多径信道下调制信号识别新方法

针对多径信道中存在调制信号识别难以实现及识别率低的问题,提出了一种全盲的基于小波变换和高阶循环累积量相结合的算法(W-HOCC).该算法利用小波变换的线性性质和循环累积量的叠加性质构造识别特征,即把接收信号在小波变换前后的四阶累积量的比值作为识别特征参数.从理论上证明了该算法能够消除多径信道参数的影响.仿真结果表明:在信噪比为0dB的多径瑞利衰落信道下,分类2ASK、2PSK和4QAM信号的识别率几乎达到100%;与基于高阶累积量的算法相比,在识别BPSK和QPSK时,W-HOCC算法的性能明显优于基于高级累积量的算法,而且具有更强的抗噪声和抗多径能力.     

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。     

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。     

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。     

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。     

短波通信中的数字调制信号识别

针对目前没有有效的方法对短波通信中的调制信号进行识别的问题,提出一种基于小波包变换、高阶累积量和支持向量机的数字调制信号识别新方法.该方法提取信号经小波包变换后各频段的能量值和累积量作为特征向量,利用以支持向量机为基础的多级分类器对其进行调制识别.此分级调制识别方法与其他非分级调制识别方法相比具有较高的识别率.实验表明,针对FSK、PSK等10种调制信号在低信噪比下具有较高的识别能力,该算法在短波通信中的调制信号识别领域有较好的应用.     

基于支持向量机分类器的数据链信号调制方式识别

鉴于通信信号的调制方式识别技术在非合作通信中具有重要的地位,针对美军Link-11、Link-16、Link-22、CDL数据链信号的调制方式(MSK、BPSK、QPSK、OQPSK、π/4-DQPSK、8PSK),研究了各调制信号在航空信道条件下的平方谱、高阶累积量、四次方谱、码元速率等特征参数的提取.然后,运用支持向量机(SVM)分类器对六种数据链信号的调制方式进行了识别,并利用粒子群优化(PSO)算法对支持向量机分类器参数进行优化.仿真结果表明,相比决策树分类器,SVM分类器在低信噪条降下提高了整体识别率;采用PSO算法则减少了SVM分类器参数选择的盲目性.     

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。     

一种引力搜索优化神经网络的调制识别算法

为了提高低信噪比条件下调制信号识别率,提出一种基于引力搜索算法优化神经网络的数字调制识别算法。首先通过瞬时特征、高阶累积量和小波变换提取信号的6个特征参数。然后基于Tent映射初始化神经网络的权值和阈值,降低局部收敛的概率;当陷入局部最优时,对精英粒子进行柯西扰动,增加全局搜索能力;通过自适应改变引力衰减因子代替原有固定取值,从而提高引力搜索算法的收敛速度。最后利用混合引力搜索算法优化神经网络,将特征参数输入优化后的神经网络分类器对信号进行分类识别。仿真结果表明,该识别算法在信噪比为-1dB时,信号的整体识别率达到95%以上。     

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.     

基于参数统计的数字信号类间识别

针对常用的4类数字信号MASK、MFSK、MPSK、16QAM,提出一种基于参数统计的识别算法。文章对延迟共轭相乘后的相位进行了详细的推导,并利用不同类信号的3个参数（基于瞬时幅度的统计参数A、延迟共轭相乘后的相位方差、差分运算后的包络方差）的差异实现了信号的类间识别。大量仿真实验及实际数据测试表明,本文方法简单,且在snr≥4dB时有较好的识别性能。     

基于AR模型谱估计的调制方式自动识别算法

使用现代谱估计技术估计出平滑的调制信号功率谱,从信号的功率谱和信号平方的功率谱中提取出谱峰个数和谱峰的峰态量两个特征参数.在不需要先验知识的情况下,可对常用的MPSK和MFSK信号进行自动识别.仿真结果表明,两个新特征值在信噪比较低时（-2 dB）仍然能有较高的识别率.     

求最佳尺度因子的数字调制信号类间识别方法

为了提高MPSK与MFSK信号的类间识别率，通过对选取尺度因子的研究，提出了一种最佳尺度因子的选取方法，MPSK与MFSK信号的类间识别器进行了改进．最后进行了计算机仿真，结果表明在信噪比低于5dB时，其识别率有了明显的提高．     

一种低信噪比下MPSK信号频率估计方法

针对MPSK信号载波频率估计所需信噪比高的问题,提出一种低信噪比下MPSK信号频率估计方法.首先使用现代谱估计方法建立自回归模型,完成MPSK信号载波频率的粗估计,得到含有较小残留频偏的信号;然后进行M-th非线性变换,根据最大似然准则,估计出较高精度的残留频偏值.仿真结果表明,本算法在较低信噪比下可达到较高精度,算法稳定可靠.     

利用累量不变量对MPSK信号分类

针对MPSK信号的分类问题，提出一种新的基于高阶统计计量的分类特征。新特征对MPSK信号星座图的平移、尺度和相位旋转变换具有不变性，并可抑制有色和白的加性高斯噪声。新特征用于MPSK信号分类，在给定的数据长度和中等信噪比条件下，得以了很高的识别概率。最后给出了计算机仿真结果，并与已有算法进行了比较。     

低信噪比下MPSK信号的似然识别法研究

通过对几种调相信号的研究,结合信号似然检测方法,提出了一种加性高斯白噪声中低信噪比多相调和信号的识别方法,即似然识别,并通过仿真实验验证了该识别方法的有效性。     

基于FRFT的对流层散射Chirp信号重构方法

针对对流层散射的辐射源信号侦察中提取低信噪比信号特征难的问题,采用分数阶傅里叶变换（FRFT）提取了对流层散射线性调频信号的调频斜率与载频;在低信噪比条件下,给出了信号初步检测及采用FRFT、滤波和反FRFT进行信号特征估计与重构的方法．实测数据的处理结果证明了该方法的有效性,为脉宽测量和脉内调制特征分析提供了高信噪比基础．     

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FRFT滤波的SNCK通信系统接收方法

正弦型非线性切普键控（sine non linear chirp keying,SNCK）作为一种非线性调频方法,其已调信号缺乏有效的滤波技术,针对此问题,提出了一种将SNCK已调信号波形样本近似为分段线性调频信号进行分数阶傅里叶变换的处理方法.推导了采用SNCK调制参数计算相应FRFT变换阶数的公式,并给出了通信系统采用SNCK信号进行传输时,接收端采用FRFT方法进行前置滤波的框图.通过数值仿真分析验证了该方法对SNCK各调制参数的普遍适用性,能有效提高接收信号的信噪比改善因子,降低通信误码率.     

一种适于高维时间序列的特征提取方法

为了获得更多的信息，越来越多的数据利用多路传感器进行采集，由此产生了大量的超高维时间序列。特征的提取在处理和传输这些数据中起到至关重要的作用。为此，提出一种最优鉴别平面（ODP）技术以消除数据冗余。该平面由两个在Fisher准则基础上建立起来的相互垂直的矢量组成，将模式样本投影到ODP上可得到二维特征矢量。为了衡量特征的有效性，分别用二次判别函数分类器和阈值矢量分类器对特征进行分类测试。同时，以心电信号为例对ODP方法进行测试，结果表明，该方法应用于超高维数据的特征提取是行之有效的。