有频偏的星座图恢复和匹配

提出一种调制识别算法。首先利用载波相位跟踪盲分离算法估计载波频偏,以消除其对星座图恢复和匹配的影响。然后通过样本与核的相似性度量的动态聚类来恢复信号星座图,利用准最大似然分类准则,完成重构星座图与预期星座图的匹配。在存在频偏的情况下,仿真表明该算法的有效性。     

幅度与相位分步识别的QAM调制模式识别算法

正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的调制模式识别一直以来是人们研究的热点,通过星座图来进行调制模式识别也是一种常见的方法。然而,大多数调制模式识别算法会受到频偏和相偏的干扰,因此提出了一种幅度相位分步识别的QAM识别算法来识别调制模式。先利用卷积神经网络(Convolutional Neural Networks,CNN)识别出未消除频偏相偏的QAM星座图的幅度层数,对信号进行第一次分类;再检测每个信号点的瞬时相位进行差分,得到每个点之间的相位跳变幅度;经过减法聚类确定相位跳变次数,由此对信号在相位上进行二次分类,最后识别出QAM信号的调制模式。该方法虽然步骤比传统方法繁琐,但是不依赖于信号的频偏消除和相偏消除,能够起到很好的抗频偏作用。此外,因为没有频偏消除和相偏消除的步骤,所以使得信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。经过试验,这种方法在识别率上比传统的神经网络识别方法在低信噪比下有更好的识别率。     

基于聚类分析的M-QAM信号识别

在对多进制正交幅度调制(M-QAM,M-ary Quadrature Amplitude Modulation)信号星座图的不同聚类识别算法进行比较与分析的基础上,并针对信号码元数目不足的情况,提出了一种利用星座图对称特性与减法聚类相结合的改进算法.算法首先从接收数据中估计出码元速率,并根据码元速率估计值对其匹配滤波及抽样判决来恢复出信号星座图,然后将星座图中关于原点对称的两个象限中的星座点横坐标值与纵坐标值都投影到横轴或纵轴上,并对投影点进行聚类,从而,实现M-QAM调制方式识别.仿真结果证明:该识别算法能正确有效地识别M-QAM信号调制类型,而且减少了计算量,易于实际应用.     

基于多门限极性判决的QAM载波恢复算法

正交幅度调制(QAM)是现代通信中最为常用的一种调制方法,其载波恢复是决定接收机性能的关键因素之一.从提高收敛速度和减小锁定误差的角度出发,提出了一种用于QAM解调的多门限极性判决载波恢复算法,该算法充分利用QAM星座图中对角线上锁定误差为零的信号点,增加了用于提取相位误差的符号集.分析和仿真表明,与传统的面向判决载波恢复算法相比,该算法不仅保留了极性判决载波恢复算法频偏搜索范围大的优点,且能进一步提高收敛速度.     

大频偏条件下一种新的调制识别方法

针对存在较大残留频偏的MPSK和MQAM信号,提出了一种基于概率分布匹配的调制识别新方法。该方法先利用幅度方差区分MPSK和MQAM信号。对于MPSK信号,利用瞬时相位的差分运算降低残留频偏的影响,再统计表示相邻符号间相位状态相同的比例的特征量,分级匹配实现阶数识别;对于MQAM信号,则统计与残留频偏无关的幅度聚类分布,然后匹配识别其调制阶数。仿真实验结果表明,该方法在较大的残留频偏范围内具有优良的识别性能。     

基于改进的半监督聚类的MQAM信号调制识别

传统的聚类算法用在MQAM信号的调制识别中,算法的迭代次数多,特别对高阶调制信号运算时间长。针对该问题,提出了一种改进的半监督聚类重构星座图的方法,用标记的样本点来指导隶属度和聚类中心的更新,降低了算法的运算复杂度,减少了迭代次数,聚类中心数目准确。通过分析接收端星座图,提取星座图的特征参数R并与标准星座图的参数Rs进行比较,实现了MQAM信号调制方式的识别。仿真结果表明该方法对MQAM信号的识别率在90%之上,且算法的复杂度低,尤其当调制阶数较高、数据长度较长时,能够将运算时间减少为原来的1/3。     

基于相位聚类的MPSK信号调制分类算法

针对非协作通信中的MPSK信号调制识别问题,提出基于相位聚类的调制识别算法.该算法以MPSK信号相位聚类的周期性为分类特征,应用傅里叶变换作为特征提取的方法,实现了对MPSK信号的类内识别.同时本文还对该算法进行了改进,减少了该算法的计算量,并使该方法可对含有载波频偏的MPSK调制信号进行识别.该算法在信噪比较低的情况...     

基于星座图聚类分析调制识别的改进算法

通过分析聚类分析在星座图中的应用,得出星座图聚类分析对高阶QAM短突发信号的类内调制识别不适用的结论,从而提出了星座图聚类调制识别法在短突发信号的改进方法。将星座点在坐标轴上投影,利用投影点进行聚类分析,可以提高星座聚类算法在高阶QAM短突发信号调制识别中的性能。仿真结果表明,在短突发信号的条件下,该方法具有良好的识别效果。     

基于改进的半监督聚类MQAM信号的调制识别

传统的聚类算法用在MQAM信号的调制识别中,算法的迭代次数多,特别对高阶调制信号运算时间长。针对此问题,本文提出了一种改进的半监督聚类重构星座图的方法,用标记的样本点来指导隶属度和聚类中心的更新,降低了算法的运算复杂度,减少了迭代次数,聚类中心数目准确。通过分析接收端星座图,提取星座图的特征参数R并与标准星座图的参数Rs进行比较,实现对不同阶数MQAM信号的调制方式的识别。仿真结果表明该方法对MQAM信号的识别率在90%之上,且算法的复杂度低,尤其当调制阶数较高、数据长度较长时,能够将运算时间减少为原来的1/3。     

APSK信号解调算法研究

针对APSK数字调制信号的解调测试需求,设计适用于信号分析仪的APSK数字调制信号解调方法。本文采用前馈解调方案,首先经过载波粗同步去除较大载波频偏,其次通过定时同步恢复出符号周期的最佳采样时刻,最后经过载波细同步流程去除剩余频偏,完成信号解调。经过采集数据验证,证明了本文所提算法可实现APSK信号的大频偏、高精度解调,满足解调测试需求。     

Blind equalization and automatic modulation classification based on subspace for subcarrier MPSK optical communications

Equalization can compensate channel distortion caused by channel multipath effects, and effectively improve convergent of modulation constellation diagram in optical wireless system. In this paper, the subspace blind equalization algorithm is used to preprocess M-ary phase shift keying (MPSK) subcarrier modulation signal in receiver. Mountain clustering is adopted to get the clustering centers of MPSK modulation constellation diagram, and the modulation order is automatically identified through the k-nearest neighbor (KNN) classifier. The experiment has been done under four different weather conditions. Experimental results show that the convergent of constellation diagram is improved effectively after using the subspace blind equalization algorithm, which means that the accuracy of modulation recognition is increased. The correct recognition rate of 16PSK can be up to 85% in any kind of weather condition which is mentioned in paper. Meanwhile, the correct recognition rate is the highest in cloudy and the lowest in heavy rain condition. This work has been supported by the National Natural Science Foundation of China (No.61671375), and the Industrial Research of Science and Technology Plan of Shaanxi Province (No.2016GY-082). E-mail:chdh@xaut.edu.cn      

多径衰落环境中具有调制识别能力的盲均衡新算法

常数模盲均衡算法在对非常模信号进行均衡时稳态均方误差不能收敛至零,且不具备信号调制识别能力.因此,依照常数模算法代价函数的构造方法定义了一种余弦代价函数,提出了基于该代价函数的盲均衡新算法.该余弦代价函数可将BPSK、M-PAM、M-QAM信号的不同星座点映射至原点,从而使新算法在对上述常模或非常模信号进行均衡时稳态均方误差均能收敛至零,更重要的是新算法能够在多径衰落环境下实现对上述信号的调制识别.理论分析和仿真结果证明了新算法的优良性能.     

一种基于星座图聚类的MQAM识别方法

星座图是数字调制信号MQAM的重要特征,提出了一种利用星座图减法聚类对MQAM信号进行识别的新算法。该算法通过分析接收端信号的星座图,提取描述星座图特征的参数,与标准星座图进行相关比较,实现了加性高斯白噪声下数字调制信号MQAM的识别。通过实验证明该方法可以有效地对数字调制信号MQAM进行识别,而且该算法具有复杂度低的优点。尤其当数据长度比较短时,有较好的识别效果。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。     

基于星座图的数字调制方式识别

针对现有数字调制方式识别类型有限的问题，提出一种基于星座图的分类算法。算法首先利用盲均衡技术克服信道的多径效应与系统同步误差，再对信号减法聚类，提取聚类中心与理想星座图模型进行匹配，从而实现MASK、MPSK、MQAM等调制方式的识别。仿真证明：星座图是一个稳定的、强健的识别标志。     

基于联合特征参数的卫星单-混信号调制识别研究

针对卫星通信中单-混信号调制类型识别效率低、准确性差等问题,该文提出一种基于高阶累积量和星座图聚类特性的调制识别算法。首先,根据4, 6阶累积量的属性特点构建3个特征参数,以识别多进制相移键控(MPSK)和部分多进制正交幅度调制(MQAM)调制类型,然后结合改进的星座图减法聚类算法分离出剩余调制样式,最后将参数联合,建立决策树分类器进行统一调度。该算法不依赖信号诸多先验信息,具有特征提取参数简单、识别种类多等特点。仿真结果表明,该算法在信噪比(SNR)10 dB下对卫星单-混信号的调制识别率仍能达到90%以上。     

一种基于位同步的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite -Second Generation,DVB-S2）中的多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于位同步的识别方法。首先利用信号星座图特征对信号包络进行位同步,然后统计信号码元的幅度值个数及其幅度值分布提取统计特征参数,最后利用特征参数完成识别。仿真结果表明,所提算法在载波频率等参数未知的条件下,能够有效对信号进行调制识别。     

基于软件无线电的MQAM信号调制识别

提出了一种软件无线电高阶QAM信号的识别算法。该算法直接从接收信号中估计出频偏和相偏并进行补偿,同时估计波特率和定时误差,并经过低通滤波、采样率变换、定时抽取等步骤,恢复出星座图,然后计算星座图实部信息的高阶累积量进行识别。实验结果表明,在SNR大于12dB,码元符号数为1000时,识别率可以达到96%。     

高阶QAM调制下OFDM的载波与采样频偏联合纠正

采用高阶QAM (Quadrature Amplitude Modulation)调制的正交频分复用(OFDM,Orthogonal Frequency-Division Multiplexing)系统,相对于低阶调制来说,密集的星座点分布更容易受到载波频偏与采样频偏的影响.本文分析了高阶QAM OFDM系统对频率同步精度的要求,提出了一种载波与采样频偏联合纠正的方法,并分别针对时不变多径信道和块衰落多径Rician信道给出了频偏估计的均方误差解析表达式.均方误差的理论分析与计算机仿真结果吻合;误比特率性能仿真表明,频偏纠正后的误比特率性能与无频偏情况比较,差异小于1dB.