一种基于小波变换的MQAM信号调制识别方法

MQAM调制样式识别是非合作通信研究的重要内容之一。通过分析MQAM信号在小波域具备的特征,提出了一种基于小波变换的MQAM信号识别算法,该算法不需要预先知道载频、波特率等参数,步骤简单,可在低信噪比情况下实现对MQAM信号的分类。     

基于BP神经网络的数字调制识别方法

针对低信噪比条件下通信信号调制类型识别困难的问题,提出一种新的基于瞬时信息的数字调制识别方法。该方法采用改进的小波阈值消噪算法对信号的瞬时信息进行消噪处理,从而增大不同调制信号间特征值的差异,再采用弹性反向传播(RPROP)算法训练的BP神经网络对MASK,MFSK,MPSK,MQAM等7种调制信号进行分类识别。仿真结果表明:该算法在信噪比低至2dB时,能使所有调制信号均达到96%以上的正确识别率,极大地改善了低信噪比下的识别性能。     

对软件无线电中调制模式识别的改进

在非合作通信体制下，通信信号的调制样式识别已经越来越占据重要作用。本文主要从理论上讨论了软件无线电中基带数字信号处理中的一些软件设计，包括信号调制模式的识别、正交解调及其选择解调模式时的控制过程，并着重讨论了在低信噪比情况下数字通信信号的调制模式的识别问题。所有这些过程部是基于可编程芯片用软件实现的。     

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。     

低信噪比下的脉内调制方式识别

雷达信号脉内调制方式识别是电子对抗的重要内容。在实信号进行正交变换的过程中通过频域滤波来滤除带外噪声,提高信噪比,对滤波后的复信号利用改进的相位展开算法计算瞬时相位,然后对得到的瞬时相位曲线进行三次多项式拟合,根据拟合离差、拟合参数来自动识别常规信号、线性调频信号和三次多项式相位信号,并在正确识别调制方式的基础上进行参数估计。计算机仿真表明,本方法在信噪比不小于0dB的条件下,正确识别率达90%以上,且参数估计的精度较高。     

改进的DBSCAN算法在调制识别中的应用

提出了一种基于星座聚类的通信信号调制识别新方法。将基于密度思想的M-DBSCAN聚类算法运用于信号星座聚类,通过自适应更新聚类参数,利用其良好的抗噪声性能实现了较低信噪比高斯白噪环境下信号星座图的重构。将该方法应用到对PSK/QAM信号的调制识别,实验结果表明该方法是实际有效的。     

软件无线电中调制识别和数字解调技术

调制样式识别是通信系统中的一个关键环节;利用软件无线电思想对全数字接收机中的几个关键技术进行了研究;对在低信噪比情况下数字通信信号的调制模式的识别率低的问题进行了改进,增强了识别率;对数字解调中的关键一时间同步采用软件实现,并通过仿真验证了算法的正确性。     

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％.     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

一种基于差分星座图的调制体制识别算法

针对π/4QPSK和8PSK信号调制体制识别,提出了一种基于相位差分信号星座图的调制体制识别算法.算法利用两种相位差分信号的星座图点数作为识别特征.对单级减法聚类算法不能很好地适应多种调制方式识别的问题,采用一种改进的多级聚类算法得到星座图点数,并通过计算机仿真获得了最佳聚类参数.仿真结果表明,改进后的算法在200个码元下的识别性能至少提高1dB,低信噪比下的性能得到了很大改善.12dB以上时,π/4QPSK和8SK信号的正确识别率达到了100%.     

The signal-to-noise ratio (SNR) required for the estimation of foliar biochemical concentrations

Abstract This paper compares estimates of the signal-to-noise ratio(SNR) required by imaging spectrometers for the estimation of foliar biochemical concentrations and the SNR currently achieved by the Airborne Visible/ Infrared Imaging Spectrometer (AVIRIS). The work was comprised of three sections. Section 1: the SNR required by imaging spectrometers was estimated by modelling three data sets, each of which more closely approximated the data recorded by the AVIRIS. The remaining stages were concerned with estimating the SNR currently achieved by the AVIRIS. Section 2: SNR estimates made as part of instrument calibration were scaled to those that would be expected when viewing vegetation, and section 3: SNR was estimated directly from AVIRIS imagery. The results of these three sections were then compared to assess the SNR performance of the AVIRIS and its utility for the estimation of foliar biochemical concentrations. The SNR of the AVIRIS is planned to double between 1994-5 and while this sensor was barely adequate for the estimation of foliar biochemical concentrations in 1992-3 it should be more than adequate from 1995 onwards.     

谐波重构先验信噪比估计算法

先验信噪比单通道语音增强算法在信噪比较高时能有效地去除噪声,但在信噪比较低时语音高次谐波失真较为严重。针对此提出了一种基于谐波重构的先验信噪比估计算法,对增强后的信号加权求平方,进行功率谱的二次谱处理,以加强语音信号的周期性;再进行谐波重构,提升谐波分量。实验研究表明,该算法在低信噪比时能够有效地增强语音谐波分量,相对于先验信噪比估计的语音增强算法能够改善语音质量,减少语音失真。     

多载波系统中自适应比特功率分配算法研究

本文提出了一种多载波系统中自适应功率和比特分配算法。该算法在低信噪比时基于最大化信道容量分配比特,基于最小化误码率分配功率;在高信噪比时采用Fischer算法进行比特功率分配。仿真结果表明,低信噪比时所提算法比Fisher算法性能好,高信噪比时和Fisher算法的性能一样好。因此,文中所提算法比Fisher算法更具有实际应用价值。仿真结果也表明了子载波数对系统性能的影响。     

信噪比失配对LDPC码译码影响的分析

在加性高斯白噪信道条件下,采用置信度传播算法对LDPC码进行译码,需要精确估计信道信噪比用于计算接收比特的后验概率消息作为译码器的输入.信噪比值的错误估计称为信噪比失配.本文研究加性高斯白噪信道条件下信噪比失配对LDPC码译码的影响.通过对置信度传播算法校验节点更新方程的近似得到一个以信噪比为自变量的校正因子函数,基于...     

磁共振多通道射频接收线圈性能评估

磁共振成像技术追求高信噪比和快速扫描。与单通道线圈相比,多通道线圈具有高信噪比、高分辨率和成像速度快的特点。为服务于射频线圈设计和制作,开发了基于磁共振k空间数据的多通道射频线圈性能评估软件。此软件可以准确方便地计算多通道线圈噪声耦合矩阵和信噪比。     

信噪比失配对若干码型误比特性能的影响

比较分析了高斯信道下信噪比失配对以下三种码型Log-MAP译码算法误比特性能的影响:Turbo码、比特交织Turbo编码调制以及基于符号的Turbo网格编码调制。其中Turbo码采用BPSK调制,比特交织Turbo编码调制和基于符号的Turbo网格编码调制采用16-QAM调制。仿真结果显示,信噪比失配对基于符号的Turbo网格编码调制误比特性能的影响和对Turbo码的相似,而比特交织Turbo编码调制的误比特性能对于SNR过估计比前两者要更加敏感。     

基于语音增强的双门限语音端点检测算法

语音端点检测是语音信号处理过程中的一个重要步骤,其准确性对语音信号处理有直接影响.传统的双门限语音端点检测技术,在纯净语音或高信噪比的情况下,语音端点判断准确,但低信噪比的情况下,端点识别率很低,出错率较高.为了提高低信噪比条件下语音端点检测的识别率,在传统双门限语音端点检测的基础上融合了语音增强,通过Matlab仿真实验,取得了较高的语音端点检测准确率.     

语音活动检测对方言辨识系统的影响研究

分别把基于阈值判断和基于统计模型的语音活动检测（VAD）应用于汉语方言辨识系统中,对比了系统识别率及运算时间。其中基于能量、过零率等阈值判断的方法以其算法简单、计算量少的优点在高信噪比噪声环境下取得较好的效果,但在低信噪比噪声环境下准确性及鲁棒性急剧下降。在相同测试环境下,采用统计模型的DD＋Hang-over算法取代传统经典阈值算法。实验表明,基于统计模型的算法在高斯混合模型（GMM）系统下运算时间稍氏,但抗噪声性能明显优越于基于阈值判断的算法,尤其在低信噪比的加性噪声环境下效果更显著。     

Feature saliency using signal-to-noise ratios in automated diagnostic systems developed for ECG beats

Artificial neural networks (ANNs) have been used in a great number of medical diagnostic decision support system applications and within feedforward ANNs framework there are a number of established measures such as saliency measures for identifying important input features. By identifying a set of salient features, the noise in a classification model can be reduced, resulting in more accurate classification. In this study, a signal-to-noise ratio (SNR) saliency measure was employed to determine saliency of input features of multilayer perceptron neural networks (MLPNNs) used in classification of electrocardiogram (ECG) beats (normal beat, congestive heart failure beat, ventricular tachyarrhythmia beat, atrial fibrillation beat) obtained from the Physiobank database. The SNR saliency measure determines the saliency of a feature by comparing it to that of an injected noise feature and the SNR screening method utilizes the SNR saliency measure to select a parsimonious set of salient features. ECG signals were decomposed into time–frequency representations using discrete wavelet transform. Input feature vectors were extracted using statistics over the set of the wavelet coefficients. The MLPNNs used in the ECG beats-classification were trained for the SNR screening method. The application results of the SNR screening method to the ECG signals demonstrated that classification accuracies of the MLPNNs with salient input features are higher than that of the MLPNNs with salient and non-salient input features.     

一种Bark子波变换的电子耳蜗语音增强算法

提出了一种Bark子波变换的电子耳蜗语音增强算法。该算法首先引入与人耳听觉系统更为适应的Bark子波变换来进行电子耳蜗CIS语音信号处理,然后在每个Bark通道中利用非线性谱减法对其进行语音增强,谱减法的参数由人耳隐蔽阈值来控制。结果表明：即使在低信噪比的情况下,信噪比也能提高16 dB左右,合成的语音对于电子耳蜗使用者具有较好的清晰度和可懂度。