基于相位编码统计的数字调相信号调制识别

提出了一种基于相位差分编码统计实现数字调相信号BPSK、QPSK、π/4-QPSK、8PSK信号调制识别的处理方法。通过对信号进行多重相位差分处理,根据得到的结果设计识别所需的编码规则,最终利用编码统计结果对四种数字调相信号进行识别。并对该方法在有频率偏移影响下的识别性能进行研究。计算机仿真表明该方法在信号信噪比不小于7 d B时,信号的识别率达到90%以上。该算法计算量小,易于工程实现,同时具有良好的抗频偏性能。     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分,从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法,然后分析了三种主要的数字调制信号的小波变换特征,提出了一种基于小波的数字调制信号识别算法,仿真结果表明该算法能够识别典型的数字调制信号,而且具有较好的抗噪声性能.     

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>3 dB时识别率达95%以上,更适用于较低信噪比下信号的识别。     

基于两种统计信号处理算法的噪声信号谱估计研究

基于统计特征的谱估计技术在现代信号处理领域发挥着极为重要的作用。文章选择具有代表性的两种统计信号处理算法MVDR算法和MUSIC算法作为研究对象,讨论了两种算法的基本思想,给出了MATLAB实现的基本方法,并通过实验验证了两种算法在噪声信号检测中的有效性,得出MU-SIC算法较MVDR算法在噪声信号检测中的分辨特性要高的重要结论。     

基于两种统计信号处理算法的噪声信号谱估计研究

基于统计特征的谱估计技术在现代信号处理领域发挥着极为重要的作用.文章选择具有代表性的两种统计信号处理算法MVDR算法和MUSIC算法作为研究对象,讨论了两种算法的基本思想,给出了MATLAB实现的基本方法,并通过实验验证了两种算法在噪声信号检测中的有效性,得出MUSIC算法较MVDR算法在噪声信号检测中的分辨特性要高的重要结论.     

一种基于深度学习的辐射源信号调制识别新算法

针对传统的辐射源信号调制识别方法需要大量特征提取的问题,提出一种基于深度学习的辐射源信号自动调制识别算法,该算法通过对辐射源信号进行幅-相域二维图像表征,基于卷积神经网络实现层次化地理解和识别电磁信号。仿真结果表明:相比基于时域的传统信号调制识别算法,所提算法在中、高信噪下识别率分别提升了2.5%和2.3%,单信号的识别时间不大于0.1 ms。     

一种低复杂度的联合信号检测算法

空间调制(Spatial Modulation,SM)技术每一时刻只激活一根发送天线用于信息数据的传输,大大改善了传统多输入多输出(Multiple Input Multiple Output,MIMO)系统存在的问题.然而,SM系统的性能好坏多取决于接收端的信号检测算法.因此,为有效提高系统性能,在对现有的SM系统信号检测算法的优缺点进行分析的基础上,提出了一种联合信号检测算法.该算法将归一化最大比合并(Normalized Maximum Ratio Merging,NMRC)算法与拥有硬限判决条件的最大似然(Hard Limiting-Maximum Likelihood,HL-ML)算法相结合,取长补短,以达到既能保证系统最优检测性能又可以减小计算复杂度的目的.仿真结果表明,该联合算法的误比特率检测性能接近于最优检测算法,同时其计算复杂度被大大降低.     

一种基于Swin Transformer神经网络的低截获概率雷达信号调制类型的识别方法

本文针对低截获概率（Low Probability of Intercept, LPI）雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法. 该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号变换为二维时频图像,然后使用Swin Transformer神经网络对图像进行特征提取及调制类型识别. 仿真结果显示,该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.     

一种基于天线选择的比特功率分配算法

链路自适应技术根据信道环境的变化自适应地调整发射功率、调制方式等,以最大化地利用无线信道资源．为了适应3G对可变数据速率和灵活QoS的要求,结合天线选择技术、比特分配和功率分配技术的优点给出一种基于天线选择的比特和功率分配算法,基于天线选择的比特和功率分配算法在BER受限的情况下最大化数据传输速率．仿真结果表明,该算法比原算法能有效地提高数据传输速率．     

一种基于M准则的低复杂度空间调制信号检测算法

针对空间调制技术提出一种基于M准则的次最优检测算法（M-ML）,该算法通过缩小最大似然检测中发送符号搜索空间来降低复杂度.仿真结果显示,在发送天线相关性较高的场景下,M-ML算法可以获得与最大似然检测相当的误码率性能.同时,通过将M-ML算法和最大似然算法进行复杂度比较发现,随着调制阶数与发送天线数的提升,M-ML算法复杂度将不断降低.     

基于加权型三次相位函数和FRFT的LPI信号识别研究

针对低截获概率雷达信号难以识别和分类的问题,提出了基于加权型三次相位函数和分数阶傅里叶变换的低截获概率雷达信号识别算法。用短时傅里叶变换剖析了应用较广的八种低截获概率雷达信号的时频特性,然后依据调频率将其分为两类。先用加权型三次相位函数估计信号的调频率,然后再用分数阶傅里叶变换获得信号的各分量峰值,根据峰值能量比进行细分类。通过大量的实验仿真验证,本算法在信噪比为0 d B的条件下,正确识别率能够达到95%以上。     

基于改进FRFT的多相码信号检测与参数估计

针对低信噪比下多相码信号的检测与参数估计问题,提出了基于扩展分数阶傅里叶变换(EFRFT)的多相码检测与参数估计方法。该方法根据多相码信号多条时频脊线平行的特点,通过改进分数阶傅里叶变换(FRFT)的核函数,积累了各脊线的能量,从而完成了多相码信号的检测与参数估计。仿真实验证实该方法在低信噪比条件下可以有效检测多相码信号,同时也可以准确估计信号的调制参数。     

基于FRFT的单矢量水听器目标方位估计

在单矢量水听器互谱方位估计基础上,提出了应用分数阶Fourier变换（FRFT）计算声强流谱并进行方位估计的方法.利用FRFT对线性调频信号（chirp）良好的能量聚集性,对chirp信号采用分数阶谱方位估计具有明显的优势.仿真结果表明,在各向同性干扰背景中,分数阶谱方位估计在较低信噪比下能有效估计目标方位,其估计精度高于频域互谱估计.     

基于自适应降调频的LFM信号参数估计新算法

为解决现有基于压缩感知理论的线性调频(liner frequency modulation,LFM)信号参数估计中冗余字典规模庞大的问题,提出了一种基于改进谱形熵和降调频的参数估计新算法。该算法首先进行LFM信号的步进降调频处理,通过检测改进谱形熵的极小值获取调频斜率的预估值。其次构建降调频观测矩阵,在压缩采样的同时完成信号的降调频处理。最后通过部分重构算法获得参数估计值。实验结果表明,该算法在SNR≤-3 d B和M≤N/8条件下相比于同类算法具备更好的估计效果,同时运算复杂度得到显著降低。     

基于FRFT距离压缩的高速目标ISAR成像

通过建立高速运动目标的ISAR全去斜回波模型,分析了传统DFT距离压缩处理中所存在的距离色散问题及其对成像的影响.然后针对高速目标回波是调频斜率相同的多分量LFM信号的特点,提出了基于分数阶Fourier变换的距离压缩处理方法,并讨论了最优旋转角估计的问题.最后结合GRECO软件产生的回波数据进行仿真,证明了该方法能有效解决高速运动目标距离压缩中存在的色散问题,提高ISAR成像质量.     

基于导频辅助的预编码连续相位调制(CPM)信号精确同步算法

针对连续相位调制(continuous phase modulation,CPM)信号同步问题,提出一种基于导频辅助的位定时与载波同步算法?导频信号由伪随机码构成,采用二进制预编码连续相位调制,在不破坏恒包络特性的基础上同时保留其伪随机特性?利用该导频信号可以实现位定时误差?载波频偏?相偏各参数并行独立估计?算法首先推导出同步头相关函数的闭合表达式;然后利用相关函数的单峰特性,通过搜索第1大和第2大采样值,实现对定时误差?相位误差的精确估计,并利用相位估计值通过差分计算实现对频偏的估计;最后通过计算机仿真,给出了该算法关于定时?相位?频偏估计的抗噪性能和估计范围 ? 结果表明,该算法在加性高斯白噪声信道中具有良好的性能,各同步参数在估计范围内和较低信噪比条件下能够接近修正的克拉美罗(modified Cramer-Rao bound,MCRB)?     

一种工程化的数字调相信号快速分类识别方法

在数字调制分类中,信号的相位周期特性会形成相位的卷叠并降低对接收到的射频信号的自动数字调制正确分类的概率.根据多进制数字相位调制(multiple-level phase shift keying,MPSK)信号的相位特征,通过相位去卷叠、根据最小均方误差原则去线性相位分量,以及相位的模π运算,提出了一种MPSK信号的...     

一种工程化的数字调相信号快速分类识别方法

在数字调制分类中,信号的相位周期特性会形成相位的卷叠并降低对接收到的射频信号的自动数字调制正确分类的概率。根据多进制数字相位调制(multiple-level phase shift keying,MPSK)信号的相位特征,通过相位去卷叠、根据最小均方误差原则去线性相位分量,以及相位的模π运算,提出了一种MPSK信号的分类方法。实验结果表明,基于相位特征的通信信号的自动调制分类算法具有很强的鲁棒性,对不同类型和滚降系数的脉冲成形滤波器和高码元速率都达到了较高的识别率。     

一种低信噪比下基于时频原子的复杂调制雷达信号分选方法

复杂调制的多种雷达辐射源信号在低信噪比环境下,具有复杂度高、识别效率低的特点.提出一种基于改进的Chirplet时频原子特征的雷达信号识别分选方法.首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用该算法对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用类区分度准则提取信号特征,得到LPI雷达信号的有效表征原子.最后通过仿真实验证明该方法对于3 dB以上多种调制方式的雷达信号,可快速地完成有效识别分选.     

基于循环特征的调制模式识别算法

介绍现有通信信号调制模式识别算法,对二进制幅度键控、二进制频移键控、二进制相移键控、正交相移键控、最小频移键控等几种数字通信信号的循环平稳特性建模分析,并提取出了循环谱密度函数α轴上的最大幅度归一化值a、循环谱密度函数f正半轴上的脉冲个数m、循环谱密度函数α正半轴上的脉冲个数n等相关的特征参数,通过分级判决来实现基于通信信号的循环特征的调制模式识别。仿真表明,基于循环特征的调制模式识别算法在-2 dB的加性高斯白噪声条件下,识别正确率高达90%,具有较好的可靠性。