适用于样本分布差异的迁移学习调制识别算法

针对大量有标签样本的数据驱动模型方法存在数据分布不完备问题,结合实际环境中通信信号样本差异大的特点,提出一种对抗域适应迁移算法.通过类判别器和域判别器对抗训练,使特征提取器能够提取到既具有类差异性又具有域不变性的特征.以无监督学习方式对目标域信号进行分类,以提升调制识别算法在实际环境中拟合存在分布差异数据集的自适应能力.对实际信号样本集中调制方式相近的9类调制信号在不同信噪比条件下进行测试,域适应迁移方法通过对抗训练有标签高信噪比的源域样本和无标签低信噪比的目标域样本,结果发现该算法的平均识别准确率较以往直接训练的平均识别准确率大幅提升.     

基于半监督生成对抗网络的通信信号调制识别算法

针对小样本条件下通信信号识别混淆的问题,提出了一种基于半监督生成式对抗网络的调制识别算法.首先结合半监督学习思想利用少量标签数据和大量未标签数据训练网络;其次在输出层添加辅助分类器进行结果判定,针对性设计了目标函数和损失函数,以满足网络生成虚假数据和实现信号分类的目的;最后使用不同的激活函数并用反卷积和Dropout代替池化操作,有效降低了算法复杂度并加快网络收敛速度.仿真实验表明:该算法适应性强、计算量小,较传统算法识别准确率提升了6％ ～13％,有效实现了小样本条件下的调制样式识别.     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

基于聚类与神经网络的无线通信联合调制识别新方法

针对现有基于聚类算法的信号调制识别在低信噪比时识别率低的缺点,文中采用聚类算法提取信号特征参数,通过变梯度Polak-Ribiere BP修正算法对神经网络进行训练,以提高收敛速度,改善在低信噪比条件下网络识别性能,实现对基于星座图调制方式信号的调制识别,仿真结果表明,在低信噪比条件下,调制识别率和单独采用聚类算法或基于BP算法的神经网络识别时比较提高30%以上,在信噪比为4d B条件下识别率可达到90%,且系统易于实现,在信号调制识别中具有广泛的应用前景。     

某型装备数字通信信号识别能力的改进

针对某机载电子对抗任务系统数字通信信号识别正确率较低,影响该系统工作效能的问题,对Azzouz决策论的信号调制识别算法进行改进,改变了识别步骤,并采用可变的门限值,从而大大提高了该系统对数字通信信号的识别概率。经Matlab仿真得出,改进算法在信噪比大于8dB时,对信号的识别概率提高至95％,远高于原算法在信噪比大于10dB时,90％的识别概率。该算法仅用了5个门限参数,识别了包括噪声在内的7种信号,识别步骤最多3步,具有计算量小,实现简便的特点。     

基于谱相关和神经网络的信号调制识别

由于通信信号的体制及调制及调制方式的复杂多样,通信信号调制类型的识别显得尤为重要和迫切.基于调制信号的谱相关特征,提取了5个特征参数,给出了各个参数随信噪比变化的曲线图.分类器采用RBF神经网络,并从提高网络识别性能出发,构建了大容量和高质量的网络训练样本,能够扩大识别范围,提高识别精度.基于谱相关特征参数和RBF神经网络结合的算法能动态识另q信号的调制方式,仿真结果表明:该算法在低信噪比下能取得较高的正确识别概率.     

基于随机森林的认知网络主用户信号调制类型识别算法

针对低信噪比情况下主用户信号调制类型识别率低的问题,提出了一种使用信号循环谱中特征参数作为样本参数的基于随机森林的认知网络信号类型识别算法,通过使用训练完成的随机森林对主用户信号类型识别,有效抑制了采用ANN和SVM进行识别所造成的误差影响,提高了低信噪比下信号识别的精确度,实现了不同调制类型信号的有效检测与识别.实验结果表明:所提出的算法有较高的主用户信号调制类型识别精度,进而验证了算法的有效性.     

基于I/Q正交双路的USB、LSB和DSB的一种识别算法

针对传统的单路P参数识别算法中必须保留载波残余频偏的缺点,提出了一种基于I/Q正交双路的识别算法.该算法直接将信号搬到基带,无需保留载波残余频偏,消除了残余频偏对较低频段信号识别和解调的不利影响.给出了上边带调制信号、下边带调制信号和双边带调制信号在不同信噪比(SNR)下的P参数值,并给出了其在不同SNR下的正确识别率.仿真结果表明,在SNR不小于0的情况下,平均正确识别率在95%以上.     

噪声环境下基于小波熵的声发射识别

针对声发射技术在旋转机械故障检测中的强噪声干扰问题,提出了一种基于小波熵的声发射检测算法.该算法首先给定一个合理的阈值.对声发射信号进行小波分解.然后进行分帧处理,使信号在较短的时间间隔内保持特性基本不变,从而求出每一帧信号的小波熵.通过比较每一帧信号的小波熵值与阈值的大小,判断该信号为声发射帧还是噪声帧.为了检验算法的检测效果,在转子实验台上获得碰摩声发射信号.并在测试数据上叠加不同信噪比的高斯白噪声和非平稳噪声,进行声发射识别.实验结果表明:该算法具有较高的识别正确率;在低信噪比环境下,通过调整阈值的可调参数可以有效提高识别的正确率.     

数字通信信号调制方式识别算法的改进研究

为克服数字通信信号调制方式识别算法识别类型少,步骤复杂,识别率低等问题,在已有识别算法的基础上,通过对信号特征参数的分析和提取,提出一种基于决策理论的数字通信信号调制样式识别的改进算法。该算法通过比较不同信噪比下特征参数的取值概率直方图,选择判决门限值。同时,应用最大似然法则,并采用了可变的判决门限值,以得到最佳判决门限。研究结果表明,在信噪比（SNR：Signal to Noise Ratio）为10 dB时,算法的正确识别率达到96%以上,可识别包括噪声在内的7种信号,且信噪比为6～15 dB时,该算法的正确识别率不低于92%。     

一种声表面波转矩传感器快速解调方法设计

针对多个谐振器组成的无线无源声表面波(SAW)转矩传感器阅读过程复杂、耗时长的问题,利用SAW谐振器的频率响应特性设计了一种基于时域的转矩传感器快速解调方法.分析了SAW谐振器的响应特性并设计了信号的截断与去噪声方法,以及周期计算方法.根据设定的高频与响应信号周期的关系确定各个谐振器谐振频率的范围,然后通过谱估计具有最大周期的信号以解调出频率.提出的扫描方法只需采集一路信号,即降低了阅读器硬件系统的复杂性,同时在时域中简化了信号解调算法.通过实验测试了该扫描方法,完成一次搜索过程只需521ms,而传统的2路正交信号(IQ)扫描方法需要828ms.实验结果表明:设计的算法与IQ法相比扫描速度提高了37.1%,验证了该算法的有效性.     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

基于声表面波谐振器的三维纳米团簇敏感薄膜关键技术研究

设计了一种新型基于声表面波技术的气体传感器,理论分析了三维纳米线结构的比表面积大、灵敏度高等优点,采用具备高Q值和低插损的谐振型声表面波器件结构,制备了三维敏感膜结构的声表面波气体传感器.在此基础上,为提高吸附效应,对三维纳米线簇进行了修饰改进.通过将沙林气和芥子气注入放置了声表面波的气体传感器密闭腔体内,经过神经网络识别系统进行定性识别.实验结果表明,基于修饰改进后的纳米线簇敏感膜制备的声表面波气体传感器对给定毒气混合气体的整理识别率大于90%,能够满足通用的毒气定性检测要求.并且三维纳米声表面波气敏传感器的灵敏度和响应速度优于传统的传感装置,在识别系统加大样本数据量时,能够进一步提高识别精度.     

一种基于序列最大似然的多进制扩频捕获算法

针对多进制扩频系统的伪码捕获问题,通过分析多进制最小频移键控(MSK)正交扩频调制信号的组成规律,提出一种适合MSK调制系统的快速捕获算法.该方法将似然函数的计算分成两部分,分别用两个匹配滤波器实现,得到的似然函数计算单元实现结构简单,适合现场可编程逻辑门阵列(FPGA)实现.后级的多码元累加结构可提高系统低信噪比下的捕获性能.分析了该算法在MSK调制的多进制正交扩频系统中的捕获性能以及频差、信噪比等因素对检测概率的影响.仿真实验结果和性能推导验证了该方法的可行性.     

基于声表面波传感的无线标签识别系统

构架了一种基于声表面波延迟线式的无线标签识别系统,该系统以不同的无源编码标签代表不同的对象,通过对标签的传感以达到目标识别的目的,介绍了标签传感器和系统的信号处理方法,基于实际应用,对同一型号的标签传感器进行不同的体外编码,并在实验中对标签编码进行了验证。     

一种正交频分复用系统多径时延估计模型与算法

针对正交频分复用(OFDM)系统的时延(the time of arrival,TOA)估计未充分利用OFDM信号的时频特性及其精度较低的问题,根据OFDM信号的时频特性提出一种基于频域相偏的多径时延估计模型(Multipath Delay Estimation Based on Frequency Domain Phase-offset,FDP-MDE).并在此基础上,结合LTE(Long Term Evolution)系统的实际特点提出一种分组联合时延估计算法(Grouped Joint Time Delay Estimation,GJ-TDE).该算法首先将OFDM系统的时域接收信号转换为频域信号,然后对频域信号采样分成多组低维的接收数据矩阵并利用各采样数据矩阵组分级估计时延,最后取各时延估计值的平均作为定位时延值.仿真结果表明:在信噪比(SNR)为0dB、采样间隔为8的条件下,GJ-TDE算法的均方根误差(RMSE)比基于时域同步的Mensing算法降低了5.503 4m.     

二相编码信号载频盲估计快速算法研究

讨论二相编码信号载频盲估计快速算法.在没有接收信号先验知识的情况下,首先粗略估计出二相编码信号的载频(fc)和3 dB带宽(△f3dB),然后以(fc)为中心,以4(△f3dB)为带宽对BPSK信号滤波,再对滤波后信号平方得到一个准正弦波信号,估计出该信号的频率,最后将该频率除以2就得到BPSK信号的载频精确估计值.理论分析证明本算法的合理性,并给出算法的应用门限.仿真结果表明本算法在没有先验知识的情况下可以对BPSK信号载频进行精确估计,特别是在低信噪比条件下依然能够取得良好的估计性能,且本算法简单易行,运算量小,适合实时处理.     

多变量频域极大似然辨识算法研究

提出了多变量频域极大似然辨识算法.在单变量频域极大似然辨识算法的基础之上,得出多变量系统的频域极大似然辨识算法,并且优化设计多正弦辨识输入信号.针对大型挠性结构的模型进行了仿真,验证了算法的有效性,同时仿真结果表明:对于挠性结构,多变量频域极大似然辨识算法是有效的,而且能够在较大的频宽、较低信噪比的情况下得到良好的辨识结果.     

延迟线型无线SAW传感器的访问信号

分析了声表面波 (SAW)传感器无线测量时访问信号的宽度对回波及测量的影响。访问系统通过发射访问信号和接收回波并加以处理来获得测量信息。访问信号是一定宽度的高频脉冲 ,回波信号必然在两端存在过渡区。通过分析声表面波的激发和反射 ,给出了回波信号由多个反射差拍叠加的数学描述。计算了过渡区的宽度 ,提出了访问信号宽度必须大于过渡区的宽度并给出了确定公式 ,分析了访问信号的频率对回波信号的影响 ,给出了实测结果。该工作可以为无线声表面波传感器的设计和访问系统参数的确定提供理论依据     

声表面波技术在啁啾扩频超宽带射频识别中的应用

提出一种新的基于啁啾扩频超宽带技术的声表面波射频识别标签模型,该标签利用了伪随机序列进行编码,并使用了抽样函数作为扩频波形.标签参数符合超宽带无线通信标准,其带宽大于等于500 MHz.该系统具有时延小及发射功率低的优点.此外,提出了多址标签编码方式,取代了中心频率为2.45 GHz、带宽等于82.5 MHz声表面波标签通常使用的通/断编码方式.最后给出了仿真结果.