基于循环累积量的星形QAM载波盲估计

针对通信对抗和正交幅度调制(QAM)信号解调的实际应用,提出一种利用特定高阶循环累积量估计星形QAM载波的方法。由于高阶循环累积量能有效抑制平稳噪声和非平稳高斯噪声,通过理论分析可证明在上述噪声背景下,星形8、16 QAM信号的特定四阶循环累积量仅在载波位置处存在,因此可以通过检测此循环频率实现载波的估计。该算法可推广到更高阶星形QAM信号。仿真实验验证了该算法的有效性。     

频率选择性衰落信道下的星形QAM信号载波盲估计

针对通信对抗和QAM信号解调的实际应用,建立多径和频率选择性衰落信道下的QAM信号模型,提出一种利用特定高阶循环累积量估计星形QAM载波的方法.通过理论分析可证明在平稳和非平稳高斯噪声背景和衰落信道特性下,星形8、16QAM信号的特定四阶循环累积量仅在载波位置处存在,因此可通过检测此循环频率实现载波的估计.该算法可推广到更高阶星形QAM信号.仿真实验验证了该算法的有效性.     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

一种基于高阶累积量的数字调相信号识别方法

针对当前通信信号中常用的数字调相信号BPSK、QPSK、π/4-QPSK、8PSK的调制识别问题,提出了一种基于信号差分高阶累积量的识剐算法.该算法分两个层次进行调制识别,首先利用信号的四阶累积量特征对BPSK、QPSK和{π/4-QPSK、8PSK}信号进行识别,然后再利用信号差分的四阶和八阶累积量特征对π/4-QPSK、8PSK信号进行识别.从理论上分析了的该算法的有效性,并通过计算机仿真验证了算法具有良好的性能.     

利用联合特征参数的卫星单混信号调制识别

针对卫星通信中常见的单-混二进制相移键控(binary phase shift keying, BPSK)、正交相移键控(quadrature phase shift keying, QPSK)、8进制相移键控(8 phase shift keying, 8PSK)、16进制正交幅度调制(16 quadrature amplitude modulation, 16QAM)信号调制识别问题,本文基于不同信号的累积量差异和方谱特性,充分利用累积量和谱线特征并构造合理的特征参数,最终构建决策树分类器,实现了这些信号的调制识别,并有效实现了混合QPSK和混合8PSK信号的识别。实验表明,该算法能够实现高斯白噪声条件下的单-混BPSK、QPSK、8PSK、16QAM信号的分类。当信噪比大于6 dB时,除混合QPSK和混合8PSK信号外,其他信号的调制识别率能达到98%,当信噪比大于10 dB时,混合QPSK和混合8PSK信号的调制识别率能达到92%。与现有算法相比,识别率更高,由此证明所提算法的有效性。     

基于高阶累积量和小波变换的调制识别算法

针对当前调制识别算法在低信噪比下识别率不高的问题,提出结合高阶累积量和小波变换的混合调制识别算法。该算法利用了小波变换提取的两个特征参数,以及基于四阶和六阶累积量构造出一个新的特征参数,并应用反向传播神经网络分类器对调制信号进行识别。仿真结果证明,该算法能够在信噪比低至2 dB时,识别率仍可达到98%以上,由此证明了该方法的有效性和稳健性。     

色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。     

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 ,这种方法具有很高的分类性能和良好的稳健性     

基于四阶累积量与核Fisher判别分析的MPSK信号分类方法

提出了一种基于高阶累积量和核Fisher判别分析的MPSK信号自动调制识别方法。该算法选取信号的四阶累积量作为分类特征,利用核函数的思想把特征向量映射到一个高维空间,并在高维空间中采用线性Fisher判别分析实现了数字信号的分类。选用了径向基核函数,使用一对一或一对余多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳健的多类核Fisher判别分析分类器。计算仿真结果表明,基于核Fisher判别分析的分类器具有良好的性能,它与支持向量机的分类精度相当,且训练时间较短。     

改进的基于四阶累积量的MUSIC算法

超宽带测向系统中,天线体积受限严重影响到系统的测向精度和解模糊能力,且天线阵列的孔径限制着阵列最多能分辨的目标信号个数,而一些优秀的算法如空间平滑算法和旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法损失了天线阵列孔径。针对这些问题,在传统的四阶累积量多重信号分类(multiple signal classification, MUSIC)算法基础上提出了一种改进的算法。该算法根据四阶累积量矩阵构成的规律,去除了原四阶累积量矩阵的数据冗余,有效地减小了运算时间,为其实际应用提供了必要条件。计算机仿真和实测数据仿真的结果表明,本改进算法可以快速地实现虚拟阵列扩展,同时对有色高斯噪声也有一定的抑制作用。     

带限MPSK信号的调制分类

提出了一种带限MPSK信号调制分类算法,对截获接收机输出的带限MPSK信号在未知载波频率的情况下,通过对延迟乘积信号进行分析处理,利用小波变换提取其码元跳变点,进而得到与原信号调制类型一致的复基带信号序列。并利用此基带序列的高阶累积量构造分类特征不变量,在宽信噪比范围内实现了带限MPSK信号的调制分类。理论分析和实测信号处理证明了提出算法的有效性。     

基于联合特征参数的数字调制识别优化算法

针对数字调制识别在低信噪比下的应用,提出了一种基于联合特征参数的数字调制识别优化算法。该算法利用调制信号的高阶累积量和时域瞬时信息,并结合星座图特征进行特征提取,采用弹性反向传播（resilient back-propagation, RPROP）算法训练的反向传播（back propagation, BP）神经网络对多进制数字幅度调制（M-ary amplitude shift keying, MASK）、多进制数字频率调制（M-ary frequency shift keying, MFSK）、多进制数字相位调制（M-ary phase shift keying, MPSK）、多进制正交幅度调制（M-ary quadrature amplitude modulation, MQAM）共4类12种信号进行分类识别。仿真结果表明,当信噪比低至-2 dB时,提出的调制识别优化算法可使12种数字调制信号的正确识别率均达97%以上,极大地改善了低信噪比下的识别性能。     

Joint estimation of DOA, frequency, and polarization based on cumulants and UCA

A joint estimation algorithm of direction of arrival (DOA), frequency, and polarization, based on fourth-order cumulants and uniform circular array (UCA) of trimmed vector sensors is presented for narrowband non-Gaussian signals. The proposed approach, which is suitable for applications in arbitrary Gaussian noise environments, gives a closed-form representation of the estimated parameters, without spectral peak searching. An efficient method is also provided for elimination of cyclic phase ambiguities. Simulations are presented to show the performance of the algorithm.     

频率选择信道下STBC-OFDM信号盲识别

针对多输入单输出(multiple input single output, MISO)通信系统的空时分组编码正交频分复用(space-time block codes-orthogonal frequency-division multiplexing，STBC-OFDM)信号盲识别问题,提出了一种基于四阶统计量的盲识别算法。该方法首先对MISO通信系统的STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造了不同时延向量下接收信号OFDM块的时延四阶矩作为特征函数;最后通过时延四阶矩理论值与实验值的最小欧式距离盲识别发射端STBC-OFDM信号的编码方式。该方法不需要信道系数、噪声信息和调制信息等先验信息,适合非合作通信场合。仿真结果表明，所提出的算法即使在低信噪比(SNR=0 dB)下识别效果接近100%,且对载波频偏、时间同步偏差和多普勒频移不敏感,实用性较强。     

非合作USB测控信号调制指数估计算法

测控信号的调制指数可作为非合作卫星辐射源识别的一个稳定特征参数，针对非合作统一S频段测控信号，提出一种基于频域谱分析的调制指数估计算法。根据该信号的频谱特性构造调制指数估计算法，并对该算法的估计误差进行理论分析。通过蒙特卡罗仿真给出估计误差随信噪比变化的情况，并利用实测信号从频域和时域两个方面对该算法的性能进行验证。结果表明，实测信号与恢复信号的频谱幅度误差较小、时域基带信号波形的一致性较高、归一化互相关函数最大值接近于1。进一步说明该算法的精度较高，可为非合作卫星辐射源识别提供高精度的参数支撑。     

基于循环稳定特性的空时分组码MC-CDMA信号盲识别算法

空时码应用最广泛的是空时分组码(space-time block code,STBC)和垂直分层空时码(vertical bell layered space-time code, VBLAST),因为STBC信号具有时间上的相关特性,所以在求高阶循环累积量时,该信号有一个特殊的循环频率,而VBLAST信号没有此特性。提出了一种基于循环稳定特性的STBC多载波码分多址（multicarrier code division multiple access,MC-CDMA）信号识别算法。该方法先根据信号系统的基带物理结构和信号模型来建立信号相关函数的选择标准,然后估计出这些相关函数对应的四阶累积量,接着把四阶循环累积量跟信道的参数结合起来建立一个循环统计量,最后把这个循环统计量与检测门限进行比较,实现信号识别。计算机模拟仿真表明,该算法能在较低的输入信噪比条件下良好地工作。     

基于累积量的MPSK分类算法性能分析

针对累积量的调制分类经典算法要求理想的符号同步问题。通过对非最佳采样复基带信号的累积量的理论分析,讨论了过采样速率、定时偏差和基带成形脉冲函数对信号累积量的影响,认为现有的基于累积量的同步分类算法可以直接应用于异步条件,且其性能与过采样速率有关。通过MPSK分类的仿真验证了理论分析的正确性,在常用频率选择性衰落信道模型条件下的仿真则表明,衰落信道中符号速率采样的分类性能未必最优。