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.     

基于循环谱特征的楼宇室内频谱感知算法

针对目前楼宇室内环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出了一种基于支持向量机(SVM)的主用户信号频谱感知算法.该算法融合了循环平稳特征检测和SVM算法的特点,对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本,再采用SVM算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明与人工神经网络(ANN)和最大最小特征值法(MME)相比较,所提算法可在低信噪比情况下,有效地实现对主用户信号的感知,具有较好的稳健性.     

基于聚类与神经网络的无线通信联合调制识别新方法

针对现有基于聚类算法的信号调制识别在低信噪比时识别率低的缺点,文中采用聚类算法提取信号特征参数,通过变梯度Polak-Ribiere BP修正算法对神经网络进行训练,以提高收敛速度,改善在低信噪比条件下网络识别性能,实现对基于星座图调制方式信号的调制识别,仿真结果表明,在低信噪比条件下,调制识别率和单独采用聚类算法或基于BP算法的神经网络识别时比较提高30%以上,在信噪比为4d B条件下识别率可达到90%,且系统易于实现,在信号调制识别中具有广泛的应用前景。     

一种低信噪比下基于时频原子的复杂调制雷达信号分选方法

复杂调制的多种雷达辐射源信号在低信噪比环境下,具有复杂度高、识别效率低的特点.提出一种基于改进的Chirplet时频原子特征的雷达信号识别分选方法.首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用该算法对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用类区分度准则提取信号特征,得到LPI雷达信号的有效表征原子.最后通过仿真实验证明该方法对于3 dB以上多种调制方式的雷达信号,可快速地完成有效识别分选.     

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.     

一种基于Swin Transformer神经网络的低截获概率雷达信号调制类型的识别方法

本文针对低截获概率（Low Probability of Intercept, LPI）雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法. 该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号变换为二维时频图像,然后使用Swin Transformer神经网络对图像进行特征提取及调制类型识别. 仿真结果显示,该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.     

基于谱分析的通信信号调制识别算法的研究

调制样式识别和调制参数估计是电子对抗中的一个重要环节,也是信号分析的一个快速发展的领域。本文在低信噪比的情况下完成了对信号调制样式的识别和调制参数的估计。由于谱相关函数具有对平稳噪声和干扰的不敏感性,所以在低信噪比下用谱相关理论具有一定的优势。本文提出识别算法可以识别2FSK,4FSK等信号。实验结果表明：本文提取的参数在对信号进行分类时,分类效果好。     

软件通信适配器的调制模式识别算法

在异构卫星网络动态组网时,为了解决星上软件通信适配器对物理层调制模式识别率低的问题,提出了一种适合低信噪比和贫先验知识的自动调制模式识别算法.该算法以高斯白噪声信道作为信道模型,选取信号高阶累积量和经典统计量作为特征参数,采用引力搜索算法对径向基神经网络基函数中心进行优化,并在引力搜索算法中引入粒子群的信息熵来调节算法执行过程中探索与开采的关系,进一步提高了算法的分类和泛化能力.然后,利用仿真试验测评了该算法对6种卫星常用调相调制信号的识别效果.仿真试验结果表明,没有先验知识的情况下,该算法在调制信号信噪比大于4 d B时就可以达到100%的识别率,从而证明了该算法在低信噪比和贫先验知识条件下的有效性,说明算法满足星上软件通信适配器对物理层调制模式的识别要求.     

基于调和平均分形盒维数的无线通信信号调制识别算法

为了能够在低信噪比下快速有效地实现对免授权频段频谱共存条件下调制信号的识别,基于分形理论,通过构造峰度调和函数,提出了一种基于调和平均分形盒维数的新型无线通信信号调制识别方法.对接收到的信号通过希尔伯特变换进行预处理,然后提取其盒维数以及峰度调和参数,并将这两个参数进行调和平均,构成调和平均分形盒维数这一特征参数,并采用决策树理论进行分类识别.采用WiFi(802.11a)等4种常用无线通信信号,运用Matlab进行了仿真.结果表明:所提出的算法在-5 dB低信噪比下对WiFi(802.11a)等无线通信信号的识别率高达80%,远高于传统算法;新算法具有较低的复杂度和特征稳健性,易于工程应用.     

基于高阶累积量构造特征参数的调制识别方法

针对传统基于高阶累积量的无线通信信号调制识别方法存在不含频率信息、低信噪比(signal to noise ratio, SNR)下识别率低及识别种类较少等问题，设计了一种新的基于高阶累积量构造特征参数的调制识别方法.该方法引入一阶微分和中值滤波预处理等技术，有效解决了多进制频移键控(M-ary frequency-shift keying, MFSK)信号的组内识别问题.进一步地，改进特征参数设置，设计识别流程，提升低信噪比下多达10种常用调制信号的识别率.蒙特卡洛仿真实验验证了所设计方法具有识别信号种类多和识别率高等优点，有望应用于实际场景.     

一种基于ICA与空间谱相关系数最大化的源数目估计算法

为提高在低信噪比和存在小信号情况下的源信号数目估计正确率,提出了一种利用ICA估计出的信号和利用空间谱分离出的信号的相关系数最大化为依据的源数目估计方法。该方法综合利用源信号的统计独立特性和阵列结构信息,降低了算法对噪声和信号强弱的敏感。计算机仿真结果表明,在低信噪比和存在弱信号的情况下,该算法可以高精度的估计出源信号数目。     

基于漏磁检测的桥梁拉索断丝识别

为实现桥梁拉索漏磁(MFL)检测中低信噪比(SNR)时的断丝识别,提出了基于有效短时互相关(STCC)的损伤识别方法.对拉索进行重复测试并提取对应的信号片段进行互相关分析,通过重新归一化,在短时互相关序列中融入短时能量特征,再结合双阈值法进行断丝识别.制作了含有多种断丝损伤的足尺拉索模型进行漏磁检测试验,基于试验结果验证所提出的方法.结果表明:该方法的损伤判别精度比既有方法提高了15.7%～16.9%,在低信噪比下仍取得了较高的损伤识别精度.     

一种改进的语音识别抗噪算法

为了提高在噪声环境下的语音识别性能,提出一种融合信号级和特征参数级抗噪的抗噪算法.该算法首先对带噪语音用最小均方误差估计法进行语音增强,后端对原始的带噪语音运用自相关法,以有效抑制加性和卷积噪声.实验结果表明,该算法能有效提高系统在噪声环境下,特别是低信噪比情况下的识别率.     

MPSK/MQAM符号速率估计算法

为了在复杂环境以及低信噪比情况下实现符号速率的准确估计,降低算法的复杂度和运算量,提出一种针对MPSK/MQAM(multiple phase shift keying/multiple quadrature amplitude modulation )类信号符号速率估计的新方法,通过对A/D采样后的信号进行数字下变频处理得到零中频信号,利用I路和Q路信号构造一个复数函数,生成含有与符号速率相关的离散谱线,通过检测离散谱线的位置实现符号速率的估计。通过MATLAB仿真实验以及在FPGA(field programmable gate array)与DSP(digital signal processor)硬件平台上利用实际信号对算法的性能就行了测试,验证了该方法的有效性。结果表明,该算法复杂度低,运算量小,适应性好,在低信噪比情况下仍具有较高估计精度。同时,该方法所得到的数据也可以用来进行信号识别和其他参数的测量,这在工程实践中具有很高的应用价值。     

直接序列扩频信号的信噪比估计

准确可靠地估计直接序列扩频信号的信噪比,对于辅助完成通信过程中扩频信号的同步捕获及在电子对抗中都具有很重要的意义.针对直接序列扩频信号工作中信噪比较低的特点,提出了一种通过求解接收信号相关矩阵的特征值来估计信号信噪比的方法.分析了在相同数据和随机数据扩频调制条件下接收信号信噪比估计的计算方法,并对于有频差情况下的计算方法进行了说明.计算机仿真结果表明,该方法在低信噪比的条件下具有较强的可靠性.     

混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。     

基于TLS-ESPRIT算法的声表面波标签辨识

为降低收发机成本,在声表面波射频识别系统中采用频域取样,并利用频率步进连续波作为发射信号.为了进一步提高识别距离及系统的抗干扰能力,增强标签在小信噪比下的识别能力,在信号处理部分使用总体最小二乘-旋转不变技术估计信号参数(TLS-ESPRIT)算法来提取标签的时延信息并解码.试验结果表明,相对于其他算法,TLS-ESPRIT算法能够在小信噪比条件下以较窄的工作带宽有效地识别标签.