卫星测控信号的调制类型自动识别算法

研究了应用于卫星测控信号的自动调制识别算法 ,提出了FM和PM测控信号识别的两种算法 ,分析并仿真验证了载频偏移对正确识别率的影响 ,研究了载频偏移估计算法对消除载频偏移影响的效果。计算机仿真实验表明 :在基于瞬时相位标准偏差σdp为关键特征的算法中 ,采用最小二乘原理估计频偏可以有效地消除载频偏移和部分噪声的影响 ;基于瞬时折叠相位偏差σlwp的算法在载频偏移为 1 0 0Hz,信噪比高于 - 6dB时 ,其识别率可达 1 0 0 %。

基于变换域的调制类型自动识别

在多径信道下 ,针对调制类型自动识别 (A MR)问题 ,提出了一种基于变换域的自动识别算法。该算法从变换域提取全部特征参数 ,采用决策理论算法 ,实现调制类型的自动识别。理论分析和仿真结果表明 ,该算法优于同类算法 ,具有较高识别精度和良好的健壮性。

低信噪比下基于深度学习的调制模式识别方法

无线电信号的调制类型识别是信号检测与解调的中间步骤,已有的研究表明利用深度学习技术能高效地识别无线电信号调制类型。但对于低信噪比区间内识别准确率骤降的问题,仍没有一种较好的解决方案。受到深度学习在图像降噪中的启发,本文提出了低信噪比下基于深度学习的调制模式识别方法,实现了对低信噪比信号的降噪处理,解决了低信噪比区间信号识别准确率过低的问题。通过在开源数据集下的大量实验,验证了本方法的有效性,低信噪比信号调制类型识别的准确率由10%上升至15%。最后,文章对于本方法存在的问题进行分析,并对未来的研究进行了展望。