大频率动态微弱MPSK信号高精度测频算法

传统测频方法对多进制相移键控(multiple phase shift keying,MPSK)在信号采样数据非线性变换后直接进行快速傅里叶变换,方法简单易实现,但频率测量范围小且精度差,无法适应由目标高速机动、通信距离远导致的MPSK信号频率动态大、信噪比(signal to noise ratio,SNR)低的应用场景。针对该难题,提出了一种“粗+精”处理架构的高精度测频算法,粗测状态采用功率谱加窗法粗略测量多普勒频移,精捕状态采用变化率分槽修正和滑动分组平均压缩实现多普勒频移及其变化率的双重精确测量。试验与分析结果表明,所提算法在大频率动态、低SNR条件下,多普勒频移测量精度达到Hz级、多普勒变化率测量精度达到Hz/s级,显著提高了MPSK信号在大频率动态和低SNR环境下的测频精度和检测灵敏度。

多径信道中MPSK信号的调制识别算法

针对多径信道中MPSK信号的调制分类问题,提出一种新的基于高阶累量的分类算法。算法所用特征对平坦衰落信道具有衰落不变性,对频率选择性衰落信道也具有很强的抗多径能力。与已有方法相比,本文算活极大地降低了对多径信道冲激响应模式的限制,更具适应性。理论分析和计算机仿真试验都证明了新分类算法的稳健性和有效性。

一种低信噪比下MPSK信号频率估计方法

针对MPSK信号载波频率估计所需信噪比高的问题,提出一种低信噪比下MPSK信号频率估计方法.首先使用现代谱估计方法建立自回归模型,完成MPSK信号载波频率的粗估计,得到含有较小残留频偏的信号;然后进行M-th非线性变换,根据最大似然准则,估计出较高精度的残留频偏值.仿真结果表明,本算法在较低信噪比下可达到较高精度,算法稳定可靠.

利用累量不变量对MPSK信号分类

针对MPSK信号的分类问题 ,提出一种新的基于高阶统计量的分类特征 .新特征对MPSK信号星座图的平移、尺度和相位旋转变换具有不变性 ,并可抑制有色和白的加性高斯噪声 .新特征用于MPSK信号分类 ,在给定的数据长度和中等信噪比条件下 ,得到了很高的识别概率 .最后给出了计算机仿真结果 ,并与已有算法进行了比较 .

一种基于循环谱的MPSK信号符号速率估计方法

针对频谱感知的实际应用,在循环平稳理论的基础上,研究了经过脉冲成形滤波器滤波后的MPSK信号的循环谱特性,通过分析有限数据条件下剩余带宽对循环谱估计的影响,提出一种恒包络处理与频域平滑循环周期图结合的符号速率估计算法。仿真表明该方法在有限数据条件下具有良好的性能,而且在剩余带宽较小时,也能有效地估计MPSK信号的符号速率。

基于循环累量不变量的MPSK信号调制识别算法

提出一种新的循环累量不变量分类特征,来实现MPSK信号的调制样式分类。新分类特征只利用了码元速率的先验信息,对基带成型脉冲的形状具有稳健性;对MPSK基带信号的时移、载波相位误差、信号幅度变化具有不变性;并可抑制加性平稳噪声。利用循环时变累量的多信号选择性,所提出的分类特征可实现多信号分类识别,理论分析和计算机仿真结果都证实了分类算法的有效性。

基于循环平稳分析的MPSK信号调制分类

提出了一种新的MPSK信号调制分类算法。通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号。由于高阶循环统计量具有抗平稳噪声的能力,从而在高阶循环累积量域构成了分类特征不变量。这种分类算法无需知道信号参数的先验信息,理论分析和实验结果证实了分类算法的有效性。

一种基于循环平稳的MPSK信号调制分类改进算法

给出了一种基于循环平稳的MPSK信号调制分类改进算法。通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号。这种在高阶循环累积量域构成的分类特征不变量具有良好的抗平稳噪声的能力。通过利用二阶循环累量对码元速率的估计,大大减少了累积量估计的运算量。仿真表明,改进后的算法运算精度与原算法大致相当,运算量大大减少。

MPSK信号循环谱检测与码元速率估计改进算法

利用循环谱理论对MPSK信号进行检测和参数估计,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下MPSK信号的检测与码元速率估计,提出一种改进算法。该算法基于数据分段处理和重叠保留,通过在非零循环频率上一维谱峰搜索实现信号检测与码元速率估计,能够有效地抑制噪声的影响,避免多维搜索,计算量小。分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真。仿真结果证明了所提算法的有效性。

带限MPSK信号码元宽度的盲估计

理想MPSK信号在码元跳变处表现为相位的不连续性。小波变换能有效检测出这些信号细节,从而为估计码元宽度提供了依据。实际系统常采用脉冲成形技术减小发射带宽,改变了信号包络,从而影响了小波变换的检测性能。本文对截获接收机输出的信号进行预处理后再利用基于Haar小波变换的算法提取码元宽度信息,理论分析和实际信号处理表明,这种算法能有效检测码元跳变,从而估计出码元宽度。

MPSK信号的最大似然SNR估计方法

该文利用最大似然准则分别推导了对于MPSK信号的数据辅助SNR估计方法、判决指向SNR估计方法 和一种新的盲信噪比估计方法。文章对这些算法的性能进行了分析和计算机仿真,并与其它一些SNR估计算法进 行了比较。分析和仿真的结果显示数据辅助的SNR方法性能优越,很好地符合了信噪比估计性能下限(CRLB)。 判决指向算法性能依赖于判决的准确程度,在高信噪比时性能较好:而在低信噪比条件时,特别是小于0dB以后 其估计有较大偏差。新的盲SNR估计算法对于BPSK信号具有估计范围广、精度高和复杂度小的特点,但是当M 增加时性能会明显下降。

基于小波变换的MPSK信号符号速率估计算法

在非合作MPSK信号调制方式识别和盲解调过程中,符号速率的估计是一个重要环节。本文根据morlet小波函数的时频特征以及MPSK信号的时频分布,提出了一种基于morlet小波变换的MPSK信号符号速率估计算法。仿真结果表明,与现有算法相比,该算法对载频估计误差不敏感,具有更低的信噪比门限,也更逼近CRLB曲线。

多径信道下MPSK信号调制识别算法的研究

针对室内以及山区多径环境下MPSK信号的调制识别,提出一种基于高阶累积量的识别算法。该算法利用高阶累积量良好的抗噪性能,实现了多径信道下的有效识别。理论分析及仿真结果表明,采用本文所提出的识别算法,在中等信噪比条件的,对多径信道的MPSK信号的整体识别率在90%以上,能满足实际应用的需要。

单信道时频重叠MPSK信号的调制识别方法

提出一种基于高阶循环累积量的调制识别算法,用于解决单信道两个时频重叠M PSK信号的调制识别问题。对接收到的重叠信号进行预处理,计算其四阶循环累积量,提取分类特征参数,采用最小误差准则算法实现时频重叠双信号的自动分类。理论分析和仿真试验结果均证明了算法的正确性和有效性。

带限MPSK信号的调制分类

提出了一种带限MPSK信号调制分类算法,对截获接收机输出的带限MPSK信号在未知载波频率的情况下,通过对延迟乘积信号进行分析处理,利用小波变换提取其码元跳变点,进而得到与原信号调制类型一致的复基带信号序列。并利用此基带序列的高阶累积量构造分类特征不变量,在宽信噪比范围内实现了带限MPSK信号的调制分类。理论分析和实测信号处理证明了提出算法的有效性。

基于循环平稳分析的MPSK信号接收

提出了一种新的MPSK信号解调算法。通过对预处理后的MPSK信号进行循环平稳分析,利用已调信号的4阶循环累积量估计载波频率和初始相位偏差以便实现正交解调。由于高阶循环统计量具有抗平稳噪声的能力,因此在循环累量域有较高的参数估计精度。采用小波变换估计基带信号的码元速率,通过抽样判断产生再生基带信号从而实现了信号的盲解调。这种解调算法无需信号参数的先验信息,理论分析和实验结果证实了算法的有效性。

基于二阶循环统计量的MPSK信号频偏估计算法

本文利用接收信号(为二阶周期平稳信号)的二阶循环平稳特性推导了一种开环频偏估计算法,此算法的特点为:(1)接收信号为MPSK调制信号;(2)频偏估计过程不需要训练序列;(3)适用于任何分布的加性平稳噪声(白噪声及有色噪声)。文章对提出算法的性能进行了分析,并运用蒙特卡洛(MonteCarlo)方法对算法的性能进行仿真。

未知调制阶数的MPSK信号信噪比估计算法

在未知MPSK信号调制阶数 ,未知接收码元序列条件下 ,提出一种基于高阶累量的可同时实现MPSK信号调制类型的初步分类和比较的精确的信噪比估计算法。计算机仿真结果表明 ,给定适当长度的观测数据 ,在很大的信噪比范围内 ,该算法可达到很高的估计精度。最后讨论了进一步提高信噪比估计精度的方法。

MPSK信号的盲信噪比估计算法

广义SSME算法(GSSME:Generalized Split-Symbol Moment Estimator)是在SSME算法的基础上把每个符号均匀分成多段而得来的。本文提出了复数加性高斯白噪声中基于迭代GSSME算法的MPSK信号盲信噪比估计算法,推导了每符号采样点数和分段数之间的关系。分别对BPSK、QPSK和8PSK信号进行了计算机仿真,并与常规SSME算法进行了比较。结果表明当信噪比高于一定值时,迭代的GSSME算法能达到更小的偏差和均方误差,并且估计性能与MPSK信号的调制阶数M无关。

中值滤波算法在MPSK信号非线性频率估计中的应用研究

该文基于非线性频率估计算法,通过对叠加了高斯分布白噪声接收信号的非线性变换分析,提出将中值滤波算法应用于载波频率估计之中的思想。同时,运用蒙特卡洛(MonteCarlo)仿真手段对其进行了验证。结果表明:在非线性频率估计中运用中值滤波算法后,其估计的均方误差较之运用均值滤波算法有很大的改善。