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。     

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。     

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。     

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。     

一种改进的BPSK/QPSK信号调制识别算法

提出了一种基于顺序统计量特征的二进制相移键控/正交相移键控（BPSK/QPSK）信号调制识别算法。对观测信号进行平方并做离散傅里叶变换运算，将变换结果取模后去除最大值得到修正频谱，并取修正频谱的最大值作为识别特征量，利用恒虚警准则确定判决门限，将识别特征量与门限比较来完成对BPSK和QPSK两种调制信号的识别。计算机仿真表明，当信噪比适度时，所提算法可对BPSK及QPSK两类信号进行有效识别。当信噪比大于1 dB时，算法的平均识别正确率达到90%以上。     

运用高阶累积量和SVM的调制自动识别

针对数字信号调制模式识别问题,提出了运用高阶累积量和二叉树支持向量机（SVM）进行 自动识别的算法。该算法首先使用信号的四阶、六阶、八阶累积量构造了5个新的分类特征 ,然后利用二叉树支持向量机分类器实现了8种信号的有效分类。仿真结果表明,该算法优 于直接多类分类支持向量机算法,在信噪比大于5 dB时,识别率达到90%以上。     

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%。     

基于动态分组的球形译码算法

在MIMO信号检测中,采用最大似然算法可以使系统的误码率最低,但最大似然算法要搜索整个信号空间,计算速度相当慢。球形译码算法性能最接近最大似然算法,它通过减少需要比较的信号点可大大降低计算量。提出了动态分组的球形译码算法,对传统球形译码算法进行了改进。仿真结果表明,所提算法可以根据M IMO系统的需要进行动态调整,可在小信噪比时降低误码率,大信噪比时提高译码速率。     

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。     

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。     

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。     

一种低复杂度的CPM信号最大似然块检测算法

为了降低连续相位调制(Continuous Phase Modulation,CPM)信号多符号非相干检测的运算复杂度，提出了一种低复杂度的最大似然块检测算法。该算法充分利用已判决输出的符号对检测过程中的符号向量取值进行约束，有效减少判决统计量计算时的运算量，进而降低算法复杂度。另外，该算法引入判决长度变量，通过调整单次检测时判决符号数使算法能够在检测性能与运算量之间灵活折中。仿真结果表明，提出的低复杂度检测算法能够适用于全响应和部分响应CPM信号，相比原最大似然块检测算法能够在不损失检测性能的前提下降低算法运算量至少50〖WT《Times New Roman》〗%〖WTBZ〗，并且能够通过选择不同的判决长度提高算法应用的灵活性。     

跳频信号的归一化多普勒频差最大似然估计

针对双站定位涉及的跳频信号多普勒频差估计问题,提出了归一化的频差最大似然估计算法,利用两个定位站接收到的跳频脉冲串信号,构建一个关于基准跳频频率多普勒频差的似然函数,通过网格搜索得到使似然函数最大的多普勒频差估计,既解决了跳频信号在不同跳频频率上多普勒频差不一致的问题,又充分利用在不同频率的脉冲串信号提高了多普勒频差估计精度。通过仿真对算法的性能进行了评估,结果表明,与基于子空间的算法比较,在脉冲数达到240个时,所提算法执行效率提升30%以上。     

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。     

基于幅度调制畸变Wiener模型的OOK辐射源指纹特征提取

通过分析生成On-Off Keying（OOK）信号的发射机系统的幅度调制畸变特性，阐明了OOK信号辐射源特征产生机理，建立了OOK辐射源的幅度调制畸变特性的Wiener模型，并根据信号模型应用差分进化算法完成OOK幅度畸变特性参数的估计，从而构建辐射源指纹特征完成对OOK信号辐射源的识别。仿真试验和实际数据测试表明，该算法具备OOK辐射源指纹特征提取和识别能力，对实测数据中4个OOK辐射源识别率为93%，优于基于暂态幅度特征的提取方法。     

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。     

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。     

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。