DP-DRCnet卷积神经网络信号调制识别算法

卷积神经网络在降低系统网络开销的同时,如何保证较高的信号调制识别准确率是目前面临的重要问题。提出一种轻量级卷积神经网络。该网络分为两路,并行提取信号的自相关和互相关特征,之后两路特征进行合并,实现不同调制方式的分类识别;该网络采用控制模型中卷积层的输入数据维度及卷积核数量的方案,实现对网络模型开销的控制。通过对多种不同的调制方式进行识别验证。实验结果表明:在信噪比为-6~12 dB条件下,其平均识别准确率可达到86.5%;与传统卷积神经网络相比,计算量降低了94.44%;与常规轻量级卷积神经网络相比,计算量降低了67.6%,该网络性能优于现有的基于轻量级卷积神经网络的调制方式识别方法。

一种基于时分数据调制的加权分数阶傅里叶变换通信方法

加权分数阶傅里叶变换是一种新型物理层保密通信方式,可极大地提高通信系统的抗调制方式识别能力。针对单参数加权分数阶傅里叶变换易被破解的不足,提出一种基于时分数据调制的加权分数阶傅里叶变换通信方法。该方法采用奇偶位不同调制的策略,充分利用旋转因子动态加密,进行时分数据加权分数阶傅里叶变换调制,减弱信道中噪声对信号的影响,从而提高加权分数阶傅里叶变换调制信号的可靠性和安全性。仿真结果表明:基于时分数据调制的加权分数阶傅里叶变换调制信号,能够提高传统加权分数阶傅里叶变换信号的可靠性,显著降低窃听方的破译能力,可进一步增强信息传输的保密性能。

一种分数域数字信号调制方式识别方法

随着通信系统电磁环境的日益复杂,确保数字信号调制方式识别的有效性和准确性尤为重要。针对数字信号的特点,引入分数阶傅里叶变换(FRFT)提取修正分数域瞬时幅度参数RMAX进行幅度信号的识别,引入FRFT提取修正分数域四阶累积量比值进行频率信号的识别及类内信号的识别,完成分数域数字信号的调制方式识别。仿真结果表明,该方法可在低信噪比下有效识别调制方式,具有较好的识别准确性,可为工程实践提供理论借鉴。

一种基于RS编码的NHZ跳频序列构造方法

跳频通信系统可以极大的提高通信系统的抗截获和抗干扰能力,为解决基于RS(63,2)编码产生的跳频序列频率碰撞概率较高的问题,提出了一种改进的宽间隔跳频序列构造方法,该方法通过矩阵旋转增大无碰撞区的跳频序列频隙间隔,降低跳频序列频率碰撞概率。仿真结果表明,改进后算法序列的汉明互相关值明显减少,频隙间隔明显增大;且在无碰撞区范围内接入跳频网络时,可显著提高跳频系统的抗多址干扰能力。

二进制偏置载波信号伪码周期联合估计方法

二进制偏置载波(BOC)信号具有抗干扰性和抗截获性,其伪码周期精确估计可为后续信号处理提供重要依据。通过分析BOC信号自相关函数的特性,提出一种新的BOC信号伪码周期估计方法。该方法在传统二次谱估计方法的基础上增加正交分路来消除噪声和载波分量的影响,得到基带调制序列的自相关函数;对离散谱线进行统计分析,在未知信号参数条件下对BOC信号进行精确的伪码周期估计。仿真结果表明:基于正交分路的二次谱估计方法可在低信噪比情况下精确地估计BOC信号伪码周期;相比于传统二次谱估计方法,新估计方法可提高3 dB的信噪比容限。