小波变换在通信信号调制识别中的应用

空间传播的通信信号采用了不同的调制方式。在许多应用中,需要监视通信信号的活动情况,区分信号的性质,甚至截获其传输的信息内容。调制方式是区分不同性质通信信号的一个重要特征,而要截获通信信号的信息内容,就必须知道信号的调制方式和调制参数。给定一段接收的通信信号,调制识别的目的就是在未知调制信息内容的前提下判断出通信信号的调制方式,并估计出相应的调制参数。随着通信信号体制及调制样式的多样化和复杂化,信号环境越来越密集,识别难度越来越大。小波变换具有良好的时间,频率局域化特征和多分辨率分析的特性,所以小波变换是一种能有效地从不同调制类型的信号中提取瞬时特征的技术,而且不需要已调信号任何的先验知识。不同类型信号的小波变换系数的明显不同非常适合对调制信号的调制类型进行识别。本文在学习MFSK调制信号的基本特征的基础上,分析研究了三种类型的小波变换。     

基于小波变换的MPSK符号率估计方法

数字调制信号的参数估计是非协作通信的研究重点,符号率估计是信号调制方式识别及正确解调信号的重要参数.小波在时域和频域具有优良的局部化特征,适用于信号瞬时变化特征提取.现有的使用Haar小波的符号率估计算法中都假设码元是矩形脉冲,没有考虑实际通信系统脉冲成形滤波技术的影响.针对上述问题,在带限系统模型下,考虑了脉冲成形滤波技术对信号产生的影响,使用适合带限系统信号瞬时变化特征提取的具有高阶消失矩的Daubechies(dbN)小波,结合FFT算法,提出了一种MPSK符号率估计方法.仿真结果表明,使用该符号率估计方法要比使用Haar小波性能更优越.     

低信噪比下数字幅度调制的调制进制快速识别

为了快速自动识别低信噪比下的数字幅度调制进制,提出了一种识别M进制正交幅度调制(M-QAM)和M进制幅度键控(M-A SK)的调制进制的方法。该方法利用优化的缩放尺度对信号进行小波变换,以识别M-QAM和M-A SK信号的调制进制,并进行了仿真。仿真结果表明:仅利用100个观测符号,当信噪比大于或等于-4 dB时,M-QAM信号的正确识别率大于93%;当信噪比大于或等于-10 dB时,M-A SK信号的正确识别率大于90%。这说明该方法在低信噪比下能够快速获得很好的识别性能。     

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.     

基于小波变换的MPSK符号率估计方法

数字调制信号的参数估计是非协作通信的研究重点,符号率估计是信号调制方式识别及正确解调信号的重要参数。小波在时域和频域具有优良的局部化特征,适用于信号瞬时变化特征提取。现有的使用Haar小波的符号率估计算法中都假设码元是矩形脉冲,没有考虑实际通信系统脉冲成形滤波技术的影响。针对上述问题,在带限系统模型下,考虑了脉冲成形滤波技术对信号产生的影响,使用适合带限系统信号瞬时变化特征提取的具有高阶消失矩的Daubechies(dbN)小波,结合FFT算法,提出了一种MPSK符号率估计方法。仿真结果表明,使用该符号率估计方法要比使用Haar小波性能更优越。     

辅助式小波神经网络的调制识别技术

将小波特征提取和反向传播神经网络理论相结合，设计一种辅助式小波神经网络结构，根据接收到的调制信号进行抽样后，将所提出的辅助式小波神经网络用于几种调制信号的识别，实验结果表明，辅助式小波神经网络的鲁棒性能好，对调制识别技术的正确识别率高．     

基于小波变换的数字调制信号特征提取

小波变换的多分辨率特性对暂态信号有很强的检测能力,数字信号在不同码元之间呈现出幅度、频率和相位瞬变现象.文讨论如何利用小波变换对数字调制信号的瞬变特征进行提取,实验表明该方法对数字调制信号幅度、频率和相位的瞬变特征能够进行有效的检测.     

一种基于最优尺度小波变换的符号率估计算法

在限带数字通信系统的一般模型框架下,提出了一种基于最优尺度小波变换的符号率估计算法.首先深入分析了经典Haar小波符号率估计方法的基本原理及其性能缺陷,然后从奇异性和消失矩的角度,从理论上证明了小波基函数选择受信道特性影响较小.新算法利用归一化能量最大化准则获得最优尺度参数,并选取具有高阶消失矩的小波基函数进行小波变换,从而可以获得数字调制信号符号率信息.仿真结果表明,新算法在数据量较少和低信噪比条件下,估计性能优于经典Haar小波方法,具有较好的普适性和较高的实用价值.     

数字信号调制识别的研究

利用幅度归一化、小波变换等方法,在先验信息未知的情况下,通过对2ASK、2PSK、2FSK三种不同调制信号进行特征提取,并选取合适的阈值加以识别,实现了数字通信信号调制方式的分类识别。仿真表明对于信噪比在8dB以上的调制信号具有很高的正确识别率。     

基于伸缩窗口STFT的信号调制的识别研究

伸缩窗口短时Fourier变换(STFT)通过对窗函数引入伸缩变换对短时Fourier变换进行改进,实现时频分辨率随信号频率变化自动可调,能较好地刻画信号中的瞬态结构.本文把伸缩窗口短时Fourier变换这种时间-频率-尺度三维信号处理方法引入到了数字通信信号调制盲识别领域,对ASK、FSK和PSK信号的伸缩窗口STFT——域特征进行了理论分析和软件仿真,最后给出了识别算法和仿真结果.仿真实验结果及性能分析表明,该算法是可行的,具有较好的抗噪声性能.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于子波变换谱估计的频率步进毫米波雷达目标成像

根据子波变换所具有良好的时间－频率局域性和逼近性,研究基于子波变换谱估计的频率步进毫米波雷达目标成像方法。由于选用了波动性、衰减性和带通性能好的已调高斯函数作为子波基函数构成一组特性较理想的带通滤波器,对信号进行正交处理,其子波变换同时给出了同相和正交分量。通过信号的功率谱估计,从而获得更好的雷达目标一维距离像。仿真结果表明,这种方法是有效的     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

基于小波变换与模极大值法的高速铁路牵引网故障行波波头自动识别算法

为解决准确自动识别入射波和反射波的波头这一难题,提出了一种基于小波变换与模极大值法的行波波头自动识别方法。在分析小波变换及突变点检测原理的基础上,利用牵引变电所采集到的电压行波信号,进行多尺度一维离散小波变换。选用Daubechies小波族的db6为基本小波,并采用搜索模极大值的方法和约束函数判定,在模极大值点间进行自动识别起始波和反射波的波头位置。理论分析和现场数据验证结果表明,该算法切实有效,并能结合初始波与反射波间数据采样点数,得出故障初始行波脉冲与故障点反射回来的行波脉冲之间的时间差。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

Fusion of multispectral and panchromatic images using multirate filter banks

In this paper, an image fusion method based on the filter banks is proposed for merging a high-resolution panchromatic image and a low-resolution multispectral image. Firstly, the filter banks are designed to merge different signals with minimum distortion by using cosine modulation. Then, the filter banks-based image fusion is adopted to obtain a high-resolution multispectral image that combines the spectral characteristic of low-resolution data with the spatial resolution of the panchromatic image. Finally, two different experiments and corresponding performance analysis are presented. Experimental results indicate that the proposed approach outperforms the HIS transform, discrete wavelet transform and discrete wavelet frame.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

基于小波变换分析阻抗胃动力信息

研究了基于小波变换提取胃运动信息的新方法,运用小波多分辨分析对采集的体表胃阻抗信号进行分解,去掉呼吸阻抗信号和血流阻抗信号,提取近似成份作为胃收缩信号.该方法能够提取胃运动的信号和同步胃电信号,可对提取信号的主频进行不同频带的分类,计算功率谱参数、描绘动态谱,从而研究胃动力情况.应用小波变换可以有效消除叠加到阻抗信号中的各种干扰,通过与同步胃电信号共同验证,该方法能完成阻抗信号提取,为临床胃动力信息研究提供一种体表无创伤新途径.     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．