基于MFCC的OFDM信号子载波调制方式识别方法

针对多径信道下传统的OFDM信号子载波调制方式识别方法存在识别率不高,判决门限不易确定,子载波调制方式识别不全面等问题,提出一种基于MFCC的OFDM信号子载波调制方式识别方法.利用语音模型下的识别算法提取OFDM信号的MFCC特征参数,计算出各阶MFCC特征参数的平均标准偏差和平均变化率,并将两类参数的组合作为OFDM信号子载波调制方式分类特征量对子载波调制方式进行识别.仿真实验结果表明,该方法能够有效实现多径信道下OFDM信号子载波多种调制方式的识别,且识别性能优于传统方法.     

OFDM技术及其在短波通信中的应用

正交频分复用是采用多信道数字调制，将数据经编码后调制为射频信号的技术。在短波信道中应用OFDM技术，利有Ⅳ路子载波，在相同数据传输速率下，码元周期延长N倍，远大于信道的延时，从而消除码间串扰。各子载频之间满足正交条件，使信号频谱可重叠，提高频谱利用率，并有良好的频率分集效果，能抗多径强窄带干扰。为进一步克服码间串扰的影响，一般利用计算IDFT时添加一个循环前缀的方法，在OFDM的相邻码元间增加一个保护间隔，使相邻码元分离。     

滤波多音调制水声通信方法研究

针对正交频分复用调制(OFDM)在时变水声信道的影响下系统性能恶化的问题,将无线通信中一种新的多载波通信方法--滤波多音调制(FMT)引入到水声通信中,利用其子载波频谱的强约束性克服水声信道的时变环境引起的载波频偏,从而抑制系统的子载波间干扰(ICI);同时,在接收端采用基于信道估计的分数阶判决反馈均衡技术来有效补偿由...     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发，提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况，提出一种改进的MFCC特征参数（DWTMFCC）提取方法，该方法将小波分析和Mel倒谱分析结合，提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下，利用DWTMFCC参数进行声目标识别，平均识别率比MFCC参数高出3．134个百分点，信噪比为5dB时．识别率仍达到93．67％。     

OFDM--第四代核心通信技术

介绍正交频分复用技术(OFDM)的基本原理——单个用户的信息流被串／并变换为多个低速率码流，每个码流经正交调制后用一条载波发送的特殊的多载波传送方案。详述OFDM信号的调制解调过程、多载频并传传输体制和OFDM抗多径干扰技术。     

基于 OFDM的数字电视地面广播信道模型及信道状态信息提取

基于OFDM的数字电视地面广播信道模型分为接收信号高斯信道和Ricean信道模型.在OFDM系统中,信道状态信息定义为载波位置的信噪比,采用归一法计算平均噪声功率以获取信道状态信息(CsI).     

采用主分量分析的非合作水声通信信号调制识别

由于信道传输特性、信噪比低等因素的影响,非合作水声通信信号的调制识别极具挑战性。对信号功率谱、平方谱进行主分量分析,提取代表不同类型调制信号特有信息的主分量作为特征参数,从而降低特征参数维度、抑制噪声影响,并在此基础上设计一种基于人工神经网络的水声通信信号调制方式分类器。海上实录信号数据的识别实验结果表明了该方法的有效性。     

基于伽利略的线性偏移载波调制技术

文中着重讨论伽利略卫星导航系统中采用的LOC调制技术．对LOC信号的基本特性作具体分析．提出副载波调制指数为奇数时应采用正弦类型的LOC信号．副载波调制指数为偶数时应采用余弦类型的信号。并在此基础上对LOC信号的多径误差、平均多径误差以及Gabor带宽进行仿真验证。仿真结果表明，对于副载波调制指数为偶数时的LOC（1．1）信号，余弦类型的平均多径误差优于正弦类型的平均多径误差，而对于副载波调制指数为奇数时的LOC（1．5,1）信号．正弦类型的平均多径误差优于余弦类型的平均多径误差。     

典型体制雷达引信信号的调制制式识别

针对现有方法只能识别某一类特定信号的不足,为了有效识别出几类典型体制雷达引信信号,提出了基于调制周期估计及时频脊线提取的信号调制制式识别方法。该方法对信号自相关函数进行分析以估计调制周期,而后估计包络波形以完成对占空比的估计来区分脉冲串信号类型;对于连续波信号通过周期积累和时频脊线提取,利用几项特征参数识别调制制式。仿真分析表明,该方法具有较高的识别准确率。     

一种新的混合信号调制识别方法

在现代电子对抗和通信侦察中,共信道通信信号的调制模式识别是重要的研究课题。经验模态分解(EMD)是一种处理非平稳信号的新方法,但标准EMD方法存在模式混叠问题。文中提出了一种基于EMD分解与希尔伯特变换相结合的调制识别新算法,通过在EMD分解过程中多次添加掩蔽信号,用于共信道混合信号的分离,并讨论了所添加的掩蔽信号能够消除模式混叠现象需满足的必要条件。计算机仿真结果表明,该方法对频谱不混叠的单载波混合信号有较好的分离和调制识别效果。     

基于栈式降维与字典学习的辐射源调制识别

针对低信噪比环境下辐射源调制识别准确率和时效性不高问题,提出一种基于时频特征、栈式降维和字典学习的分类识别系统。对时域信号进行时频变换和稀疏域降噪,获取二维时频特征并降低噪声干扰;基于无监督学习的栈式降维网络提取低维非线性特征,进而降低特征冗余并提高后续处理时效性;通过多项判别约束和正则约束强化字典类间判别能力与分类时效性,并实现调制类型识别。仿真结果验证了该分类识别系统的有效性和可行性：当信噪比为-8 dB时,单载频信号、二相频率编码信号、四相频率编码信号、线性调频信号、二相编码信号、四相编码信号、Frank信号7类辐射源信号的整体平均识别率达到95.93%,具备较强的鲁棒性和时效性。     

单矢量差分幅度相移键控正交频分复用水声通信研究

为了在不牺牲通信带宽利用率的前提下,进一步提高水声通信质量,在描述高阶差分幅度相移键控调制技术和单矢量信号处理技术的基础上,基于矢量水听器和高阶差分调制技术,提出一种应用于正交频分复用（OFDM）通信体制中的高速水声通信系统。根据实际水域声速梯度真值,利用信道仿真软件建模实际水声信道,仿真研究通信系统在此信道下的通信性能。研究结果表明：对矢量水听器采集的声压和振速通道信号进行p+3v_c线性联合处理可获得增益,单矢量差分幅度相移键控OFDM通信系统比标量差分幅度相移键控OFDM系统的通信效果有明显改善,验证了该系统的可行性和优越性。     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。     

基于小波脊线特征提取的雷达辐射源信号识别

针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90%以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.     

变调制率调频引信双通道相关检测抗数字射频存储干扰方法

为提高调频引信抗数字射频存储（DRFM）干扰性能,分析了频移DRFM干扰下调频引信失效机理,提出了变调制率调频引信双通道相关检测抗干扰方法。采用相邻周期调制率交替变化使发射信号去周期化,通过快速傅里叶变换提取调频谐波峰值包络并结合双通道瞬时相关检测,实现调频引信的精确定距,抑制频移DRFM干扰。仿真与半实物验证结果表明：同传统调频引信相比较,变调制率调频引信双通道相关检测方法在不增加硬件资源的前提下,可实现精确定距,并显著提高引信抗频移DRFM干扰性能。     

基于联合投影字典学习的辐射源调制识别

针对字典学习用于辐射源识别时原子表征能力有限和复杂环境适应性不足问题,提出一种基于联合投影字典学习的辐射源识别方法。利用时频变换提取辐射源信号初始特征,并通过降维、降噪实现特征预处理;采用核空间投影和降维投影学习方式优化字典原子结构,基于数据集训练获取联合投影字典;通过分类测试完成了有效性验证。仿真结果表明：该方法所提取字典原子具备较强表征能力,能够适应参数多变的复杂环境;较常规有监督字典学习方式更易区分多类型、高相似度信号,-6 dB时单载频信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、Frank信号、二相频率编码信号、四相频率编码信号、非线性调频-二相编码复合调制信号、二相频率编码-二相编码复合调制信号10类辐射源信号的整体平均识别率为94.4%.     

基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征耗时长、特征不明显等问题,提出一种基于深度学习卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别方法。该方法通过快速离散分数傅里叶变换提取信号的模糊函数主脊,并将模糊函数主脊极坐标域的二维时频图作为卷积神经网络的输入,实现对不同雷达信号的分选识别。仿真实验结果表明：新方法不仅在信噪比为0 dB以上保持100%的识别率,在-6 dB时识别准确率也稳定在90%以上;相对于传统的雷达信号识别方法和其他深度学习模型识别方法,在识别率和鲁棒性上均有较大提升,具有一定的工程应用价值。     

基于Fisher判别字典学习的辐射源调制特征识别

针对基于字典的信号调制类型识别方法中解析字典原子形态单一、无法与复杂辐射源信号最优匹配的问题,提出一种基于Fisher判别准则的字典学习方法。对辐射源信号进行时频分析,借鉴图像处理的方法提取信号时频特征列向量,在字典训练过程中加入信号调制类型信息,根据Fisher准则训练字典,使字典原子类间距离最大同时类内距离最小,以增强字典的识别性能;通过仿真分析Fisher判别字典的识别性能以及原子个数对字典性能的影响。研究结果表明：该方法相比于解析字典法和无监督字典法,具有更好的识别性能,在低信噪比时识别性能突出、抗噪声干扰性能好;综合考虑识别性能和计算量,当字典原子数取20时该方法性能最优。