基于小波变换的数字调制信号识别方法的研究

该文介绍了一种基于小波分类特征的数字调制信号的识别方法,创新之处在于同时应用了连续小波变换和多层小波分解两种方法提取信号的特征,并且对于不同调制信号采用了不同的分类特征。算法实现时不需要进行码元周期估计以及同步时间估计,从而使分类器的设计变得简单,判决准则简化,提高了运算速度和识别率。

一种基于ST-RFT算法的数字调制信号识别方法

将短时拉曼努金傅里叶变换(ST-RFT)应用于数字调制信号识别的研究中,以寻求提高低SNR条件下数字调制信号识别率的新方法。通过归一化ST-RFT谱图计算、特征参量提取以及阈值判别来实现调制信号的识别。针对5种常见的数字调制信号进行仿真分析,结果表明,在SNR=0dB的信噪比条件下,基于ST-RFT算法的数字调制信号识别方法的平均识别率可以达到90%,比基于谱图时频分析法的识别率提高了10.4%;特别是相比于基于瞬时幅度和瞬时频率的特征方法,4FSK调制信号的识别率可提高9%。基于ST-RFT算法的数字调制信号识别方法能够在低SNR条件下有效识别数字调制信号,具有良好的工作性能。

基于小波阈值去噪与时频图像检测的信号调制识别技术

随着通信环境的日益复杂化,信号调制识别变得越来越重要。针对低信噪比下数字信号调制识别困难的问题,提出一种基于小波阈值去噪与时频图像检测的调制识别方法。该方法将接收到的实信号转换成解析信号,通过小波阈值法对解析信号进行去噪处理。引入时频重排技术将去噪后的一维信号转换成二维时频图像,通过双线性插值缩放图像,得到适应网络输入大小的时频图。将时频图输入VGG网络中训练识别。实验结果显示,提出的调制识别方法对于低信噪比下的调制识别问题表现优异。

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。