几种调制分类方法的原理与仿真试验研究

准对数似然函数比 (qLLR)、相位统计矩和不同阶幅度矩是调制分类的新方法。用qLLR方法构造检测MPSK信号的假设检验及其对数似然函数比 ,并求其数学期望 ,得到qLLR以BPSK/QPSK信号分类。相位统计矩方法利用MPSK信号符号初相位偶阶统计矩为M的单调递增函数的特性 ,并进行M进制识别复合假设检验。不同阶幅度矩进行调制分类的方法利用MPSK/MQAM信号每符号段波形起始点与其它点幅度的乘积统计矩特征进行调制分类。给出了计算机仿真试验评估。     

基于高阶累积量特征学习的调制识别方法

自动调制分类是确保通信安全、可靠的关键技术之一。在低信噪比(low signal-to-noise ratio, Low-SNR)环境中,自动调制分类识别率低且识别类型受限。利用零均值高斯白噪声(white Gaussian noise,WGN)的高阶累积量理论值等于0的性质,在信号分析过程中,引入高阶累积量,可使系统免受WGN的影响。同时,引入深度学习网络结构完成微弱特征的表征,可有效解决调制方式受限及Low-SNR情况下的识别率下降问题。实验结果表明,所提方法在高斯信道环境下的分类精度比现有方法要高,在Low-SNR的不同信道环境下有较高的识别率,且使模型在时间、相位和频率偏移量方面具有更好的鲁棒性。     

带限MPSK信号的调制分类

提出了一种带限MPSK信号调制分类算法,对截获接收机输出的带限MPSK信号在未知载波频率的情况下,通过对延迟乘积信号进行分析处理,利用小波变换提取其码元跳变点,进而得到与原信号调制类型一致的复基带信号序列。并利用此基带序列的高阶累积量构造分类特征不变量,在宽信噪比范围内实现了带限MPSK信号的调制分类。理论分析和实测信号处理证明了提出算法的有效性。     

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 ,这种方法具有很高的分类性能和良好的稳健性     

调制分析与识别的谱相关方法

根据谱相关函数理论和对常用通信信号的谱相关函数及谱相关平面图分析,提出了几种可用于调制分析识别的谱相关特征参数,讨论了利用这些特征参数进行调制识别的方法和过程。试验表明,这种方法具有很好的识别效果。     

卫星通信中调制识别算法研究

针对卫星通信这一应用场合,提出了一种数字调制信号自动识别算法。该算法利用调制信号的高阶累积量,并结合星座图特征,对信号进行分类。它对信号的幅度、相位偏差具有不变性,同时可抑制加性高斯噪声;与其它识别算法比较,它具有稳健、应用广泛的特性。通过计算机仿真表明,在给定的数据长度和中等信噪比条件下,可得到很高的识别率(>95%)。     

面向空间认知通信的轻量化网络自动调制分类方法

当前自动调制分类采用的深度学习模型存在参数量与计算量大的问题。根据连续采样同相正交信号特点,提出了一种轻量且高效的深度网络结构。通过构造方向滤波器,首先提取相位特征,再提取时域特征,最后利用通道特征均值分类。采用通信信号分类数据集进行验证,当信噪比大于0 dB时,准确率超过60%,信噪比大于等于10 dB时,准确率超过90%;与主流深度模型相比,在达到相同准确率时,仅用20%左右的模型参数和50%左右的推理时间,更适合被应用于空间认知通信系统。     

一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。     

高阶非线性控制系统的适应性仿真研究

针对带有外部扰动和参数摄动的不确定高阶非线性系统,利用积分行为补偿系统的各种未知因素,设计适应性非线性控制器(ANLC),并提出了全面的控制器适应性评价方法。首先结合典型信号扰动试验和模型参数摄动试验,检验系统的抗扰性和鲁棒稳定性;然后引入神经网络和Taylor级数展开理论构造非线性函数,改变高阶非线性系统的模型结构,利用Monte-Carlo随机试验方法,进行模型摄动的性能鲁棒性分析;并与精确反馈线性化(EFL)方法进行了定量比较。结果表明,适应性非线性控制器(ANLC)具有很强的适应性能,是解决不确定高阶非线性系统控制的有效途径。     

利用概率估计和支持矢量机的信号调制分类

提出了一种常用数字通信信号调制分类算法。针对MASK、MFSK和MPSK调制,选取截获接收机输出信号的瞬时幅度、时频脊线和差分基带信号作为分类特征,利用概率密度估计算法求取分类特征的分布函数,通过构造支持矢量机分类器确定分布函数的峰值个数,从而在多种噪声背景下实现了信号调制类型的自动分类。仿真实验表明,当信噪比大于5 dB时识别率可达80%以上。