基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声(AWGN)的鲁棒性,在决策论识别参数的基础上,增加了高阶统计量识别参数,并利用混合参数的经向基函数(RBF)神经网络实现数字信号调制样式自动识别,提高了对数字调制信号的识别能力.仿真结果表明,所提出方法对信噪比SNR=-5~20 dB的2ASK、4ASK、8ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK、16QAM和64QAM 11种数字调制测试信号均可以较好地识别.     

高阶统计量在水下目标识别中的应用

利用了高阶统计量进行特征提取的方法，着重研究了采用双谱分析的方法提取舰船辐射噪声，给出了双谱矩阵处理的峰值化算法，提取了47维的特征向量并利用BP神经网络对他们进行训练与识别，结果表明，A类目标的正确识别率为83％，B类目标为88％，C类目标为85．19％，D类目标为85．7％。     

基于小波神经网络的数字信号调制方式识别

针对当前数字信号调制方式识别方法易受噪声影响、 识别误差较大等问题, 设计一种基于小波神经网络的数字信号调制方式识别方法. 首先采集数字信号, 并从信号中提取调制识别特征, 作为数字信号调制方式分类依据; 然后采用小波神经网络建立数字信号调制方式识别的分类器, 并选择粒子群优化算法确定神经网络的参数, 实现数字信号调制方式识别; 最后在MATLAB[KG*6]2016平台上实现数字信号调制方式识别的仿真测试. 测试结果表明, 即使数字信号的信噪比较低时, 小波神经网络仍可获得较理想的数字信号调制方式识别结果, 且数字信号调制方式识别率高于对比方法, 从而提高了数字信号调制方式识别性能.     

基于OLS的径向基函数神经网络实现多种数字信号调制方式自动识别

基于决策论的信号调制样式自动识别方法具有简单易行、适合在线分析的优点,针对一些参数的计算进行了改进,并提出了基于该方法,利用正交最小二乘法(OLS)的径向基函数(RBF)神经网络,实现数字信号调制样式自动识别的方法.提高了该方法的识别能力,对信噪比(SNR)为6～30 dB的测试信号识别得到了较好的结果.识别的数字信号为2ASK、4ASK、2PSK、4PSK(QPSK)、2FSK、4FSK与16QAM.     

基于双曲正切特征和双特征融合神经网络的调制方式识别

由于调制方式识别能够在先验知识不足的情况下判断接收信号的调制类型,故而在各类无线通信系统中起到重要作用,许多学者也围绕该问题进行了深入的研究,并在高斯噪声条件下取得了诸多进展.但是,由于自然或人为因素,有时候噪声中会出现尖峰,导致其具有脉冲性.此时,就无法继续采用高斯模型对其进行描述,因为相关的方法会发生严重的性能退化或者完全失效.为了解决该问题,首先借助双曲正切函数提出了两类改进的特征;然后基于注意力机制和门控循环单元等设计了一种双特征融合的深度神经网络作为分类器;最后,在模式识别框架下提出了一种新的调制方式识别方法.实验结果表明,所提方法能够有效抑制高斯和非高斯混合噪声,同时取得良好的调制方式识别结果.     

基于相位编码统计的数字调相信号调制识别

提出了一种基于相位差分编码统计实现数字调相信号BPSK、QPSK、π/4-QPSK、8PSK信号调制识别的处理方法。通过对信号进行多重相位差分处理,根据得到的结果设计识别所需的编码规则,最终利用编码统计结果对四种数字调相信号进行识别。并对该方法在有频率偏移影响下的识别性能进行研究。计算机仿真表明该方法在信号信噪比不小于7 d B时,信号的识别率达到90%以上。该算法计算量小,易于工程实现,同时具有良好的抗频偏性能。     

基于高阶统计量的大地电磁数据处理与仿真

针对大地电磁(MT)数据具有非线性、非平稳的特征而不能满足传统功率谱方法要求的问题,从高阶统计量的理论入手,提出由信号的高阶谱恢复功率谱,再由恢复的功率谱估算MT响应函数的高阶统计量方法,建立通过高阶谱恢复功率谱的数学模型,并对合成数据和实测MT数据进行仿真分析。研究结果表明:利用高阶累积量对高斯噪声不敏感的特点,可实现在高斯白噪声和有色噪声污染下的瞬态信号频率与功率谱的正确估计;高阶统计方法消除了传统功率谱方法中大地电磁响应函数出现个别频点分散和形态异常的现象,使地质参数的估计精度和资料的可解释性得到明显提高。     

基于累积量的通信信号调制样式类间识别

为了避免通信信号调制识别过程中的去载波、波形恢复和符号定时等预处理过程,该文将高阶累积量直接用于中频数字信号的识别。该算法通过估算信号功率对高阶累积量进行归一化,克服了信号幅度缩放的影响,从而使该算法不需要信号的任何先验知识。仿真证明高阶累积量对具有不同包络特征的信号具有良好的识别能力,并且在高信噪比时六阶累积量比四阶累积量的识别效果更好。     

DVB-T系统中OFDM信号子载波调制方式的识别

为了解决多径信道下DVB-T系统中OFDM信号子载波调制方式识别性能差的问题,文中提出了一种新的子载波调制方式识别方法.该方法首先采用子载波的归一化功率对空子载波信号进行识别,然后利用循环谱截面相关系数识别出导频子载波信号,最后通过混合高阶矩对调制子载波信号进行识别,从而完成了OFDM信号子载波调制方式的识别.仿真结果表明,在多径信道下,该方法不但具有良好的识别性能,而且具有较低的计算复杂度.     

一种基于四阶统计量的递推LMS算法

提出一种基于四阶统计量一维切片的LMS算法,并且给出其递推形式.该算法能够有效地抑制相关高斯噪声的影响,性能优于传统的基于相关的LMS算法;递推形式降低了其计算复杂度,能够满足实时处理的要求.采用相关高斯色噪声进行数值仿真,结果表明该方法的有效性.该算法可在雷达、声纳及通信系统中用于多径系数估计.     

基于支持向量机的多类数字调制方式自动识别算法

为了解决软件无线电系统中多种调制方式之间切换的问题，提出了一种基于支持向量机的多类数字调制方式识别算法．该算法通过提取有效的特征向量以区分不同的调制方式，并基于支持向量机和判决树分类思想，将特征向量映射到高维空间中加以分类。解决了样本在低维空间中的非线性不可分问题，避免了判决门限的确定，与传统的神经网络方法相比，具有更好的泛化推广能力．仿真结果表明，在具有加性带限高斯噪声的环境下，信噪比大于等于10dB时，识别正确率大于90％．     

基于ROLS的径向基函数神经网络实现数字调制自动识别

针对径向基函数(RBF)神经网络和统计模式识别的特点,提出利用递归正交最小二乘法(ROLS)的RBF神经网络实现数字信号调制样式的自动识别。仿真结果表明,利用ROLS算法很好地实现了RBF神经网络权值的确定和中心的选择,从而大大减少了网络的训练样本数和训练时间,提高了网络的识别性能。     

一种基于参数调制的混沌数字通信方法

该文提出了反馈同步方法,并基于此方法提出了一种利用混沌载波进行数字通信的方法,该方法通过调制混沌系统中的参数来将二进制数字信号映射为混沌载波,并在接收端利用由可与发送端混沌系统同步的混沌系统组成的接收机对混沌载淡皮进行解调,最后进行了数值领导 具,结果说明了所提方法的有效性。     

Automatic Modulation Recognition Based on CNN and GRU

Based on a comparative analysis of the Long Short-Term Memory(LSTM) and Gated Recurrent Unit(GRU) networks, we optimize the structure of the GRU network and propose a new modulation recognition method based on feature extraction and a deep learning algorithm. High-order cumulant, Signal-to-Noise Ratio(SNR),instantaneous feature, and the cyclic spectrum of signals are extracted firstly, and then input into the Convolutional Neural Network(CNN) and the parallel network of GRU for recognition. Eigh...     

一种新的基于支持向量机的自动调制识别方案

为了解决在合作或非合作的通信应用领域中（如软件无线电,电子侦察系统等）多种调制信号之间的切换问题,提出1种基于多类别支持向量机（SVM）的模拟和数字信号的调制识别的新方案。SVM将特征向量非线性地映射到高维特征空间中,并建立1个最优超平面来实现信号调制方式的分类。这种方法避免了在人工神经网络中的过学习、欠学习以及局部最小化的问题。仿真中将应用于调制识别的SVM算法与人工神经网络算法（ANN）做了比较,结果表明SVM自动调制识别方法结构简单,识别率高,解决小样本的能力强,在信噪比SNR不低于5dB时,正确识别率达到94％以上,适于在工程中应用。     

遥测信号仿真系统中的数字调制识别应用

针对遥测信号特性仿真系统中的数字调制方式设计了一种基于判决树的数字调制自动识别方案。在加性高斯白噪声（AWGN）信道中,对遥测信号中常见的调制方式进行识别。通过MATLAB计算机仿真,验证了该方案的可行性。实验表明,在信噪比SNR为10dB条件下自动识别正确率不低于93％。     

数字通信信号自动调制识别的谱相关方法

该文提出了一种用于数字通信信号自动调制识别的新方法。一些调制类型有着相同的功率谱密度,但它们的谱相关函数却有明显区别。利用谱相关性质可以识别出噪声中的调制信号。该文对高斯噪声中数字通信信号的自动识别进行了计算机仿真。实验结果表明,在信噪比为５ ｄＢ时,识别成功率不低于９０ ％ 。     

基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.