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。     

稳定分布下基于FAM的低阶循环谱算法研究

该文在α稳定分布下结合共变理论、循环平稳和分数低阶矩(FLOM)等理论和方法,提出基于FAM (FFT Accumulation Method)的低阶循环谱算法,对算法中存在的循环泄露现象及算法复杂度进行了分析,并以调制信号(AM,QPSK)做了实验仿真.结果表明在α稳定分布下循环平稳信号的低阶循环谱密度和在高斯模型下的二阶循环谱结构是一致的,但基于α稳定分布假定所设计的信号处理算法对信号噪声特性不确定情况具有较好的韧性和抗脉冲噪声性能.最后在循环谱域构造了调制信号的低阶循环特征参数,为复杂背景下的调制识别提供了新的途径.     

一种基于循环谱的共信道多信号调制参数估计方法

共信道多信号的调制参数估计问题已成为通信信号处理领域的一个新兴课题,在非合作通信中是调制识别、信号解调等后续处理的基础。信号经过调制、成形及采样等处理后具有循环平稳性,本文提出了一种基于循环谱和离散谱线提取的调制参数估计方法。该算法利用信号调制参数和循环频率之间的关系,通过提取信号循环谱的谱频率截面上与循环频率相对应的离散谱线,实现对时频重叠的共信道多信号中每个信号分量调制参数的精确估计,主要包括载波频率和码元速率。Matlab仿真BPSK、8QAM两种类型的混合信号结果表明该方法切实有效,可以实现载波频率相差不大时共信道多信号的调制参数估计问题,并且算法计算复杂度小、精确度高、抗噪声性能好,不受频谱重叠度的影响。      

基于谱分析的OFDM调制识别新方法

针对正交频分复用(OFDM)信号与单载波信号调制识别,提出了3个基于功率谱特征的识别参数。根据OFDM信号功率谱边沿陡峭的特性,通过对归一化功率谱进行分析、统计和曲线拟合,提取3个参数,实现加性高斯白噪声信道(AWGN)条件下OFDM信号与9种单载波信号的识别仿真。该文识别参数具有特征参数易于提取、识别准确率高的优点。     

零前缀单载波信号循环自相关性质分析

在正交频分复用（OFDM）系统发射端设计特殊的预编码形成了零前缀单载波（ZP—SC）,其具有常规单载波和多载波的优势。文中建立了零前缀线性调制单载波（ZP～SCLD）的连续时间基带信号模型,并从信号模型出发,利用时变累积量与循环累积量的关系以及成型滤波器的频域性质推导了循环自相关函数的表达式,分析了ZP—SCLD信号循环自相关的性质,最后通过建立多径衰落信道下的信号模型分析了多径衰落信道对循环自相关性质的影响,证明了多径衰落信道虽然改变了信号循环自相关的幅度和相位,但未改变信号的循环频率,为调制识别和参数估计等信号处理环节提供鲁棒性非常强的特征。理想信道和多径衰落信道Proakis’C信道下的仿真实验证明了理论分析的正确性。     

伪码-载波调频侦察信号识别的谱相关方法(Ⅱ)伪码-载波调频信号的调制识别和参数估计

研究了伪码-载波调频侦察信号识别的谱相关方法,具体针对伪随机二相编码(PRBC)信号及其与正弦调频和线性调频复合信号作了研究。通过3种复合信号循环谱截面谱相关特征的分析和提取,完成了调制类型的自动识别,估计了载频和载波调频参数,对伪随机码信号的各项参数进行了估计。分析了噪声环境和有限采集时间对参数估计的影响,最后对调制识别和参数估计进行仿真分析,表明了谱相关方法在伪码-载波调频信号识别中的优势。     

GLSFBC-OFDM信号调制识别算法

提出了频率选择性衰落信道条件下区分GLSFBC结构的多载波信号(OFDM)和单载波信号(MFSK、MPSK、MQAM)的调制识别算法。该算法基于接收信号的高阶累积量,只需直接对接收的中频信号进行识别处理,不需要发射信号和信道的先验知识。仿真结果表明,在SNR高于7 dB时识别率可以达到90%。     

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。     

SIMO信道下MPSK信号载波频率及相位联合估计

为了提高低信噪比条件下MPSK信号载波参数的估计性能,提出了一种基于SIMO信道的MPSK信号载波频率与相位联合盲估计算法.该算法充分利用SIMO信道下多个接收信号间承载相同信息序列的特点,首先通过接收信号的不同组合构造多种乘积序列形成多个单音信号;通过对单音信号载波参数的估计,获得关于待估参数的超定方程组;然后利用最小二乘方法剔除单音信号参数估计中可能存在的“野值”点;最后,通过加权最小二乘解算实现对SIMO信道下MPSK信号载波频率与相位联合估计.仿真结果表明,与传统的单天线参数估计算法相比,在观测时间相同的条件下,本文算法在低信噪比条件下具有更加精确的参数估计性能;同时,频率估计“野值”现象出现的信噪比门限也较传统单天线方法显著下降.     

基于Kolmogorov—Simirnov检验统计量的OFDM识别方案

为了对OFDM信号进行识别,针对高阶矩算法的运算量大的不足,提出一种基于经验分布函数统计量法用于识别OFDM信号和单载波信号。提出单载波／OFDM信号识别模型,建立了最优经验分布函数评价准则,推导了最优经验分布函数;详细阐述了基于KS检验法的OFDM信号识别流程;理论分析及仿真结果表明,该统计量提高了对高斯分布的拟合能力,进而提高了对OFDM信号的识别能力,同时相比高阶矩法,运算量少。     

基于OFDM信号周期平稳特性的盲信道估计算法

该文提出一种基于信号周期平稳特性的盲信道估计算法,用于频率选择性衰落环境下的正交频分复用(OFDM)系统。该算法利用OFDM信号本身具有的周期平稳特性以及其周期自相关函数值的能量分布规律,确定信道阶数,并通过确定信道零点的方法间接获得信道冲激响应。理论和仿真结果表明,与其它的盲信道估计算法相比,该算法不仅可以较准确地获得信道阶数,而且降低了信道估计的均方误差。     

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.     

Exploiting input cyclostationarity for blind channel identificationin OFDM systems

Transmitter-induced cyclostationarity has been explored previously as an alternative to fractional sampling and antenna array methods for blind identification of FIR communication channels. An interesting application of these ideas is in OFDM systems, which induce cyclostationarity due to the cyclic prefix. We develop a novel subspace approach for blind channel identification using cyclic correlations at the OFDM receiver. Even channels with equispaced unit circle zeros are identifiable in the presence of any nonzero length cyclic prefix with adequate block length. Simulations of the proposed channel estimator along with its performance in OFDM systems combined with impulse response shortening and Reed-Solomon coding are presented     

射频干扰环境下OFDM系统的盲信号干扰噪声比估计

基于OFDM信号的循环平稳特性,提出一种在射频干扰环境下OFDM系统的盲信号干扰噪声比估计方法。通过分析发送信号,射频干扰信号以及高斯白噪声的周期自相关函数能量分布规律,选取合适的延时变量和循环频率在功率谱域能有效分离信号功率和干扰加噪声功率分量,从而估计出信号干扰噪声比值。计算机仿真结果表明,和经典的二阶四阶矩(M2M4, second-order and fourth-order moments)盲信号干扰噪声比估计方法相比,新方法不仅能够有效估计射频干扰环境下OFDM系统的信号干扰噪声比值,而且无论是估计性能还是复杂度都优于M2M4方法;同时在快衰落Rayleigh信道下,新方法也能有效的估计出信号干扰噪声比值。进一步,所提方法具有对射频干扰信号密度不敏感的优点。     

Cyclostationarity-Based Frequency Synchronization for OFDM Systems Over Doubly-Selective Fading Channels

Orthogonal frequency division multiplexing (OFDM) systems are highly sensitive to carrier frequency offset (CFO), especially in doubly-selective fading environment. Cyclostationarity-based blind synchronization methods are appealing in high-data-rate applications and low signal-to-noise regions. However, the cyclostationarity has not been exploited for frequency synchronization of OFDM systems under doubly-selective fading channels. In this paper, we derive the close-form second order cyclic statistics of the received OFDM signal in presence of CFO, by modeling the doubly-selective fading channel with basis expansion model. Both transmitter-induced cyclostationarity and doubly-selective channel information are contained in the derived cyclic moments, and they are efficiently utilized for CFO estimation. Simulation results demonstrate that the proposed estimator provides significant improvements on frequency synchronization performance.     

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。      

高信噪比低信干比环境下盲自适应波束形成

本文针对通信双方是合作方这一特点，利用信号的周期平稳性，提出了一种能够适应于高信噪比、低信干比环境的盲自适应波束形成算法，采用了特征向量识别的方法，较好地解决了CAB、CCAB等方法存在的主特征向量误判的问题。该方法不需要系统提供波束指向和估计目标信号方向、具有对系统误差的稳健性，能够较好地抑制干扰。模拟实验验证了本文的方法。     

基于累积量和循环相关值的OFDM信号联合检测方法

为了提高在复杂信道环境下正交频分复用(OFDM)信号检测方法的性能,根据OFDM信号的渐进高斯性、自相关性、循环平稳性等特性,提出了一种基于累积量和循环相关值的OFDM信号联合检测方法.在瑞利多径衰落信道下对此方法进行了仿真研究,研究表明此方法能够有效抑制噪声和频率选择性衰落的影响,且弥补了其他方法难以区分高斯信号和OFDM信号这一不足,提高了对OFDM信号的检测率.     

基于循环谱的MSK信号盲检测与参数估计

针对最小频移键控(MSK)信号的循环平稳特性,分析其循环谱密度,将渐进最优x2分布应用到该种信号的盲检测中,提出了一种基于信号频域循环平稳特征的检测方案。根据其循环谱截面的特点,提出了对信号载频和码元速率进行估计的方法,该方法避免了多维搜索,而且不需要知道信号的频率参数等先验信息。仿真结果证明了在低信噪比下本文所提出检测和参数估计方法的有效性。