基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

卫星单-混信号识别研究

针对卫星通信中常用的调制信号和成对载波多址(PCMA)混叠信号的调制样式识别问题,提出了一种基于高阶累积量和信号瞬时特征统计量的识别算法。该算法对接收数据进行预处理,在此基础上提取高阶累积量和信号瞬时特征统计量构造4个特征参数,构造树形分类器进行调制识别。算法具有不需要知晓信号的定时等先验信息,对混合幅度比不敏感等特点。仿真结果表明,该算法在低信噪比下仍然能保持较高的识别性能。     

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。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

数字调制信号的神经网络识别方法

提出数字调制信号的人工神经网络识别方法，从信号幅度、相位、频率及功率谱等特性中提取五种特征参数，用于训练神经网络对数字调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。     

单信道时频重叠MPSK信号的调制识别方法

提出一种基于高阶循环累积量的调制识别算法,用于解决单信道两个时频重叠M PSK信号的调制识别问题。对接收到的重叠信号进行预处理,计算其四阶循环累积量,提取分类特征参数,采用最小误差准则算法实现时频重叠双信号的自动分类。理论分析和仿真试验结果均证明了算法的正确性和有效性。     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。     

一种基于循环谱的数字信号调制识别方法

文章基于循环平稳信号处理理论,利用数字通信信号的循环谱特征的不同提出四个特征参数,用于信号调制识别。提取的参数较少,计算量较高阶循环累积量小。给出了三类信号调制方式自动识别算法的实现流程,该识别算法以统计理论为基础,不要求实现载波同步。仿真结果表明,在信噪比RSN≥5 dB时,算法的平均识别成功率>96%。     

一种基于压缩感知的OFDM调制识别方法

卫星通信信号频带宽、传输数据量大的特性,为解决其处理困难的问题,提出一种基于压缩感知的OFDM信号调制识别方法,对OFDM信号进行稀疏变换后,在非重构的条件下直接对欠采样测量值进行处理,根据OFDM信号在高阶累积量上的性质进行调制识别。推算了几种单载频调制信号的欠采样后的高阶累积量理论值;分析了OFDM信号的渐进高斯性,通过这一性质可以将OFDM信号与其他单载频调制信号区分,做到OFDM信号的调制识别;仿真实验结果表明,该方法可以在欠采样的情况下以较高概率完成对OFDM信号进行调制识别,并且有较好的抗噪性。     

基于高阶谱净化的水声目标宽带调制信号检测

针对水声目标解调谱轴频提取中低信噪比和低频信号干扰严重的问题,给出了一种检测水声目标辐射噪声宽带调制信号的方法。首先利用希尔波特变换解调出信号包络,进而计算出解调谱;根据螺旋桨桨叶旋转产生的调制线谱存在明显的谐波关系,利用高阶累计量对角切片对解调谱进行净化;根据线谱波形特征进行线谱检测识别得到比较干净的线谱成分。通过实际舰船噪声检验分析,该调制信号检测方法能够较好的检测出水下目标辐射噪声中调制线谱的基频以及谐波成分。     

多车通信系统中的同频电子干扰消除优化方法

在多接口多信道车联网多车通信系统中,由于车辆的自组织特性和路网网格的不均衡性,产生同频电子干扰,对电子干扰的滤波消除能提高多车通信的信道均衡性,降低误码率。传统方法采用自适应陷波方法实现同频电子干扰消除,无法在突变的载波频率下消除同频电子干扰,导致性能差的问题。提出一种基于自适应线谱增强的多车通信系统中的同频电子干扰消除优化方法。首先构建多车通信系统,引入一种信噪干扰比的观点,对同频电子干扰进行信号模型构建,根据信号比容易分离的特点,使得模型可分离性变强,结合变步长自适应线谱增强方法,实现信号的分离过滤。仿真实验结果表明,进行同频电子干扰消除抑制处理后的功率谱收敛到信号的真实频率附近,多车通信信号能从背景色噪声中有效检测出来,降低了多车通信系统的误码率,展示了较好的信道均衡和改善能力,性能优越。     

基于新的定位方法的空投技术研究

针对空投技术的定位问题,提出了一种新的定位方法。首先,在空投目标区域放置发射机,发射天线在3个方向形成彼此相交的波束,发射机与3个波束的交点构成中心线,3个波束关于中心线对称。其次,发射天线在3个方向发射相同功率,不同频率的信号。最后,载荷上的接收机实时接收信号,经傅里叶变换得到信号频谱图。3个信号功率相等时载荷位于中心线上,保持现有飞行方向;3个信号功率不等时,根据偏离中心线的位置对飞行方向进行调整,确保载荷能够准确到达目标区域。该方法具有较高的定位精度,能够适应复杂电磁环境。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

直接序列扩频信号仿真数据的高效生成方法

扩频技术在通信和卫星导航领域得到了广泛应用,传统仿真数据的生成方法存在计算量大、忽略信道影响因素,较难实现高精度生成等问题.结合扩频系统信号和噪声的特点,提出了基于扩频码码片相关的信号生成以及基于AR模型的带限高斯噪声生成两种高效仿真信号生成方式.该方法计算量相对于传统高精度方法可由1GHz的生成速率降低至码片速率级的数据生成速率,同时保证了信号生成的灵活性和可控性.相关结果可用于现代化导航接收机的仿真数据快速生成.     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

邻频干扰对跳频系统通信容量的影响分析

在已知台站布置的跳频系统中,针对邻频干扰对系统通信容量的影响,从信号信息熵角度,分析了接收点干扰信号和噪声的熵功率,利用信号熵和熵功率不等式,推导得出了以信道参数、干扰台站数和可用频点数为变量的系统通信容量公式。仿真结果表明,在干扰台站数较小时,接收点干扰信号的分布取决于信道参数,而不能简单地假设为高斯分布;并验证了所提理论在nakagami信道下的正确性。     

基于EEMD方法的混合信号分离识别

针对宽开通信侦察系统中的多信号分离问题,提出了一种总体平均经验模式分解(EEMD)方法。首先对混合信号进行去噪,进行功率谱估计,然后利用EEMD方法对混合信号进行分解得到一簇本征模态函数IMF(Intrinsic Mode Function),对代表单个信号的IMF进行Hlibert变换,得到与各阶IMF相对应的瞬时频率,确定信号的个数,估计出其载波频率,设计出相应的带通滤波器,分离出单个信号。最后设计决策树对分离出的单个信号进行调制识别,确定信号的种类。文中以三个信号组合ASK、BPSK、2FSK为例,通过仿真验证了方法的有效性。     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

基于正交分集的灵巧噪声干扰对抗方法*

针对数字射频存储干扰机多通道宽带转发模式下的灵巧噪声干扰,提出了基于混沌调制信号、多谐波相位调制线性调频信号的正交分集抗干扰方法。混沌调制信号与多谐波相位调制线性调频信号具有“图钉”型模糊函数,除了具有良好的距离、多普勒分辨力,而且对回波频率敏感,通过正交分集设计,能够更好的适应宽带转发灵巧噪声干扰。通过计算机仿真对新方法的抗干扰性能进行了分析和验证,结果表明,在多通道宽带转发灵巧噪声干扰环境下,新方法的抗干扰改善因子能够达到10dB以上,抗干扰性能明显优于传统的频率捷变、斜率捷变方法。     

功率谱杂散对LFMCW雷达性能的限制

为使线性调频连续波 (L FMCW)雷达能获得理论上的高测距精度和距离分辨力 ,在工程应用中对其性能的限制因素倍受关注 ,其中发射信道的非线性放大失真将引起 L FMCW信号功率谱产生边带杂散 ,是限制 L FMCW雷达测距精度和距离分辨力的重要因素之一。依据 L FMCW雷达回波功率谱特性 ,从工程应用角度分析了这种信号功率谱边带杂散对 L FM-CW雷达测距精度和距离分辨力的影响 ,为实现高性能系统设计 ,确定合理的实施方案和相关的技术指标及后续的校正处理提供了理论依据。