通信系统中调制类型自动识别方法分析

根据接收信号样本提取出振幅、频率和相位的特征参数,在AWGN信道中,采用小波变化的方法,针对接收信号样本中提取出的振幅、频率和相位的特征参数,设计调制类型自动识别,对幅度调制和非幅度调制信号特征参数分析,对QAM、ASK、PSK和FSK调制信号的特征参数进行分析,并对区分调制信号的关键参数进行分析并确定,通过对仿真结果的对比表明能实现调制信号的正确识别。     

基于变换域的调制类型自动识别

在多径信道下，针对调制类型自动识别(AMR)问题，提出了一种基于变换域的自动识别算法。该算法从变换域提取全部特征参数，采用决策理论算法，实现调制类型的自动识别。理论分析和仿真结果表明，该算法优于同类算法，具有较高识别精度和良好的健壮性。     

短波信号调制方式自动识别方法分析

根据作者多年的短波监测工作经验,结合当前我国短波信号调制方式自动识别的方法,介绍短波信号自动识别的现状,对自动调制识别技术以及常见短波信号的调制方式进行论述,最后介绍了对短波信号特征参数提取及识别的流程。     

OFDM信号调制类型的自动识别研究

对OFDM系统通常采用的MPSK/MQAM信号调制类型的自动识别进行了研究。设计了一种基于重建星座图的分类器,将样本集映射为若干个与调制阶数一一对应的具有单峰性质的子集,通过子集的个数和单峰中心位置判定调制阶数及其调制方式。仿真结果表明,该分类器能够有效地识别OFDM信号的调制类型。     

基于小波脊线的射频信号调制类型识别

针对已有算法应用的局限性,提出了一种根据小波脊线特征的差异来识别射频信号调制类型的新方法。在充分分析小波脊线原理的基础上,对4类典型射频信号的小波脊线特征进行分析,根据分析结果,给出调制类型自动识别流程。仿真结果表明,在较低信噪比下,该方法对各类射频信号的调制类型有较高的正确识别率,从而验证了该方法的正确性和有效性。     

基于模糊分类的调制信号自动识别方法

本文研究了一种基于模糊分类的调制信号识别方法,即提取信号时域、频域、功率谱等统计特性,利用模糊分类器进行分类识别。计算机仿真试验表明,该方法在较低信噪比下也能正确识别,且不需要信噪比、载频和码元速率等任何先验信息。     

复杂电磁环境中调制方式的自动识别探讨

随着我国无线电事业的飞速发展,无线电发射设备数量急剧增加,电磁环境日趋复杂。无线电监测部门作为无线电管理的技术支撑力量,担负着信号监测、干扰查找等重要工作。在日常工作中,我们发现设备的解调类型自动识别功能对于无线电监测、干扰查处意义重大。     

利用参数统计方法自动识别数字调制信号

自动调制方式识别应用范围广泛，对于军用软件无线电侦察接收机更具有十分重要的意义。本文提出了一种基于统计参数识别信号类型的新方法，在满足SNR≥10dB的条件下，可正确识别2ASK、M－AM、QAM、PSK、FSK等五种信号。仿真试验表明：计算简单，识别效果良好。     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

低数据量下的雷达信号脉内调制识别方法

针对部分脉冲宽度窄、采样点数少的雷达信号监测应用场景,提出一种新的雷达信号脉内调制自动识别算法。采用小波变换与瞬时自相关相结合的方法,提取雷达信号瞬时频率特征,根据不同调制方式雷达信号的特征差别,实现了对常规信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二进制频率编码信号和四进制频率编码信号七种不同调制方式雷达信号识别。在不同数据量条件下,仿真结果表明,识别准确率随着码元个数或单个码元采样点数的减少而降低,此识别算法对信噪比为20 dB、采样点数为100个的雷达信号,可以实现对不同调制方式的准确识别,识别准确率高于80%。与传统识别方法相比,该方案所需数据量较少,识别准确率高,易于工程实现。     

基于软件无线电的数字调制信号自识别的研究

软件无线电的基本思想是构造一个具有开放性、标准化、模块化的通用硬件平台,通过软件编程来实现无线电台的各种功能。调制方式的多样化必然导致无线电台的多模式化。调制方式多样化的存在,就必须要具备自动识别各种调制方式的方法,所以,信号调制方式的自动识别是软件无线电中必须具备的功能之一。决策理论具有结构简单,识别种类多的优点,这也是本文采用决策理论的主要原因。最后仿真验证了决策理论是非常有效的。     

一种低信噪比下的模拟调制信号识别方法

信号调制方式的自动识别是未来软件无线电必须具备的功能之一。本文针对模拟调制方式提出了一种基于决策理论的识别流程,分析了模拟调制识别特征参数的提取。该方法具有计算简单、无需知道信号的先验信息的特点,而且能在低信噪比情况下快速有效地进行调制识别,易于实时应用和工程实现。仿真结果表明,在0dB信噪比条件下,正确识别率能够达到85％以上,性能优于传统的调制识别方法。     

Automatic Recognition Algorithm of AM Signals Based on Spectrum and Modulation Characters

To meet the actual requirement of automatic monitoring of the shortwave signals under wide band ranges, a technique for automatic recognition is studied in this paper. And basing upon the spectrum and modulation characters of amplitude modulation （AM） signals, an automatic recognition scheme for AM signals is proposed. The proposed scheme is achieved by a joint judgment with four different characteristic parameters. Experiment results indicate that the proposed scheme can effectively recognize AM signals in practice.     

基于通信信号非微弱特征的并行调制识别

调制识别是非协作通信中的关键问题。文中论述了一种基于判决理论的模拟-数字调制信号识别算法,并提出了该算法基于CUDA的并行应用,仿真实验表明,通过6个特征值可实现大部分模拟、数字信号的调制识别,同时基于CUDA并行加速的效果明显。     

基于决策论判决法的调制信号自动识别

调制方式是通信过程中的重要参数,快速检测和识别通信信号的调制方式在通信领域,尤其是军事通信领域,有着极其广泛的应用。对判决法自动检测和识别信号调制方式的经典算法进行了改进,以提高对日常通信训练中常用的USB、LSB以及FM、2FSK、4FSK信号的识别速度及准确率,并给出了该算法的实现流程。经仿真验证,改进算法能在对其他8种常用调制方式识别效果影响不大的前提下,提高对SSB、FM、FSK信号的识别效果。     

基于谱特征的CCI-549—2信道下信号调制的盲识别

本文研究基于谱特征的 CCIR- 5 4 9- 2‘poorpath’信道下信号调制方式的自动识别 ,在该信道标准下 ,通过对信号的功率谱估计 ,利用每一频率分量对整个频谱内能量的“贡献”大小这一谱特征进行识别。此外 ,还提出一种较实用的自适应门限确定方法。仿真结果表明 :在SNR>6d B时 ,对信号的识别率达到 93%以上 ,证明该方法是实际有效的     

通道门控Res2Net卷积神经网络自动调制识别

针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network, 2D-CNN)网络、多尺度残差网络(Residual 2-network, Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network, SENet)和长短期记忆(Long Short-Term Memory, LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。     

一种常用通信信号的自动调制识别方法

提出了一种常用通信信号的调制方式自动识别的算法,从信号的功率谱、二次功率谱和四次功率谱中提取一组特征参数,采用判决树方法,在不需要先验知识的情况下对常用通信信号调制样式进行自动识别。通过计算机仿真和实际采集数据验证,表明该算法识别准确率高,实现简单,具有较强的可行性和实用性。