作者:刘凯; 赵梦伟; 黄青华 期刊:《系统工程与电子技术》 2020年第03期
Multi-h连续相位调制(continuous phase modulation,CPM)信号与其调制指数均值相等的Single-h CPM信号的特征具有极大相似性,难以区分。针对该问题,提出了一种基于近似熵的Multi-h CPM调制识别算法。该算法将信号按照相同调制指数为一组的方式拆分为多个子序列,通过舍弃符号间拼接产生的多余模式向量对近似熵进行修正,然后利用Multi-h CPM信号各子序列近似熵的差异性,完成Multi-h CPM信号和Single-h CPM信号的类间识别,最后利用概...
作者:窦立超; 程伟; 周凯福; 都兴霖 期刊:《空军预警学院学报》 2019年第05期
通信信号调制方式的自动识别是软件无线电和非合作目标通信的关键技术.针对航空信道下OFDM信号与单载波信号的识别问题,提出了基于小波分解得到信号概貌信息均值方差特征的调制识别方法,分析了本文方法对OFDM信号和单载波信号的识别性能,以及OFDM信号子载波数对识别率的影响,并与已有方法进行性能对比分析,通过计算机仿真验证了该方法的有效性.
作者:查雄; 彭华; 秦鑫; 李广; 李天昀 期刊:《通信学报》 2019年第11期
为识别当前卫星通信系统所采用的主要调制方式,提出了一种基于多端卷积神经网络的通信信号调制识别算法。利用信号的先验信息以及对网络拓扑结构的认知,将信号时域波形转化为眼图和矢量图,作为信号的浅层特征表达,并由此设计了基于多端卷积神经网络的调制识别模型。通过训练所搭建的网络,对浅层特征进行深度提取和映射,最终完成了目标信号的调制识别。仿真实验表明,所提算法相对于传统调制识别算法以及目前基于波形和星座图的深度...
作者:李晨; 杨俊安; 刘辉 期刊:《系统工程与电子技术》 2020年第01期
针对当前通信信号调制识别算法在低信噪比(signal-to-noise ratio,SNR)下识别率低、训练速度慢、识别调制类型少的问题,提出了基于信息熵特征和遗传算法超限学习机(genetic algorithmextreme learning machine,GA-ELM)的调制识别算法。首先,提取信号的4种熵特征:奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数;其次,采用GA-ELM作为分类器。仿真实验表明,对11种模拟、数字调制信号进行分类识别,...
信号调制识别具有重要的意义,是认知无线电系统的关键环节之一,可为接收处理提供参数依据。判识信号的调制类型,是实现通信信号正确接收解调的前提。针对低信噪比下的信号类型识别问题,提出了一种基于决策树的认知无线电信号调制识别方法。该方法采用了瞬时特征参数与高阶统计量结合的特征提取改进思路,并且在分析计算中实现有效融合,提高了算法的稳健性和抗噪性能。另一方面,对决策树分级判决思路进行优化,减少运算量,具有较强的...
作者:朱永川; 耿亮 期刊:《通信技术》 2019年第07期
结合海事卫星BGAN信号调制类型特征,提出了一种快速简单准确的BGAN信号调制识别方法。方法对调制类型分类特征参数开展大量的理论分析及仿真试验,确定适用于BGAN信号的分类参数,通过巧妙的设定相关参数及门限,实现对BGAN信号的快速准确识别,为后续信号分析奠定基础。仿真结果表明,方法在一定信噪比条件下识别准确率非常高。此外,该方法实时性好、识别准确率高,易于实现,己在对BGAN信号的安全检测系统中得到应用。
作者:吴迪; 葛临东; 彭华 期刊:《工程科学与技术》 2014年第01期
针对低信噪比情况下单节点接收调制识别率低的问题,提出了一种基于多节点接收与混合最大似然的调制识别算法。多节点同步接收后将基带信号发送到融合中心,使用混合最大似然实现全局分类判决,通过空间分集提高低信噪比下调制识别的性能。为了解决联合似然函数中多维未知参数难以直接求解的问题,将未知发送符号序列表示成隐藏变量后采用EM算法实现未知参数的最大似然估计。给出的算法在平坦衰落信道下实现了BPSK、QPSK、8PSK、16...
作者:何飞; 张立军; 刘肃; 鲁辉; 郑占旗 期刊:《信息技术与网络安全》 2012年第23期
针对多种信号在低信噪比条件下识别率低的问题,利用高阶累积量良好的抑制噪声特性,通过构造高阶累积量作为特征参数之一,并联合其他特征参数,采用优化的径向基神经网络对模拟数字信号进行自动调制识别。Matlab仿真表明,该种方法能够有效提高低信噪比条件下的信号识别率。
作者:王旭; 张达敏; 周勇 期刊:《中国高新科技》 2008年第16期
本文采用决策论方法,利用MATLAB的“M”文件编程,对2ask,4ask,2fsk,4fsk,2psk,4r·sk六种数字信号进行特征参数提取,进而进行调制识别。实验结果表明此方法具有运算量小,在信噪比较低的情况下可以对信号进行有效的调制识别。
作者:田玉双; 王曰海; 李式巨; 宋成森 期刊:《服装学报》 2008年第02期
为了提高在定时误差情况下的多电平正交幅度调制(MQAM)信号调制方式的识别率,提出了一个改进的聚类分析算法(MQAM基带信号进行识别).该算法采用γ和N两个参数进行聚类,对接收到的数据进行盲定时估计并经过插值滤波消除定时误差,提高识别率.仿真结果表明,该算法对定时误差20%Ts,信噪比为5dB的64QAM信号也有85%的识别率.
作者:韩鹍; 于凤芹 期刊:《服装学报》 2005年第06期
提出了将瞬时信息的零均值归一化绝对值方差循环化的方法,用以识别数字调制信号.该方法无需设置判决门限,也无需进行参数训练,且可以识别大于四阶的数字调制类型.仿真实验结果表明,该方法在一定信噪比下对MASK、MPSK和MQAM有较高的识别率.
调制识别是非协作通信系统接收机设计中的重要研究课题。针对高阶累积量可以剔除噪声的干扰,本文研究了基于高阶累积量的MPSK信号调制方式识别技术。在SNR≥5dB时,正确识别率达到了99%以上。经理论推导和仿真实验,证实了该方法的有效性。
作者:宗桂林 期刊:《黑龙江工业学院学报·综合版》 2018年第12期
基于高阶累计量信号调制识别方法,采用添加高斯噪声来模拟信号带有的噪声。通过利用MATLAB软件进行仿真,从仿真结果得到,随着高斯噪声增加,达到较高的识别率,较好地呈现了信号识别变化的曲线图。
作者:王旭; 张达敏; 周勇 期刊:《科技创新导报》 2008年第29期
利用MATLAB的“M”文件蝙程,采用Hilbert变换与小波变换相结合的方法对2ask,4ask,2fsk,4fsk,2psk,4psk六种数字信号进行瞬时幅度和相位的特征提取,进而进行调制识别。实验结果表明此方法可以在信噪比较低的情况下对信号进行有效的识别。
作者:李林俊; 戴旭初 期刊:《遥测遥控》 2019年第04期
已有的针对成对载波多址(PCMA)信号调制识别的方法,其主要思想是利用高阶统计量构造识别特征量对调制类型进行识别。由于高阶统计量的估计需要较多的符号数才能达到较高的精度,故在符号数较少的情况下,这些方法的性能较差。基于深度学习的思想和卷积神经网络(CNN)的特点,提出一种新的PCMA信号调制类型识别方法,仅需要较少的符号数就能够有效识别PCMA信号调制类型。卷积神经网络的应用使得该方法对频偏和相偏具有很强的鲁棒性,且在...
作者:张俊林; 王彬; ; 刘明骞 期刊:《电子学报》 2018年第06期
正交频分复用(OFDM,Orthogonal Frequency Division Multiple)信号的调制识别与参数估计是非协作通信领域的重要研究内容.为了解决α稳定分布噪声下OFDM信号调制识别与参数估计困难的问题,提出一种广义循环平稳的盲处理算法.该算法首先对接收信号进行非线性变换,推导出接收信号的广义循环自相关函数表达式,分析了单载波调制信号与OFDM信号的广义循环自相关函数特性,并给出了OFDM信号的广义循环自相关函数与待估参数之间的关系.然...
作者:何楚斌; 许林; 傅汝霖 期刊:《物探化探计算技术》 2005年第01期
信号调制方式的识别对于通信信号分析有着很重要的作用.这里介绍了调制识别的谱相关方法,并讨论了利用该方法进行调制识别的方法和过程,还在硬件上初步实现了该算法.测试结果表明,当信噪比为5 dB以上时,该方法对大部分调制类型的识别正确率可达90%以上,有很好的实用前景.
作者:文韬; 陈旗; 沈少鹏 期刊:《火力与指挥控制》 2019年第09期
卫星通信信号频带宽、传输数据量大的特性,为解决其处理困难的问题,提出一种基于压缩感知的OFDM信号调制识别方法,对OFDM信号进行稀疏变换后,在非重构的条件下直接对欠采样测量值进行处理,根据OFDM信号在高阶累积量上的性质进行调制识别。推算了几种单载频调制信号的欠采样后的高阶累积量理论值;分析了OFDM信号的渐进高斯性,通过这一性质可以将OFDM信号与其他单载频调制信号区分,做到OFDM信号的调制识别;仿真实验结果表明,该方法可...
作者:刘明骞; 郑诗斐; 李兵兵 期刊:《国防科技大学学报》 2019年第05期
为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying,MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。
作者:白芃远; 许华; 孙莉 期刊:《西北工业大学学报》 2019年第04期
通信信号的调制方式识别是通信侦察、频谱监测的重要工作内容之一,提出一种利用深度学习提取信号时频图纹理信息的分类方法。该方法利用不同调制方式在时频图细节上的微弱差别,并使用卷积神经网络提取图像纹理特征,最终输入SOFTMAX分类器进行分类。结果表明,该方法在大样本条件下,可取得良好的分类效果。与传统基于特征参数的支持向量机分类方法或前馈神经网络方法相比,其提取特征更优、分类效果更好,同时减少了人工设计特征参数的...