基于快速组合神经网络分类器的数字调制识别新方法

单个神经网络分类器无法提供一种对所有数据进行精确解释的能力,但是会对部分数据贡献一些有用的信息,组合神经网络分类器利用有效的组合算法集成单个分类器,使分类能力得到显著提高.本文提出一种快速非线性组合算法对通信信号的调制类型进行分类,取得了较好的效果,实验结果证明了此方法的有效性.     

基于瞬时参数的调制识别算法

通信信号的调制识别是目前研究的热点问题.文章通过提取信号的瞬时参数,构造识别特征,成功识别出AM、DSB、LSB、USB、FM信号,并给出了仿真结果.     

衰落环境中数字调制识别仿真研究

调制方式的识别对于通信信号分析有着重要的作用。在现有有关调制识别的研究中,大部分都考虑的是加性高斯白噪声理想信道（AWGN）。文中通过仿真分析A．K．Nandi和E．E．Azzouz提出的数字调制识别算法（DMRAs）在衰落信道中的性能,详细研究了衰落信道特性对调制识别的影响。最后,得出了一些具有规律性的结论,对进一步深入研究衰落信道中调制识别技术具有一定的指导意义。     

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。     

基于调制信号识别的希尔伯特变换实现及优化

信号瞬时特征量来源于信号希尔伯特变换后的解析信号,要获取信号的完整信息,需要对信号进行精确而高速的希尔伯特变换.鉴于实时处理和高精度的要求,文中从算法和硬件结构上,对离散希尔伯特变换进行了优化,保证变换精度的同时将硬件乘法和加法计算量降低约50%,并且给出了硬件系统实现方案.仿真验证表明,变换后信号能正确提取出调制信号的瞬时特征.该算法能用于实时的信号调制识别系统之中.     

基于混沌粒子群的决策树SVM的调制模式识别

针对通信调制识别常用的决策树识别节点过多和支持向量机识别处理多类繁杂的问题,将二者结合起来采用决策树SVM算法,另引入在函数优化、数据挖掘等方面具有突出优势的混沌粒子群算法来对决策树SVM中参数选择进行择优提取。并对2ASK,4ASK,2PSK,4PSK,2FSK,4FSK这些数字调制信号,在信噪比为5%,10%,15%的情况下,进行仿真测试,结果表明有良好的分类效果。     

基于改进粒子群算法的并联机械手运动参数识别

在工业生产过程中,由于机械手制造与装配过程存在误差,不仅造成运动精度降低,而且阻碍生产效率提高。为解决这一问题,提出了基于了改进粒子群优化算法的并联机械手运动参数识别研究,通过建立参数数学模型,完成机械手几何参数误差的识别和补偿。实验表明,文中提出基于改进粒子群优化算法的并联机械手运动参数识别,测试误差小、收敛速度快,可以为改良生产线、改善产品质量、提高企业效率提供有效的帮助。     

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,...     

基于无线传感器网络的调制识别方法

针对传统单节点调制识别存在阴影和多径问题,提出了一种利用无线传感器网络进行分布式协同调制识别的方法。首先由相互协作的传感器节点提取信号的五个典型特征构成特征矢量,将特征矢量发送到中心节点,在中心节点通过粒子群算法对人工神经网络进行参数优化,最后利用训练好的神经网络进行分类识别,得到识别结果。对6种信号进行了仿真,结果表明该方法在信噪比大于5 dB且测试样本数大于50时,最终的识别率超过了90%,验证了将粒子群算法应用于神经网络参数优化进行分类识别可以有效提升识别性能。     

卫星通信中调制识别算法研究

随着信息化技术的不断发展,卫星通信技术已经成为信息化中不可缺少的重要组成部分。文章主要对卫星通信中调制识别算法进行介绍,并利用FISHER准则来实现调制识别,希望对卫星通信行业发展起到一定帮助。     

基于软件无线电的数字调制信号自识别的研究

软件无线电的基本思想是构造一个具有开放性、标准化、模块化的通用硬件平台,通过软件编程来实现无线电台的各种功能。调制方式的多样化必然导致无线电台的多模式化。调制方式多样化的存在,就必须要具备自动识别各种调制方式的方法,所以,信号调制方式的自动识别是软件无线电中必须具备的功能之一。决策理论具有结构简单,识别种类多的优点,这也是本文采用决策理论的主要原因。最后仿真验证了决策理论是非常有效的。     

卫星通信侦察中的调制识别与参数估计技术

在卫星通信链路的侦察和对抗系统中,低信噪比下的调制识别和参数估计是情报获取并进一步实施干扰的前提和基础。对卫星通信链路侦察中常用的调制识别和参数估计方法进行了总结,并对各种方法的特点进行了分析,同时提出了需要进一步研究的问题。     

一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

基于ResNet_NSCS的通信信号调制识别

针对通信信号调制识别的特征提取问题,为进一步提高识别准确率,提出了一种基于嵌套式跳跃连接结构的残差网络(ResNet of Nested Shortcut Connection Structure,ResNet_NSCS)调制识别算法。该算法在残差神经网络(Residual Neural Network,ResNet)基础上,通过借鉴ResNet多通路选择思路,引入嵌套式恒等跳跃连接结构,利用提取的特征实现不同调制方式的分类。仿真结果表明,面向RadioML2016.10a数据集,较卷积神经网络(Convolutional Neural Network,CNN)算法和卷积神经网络_长短时记忆网络(Convolutional Neural Network_Long Short Term Memory Network,CNN_LSTM)算法,以增加网络复杂度为代价,ResNet_NSCS算法收敛速度快,识别准确率高。     

改进小波在调制模式识别中的应用

在分析提升小波应用在调制模式自动识别的基础上,提出了一种新的特征提取方法。该方法首先利用最优估计理论获得小波的最佳预测系数,根据最佳预测系数进行分解提取特征值,最后利用支持向量机分类器进行信号的分类识别。在求解支持向量机的参数优化问题中,提出了一种通用的解决方案,利用带惯性权重的粒子群算法来确定其最优系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的工程应用性和有效性。     

基于循环谱相关的调制信号检测方法

在研究通信信号的循环平稳理论的基础上,利用频域平滑的谱相关估计算法,提出一种新的数字调制信号检测方法,降低了一般循环谱检测方法的复杂度,提高了检测性能。该方法对数字调制信号谱相关特性进行分析,计算谱相关函数f截面的归一化面积,确定合适的判决阈值,通过阈值判决来实现基于通信信号循环特征的调制模式检测。仿真结果表明,在低信噪比条件下,检测成功率高达98%。     

基于通信信号非微弱特征的并行调制识别

调制识别是非协作通信中的关键问题。文中论述了一种基于判决理论的模拟-数字调制信号识别算法,并提出了该算法基于CUDA的并行应用,仿真实验表明,通过6个特征值可实现大部分模拟、数字信号的调制识别,同时基于CUDA并行加速的效果明显。     

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%.