存在定时误差的MQAM信号调制方式识别

为了提高在定时误差情况下的多电平正交幅度调制(MQAM)信号调制方式的识别率,提出了一个改进的聚类分析算法(MQAM基带信号进行识别).该算法采用γ和N两个参数进行聚类,对接收到的数据进行盲定时估计并经过插值滤波消除定时误差,提高识别率.仿真结果表明,该算法对定时误差20%Ts,信噪比为5 dB的64 QAM信号也有85%的识别率.     

软件无线电中基本调制制式的自动识别

调制制式的自动识别是非合作通信系统接收机设计中的重要研究课题．着重讨论了利用特征参数对几种基本调制制式(DSB^*、FM、PM、2ASK、2FSK、2PSK)自动识别问题，对叠加了高斯白噪声的通信信号的自动识别进行了计算机仿真．实验结果表明，此种识别算法具有较为理想的识别效果．     

浅析通信信号的调制识别

本文介绍了常用的通信信号调制方式,并分析了目前的一些信号识别方式的优缺点,最后对信号调制识别技术的发展进行了展望。     

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。     

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。     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

软件无线电中数字调制信号的自动识别

针对软件无线电系统中数字信号调制方式的自动识别提出一种改进算法．使用从调制信号中提取的的特征参数，对多个MLP分类器进行独立训练，使用输出向量的加权投票表决法来融合多个MLP分类器的方法，得到了在信噪比大于等于10dB时良好的效果，验证了方法的可行性．     

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。     

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.     

语音信号的混沌调制识别

在语音信号ＧＴＦ特征的基础上，提出一种基于混沌调制的语音识别新方法．实验结果表明，该方法对语音的缺损和突发性噪声干扰具有很强的容错能力．     

下垫式认知无线电网络的鲁棒功率分配算法

针对认知无线电网络功率分配的参数扰动性问题,提出一种基于保护因子的认知无线电鲁棒功率分配算法.该算法根据实际系统信道参数的扰动性,对授权用户干扰功率阈值引入保护机制进行鲁棒规划,运用Lagrange对偶算法和凸优化相关理论得到最优功率分配,解决了下垫式(Underlay)模式下认知无线电网络信道参数扰动性问题.仿真结果表明,该算法具有较好的鲁棒性,降低了算法复杂度,并提高了认知无线电网络的系统容量.     

基于半监督聚类理论的MQAM信号的盲识别

在MQAM信号的调制识别中,传统聚类算法聚类效果差,误差平方和函数出现起伏且收敛慢.对此问题,提出由标记的样本点来指导隶属度及聚类中心的更新的半监督聚类理论重构MQAM信号星座图的方法.通过分析星座图,提出了基于星座图圆半径的识别方法,完成了对不同阶数MQAM信号调制方式的识别.仿真结果表明该方法提高了聚类准确度,误差平方和函数曲线平滑,且MQAM信号的识别率在90％以上.     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG(Bandwidth and Power Control Game Algorithm)算法,研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高.仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带的增加,实现网络吞吐量的最大化.     

基于解码转发的认知无线电机会功率控制算法

频谱感知是认知无线电网络正常工作的基础,而功率控制问题的解决是认知网络和主用户网络正常运行的保证。文中研究协作认知无线电通信,在保证授权用户服务质量和认知用户最大功率受限条件下,将高信噪比时的解码转发(decode-and-forward,DF)和基于频谱感知结果的机会功率控制算法结合,提出新的机会DF功率算法。通过基于对主用户感知结果的最优中继选择策略,在保证主用户正常通信不受影响的前提下,最大程度提高次用户信道信噪比,提高认知网络容量,并且认知系统能够获得空间满分集度。理论和仿真结果同时表明,基于主用户出现概率的最优中继选择最大程度的消除了次用户对主用户的干扰,提高了认知系统容量。     

认知无线电中基于无限次重复博弈的功率控制算法

通过博弈来实现认知无线电中的功率控制.当两用户功率控制博弈时,用户通过功率的迭代注水法实现最大化自身速率,达到纳什均衡.功率分配的纳什均衡点构成囚徒困境,但这种囚徒困境的均衡点并非全局最优.应用两用户功率控制的无限次重复博弈算法,通过选择严厉的触发策略,当折扣因子σ足够接近于1,使两用户在无限次重复博弈中一直合作使囚徒走出了困境,最终达到了功率分配的帕雷托最优的均衡结果.     

感知无线网络感知用户接入授权系统的模型研究

在感知无线网络中,感知用户接入授权系统是提高频谱利用率的一种有效方法.本文将感知用户接入两种授权无线电系统的连续时间的马尔可夫模型,进一步推广到接入多种授权无线电系统的一般模型.在此基础上,推导并讨论了几个重要的系统参数:阻塞概率,被迫中断概率和信道利用率.数值结果表明,该系统在阻塞概率,被迫中断概率和信道利用率方面具有良好的QoS性能,并为进一步研究感知无线网络奠定基础.     

认知无线电中基于数据冲突的吞吐量和感知周期均衡

为了实现认知无线电用户的数据吞吐量与感知周期的均衡,在分析主用户数据流量的指数分布模型和认知用户的周期帧结构模型的基础上,建立了相应的数据冲突模型,优化设计了认知用户的感知周期,在尽量降低数据的冲突概率的前提下实现了认知用户吞吐量与感知周期的均衡。通过蒙特卡洛仿真验证了相应的优化设计。     

基于囚徒困境的认知无线电竞争频谱共享分析

利用囚徒困境模型,分析了认知无线电用户相互竞争频谱空间的问题.自私理性的认知无线电用户贪婪的扩展自身所占频谱空间,并通过频分复用或迭代注水等方式实现最大化自身速率,最终导致了纳什均衡.比较此非合作情形下两用户的性能回报矩阵并得到该模型下信噪比与干扰增益的关系.最后在该条件下仿真和分析竞争频谱共享的性能.