基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题，提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图，与噪声对应的灰度图比较差异，再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征，解决门限难以确定的问题。若分析三维循环谱的时间块长过短，将导致信号灰度图特征在有无噪声情况下区别不大；若块长过长会导致检测延迟较大。为此，采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量，自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比，仿真表明所提算法在低信噪比下性能最优。     

基于冲激谱线检测的调制识别

现代卫星通信系统为满足传输速率和加密等要求,采用了多种复杂或高阶复合调制信号。为实现各类调制信号的检测与识别,信号之间不同类型谱的谱线分布是重要特征之一。在介绍常见通信卫星调制信号在不同类型谱下的冲激谱线特征基础上,提出了一种基于线性调频Z变换的冲激谱线检测方法,消除了离散频谱“栅栏效应”对检测值的影响。通过高次方谱和分数低阶循环自相关谱的区域谱线检测方法,构建特征向量进行分类设计,实现对常见通信卫星调制信号的分类识别。该算法在低信噪比、未知码元速率等先验信息的情况下具有较好的识别效果。     

基于循环平稳特征的分阶段直扩超宽带信号检测

超宽带（Ultra Wideband,UWB）信号检测对实现超宽带定位具有重要意义。针对低信噪比下直扩超宽带信号（Direct Sequence Spread Spectrum UWB,DS-UWB）功率谱密度极低，难以通过传统手段检测的问题,提出了一种基于循环平稳特征的分阶段直扩超宽带信号检测算法。在介绍直扩超宽带的信号模型的基础上，提出了改进循环平稳特征检测方法，分析了二元假设两种情形下灰度图的差异，利用这种差异将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征，进而利用训练好的网络进行检测。为更高效检测出信号，采用分阶段检测，即第一阶段先进行能量检测，若未检测到，则进入第二阶段改进循环平稳特征检测。仿真结果表明，在信噪比小于-8 dB时，所提方法的检测性能明显优于传统的循环平稳特征检测。     

线性多用户检测器的软件无线电实现

无线多媒体通信的实现要求对不同种类业务提供不同的服务质量（ＱｏＳ），文章将软件无线电技术应用于无线通信系统中，通过现场可编程门阵列（ＦＰＧＡ）和数字信号处理器（ＤＳＰ）的配合实现ＤＳ－ＣＤＭＡ系统的线性多用户检测。可以根据业务要求与信道状况调整线性滤波器抽头值，从而动态选择检测器类型，在算法复杂度和性能上求得平衡。仿真结果给出了４种线性多用户检测器对用户数及信噪比变化的性能比较。     

基于循环自相关的正弦调频信号参数估计新方法

为解决现有的正弦调频（SFM）信号参数估计方法运算复杂度高、受信噪比限制等问 题,提出了一种基于循环自相关的SFM信号参数估计新方法。首先分析了SFM信号循环自相关 函数特征,推导了信号调制频率的估计表达式;然后对信号延时相乘以去除其正弦调制特性, 得到单频信号并估计信号载频。最后,利用信号频率调制的周期性,对下变频至零频的信号 进行周期累加以减少噪声影响,通过对累加后的信号进行瞬时频率计算得到调制指数估计值 。仿真表明,信噪比（SNR）大于6 dB时,各参数估计值的均方根误差小于-18 dB 。该算法计算量较小,为同等条件下利用卡森准则（CR）方法的16%,便于工程实现。     

移动通信信号自动调制识别的谱相关方法

一些不同的数字调制信号有着相同或相近的功率谱密度，但它们的谱相关函数却有明显区别。平稳的噪声和干扰的谱相关为零。利用谱相关函数的这些性质可以识别出噪声中的调制信号。本文提出了一种用于移动通信信号自动调制识别的谱相关算法，该方法可以识别各种主要无线系统和标准所采用的调制类型。     

BOC信号的伪码周期和组合码盲估计

针对在低信噪比下存在残余频偏的BOC(Binary-Offset-Carrier)调制信号的伪码周期以及组合码（扩频序列和副载波序列的组合）盲估计问题,提出了功率谱二次处理结合矩阵分解的方法。该方法首先对存在残余频偏调制的BOC信号进行二次功率谱运算,所得二次功率谱中会在伪码周期及整数倍出现尖锐的脉冲,通过检测峰值间的距离估计信号的伪码周期,然后对信号采样并按伪码周期分段构成数据向量,计算相关矩阵并进行奇异值分解,最后搜索最大和次大奇异值以及对应的向量估计出组合码序列。仿真分析表明,该方法能够在较大频偏和较低的信噪比下达到较精确的估计性能。相关研究对于从事卫星导航接收机设计的工程技术人员具有一定的参考价值。     

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测。提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力。在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性。在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能。     

基于谱相关的CBOC信号参数盲估计

针对低信噪比下组合二进制偏移载波(CBOC)调制信号的参数盲估计问题,提出了利用谱相关对CBOC信号进行参数估计方法。首先给出了CBOC信号模型,然后根据CBOC信号的数据通道和导频通道之间有良好的正交性特点,详细推导出其谱相关函数可以化简为两个BOC信号谱相关函数的叠加,最后根据CBOC信号循环频率截面的特点进行峰值检索后,实现对伪码速率、载频速率和副载波速率的盲估计。推导结果和计算机仿真分析表明,该方法可以实现在低信噪比下对伪码速率、载频速率和副载波速率的有效估计。     

基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 dB时识别率达88%以上。     

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用（OFDM）系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术（WiMax）的OFDM信号，但无法判断该信号是认知信号，并且在复杂电磁环境下识别正确率低。为此，提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间，并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权，得到有用符号时间的协同估计值，进而判断接收信号是否为基于WiMax系统的OFDM信号；再通过自私攻击策略，实现对OFDM信号是否是认知WiMax信号的判别，为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明，与非协同识别算法相比，提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。     

基于Duffing振子的DSSS信号率线检测

为了提高DSSS信号率线检测器性能,将Duffing 振子用于DSSS信号的率线检测。阐述 了基于Duffing振子的检测方法,给出了扩频信号和Duffing振子策动力的相差与最低可检测 信噪比之间的关系曲线及方程。仿真表明,该方法能检测到信噪比为-29.01 dB的DSSS/BPSK 信号。     

采用积分二次相位函数的雷达脉内调制类型识别

为了在低信噪比条件下获得较好的识别准确率,提出了一种基于积分二次相位函数（IQPF）的识别分类方法。根据不同信号的调频斜率的正负值完成信号的预分类,然后再利用不同信号的IQPF峰值-能量比以及功率谱估计实现信号的自动化分类。给出了识别流程图并进行了仿真实验,结果表明,该方法在信噪比大于-3dB时,其识别正确率达到90%以上,证明了方法的有效性和可行性。相关研究为雷达脉内调制类型的识别提供了一种切实可行的方法,具有一定的应用价值。     

直扩信号检测与估计的改进

对低信噪比下直接序列扩频(DS／SS)信号的检测和估计提出了一种新的改进思路。在通常数值处理前加设一预处理模块，该模块能改善白噪声背景下信号的信噪比，从而为进一步提高低信噪比信号检测与估计的能力给出了一条新的途径。     

自适应编码调制的一种高效半盲检测算法

给出一种基于协议信息的自适应编码调制高效半盲检测算法,该算法同时采用信号多序列抽取和信号多频点滑动匹配两种方法,能够有效克服中频调制信号最佳采样点偏差和频率偏差的影响,可以准确高效地识别出信号类型、信道编码方式、调制类型。实验表明,该算法在低信噪比下就能达到很高的识别率,性能明显优于传统模式识别的检测算法,具有较好的实用前景。     

一种改进的BPSK/QPSK信号调制识别算法

提出了一种基于顺序统计量特征的二进制相移键控/正交相移键控（BPSK/QPSK）信号调制识别算法。对观测信号进行平方并做离散傅里叶变换运算，将变换结果取模后去除最大值得到修正频谱，并取修正频谱的最大值作为识别特征量，利用恒虚警准则确定判决门限，将识别特征量与门限比较来完成对BPSK和QPSK两种调制信号的识别。计算机仿真表明，当信噪比适度时，所提算法可对BPSK及QPSK两类信号进行有效识别。当信噪比大于1 dB时，算法的平均识别正确率达到90%以上。     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

利用指数范数的QAM信号调制识别方法

针对高阶正交幅度调制（QAM）类信号的调制识别问题，提出了一种利用指数范数的调制识别分类方法，实现了由5种QAM类信号所组成信号集的调制识别。首先，对信号集内待识别信号提取指数范数特征，依次将16QAM和32QAM信号从信号集内识别出来；然后，对信号集内剩余信号提取高斯指数范数特征，依次识别64QAM、128QAM和256QAM信号；最后，根据决策树原理设计分类器，实现信号集内5种QAM类信号的识别。仿真结果表明，在信噪比大于6 dB时，该方法对信号集内的信号的识别正确率超过96%。     

一种单信道时频重叠信号调制识别方法

针对单信道时频重叠信号调制方式的识别分类问题,提出了基于信号相关特性的调制识别方法。在研究所选数字通信信号的相关特性的基础上,提取信号延迟相关和瞬时自相关谱峰的数量、幅度和位置方差作为特征参数,实现了同载频时频重叠双信号的调制识别。仿真结果表明,在理想高斯白噪声背景下,该方法具有良好的识别性能,当信噪比大于-5 dB时,其正确识别率达到95%以上。     

一种新的卫星信号调制方式识别方法

根据采样数据恢复信号频谱后,采用频域估计法检测卫星信号中心频率,再利用延 迟相乘法估计卫星信号调制速率。通过内插恢复得到信号星座图,根据星座图特征对无先验 信息的卫星信号调制方式进行识别。利用实测的8PSK和QPSK卫星信号检测了识别的效果, 在信号信噪比低于5 dB时无法得到信号星座图。