基于循环谱和稀疏表示的多信号调制识别

针对难以识别时频重叠的多信号问题,提出一种不用分离混合信号即可识别信号类型的新方法。该方法针对各种调制循环谱的不同,用稀疏表示提取各信号的特征,最后根据提取的特征利用支持向量机对信号进行识别分类。经理论推导和仿真实验得出:该方法对噪声具有一定的鲁棒性,在较低信噪比条件下仍能保持较好的识别性能,在信噪比为-4 d B时,对单信号和混合信号的正确识别率分别可达到93.5%和90.67%。

一种线性分组码参数的盲识别方法

针对线性分组码参数的盲识别问题,根据实际序列与随机序列码重分布相似度差异最大的特性,提出一种基于码重相似度识别码字长度和码字同步点的方法,在此基础上,利用一种新的特征——深度分布,识别生成矩阵,利用高斯消去法产生典型生成矩阵,实现了线性分组码的盲识别。码重相似度识别方法简单易行,理论分析及仿真实验表明该方法的容错性较强,误码率为0.01条件下识别效果较好。

基于信噪比估计和盒维数的调制信号识别

针对数字调相和调频识别问题,提出采用调制信号绝对值的瞬时幅度的盒维数作为多进制数字相位调制(MPSK)和多进制数字频率调制(MFSK)信号类间识别的特征参数,并采用拟合曲线作为判决门限,该方法在保持具有较少的特征参数的同时还增强了对噪声的鲁棒性.在调制信号的类内识别中,分别采用MPSK信号的瞬时相位的盒维数和MFSK信号的瞬时频率的盒维数作为特征参数.仿真结果表明,在信噪比为5dB时,对信号进行完全识别的正确率可以达到90%以上,从而证明了该方法的有效可行性.

最大公约式阶数分布的BCH码参数识别

针对BCH码的编码盲识别,在码字同步点已知的条件下,根据实际序列与随机序列最大公约式阶数分布(简记为GOD)之间的差异性特征,提出了一种运用两种量化指标(方差差值、平均欧氏距离)分别对码长进行识别的方法,通过比较这两种量化指标识别码长的容错性,进而提出一种新的融合指标的GOD识别码长方法。在此基础上,通过BCH码的特性,计算阶数分布差值,识别生成多项式,实现了BCH码的盲识别。GOD识别方法简单易行,理论分析及仿真实验表明该方法的容错性较强,融合指标的GOD识别码长方法在误码率为0.02条件下,对中短码识别效果达90%以上;误码率为0.005条件下,对中偏长码识别效果达90%以上。