基于循环谱特征的全频段音乐信号抗干扰研究

为解决传统音乐信号抗干扰方法存在的干扰信号滤除效率低、信号捕获率低问题,提出基于循环谱特征分析的全频段连续音乐信号抗干扰方法。利用聚类算法提取干扰信号特征,搭建含干扰全频段连续音乐信号接收模型,并分析其循环谱特征。通过自适应频移滤波器滤除干扰信号,实现全频段连续音乐信号的抗干扰。实验结果显示,相较于传统方法,提出的全频段连续音乐信号抗干扰方法提升了干扰信号滤除效率与连续音乐信号捕获率,充分说明提出的全频段连续音乐信号抗干扰方法具备更好的抗干扰效果。

多径信道下基于循环谱特征的调制识别算法

针对多径衰落环境下通信信号调制方式识别算法识别类型少、稳定的特征参数提取困难、识别率低的问题,提出一种基于循环谱特征的自动识别算法。首先,提取待识别信号循环谱、平方循环谱及四次方循环谱的特征面和投影面;然后,利用特征面和投影面的相关系数作为特征参数;最后,选择合适的判决门限,对BPSK、QPSK、2FSK、4FSK、MSK、16QAM和OFDM信号进行自动识别。实验表明,该算法提取的特征参数抗多径干扰能力强,识别率高;当信噪比大于2 dB时其总体识别率达到94%以上。与已有算法的比较结果也证明了该算法的优越性。

基于数字信道化接收和循环谱特征检测的短波频谱感知方法

为了对短波频谱进行快速准确的频谱感知,提出一种基于数字信道化和循环谱特征检测的短波频谱感知方法。通过设定双功率检测门限,筛选确定信道和可疑信道,然后结合循环谱特征检测方法检测精度高的特性,对可疑信道进行进一步检测,实现对短波频谱快速准确的感知。分析不同信噪比下数字信道化接收机的检测性能和基于能量检测的信道能量分布,并对3种不同的检测方法进行性能比较。仿真试验结果表明:基于数字信道化接收和循环谱特征检测的短波频谱感知方法是有效的。

基于平均循环周期图方法的Frank编码信号循环谱特征参数估计

针对Frank编码信号非合作条件下参数估计问题,提出了基于平均循环周期图的循环谱特征参数估计算法。该算法利用信号参数与循环谱特征的联系,通过提取信号的循环谱特征,实现对其关键参数的估计。分析了算法的计算量,给出了该算法的具体实现步骤,并通过对信号参数归一化均方根估计误差的仿真计算,分析了噪声环境对参数估计的影响,表明该算法对Frank编码信号循环谱特征参数估计的有效性。

一种基于循环谱特征识别的频谱感知算法

针对传统循环谱计算复杂度高的问题,提出一种基于循环谱特征识别的频谱感知算法,该算法采用自相关矩阵替代频域平滑方法计算信号的谱特征,在降低算法复杂度的同时,能够准确区分噪声与有用信号,利用软件无线电构建测试平台,用以验证算法的有效性。实验结果表明,该算法能够准确检测出频谱空穴,准确度大于90%,并能降低时间复杂度,可以满足认知无线电中对频谱感知的性能要求。

轨道交通无线通信系统信号循环谱特征提取方法研究——评《城市轨道交通通信技术》

轨道交通的快速发展为民众的出行带来了极大的便利,为我国城市化进程提供了强有力的支撑。伴随轨道交通的迅猛发展,对于轨道交通无线通信系统也提出了更高的要求。轨道交通无线通信系统在轨道交通体系中扮演十分重要的角色,不仅有关轨道交通的运行与控制,还涉及到轨道交通的商业服务以及安全管理,因此保证轨道交通无线通讯系统的运行稳定及可靠对于轨道交通有着重要意义。轨道交通无线通信系统信号作为通信系统最基本要素,信号的安全与稳定成为轨道交通无线通信系统顺畅运行的基础,通过对轨道交通无线通信系统信号循环谱特征的提取,对信号进行研究分析,有助于发掘最佳频谱以及实现频谱的充分利用,实现信号的稳定与安全。本文就将借用《城市轨道交通通信技术》一书,探讨轨道交通无线通信系统信号循环谱特征的提取方法。

基于稳态循环谱特征的通信辐射源识别方法

为实现低信噪比环境下多种通信辐射源的高精度识别,提出了一种基于稳态循环谱特征的通信辐射源识别方法,利用循环谱频域截面谱对高斯噪声的强鲁棒性,提取不同辐射源成形滤波器间的本征差异进行识别.首先对接收到的稳态信号提取循环谱频域截面谱并利用主成分分析方法降维,之后分别采用皮尔逊相关系数法、概率神经网络、弗雷歇距离法等判决方法进行辐射源类别判决.仿真实验显示,该特征使用概率神经网络判决和皮尔逊相关系数法判决,显著优于传统循环频率域的切片特征,证明有一定应用价值.

循环功率谱特征检测算法在认知超宽带无线通信的应用

认知超宽带无线通信技术结合了超宽带无线通信技术和认知无线电技术,信号频谱检测是认知超宽带无线通信系统的核心模块之一。循环平稳特性普遍存在于各种调制信号中,该文研究了一种新的检测算法——循环功率谱特征检测算法,并以OFDM信号为例给出了软件仿真和性能分析。该检测算法能够区分有用信号,噪声信号和干扰信号,是最适合认知超宽带无线通信系统的。

基于分数阶傅里叶变换和循环谱的雷达信号调制方式识别

针对低信噪比条件下雷达信号脉内调制方式识别算法识别率低的问题,提出了一种基于分数阶傅里叶变换(FRFT)和循环谱的雷达信号识别方法。通过分数阶傅里叶变换搜索出最大峰值对应的分数阶,把信号粗分为非调频信号和调频信号2大类。对于非调频信号,利用信号的谱峰特征和频谱复杂度以及循环谱特征,对二频编码信号、常规雷达信号、二相编码信号和四相编码信号进行分类识别;对于调频信号,利用自相关得到功率谱特征实现线性调频信号与非线性调频信号的细分类。经实验验证,本文提出的方法在信噪比大于2 dB时,总体识别率达到90%以上。

基于循环平稳ANN的主用户频谱感知算法研究

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于循环平稳人工神经网络(ANN)的主用户信号频谱感知算法。该算法首先对信号特征参数进行提取,作为训练样本和待测样本,再采用ANN算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,所提算法可在低信噪比情况下,不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。

基于改进型支持向量机的频谱感知算法

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于改进型支持向量机(support vector machine,SVM)的主用户信号频谱感知算法。对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本;采用改进的SVM算法分别对有无主用户情况下的信号进行分类检测。仿真结果表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,该算法可在低信噪比情况下不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

针对背景噪声是冲击噪声,且在低信噪比中,二级用户检测性能低的问题,提出了核主成分分析(Kernel Principal Component Analysis,KPCA)和C-支持向量机(Support Vector Machine,SVM)的频谱检测方法。提取接收信号的循环谱特征,核主成分分析对信号特征进行降维,提取出信号的主要非线性特征,再结合C-SVM对接收信号进行分类。仿真结果表明,在冲击噪声背景下,低信噪比中,与PCA-SVM、SVM算法进行比较,所提算法能够提高次级用户的检测性能。