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。     

DS/PM双模应答机接收信号的快捕技术

提出了一种星用直扩/调相(DS/PM)双模式应答机接收信号快速识别和捕获的算法,并分析了该算法的性能。与传统的处理方式相比,该算法通过对共同处理部件(FFT/IFFT)的复用在提高系统性能的同时优化了系统结构,降低了对硬件规模的要求。解决了高动态、低信噪比和大多普勒频移环境下捕获时间与检测性能的矛盾,对研制星用DS/PM双模式应答机有很好的参考价值。     

基于蜂群算法多子阵电台天线波束形成

考虑到战场环境下,低信噪比和敌方干扰容易造成超短波电台通信中断,而鉴于天线阵可以有效提高信噪比和抑制干扰,结合战场电台天线分布特点,提出一种多子阵电台天线应急接收模型。理论分析多子阵电台天线波束形成特性,以消除栅瓣、抑制干扰、提高增益为目标,采用蜂群算法对子阵间距进行优化。仿真结果表明,优化子阵间距可以有效消除栅瓣、抑制干扰、提高增益。同时,与遗传算法和粒子群算法相比,蜂群算法具有更好的全局搜索能力和收敛速度。该研究成果可为超短波电台应急通信提供参考。     

低信噪比条件下扩频伪码均值捕获算法的改进

在低信噪比环境下,扩频伪码捕获算法直接影响接收系统的整体性能。在分析扩频伪码捕获算法在低信噪比环境下的特性的基础上,针对均值算法中由于码相位偏移量的不同而导致的相关性能不稳定的问题,采用预处理方法对均值算法进行改进。仿真分析和结果数据表明,在低信噪比条件下的实际应用中,选用改进的均值算法可以有效地提高捕获过程中相关性能的稳定性从而提高捕获性能。     

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。     

一种精确的基于周期序列的信噪比估计算法

文中针对多径信道,提出了一种基于周期序列的信噪比估计算法,利用周期序列良好的自相关特性,精确地估计了接收信号幅度和噪声方差,分析并推导了两径信道下信噪比估计的通用表达式,给出了算法实现的具体过程。仿真结果表明该算法整体估计性能较好,特别适合于低信噪比条件下。与现有的二阶矩四阶矩(M2M4)和频域估计算法相比,在信噪比为-5dB时,估计偏差在1dB范围内的概率分别提高了21%和55.5%。     

一种估计来波信号极化状态的新方法

干扰场的极化估计是自适应极化滤波器首要的也是最为关键的一步,极化估计器的精度直接制约极化滤波器的滤波效果.基于单极化雷达接收天线的空域极化特性,提出了一种来波信号极化状态的估计方法.首先介绍了算法的估计原理,并对算法性能进行理论分析,在此基础上,进行相应的计算机仿真实验,探讨了影响估计性能的主要因素及提高算法性能的主要途径.理论推导和计算机仿真结果均证明了估计算法的有效性.     

球形译码算法中不均匀半径分配方案及性能分析

在球形译码算法中,初始半径的选择与分配是影响算法性能与复杂度的重要因素.针对球形译码算法在低信噪比时复杂度高的问题,提出了一种新的基于V-BLAST信号模型的初始半径选择与(准)线性半径分配方案,并分析了应用该方案的两种典型球形译码算法流程的性能与复杂度,其分析方法适用于任意不均匀半径分配方案.分析与仿真表明,与传统的球形译码算法相比,在信噪比较低时,采用该方案的球形译码算法的复杂度显著降低;在较宽信噪比范围内,其误码率性能接近最大似然检测性能.     

调制方式的自动识别方法

本文介绍调制信号的神经网络识别方法,以及多进制数字调相信号的次优识别方法,实验结果表明两种方法具有正确识别率高,信噪比要求低,性能优于目前使用的识别方法。     

基于虚拟阵列的信号源数估计算法

信号源数估计是智能天线技术的一个基本问题,经典的信号源数估计算法有:基于信息论"AIC"算法"MDL"算法、假设检验、平滑秩序列法以及盖氏圆算法等,这些算法在低信噪比、小采样、色噪声以及实际信源数近阵列阵元数时,会产生较大的误差。在Kullback准则基础上提出了一种基于虚拟阵列的改进算法,该算法通过对阵列接收的数据进行预处理,虚拟地增加阵元数,按照修正的规则,求取信源数。经仿真验证,该算法克服了经典算法在低信噪比、小采样、色噪声以及实际信源数接近阵列阵元数时,准确估计信源数的难题。