利用高阶累积量实现OFDM信号的调制识别

针对OFDM系统中信号的调制方式，提出一种基于高阶累积量的算法。该算法可以有效地抑制高斯噪声，实现OFDM信号调制方式的识别。文章给出了理论分析和计算机仿真。结果说明算法的性能稳定，复杂度低，具有较高的识别率。     

OFDM信号调制类型盲检测研究

提出了一种基于谱相关的正交频分复用信号(OFDM)子信道调制方式盲检测算法.该算法利用循环谱相关检测特征参量实现对子信道调制方式的检测,所提出的特征参量可抑制高斯噪声的影响.通过计算机仿真评估了该算法对正交频分复用信号(OFDM)子信道调制类型盲检测的性能,表明这种算法在高斯信道下具有很高的调制方式识别性能和很强的稳健性.     

一种α稳定分布噪声下OFDM信号调制识别与参数估计算法

正交频分复用（OFDM,Orthogonal Frequency Division Multiple）信号的调制识别与参数估计是非协作通信领域的重要研究内容.为了解决α稳定分布噪声下OFDM信号调制识别与参数估计困难的问题,提出一种广义循环平稳的盲处理算法.该算法首先对接收信号进行非线性变换,推导出接收信号的广义循环自相关函数表达式,分析了单载波调制信号与OFDM信号的广义循环自相关函数特性,并给出了OFDM信号的广义循环自相关函数与待估参数之间的关系.然后,基于分析结论,利用广义循环自相关函数构造调制识别特征完成OFDM信号与单载波信号的调制方式自动分类;最后,针对OFDM信号的调制参数估计问题,提出了一种基于广义循环自相关函数的调制参数估计算法.理论分析与仿真结果表明,在α稳定分布噪声环境下,该算法可以有效实现OFDM信号调制识别与参数估计,且算法不依赖接收信号的先验信息,可以直接对中频接收信号进行处理.     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。 由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。 在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。
　　由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。
　　在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于支撑矢量机的调制制式识别算法

调制制式识别是信号自适应传输系统中的一项重要技术。研究表明，传统调制制式识别在训练样本有限情况下性能不佳。而基于支撑矢量机的调制分类器采用结构风险最小化原则，在样本有限情况下仍能达到较好性能。通过分析和研究，首次提出结合高阶累积量和多尺度小波分解两种特征的调制制式识别算法。该算法结合高阶累积量对调相信号以及小波特征量对多载波信号识别的突出优点，实现了多种信号的一步识别。通过对该算法在多种常见信号上的应用进行分析和仿真，证明其性能优于传统调制制式识别算法。     

基于累积量和循环平稳参量的OFDM信号盲检测

为解决正确检测和识别OFDM信号的问题,提出一种新的OFDM盲检测方案.该方案在缺乏先验知识的条件下,充分利用OFDM时域包络渐近高斯性分布的特点,对已有基于累积量的识别特征参量提取进行改进,有效的抑制了瑞利衰落及高斯噪声对接收端信号调制模式识别性能的影响.在此基础上,为改善现有累积量算法无法区分OFDM与高斯信号的不足,应用二阶循环平稳性分析分选OFDM及高斯信号,构成OFDM信号检测的总体方案.仿真实验评估了该方案的有效性:验证该方案可在瑞利衰落信道下正确识别OFDM调制模式并在多径信道及较低信噪比下分选出OFDM信号.     

基于分数阶Fourier变换减小OFDM系统PAPR的研究

介绍了基于分数阶Fourier变换的OFDM系统,给出了这种系统中经过变换后的信号的表达形式,探讨了该系统在不同的调制方式下（QAM调制和QPSK调制）使用Clipping算法降低系统PAPR的情况,并使用Matlab对不同阶数的CCDF进行了仿真。仿真结果表明,QAM调制下基于分数阶Fourier变换的Clipping算法性能不如基于傅立叶变换的Clipping算法好,而在QPSK调制方式下基于分数阶Fourier变换的OFDM系统PAPR性能比基于傅立叶变换的OFDM系统性能有了显著的提高。     

一种基于自适应调制的LDPC-COFDM系统性能研究

本文研究了一种基于自适应调制和软解调算法的LDPC-COFDM(LDPC Coded OFDM)系统模型，该自适应调制方案根据各个了信道的信道增益来自适应地分配比特。文中对自适应调制和软解调算法进行了讨论和分析，最后给出了仿真结果。仿真结果表明，基于自适应调制的LDPC-COFDM能够有效提高系统的误码性能，适应多径衰落信道的时变特性。     

OFDM信号的盲侦察技术分析

正交频分复用传输系统,以其可对抗频率选择性衰落,高频谱利用率等优点,得到了广泛的应用。论述了正交频分复用(OFDM)信号非协作接收中的某些关键算法,研究了基于循环前缀的符号同步算法及最大联合似然估计(ML)算法、基于高阶累量的OFDM信号调制样式识别算法,解决了OFDM信号和常规通信信号之间的类间信号识别问题。仿真结果进一步说明了该方法的有效性。     

一种基于ITD和高阶累积量的OFDM识别算法

针对正交频分复用(OFDM)与单载波调制识别,提出了一种基于固有时间尺度分析(ITD)和高阶累积量的识别方法。通过ITD分解待识别信号,提取固有旋转分量的瞬时幅度,利用其复信号幅值高阶累积量区分OFDM和单载波信号,并利用改进和提出的特征参数识别单载波信号。通过MATLAB仿真表明在信噪比不小于5dB的情况下,OFDM信号的识别准确率达99%。     

Non-cooperative signal modulation recognition algorithm based on joint feature parameter extraction

Aiming at the problem that in the current electromagnetic environment,the modulation method is complicated,the frequency-consuming equipment increases,the spectrum is congested,and the electromagnetic environment interference increases,the algorithm of OFDM signal detection and subcarrier identification in the background of non-cooperative communication were deeply studied.Using the different distribution states of OFDM signals and single carrier signals in the time domain,a joint characteristic parameter was proposed to solve the existence problem of OFDM in the received signal.For the phase shift and frequency offset problems caused by the channel transmission to the signal,by using the periodic stability the blind parameter estimation was performed to obtain the signal prior information.On the basis of the obtained signal prior information,a multi-level classification and recognition method for non-cooperative OFDM signal sub-carrier signals was proposed.Therefore,a model based on non-cooperative communication system OFDM signal detection and subcarrier modulation identification was designed,and finally modulation identification of unknown signals was completed.Simulation experiments show that in non-cooperative communication systems,OFDM signals and single-carrier signals can be accurately identified,and ideal modulation recognition effects can be achieved on empty subcarriers,QPSK,and 16QAM in the receiver OFDM signal subcarriers,overcoming the channel transmission band The problems of phase shift and frequency offset have improved the accuracy of modulation mode identification.     

Modulation recognition method based on multi-inputs convolution neural network

In order to identify the main modulation modes adopted in current satellite communication systems,a signal modulation recognition algorithm based on multi-inputs convolution neural network was proposed.With the prior information of the signals and knowledge of the network topological structure,the time-domain signal waveforms were converted into eye diagrams and vector diagrams to represent the shallow features of the signals.Meanwhile,the modulation recognition model based on multi-inputs convolution neural network was designed.Through the training of the network,the shallow features were deeply extracted and mapped.Finally,the signal modulation recognition task was completed.The simulation results show that compared with the traditional algorithms and deep learning algorithms,the proposed method has a better anti-noise performance,and the overall recognition rate of this algorithm can reach 95% when the signal-to-noise ratio is 5 dB.     

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用(OFDM)系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术(WiMax)的OFDM信号,但无法判断该信号是认知信号,并且在复杂电磁环境下识别正确率低.为此,提出了一种协同识别认知WiMax无线网络OFDM信号的算法.该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间,并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权,得到有用符号时间的协同估计值,进而判断接收信号是否为基于WiMax系统的OFDM信号;再通过自私攻击策略,实现对OFDM信号是否是认知WiMax信号的判别,为进一步研究认知WiMax网络节点定位技术奠定了基础.仿真结果表明,与非协同识别算法相比,提出的协同识别算法在多径和低信噪比条件下具有更高的识别率.     

基于循环自相关的OFDM调制识别方法

针对通信信号的调制识别问题,首先根据通信信号的循环平稳性,提出一种基于循环自相关的OFDM信号和单载波信号的调制识别算法,然后将小波多分辨分析理论与调制信号的瞬时特征以及高阶累积量相结合,提出一种基于小波分解的单载波信号识别方法,在此基础上采用分层结构的神经网络分类器对OFDM,2ASK,4ASK,2PSK,4PSK,8PSK,16QAM这7种调制信号进行识别。仿真结果表明该方法具有良好的分类性能,且对噪声不敏感。     

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。     

多径信道下多载波调制信号盲识别算法

该文针对多径衰落信道下,基于IFFT实现的多载波调制信号类内盲识别问题,提出了一种基于对构造数据矩阵进行奇异值分解的算法。在无需知道任何数据信息和扩频码类型及其长度等先验知识的条件下,根据构造数据矩阵的较大非零奇异值个数,按照简单的判定准则,即可准确判断多载波信号的类型,取得了良好的效果。无需传统识别算法中特征提取之后复杂的分类器设计,简化了识别流程。理论分析和仿真均验证了算法的正确性和有效性,证明算法具有一定的理论和实际参考价值。