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%)。     

基于DSP的数字调制信号神经网络识别算法

DSP处理模块是软件无线电的核心，TMS320C6701芯片以其优越的性能越来越成为其首选。本文研究了在该芯片上实现数字调制信号的人工神经网络识别算法的方法和过程，并通过实验验证了其正确性和合理性。     

基于谱分析的一种数字调相信号调制方式识别方法

本文提出了一种基于功率谱和谱相关为特征的调制方式的分类与识别方案,该方案从信号的功率谱和谱相关中提取一组顽健性好的特征参数。在不需要先验知识的情况下,对BPSK、QPSK、OQPSK、8PSK几类常用的数字调相信号进行了分类与识别。使用MATLAB软件对各参数在不同的信噪比下进行了仿真,仿真结果表明：在信噪比大于5dB时其总体识别率可达98％以上,在信噪比大于10dB时其总体识别率可达99％以上。该方案具有实用性和可用性。     

基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

基于高阶累积量的数字调制信号识别

利用接收信号的高阶累积量为特征参数,实现了对多种常用数字调制信号(2ASK/BPSK,4ASK,QPSK,8PSK,2FSK,4FSK)的分类识别.由于信号六阶以上累积量的计算过于复杂,在选取特征参数方面主要利用信号的二、四阶累积量.8PSK与MFSK信号的二、四、六阶累积量的值均相同,直接计算无法区别.针对这一问题,首先对8PSK和MFSK信号求微分再利用四阶累积量来进行识别.实验证明,所提取的特征能够有效抑制高斯白噪声的影响,并且计算简单,便于实现.当信噪比为8 dB时,识别率基本达到100%.与已有算法的比较,结果证明了该算法的优越性.     

数字调制信号识别性能的评估方法

针对正确率不能客观全面地评估字调制信号识别性能的问题,提出采用受试者操作特征(ROC)曲线下的面积(AUC)对最小二乘支持向量机分类器和传统的神经网络分类器进行性能评佑。首先提取J个特征参数,然后分别采用最小二乘支持向量机分类器和神经网络分类器成功地实现了数字调制信号识别,最后通过计算ROC曲线下的AUC值来评估分类器的优劣。仿真实验结果表明,最小二乘支持向量机分类器比神经网络分类器的平均性能好。     

通信信号识别分类与识别概率探讨

本文讨论了一种通信信号的自动识别分类方法,采用信号处理和模式识别对信号频域特征和调制类型进行提取分析。并对识别概率进行了详细讨论。测出了12种典型信号的频谱识别图和识别概率。     

OFDM信号的盲识别研究

提出一种新的OFDM信号盲识别算法,利用多载波OFDM信号在时域上的近高斯性,提取信号特征参数Q作为分类特征,该参数不受高斯白噪声的影响,且无须知道先验知识,只需在中频直接对信号进行识别,计算简单、利于实现。仿真实验结果表明,在短波信道中,该算法具有较强的抗多径能力。     

测量通信信号调制识别技术研究

测量通信信号的调制识别的功能是在有噪声环境和各种信号的情况下判别出信号的信息和它的调制方式,也为更加深入的解析和分析信号提供相应支撑条件。本篇文章从原理基础到方案设计以及验证结果,层层递进的揭露了信号调制识别技术的原理、发展现状以及当前的先进识别技术,同时自己设计了一套识别方案对不同的模拟调制信号进行制式识别并分类。基于MATLAB的软件平台对基本的模拟调制信号进行仿真测试,确定判别门限,通过计算得出结论,成功识别了AM、DSB、SSB和FM四种信号。实验得出在SNR>12dB的时候能达到90%的制式识别正确率,证明设计的识别方案的可行性。     

MPSK信号调制方式识别研究

文章介绍了一种新的MPSK信号识别方法，该方法基于信号星座图旋转和同相分量的四阶累积量，通过傅立叶级数展开提取了一组特征向量送入神经网络分类器进行分类识别。仿真结果表明该方法识别正确率高、信噪比要求低。     

高阶PSK调制的比特软信息简化计算方法

本文针对采用Gray映射的高阶PSK调制,提出一种比特软信息的简化计算方法.该方法利用Gray码的对称性,通过递推求取比特软信息.分析和仿真结果表明,在高阶调制下,此方法较传统的ML和Max-Log计算方法,运算负担大大降低且对系统性能影响不大.此外,该方法可对不同调制阶数的PSK信号统一处理,适合应用于自适应编码调制系统.     

A simplified bit metric calculation method for high-order PSK

This paper proposes a simplified bit metric calculation method for high-order PSK signal with Gray-mapping. This method calculates the bit metric recursively by the symmetry of Gray code. Analysis and simulation results show that the proposed method can significantly reduce the computational complexity and maintain similar performance compared to ML and Max-Log bit metric. Additionally, this method generates bit metrics of PSK signals with different modulation order in the same way, so it can be applied to adaptive modulation system.     

随机信号雷达的发展

随机信号雷达是一种以微波噪声源作为其发射信号或信号调制形式的雷达,相对于传统的雷达体制,随机信号雷达具有许多优良的特性,本文介绍了过去３０多年中随机信号雷达的发展过程,对其基本形式和相关法,频谱法,反相关法等实现方法作出了系统的总结,并且对几种典型的随机信号雷达,如“随机调频连续波雷达”,“正弦加随机调频连;续波雷”和“随机二相码连续波雷达”的基本结构作了介绍,最后对随机号雷达的发展作了展望。     

一种带有二次调制信号的调制识别算法与仿真

针对卫星测控链路中的一种带有二次调制信号,研究了该信号调制识别的算法.从信号的数学描述、频谱分析人手.讨论了不同调制指数下二次调制信号的特点,确定了基于谱分析的调制识别方法.算法先对外调制进行识别,进而采用CZT与FFT联合算法进行信号频率进行估计,然后对信号进行解调,得到内调制信号.对于两路内调制信号的识别,算法采用滑动窗的思想及离散化的方法进行处理,平滑凸现信号后再进行分路,最后对各路内调制信号进行识别.计算机仿真及实际应用证明了该算法在较低的信噪比条件下具有良好的工作性能.方案可以适用于多路内调制信号的情况.     

OFDM多载波系统中子载波调制识别新方法

针对OFDM （Orthogonal Frequency Division Multiplexing）信号在非合作通信系统中,具有多种子载波调制类型且有些子载波调制类型难以被调制识别的问题,提出了一种对其子载波分类识别的新方法.此方法结合并改进了星座图聚类投影法和对数似然函数（Logarithmic Likelihood Function,LLF）算法,先对不同子载波调制信号进行星座图聚类投影从而识别出常规子载波调制类型,再进一步通过对数似然函数对常规子载波调制类型和偏移正交（Offset QAM,OQAM）调制类型进行分类识别,并在此基础上推导出子载波组的对数似然函数使其计算结果值更容易被判决门限分类.理论推导和计算机仿真结果表明这种方法能在信噪比高于15 dB的情况下完全识别子载波的调制方式.     

基于轻量型网络的单载波信号调制识别

针对当前应用深度学习实现数字信号调制识别过程中网络复杂、计算量高、硬件平台要求高的问题, 本文提出了在改进的MobileNetV3轻量级神经网络中使用信号星座图调制识别的方法. 首先, 将接收到的MPSK和MQAM信号转换成星座图像, 将其进行灰度图像提取, 灰度图像增强, 构建星座图的图像数据集, 然后将ResNet中的跨层结构引入MobileNetV3网络, 解决了随着网络层数的增加, 权重减小而导致的梯度消失现象. 最后将星座图数据集用于训练MobileNetV3的轻量型神经网络权重, 对星座图像进行识别. MobileNetV3基于深度卷积可分离和神经架构搜索(network architecture search, NAS)技术在保证识别精度的前提下, 大大降低了参数量和训练时间, 将对于简单信号的调制识别, 轻量型神经网络可以有效简化网络结构, 降低对硬件设备的要求. 仿真结果表明, 针对的调制信号(BPSK、QPSK、8PSK、16QAM、64QAM), 能实现识别率为99.76%的调制识别, 相较于传统应用深度学习实现调制识别的网络, 网络参数量和计算量明显减小.     

基于循环谱包络的多信号调制识别

针对单通道接收机在多信号环境下难以处理信号调制识别的问题,提出一种不经信号分离直接提取各独立分量信号特征以有效识别多个相移键控(PSK)信号的新方法。该方法从理论上推导了时频重叠多分量信号在循环频率轴上的可分性,在此基础上提出了信号调制特征的提取方法和易于工程实现的信号识别方法。理论分析和仿真实验表明：该方法能不受干扰地提取各分量信号的调制特征,并能有效识别调制集内任意组合的双相移键控信号,当信噪比(SNR)为0dB时,各信号组合的平均正确识别率能达到97%。     

电话诈骗识别系统的设计与实现

本文将当前频发的电话诈骗问题与人工智能技术相结合,设计并实现了一个基于卷积神经网络的电话诈骗识别系统,该系统首先清洗并处理已采集的大批量用户话单数据,将其构建成用户特征图片,然后使用基于卷积神经网络技术构造的电话诈骗识别模型,对输入的用户通话特征图片进行挖掘,识别出诈骗人员的用户行为,从而帮助人们在通话初期提前识别出诈骗电话。     

交通信号灯的设计与实现

通过对十字路口的二、三相位设计,使用proteus仿真调试环境模拟相位来完成十字路口信号灯的设计,使用KeilC51开发环境实现对各相位信号灯的控制,以达到交通疏导的目的。