基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题，提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量，使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明，所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度，可以实现对不同雷达信号进行识别，证实了该方法的有效性。     

采用广度优先搜索邻居聚类的通信信号调制识别

针对短波通信中无法避免的码间串扰问题,研究了聚类算法在信号调制识别中的作用,提出了一种利用广度优先搜索邻居(BFSN)聚类处理循环统计量特征的分类算法。该算法将循环统计量特征峰值作为聚类输入对象,通过BFSN聚类分析,剔除延时信号、噪声等造成的奇异类峰值,克服了多径效应产生的码间串扰影响,实现了2FSK、4FSK、BPSK、QPSK、16QAM、π/4-QPSK、π/4-DQPSK、8PSK等8种调制信号的自动识别。仿真表明,该算法聚类后提取的特征参数抗多径干扰能力强,同信道均衡方法相比识别正确率有5%的性能优势。低信噪比环境下的信号调制识别具有重要的工程应用意义。     

一种欠完备自编码器调制识别技术

基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别，整体设计复杂，特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。针对调制识别问题，提出了一种基于欠完备自编码器的调制识别技术，使用欠完备自编码器进行调制信号的特征自动提取，再使用神经网络分类器进行分类识别。整体模型更为简洁，运算复杂度较低，有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明，算法在信噪比10 dB时平均识别率高于0.97，并且在信噪比为0 dB时仍然有0.92以上的平均识别率。     

基于高阶循环累积量和支持矢量机的分级调制分类算法

利用观测样本的高阶循环累积量特征,提出一种基于支持矢量机的分级调制分类算法 ,实现了对QAM调制信号的自动识别。该算法具有较快的分类器训练速度和较低的复杂度, 对时延和相位旋转具有稳健性,并可在干扰环境下实现对感兴趣信号调制类型的识别。理论 分析和仿真结果均证明了算法的正确性和有效性。     

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。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。     

基于时域调制域特征的IFF模式5信号识别

针对Mark XIIA系统模式5信号处理的需求,对模式5信号的格式和基本特征进行了分析,提出了一种基于模式5信号时域和调制域特征的识别方法。该方法通过提取模式5信号脉冲时域参数和对脉冲进行MSK解调,获取模式5前导脉冲时域参数脉宽和前导脉冲固有的16位MSK解调结果0111100010001001来完成模式5信号前导脉冲识别,并根据前导脉冲偏移值特点优化了模式5信号框架匹配算法流程,实现了模式5信号的识别处理。Matlab仿真和硬件实现验证了方法的有效性,当满足一定信噪比条件时,识别正确率可达100%。     

一种基于高阶累积量的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite-Second Generation,DVB-S2）中多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于高阶累积量的识别方法。首先对16QAM、32QAM、16APSK、32APSK信号的高阶累积量及其特征进行分析,进而利用其高阶累积量的不同提取用于信号分类的特征参量进行调制识别。给出了算法的详细流程,并对算法进行了仿真分析,结果表明,当样本数越多时,算法信噪比适应能力越好,而与相位偏差无关;在信号样点数为2 048点且信噪比为10 dB时,算法可实现96%的正确识别率,完全满足实际系统对信号分类的需要。     

短波信道下的信号调制方式识别

针对短波信道条件下的通信信号调制识别问题,提取了以信号功率谱的各种特征为主要特征参数,使用判决树分类器,对基于Watterson信道模型下的九类常用短波信号进行调制识别.仿真结果表明,所选取的特征参数具有很好的稳健性,在中等短波信道且在低信噪比条件下有较高的正确识别率,且方法简单便于工程实现.     

利用累积量和似然特征的卫星单-混信号调制识别算

针对卫星通信中常用调制信号和PCMA类混叠信号的调制识别问题,提出了一种利用 高阶累积量和似然特征的识别算法。算法先对接收数据进行预处理,在此基础上提取4个高 阶累积量特征和1个似然特征,构造一个树形分类器进行调制识别。算法不需要知晓信号的 定时等先验信息,对收发载频存在的频差不敏感。仿真结果表明,算法在正常通信所需的载 噪比下具有较高的正确识别率。     

一种基于位同步的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite -Second Generation,DVB-S2）中的多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于位同步的识别方法。首先利用信号星座图特征对信号包络进行位同步,然后统计信号码元的幅度值个数及其幅度值分布提取统计特征参数,最后利用特征参数完成识别。仿真结果表明,所提算法在载波频率等参数未知的条件下,能够有效对信号进行调制识别。     

一种适用于16QAM的自适应阈值载波锁定检测算法

为避免传统16阶正交幅度调制（16-Quardrature Amplitude Modulation，16QAM）载波锁定指示锁定阈值受输入信号电平的影响，提出了一种基于归一化信号高阶矩的16QAM载波锁定检测算法。针对传统基于固定阈值的检测算法在数据不满足均匀分布时失效的情况，提出了一种基于输入数据统计特性的自适应阈值载波锁定检测算法。实验结果和工程应用结果表明，所提出的自适应门限能更好地适应不同数据下的载波锁定检测。该方法已经在某卫星对接试验中得到了应用验证，取得了满意的效果。     

卫星数字调制混合信号的自动识别

针对卫星数字混合信号的特征,提出了在载波速率和符号速率初判基础上的自动识别方案.该方案利用数字混合信号与常用数字调制信号在信号频谱以及星座点的差异提取特征参数进行自动识别.仿真结果表明,该方案具备实用性和可行性.     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中，经常会接收到多个信号的混合信号，它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题，提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法，通过对射频电路采集的信号进行仿真验证，实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。     

一种基于星座图恢复的多进制相位调制信号识别算法

在实际调制过程中,无线电波传输多径及衰落引起的符号间干扰和信号接收端的载波频偏会造成星座图难以识别。针对这一问题,提出了一种基于星座图恢复和卷积神经网络的多进制相位调制信号识别算法。首先,设定相邻采样点距离和相位角的阈值以筛除发生符号间干扰时的采样点,保留剩余的有效采样点并形成聚类组;然后,通过旋转相邻聚类组抵消载波频偏带来的影响,实现星座图的恢复;最后,利用卷积神经网络对星座图进行特征自动提取和调制识别。实验结果表明,对于实测信号,所提算法能够较好地恢复星座图并实现BPSK、QPSK和8PSK的准确识别。最终的识别准确率达到了99.9%,较星座图恢复前提高了24.2%。     

基于排序时频特性的雷达脉内调制信号识别

提出了一种基于排序时频特性的雷达脉内调制信号识别算法。该 算法可分为三步：首先,通过检验信号时频曲线的互易回归特性,识别出线性调频信号;然 后,通过检验信号时频RANKIT图的正态性,识别出常规信号;最后,检验信号平方后时频RA NKIT图的正态性,用以区分二相编码与四相编码信号。仿真结果表明,该算法无需接收信号 的任何先验知识,在较低信噪比条件下可实现对常用雷达脉内调制方式的有效识别。     

基于ResNet_NSCS的通信信号调制识别

针对通信信号调制识别的特征提取问题，为进一步提高识别准确率，提出了一种基于嵌套式跳跃连接结构的残差网络（ResNet of Nested Shortcut Connection Structure，ResNet_NSCS）调制识别算法。该算法在残差神经网络（Residual Neural Network，ResNet）基础上，通过借鉴ResNet多通路选择思路，引入嵌套式恒等跳跃连接结构，利用提取的特征实现不同调制方式的分类。仿真结果表明，面向RadioML2016.10a数据集，较卷积神经网络（Convolutional Neural Network，CNN）算法和卷积神经网络_长短时记忆网络（Convolutional Neural Network_Long Short Term Memory Network，CNN_LSTM）算法，以增加网络复杂度为代价，ResNet_NSCS算法收敛速度快，识别准确率高。