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.     

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FPGA的混合信号调制识别实现

为了识别4种常见调制方式混合信号的调制方式,针对混合信号的特征,提出了在FPGA上实现的混合信号调制识别方案。该方案利用混合信号与单信号的全采样序列星座点以及定时抽样序列弱信号的差异提取特征参数完成信号识别功能。先经MATLAB仿真验证了算法的可行性,又经ModelSim功能仿真验证了算法可用于现场可编程门阵列,最后配合ChipScope软件完成硬件实现测试。实验证明,调制识别算法具有可行性,在信噪比不低于15 dB时对各混合信号的调制识别有着较高的成功率。     

调制识别算法研究

利用基于特征参数的算法对AM、FM、PSK、QPSK四种信号进行识别,归纳总结A.K.Nandi等人的研究成果,针对调制信号的的特点,对原有的参数做了改进,并且对改进的识别算法做了分析与仿真,达到了较好的效果。     

一种新的数字调制信号自动识别方法

论文以软件无线电中数字调制算法为理论依据,分析提取了用于自动识别的基于参数统计的特征参数,提出利用调制信号幅度方差与均值的比值及频率方差与均值的比值实现调制方式识别。在高斯白噪声信道条件下,建立的模型可以很好的实现多种数字调制信号的自动识别,而且在较低信噪比情况下达到很高的识别效率。     

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%。     

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。     

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。     

一种新的基于支持向量机的自动调制识别方案

为了解决在合作或非合作的通信应用领域中（如软件无线电，电子侦察系统等）多种调制信号之间的切换问题，提出1种基于多类别支持向量机（SVM）的模拟和数字信号的调制识别的新方案。SVM将特征向量非线性地映射到高维特征空间中，并建立1个最优超平面来实现信号调制方式的分类。这种方法避免了在人工神经网络中的过学习、欠学习以及局部最小化的问题。仿真中将应用于调制识别的SVM算法与人工神经网络算法（ANN）做了比较，结果表明SVM自动调制识别方法结构简单，识别率高，解决小样本的能力强，在信噪比SNR不低于5dB时，正确识别率达到94％以上，适于在工程中应用。     

莱斯衰落信道下 MQAM 信号调制方式自动识别方法

针对受莱斯衰落影响的4QAM、16QAM、32QAM、64QAM、128QAM、256QAM六类信号,分别研究了卷积神经网络（CNN）模型以及特征参数结合深度神经网络（DNN）分类器模型的调制方式识别性能。CNN模型需要大量带标签的数据集以及很长的训练时间才能获得较好的识别性能,而特征参数结合深度神经网络分类器模型所需训练时间较短,但其分类性能受限于特征参数的设计。针对以上问题,研究了混合高阶矩作为特征参数集,再将DNN作为分类器对多进制正交幅度调制（MQAM）信号进行识别的方法。仿真结果表明,该方法在低信噪比情况下对受莱斯衰落影响的MQAM信号识别准确率高于CNN模型,且分类准确率上限明显高于采用高阶累积量作为特征参数的方法。     

二次调制信号与PSK类信号的自动盲识别算法

研究了卫星通信中常用的二次调制信号和PSK类信号的自动盲识别算法。从信号时域和频域出发,提取了能反映调制方式差异的瞬时特征,并对这些特征进行了理论分析。在区分非恒包络信号时,引入了自相关处理,改进后瞬时幅度包络特征差异更加明显,在对二次调制信号进行识别时,引入了FM盲解调用于恢复内调制信号,内调制PSK信号的识别采用基于谱线特征的识别算法。最后通过计算机仿真验证了其识别性能,在信噪比不低于4 dB时,对信号集内的信号识别率达到90%以上。     

数字调制方式的识别研究

数字调制方式的识别对于通信信号分析有着重要的作用 .此文首先介绍了数字调制方式的识别算法(DMRA) ,即判决理论算法的原理 ;然后提出了一种基于该算法的判决流程 ;最后在软件环境中进行计算机仿真 ,通过实验数据对该算法进行修正 .仿真结果表明 ,该修正算法具有较高的识别率和良好的可行性 .     

一种新的OFDM系统自适应调制算法

提出了一种新的用于正交频分复用(OFDM)系统的自适应调制算法,它在保持恒吞吐量的前提下对OFDM系统进行自适应比特分配和自适应功率分配．与使用固定调制方法的OFDM系统相比,使用该算法系统的误码率性能和吞吐量有了很大的提高．该算法计算量较小,是一种实用的自适应调制算法．模拟结果表明引入子载波分组后系统性能依然保持良好,并且信道估计偏差对本算法的影响较小.     

基于元学习的小样本调制识别算法

针对基于深度学习的调制识别算法对带标签样本需求量过大的问题,采用基于元学习思想的多任务训练策略,通过大量不同的任务训练网络来获取一种跨任务的信号识别能力,使得网络在面对新信号类别时仅需少量样本就能快速适应。为更全面地提取信号样本的特征,设计了一种由卷积神经网络和长短时记忆网络并联组成的混合特征并行网络,通过度量样本特征向量间距离的方式完成识别任务;并引入可同时考虑信号类内与类间距离的联合损失函数,以使信号样本特征在度量空间内的分布能更加紧凑,从而实现更高效的相似性比对。实验结果表明,该算法在仅有5个带标签信号样本条件下最高可达到88.43%的识别准确率。     

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.     

独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。