多调制指数CPM信号的新分解方式及其准相干解调

针对卫星通信等资源受限的无线通信系统,研究了多调制指数连续相位调制(Multi-h continuous phase modulation, Multi-h CPM)信号的调制与解调相关问题。首先提出了一种新的分解方式来简化Multi-h CPM信号的调制过程,并给出了相应的周期性状态网格图。然后根据新的分解方式设计了一种适用于Multi-h CPM信号的导频辅助准相干解调算法,并从功率谱和误码性能两方面对所设计的Multi-h CPM信号和单调制指数CPM(Single-h CPM)信号进行了评估与比较。仿真结果表明:无论采用何种频率脉冲, Multi-h CPM信号都要比Single-h CPM信号具有更加光滑的功率谱曲线;仅两个导频符号辅助下,未编码Multi-h CPM系统较未编码Single-h CPM系统有将近2 dB的性能增益,且在低信噪比下,编码Multi-h CPM系统性能要比编码Single-h CPM系统好0.1~0.25 dB。     

多调制指数CPM信号的新分解方式及其准相干解调

针对卫星通信等资源受限的无线通信系统,研究了多调制指数连续相位调制(Multi-h continuous phase modulation, Multi-h CPM)信号的调制与解调相关问题。首先提出了一种新的分解方式来简化Multi-h CPM信号的调制过程,并给出了相应的周期性状态网格图。然后根据新的分解方式设计了一种适用于Multi-h CPM信号的导频辅助准相干解调算法,并从功率谱和误码性能两方面对所设计的Multi-h CPM信号和单调制指数CPM(Single-h CPM)信号进行了评估与比较。仿真结果表明:无论采用何种频率脉冲, Multi-h CPM信号都要比Single-h CPM信号具有更加光滑的功率谱曲线;仅两个导频符号辅助下,未编码Multi-h CPM系统较未编码Single-h CPM系统有将近2 dB的性能增益,且在低信噪比下,编码Multi-h CPM系统性能要比编码Single-h CPM系统好0.1~0.25 dB。     

多指数连续相位调制定时相位联合估计

多指数连续相位调制(Multi-h CPM)是一种有效的恒包络调制技术,由于其相位连续的特性,信号带宽较小.利用ML方法在Walsh信号空间中进行Multi-h CPM符号定时和载波同步的联合估计,为了有效地界定该方法,还推导了Multi-h CPM的修正的CROB边界.仿真表明,该方法具有良好的性能.     

基于熵特征和支持向量机的调制识别方法

通信信号调制识别在非合作通信领域是一项重要的研究课题。针对当前算法计算量大,能识别的调制类型少的特点,提出了一种基于熵特征和支持向量机（support vector machine, SVM）的调制识别新方法。该算法通过提取接收信号的多维熵特征,作为调制识别的特征参数,并利用基于二叉树的SVM作为分类器,对接收信号进行调制识别。除了信号的信噪比,该算法不需要信号带宽和载频等其他先验知识。理论分析与计算机仿真结果表明,该方法具有很高的识别率,计算量小,具有很好的应用价值。     

基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio，SNR）下识别率低、训练速度慢、识别调制类型少的问题，提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine，GA-ELM）的调制识别算法。首先，提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数；其次，采用GA-ELM作为分类器。仿真实验表明，对11种模拟、数字调制信号进行分类识别，在SNR大于4 dB时算法的总体识别率均超过98%，同时该算法训练速度快，识别系统设计简单，具有较大的应用价值。     

一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。     

NOMA中的SS-CPM卫星信号捕获算法

调制指数大于1的扩频连续相位调制(spread spectrum continuous phase modulation, SS-CPM)信号是一种极具潜力的卫星信号调制方案, 然而其多峰特性容易导致非正交多址接入(non-orthogonal multiple access, NOMA)条件下的错误捕获。针对这一问题, 本文建立基于NOMA的SS-CPM信号模型, 提出一种基于状态转换的碰撞跳跃检测算法, 分析所提算法在不同发射功率、用户数、相对时延以及调制指数下的捕获性能。仿真结果表明, 所提算法适用于NOMA条件下的SS-CPM信号捕获, 且用户数较少、发射功率相近, 相对时延较大或调制指数较小时, 具有更优的捕获性能。     

基于联合特征参数的数字调制识别优化算法

针对数字调制识别在低信噪比下的应用,提出了一种基于联合特征参数的数字调制识别优化算法。该算法利用调制信号的高阶累积量和时域瞬时信息,并结合星座图特征进行特征提取,采用弹性反向传播（resilient back-propagation, RPROP）算法训练的反向传播（back propagation, BP）神经网络对多进制数字幅度调制（M-ary amplitude shift keying, MASK）、多进制数字频率调制（M-ary frequency shift keying, MFSK）、多进制数字相位调制（M-ary phase shift keying, MPSK）、多进制正交幅度调制（M-ary quadrature amplitude modulation, MQAM）共4类12种信号进行分类识别。仿真结果表明,当信噪比低至-2 dB时,提出的调制识别优化算法可使12种数字调制信号的正确识别率均达97%以上,极大地改善了低信噪比下的识别性能。     

一种基于高阶累积量的数字调相信号识别方法

针对当前通信信号中常用的数字调相信号BPSK、QPSK、π/4-QPSK、8PSK的调制识别问题,提出了一种基于信号差分高阶累积量的识剐算法.该算法分两个层次进行调制识别,首先利用信号的四阶累积量特征对BPSK、QPSK和{π/4-QPSK、8PSK}信号进行识别,然后再利用信号差分的四阶和八阶累积量特征对π/4-QPSK、8PSK信号进行识别.从理论上分析了的该算法的有效性,并通过计算机仿真验证了算法具有良好的性能.     

基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

多载波PSWFs-CPM联合调制信号设计与分析

连续相位调制(continuous phase modulation, CPM)信号具有恒包络、较高功率效率等优势, 基于椭圆球面波函数(prolate spheroidal wave functions, PSWFs)信号多载波调制解调系统具有较高频带利用率。结合CPM技术和基于PSWFs信号的多载波调制方法, 提出一种基于PSWFs信号的多载波调制与CPM联合调制信号(multi-carriers modulation based on PSWFs with CPM,MCM-PSWFs-CPM)模型, 对该信号的功率谱特性、峰均功率比、误码率性能等进行了分析。仿真结果表明, 相比现有基于PSWFs的多载波调制解调系统, 该模型所得信号功率谱带外衰减可以相对较快, 当载波数为64、互补累计分布函数(complementary cumulative distribution function, CCDF)为10^-3时, 可有效降低峰均功率比值约2.70 dB, 采用多符号周期检测方法, 可以获得较好的解调增益, 且符号数越大, 检测性能越好, 但是检测复杂度也会相应增加。     

基于集成学习与特征降维的小样本调制识别方法

针对有标签样本较少条件下的通信信号调制识别问题, 提出一种基于集成学习与特征降维的小样本调制方式分类模型。首先,通过集成人工特征与深度学习自动提取特征构成特征集合。然后,设计特征选择算法对特征合集进行优选生成高效特征子集。最后, 利用可快速收敛的高性能分类器对信号进行区分, 实现在少量有标签样本和大量无标签样本条件下的调制方式分类。仿真结果表明, 通过对8种数字信号进行调制识别, 在信噪比为20 dB时, 所提算法可将信号最高识别率提升至96%, 同时该算法设计简单, 具有较大应用价值。     

基于零阶椭圆球面波信号的连续相位调制及性能分析

连续相位调制技术在卫星通信、深空探测、遥感遥测等航空航天领域具有重要应用, 连续相位调制信号的性能通常取决于其基带调频脉冲信号。零阶椭圆球面波信号是时频域高能量聚集性信号, 且该信号的时间带宽积可以灵活控制。结合连续相位调制原理, 探索性地将零阶椭圆球面波信号应用于连续相位调制, 与现有主要连续相位调制信号性能进行了对比分析。结果表明, 与基于矩形脉冲、升余弦脉冲的连续相位调制最小频移键控信号、正弦频移键控信号相比, 该方法所得调制信号的功率谱带外衰减和高频滚降可以更快, 在含99.9%信号功率带宽条件下, 系统频带利用率可分别提升13%和16%, 且在全响应条件下系统的误比特率性能较好。     

基于TCNN-BiLSTM网络的调制识别算法

针对传统调制识别算法在低信噪比下识别率不高的情况,提出双路卷积神经网络级联双向长短时记忆(two-way convolutional neural network cascaded bidirectional long short-term memory, TCNN-BiLSTM)网络的调制识别算法。首先,该算法并联不同尺度卷积核的卷积层,提取调制信号不同维度的特征。然后,级联BiLSTM层,对多维特征构建LSTM时间模型。最后,使用softmax分类器完成识别。仿真实验表明,所提算法结构在加性高斯白噪声和特定信道参数的瑞利衰落信道下,性能要优于基于传统特征和其他网络结构的识别算法。在特定信道参数的瑞利衰落信道下信噪比低至6 dB时,该算法对6种数字调制信号的识别率仍可达到92%以上。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。