卫星通信常用数字调制方式自动识别算法研究

提出了一种以调制信号的高阶累积量为分类特征向量,支持向量机为分类器的数字调制方式自动识别算法,对4ASK、BPSK、QPSK、2FSK、4FSK、MSK、16QAM等卫星通信常用调制信号进行调制方式的自动识别,仿真结果表明,此算法简便,在卫星高斯白噪声信道(AWGN)较低信噪比环境下仍然有较高的识别率.     

频率选择性衰落中基于MCMC的调制分类

为解决在频率选择性衰落信道中,频偏、相偏和噪声功率等多参数未知的幅相调制信号的调制分类问题,提出一种新颖的基于马尔可夫链蒙特卡罗(MCMC)方法的调制分类算法．给出最大后验概率分类器框架,利用MCMC方法产生未知参数和发送符号的各态历经随机样本,用蒙特卡罗积分近似估计分类器框架中无法得到封闭表达式的后验概率,MCMC方法所用到的未知参数和发送符号的后验条件概率密度函数(pdf)由接收信号先验pdf推导得出．数值仿真证明了该算法的收敛性及分类器良好的分类性能．     

基于循环前缀相关性的OFDM调制识别算法

针对多径衰落信道下正交频分复用(OFDM)与单载波信号之间调制识别难的问题,提出了一种OFDM与单载波信号调制分类的新方法.该方法首先通过对信号的自相关进行能量归一化并取绝对值,去除抖动、频偏和相位噪声的影响,然后对能量归一化自相关进行形态学滤波,减少由于信号观察长度有限和背景色噪声所产生的影响,提取经过处理后信号自相关的次峰值作为识别特征,最后设计基于支持向量机的分类器,实现了对OFDM与单载波信号之间的调制分类.实验仿真结果表明,该方法在多径衰落信道下具有稳健的识别性能.     

基于累积量和盒维数的MFSK信号调制识别算法

针对MFSK(多进制频移键控)调制信号的分类问题,通过改进高阶累积量特征值,联合利用盒维数理论构造二维特征矢量,设计神经网络分类器的识别方案,可以实现对2FSK、4FSK、8FSK信号的调制识别.理论及仿真表明,构造的二维特征矢量抗噪声性能好,对载波相位差不敏感,神经网络分类器可以适应较大的信噪比动态范围,在信噪比大于5 dB时可以达到98%的识别率.     

莱斯衰落信道中FSK信号非相干接收机性能分析

分析了莱斯衰落信道中FSK信号的非相干接收机误码率.     

正交空时编码连续相位调制系统的信道估计算法

针对准静态瑞利衰落信道中突发模式的正交空时编码连续相位调制（OSTC-CPM）,利用双发多收空时编码连续相位调制系统的波形正交特性,提出了一种基于数据辅助的信道估计算法.接收天线将得到的信号同步地乘上每一发射天线对应的训练序列,然后延迟一码元相加并除以该训练序列能量,估计得到相应的信道衰落系数.理论分析结果表明,该算法的对数估计方差随比特信噪比的增加而线性减小.对不同训练序列长度、过采样倍数和成形滤波器进行仿真,结果表明在准静态瑞利衰落信道中,估计性能与理论分析结果吻合,系统的误比特性能与理想情况相差不到0.2 dB.该算法适合OSTC-CPM系统在准静态衰落信道条件下的信道估计.     

盲接收条件下单信道时频混叠信号的调制识别

针对现有调制识别算法对单信道时频混叠信号失效问题,从信号循环平稳域出发,通过分析不同调制信号自身具有以及做非线性变换处理衍生出的二阶循环平稳结构特征,结合循环平稳性检测,提出了一种新的适用于单信道时频混叠信号的调制识别算法。该算法无需完成任何参数估计以及同步等预处理过程。对一些典型常用调制信号(如BPSK、QPSK、16QAM、OQPSK等)的随机混合,能够同时有效辨识混叠信号中所包含的信号个数以及每个信号的调制类型,理论推导及仿真结果表明,该算法可在较低信噪比下实现对单信道时频混叠信号的调制识别,有效提高了盲接收条件下对QPSK/16QAM时频混叠信号的分类能力。     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

多径衰落信道下OFDM信号盲识别

针对多径衰落信道下正交频分复用(OFDM)信号调制识别难题,提出一种基于循环自相关的OFDM信号调制识别算法.通过对多径衰落信道下具有循环前缀的OFDM信号循环自相关特性的数学推导,验证了在一定延时处,OFDM信号的循环自相关会出现峰值,而单载波信号无此峰值,据此特性可以实现多径衰落信道下OFDM信号和单载波信号的调制识别.该算法消除了如符号时间估计、载波估计、波形恢复、信噪比估计等预处理过程,计算复杂度低,识别率较高.理论分析及仿真结果均验证了该算法的正确性和有效性.     

采用FSK调制的直接序列扩频水声通信技术

水声信道的时变相位起伏使得实现可靠的相位跟踪比较困难,从而造成基于相位检测的水声通信接收机结构复杂。提出基于FSK调制的直接序列扩频(DSSS-FSK)水声通信系统。它采用FSK调制和非相干检测,对DSSS-FSK信号的相关解扩和RAKE解调方法进行了研究。数值仿真和湖试数据处理表明,DSSS-FSK信号兼有扩频信号抗多径、低截获概率和非相干检测简单可靠两方面的优点,特别适用于低信噪比、强多径的水声信道中。     

一种基于小波和分形理论的电台个体识别方法

从调制信号中提取发射电台的频率稳定度特征进而实现个体识别是一项极具挑战性的课题。针对MPSK信号提出了一种基于小波和分形理论的特征提取方法。该方法首先利用连续小波变换把MPSK信号幅度中的振荡器频率稳定度信息转移到小波系数中,然后从统计角度提取小波系数的盒维特征,最后用K-最近邻分类器进行个体区分。仿真实验表明,在10dB～20dB内,对于载波频率稳定度差异为ppm级的MPSK信号,该算法平均分类准确率可达95％,为通信电台个体识别技术的实用化提供了进一步理论依据。     

基于支持向量机的提升机制动系统故障诊断

针对提升机制动系统中常见的卡缸故障，利用支持向量机（SVM）这一新的机器学习方法进行智能诊断．在某一闸系统正常时获得2组信号，卡缸时获得6组信号，采用3层小渡包对闸瓦间隙-时间信号进行分解，以各频带的能量为元素构造特征向量，形成故障诊断样本，在Matlab6．5环境下用SVM工具箱进行编程，建立SVM故障分类器并时测试样本进行测试，从而实现提升机制动系统卡缸故障诊断．实验结果表明，在不到0．1S时间内，就建立了SVM故障分类器，该分类器对测试样本的诊断正确率达到了100%；当训练样本由6组减少至4组时，SVM故障分类器仍可以有效地实现对卡缸故障的诊断．因此，SVM方法对于少样本的故障诊断有较强的适应性，非常适合于矿井提升机这种安全运行要求很高，但又不具备大量故障样本的系统．     

基于小波变换频谱分析的变频电机状态监测系统

介绍了小波变换理论,论述了基于电流频谱分析的异步变频电机在线监测诊断系统架构。通过对电机电气信号的采集,利用小波变换频谱分析方法,分析了稳态运行时定子电流的频谱,提取出故障信号的特征,对电机典型故障进行了定位和诊断,并通过故障案例论证该诊断分析系统的有效性。     

基于谱相关和分层结构神经网络的数字调制识别

本文提出了一种基于接收信号的谱相关函数和参数统计方法,提取出可用于数字调制信号识别的统计参数,该特征有效地抑制了高斯白噪声的影响,能实现对2ASK、4ASK、2FSK、4FSK、4PSK、8PSK等六种数字调制信号的识别。分类器采用了分层结构的神经网络分类器,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面都有很大改进。仿真结果表明,在信噪比大于5dB时,系统的正确识别率可达95%以上。     

基于预测控制的电机变频/工频同步切换

针对大功率变频器与工频电源切换不当引起电机产生冲击电流和转速波动的问题,提出了一种预测控制的交流电机变频/工频同步转换控制方案.采用TMS320F2812 DSP芯片对变频器输出电压和工频电压信号进行同步采样,通过鉴相运算得到两路输入信号的相差信号,然后调用预测控制算法程序实现锁相控制.当变频器输出电压与工频电网电压相位达到一致时,DSP控制继电器动作,从而实现电机由变频电路到工频电网平稳、无扰切换.仿真结果表明,该设计方案具有快速性、优良的跟踪特性和很强的鲁棒性.     

Particle swarm optimization based RVM classifier for non-linear circuit fault diagnosis

A relevance vector machine (RVM) based fault diagnosis method was presented for non-linear circuits. In order to simplify RVM classifier, parameters selection based on particle swarm optimization (PSO) and preprocessing technique based on the kurtosis and entropy of signals were used. Firstly, sinusoidal inputs with different frequencies were applied to the circuit under test (CUT). Then, the resulting frequency responses were sampled to generate features. The frequency response was sampled to compute its kurtosis and entropy, which can show the information capacity of signal. By analyzing the output signals, the proposed method can detect and identify faulty components in circuits. The results indicate that the fault classes can be classified correctly for at least 99% of the test data in example circuit. And the proposed method can diagnose hard and soft faults.     

多基站协作下行系统中异步空时码构造与分析

基于天线集中配置的多输入多输出无线通信系统同步环境下应用的现有正交空时分组码,提出并讨论了应用于 多基站协作下行传输的天线分布式配置系统异步环境中基站发射空时编码结构和接收端用户译码实现算法,该码仅要求用户 接收端知道信道信息状态即可,通过预设不同的循环前缀大小可对分布在多基站不同地理位置天线具有相对时延差的异步传 输信号实现可靠接收。最后,分析了该异步空时码的性能特性,在异步环境下以牺牲部分码速率和编码增益能够获得全空间 分集和低复杂度接收译码等性能。     

频谱分析及其在异步电动机转子断条诊断方面的应用

频谱分析是诊断异步电动机转子断条的有效方法之一．本文简要叙述了频谱分析方法、异步电动机转子断条的机理、频谱分析诊断转子断条的原理以及转子断条诊断系统的组成,最后给出了转子断条诊断程序设计流程图．