利用循环谱和参数统计的数字调制信号识别

该文利用决策理论识别常用数字信号调制方式. 该识别方法基于接收信号的循环谱和参数统计法,采用谱相关测量的频率平滑法分析数字信号在循环频率轴上的特征谱,运用参数统计法提取统计参数,用于数字调制信号识别. 最后利用决策理论,给出信号识别流程图及判决门限. 实验表明,在信噪比为5 dB的条件下,对预期调制信号2ASK, 4ASK, 2FSK, 4FSK, 4PSK, 8PSK的识别率可达90%, 说明该方法在低信噪比下识别效果良好.     

ZPOFDM循环平稳性分析及在多载波信号识别中的应用

针对多载波调制分类算法无法识别零前缀正交频分复用(zero-padding OFDM, ZPOFDM)信号的问题,提出了一种改进的OFDM信号识别方法. 利用ZPOFDM等信号的二阶循环累积量特征,结合循环平稳性检测,实现衰落信道下包括ZPOFDM、循环前缀正交频分复用(cyclic-prefix OFDM CPOFDM)、单载波等信号的分类.理论分析与实验结果表明,该方法在没有同步及参数估计等预处理条件下能实现频率选择性衰落信道下多载波信号的有效区分.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

Alpha稳定分布噪声下卫星双信号调制识别

针对现有基于循环谱的单信号调制识别方法在Alpha稳定分布噪声下失效的问题,提出一种基于广义二阶循环谱的双信号识别方法.首先分析广义二阶循环谱对Alpha稳定分布噪声的不敏感性,在此基础上再分析待识别混合双信号的谱特性,提取其循环频率域脉冲谱线特征构成特征参量,最后通过检测脉冲谱线数量实现双信号的调制识别.仿真结果表明,该方法在Alpha稳定分布噪声和高斯噪声下都有良好的识别性能.     

MIMO信号调制方式盲识别

提出一种基于盲信号分离的方法对MIMO信号进行调制识别. 该方法对接收信号的相关矩阵作奇异值分解,用于估算发射天线数目,并对信号进行白化. 采用特征值矩阵的联合近似对角化(joint approximate diagonalisation of eigen-matrices, JADE)算法对接收信号进行分离,恢复发送端信号. 通过分析信号的频谱特征,提出4 个新的特征参数,并结合四阶累积量实现对MIMO体制下6 种信号调制方式的识别. 识别过程中无需估计载波频率和符号率等参数,具有较强的实用性. 仿真结果表明文中提出的方法具有良好的性能.     

基于深度神经网络的数字信号调制类型自动识别方法

针对在莱斯衰落信道下传统神经网络数字信号调制识别准确率会有所降低的问题,提出了一种基于深度神经网络技术的数字信号调制类型自动识别方法.该方法从接收信号样本中提取了多组特征参数作为分类器输入,用于识别4ASK,BPSK,QPSK,8PSK,16QAM和32QAM这些数字调制信号.此外,分类器采用了具有三个隐藏层的全连接深度神经网络结构.仿真结果表明,分别在加性高斯白噪声和莱斯衰落信道下,提出的方法与现有分类方法相比具有较好的性能改进,尤其是在具有较高多普勒频率时.     

基于星座图和相似性度量的调制方式识别

讨论了存在相位误差情况下的调制识别问题,改进了以星座图形状为特征的识别算法.首先利用基于样本与核的相似性度量,对接收信号观测点动态聚类,得到重构星座图.然后,将重构星座图和预期星座图进行匹配,利用所提出的最大似然准则,完成星座图分类.该准则等效于最小距离分类准则,匹配方法简单,避免了以往基于星座图形状识别算法中,为得到重构星座图顶点统计特性所需的训练阶段.考虑到噪声对相位估计的影响,仿真表明,在已知和未知信号调制状态数情况下,SNR分别为10 dB和15 dB时,对所涉及的调制集可获得90%以上的识别率.     

应用ICA的混沌直扩信号盲分离及检测

摘要： 混沌直扩信号是由普通混沌信号直接调制信息信号得到的一类扩频通信信号,它兼有混沌信号和直扩信号容量大、低截获等特点. 该文针对复杂环境下非合作混沌直扩信号检测的问题,考虑到多径传输及噪声条件下混沌直扩信号混沌特性被明显削弱,在考察直接检测方法的基础上提出一种基于ICA的信号盲分离和混沌特性检测相结合的检测方法. 首先将接收到的混合信号分离成各单路信号,再检测各路信号的混沌特性. 理论分析和仿真实验表明,分离后混沌直扩信号的纯净度明显提高,基本上不再受噪声等的影响,在输入信噪比?40 dB 条件下仍可有效检测出混沌直扩信号.     

压缩感知稀疏识别用于多视角图像目标分类

针对多视角条件下的图像目标分类问题,提出一种基于压缩感知特征的稀疏识别方法. 该方法以原始图像的感知数据为特征描述,将测试样本与训练样本集的压缩感知特征纳入稀疏识别的框架,并通过求解一个l1范数优化问题来获取分类结果. 实验表明,该方法不仅有效利用了压缩感知特征的信息冗余性来保证稀疏识别的性能,而且无需进行预处理就能较好地实现多视角图像的目标分类.     

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST （MLP&spatial-temporal）,模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index,AQI）。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型,验证了所提出模型具有良好的预测效果。     

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法。本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息。其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法。最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度。实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法。     

利用二元结构特征的人脸识别

提出了一种基于二元结构特征提取的人脸识别算法. 该算法将所有类进行两两组合,以两类分类器为基础,为每个两两组合类间的识别挑选最适合分类的特征构成特征选取空间. 对未知样本进行测试时,在特征选取空间中计算测试样本与所有训练类的相似度,将未知样本判断为与之相似度最大的类. 运用AT&T和AR人脸数据库对该算法进行性能测试,与其他算法相比,该算法能在较小的特征维数下获得更高的识别率.