基于高阶累积量的数字调制信号识别算法

介绍了一种基于高阶累积量的数字调制信号识别算法,利用从信号的二阶、四阶和六阶累积量中提取的3个特征参数实现多种常用数字调制信号的识别,可以很好地抑制高斯白噪声,且允许有相位偏差,能够在较低信噪比下实现对2ASK/BPSK、4ASK、QPSK、2FSK、4FSK、8FSK、16QAM等多种信号的分类。经理论推导和仿真实验,证实了该方法的有效性。     

多径信道下基于高阶累积量的通信信号调制识别算法

多径信道下通信信号的自动调制识别问题一直是一个难点和研究热点。传统的调制识别算法受多径信道的干扰往往会失效,提出了一种基于高阶累积量的调制识别算法,该算法通过高阶累积量计算、非线性方程组构建以及高斯牛顿法迭代求解等途径,减小了多径信道对高阶累积量匹配的干扰。实验表明,相比现有算法,文章算法不再局限于特定的多径信道,有较强的普适性,减小了信道因子分布对识别算法的影响,在多径信道环境下保持了较高的识别率。     

基于高阶累积量的OFDM信号子载波的调制识别

提出一种在多径信道下的OFDM信号的子载波调制方式识别算法,利用两个高阶累积量特征先后识别出OFDM信号中空子载波信号和导频子载波信号,再通过一个特征矢量对OFDM子载波的调制方式进行识别,从而完成OFDM信号子载波调制方式的识别。该方法不但可消除多径效应带来的影响,而且减小了噪声对识别性能的影响。通过仿真可以看出,在信噪比为10d B时,正确识别率可达95%以上。     

用高阶累积量实现数字调相信号的分级识别

针对BPSK,QPSK,OQPSK和8PSK信号的调制模式自动识别,传统的基于高阶累积量算法无法区分QPSK和OQPSK,因此提出了一种基于差分高阶累积量的识别算法。该算法首先用四阶累积量提取待识别信号和其差分序列的特征参数,然后用决策树分类法实现信号的分级识别。理论分析和计算机仿真结果表明该算法有较强的抗噪声和抗相位抖动能力,在信噪比〉3dB时识别率达95％以上,更适用于较低信噪比下信号的识别。     

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.     

数字卫星通信信号调制方式识别方法研究

针对数字卫星常用的7种通信信号调制方式（QPSK、8PSK、16QAM、32QAM、64QAM、16APSK、32APSK）,对零中心归一化瞬时幅度谱密度最大值、四次方谱、幅度、高阶累积量四种特征参数进行了分析,提出了一种联合特征参数的信号调制识别方法。该方法能有效地抑制高斯白噪声的影响,较好地解决了MAPSK信号低信噪比条件下调制识别率低的问题。仿真结果表明,与其他方法相比,本文方法无需先验知识,具有较高识别率。     

采用高阶累计量的时频混叠信号调制识别研究

随着当今无线通信技术的发展,频谱资源的划分日益紧张,在同一信道里出现两个或两个以上时频混叠信号的现象越来越普遍。文章针对共信道时频混叠信号调制识别的问题,提出一种基于高阶累计量的算法。该算法分别对混叠信号中各个信号以其参数进行载波同步与定时同步后由高阶累积量计算混叠信号的累积量处理得到混叠信号的特征参数,而后由SVM（支撑向量机）分类器进行多分类识别。经仿真验证,该算法能够实现BPSK,QPSK,8PSK,8QAM,16QAM信号混合后的识别。在对比已有文献的基础上,严格证明了经过载波同步和定时同步后混叠信号处理等效为单信号的结论,简化了特征参数的选取,同时采用SVM优化了分类性能并简化了分类流程。     

基于高阶累积量和支持向量机的信号调制分类

给出了一种基于支持向量机的数字调制信号分类器设计方法。将接收信号的二阶、四阶、六阶累积量作为分类特征向量,利用支持向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。文中选用了径向基核函数,使用一对一或一对余多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳定的多类支持向量机分类器。仿真实验表明：基于支持向量机的分类器具有很高的分类性能和良好的稳健性。     

高阶累积量在电话网信号检测中的研究

基于高阶量信号处理理论，邮一种快速、简便且无偏估计的方法对多频信号进行有效的检测。这种方法与通常在电话网信号中所采用的基于相关的检测方法相比，具有很好的抗噪声性能，且能满足实时处理要求，有一定的实用价值。     

基于高阶累积量ARMA模型的信号重构

利用三阶累积量ARMA模型的特点及模型拟合的多样性,基于最小均方误差准则提出了估计模型阶次的算法,恢复衰减谐波信号的仿真实验表明该方法具有更好的信号重构性能。     

一种小波变换的数字信号调制方式识别方法研究

数字通信信号调制方式识别有重要的现实意义。针对各数字信号的特点,利用Haar小波函数归一化前后小波变换模值,实现对数字信号的类间识别;根据数字信号进制数,进行数字信号的类内识别,并通过软件仿真验证该方法的有效性。仿真结果表明,基于小波变换的调制方式识别方法可对数字信号进行有效的识别。     

多进制数字调制识别算法研究

数字调制方式的识别对于通信信号分析有着重要的作用.在Nandi和Azzouz提出的数字调制识别算法基础上,针对MASK、MFSK和MPSK 3大类多进制数字调制信号,提出了一种基于瞬时参量峰度的自动识别算法.仿真结果表明：当信噪比大于10 dB时,该算法具有良好的识别效果.     

一种基于二阶循环累积量的频谱感知改进算法

伪随机序列要求具有好的线性复杂度谱。在任何衡量线性复杂度谱好坏的指标下,对二元序列s和其补序列sc的评价地位应该是相等的,但d-perfect的序列的补序列不一定是d-perfect的。如果s和sc同时是d-perfect的,文章称其是trulyd—perfect的序列,给出了trulyd-perfect的n长二元序列对的计数函数B＋｜d（n）的递推关系。     

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。     

通信信号数字调制方式 自动识别的特征矢量研究

数字调制方式的自动识别是通信中信号接收和分析的一个重要内容。而形成一个完备而必要的特征矢量空间，又是模式识别的一个重要的预处理过程。本文在总结各种基本数字调制信号特点的基础上，综合信号的瞬时幅度、瞬时相位、瞬时频率等统计特性形成了需要的模式识别特征空间，为进一步完成数字调制方式的自动识别打下基础。