一种工程化的数字调相信号快速分类识别方法

在数字调制分类中,信号的相位周期特性会形成相位的卷叠并降低对接收到的射频信号的自动数字调制正确分类的概率。根据多进制数字相位调制(multiple-level phase shift keying,MPSK)信号的相位特征,通过相位去卷叠、根据最小均方误差原则去线性相位分量,以及相位的模π运算,提出了一种MPSK信号的分类方法。实验结果表明,基于相位特征的通信信号的自动调制分类算法具有很强的鲁棒性,对不同类型和滚降系数的脉冲成形滤波器和高码元速率都达到了较高的识别率。     

基于信噪比估计和盒维数的调制信号识别

针对数字调相和调频识别问题,提出采用调制信号绝对值的瞬时幅度的盒维数作为多进制数字相位调制(MPSK)和多进制数字频率调制(MFSK)信号类间识别的特征参数,并采用拟合曲线作为判决门限,该方法在保持具有较少的特征参数的同时还增强了对噪声的鲁棒性.在调制信号的类内识别中,分别采用MPSK信号的瞬时相位的盒维数和MFSK信号的瞬时频率的盒维数作为特征参数.仿真结果表明,在信噪比为5 dB时,对信号进行完全识别的正确率可以达到90％以上,从而证明了该方法的有效可行性.     

钻井液压力多进制相移键控信号的数值建模及特性分析

通过理论建模和数值分析研究3种钻井液压力多进制相移键控(MPSK)调制方式应用于钻井液压力信号传输的可行性.利用二进制数据中相邻两位码元的组合形成携带四进制信息的数字基带控制信号,建立脉宽及脉位钻井液压力多进制相移键控调制以及正交相移键控(QPSK)多进制调制的旋转阀控制逻辑规则.通过构建钻井液压力多进制相移键控信号数学模型,研究3种MPSK信号的频域特性和传输特性.数值分析表明:由于脉位MPSK和QPSK调制方式带宽内信号能量比较大,适于数据传输;在井筒参数和载频相同条件下,钻井液信道对QPSK信号传输的影响要大于脉位MPSK调制,但从旋转阀转速控制角度分析,QPSK相对于脉位MPSK调制更容易实现,只是信号的检测和数据恢复技术相对要求较高.     

OFDM-IJF-OQPSK调制体制

 针对正交频分复用（OFDM）信号带外衰减小的缺点,用功率谱密度分布更为集中的无码间干扰和抖动-交错正交相移键控（IJF-OQPSK）调制代替传统的多进制数字相位调制（MPSK）或多进制正交幅度调制（MQAM）对子载波进行调制,形成了OFDM-IJF-OQPSK调制体制。在分析OFDM及IJF-OQPSK原理的基础上,给出了OFDM-IJF-OQPSK调制方案,推导了该调制信号的功率谱密度,得知其功率谱密度为IJF-OQPSK基带功率谱以子载波间隔平移并相加所得。最后,进行了仿真分析,证明该调制体制带外衰减很快,降低了带外辐射。     

一种单信道时频重叠多进制数字相位调制信号调制识别方法

针对单信道两个时频重叠多进制数定相位调制(multiple phase shift keying,MPSK)信号的调制识别问题,提出了一种基于联合特征参数的调制识别方法。根据时频重叠信号在循环频率上的可分性,结合信号的瞬时自相关特性,提出了两个特征参数,对任意组合的双相移键控信号(共6种)进行分类识别。仿真结果表明,在信噪比大于6 d B时,各信号组合的平均正确识别率能达到90%。     

一种单信道时频重叠MPSK信号调制识别方法

针对单信道两个时频重叠MPSK信号的调制识别问题,提出了一种基于联合特征参数的调制识别方法。根据时频重叠信号在循环频率上的可分性,结合信号的瞬时自相关特性,提出了两个特征参数,对任意组合的双相移键控信号（共6种）进行分类识别。仿真结果表明,在信噪比大于6dB时,各信号组合的平均正确识别率能达到90%。     

基于决策理论算法的单载波多载波数字调制识别技术研究

研究基于决策理论算法的单载波多载波无线数字调制信号的特征参数提取与自动识别技术,提出了适合单载波多载波数字调制识别的决策分类器及相应识别步骤.在瞬时相位提取时,首次采用去相位折叠算法纠正相位折叠的影响,提高了特征参数的准确性.仿真结果表明,该方法取得较好的识别效果,且系统易于实现,在信号识别中具有广泛的应用前景.     

信号的角度调制原理

角度调制是用调制信号去控制载波信号角度(频率或相位)变化的一种信号变换方式,可以分为频率调制(FM)和相位调制(PM)。信号经过角度调制后,频谱结构将发生变化。     

基于多进制数字的相位解调技术的分析

文章介绍了多进制数字调制中的相位解调。文中在多进制数字相位调制系统模型基础上,引入了M进制相位调制信号的表达式,在多进制数字相位解调中分别对四相绝对相移键控和四相相对相移键控进行了详细地分析。并对四相绝对相移键控的解调采用与2PSK信号类似的方法进行解调,四相相对相移键控的解调分有相干解调和延迟解调两种分别进行了较详细地分析。     

基于循环零中心归一化绝对值方差的数字信号调制识别

提出了将瞬时信息的零均值归一化绝对值方差循环化的方法，用以识别数字调制信号．该方法无需设置判决门限，也无需进行参数训练，且可以识别大于四阶的数字调制类型．仿真实验结果表明，该方法在一定信噪比下对MASK、MPSK和MQAM有较高的识别率．     

基于小波神经网络的数字信号调制方式识别

针对当前数字信号调制方式识别方法易受噪声影响、 识别误差较大等问题, 设计一种基于小波神经网络的数字信号调制方式识别方法. 首先采集数字信号, 并从信号中提取调制识别特征, 作为数字信号调制方式分类依据; 然后采用小波神经网络建立数字信号调制方式识别的分类器, 并选择粒子群优化算法确定神经网络的参数, 实现数字信号调制方式识别; 最后在MATLAB[KG*6]2016平台上实现数字信号调制方式识别的仿真测试. 测试结果表明, 即使数字信号的信噪比较低时, 小波神经网络仍可获得较理想的数字信号调制方式识别结果, 且数字信号调制方式识别率高于对比方法, 从而提高了数字信号调制方式识别性能.     

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.     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分,从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法,然后分析了三种主要的数字调制信号的小波变换特征,提出了一种基于小波的数字调制信号识别算法,仿真结果表明该算法能够识别典型的数字调制信号,而且具有较好的抗噪声性能.     

基于谱线特征的恒包络数字调制方式识别方法

针对常见的恒包络数字通信信号,对其信号二次方与四次方形式的傅立叶谱线特征进行了理论分析,并在此基础上提出了一种针对恒包络数字通信信号的调制方式识别方法,其主要特点是不需要符号速率、载波初相、定时同步等先验信息,而且还能够区分线性调制和非线性调制.仿真实验表明该方法在较低信噪比条件下仍可以获得较高的正确识别率,具有很强的实用性.     

QPSK调制技术的研究

QPSK技术具有抗干扰性能强、误码性能好、频谱利用率高等优点，目前广泛应用于数字通信、数字视频广播、数字卫星广播等领域；详细介绍了QPSK技术的工作原理、性能以及使用调相法和相位选择法产生QPSK信号的电路方框图及特点。     

无线电监测中调制信号特征提取算法

针对传统调制信号特征提取算法在噪声环境下存在识别准确度低、分类效果差等问题,基于已有的调制 信号处理方法,提出一种新的无线电监测中调制信号特征提取算法。首先构建无线电监测中各类调制信号的 数学模型,以此为基础通过仿真得到信号瞬时幅值、瞬时相位及瞬时频率的特征。分析当前信号调制方式识别 各类算法的优缺点,采用小波变换完成调制信号的降噪处理与突变边界特征提取算法的设计,利用零中心归一 化瞬时幅度的谱密度最大特征提取算法以及核判别分析算法对各类调制信号进行逐层提取,实现了各类调制 信号的完整分类与提取,提升了噪声环境影响下的特征信号提取精度、且分类效果较好,为无线电监测中调制 信号特征提取提供了有利科学依据。     

基于支持向量机的多类数字调制方式自动识别算法

为了解决软件无线电系统中多种调制方式之间切换的问题，提出了一种基于支持向量机的多类数字调制方式识别算法．该算法通过提取有效的特征向量以区分不同的调制方式，并基于支持向量机和判决树分类思想，将特征向量映射到高维空间中加以分类。解决了样本在低维空间中的非线性不可分问题，避免了判决门限的确定，与传统的神经网络方法相比，具有更好的泛化推广能力．仿真结果表明，在具有加性带限高斯噪声的环境下，信噪比大于等于10dB时，识别正确率大于90％．     

一种基于FRFT的低截获信号识别算法

针对低截获概率雷达信号的调制识别问题,提出了一种新的调制类型识别算法,完成了LFM、BPSK、2FSK、Frank/P1/P2/P3/P4码8种低截获信号的识别分类。首先,根据有无调频斜率,利用FRFT完成低截获信号的预分类;然后,综合利用分数阶域主副脊线、相位差分以及功率谱估计完成信号的自动分类识别。给出了分类识别算法的流程图及具体步骤。最后通过仿真实验,表明该算法具有很好的识别效果,证明了该方法的有效性和可行性。     

支持向量机在数字信号调制识别系统中的应用

在非合作通信系统中，需要在非理想化的信道特性下对接收信号进行调制样式的自动识别．使用了一种以支持向量机作为分类器的方法进行数字信号调制样式的识别．实验结果表明，该调制识别方法在小样本下具有较高的识别率，可以应用在数字信号的调制识别系统中．