一种新的低信噪比下的数字调制识别方法

针对数字调制识别在低信噪比下的应用,提出一种新的基于瞬时信息的调制识别算法。该算法一方面提出采用小波滤波器对信号的瞬时信息进行消噪处理,提高了调制识别算法在低信噪比下的识别能力;另一方面利用已有算法的3个特征参数σ_ap、σ_aa、和σ_fa以及在已有算法基础上改进的3个新的特征参数Ra、Rp和Rf,简化了识别过程,改善了低信噪比下的识别效果。仿真结果表明,该算法在信噪比低到5dB时,也能达到95.4%以上的识别率。     

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。     

利用联合特征参数的卫星单混信号调制识别

针对卫星通信中常见的单-混二进制相移键控(binary phase shift keying, BPSK)、正交相移键控(quadrature phase shift keying, QPSK)、8进制相移键控(8 phase shift keying, 8PSK)、16进制正交幅度调制(16 quadrature amplitude modulation, 16QAM)信号调制识别问题,本文基于不同信号的累积量差异和方谱特性,充分利用累积量和谱线特征并构造合理的特征参数,最终构建决策树分类器,实现了这些信号的调制识别,并有效实现了混合QPSK和混合8PSK信号的识别。实验表明,该算法能够实现高斯白噪声条件下的单-混BPSK、QPSK、8PSK、16QAM信号的分类。当信噪比大于6 dB时,除混合QPSK和混合8PSK信号外,其他信号的调制识别率能达到98%,当信噪比大于10 dB时,混合QPSK和混合8PSK信号的调制识别率能达到92%。与现有算法相比,识别率更高,由此证明所提算法的有效性。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio，SNR）下识别率低、训练速度慢、识别调制类型少的问题，提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine，GA-ELM）的调制识别算法。首先，提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数；其次，采用GA-ELM作为分类器。仿真实验表明，对11种模拟、数字调制信号进行分类识别，在SNR大于4 dB时算法的总体识别率均超过98%，同时该算法训练速度快，识别系统设计简单，具有较大的应用价值。     

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。     

基于时频特征提取和残差神经网络的雷达信号识别

针对低信噪比(signal to noise ratio, SNR)下雷达信号脉内调制类型识别率较低的问题, 提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解, 按照Chirp基载频与调频率的不同组合对信号划分类别, 并设置对应的分类特征参数。然后, 计算信号的伪Wigner-Ville时频分布并提取Zernike矩。上述特征参数组成信号特征矢量, 使用残差神经网络分类器实现雷达信号识别。仿真结果表明, 在SNR=-2 dB时识别准确率能达到93%以上, 同时鲁棒性验证良好, 算法复杂度能够满足现实要求。     

基于TCNN-BiLSTM网络的调制识别算法

针对传统调制识别算法在低信噪比下识别率不高的情况,提出双路卷积神经网络级联双向长短时记忆(two-way convolutional neural network cascaded bidirectional long short-term memory, TCNN-BiLSTM)网络的调制识别算法。首先,该算法并联不同尺度卷积核的卷积层,提取调制信号不同维度的特征。然后,级联BiLSTM层,对多维特征构建LSTM时间模型。最后,使用softmax分类器完成识别。仿真实验表明,所提算法结构在加性高斯白噪声和特定信道参数的瑞利衰落信道下,性能要优于基于传统特征和其他网络结构的识别算法。在特定信道参数的瑞利衰落信道下信噪比低至6 dB时,该算法对6种数字调制信号的识别率仍可达到92%以上。     

一种基于高阶累积量的数字调相信号识别方法

针对当前通信信号中常用的数字调相信号BPSK、QPSK、π/4-QPSK、8PSK的调制识别问题,提出了一种基于信号差分高阶累积量的识剐算法.该算法分两个层次进行调制识别,首先利用信号的四阶累积量特征对BPSK、QPSK和{π/4-QPSK、8PSK}信号进行识别,然后再利用信号差分的四阶和八阶累积量特征对π/4-QPSK、8PSK信号进行识别.从理论上分析了的该算法的有效性,并通过计算机仿真验证了算法具有良好的性能.     

卫星通信中调制识别算法研究

针对卫星通信这一应用场合,提出了一种数字调制信号自动识别算法。该算法利用调制信号的高阶累积量,并结合星座图特征,对信号进行分类。它对信号的幅度、相位偏差具有不变性,同时可抑制加性高斯噪声;与其它识别算法比较,它具有稳健、应用广泛的特性。通过计算机仿真表明,在给定的数据长度和中等信噪比条件下,可得到很高的识别率(>95%)。     

水下目标辐射噪声的子波变换和高阶累积量联合分析

将子波变换和高阶累积量联合分析应用于对水下目标辐射噪声的特征提取。首先利用子波变换提取辐射噪声的动态调制分量,然后应用四阶累量对角切片的傅立叶变换（2^1/2维谱）分析该动态调制的谐波特性。结果表明,该方法可以有效地实现动态调制分量与其他信号的分离。准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相对与双谱和三谱分析,2^1/2维谱分析极大减少了计算量,降低了方法的复杂程度,具有较快的运算速度。九五国防重点预研项目。     

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。     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合,获得融合系数;最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

基于小波变换的图像bit纠错数据并行实现研究

针对图像传输的比特纠错去噪处理高效实现,本文提出了一种基于小波分解的比特纠错SIMD PE阵列数据并行计算方法.该方法,针对不同的小波子带,采用不同的并行计算策略;针对数据并行计算中的PE选择问题,采用PE标识预置的解决方法,即确保去噪效果,又使得数据并行操作更为规则、简洁,大幅度地提高了处理的速度.     

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。     

基于加窗四阶累量时延估计的微瞬态电磁辐射信号检测算法

以研究微弱瞬态电磁辐射信号的探测手段为目的,提出了一种基于加窗四阶累量时延估计的检测算法。利用高阶累量对高斯噪声的抑制作用以及相干平滑变换对微弱窄带噪声的弱化效果,将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题。仿真及实验比较了加窗四阶累量互相关、非加窗四阶累量互相关及传统互相关时延估计3种算法的检验性能。结果表明,经过加窗处理的四阶累量时延估计算法在相关高斯白噪声、非相关高斯白噪声及窄带噪声3种噪声条件下的检测性能都优于其他两种方法,比较适合用于微弱电磁辐射源的远距离探测。     

基于小波包的24 GHz LFMCW雷达测距方法

信号在毫米波段的快速衰减是影响毫米波雷达测距范围的重要因素之一。为了增加基于线性调频连续波（linear frequency modulation continuous wave， LFMCW）技术的毫米波雷达的有效作用距离，采用小波包分析与快速傅里叶变换相结合的方法对雷达目标进行测距。给出了该方法的实现步骤，并在1 GHz带宽的24 GHz LFMCW雷达实验平台上验证了该方法的有效性。实验结果表明，与经典的差拍傅里叶测距方法相比，本文方法可以将实验雷达的有效作用范围从1~30 m扩大至1~60 m。     

衰落信道中基于累积量的QAM信号分类

针对在瑞利和莱斯慢衰落信道下的QAM信号的调制分类问题,提出一种新的基于四阶累积量的调制分类算法。归一化四阶累积量由接收QAM信号的基带信号估计出,与不同星座的理论值比较得到分类准则,其计算复杂度仅为N阶(N为样本个数)。数值仿真实验结果以及与已有方法的比较证明了理论分析的正确性和算法的实用性。     

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。