该识别算法在低信噪比下的有效性。     

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。     

基于改进RBFN的信号调制识别方法

应用高阶统计量和RBF神经网络原理,针对数字调制通信信号提出了一种基于统计模式识别理论的信号调制类型识别新方法。采用信号四阶和六阶统计量提取信号特征,使用新设计的误差函数训练RBF神经网络,使得识别的效率和正确度得到了明显的改善。计算机仿真结果证明了此方法的可行性。     

多传感器节点分布式协作调制识别算法

调制方式的自动识别是保证合法通信的关键措施之一,在民用和军用领域都有重要的作用。本文提出了一种在无线传感器网络中多个传感器节点分布式协作识别数字调制信号的新方法。为了克服在衰落信道中低信噪比时单接收节点调制识别率低的缺点,实现对MASK,MFSK,BPSK,QPSK以及OFDM这几种典型调制方式的正确识别,首先利用网络中相互协作的多个传感器,从提高网络识别性能出发,在每个传感器节点能耗最小的前提下,根据接收信噪比的大小设计有效的协作方案,得到反映调制类型显著差异的特征参数的新组合,然后利用径向基神经网络对数字调制信号进行识别,并就不同的网络条件,给出了不同的协作方案。仿真结果表明,与单节点调制识别相比,本文设计的调制识别方法在衰落信道中具有更高的识别率,并且节点系统更灵活可靠。      

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。     

基于参量直方分布的数字信号调制识别

提出了基于参量立方分布的数字调制信号的神经网络识别方法，在提取信号瞬时幅度、瞬时相位、瞬时频率参量的基础上，将其立方分布作为数字通信信号调制方式识别的特征，用于神经网络的训练与识别。仿真结果说明，这种方法保留了原始信息的明显特征，对数字调制信号识别率高，且具有逻辑关系简单、便于进行实时处理、易于实现等优点。     

基于接收信号点极坐标的调制方式识别

提出一种信号调制识别算法.该算法提取接收信号点的极坐标值作为识别特征,利用基于样本与核的相似性度量动态聚类,对不同调制的信号星座图进行分类而完成信号的调制识别.算法较好地克服了相位估计误差的影响,仿真表明该算法有效.     

应用ANN的数字信号调制模式识别的特征矢量分析

数字信号调制模式的自动识别是无线通信中信号分析和处理的关键步骤之一。神经网络应用于数字信号调制模式识别的一个重要的预处理过程就是要形成完备的特征矢量空间。本文在原有分析方法的基础上，研究了信号的瞬时特征、谱特征和统计特征，特别提出了用于信号子类分析的新的高阶统计量特征，形成了数字调制模式自动识别的较为完备的特征矢量空间。通过对九种数字调制信号进行仿真表明，即使在信噪为5dB的条件下仍然能够获得较高的识别正确率。