Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

利用概率估计和支持矢量机的信号调制分类

提出了一种常用数字通信信号调制分类算法。针对MASK、MFSK和MPSK调制,选取截获接收机输出信号的瞬时幅度、时频脊线和差分基带信号作为分类特征,利用概率密度估计算法求取分类特征的分布函数,通过构造支持矢量机分类器确定分布函数的峰值个数,从而在多种噪声背景下实现了信号调制类型的自动分类。仿真实验表明,当信噪比大于5 dB时识别率可达80%以上。     

带限MPSK信号的调制分类

提出了一种带限MPSK信号调制分类算法,对截获接收机输出的带限MPSK信号在未知载波频率的情况下,通过对延迟乘积信号进行分析处理,利用小波变换提取其码元跳变点,进而得到与原信号调制类型一致的复基带信号序列。并利用此基带序列的高阶累积量构造分类特征不变量,在宽信噪比范围内实现了带限MPSK信号的调制分类。理论分析和实测信号处理证明了提出算法的有效性。     

高阶相关调制分类原理、判决门限与仿真研究

信号的自相关函数由傅里叶变换与其功率谱相联系。Beidas和Weber揭示了自相关函数与似然函数的关系 ,并建立了高阶相关调制分类方法。推导了用信号高阶相关代替似然比进行MFSK调制分类的基本原理 ,推导了截断似然比检测性能分析的基本公式 ,研究了高阶相关调制分类门限设置方法 ,进行了MFSK调制分类计算机仿真试验。结果表明该方法是可行的 ,并可望用于其它问题中。     

基于小波变换的通信信号码元速率估计

自动调制识别在电子侦察和电子战领域中扮演突出角色。怎样在没有先验知识的情况下对码元速率进行估计是调制识别领域一个重要的问题。小波变换可以有效地提取数字通信信号的瞬时突变特征。本文提出了一种估计码元速率的方法,这种方法在无先验知识的情况下对MPSK信号的码元速率进行估计。在matlab仿真中,如果我们选取合适的小波函数,小波变换幅度在相位突变时就会出现峰值,而且峰值之间的间隔是码元周期的整数倍。计算机仿真结果证明了该方法在低载噪比(CNR)下的有效性。     

基于幅度矩的MQAM信号调制方式识别方法

为了实现盲接收情况下多进制正交幅度调制(MQAM)信号调制方式的有效识别,提出了一种基于改进幅度矩的识别方法.该方法在传统幅度矩的基础上提出了非起始点幅度矩(NASM)作为识别不同MQAM信号的特征参数,无需预知信号的载波频率和码速率,只利用少量的数据样本即可实现盲接收情况下MQAM信号调制方式的识别.详细论述了该方法实现原理,分析并验证了成形滤波、时间延迟、数据长度和信噪比对识别性能的影响.仿真结果表明,当信噪比大于5dB时,MQAM信号的正确识别率超过了98%,验证了该方法的有效性.     

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。     

基于星座图统计的盲载波同步算法

卫星通信信号中90%以上采用相位或幅相联合调制方案,包括多进制相位键控（multiple phase shift keying,MPSK）,多进制正交幅度调制（multiple quadrature amplitude modulation,MQAM）,多进制幅相键控（multiple amplitude phase shift keying,MAPSK）等,此外短波通信、移动通信中MPSK也是最常用的信号类型之一。载波同步是信号解调中十分关键与核心的部分。针对非合作接收条件下幅相调制类信号星座图分布特性进行了深入研究,提出了一种基于星座图密度统计的载波同步算法,实现了一定信噪比条件下盲频偏消除与星座图恢复,此方案不需要预先进行调制识别,对数据量要求不高,复杂度低,抗噪性能好,可广泛应用于常规信号以及未知、猝发信号解调。仿真表明,在接近或高于解调信噪比的条件下,该方法频偏估计性能接近克拉美罗限,可应用于工程实践。     

一种最大似然调制识别的快速算法

针对最大似然调制识别算法计算复杂度高的问题,提出了一种可用于实时软件接收机中的离散最大似然算法。通过预存离散似然函数值而后直接查表调用的方式解决耗时的似然函数计算问题,并且算法对载波频率偏差和相位偏移具有鲁棒性。仿真结果表明,该算法与最优最大似然调制识别算法相比,能有效地简化运算复杂度而性能损失较小。     

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 ,这种方法具有很高的分类性能和良好的稳健性     

基于独立成份分析的MPSK信号调制制式自动识别

针对低信噪比情况下传统的MPSK信号识别算法效率不高的问题,提出一种基于快速独立成份分析(FICA)的MPSK信号非监督识别算法.该方法借助快速独立成份分析提取具有不同分布特征的信号分量作为最大似然分类器的识别特征.实验结果表明,此算法在低信噪情况下能有效地分离信号与噪声分量,挖掘有用信息,实现对MPSK信号的高精度自动识别.     

基于直方图统计矩特征的小波域音频隐写分析

提出了一种小波域音频隐写分析方法,对语音信号进行2级小波分解,然后计算每个小波子带系数直方图及其频域(直方图的离散傅立叶变换)的高阶统计矩,共同构成24维特征矢量,并用BP(Back Propagation)神经网络进行分类.利用CASIA98-99语音库中的370个语音进行了测试,实验结果表明:联合特征优于单种特征的分类性能,且对小波域LSB(Least Significant Bit)、小波系数量化QIM (Quantization Index Method)和小波域迭加三种信息隐藏方法的检测正确率均达到91%以上.     

基于四阶累积量与核Fisher判别分析的MPSK信号分类方法

提出了一种基于高阶累积量和核Fisher判别分析的MPSK信号自动调制识别方法。该算法选取信号的四阶累积量作为分类特征,利用核函数的思想把特征向量映射到一个高维空间,并在高维空间中采用线性Fisher判别分析实现了数字信号的分类。选用了径向基核函数,使用一对一或一对余多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳健的多类核Fisher判别分析分类器。计算仿真结果表明,基于核Fisher判别分析的分类器具有良好的性能,它与支持向量机的分类精度相当,且训练时间较短。     

Digital modulation classification using multi-layer perceptron and time-frequency features

Considering that real communication signals corrupted by noise are generally nonstationary, and time-frequency distributions are especially suitable for the analysis of nonstationary signals, time-frequency distributions are introduced for the modulation classification of communication signals. The extracted time-frequency features have good classification information, and they are insensitive to signal to noise ratio (SNR) variation. According to good classification by the correct rate of a neural network classifier, a multilayer perceptron (MLP) classifier with better generalization, as well as, addition of time-frequency features set for classifying six different modulation types has been proposed. Computer simulations show that the MLP classifier outperforms the decision-theoretic classifier at low SNRs, and the classification experiments for real MPSK signals verify engineering significance of the MLP classifier.     

基于复数卷积-残差网络的雷达杂波幅度统计模型分类

雷达杂波幅度统计模型分类是进行杂波背景下检测目标的重要步骤。雷达杂波原始数据通常是复数数据, 但现有杂波幅度统计模型分类研究都是在实数数据上完成的。复数数据同时包含幅度和相位信息, 更丰富的信息量有助于雷达杂波幅度统计模型分类。为此, 引入复数神经网络, 利用仿真杂波高分辨距离像(high resolution range profile, HRRP)复数数据, 对雷达杂波幅度统计模型分类问题进行研究, 完成了以下工作: 一是为构建复数最大池化层, 定义并改进了复数最大池化算法, 通过复数卷积神经网络(complex-valued convolutional neural networks, CV-CNN) 对杂波幅度统计模型的分类实验, 对比了两种复数最大池化算法和复数平均池化算法的分类效果, 实验结果表明复数最大池化算法的分类效果更好, 分类准确率为97.29%;二是为进一步提高分类准确率, 构建了复数卷积-残差网络(complex-valued convolution-ResNet, CV-CRN), 通过实验对比分析了CV-CRN的性能, 实验结果表明, CV-CRN的分类性能优于CV-CNN, 分类准确率达到98.84%, 并具有较好的鲁棒性。     

基于多尺度Haar小波变换的MPSK信号码速率盲估计

研究了相位编码信号的码速率估计,提出基于Haar小波变换的多尺度MPSK信号码速率盲估计方法。首先对接收信号作FFT得到信号频谱,对频谱进行平滑之后估计其中心频率,接着由估计出的频率构造相关接收机;然后估计信号的3dB带宽,由估计的带宽作为参考选取三个小波尺度,利用Haar小波的边缘检测特性对相关接收机的输出进行多尺度码元相位跳变点检测,多尺度检测的结果进行叠加;最后对叠加的结果作DFT估计频率得到MPSK信号的码速率估计。仿真表明,高于信噪比门限时本算法可以对码速率进行有效估计。     

双势阱Duffing-van der Pol振子微弱信号检测统计量构造

为解决双势阱Duffing-van der Pol振子同频微弱信号定量检测问题,分析发现了Poincare截面能明显区分系统不同状态的现象，构建了基于Poincare截面的检测统计量,并以此为基础设计了信号检测的有效实现方法。首先对Poincare截面进行数值计算得到系统关于策动力幅值的分岔点图,其次对不同状态下各幅值对应分布点做方差统计构建检测统计量。不同状态的检测统计量分布区间不同,按照统计值落入的区间即可判断信号有无。仿真实验给出了不同策动力角频率下检测统计量的临界值和检测区间,并通过与相平面检测结果的对比验证了该检测方法的可行性,为微弱信号定量检测提供了参考。