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。     

基于遗传算法的OFDM高精度盲频偏估计器

针对正交频分复用系统频偏估计问题,提出了一种基于遗传算法的高精度盲频偏估计器。该算法首先将带载波间干扰的正交频分复用系统视为正交码分多址接入系统,将载波间干扰系数视为码分多址接入系统的扩频码,利用估计的载波频偏构造扩频码,进而重建接收信号;然后利用重建信号跟实际接收信号最小重建误差原则构造了盲频偏估计的代价函数,并设计了对应于遗传算法的适应度函数;最后利用遗传算法强大的并行搜索和全局寻优能力,通过最小化代价函数求得最佳频偏估值。仿真结果表明,所提算法具有较高的估计精度,低信噪比下性能显著,有效降低了时间复杂度,且不受频偏估计范围和信号调制类型的限制。     

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。     

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。     

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。     

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。     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题，提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵，然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建，最后采取遍历聚类矩阵的方法输出聚类结果，在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率，证明了其有效性和可靠性。     

基于数据辅助的MPSK信号频域信噪比估计

为在载波频率精确恢复前提高多进制数字相位调制（MPSK）信号在低信噪比下的估计精度,提出了一种数据辅助的MPSK信号频域信噪比估计算法。算法在符号定时恢复和帧同步后提取同步段符号,相关运算后在频域进行信噪比估计。仿真结果表明,算法估计均值无偏,不受载波频率误差的影响,在符号长度为512、信噪比为-10 dB时,均方误差与克拉美罗界只有0.15 dB的偏差,特别适合于接收信号包含载波频率误差且要求低信噪比下具有较高信噪比估计性能的应用。     

大动态PCM/FM遥测信号的非相干解调

针对大动态低码率PCM/FM遥测信号的可靠接收问题展开研究,给出了一种基于连续相位调制（CPM）信号原理的载波频偏矫正及差分序列检测的非相干接收方案。针对限幅鉴频、多符号检测及差分序列检测等3种非相干解调算法,介绍了各自应用于PCM/FM信号的算法原理,并比较了3种算法的解调性能及对大动态环境的适应能力。计算机仿真表明,在无残留频偏情况下,2符号相位差分序列检测性能最好;但在0.05倍码速率的残留频偏下,1符号相位差分序列检测的性能更好,优于2符号相位差分序列检测、限幅鉴频检测和多符号非相干检测。对PCM/FM信号的讨论包含了几种典型的非相干解调,对大动态环境下的PCM/FM接收有重要的参考价值。     

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。     

UFMC系统在多径衰落信道中的干扰消除

通用滤波多载波(UFMC)是5G通信系统中的关键技术，能够降低带外泄露。但是在多径衰落信道下UFMC系统会受到符号间干扰（ISI）和多普勒效应产生的载波频率偏差的影响，从而使系统的性能下降。为了消除系统中的干扰，提出了一种迭代最大似然算法。该方法主要通过迭代最大似然算法（ML）计算出载波频率偏差，把估计出的结果作为初始值并运用迭代的方法得到最终的载波频率偏差，当达到收敛区间时，迭代结束；最后利用相位旋转的概念补偿载波频率偏差并运用最小二乘算法更新信道响应信息，减少该系统干扰。仿真结果表明，在信噪比大于10 dB时，随着信噪比的增大，算法能够有效地抑制系统中的干扰，提高UFMC系统的性能。     

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%。     

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。     

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。     

脉内相位编码信号的识别与码序恢复

为了提高低信噪比（SNR）下对雷达脉内相位编码（PSK）信号的处理能力,对传统的相位差分法进行了改进,并利用该方法对PSK信号进行了识别与码元序列的恢复。根据PSK信号的特性,结合滤波、数字变频和高阶差分来减小噪声对相位的影响,提高了相位差分法的抗噪性。对相位差分序列归一化后,先进行码元宽度的精确估计,再由码元关系去除伪跳变点。最后通过一系列的特征提取,实现了PSK信号的综合处理。仿真结果表明,所提算法在低信噪比下性能良好,具有很高的工程应用价值。     

16-APSK信号NDA鉴相新算法

针对幅相联合键控(16-APSK)信号,基于V&V算法提出了一种用于反馈环路的非数据辅 助的(Non Data Aided, NDA)鉴相算法。该算法首先对信号进行星座分割,然后对各子星座 上的点分别应用V&V算法,不同子星座鉴相的权重可通过参数设置方便地进行控制。同时, 还提出了一种变体算法,针对每个子星座,将V&V算法对信号幅度的非线性运算直接替换为 一个固定的幅度,使得对各子星座鉴相权重的控制更加简单,也更便于工程实现。经仿真验 证,通过恰当控制算法参数,可以起到降低鉴相模糊度的作用,有利于简化16-APSK信号鉴 相的解模糊处理。     

采用相位判决的低复杂度广义空间调制检测算法

针对广义空间调制（GSM）系统中信号检测复杂度过高的问题，提出了一种基于相位判决的低复杂度检测算法。首先根据一种排序准则对天线组合进行排序，然后将排序后的天线组合中的符号向量依次通过基于相位判决的迫零(ZF)均衡器进行检测，最终得到星座调制符号和激活天线组合。分析和仿真结果表明，该检测算法可以有效缩小接收端的搜索范围，在提供与最大似然（ML）检测算法相近的误比特率（BER）性能的同时，计算复杂度降低了98%。