几种信号调制样式识别方法的分析与比较

信号调制样式的识别是近年来信号处理领域研究的热点问题 ,其中对于统计量方法的研究更为集中。通过对信号调制样式识别的统计量方法 ,包括基于信号时频域瞬时参数的算法、谱相关算法的仿真与比较 ,这里提出一种将瞬时幅度的统计信息与频点个数相结合的新算法 ,将谱估计方法应用到这一领域。试验表明 ,这种新算法具有很好的识别效果 ,在信噪比不低于 10dB的情况下 ,正确识别率可以达到 90 %以上。

基于决策理论的软件无线信号调制样式自动识别

信号调制样式的自动识别是软件无线电台必须具备的功能之一.主要讨论了基于决策理论的信号调制样式自动识别的基本原理和算法,论述了模拟信号调制样式的自动识别,数字信号调制样式的自动识别方法.也分析了在实现这些算法时会碰到的许多具体的实际问题,提出了能解决这些问题的调制识别新方法——人工神经网络识别法.

基于多尺度时序特征的信号调制样式识别算法

在认知无线电应用中,当前基于深度学习的信号调制样式识别算法存在运算效率低、复杂度较高的问题,为此本文提出了一种基于多尺度时序特征的信号调制识别算法。该算法首先利用多层卷积层提取不同尺度的时序数据,将数据进行特征融合后使用长短期记忆网络提取时序特征,最后由输出层输出识别结果,并通过网络结构的设计和优化,降低了算法复杂。实验结果表明,在包含11种调制信号的原始I/Q信号测试集上,在信噪比为4 dB及以上时,该算法识别准确率达到90%以上。与同等识别准确率的算法相比,该算法的复杂度更低,在嵌入式设备Jetson Nano和树莓派4B上的推理时间更短,具有更好的工程应用价值。

基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声（AWGN）的鲁棒性，在决策论识别参数的基础上，增加了高阶统计量识别参数，并利用混合参数的经向基函数（RBF）神经网络实现数字信号调制样式自动识别，提高了对数字调制信号的识别能力．仿真结果表明，

基于DSP的数字调制信号神经网络识别算法

DSP处理模块是软件无线电的核心,TMS320C6701芯片以其优越的性能越来越成为其首选。本文研究了在该芯片上实现数字调制信号的人工神经网络识别算法的方法和过程,并通过实验验证了其正确性和合理性。