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。     

基于分数阶傅里叶变换的脉内信号调制方式识别

针对传统的雷达脉内信号调制类型识别方法存在的抗噪性能差和识别率低等问题, 提出了一种基于分数阶傅里叶变换（FRFT）的脉内信号调制方式识别算法。该算法分为两步 ：首先根据不同调制方式在调频斜率上的区别,通过FRFT模值随阶数变化的特点,识别出线 性调频信号;然后,再根据阶数为1时FRFT的波形特点,识别出频率编码信号和相位编码信 号。仿真实验表明,该算法在信噪比优于-2 dB的情况下可以完成脉内信号的调制特征 识别,其抗噪性能和识别率均明显优于传统识别方法。     

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。     

干扰环境下的信号调制识别

针对干扰环境提出了一种基于独立成分分析（ICA）和支持矢量机（SVM）的通信信号调制识别算法。算法利用多天线接收技术,采用独立成分分析方法寻求观测样本矢量的统计独立分量,设计了以二值支持矢量机（SVM）为基础的多值分类器,该算法具有较高的训练速度和较好的分类性能。仿真表明,当信干比大于10 dB、移动速度小于12 m/s时,算法的总体正确识别率超过0.9。干扰环境下的信号调制识别研究具有较重要的实际工程应用意义。     

一种简单多径信道下的调制识别方法

为解决简单多径条件下调制识别类型少、难以工作于低信噪比下的问题,提出了一种基于联合特征参数的调制识别方法。根据简单多径下不考虑多普勒效应影响这一条件,利用调制信号的延迟相关和瞬时自相关特性,并结合高阶累积量特征对幅移键控(ASK)、相移键控(PSK)、频移键控(FSK)共8种信号进行分类识别。仿真结果表明,在信噪比大于4 dB时,简单多径条件下的各类调制信号正确识别率接近100%。     

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。     

广义空间调制系统的低复杂度检测算法

针对广义空间调制（GSM）系统接收端最大似然（ML）检测算法计算复杂度极高的缺点,提出了一种基于压缩感知（CS）信号重构理论的低复杂度信号检测算法。首先,在多输入多输出（MIMO）信道模型下,通过改进正交匹配追踪（OMP）算法,得到一个激活天线索引备选集;然后,利用ML算法在该备选集中进行遍历搜索,检测出激活天线索引和星座调制符号。仿真结果表明所提算法的检测性能接近于ML算法,且复杂度约为ML算法的2%。因此,所提算法在保证检测性能的同时也大大降低了计算复杂度,实现了检测性能与复杂度之间的平衡。     

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。     

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。     

基于伪相关函数的cosine-BOC调制信号无模糊跟踪算法

针对余弦二进制偏移载波（cosine-BOC）调制信号自相关函数的多峰特性会导致导航接收机同步阶段产生跟踪模糊度问题，提出了一种基于伪相关函数（PCF）的cosine-BOC调制信号无模糊跟踪算法。该算法通过分析cosine-BOC信号的时域模型，在本地设计两路辅助信号波形，与接收到的cosine-BOC信号进行相关运算，再将得到的两互相关函数利用伪相关函数表达式进行组合，从而消除cosine-BOC信号自相关函数的边峰。仿真结果表明，该算法能够消除cosine-BOC信号鉴相曲线中存在的误锁点，实现伪码无模糊跟踪，提高跟踪可靠性，且该算法适用于任意阶数的cosine-BOC信号。     

调频遥测信号载波频率的精确估计

传统调频遥测信号载波频率估计算法对输入信号降采样后直接进行快速傅里叶变换,实现方法虽然简单,但测量精度较差,无法适应高动态、低信噪比等复杂场景。为此,提出了一种调频遥测信号载波频率的精确估计算法。两并联补偿支路先分别采用正、负调频频率对输入信号进行频率预先补偿,低通滤波后完成降采样处理,削弱调频频率的频谱影响;频率搜索状态对采样数据进行载波多普勒变化率的频率补偿,经过快速傅里叶变换、非相干积分和频谱重心搜索完成频率解算,提高载波频率的检测性能。试验与分析表明,所提算法在高动态、低信噪比等复杂场景下可显著提高调频遥测信号载波频率的估测性能。     

用于正弦波频率估计的修正Kay算法

Kay算法能够估计出采样点较少的正弦波频率，但低信噪比下估计性能不佳。针对此问题，提出了修正Kay算法。首先基于最大似然估计准则，推导了观测信号模值与相位的条件概率密度函数，进而重建了Kay算法的相位差噪声矢量协方差矩阵与权值矩阵。实验结果表明，修正算法能够有效估计正弦波信号频率，与Kay算法相比，抗噪性更强。     

基于LFM模型的高动态弱GPS信号载波捕获

根据极大似然估计理论,通过载波频率和频率变化率分段对消、快速傅里叶变换(FFT)结果选大估计载波频率和频率变化率,实现载波信号捕获,建立了高动态全球定位系统(GPS)载波的线性调频(LFM)信号模型,并给出了算法的具体实现。详细分析了该算法中检测统计量的分布特性,推导了恒虚警准则下的检测门限,并讨论了其中关键参数的设计。仿真结果表明,该算法可以实现对18 dBHz的GPS高动态信号的载波捕获。     

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%。     

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%。     

大动态PCM/FM信号的载波频率同步

针对大动态脉冲编码-频率调制（PCM/FM）遥测信号的载波频率同步，提出了基于快速傅里叶变换（FFT）及频谱重心的载波频率估计方法，并采用了频谱叠加及频谱截取的优化方法提高算法估计精度。相对于其他基于FFT的频率估计算法，频谱重心法有着更高的估计精度及更好的抗噪声性能，而且复杂度代价很小。仿真的均方误差结果表明，基于FFT长度为2 048和2块叠加以及保留信号99.9%能量的频谱截取方案有最好的估计性能。在最大多普勒频率、多普勒一阶变化率及二阶变化率分别为0.5倍、0.3倍及0.2倍符号率的大动态条件下，基于频谱重心法的二阶锁频环能够较好地完成载波频率跟踪。误码率曲线表明，经过频偏校正后的多符号非相干解调（MSD)性能与无频偏情况相比，无性能损失。     

基于多种调制方式的空时OFDM系统多用户检测技术

建立了基于空时分组码的多输入多输出(MIMO)-正交频分复用(OFDM)系统模型,研究 了基于最小均方误差的串行干扰消除（MMSE-SIC）多用户检测算法,通过优化排序迭代结构 ,使得接收算法具有较好的性能。仿真结果表明,该算法在误码率方面能够取得优于常规线 性MMSE算法的性能,而且得出星座图中映射点间距也影响着检测算法的性能,随着间距的缩 小,误码概率会上升。     

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。