db3小波神经网络与通信信号调制识别

调制识别在通信侦察和对抗中有重要应用,提出了用db3小波神经网络的组合分类来实现通信信号调制识别一种识别方法,并拟对非稳定、低信噪比的通信信号实现复杂调制类型信号识别,计算机仿真结果证实此方法的可行性.     

关于通信信号调制识别技术的分析研究

本文首先阐述了通信信号调制识别技术的发展情况,然后对常见的调制识别方法的框架结构进行了介绍,最后对近些年出现的调制识别方法进行了总结,将自己对调制识别技术的观点提了出来,并对其进行了展望。     

通信信号调制样式自动识别方法

通信信号的调制识别是目前研究的热点问题。文章介绍了信号调制样式识别的概念及一般过程,对几种典型的调制样式识别方法分别做了阐述并分析了其优缺点。     

水下冲激噪声环境下基于多特征融合的信号调制方式识别

通信信号调制方式的识别在水下通信系统中发挥着重要作用,但目前在传统理论基础上建立起的高斯白噪声环境下的识别方法在水下冲激噪声背景下的识别仍存在困难.针对这一问题提出了水下冲激噪声环境下多特征融合的调制方式识别方法.利用Alpha稳定分布建立水下冲激噪声的模型,提出了基于指数函数的非线性变换方法消除部分冲激噪声的信号预处理方法;对预处理后的信号提取频域的盒维数特征、信号包络的样本熵特征以及Stockwell变换(S变换)域能量熵特征,构成多特征向量进行融合识别.对3个种类和数量不同的调制信号集进行仿真实验,结果表明,多特征融合识别的方法在水下冲激噪声环境下较单一特征识别性能更好,对Alpha稳定分布的特征指数在1~2之间时,该方法具有稳定性.同时通过对比仿真发现,非线性变换预处理显著地提高了算法性能,且多特征融合的调制识别方法的性能明显优于单特征方法,可识别的信号种类更多.     

基于分形特征和ILST-KSVC的调制方式识别

针对传统的信号调制识别方式在信噪比较低的情况下识别精度低与种类少的问题,提出了一种新的基于分形理论及多分类最小二乘双支持向量机的通信信号识别方法.首先采集数字信号,对接收到的信号进行预处理,提取其分形特征作为识别的特征参数,然后采用多分类最小二乘双支持向量机分类器实现对未知信号的识别.该方法与传统的神经网络分类法及决策树分类法相比,具有更好的泛化推广能力.实验仿真结果表明,该方法在低信噪比情况下,调制识别准确率要优于其他调制识别方法,且在信噪比SNR-5dB时,平均识别成功率达到91%以上.     

支持向量机在数字信号调制识别系统中的应用

在非合作通信系统中，需要在非理想化的信道特性下对接收信号进行调制样式的自动识别．使用了一种以支持向量机作为分类器的方法进行数字信号调制样式的识别．实验结果表明，该调制识别方法在小样本下具有较高的识别率，可以应用在数字信号的调制识别系统中．     

改进神经网络的数字调制信号识别

提出一种基于改进神经网络的数字调制信号识别方法.首先建立调制信号模型,在正交调制载波上构建扩频通信系统,然后采用QPSK调制方式和变结构神经网络模型,对调制信号进行解调和识别.仿真实验结果表明,改进后的信号识别方法有效地改善了信号扩频特性和调制性能,提高了数字调制信号识别的抗干扰能力,数字调制信号识别率高,识别性能好.     

基于时频分析和神经网络的水声通信信号识别技术

 水声通信信号识别具有重要的现实意义。传统的识别器是每种调制模式分别设计的检测器,因而运算量随调制模式数量的增加而增加。随着通信技术手段日益更新,调制模式不断翻新,传统识别器已经不能满足快速检测和识别信号的要求,设计统一的特征提取方法以减少检测器的数量非常迫切。从侦收信号的时频分布中提取特征向量,利用人工神经网络对特征向量进行分类,基于此提出了一种新的识别方法。对本文提出的识别器,在使用前增加新的调制模式的样本并重新训练神经网络,使用过程中能实现更多调制模式的识别而不增加运算量。对特征向量的提取方法进行了详细描述,并通过计算机仿真实验,得出了低信噪比时的正确识别概率。     

通信信号的调制识别技术综述

通信信号的识别一直是人们重点研究的课题之一,特别是对通信信号调制体制的识别,是通信信号识别的基础。本文对目前的调制识别的一些基本方法进行了介绍,并对调制识别技术以后的发展提出了自己的设想。     

基于密集连接机制的无线信号调制识别

为提高复杂信道环境下无线通信系统对调制信号的检测识别能力,以及针对当前调制识别方法存在的模型复杂、计算量大、输入数据特征不完备等问题。提出一种改进的深度学习算法模型,对真实无线环境下的9种常见调制信号进行识别研究。该算法通过对原始的同相正交(in-phase quadrature, IQ)数据进行幅度相位计算,以此增加模型输入数据的特征信息,采用改进的密集神经网络(dense neural network, DenseNet)对常见调制信号进行识别分类。实验结果表明：在相同的训练数据样本中,相比其他深度学习调制识别算法,改进算法性能最优。在信噪比为0时,DenseNet平均识别率达到84.6%。改进的IQ输入数据明显提高了无线信号的检测识别率,在信噪比为-10 dB和-5 dB时,调制信号的识别率提高了10%。     

基于支持向量机的通信信号调制识别方法研究

支持向量机(Support Vector Machines简称SVMs)是基于统计学习理论的一种新的模式识别技术,它不仅结构简单,而且技术性能尤其是泛化能力明显提高。介绍了支持向量机为理论基础的通信信号调制识别方法。计算机仿真结果证实此方法的可行性。     

基于软件无线电的调制识别方法

调制方式的识别是在调制方式多样化的复杂情况下能够正确解调和成功通信的前提。文章针对基于软件无线电的调制方式自识别的问题,研究了一种利用包络高阶特征J进行调制方式识别的方法。该方法具有计算简单、无需知道信号的先验信息,同时具有较好的噪声抑制等特点,能在低信噪比情况下快速、有效地进行调制识别。     

DVB-T系统中OFDM信号子载波调制方式的识别

为了解决多径信道下DVB-T系统中OFDM信号子载波调制方式识别性能差的问题,文中提出了一种新的子载波调制方式识别方法.该方法首先采用子载波的归一化功率对空子载波信号进行识别,然后利用循环谱截面相关系数识别出导频子载波信号,最后通过混合高阶矩对调制子载波信号进行识别,从而完成了OFDM信号子载波调制方式的识别.仿真结果表明,在多径信道下,该方法不但具有良好的识别性能,而且具有较低的计算复杂度.     

基于循环特征的调制模式识别算法

介绍现有通信信号调制模式识别算法,对二进制幅度键控、二进制频移键控、二进制相移键控、正交相移键控、最小频移键控等几种数字通信信号的循环平稳特性建模分析,并提取出了循环谱密度函数α轴上的最大幅度归一化值a、循环谱密度函数f正半轴上的脉冲个数m、循环谱密度函数α正半轴上的脉冲个数n等相关的特征参数,通过分级判决来实现基于通信信号的循环特征的调制模式识别。仿真表明,基于循环特征的调制模式识别算法在-2 dB的加性高斯白噪声条件下,识别正确率高达90%,具有较好的可靠性。     

人工神经网络在调制识别中的应用综述

面临无线通信技术的不断发展以及通信环境的复杂多变,信号的调制方式呈现出多样化发展态势,在无线电频谱资源监管和现代电子战争等非合作通信系统中,调制识别是其中非常关键的技术.对调制识别技术进行了详细阐述,从基本原理、常用方法分类及发展现状等方面介绍了基于假设检验的最大似然估计法和基于特征提取的调制识别方法,重点介绍了人工神...     

软件通信适配器的调制模式识别算法

在异构卫星网络动态组网时,为了解决星上软件通信适配器对物理层调制模式识别率低的问题,提出了一种适合低信噪比和贫先验知识的自动调制模式识别算法.该算法以高斯白噪声信道作为信道模型,选取信号高阶累积量和经典统计量作为特征参数,采用引力搜索算法对径向基神经网络基函数中心进行优化,并在引力搜索算法中引入粒子群的信息熵来调节算法执行过程中探索与开采的关系,进一步提高了算法的分类和泛化能力.然后,利用仿真试验测评了该算法对6种卫星常用调相调制信号的识别效果.仿真试验结果表明,没有先验知识的情况下,该算法在调制信号信噪比大于4 d B时就可以达到100%的识别率,从而证明了该算法在低信噪比和贫先验知识条件下的有效性,说明算法满足星上软件通信适配器对物理层调制模式的识别要求.     

一种基于深度学习的辐射源信号调制识别新算法

针对传统的辐射源信号调制识别方法需要大量特征提取的问题,提出一种基于深度学习的辐射源信号自动调制识别算法,该算法通过对辐射源信号进行幅-相域二维图像表征,基于卷积神经网络实现层次化地理解和识别电磁信号。仿真结果表明:相比基于时域的传统信号调制识别算法,所提算法在中、高信噪下识别率分别提升了2.5%和2.3%,单信号的识别时间不大于0.1 ms。     

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。     

软件无线电系统中的调制识别系统组成及识别方法

在软件无线电系统中,调制识别部分由预处理、特征提取和选择、识别分类三个环节组成,其功能就是准确提取已调信号的频率、相位和幅度这三个参数的瞬时特征值,以便正确地解调出已经调制的信号,三个参数是对已调信号解调的关键.软件无线电系统中调制识别有决策论方法和统计模式识别方法两大类.     

基于高阶累积量的调制方式识别研究

通信信号调制方式自动识别技术在非协作通信的信号识别中具有重要作用,基于高阶累积量的方法,对常见的8种数字信号的调制方式识别进行了研究。调制方式包括2ASK,BPSK,QPSK,8PSK,16QAM,32QAM,16APSK,32APSK,给出了各调制信号的二、四、六、八阶累积量理论值,提取5个特征参数,根据不同调制信号的特征参数差异情况,设计合理的分类决策树和阈值对信号进行有效识别。仿真结果显示,在信噪比大于-3 d B时,信号识别率可达90%以上。