基于神经网络调制信号识别技术的发展

信号调制样式的自动识别是软件无线电必备的功能之一,基于人工神经网络的识别方法因其较其他方法具有更好的性能受到广泛关注。分析了基于神经网络调制信号识别技术的基本原理,将目前研究的调制信号识别分为基于多层感知器神经网络的调制信号识别和基于径向基函数神经网络的调制信号识别,提出了神经网络调制信号识别技术进一步的研究方向。     

基于密集连接机制的无线信号调制识别

为提高复杂信道环境下无线通信系统对调制信号的检测识别能力,以及针对当前调制识别方法存在的模型复杂、计算量大、输入数据特征不完备等问题。提出一种改进的深度学习算法模型,对真实无线环境下的9种常见调制信号进行识别研究。该算法通过对原始的同相正交(in-phase quadrature, IQ)数据进行幅度相位计算,以此增加模型输入数据的特征信息,采用改进的密集神经网络(dense neural network, DenseNet)对常见调制信号进行识别分类。实验结果表明：在相同的训练数据样本中,相比其他深度学习调制识别算法,改进算法性能最优。在信噪比为0时,DenseNet平均识别率达到84.6%。改进的IQ输入数据明显提高了无线信号的检测识别率,在信噪比为-10 dB和-5 dB时,调制信号的识别率提高了10%。     

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。     

db3小波神经网络与通信信号调制识别

调制识别在通信侦察和对抗中有重要应用,提出了用db3小波神经网络的组合分类来实现通信信号调制识别一种识别方法,并拟对非稳定、低信噪比的通信信号实现复杂调制类型信号识别,计算机仿真结果证实此方法的可行性.     

多传感器阵列信号的分布式恒虚警检测

对于均匀Gauss背景中的Swerlling II型起伏目标的多传感器分布式恒虚警检测,为了充分利用阵列雷达接收信号间的相位关系,采用了相干检波信号处理方式.针对局部检测统计量信息量大,通信带宽小的特点,结合实际检测中信号强度未知等困难,提出了广义似然比恒虚警(GLR-CFAR)局部处理算法.仿真结果表明,该检测方式性能接近最优性能,传感器积累对信噪比改善明显,达到3～7 dB, 提高小信号目标的检测概率,且具有实现简单的优点.因此,此方法适合用于多雷达检测场合.     

一种基于深度学习的辐射源信号调制识别新算法

针对传统的辐射源信号调制识别方法需要大量特征提取的问题,提出一种基于深度学习的辐射源信号自动调制识别算法,该算法通过对辐射源信号进行幅-相域二维图像表征,基于卷积神经网络实现层次化地理解和识别电磁信号。仿真结果表明:相比基于时域的传统信号调制识别算法,所提算法在中、高信噪下识别率分别提升了2.5%和2.3%,单信号的识别时间不大于0.1 ms。     

长距离HF射频识别信号检测技术研究与实现

针对UHF频段射频识别（RFID）技术的不足,提出一种长距离HF频段的RFID信号检测方案,重点在于增强灵敏度、提高标签感应距离.先分析标签负载调制的基本原理和反射信号的调制特点,再详细阐述检测通道关键环节设计与实现.     

基于光纤传感器的甲烷气体浓度信号采集方法

基于光谱吸收法设计了一种反射型光谱吸收光纤传感器网络结构,该结构可以完成对远距离多点甲烷气体浓度的实时测量。为了能够保证光谱扫描波长中心值与甲烷气体吸收峰相同,激光光源通过波长调制光谱完成调制,采用调整三角波的幅值与偏移量对光源波长进行调整。在接收端,为了对光电信号进行有效的采集,设计了一种多点高速信号的采集方法,并分析其调制深度的影响。实验证明,软件采集算法以及合适的调制深度能够满足工程中光纤气体传感器多点采集的精度要求。     

基于GAR的同信道多信号的调制识别

为了解决同信道多信号的调制识别问题,提出了一种基于广义自回归(GAR)建模的调制识别方法。该方法利用观测数据的GAR模型参数估计各个待识别信号的短时平均中心频率和短时平均带宽,把一个多信号的调制识别问题转化为多个单信号的调制识别,并利用信号的短时平均中心频率和短时平均带宽的统计量作为特征输入到分类器,完成各个信号的调制类型识别。计算机仿真结果表明,当待识别信号在频域没有重叠或者部分重叠时,该方法都是有效的。     

时变多径信道中通信信号调制识别算法

为解决时变多径信道中调制分类问题,提出对数字通信信号先分段盲均衡,后星座图匹配的识别策略,保证了每段信号对应的信道环境近似静态以及降低码元速率和载波频率的估计误差对均衡的影响。选取与信号星座图形状无关的分数阶盲均衡算法,以满足调制识别过程中均衡算法对调制类型盲的要求。信道时变使得各段序列均衡效果表现很大差异,采用极大似然比方法挑选最佳均衡段。对最佳均衡段通过星座图匹配实现调制类型判别。仿真结果表明:在典型城市和恶劣城市模型下,信噪比大于5 dB时,平均正确率在90%以上,该算法对时变多径信道非常有针对性。     

时变多径信道中通信信号调制识别算法

为解决时变多径信道中调制分类问题,提出对数字通信信号先分段盲均衡,后星座图匹配的识别策略。保证了每段信号对应的信道环境近似静态以及降低码元速率和载波频率的估计误差对均衡的影响。选取与信号星座图形状无关的分数阶盲均衡算法,以满足调制识别过程中均衡算法对调制类型盲的要求。信道时变使得各段序列均衡效果表现很大差异,采用极大似然比方法挑选最佳均衡段。对最佳均衡段通过星座图匹配实现调制类型判别。仿真结果表明:在典型城市和恶劣城市模型下,信噪比大于5dB时,平均正确率在90%以上,该算法对时变多径信道非常有针对性。     

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。     

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。     

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．     

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.     

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。     

基于GA-SVM算法的矿井多模无线信号调制识别

矿井信息化是煤矿安全生产的有效保障,而矿井多个信息子系统往往采用不同的信号模式,形成一体化信息系统必须实现多系统融合,多模信号的检测识别是多系统融合的关键。针对普通支持向量机(SVM)分类器在矿井大小尺度衰落信道下低识别率的问题,提出优化SVM分类识别的方法。将数据样本集分为测试数据集和训练数据集,使用遗传算法对训练数据集中SVM的惩罚因子和核函数进行寻优处理,得到优化的SVM模型,并用此模型对测试集进行测试分类。仿真结果表明,在信噪比为-5 dB的大小尺度衰落信道环境下,四种信号的平均识别率均能达到80%以上;在信噪比大于-3 dB的大小尺度衰落信道环境下,四种信号的平均识别率均能达到90%以上。     

基于蚁群神经网络的调制识别

针对通信信号具有非稳定和信噪比变化范围较大的特点,利用蚁群算法优化的神经网络分类器对各种调制信号的特征矢量进行分类识别,强化神经网络的广泛映射能力和蚁群算法的快速、全局收敛以及启发式学习等特点,避免神经网络收敛速度慢、易于陷入局部极小点的问题.使得分类器的识别率、收敛速度和鲁棒性得到明显改善,仿真实验中的信道为高斯信道,且在信噪比为5dB时也获得了较好的识别率.实验结果证明了此方法的有效性和可行性.     

基于局部检测统计量的反馈多传感器分布式检测

传统的多传感器分布式检测反馈方法把融合中心的二元判决送到局部检测器,再利用局部检测器的二元判决形成下一次融合,从而需要双向通信.为了更充分的利用观测信息,降低系统的复杂度,该文提出了一种基于局部检测统计量的多传感器分布式检测反馈方法.新的反馈方案把融合中心的全局统计量重新送到融合中心,与下一步的局部检测统计量一起形成新的全局统计量.并在局部检测器为两个的情况下,分析了新的反馈方案的检测性能并与传统的方案进行了比较.结果表明新的方案使分布式检测性能有明显加强,同时更便于实现.最后给出了实际应用的计算分析方法.     

新型光子学多参数调制UWB信号产生方法

为了提高光子学产生超宽带(UWB)信号系统的灵活性,提出了一种新型的多参数调制UWB信号产生方法.该方法基于非线性电光强度调制原理在光域中产生符合要求的UWB Doublet信号波形,采用双平行支路的系统结构实现对输出UWB信号的多参数调制.通过理论推导和计算机仿真对所提方法进行分析与验证,研究结果表明:该方法能在光域...