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。     

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。     

利用累积量和似然特征的卫星单-混信号调制识别算

针对卫星通信中常用调制信号和PCMA类混叠信号的调制识别问题,提出了一种利用 高阶累积量和似然特征的识别算法。算法先对接收数据进行预处理,在此基础上提取4个高 阶累积量特征和1个似然特征,构造一个树形分类器进行调制识别。算法不需要知晓信号的 定时等先验信息,对收发载频存在的频差不敏感。仿真结果表明,算法在正常通信所需的载 噪比下具有较高的正确识别率。     

高阶累积量在多参数联合分选中的应用

目前复杂体制雷达大量出现,侦收到的有效脉冲数少,传统的分选方法存在分选难、参数利用率低、可靠性差等问题,而多参数联合分选方法是解决上述问题的重要手段之一。为此,提出了一种提取信号的脉内特征参数高阶累积量,联合较为稳定的脉间参数,利用改进支持向量机的分选算法。仿真证明高阶累积量归一化的特征值对不同调制类型信号具有良好的区分度,并且通过对复杂体制雷达信号进行分选实验证明,分选结果准确率高。     

基于循环谱理论的时相调制信号分析

针对传统数字调制信号频谱扩展问题,提出具有相位突变特性的时相调制(TPM)方式.基于循环谱理论对TPM已调信号的谱相关特性进行了详细的理论分析,计算机仿真实验验证了分析得到的结果,为TPM调制信号的干扰与噪声抑制提供了一种较好的非平稳信号处理方案.     

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。     

一种改进的卫星MPSK通信信号盲载频估计算法

针对第三方侦察中卫星通信信号的载波频率高精度估计问题,提出了一种没有先验知 识条件下的MPSK信号盲载频估计改进算法,推导了MPSK信号四阶循环累积量运算的简化形式 ,并采用循环重叠Welch功率谱粗载频估计和四阶循环累积量精估计的方法完成MPSK信号 的载频估计,大幅降低了运算量。仿真实验证明了所提算法的有效性。     

基于累积量的盲自适应波束形成技术

本文研究了在阵列信号处理中使用累积量的问题，以及在相干多径环境中基于累积量的盲自适应波束形成技术。该技术能在阵列几何结构和阵列流形未知的条件下，自适应调整权系数使阵列输出的信号干扰加噪声比最大。     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。     

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%。     

一种利用线性调频信号的新型扩频调制技术

根据上扫频和下扫频线性调频(LFM)信号的特性,针对传统的超宽带无线通信系统中线性调频扩频技术存在的调制效率低、误码率性能低、实现复杂高等问题,结合线性调频（Chirp）扩频以及循环移位编码(CCSK)扩频,提出了一种基于线性调频信号的循环移位线性调频扩频技术(CS-CSS)。首先,将输入数据映射在循环移位因子(CSF)上;然后,根据CSF数值对基带所产生的Chirp信号进行循环移位达到调制的目的;最后,在解调端经过加窗处理、快速傅里叶变换（FFT）得到与发射端对应的CSF,从而得到发送的数据。误符号率的仿真结果与理论推导公式相吻合,从调制效率和误码率性能上讲,该方案相比线性调频二进制正交键控(Chirp BOK)系统具有超过10 dB的误码率性能。因此,该方案具有更好的误码率性能、更高的调制效率及实现更低的复杂度。     

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。     

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。     

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。     

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。     

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%。     

混合扩频信号快速参数估计与识别算法

针对混合扩频信号多是基于直接序列扩频和跳频扩频相结合的现状,提出了基 于直接序列和线性调频相结合的混合扩频信号快速参数估计与识别算法。通过建立基于频域 矩峰度系数的神经网络,将两类信号识别开来, 信噪比为-2 dB时识别概率均达到95%以 上 。通过倒序共轭卷积和分段截取后快速解线调,实现了复合信号各参数的快速估计,信噪比 为 -1 dB时码速率估计精度均较高。