基于频域处理的信号检测和自动调制识别算法

信号检测和自动调制识别是非协作通信领域中的重要研究课题.通过对该课题现有主要研究成果的总结,针对实际工程应用给出了一种基于频域处理的信号检测和调制识别算法.该算法结构简单,计算量较小,有较好的检测和识别性能.     

基于谱相关和RBFNN的调制识别算法

根据谱相关函数理论,对常用通信信号的谱相关函数和谱相关平面图的分析,提取4个可用于调制信号识别的谱相关特征参数.分类器算法采用改进的RBF神经网络.利用提出的联合特征参数和分类器算法能动态识别信号的调制方式.仿真结果表明,该算法在不增加算法复杂度的前提下,在低信噪比下能够取得较高的正确识别率.     

调频连续波雷达信号调制方式识别算法研究

提出了一种识别调频连续波雷达信号调制方式的算法.采用短时傅里叶变换得到信号的时频变化曲线,将信号调制方式的识别问题转化为周期性曲线类型的识别.对周期性曲线的频谱进行特征分析,根据谐波成分的差异,实现曲线类型的正确识别,进而得到信号的调制方式.仿真结果表明,该算法能够正确识别常用的调频连续波雷达信号的调制方式,而且在信噪比为-10 dB时仍然具有很好的性能.     

基于小波包络差异性的数字调制方式识别技术

针对通信系统中数字信号调制方式难以准确识别的问题,根据归一化前后小波变换包络的差异性,提出基于小波变异系数差值(ΔCV)和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行,适用范围广,且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。     

数字卫星广播系统中的调制识别研究

通信信号的调制类型识别在非协作通信中具有重要研究意义。针对卫星通信中调制方式不断向高阶发展的情况,提出了一种对高阶数字调相信号的调制方式自动识别算法。该算法利用四阶以及更高阶的信号累积量和高阶信号的相位分布特征来提取出信号的特征参数,对QPSK, 8PSK , 16APSK和32 APSK 四种调制方式进行了有效区分。文中给出了接收信号的处理流程图,并对算法进行了仿真。理论和仿真结果都表明,这种算法对信号的相位偏差具有不变性,同时对加性高斯噪声也不敏感,具有一定的稳健性,在特定的数据长度和较低信噪比条件下,可得到很高的识别率(>95%)。     

数字通信信号调制自动识别研究

为自动识别MASK、MFSK、MPSK和MQAM信号的调制类型,提出一种瞬时幅度提取算法。该算法不需要对信号进行Hilbert变换和实现码元同步。在此基础上,提出7个特征参数和基于判决理论的调制自动识别算法。仿真结果表明,当信噪比≥8 dB时,识别算法的平均识别成功率≥97%,证明提出的瞬时幅度提取算法和调制自动识别算法均有效,可用于实际信号的在线分析。     

低信噪比下基于频域滑动滤波算法的DS/BPSK信号检测

提出了一种低信噪比下DS/BPSK小信号检测方法,该方法根据相关器输出信号在载频上功率的大小来检测有无信号.为了克服载频估计误差的影响,提出了"频域滑动滤波"算法计算载频上的信号功率.仿真结果验证了该方法的有效性.该方法完全以软件方式实现,可以借助计算机或DSP达到快速检测的目的.文中分析了检测原理,给出了工程技术实现.文中所提的小信号可以作为标识信号线性加入到通信信号中,通过检测该小信号的有无可以快速识别通信信号的某种属性.     

突发QAM信号盲识别算法

针对非协作通信中的7种正交幅度调制(QAM)方式识别问题,提出一种新的基于联合特征的盲识别算法。该算法在对信号的循环平稳性以及QAM瞬时幅度分布特点讨论和分析基础上,采用基于循环平稳检测、四阶零次共轭循环累积量以及瞬时包络的联合特征,并选择二叉树支持向量机作为识别分类器,完成了对7种中频QAM信号的识别。仿真实验表明,该算法在码元数目为1000,信噪比大于6dB时,正确识别率可达到90%以上。     

基于特征提取的单——混信号调制识别研究

调制识别作为处理信号的基础,将围绕QPSK,8PSK,16QAM三种调制类型的单信号和同频同调制的混合信号展开研究.通过分析信号的高阶累积量特征和四次方谱线特征,对单信号和混合信号进行区分,并将信号的调制方式进行高效识别.针对信噪比和幅度比对识别算法性能的影响,进行了一系列的仿真试验,算法简单可行,对信号参数要求较低,具有工程应用前景.通过仿真实验发现,在信噪比大于5 dB时,该算法的准确识别率可达到95％.     

基于深度学习的通信信号自动调制识别技术

基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题,是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法,应用自编码技术进行特征提取,获得具有较好的抗干扰能力的特征集,然后使用BP神经网络对经过筛选的特征进行分类识别,实现了MQAM通信信号调制模式自动识别。仿真实验结果表明,所提出的方法分类识别效果好,有效提高了数字调制信号自动识别的抗干扰能力。