基于模糊函数的直接序列扩频信号参数估计改进方法

分析了基于模糊函数的直接序列扩频信号参数估计方法,研究了该方法在低信噪比环境下针对信号码元传输速率、码片周期等参数估计结果的有效性。在此基础上,提出了一种利用ANFIS（自适应神经模糊推理系统）网络先行去噪,再进行信号参数估计的改进方法。计算机仿真结果证明了这一改进方法的有效性。     

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下,提出了一种恢复直接序列扩频（DSSS）信号扩频码的方法。该方法基于反向传播（BP）神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计效果。     

基于时域分割的DS/FH信号参数估计

针对时频分析方法在直扩/跳频(DS/FH)混合扩频信号参数估计中存在时频分辨率受限、交叉项干扰、实时性差等缺点,通过分析DS/FH信号的时频特性,提出了一种新的DS/FH信号参数估计方法。该方法从待测信号的时域分析出发,利用不同跳频点对应的周期数不相等的性质,完成了对DS/FH信号的时域分割,最后结合DS/FH信号性质完成了对待测信号跳频周期、驻留时间、跳频频率的估计。仿真结果表明,该方法针对DS/FH信号的参数估计精度高,运算速度较快,且没有干扰频率。     

V-BLAST OFDM信号调制识别算法

提出了基于高阶累积量的V-BLAST OFDM 信号识别算法,用以区分频率选择性衰落信道条件下V-BLAST结构的多载波信号(OFDM)和单载波信号(MFSK、MPSK、MQAM)。该算法不需要预先知道信号的载波频率、波特率以及信道的先验信息,直接在中频对信号进行识别处理。仿真结果表明该算法具有良好的识别性能。     

雷达信号高精度参数估计及其DSP实现

研究了单脉冲、线性调频与相位编码雷达信号的调制类型识别与高精度参数估计算法,基于TMS320C6713搭建的硬件平台,完成了两个同时到达信号的高精度参数估计.测试结果表明,该系统能够处理两个同时到达信号,实测双信号处理时间为3 748 905 ns,频率测量误差小于10 kHz,处理速度与参数估计精度都能满足实际需要.     

GMSK扩频调制信号解调解扩技术及实现

分析并比较了两种GMSK软扩频调制解扩解调原理和方法,介绍了硬件实现中一些节省FPGA资源以及帧头判决的技巧和方法,最后在FPGA中实现和硬件验证了算法,结果证明该方法能够完全取代传统的声表面波（SAW）匹配滤波器方法。     

一种快速的DS/FH混合扩频信号捕获方案及其性能分析

为了提高DS/FH混合扩频信号的捕获速度, 提出了一种将DS/FH 信号中三维搜索转化为二维搜索的快速捕获方案。通过对搜索过程的详细分析,推导出在单、双驻留条件下的平均捕获时间数学表达式以及高斯信道下系统的检测性能计算公式。理论推导与仿真结果表明：相对于传统的捕获方式,该方案有效地缩短了系统的平均捕获时间,具有更强的抗噪性能,适用于存在较强噪声的复杂通信环境。     

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%。     

直扩／跳频混合扩频信号测量性能分析

从模糊函数角度,研究了直扩/跳频(DS/FH)混合扩频信号的测距、测速性能.推导了DS/FH混合扩频信号的模糊函数表达式.由数值仿真得到一个跳频点内传递一个直扩伪码周期的混合扩频信号模糊图.仿真分析结果表明,DS/FH混合扩频信号具有良好的测距测速性能,从而论证了该信号用于跟踪测量的可行性.最后,根据信号估计理论分析了直扩/跳频混合扩频信号精度.     

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。     

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。     

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数,并从提高收敛速度和正确识别概率出发,构建了最佳的神经网络分类器。实验结果表明,该技术拥有较好的通信信号调制体制识别性能。     

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。     

一种码元宽度部分重叠的chirp-rate调制高效传输方法

chirp-rate调制是线性调频扩谱通信的一种调制样式,具有很强的抗多径和抗多普勒频移能力。为进一步提升chirp-rate调制码元传输的带宽利用效率,提出了一种码元宽度部分重叠的chirp-rate调制高效传输方法。然后,推导了其带宽效率提高倍数。接下来,基于分数阶Fourier域解调而推导了单个码元宽度内不同调制信号的分数阶傅里叶谱对正确解调的影响,并据此导出了部分重叠传输模式下的带宽效率提高倍数最大值的解析表达。最后,通过仿真分析验证了上述理论推导的正确性。     

一种基于DS-FFH/MSK调制的数据链抗干扰性能分析

提出了DS-FFH/MSK调制方式的一种实现方案,并在多种干扰环境下,从信源误比特率的角度对基于该实现方案的Link16战术数据链的抗干扰性能进行了系统分析,推导了几种不同干扰条件下数据链的误比特率表达式,并给出了计算机仿真结果.