联合深度学习和专家先验特征的信号调制识别

自动调制识别在智能信号分析中起着关键作用，目前研究方法主要有专家先验特征和深度学习。这两者存在各自的优劣势，但难以有效结合实现优势互补，因此提出一种联合深度学习和专家先验特征的信号调制识别算法，提高复杂信道干扰下多种调制类别信号的识别准确率。将设计的神经网络代替决策树的分类判决门限，并结合输入的专家先验特征实现分层分类。实验表明，该算法性能要优于现有方法，在多径衰落信道下也可以取得较高的识别准确率。     

基于卷积原型网络的通信辐射源个体开集识别方法

针对通信辐射源个体开集识别问题，提出一种基于卷积原型网络的辐射源个体开集识别方法。将接收到的信号进行信噪比估计并处理为灰度矢量图输入至卷积原型网络计算出特征点。分析不同损失函数和判决准则，选取三维原型的特征提取层、DCE作为损失函数、DR作为判决准则的开集识别模型。对该方法进行了仿真实验，结果表明，该方法在开集识别场景下比传统CNN预测概率更有优势，归一化准确率提升约20%,证明该方法的有效性。     

一种基于正交失衡的MIMO OFDM辐射源指纹提取方法

在研究发射机和接收机正交失衡对MIMO OFDM系统影响的基础上,提出了基于正交失衡的指纹特征提取方法。通过构造特殊的训练序列,使用最小二乘算法对MIMO信道和发射机正交失衡进行估计,提取出反映正交失衡畸变的指纹特征,采用支持向量机对10个辐射源目标进行身份识别。实验结果表明,其性能优于基于调制域错误的方法。     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

一种基于图像分割和模板匹配的短波跳频信号盲检测算法

提出了一种基于图像分割和模板匹配的短波跳频信号盲检测算法。该算法将实际跳频信号的STFT（Short Time Fourier Transform）时频谱图当做一幅图像,利用图像分割手段分离背景噪声,并通过模板匹配来实现跳频信号的检测。实验结果表明该算法能够有效克服实际短波信道中复杂的背景噪声,计算复杂度低,易于工程实现。     

短波复杂信道下跳频信号的参数估计

提出一种可以有效克服短波复杂信道环境影响的高精度跳频信号参数估计方法。首先使用短时傅里叶变换（STFT）做信号的时频谱图,并通过图像处理方法对谱图进行预处理;然后提取谱图的时频脊线,用形态学平滑消除时频脊线的畸变,通过一阶差分获得跳变位置;结合信号的时域信息精确估计跳变点位置,完成信号整体跳变定时;最后在信号整体跳变定时的基础上,对信号逐跳进行定时调整和精确测频。实验结果表明该方法切实有效,计算量小,参数估计精度高。     

相关跳频通信系统安全性分析

分析了相关跳频通信系统中频率序列的检测以及纠错译码,并从第三方接收的角度探讨了相关跳频信号的接收、译码以及转移函数反推的复杂度。分析结果表明:相关跳频通信并不是一种抗截获的无线通信方式,其通信安全是建立在转移函数机制上的。转移函数反推的复杂度非常高,给相关跳频通信体制提供了很好的安全性。     

基于小波估计和直方图特征的LSB匹配分析

针对隐写分析中的难点——空域LSB匹配隐写进行检测和分析,描述LSB匹配加性隐写的特点,将匹配隐写建模为图像受到一定强度的脉冲噪声干扰,采用小波变换对退化的图像进行恢复作为载体的估计。对检测图像和恢复图像提取多个直方图特征比值作为特征向量,利用支持向量机对500幅高质量未压缩的自然图像组成的载体、载密图像库进行检测,结果证明该算法在低嵌入率下可获得较好的检测效果。     

基于矢量图的特定辐射源识别方法

发射机的指纹特征具有复杂性,现有的认识水平制约了特定辐射源识别(SEI)的性能。为此,该文提出一种基于矢量图的SEI方法,应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现;在此基础上,以矢量图灰度图像作为信号表示,构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限,兼具高信息完整性和低计算复杂度。实验结果表明,与现有算法相比,该方法能够显著改善SEI的性能,识别增益约为30%。     

基于离散小波分解和频率脊线分析的CPM信号符号速率盲估计

非合作接收条件下,连续相位调制（CPM,Continuous Phase Modulation）信号多变未知的信号体制使其符号速率盲估计一直是分析该类信号的难点之一.现有的算法大多直接基于信号的瞬时频率或循环平稳性,存在抗噪性能差,不适用于多指数CPM信号等问题.针对该问题,本文通过分析小波变换在信号分解和时频分析中的优势,提出一种综合利用离散小波（DWT,Discrete Wavelet Transform）分解和频率脊线提取的CPM信号符号速率估计的新算法.算法对比分析表明,所提算法具有更好的抗噪性能且在小数据量时也能达到较好的估计性能.