Alpha稳定分布噪声下卫星双信号调制识别

针对现有基于循环谱的单信号调制识别方法在Alpha稳定分布噪声下失效的问题,提出一种基于广义二阶循环谱的双信号识别方法.首先分析广义二阶循环谱对Alpha稳定分布噪声的不敏感性,在此基础上再分析待识别混合双信号的谱特性,提取其循环频率域脉冲谱线特征构成特征参量,最后通过检测脉冲谱线数量实现双信号的调制识别.仿真结果表明,该方法在Alpha稳定分布噪声和高斯噪声下都有良好的识别性能.     

FSK/PSK复合调制雷达信号的识别

针对具有低截获概率特性的FSK/PSK复合调制雷达信号的特点,研究了FSK/PSK信号的识别,采用二叉树方法提取了基于信号幅度和相位的特征参数,研究并实现了PSK、FSK和FSK/PSK复合调制雷达信号的识别. 理论和仿真结果表明,所提出的算法在信噪比不小于5 dB时,FSK/PSK复合调制雷达信号的正确识别率达到了99%以上.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

利用循环谱和参数统计的数字调制信号识别

该文利用决策理论识别常用数字信号调制方式. 该识别方法基于接收信号的循环谱和参数统计法,采用谱相关测量的频率平滑法分析数字信号在循环频率轴上的特征谱,运用参数统计法提取统计参数,用于数字调制信号识别. 最后利用决策理论,给出信号识别流程图及判决门限. 实验表明,在信噪比为5 dB的条件下,对预期调制信号2ASK, 4ASK, 2FSK, 4FSK, 4PSK, 8PSK的识别率可达90%, 说明该方法在低信噪比下识别效果良好.     

MIMO信号调制方式盲识别

提出一种基于盲信号分离的方法对MIMO信号进行调制识别. 该方法对接收信号的相关矩阵作奇异值分解,用于估算发射天线数目,并对信号进行白化. 采用特征值矩阵的联合近似对角化(joint approximate diagonalisation of eigen-matrices, JADE)算法对接收信号进行分离,恢复发送端信号. 通过分析信号的频谱特征,提出4 个新的特征参数,并结合四阶累积量实现对MIMO体制下6 种信号调制方式的识别. 识别过程中无需估计载波频率和符号率等参数,具有较强的实用性. 仿真结果表明文中提出的方法具有良好的性能.     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM 算法对微博中的观点句进行识别.运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板.实验结果表明：算法具有优越性和有效性.     

数字通信信号的调制与识别

以数字通信信号作为对象,明确了数字通信信号调制以及识别的相关概念和发展历程,并对其目前还存在的问题进行了一定程度的总结分析.     

基于多特征提取的识别算法数学建模优化研究

数据建模优化在多特征提取领域应用广泛,基于统计特征和基于结构特征的识别算法需要在数学建模优化下实施,可以改变图像的输入结构,从而能够对图形的统计特征进行提取,采取网格划分方法,对图像进行划分,然后对网格内文字像素进行比对,保证文字图像能够通过细分类模式进行识别.     

利用循环平稳性检测和支持向量机的调制信号分类

非合作接收条件下调制识别算法预处理要求高,分类集有限,为此提出一种基于循环频率特征和支持向量机的调制分类方法. 利用信号循环累积量的循环频率为分类特征,不必进行参数估计和同步等预处理,在缺乏先验知识条件下对FSK、PSK、QAM、OQAM、CPOFDM、ZPOFDM等常见调制信号具有良好的识别效果. 该方法提升了盲接收环境下的分类效果,扩大了分类集. 理论推导和计算机仿真表明,该方法能有效提升非合作接收条件下的盲分类性能.     

单通道双MFSK信号调制识别方法

针对单通道双MFSK信号的调制识别问题,提出了一种基于经验模态分解(EMD)和分形盒维数的调制识别算法。该算法利用EMD将混有高斯噪声的双MFSK混合信号分解成多个分量,提取每个分量的分形盒维数作为特征参数,使用BP神经网络作为分类器对其进行识别。仿真结果表明,该算法对频谱不混叠的双MFSK信号有较好的识别效果。     

时频域子带线性调频干扰抑制算法

通过对线性调频（LFM）信号子带分解的分析,提出了一种基于子带信号处理的时频单元剔除（SSP TFCD）LFM干扰抑制算法.这种算法充分利用了子带分解的时频定位特性,在干扰基本消除的同时保证了信号的失真度较小,因此它可以为系统带来较大的性能增益.仿真结果进一步证实本算法的性能优于基于子带分解的子带剔除算法(SSP SD).     

利用复合特征进行模式识别的探雷研究

根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率.     

小波快速分解和重构的一般公式

小波分析有良好的时－频局部化性能,现被广泛应用于数字信号和图像处理等领域,但其在处理有限长信号时的实时性不太理想,在分析了基于Daubechies紧支收正交小波基的快速算法在实际使用中的局限性的基础性,本文推导出一般情况下的小波分解和重构公式。     

生物组织光声效应的实验研究

建立了一套测试系统，对几种真实生物组织产生的光声信号进行了测试．结果表明：不同生物组织产生的光声信号的时域和频域特征均存在明显的差异；光声信号的频率较低，主频由生物组织特性决定；光声场的分布有指向性．     

分形在钻头磨损切削力特征提取中的应用

针对钻削过程切削力的变化特点,提出一种用分维数描述信号复杂性的新方法.从工程应用角度介绍了离散时间序列盒维数和信息维数的计算方法,通过对三种仿真信号分维数的计算,揭示出分维数与信号复杂程度之间的内在联系,并通过实验研究了刀具在整个磨损历程中切削力信号分维数的变化规律.结果表明:随着钻头磨损的增加,切削力信号分维数呈下降趋势,运用切削力信号的分维数特征可有效实现钻头磨损状态的监测.     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

ZPOFDM循环平稳性分析及在多载波信号识别中的应用

针对多载波调制分类算法无法识别零前缀正交频分复用(zero-padding OFDM, ZPOFDM)信号的问题,提出了一种改进的OFDM信号识别方法. 利用ZPOFDM等信号的二阶循环累积量特征,结合循环平稳性检测,实现衰落信道下包括ZPOFDM、循环前缀正交频分复用(cyclic-prefix OFDM CPOFDM)、单载波等信号的分类.理论分析与实验结果表明,该方法在没有同步及参数估计等预处理条件下能实现频率选择性衰落信道下多载波信号的有效区分.