低信噪比弱调制AM信号的检测与识别

本文讨论高斯噪声环境下低信噪比弱调制ＡＭ信号的检测与识别问题。利用循环平稳信号谱相关函数和特点和单循环检测器（ＳＣＤ）完成对低信噪比弱调制ＡＭ信号的检测与调制识别。文中给出循环平稳信号频率平滑谱相关算法（ＦＳＭ）和用于低信噪比弱调制ＡＭ信号的检测的单循环检测器，并给出计算机模拟计算结果。     

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。     

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。     

多径环境下TDDM-BOC信号伪码周期估计

针对低信噪比下存在多径效应的时分数据调制二进制偏移载波(TDDM-BOC)调制信号的伪码周期估计难题,提出了一种基于二次谱的TDDM-BOC信号伪码周期估计算法。该算法首先推导出多径环境下TDDM-BOC信号模型,然后求出多径TDDM-BOC信号的功率谱,再求其二次谱,最后通过检测二次谱的尖峰脉冲间的间距得到多径环境下TDDM-BOC信号的伪码周期。实验过程中采用累加平均的方法可以达到降噪和精确估计的目的。仿真结果表明：该算法能够在多径环境下对TDDM-BOC信号伪码周期进行有效估计,且估计性能与多径环境有密切关系,这为今后我国“北斗”导航接收设备的开发提供了一定的理论参考。     

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.     

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。     

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。     

基于相关峰数量统计的诱骗信号快速识别

针对采用直接序列扩频（DSSS）体制的无人机卫星测控前向链路，提出了一种基于相关峰数量统计的诱骗信号识别方法。该方法将同模式的诱骗信号等效为多径信号，利用匹配滤波器对接收信号进行处理，通过迭代算法调整相关峰判决门限，并统计一段时间内的相关峰数量来识别诱骗信号。在扩频码周期为128，正交相移键控(QPSK)调制，1/2码率的信道编码，Es/N0为3 dB，1 024个码周期的统计周期，诱骗信号和合法信号延时大于1个码片长度的情况下，该方法可快速有效地识别诱骗信号。     

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。     

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%。     

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。     

一种改进的CPFSK信号频率估计方法

针对突发信号解调中多普勒频偏大的问题，提出了一种改进的连续相位移频键控信号(CPFSK)频率估计方法。首先接收信号平方运算使信号的调制指数加倍，再通过一次离散傅里叶变换(DFT)，用搜索信号平方谱谱峰的方法实现突发信号频率估计。仿真实验表明，在低信噪比条件下，该算法的频率估计精度比经典的相位差频率估计算法提高了20%；该算法与广泛用于高动态突发信号的频率插值估计算法相比，同道干扰信道下信干比改善可达4 dB，DFT长度缩短约1/3。     

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%。     

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。     

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。     

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GP分布拟合检验的BPSK/QPSK信号调制识别

针对二进制相移健控(Binary Phase Shift Keying,BPSK)/正交相移键控(Quadrature Phase Shift Keying,QPSK)相位编码信号的调制识别问题,提出了一种基于广义帕雷托(General Pareto,GP)分布拟合优度检验的识别算法。基于极值分布理论,利用观测信号的平方幅度谱构建其超阈值序列,通过检验超阈值序列的分布是否近似服从GP-I分布来实现对BPSK/QPSK调制方式的分类识别。在不同条件下,大量仿真结果证明了所提算法的有效性,并且和已有的调制信号识别算法相比,所提算法具有更好的识别性能。