一种短波衰落信道下FSK信号FFT解调方法

对传统FSK信号的多种解调方法进行了简单介绍,在短波衰落信道下,由于多径和衰落的影响,其解调性能严重恶化,甚至不能得到正确的比特流。提出了一种基于时频域的FFT的FSK信号解调方法,利用FSK信号不同频率点处的功率谱峰值进行检测判决,并详细介绍了其实现方法。对其在高斯白噪声下的性能进行了仿真,性能与非相干包络解调理论性能相当,而对衰落信号,相比其他解调方法,此解调方法也可以给出较好的解调效果,适用于工程应用。     

短时频率稳定度特征分析的FSK信号个体识别

针对通信电台个体识别问题,提出一种利用码元持续时间内短时频率稳定度的指纹特征识别FSK信号电台的方法。采用改进的多周期“过零点”法提取瞬时频率,然后计算瞬时频率的信息维数特征,最后利用最近邻分类器实现电台个体识别。在高斯信道和短波信道下进行的仿真实验证明了该方法的有效性。     

短波地空通信中的多谱勒频移及其对FSK解调的影响

本文分析了短波地空通信中的多谱勒频移 ,并就多谱勒频移对 8FSK解调的影响作了理论分析。     

采用广度优先搜索邻居聚类的通信信号调制识别

针对短波通信中无法避免的码间串扰问题,研究了聚类算法在信号调制识别中的作用,提出了一种利用广度优先搜索邻居(BFSN)聚类处理循环统计量特征的分类算法。该算法将循环统计量特征峰值作为聚类输入对象,通过BFSN聚类分析,剔除延时信号、噪声等造成的奇异类峰值,克服了多径效应产生的码间串扰影响,实现了2FSK、4FSK、BPSK、QPSK、16QAM、π/4-QPSK、π/4-DQPSK、8PSK等8种调制信号的自动识别。仿真表明,该算法聚类后提取的特征参数抗多径干扰能力强,同信道均衡方法相比识别正确率有5%的性能优势。低信噪比环境下的信号调制识别具有重要的工程应用意义。     

利用局部密度与距离特征的MFSK识别方法

针对不能在没有先验信息的条件下对任意调制指数的MFSK信号进行调制识别的问题,提出了一种新的利用聚类特征的MFSK信号调制识别方法。该方法利用AR模型的极点提取信号的短时频率峰值;应用改进的聚类算法对峰值序列进行聚类处理;根据不同阶数FSK信号不同聚类中心特征参数的不同,利用支持向量机进行分类,完成了2FSK、4FSK、8FSK和16FSK的调制识别。该算法无需任何先验知识,适用于不同调制指数下的FSK信号,仿真实验验证了算法的有效性和正确性。      

基于瞬时频率畸变特性的FSK电台指纹特征提取

为解决FSK电台个体识别问题,需要从辐射源信号上提取特征构成辐射源指纹。通过分析构成FSK电台的各个模块的畸变特性,阐明了FSK电台指纹产生机理,建立了基于瞬时频率的指纹信号模型,并根据信号模型设计了基于辅助参数的最小二乘算法以完成FSK频率畸变特性参数的估计,从而构建指纹特征完成对FSK电台的识别。对仿真信号和实际信号的识别测试试验表明,该算法具备辐射源个体识别能力,对实际环境下的4个FSK电台的识别率大于96%,优于双谱类方法。     

2FSK信号"指纹"特征的研究

人有表示个体属性的指纹特征 ,无线电通信信号 (下称信号 )是否存在描述个体电台的电子“指纹”特征 (下称“指纹”特征 )呢 ?文中分析了信号“指纹”特征存在的可能性 ,并以 2FSK信号为例 ,论述了 2FSK信号应具有的“指纹”特征 ,同时提取了其中部分“指纹”特征。     

一种MFSK车载雷达距离速度测量方法

针对传统的线性频率调制(LFM)波和频移键控(FSK)波体制的车载雷达系统存在的一些问题,提出了一种LFM和FSK结合的多频移键控(MFSK)波形雷达测量方法。首先,理论推导出了MFSK体制的测量原理,采用了全相位FFT(apFFT)算法来提高相位估计精度;然后,结合该算法设计出了系统信号处理方法,并对系统的性能进行对比分析。仿真结果表明:文中所设计的MFSK车载雷达系统在多目标情况下具有很高的测量分辨率、可以实现无模糊测量、有效避免虚假目标出现等优点,满足车载雷达测量系统对各项性能的要求。     

一种简单多径信道下的调制识别方法

为解决简单多径条件下调制识别类型少、难以工作于低信噪比下的问题,提出了一种基于联合特征参数的调制识别方法。根据简单多径下不考虑多普勒效应影响这一条件,利用调制信号的延迟相关和瞬时自相关特性,并结合高阶累积量特征对幅移键控(ASK)、相移键控(PSK)、频移键控(FSK)共8种信号进行分类识别。仿真结果表明,在信噪比大于4 dB时,简单多径条件下的各类调制信号正确识别率接近100%。     

基于深度残差网络的特定协议信号识别

针对短波信道下信号截获质量差,信道环境复杂以及单一特征识别率低等问题,提出了基于深度残差网络的信号特征自动提取算法,设计了一种具有自适应学习能力的短波特定通信协议识别模型.通过对具有特殊结构的协议信号的时频视觉差异进行理论推导,将信号的时频能量转换成灰度图像,并用于对所构建的深度残差网络进行训练.该方法克服了传统方法对信号质量要求高、先验信息需求多等缺陷,可直接对中频接收信号进行处理,适合实际工程应用.实验表明,当深度残差网络达到稳态时,识别准确率高,在低信噪比、多径衰落、多普勒频偏以及信号被强干扰所遮挡的情况下,依旧能准确识别协议类别.