OFDM混合调制信号在认知网络中的应用

对OFDM混合调制信号进行了谱相关分析,并将其应用到认知网络中。在采用OFDM混合调制信号传输的认知网络中,利用信号的循环平稳特性可以快速识别出信道空闲、认知信号传输、主用户信号传输和两种信号混叠这四种状态,为认知网络中认知信号的快速可靠接入和退出提供了保障。进一步利用混合调制的位置来标记不同的认知网络,认知节点可以区分不同认知网络信号。在提出的认知网络应用模型中,传输和接收设备较简单,而且不需专门的信道来传输控制命令,节约了带宽。仿真结果显示,在认知网络中,该模型可以提高频谱利用率,使通信系统的性能得到改善。

基于CNN-BiLSTM混合神经网络的雷达信号调制方式识别

针对具有时频特性的雷达信号,传统的雷达信号识别方法已经无法满足对信号类型精准识别的需求,因此需要通过采集并分析雷达信号脉内的时频特征实现对目标雷达的具体信息进行有效评估。设计了一种卷积-双向长短时记忆(Convolution-Bidirectional Long Short-Term Memory,CNN-BiLSTM)混合神经网络模型,主要通过BiLSTM的时序记忆特性深度挖掘雷达信号的时域特征,结合权值共享特性和CNN层捕获雷达信号的时频特征,再利用二者信号特征联合完成对雷达信号调制方式的识别。通过对比实验验证,所提方法对若干种雷达信号的识别具有较高的准确度,平均值达到95.349%;优于只使用单一特征的网络和传统算法,具有良好的抗噪声能力。

基于混合OFDM的矿井下通信信号调制识别

当前矿井下通信信号调制识别方法忽略了获取信号包络剩余概率分布和信号噪声的抑制,无法获取通信信号正确序列,导致识别效率低、误差大且通信信号白噪声较高,因此提出基于混合正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)的矿井下通信信号调制识别方法。以井下宽阔地带、井下构造复杂地区以及井下狭窄地区为主要通信环境,分别获取几种情况下的多径信号包络对应的密度函数,分析其分布特征,得到接收信号包络的剩余概率分布,由此证明矿井通信信号为OFDM信号序列。在子载波组的基础上获得接收信号的序列,并消除其循环前缀,并基于此调制码元序列获取信号合并器中的输出信号,提取高阶累积量,消除信道衰落噪声。通过欧式距离分类方法,根据获取的信号特征向量进行分类,利用建立矿井下通信信号调制方式的判决准则,完成基于混合OFDM的矿井下通信信号调制识别。为验证所提方法的有效性,设计了仿真实验。实验结果表明,与传统方法对比,所提方法的通信信号调制识别耗时更短、正确率更高,并能够有效抑制通信信号噪声,可为相关领域研究提供有力支撑。

多径信道下OFDM信号子载波的调制方式识别新方法

针对非合作通信系统中,多径信道下含有导频的正交频分复用(OFDM)信号子载波调制方式难识别的问题,提出了一种OFDM信号子载波调制方式识别的新方法.该方法首先运用4阶与2阶累积量的组合特征,去除OFDM子载波信号中的空载波信号,然后利用4阶累积量和6阶累积量的组合特征,滤除纯导频子载波信号和部分混有导频的调制子载波信号,最后基于改进的减法聚类方法,对提取出来的受导频影响较小的调制子载波信号进行调制方式识别.实验仿真结果表明,该方法在多径信道条件下具有稳健的识别性能.

混合OFDM调制在强化纯电动汽车通信信号中的应用

为了提高纯电动汽车通信信号的传输和自适应控制能力,提出基于混合OFDM调制的纯电动汽车通信信号强化调制方法。构建纯电动汽车通信信号传输模型,采用离散调制解调方法进行纯电动汽车通信信道的均衡调制,构建纯电动汽车通信信道均衡控制模型,采用时频特征分解方法实现纯电动汽车通信信号的特征分离,采用混合OFDM调制方法实现对纯电动汽车通信信号的自适应调制,提高纯电动汽车通信信号的传输和自适应波束形成能力,实现纯电动汽车通信的信道均衡和强化处理。仿真结果表明,采用该方法进行纯电动汽车通信信号调制的自适应性能较好,信号的特征分辨能力较强,在纯电动汽车通信信号输出转换控制和识别中具有很好的应用价值。

混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。

基于神经网络的数模混合信号调制识别算法

通信信号调制识别技术可用于信号确认、干扰识别、电子战对抗以及星间链路通信等方面。针对低噪声下信号调制方式识别率低与识别种类少的问题,提出一种基于神经网络的数字模拟混合信号调制方式识别算法。简化并改进识别特征参数,降低参数对噪声干扰的敏感度,设计基于判决树的自动识别流程。通过自适应学习速率选取最优隐含层节点数,改进BP神经网络算法。结合判决树和改进的神经网络算法,给出基于神经网络的算法调制方式识别方案。仿真结果表明,在信噪比不低于0 d B时,该算法的平均识别成功率达到98%以上。

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，

基于循环前缀相关性的水声OFDM信号调制识别

为解决非合作通信系统中水声OFDM信号的类型识别,本文研究水声OFDM通信信号与常见单载波水声数字通信信号(MPSK,MFSK)之间的调制识别问题。考虑到水声信道复杂传播特性对循环前缀相关性的影响,本文通过截取信号前后片段并迭代搜索双相关峰进行无需先验知识的水声OFDM通信信号特征参数提取,在此基础上设计了一种基于模糊系统的水声OFDM通信信号识别器。对不同信道条件下海上实录信号数据的识别实验结果表明了本文方法的有效性。

同频同调制通信信号的卷积混合盲源分离

针对卷积混合同频同调制通信信号,提出一种新的卷积混合盲分离算法,利用滑窗Z变换将时域卷积混合形式信号通过数学变换转换到Z域瞬时混合形式,通过成熟的线性混合盲分离算法分离出Z域源信号,估计出时域上的源信号。该方法适用于适定情形下的卷积混合盲分离问题,需要设置的分离参数只有一个,就是滑动窗口长度,从而降低了计算复杂度,提升了分离性能,易于硬件实现,可移植性强。

单通道高阶调制线性混合信号的频偏估计

针对具有固定帧长和固定帧同步序列的单通道高阶调制线性混合信号,当两路信号编码异步时,在已知帧长的条件下提出一种基于最大似然准则的频偏估计算法,并给出了算法的有效频偏估计范围.算法通过求互相关获得目标函数,并利用分级搜索的方法估计频偏.为对算法的性能进行评价,文中同时推导了混合信号频偏估计的克拉美罗界(Cramer-Rao Bound,CRB).仿真结果表明,算法在低Eb/N0下可获得接近CRB的估计性能.此外,算法还适用于功率非对称的混合信号.

单通道同频线性调制混合信号的时延估计

针对同频线性调制混合信号单通道盲分离中的时延估计问题,提出了一种基于自相关函数的估计方法。该方法利用接收基带信号的自相关函数建立关于时延的非线性方程,并通过延迟采样进一步构造适定方程组,然后利用梯度下降算法对方程组进行迭代求解,完成整个估计过程。理论分析表明,时延估计的误差正比于自相关函数估计的误差,随数据量增大不断减小。仿真结果验证了该方法的有效性。

单通道混合信号调制识别

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失,针对单通道时频混叠信号的调制识别问题,提出一套系统的调制识别算法。针对信号集{BPSK、QPSK、OQPSK、8PSK、8QAM、16QAM、16APSK、32APSK、CPM},给出整套调制分类算法流程。针对QPSK和16QAM区分困难问题,提出一种基于二阶循环累积量幅度估计的分类算法,并进行了理论推导。理论和实验表明:算法不需要同步码等先验信息,当BPSK和8QAM信号等功率混合,且信噪比为-1d B时,识别正确率可以达到90%,验证了算法的有效性和可行性。

OFDM信道下数字调相信号的调制识别

研究OFDM信道系统下的MPSK调制方式,对其二阶累量和四阶累量进行推导和分析,给出一种针对MPSK调制阶数进行识别的新特征构造方法,新特征提取方法简单,而且容易实现,能够有效实现调制识别目的.笔者分别对OFDM系统传输系统性能和识别率进行了计算机仿真,把基于高阶累量的调制识别算法的识别率与基于谱线特征算法的调制算法识别率做了仿真对比.仿真结果表明,在相同信噪比的情况下,基于高阶累量的调制识别算法要远远优于基于谱线特征的算法,当信噪比高于3 dB时,识别率可以达到100%.

无线通信网络射频信号混合调制仿真研究

对通信网络射频信号的混合调制,能够高效提高通信过程信号的稳定性。对射频信号的混合调制,需要给出混合调制信号复包络表达式,对混合调制信号进行压缩处理,完成通信网络射频信号的调制。传统方法将不同射频信号通过一个激光二极管进行传输,获取射频分量,但忽略了对调制信号的压缩处理,导致调制效果不理想。提出新的射频信号混合调制方法,根据射频信号分离矩阵,依据定点递推法完成同址干扰去除。给出通信网络射频信号的复数表达式,建立相位调制函数,获取新的混合调制信号。为了提高计算效率,在给出混合调制信号复包络表达式的基础上,对混合调制信号进行压缩处理。通过混合调制信号损耗和抗干扰性分析可知,采用所提方法得到混合调制信号完整性和抗干扰能力高。

线性调频相位编码混合调制信号及其DDS实现

利用线性调频信号、二相编码以及伪随机序列—巴克码构成一种线性调频相位编码混合调制信号,这种信号兼备了线性调频信号、二相编码和伪随机序列各自的特点,具有较好的反侦察特点,压缩后能够较大改善信噪比。本文给出利用DDS芯片AD9854实现这种信号的电路方法。

混合滤波器优化的雷达信号调制识别算法

针对传统雷达信号调制识别方法中存在样本数少,卷积神经网络难训练,导致调制识别率低的问题,本文提出一种基于混合滤波器优化的雷达信号调制识别算法。本文算法依据矩阵映射理论,设计混合滤波器,构建特征值映射网络模型,提取雷达信号特征,融合差分进化思想与柯西变异机制,提出混合蝴蝶优化算法,寻优支持向量机组合控制参数,实现雷达信号调制识别。仿真结果表明:类样本数仅为60的训练条件下,在0 dB下比传统算法识别率高5%左右,说明本文所提算法在低信噪比下能有效区分9种雷达信号的调制方式,具备良好分类和抗噪声性能,为电子对抗提供新思路。

基于离散脉位混合噪声调制的雷达信号分析

推导了离散脉位随机多元码调制和脉间二元序列相位调制雷达信号的平均模糊函数,得到了几个有益的结论.结论表明,合理选取波形参数,既可使信号具有良好的距离分辨力和测速精度,又可降低产生这种信号的难度,使其更具工程可实现性.

基于过采样和循环平稳的混合OFDM信号子载波数盲估计算法

针对混合OFDM信号子载波数估计问题,基于OFDM信号的循环平稳特性,提出一种基于过采样和循环平稳的混合OFDM信号的子载波数估计算法。根据混合信号的循环自相关序列估计出混合OFDM信号的过采样率q,利用过采样后的自相关估计出混合OFDM信号的有效符号长度,得到混合OFDM信号的子载波数估计值。仿真结果表明,该算法可以估计出混合信号的子载波数,证明了算法的有效性,同时验证了算法的采样倍数、子载波个数的变化不会影响子载波数估计,此外,在低信噪比下,该算法在衰落信道中具有良好的估计性能。

基于FPGA的混合信号调制识别实现

为了识别4种常见调制方式混合信号的调制方式,针对混合信号的特征,提出了在FPGA上实现的混合信号调制识别方案。该方案利用混合信号与单信号的全采样序列星座点以及定时抽样序列弱信号的差异提取特征参数完成信号识别功能。先经MATLAB仿真验证了算法的可行性,又经ModelSim功能仿真验证了算法可用于现场可编程门阵列,最后配合ChipScope软件完成硬件实现测试。实验证明,调制识别算法具有可行性,在信噪比不低于15 dB时对各混合信号的调制识别有着较高的成功率。