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。     

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。     

通信信号调制识别方法简析

在无线电应用领域中,通信信号调制识别技术已成为重要的研究课题。文章综述通信信号调制识别技术的研究内容、现有方法和发展前景,对调制识别中的特征参数提取和信号分类做简要概括,并比较各种方法的优缺点,以期让大家进一步了解并推动通信信号调制识别技术的发展。     

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。     

一种非协作通信信号调制方式识别方法

近年对非协作通信信号的识别成为通信对抗领域的研究热点,提出一种非协作通信信号调制方式识别方法。通过信号处理算法对非协作信号进行特征参数提取,以判决树为基础,结合判别流程对信号调制方式进行识别,通过该方法可识别多种模拟调制信号及数字调制信号。对于频移键控（frequency shift keying,FSK）信号,提出通过提取基带信号采样点间相位差构建新的信号,根据构建信号的识别结果确定原信号的调制类型,避免了对先验信息的需求。提出的信号调制方式识别方法整体计算量小,具有良好的实时性。通过Matlab仿真结果表明,该方法具有良好的识别率,证明了该方法的正确性和可行性。     

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。     

基于深度网络的雷达信号调制方式识别

针对复杂电磁环境下传统方法对雷达信号调制方式识别率低的问题,提出了一种基于深层神经网络的识别方法.该方法首先对雷达信号进行时频变换,然后将信号及其时频信息输入深层神经网络,再分别利用循环神经网络和卷积神经网络对雷达的时域信号和时频信息进行特征提取,实现对雷达信号调制方式的分类识别.仿真实验证明,相较于传统的识别方法,该...     

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.     

PD雷达信号时频特性分析

应用时频分析的基本理论和基本方法,分析了不同脉冲宽度、不同脉冲重复频率以及不同采样频率对PD雷达发射信号时频分布特征的影响,研究了不同目标距离、不同目标速度、不同目标加速度以及噪声背景下不同目标反射强度条件下PD雷达目标反射信号的时频分布特征,并使用MATLAB时频分析工具箱对其进行仿真。     

基于双CNN的雷达信号调制类型识别方法

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题,提出双卷积神经网络（convolutional neural network,CNN）串联的网络结构,实现了9种常见雷达信号的分类识别。采用单个CNN结构时,可以准确识别其中4种调制类型,但是相位编码及其复合调制信号识别率低。这是由于相位编码中二进制相移键控（binary phase shift keying,BPSK）与四相相移键控（quadrature phase shift keying,QPSK）的时频特征具有相似性。本文采用双CNN串联的处理方式,其优势在于雷达信号调制参数不固定时,依然可以进行分类识别,具有较强适应性。仿真结果表明,当信噪比（signal-to-noise ratio,SNR）为0 dB时,9种调制信号的识别准确率高于95%。最后,通过仿真分析识别准确率与信噪比之间的关系,验证了该方法的可靠性.     

基于循环累积量的QAM信号载波相位估计算法

利用通信信号的循环平稳特性,在循环累积量域内提出了一种基于高阶循环累积量的载波相位估计算法,该算法通过提取观测样本的循环累积量特征并对其进行归一化,有效消除了信号能量、时延和成形脉冲参数对算法性能的影响。理论分析和仿真结果均证明了算法的正确性和有效性。     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。     

低温等离子体用于高功率微波防护研究*

等离子体对于高功率微波的攻击具有独特的防护效果.基于等离子体流体近似方法,利用COMSOL软件研究了高功率微波与柱状等离子体阵列相互作用过程中入射电场随时间的演变过程,分析了等离子体防护高功率微波的物理过程和作用机理.研究结果表明,入射的高功率微波会使等离子体参数发生剧烈变化,特别是其电子密度将急剧增加,从而使等离子体对入射的高功率微波表现出类似金属的电磁特性,最终实现对入射高功率微波的有效防护.此外,利用高频辉光放电产生柱状等离子体阵列,通过实验验证了等离子体对高功率微波的防护作用.最后,总结了基于等离子体的高功率微波防护技术需解决的主要问题.     

基于联合时频滤波的多目标回波信号分离算法

针对弹道中段多目标回波信号分离的问题,提出了基于联合时频滤波的多目标信号分离算法。该算法先对多目标回波信号进行自相关处理和峰值提取,得到目标信号的周期,接着用该周期对回波信号的Gabor变换和PWVD变换结果进行分段,然后将各段时频图相乘,获得新的时频支撑域,最后用新的时频支撑域对回波信号进行时频滤波,克服了交叉项的干扰和时频聚集性不高的缺点,分离出了不同周期的目标信号。仿真结果证明了该方法的有效性和先进性。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

时频分析在战场侦察多目标识别中的应用

在通过仿真研究多目标信号特征基础上,分析了时域、频域在处理战场侦察多目标识别时的不足,提出一种基于时频分析的信号特征的多目标识别方法。本方法充分利用了探测信号的信息,提高了战场环境下多种目标的识别率。     

基于S变换的跳频信号参数估计

对跳频信号的时频域进行分析和参数估计是识别、跟踪及干扰跳频信号的重要基础。针对接收到的未知任何先验参数的跳频信号,提出了一种基于S变换(S-transform)的跳频信号参数估计算法,通过S变换,能正确估计出跳频信号的跳频周期、跳变时刻及跳频图案。仿真结果表明,与平滑伪Wigner-Ville分布(SPWVD)进行比较,该算法能够在低信噪比条件下,在时频域中有较好的解析能力,提高了跳频信号参数估计的准确性。