混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。     

基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声（AWGN）的鲁棒性，在决策论识别参数的基础上，增加了高阶统计量识别参数，并利用混合参数的经向基函数（RBF）神经网络实现数字信号调制样式自动识别，提高了对数字调制信号的识别能力．仿真结果表明，     

基于循环零中心归一化绝对值方差的数字信号调制识别

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．     

基于决策理论算法的单载波多载波数字调制识别技术研究

研究基于决策理论算法的单载波多载波无线数字调制信号的特征参数提取与自动识别技术,提出了适合单载波多载波数字调制识别的决策分类器及相应识别步骤.在瞬时相位提取时,首次采用去相位折叠算法纠正相位折叠的影响,提高了特征参数的准确性.仿真结果表明,该方法取得较好的识别效果,且系统易于实现,在信号识别中具有广泛的应用前景.     

基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声(AWGN)的鲁棒性,在决策论识别参数的基础上,增加了高阶统计量识别参数,并利用混合参数的经向基函数(RBF)神经网络实现数字信号调制样式自动识别,提高了对数字调制信号的识别能力.仿真结果表明,所提出方法对信噪比SNR=-5~20 dB的2ASK、4ASK、8ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK、16QAM和64QAM 11种数字调制测试信号均可以较好地识别.     

遥测信号仿真系统中的数字调制识别应用

针对遥测信号特性仿真系统中的数字调制方式设计了一种基于判决树的数字调制自动识别方案。在加性高斯白噪声（AWGN）信道中,对遥测信号中常见的调制方式进行识别。通过MATLAB计算机仿真,验证了该方案的可行性。实验表明,在信噪比SNR为10dB条件下自动识别正确率不低于93％。     

数字调制信号识别系统的DSP硬件实现

针对人工的信号识别设备不足,设计了基于DSP的数字调制信号识别系统．使用希尔伯特变换提取信号的瞬时信息,计算得到3个特征参数值,使用决策树分类器对信号进行分类．设计了用于通信信号识别的硬件系统,并制作了实际电路．在CCS软件环境下,使用c语言编程实现了调制信号自动识别算法．DSP硬件仿真结果表明,在信噪比不小于10dB时,系统平均识别正确率超过了98％．最后使用系统对信号发生器产生的调制信号进行了实时离线识别,实验结果表明,系统具有较好的识别正确率和实时性．     

基于决策理论的数字调制信号识别

由于多调制的存在，对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式，因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一。文中研究了6种常用数字调制信号识别的特征参数集，并采用决策树判别方法进行分类识别。仿真结果表明，在趼氓≥5dB时，识别正确率在99％以上，且当SNR≥20dB时，识别正确率达到100％。其特点是，算法简单，识别正确率高．达到了自动分类识别的目的．并有利于实现识别的实时化。     

基于MLP神经网络的超宽带信号自适应识别算法的研究

提出一种利用人工神经网络进行超宽带信号调制模式自适应识别的方法。采用三层MLP神经网络进行调制模式识别。首先对超宽带数字调制信号进行统计特征参数提取,特征参数作为MLP网络的输入层神经元参数,隐含层是双层结构。实验证明,当中间层采用正切型激活函数、输出层采用线性激活函数时,MLP分类器的识别性能最好。在5 dB信噪比环境下,算法的正确识别率高于95%。与传统的统计判决方法相比,神经网络分类器不需要设定判决门限就能实现自适应识别,并且达到更好的识别率,解决了软件无线电系统中的超宽带信号自动识别的问题。     

基于神经网络调制信号识别技术的发展

信号调制样式的自动识别是软件无线电必备的功能之一,基于人工神经网络的识别方法因其较其他方法具有更好的性能受到广泛关注。分析了基于神经网络调制信号识别技术的基本原理,将目前研究的调制信号识别分为基于多层感知器神经网络的调制信号识别和基于径向基函数神经网络的调制信号识别,提出了神经网络调制信号识别技术进一步的研究方向。     

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...     

基于谱线特征的恒包络数字调制方式识别方法

针对常见的恒包络数字通信信号,对其信号二次方与四次方形式的傅立叶谱线特征进行了理论分析,并在此基础上提出了一种针对恒包络数字通信信号的调制方式识别方法,其主要特点是不需要符号速率、载波初相、定时同步等先验信息,而且还能够区分线性调制和非线性调制.仿真实验表明该方法在较低信噪比条件下仍可以获得较高的正确识别率,具有很强的实用性.     

乳腺X线图像肿块分类方法研究

乳腺X线图像肿块的良恶性分类是计算机辅助诊断的研究内容之一,本文对乳腺X线图像肿块边缘分割及不同特征的肿块良恶性分类进行研究.基于最大化分割后图像类间方差的思想,提出了一种改进控制标记分水岭方法完成粗分割,然后采用无边缘活动轮廓(CV)模型对粗分割结果进行修正.为了验证不同特征在肿块良恶性分类中的性能,对现有形状特征、纹理特征在不同分类器下的分类性能进行测试.实验在开源数据库DDSM上验证,结果表明,在通过自动分割方法得到肿块边缘的情况下,纹理特征的分类性能更好.     

A novel adaptive classification scheme for digital modulations in satellite communication

To make the modulation classification system more suitable for signals in a wide range of signal to noise ratios （SNRs）, a novel adaptive modulation classification scheme is presented in this paper. Differ-ent from traditional schemes, the proposed scheme employs a new SNR estimation algorithm for small samples before modulation classification, which makes the modulation classifier work adaptively according to estimated SNRs. Furthermore, it uses three efficient features and support vector machines （SVM） in modulation classification. Computer simulation shows that the scheme can adaptively classify ten digital modulation types （i.e. 2ASK, 4ASK, 2FSK, 4FSK, 2PSK, 4PSK, 16QAM, TFM, π/4QPSK and OQPSK） at SNRS ranging from 0dB to 25dB and success rates are over 95% when SNR is not lower than 3dB. Accuracy, efficiency and simplicity of the proposed scheme are obviously improved, which make it more adaptive to engineering applications.     

基于统计阈值的鲁棒性语音识别

近几十年来,语音识别系统已由实验室环境走向真实的世界中.在不同的环境噪声下,识别性能却仍不尽人意,尤其是在低信噪比的环境中.为解决在低信噪比情况下的低识别率的问题,以声学参数MFCC( Mel-frequen-cy cepstrum coefficient)为基础,提出了一种基于统计阈值的倒谱均值方差归一化算法,该算法...     

数字式电力系统稳定器（DPSS）

本文提出了一种数字式电力系统稳定器（DPSS）及其设计方法。利用参数辨识思想对单机无穷大电力系统进行离线辨识来获得其数学模型，在辨识模型的基础上按广义最小方差控制原理设计控制系统。通过信息的组合反馈，本控制系统具有自动电压调节及抑制低频振荡的双重功能。为避免出现静态偏差，采用离散广义最小方差控制与连续积分控制相结合的方式，收到良好效果。本控制系统结构简单，实现方便，不失为一种保证电力系统稳定及运行质量的有效措施。     

基于小波神经网络的数字信号调制方式识别

针对当前数字信号调制方式识别方法易受噪声影响、 识别误差较大等问题, 设计一种基于小波神经网络的数字信号调制方式识别方法. 首先采集数字信号, 并从信号中提取调制识别特征, 作为数字信号调制方式分类依据; 然后采用小波神经网络建立数字信号调制方式识别的分类器, 并选择粒子群优化算法确定神经网络的参数, 实现数字信号调制方式识别; 最后在MATLAB[KG*6]2016平台上实现数字信号调制方式识别的仿真测试. 测试结果表明, 即使数字信号的信噪比较低时, 小波神经网络仍可获得较理想的数字信号调制方式识别结果, 且数字信号调制方式识别率高于对比方法, 从而提高了数字信号调制方式识别性能.