基于星座图的数字调制方式识别

针对现有数字调制方式识别类型有限的问题，提出一种基于星座图的分类算法。算法首先利用盲均衡技术克服信道的多径效应与系统同步误差，再对信号减法聚类，提取聚类中心与理想星座图模型进行匹配，从而实现MASK、MPSK、MQAM等调制方式的识别。仿真证明：星座图是一个稳定的、强健的识别标志。     

基于盲均衡的高阶QAM信号调制识别算法

该文针对多径条件下的高阶QAM信号,提出了一种基于改进的HY-NCMA盲均衡方法的调制识别算法。与已有算法相比,均衡器不仅能够纠正载波相位偏转,而且提高了收敛速度;此外,算法提出了新的识别特征,降低了所需要的数据量和运算量,提高了识别率。仿真表明,在中、高信噪比条件下,具有良好的识别效果。     

基于星座图聚类分析调制识别的改进算法

通过分析聚类分析在星座图中的应用,得出星座图聚类分析对高阶QAM短突发信号的类内调制识别不适用的结论,从而提出了星座图聚类调制识别法在短突发信号的改进方法。将星座点在坐标轴上投影,利用投影点进行聚类分析,可以提高星座聚类算法在高阶QAM短突发信号调制识别中的性能。仿真结果表明,在短突发信号的条件下,该方法具有良好的识别效果。     

基于特征参数和星座图的信号调试方式识别算法

国内大部分信号调制方式识别文章都是针对通信信号的某一特征参数进行研究,只能单独识别某几类信号,覆盖率不高,未将基本模拟信号(AM、CW、FM)以及基本数字信号(MASK、MFSK、MPSK、MQAM)联合进行有效识别.本文针对各制式通信信号在时域和频域上的特征,提出基于7项特征参数以及星座图的联合识别算法,通过决策树法...     

基于特征参数和星座图的信号调试方式识别算法

国内大部分信号调制方式识别文章都是针对通信信号的某一特征参数进行研究,只能单独识别某几类信号,覆盖率不高,未将基本模拟信号(AM、CW、FM)以及基本数字信号(MASK、MFSK、MPSK、MQAM)联合进行有效识别.本文针对各制式通信信号在时域和频域上的特征,提出基于7项特征参数以及星座图的联合识别算法,通过决策树法...     

基于星座图聚类分析的QAM信号调制识别算法及其DSP实现

讨论了一种QAM信号调制的识别方法,利用减法聚类算法重建了接收信号的星座图,然后给出了通过构造评估函数来识别信号的调制方式,并在基于ADI公司高性能DSP芯片ADSP-TS201上完成了算法的DSP实现方案,同时给出了该算法的DSP程序开发方法。     

512QAM星座图的选取和实现

研究了多电平正交幅度调制（ＱＡＭ）星座图的选取及５１２ＱＡＭ调制解调器的实现，给出了多种星座图的设计方法并比较了各自的系统性能。     

数字电视QAM调制及星座图的应用

简要介绍数字有线电视QAM调制基本原理及其星座图的形成过程,并较详细利用测试星座图分析和判断数字电视系统故障原因、噪声特征和来源,这对数字电视系统的维护具有重要的意义。     

MAPSK和QAM通信信号的调制识别

通信信号的调制样式识别的研究对于非合作通信有着重要的意义.针对DVB-S2中采用16APSK、32APSK和同为幅相类调制的16QAM、32QAM信号的调制识别问题,提出了一种基于四次方谱和星座图结构的识别算法.首先分析了这4种信号各自星座图结构和四次方谱的特点,据此提取特征参数.然后给出识别算法和信号识别流程图,通过了计算机仿真,证实了理论分析的实际可行性.该算法在不同的滚降系数、频偏、码速率的情况下均有较好的识别率,识别率大于90％.     

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%。     

使用星座图监测数字信号的系统质量

为了保证有线数字广播电视信号的安全传输,根据有线数字电视测试的需要,介绍使用星座图监测数字信号质量的方法,同时对系统的QAM调制、星座图的原理和实现等方面做了相关阐述.     

基于差分星座轨迹图的多任务802.11b/g信号识别方法

针对802.11b/g无线信号的调制方式识别和辐射源个体识别问题,提出了一种基于差分星座轨迹图的多任务卷积神经网络识别方法。将调制识别和辐射源个体识别看作两个相互关联的学习任务,通过共享参数的深度网络提取差分星座轨迹图的特征,并由结构不同的两个分支网络进行分类识别,同时对这两个任务进行联合优化训练并相互促进学习。实验中使用6个不同的路由器进行验证,结果表明相比于单任务模型的识别方法,多任务模型所用的训练时长和模型所占内存均比两个单任务模型之和少,同时对辐射源个体、调制方式的识别率分别平均提高了1.17%和3%。     

一种星座可变的自适应QAM调制方案

研究了星座可变的自适应正交振幅调制(Quadrature Amplitude Modulation,QAM)方案,并给出其统一星座标签的构建方法。利用Xilinx公司的System Generator进行建模仿真。仿真表明,所提出的调制方案可以根据控制信号的不同,实现在4QAM,16QAM,64QAM,256QAM等多种调制方式之间切换,且统一星座标签的应用使硬件实现时资源节省。     

QAM调制与解调的全数字实现

论述了适用于数字微波系统的全数字正交幅度调制解调方式，并根据星座图的形状指出了16QAM。64QAM(星座图为矩形)与32QAM，128QAM(星座图为十字形)在调制与解调方法上的区别，最后用ADS(Advanced Design System)对16QAM，32QAM，64QAM，128QAM全数字调制与解调过程进行仿真，并给出了64QAM在加性高斯白噪声条件下的误码率。实验证明，全数字正交幅度调制解调易于实现，且性能良好。     

一种新的基于QAM调制信号的改进恒模算法

在MCMA算法的基础上，引入一种改进代价函数的新型算法。仿真结果表明，该算法较CMA算法有较快的收敛速度，较小的稳态均方误差，并且可以纠正相位偏移引起的星座图旋转；在均衡器结构方面加入反馈环节，大大减少了抽头个数，增强了算法可实现性。     

Maximum Log-Likelihood Function-Based QAM Signal Classification over Fading Channels

In this paper, we propose a modulation classification algorithm for M-ary QAM signals in Rician and Rayleigh fading channels. The developed algorithms are based on the maximum log-likelihood functions, which are derived from received signals. First of all, we derived the amplitude PDF of M-ary QAM signal over flat and slowly Rayleigh and Rician fading channel, then we developed the log-likelihood functions and then the decision functions for classification. To demonstrate the performance of the proposed classifier, we give an example to classify the 16/32 QAM signals. Results indicate that the performance of classifier is heavily dependent on the severity of channel fading. When channel is AWGN, which means that there exists only one path (may be specular path) between transmitter and receiver, and the Rician factor k, approaches infinity in this case, henceforth, the performance is the best. The performance, however, is degraded with the decrease of k, and finally the classifier performs worst when channel becomes Rayleigh. Further performance improvement can be achieved by increasing the length of record.     

幅度与相位分步识别的QAM调制模式识别算法

正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的调制模式识别一直以来是人们研究的热点,通过星座图来进行调制模式识别也是一种常见的方法。然而,大多数调制模式识别算法会受到频偏和相偏的干扰,因此提出了一种幅度相位分步识别的QAM识别算法来识别调制模式。先利用卷积神经网络(Convolutional Neural Networks,CNN)识别出未消除频偏相偏的QAM星座图的幅度层数,对信号进行第一次分类;再检测每个信号点的瞬时相位进行差分,得到每个点之间的相位跳变幅度;经过减法聚类确定相位跳变次数,由此对信号在相位上进行二次分类,最后识别出QAM信号的调制模式。该方法虽然步骤比传统方法繁琐,但是不依赖于信号的频偏消除和相偏消除,能够起到很好的抗频偏作用。此外,因为没有频偏消除和相偏消除的步骤,所以使得信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。经过试验,这种方法在识别率上比传统的神经网络识别方法在低信噪比下有更好的识别率。     

多载波与单载波QAM传输系统性能比较

本文研究加性白高斯噪声信道上，多载波与单载波ＱＡＭ传输系统的性能。首先指出在发送平均功率和传输速率相同的情况下，在传输特性为理想的平的信道上，两种传输系统具有相同的误比特率，然后给出了信道特性非平（即存在码间干扰）的情况下，多载波ＱＡＭ系统的比特优化分配方法，并用蒙特卡洛方法给出了优化的多载波ＱＡＭ系统与采用判决反馈均衡的单载波ＱＡＭ系统的性能结果。结果显示，优化的多载波ＱＡＭ系统的性能要优于通常的采用判决反馈均衡的单载波ＱＡＭ系统。     

一种复杂星座信号的盲均衡新方法

基于高阶统计量(HOS)盲均衡算法虽可适用于单人单出(SISO)系统,但HOS算法均依赖大数据量而无法满足高速信号传输的时变要求,该类算法对于高阶正交幅度调制(QAM)信号系统的盲均衡能力偏弱.该文在较小数据量的前提下,提出一种适用于SISO系统的高阶QAM信号盲均衡的新算法.算法运用支持向量回归框架,根据有序风险最小...