常用多进制数字调制信号的识别方法

针对常用的多进制数字调制信号,设计了一通用的数字调制识别方案:先用三个时频域特征参数进行调制的大类识别,再利用各自算法估计信号调制阶数,修正了MFSK信号功率谱谱峰个数的估计算法,并提出了MASK/MQAM基于时域的调制阶数识别算法.仿真结果表明,在信噪比大于6dB时,该识别结构和识别算法对MFSK、MPSK,MASK调制信号的正确识别率不低于92%,MQAM识别算法则要求较高的信噪比.     

短波信道下的信号调制方式识别

针对短波信道条件下的通信信号调制识别问题,提取了以信号功率谱的各种特征为主要特征参数,使用判决树分类器,对基于Watterson信道模型下的九类常用短波信号进行调制识别.仿真结果表明,所选取的特征参数具有很好的稳健性,在中等短波信道且在低信噪比条件下有较高的正确识别率,且方法简单便于工程实现.     

基于信号二次方谱相关特征的MPSK调制识别

针对MPSK信号的调制识别问题,提出了一种新的基于二次方谱相关特征的识别算法。本文对MPSK信号二次方谱相关特性进行了推导和分析,并根据二次方循环谱特性提出了一种新的基于二次谱相关密度的归一化识别特征,新识别特征不受载波相位误差、信号幅度变化的影响,且特征提取方法简单、高效,有利于工程实现。最后对算法识别性能进行了仿真分析,仿真结果表明在低信噪比下该算法具有良好的识别性能,在高斯白噪声环境下,当信噪比为4 dB时,正确识别率可达到95%以上。理论分析和仿真结果都证实了该算法的有效性和可靠性。      

基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 d B时识别率达88%以上。     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

基于对称相关谱和累积量切片的QAM信号识别

随着正交振幅调制信号(Quadrature Amplitude Modulation,QAM)的广泛应用,对其调制方式的识别显得至关重要。针对M-QAM的四次方谱谱线特征在低信噪比时对调制信号识别率低,且计算复杂度高等问题,提出了一种基于信号四次方的对称相关谱和四阶累积量的一维切片值的M-QAM调制方式的盲识别算法。该算法无需波特率和采样率等先验信息,没有复杂的迭代过程,可以应用于实际信号的调制识别,对NI USRP-2930无线接收平台接收的信号进行识别。实验结果表明,提出的算法在低信噪比下具有较高的识别率、实用性和有效性。     

基于瞬时幅度特征的连续相位调制信号识别

针对非合作通信系统中连续相位调制（CPM）信号识别难的问题,提出一种CPM信号识别新方法。算法以信号的瞬时幅度谱为特征,结合谱线检测,实现了CPM信号与幅移键控（ASK）、正交幅度调制（QAM）、相移键控（PSK）、频移键控（FsK）信号的区分。算法无需各种参数估计及同步等预处理过程,仿真实验结果表明,在信噪比不小于4dB时,CPM信号正确识别率达到95％以上。与已有算法相比,本文所提算法具有计算量小、实现简单和低信噪比下识别率高等优点。     

低信噪比条件下的调制方式识别

传统的调制方式识别方法通常假设接收信号是平稳随机过程,一般要在信噪比不低于10dB时才能取得较高的识别率。本文根据模拟调制信号的谱特性和谱相关特性,给出了低信噪比下的调制方式识别算法,理论分析和仿真结果表明,本文提出的算法,在低信噪比(3dB)条件下,仍然具有很高的识别率。     

短波信号调制方式自动识别方法研究

通过对日常监测工作中常见短波信号的类型及特征进行分析,研究了短波信号调制方式的特征提取方法,提取基于高阶累积量及小波变换等方法的特征参数,并建立基于判决理论的短波信号调制识别流程。仿真结果表明,该算法在较低信噪比条件下依然能够取得较高识别率,有一定的实用价值。     

基于谱相关函数截面特征的调制方式识别

谱相关函数在双频平面上全面反映了循环平稳信号的二阶周期性。调制信号是循环平稳信号,不同调制信号的谱相关函数具有不同的分布特性,且对平稳噪声、干扰不敏感,可用于低信噪比下的调制方式识别。采用时域平滑FFT积累算法计算出调制信号的谱相关函数,对结果进行了对比分析,提取了多种调制信号的谱相关函数截面特征,设计了AM、MSK、PAM、2ASK、2FSK、4FSK、QPSK七种调制信号的树形识别流程。仿真结果表明在低信噪比下,七种调制方式具有90%以上的识别率。     

基于领域自适应的动态噪声辐射源个体识别

现有基于深度神经网络的辐射源识别算法受训练场景限制,当待测信号与训练数据集的信道环境噪声不一致时,网络的识别性能严重退化。为了克服该问题,本文提出一种基于迁移学习的辐射源个体识别算法。该算法结合领域自适应的思想,建立优化模型将不同信噪比下信号的特征对齐,使在特定信噪比下训练的神经网络学习到与信道噪声无关的射频指纹特征,实现对其他信噪比下信号的高准确率识别。仿真实验结果表明,提出的算法显著提升了基于深度神经网络的辐射源个体识别算法在动态噪声条件下的准确率,在待识别信号信噪比下降4 dB的情况下,准确率提升了45.18%。      

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。      

基于能量聚焦效率检验的信号脉内调制识别

针对低信噪比条件下信号调制盲识别问题,提出了一种基于信号能量聚焦效率检验的识别算法。先对信号进行短时滤波,以提高处理信噪比,后在分析常用6类脉内调制信号单频正弦波生成条件差异的基础上,定义了信号能量聚焦效率特征,并据此实现调制识别。推导了信号能量聚焦效率的统计检验方法。计算机仿真结果表明,本算法在低信噪比条件下可对常用雷达脉内调制方式进行有效识别。     

基于卷积神经网络的低截获概率雷达信号检测算法

为了解决雷达截获接收机对低截获概率(LPI)雷达信号检测效果不理想的问题,针对截获信号中有效信号脉宽长度来定义信号和噪声,该文提出一种基于卷积神经网络(CNN)的LPI雷达信号检测方法,利用卷积核与匹配滤波器结构上的相似性,在低信噪比下能够提高信号的检测准确率.利用大量的基于4种典型LPI雷达信号(线性调频信号(LFM...     

基于信噪比分类网络的调制信号分类识别算法

针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题,该文提出基于卷积神经网络的信噪比分类算法,该算法利用卷积神经网络对信号进行特征提取,用固定K均值(FK-means)算法对提取的特征进行聚类处理,准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪,改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制,来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征,该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络,利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征,并进行特征融合与分类。实验表明,该文提出的调制信号分类模型识别准确率为91%,相比于卷积长短时(CNN-LSTM)网络提高了6%。     

基于周期模糊函数理论的信噪比估计

周期模糊函数表示周期调制连续波信号的时延-频偏平面的相关,不同的信号具有不同的周期模糊函数。针对雷达中频信号的信噪比估计,提出了基于周期模糊函数理论的信噪比估计方法。根据信号和噪声在周期模糊函数中的不同位置具有不同的表现特征,推导了在高斯白噪声背景下基于周期模糊函数的信噪比估计公式,给出了实现算法,同时和其他信噪比估计算法进行了对比仿真分析。结果表明,基于周期模糊函数的信噪比估计方法,特别是对低信噪比情况下,估计精度高,算法简单,易于工程实现。     

Frequency hopping modulation recognition based on time-frequency energy spectrum texture feature

For frequency hopping modulation identification,a novel method based on time-frequency energy spectrum texture feature was proposed.Firstly,the time-frequency diagram of the frequency hopping signal was obtained by smoothed pseudo Wigner-Ville distribution,and the background noise of the time-frequency diagram was removed by two-dimensional Wiener filtering to improve the resolution of the time-frequency diagram under low SNR conditions.Then,the connected-domain detection algorithm was used to extract the time-frequency energy spectrum of each hop signal and convert it into a time-frequency gray-scale image.The histogram statistical features and the gray-scale co-occurrence matrix feature were combined to form a 22-dimensional eigenvector.Finally,the feature set was trained,classified and identified by optimized support vector machine classifier.Simulation experiments show that the multi-dimensional feature vector extracted by the algorithm has strong representation ability and avoids the misjudgment caused by the similarity of single features.The average recognition accuracy of the six modulation methods of frequency hopping signals BPSK,QPSK,SDPSK,QASK,64QAM and GMSK is 91.4% under the condition of -4 dB SNR.     

自适应编码调制的一种高效半盲检测算法

给出一种基于协议信息的自适应编码调制高效半盲检测算法,该算法同时采用信号多序列抽取和信号多频点滑动匹配两种方法,能够有效克服中频调制信号最佳采样点偏差和频率偏差的影响,可以准确高效地识别出信号类型、信道编码方式、调制类型。实验表明,该算法在低信噪比下就能达到很高的识别率,性能明显优于传统模式识别的检测算法,具有较好的实用前景。     

基于累量的OFDM信号调制识别

提出了一种快变瑞利衰落信道下的OFDM信号与单载波信号的类间调制识别新算法。接收到的射频信号经模数变换后,不需要下变频,直接进行处理。利用数字信号的2阶和4阶累量的组合作为分类特征信息,方法简单易行,不需要任何信号和信道噪声的先验知识。仿真结果表明,新算法具有良好的识别性能,在SNR不小于7 dB时能达到90%以上的正确识别率。     

一种改进的BPSK/QPSK信号调制识别算法

提出了一种基于顺序统计量特征的二进制相移键控/正交相移键控(BPSK/QPSK)信号调制识别算法.对观测信号进行平方并做离散傅里叶变换运算,将变换结果取模后去除最大值得到修正频谱,并取修正频谱的最大值作为识别特征量,利用恒虚警准则确定判决门限,将识别特征量与门限比较来完成对BPSK和QPSK两种调制信号的识别.计算机仿真表明,当信噪比适度时,所提算法可对BPSK及QPSK两类信号进行有效识别.当信噪比大于1 dB时,算法的平均识别正确率达到90%以上.