利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

数字和模拟通信信号调制方式的自动识别

为自动识别数字和模拟通信信号的调制方式,基于接收信号的一阶统计矩提出9个特征参数,它们均可利用常规信号处理技术获得,参数提取过程计算量小,有利于信号的实时在线分析。以判决理论为基础提出一种调制方式自动识别算法,给出算法的实现流程。计算机仿真结果表明,在信噪比≥9dB时,算法平均识别成功率≥97%,有望用于实际非协作通信系统中信号的检测和快速识别。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

OFDM雷达信号子载波调制方式识别方法

针对多径信道下传统方法识别OFDM雷达信号子载波调制方式存在识别正确率较低,识别子载波调制方式不完备,判决门限不易确定等问题,提出一种新颖的OFDM雷达信号子载波调制方式识别方法。利用OFDM雷达信号的瞬时幅度绝对值标准偏差,实现子载波多进制正交振幅调制（MQAM）和多进制相位调制（MPSK）的类间识别,利用组合高阶累积量作为识别特征量,对MQAM和MPSK两类调制方式中的子类间进行分类识别,利用递归降价的方法实现子载波调制阶数M>16的MQAM调制方式的识别。仿真实验结果表明,该方法能够有效实现多径信道下OFDM雷达信号多种子载波调制方式的识别,且识别性能更优,可以识别更完备的子载波调制方式类型。     

伪码调相与线性调频组合调制信号分析

针对线性调频、伪码调相等单一调制雷达信号容易被电子侦察接收机截获、识别的问题,设计了一种伪码调相与线性调频相结合的组合调制信号。通过理论分析,给出了组合调制信号的数学表达式和处理方法,推导了其模糊函数,完成了组合调制信号的反识别特性分析。在理论分析的基础上,进行了计算机仿真验证,结果表明:设计的组合调制信号具有较为复杂的波形形式,脉冲压缩性能优于单一调制信号,速度和距离分辨力较高,并具有较强的反识别特性。     

一种新型混合跳频通信技术

文中提出了一种新型混合跳频通信技术,该技术结合传统跳频技术和差分跳频技术,在较窄的频带上采用差分跳频调制,并将该调制信号与另一更宽频带内的慢跳频信号进行混频,最终得到一个跳速高、频带宽的调制信号。接收端解调时,先按照传统跳频解调的方式进行慢跳频的解调,再按照差分跳频解调的方式对信号进行差分跳频解调。这种混合跳频通信技术在提高数据传输速率的同时,也可以很好地改善系统的误码率性能和抗单音干扰性能。     

调相信号自动识别的高阶累积量方法

在信号调制类型识别中,在相干、同步条件下实现调制识别是一类比较典型的研究方法,假设已经实现精确的载波同步并已知精确的定时同步信息.先在相干、同步条件下,利用高阶累积量来进行MPSK信号调制类型识别,然后对频率误差和位定时误差对识别算法带来的影响进行了研究.结果表明算法对一定的频差和定时误差具有鲁棒性.     

基于分形维数的数字调制信号识别

在复杂的电磁环境下,如何快速准确地对低信噪比下的常见通信信号进行较全面的识别是一个亟待解决的问题。在对信号分形维数仿真讨论的基础上,提出了一种新的通信信号识别方法。首先,对接收到的信号进行预处理,然后提取其盒维数和信息维数,将两者作为识别的特征参数,最后基于支持向量机实现未知信号的识别。由仿真结果分析可知:预处理后的信号序列的盒维数和信息维数分离度高且受噪声和信号参数的影响小,识别结果较好。在信噪比为5 dB时,不同调制类型信号间的识别准确率最低为87%。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。