低信噪比码元瞬时特性数字调制信号识别研究

数字调制信号具有瞬时特性以及易受噪声干扰的特点。在各瞬时特性的提取中,瞬时相位的提取一直被认为难度较大。本文提出一种瞬时相位提取方法,能更真实反映调制信号的相位特性。在此基础上得到5个基于码元瞬时特性的特征参数,并对6种数字调制信号进行了识别。仿真结果表明该识别算法在信噪比大于等于3dB时对信号的理论识别率可达100%,从而在一定程度上减小了噪声对数字调制信号识别的影响。

基于瞬时信息的数字调制模式自动识别

根据数字信号的特点,提出了一种新的通信信号调制模式自动识别算法。该算法从待识别信号的瞬时信息中提取七个分类特征参数,并以支持向量机作为分类器,用于识别12种数字信号。仿真结果证明,当信噪比大于10dB时,算法的正确识别率达到98%以上,且算法简单、计算量小,有利于识别的实时性。

常规调制信号与扩频信号的调制识别算法

由于直扩信号(Direct Sequence Spread Spectrum,DSSS)通常淹没在噪声中,为了有效地识别直扩信号、跳频信号(Frequency Hopping Spread Spectrum,FHSS)和常规调制信号,提出基于瞬时特征和高阶累积量的识别算法。首先推导证明了FM、MFSK、MPSK、DSSS、FHSS信号的归一化四阶累积量切片c4是相同的,并推导得到AM和MQAM的c4通用公式。然后,利用归一化四阶累积量切片c4特征参数检测噪声中通信信号,利用占用带宽特征参数将信号分为扩频信号和常规调制通信信号两类;最后利用瞬时特征参数和高阶累积量特征参数,分别识别扩频信号和5种常规调制通信信号。仿真结果表明,当信噪比高于1 dB时,该算法对上述7种信号的正确识别率可达到100%。

基于随机森林的通信信号识别算法

直扩信号类似噪声,低信噪比条件下,传统弱分类器对常规调制信号和扩频信号的混合识别效果不理想。为了提高信号调制方式识别性能,利用常规调制信号和扩频信号的瞬时特征和频域特征,选取零中心归一化瞬时信号幅度谱密度最大值、信号幅度谱占用带宽及峰度等3种特征参数,采用随机森林作为分类器,实现对AM,FM,BFSK,QPSK,16QAM,DSSS和FHSS信号的识别。仿真结果表明,当信噪比高于-1 dB时,该算法对上述7种信号的识别正确率可达100%。

利用遗传BP神经网络的调制识别新算法

在非合作通信领域中通信信号调制方式的自动识别具有重要作用,如何在低信噪比下准确识别接收到的信号是这一领域研究的重点。针对这种情况,利用信号高阶累积量、瞬时幅度谱以及信号N次方非线性变换后的特征提取三个新的特征参数,并采用遗传算法优化的BP神经网络作为分类器,提出一种利用遗传BP神经网络的信号调制识别算法。仿真识别2FSK、BPSK、QPSK、UQPSK、8PSK五种通信中常用的调制信号。BPSK、QPSK信号在0dB时识别率可达到96%以上,其余信号在信噪比大于0dB时识别率均能达到85%以上。实验表明该算法在低信噪比下对上述信号具有良好的识别效果。

一种新的联合特征调制识别算法

针对一般通信信号调制识别方法在低信噪比条件下识别准确率低的问题,提出了一种基于瞬时特征参数、高阶累积量和功率谱特征的联合识别算法。充分利用高阶累积量对噪声成盲性以及功率谱识别MFSK信号特征明显等特性,具有特征参数稳定、易于提取、识别准确率高的优点。计算机仿真证明在信噪比不小于5 dB的情况下,对信号有很高的识别准确率(大于90%)。