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。     

常见低截获概率雷达信号调制参数估计研究

研究了线性调频信号、相位编码信号的调制参数识别问题。解线调方法估计线调频参数精度不高,提出了频谱细化与解线调结合的改进方法,该方法计算量较小,精度很高。给出了加性高斯白噪声中相位编码信号的编码规律识别方法。利用估计出的载频对原信号进行解调得到基带信号,根据基带编码信号逐段光滑特点,提出通过正交小波分解估计码元宽度和阈值降噪,并对一个码元内的一阶非相邻相位差分进行滑动平均,消除了阈值滤波引入的“类吉布斯”现象,提高了低信噪比下编码规律识别的正确概率。     

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。     

一种基于DWT-CWT的CPFSK信号盲符号速率估计算法

提出一种综合利用离散小波变换和连续小波变换来估计CPFSK信号符号速率的新算法.对离散小波变换后的细节信号进行连续小波变换,能够有效地减小噪声的影响,从而实现低信噪比下的符号速率估计.实验结果表明,与单纯使用连续小波变换的方法相比,新算法在低信噪比时具有较好的估计性能.     

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。     

基于高阶累积量和小波变换的调制识别算法

针对当前调制识别算法在低信噪比下识别率不高的问题,提出结合高阶累积量和小波变换的混合调制识别算法。该算法利用了小波变换提取的两个特征参数,以及基于四阶和六阶累积量构造出一个新的特征参数,并应用反向传播神经网络分类器对调制信号进行识别。仿真结果证明,该算法能够在信噪比低至2 dB时,识别率仍可达到98%以上,由此证明了该方法的有效性和稳健性。     

基于均值移位的载频盲估计算法

针对非协作通信领域的MPSK和MQAM信号载频估计与调制方式识别互相依赖问题,提出了一种无需调制方式先验知识的高精度载频盲估计算法.通过相位差分布特性的分析建立了相位差密度极值点与频偏的联系,引入模式识别中广泛应用的核密度估计方法对相位差进行密度估计,并以均值移位算法完成密度极值点的求解,达到载波估计的目的.仿真结果表明算法大大降低了信噪比门限,并且载频的粗估计算法也具有较高的精度,可以作为独立的频偏估计算法用于频偏精度要求不是非常高的场合.     

二相编码信号调制分析与识别

针对采用脉冲压缩体制的低截获概率雷达的应用场合,提出了一种识别二相编码脉冲压缩雷达信号的新算法。该算法基于信号的时频分析(小波分析和短时傅里叶变换),利用小波变换的相位尺度和载波尺度的模极大值特征辨识信号的相位调制规律,因而在无需计算全部小波系数的情况下,可快速地获得信号的数学模型,为算法在实际中的应用提供了良好的条件。给出了应用该方法的具体步骤,通过计算机仿真实验证明该算法的有效性。     

基于信号包络的辐射源细微特征提取方法

雷达信号体制和调制样式的多样化,信号环境的复杂化,使得常规的识别方法很难适应实际需要,无法有效地对雷达辐射源信号进行分类识别。提出了一种结合小波变换技术的辐射源细微特征提取新方法。该方法克服了传统包络分析方法的缺点,提高了提取信号包络信息的精度。最后通过辐射源个体识别实例说明了这种方法提取的细微特征是有效的。     

基于分层结构神经网络的数字调制方式识别

自动调制方式识别应用范围广泛,对于军用软件无线电侦察接收机更具有十分重要的意义。研究了数字调制方式识别的特征集,在此基础上针对BPSK、QPSK、8PSK、16QAM、2FSK、4FSK、8FSK、2ASK、4ASK共9种调制类型识别问题,设计了一种分层结构的神经网络分类器。在SNR≥ 8dB时,该分类器的正确识别率达到97％以上,其特点是,识别无需任何先验知识,识别的数字调制类型多,识别的正确率高,达到了自动分类识别的目的,并有利于实现识别的实时化。仿真结果表明了此方法的优越性。     

Phase-domain blind estimation of symbol duration based on Haar wavelet transform

A phase-domain blind estimator of symbol duration based on Haar wavelet transform (HWT) is proposed. It can estimate the symbol duration of phase modulated signals, such as M-ary phase-shift keying (MPSK) signals and polyphase coded signals. The closed form of the spectrum of HWT is derived. Theoretical analysis shows the frequency of the first spectral peak is equal to the symbol rate, which is the reciprocal of symbol duration. Thus the symbol duration can be extracted from the spectrum. Subsequently, the optimum wavelet scale is determined according to the maximum output signal to noise ratio (OSNR) criterion. MATLAB simulations show that this algorithm can blindly estimate the symbol duration without any prior knowledge. This estimator need not estimate the carrier frequency and has the characteristics of low computation complexity and high accuracy.     

跳频信号的跳速估计

针对电子对抗的实际应用,提出了一种精确估计跳频信号跳速的方法。利用短时傅里叶变换分析跳频信号,得到其时频表示,再利用小波变换提取该时频表示的边沿信息,进而利用谱分析实现了跳速的精确估计。该算法完全避免了频谱交叉项的影响,理论分析证明了其可行性。仿真试验表明,在不要求高采样率的情况下,信噪比大于-5.5 dB时该算法是有效的。     

基于离散正弦调频变换的多分量正弦调频信号参数估计方法

作为一种非平稳时频信号,正弦调频(sinusoid frequency modulation, SFM)信号在雷达和无线通信领域得到广泛应用。为了解决常规时频分析方法无法有效估计多分量SFM信号参数的问题,提出离散正弦调频变换(discrete sinusoidal frequency modulation transform, DSFMT)。利用SFM信号在DSFMT域的聚敛特征,提出基于DSFMT的多分量SFM信号参数估计方法。给出多分量SFM信号和DSFMT变换的数学模型,论证了多分量SFM信号在DSFMT域聚敛特征的差异,仿真分析基于DSFMT的多分量SFM信号参数估计方法的技术性能。理论分析和实验结果表明：多分量SFM信号在DSFMT域有明显的聚敛特征差异,基于DSFMT的多分量SFM信号参数估计方法可有效估计多个SFM信号幅度和调制指数。     

Classification using wavelet packet decomposition and support vector machine for digital modulations

To make the modulation classification system more suitable for signals in a wide range of signal to noise rate （SNR）, a feature extraction method based on signal wavelet packet transform modulus maxima matrix （WPTMMM） and a novel support vector machine fuzzy network （SVMFN） classifier is presented. The WPTMMM feature extraction method has less computational complexity, more stability, and has the preferable advantage of robust with the time parallel moving and white noise. Further, the SVMFN uses a new definition of fuzzy density that incorporates accuracy and uncertainty of the classifiers to improve recognition reliability to classify nine digital modulation types （i.e. 2ASK, 2FSK, 2PSK, 4ASK, 4FSK, 4PSK, 16QAM, MSK, and OQPSK）. Computer simulation shows that the proposed scheme has the advantages of high accuracy and reliability （success rates are over 98% when SNR is not lower than 0dB）, and it adapts to engineering applications.     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。