分享到:

数字调制方式的识别研究

数字调制方式的识别对于通信信号分析有着重要的作用 .此文首先介绍了数字调制方式的识别算法(DMRA) ,即判决理论算  (本文共4页) 阅读全文>>

南昌大学
南昌大学

数字调制信号方式的小波识别算法研究

通信信号调制方式的自动识别对电子侦察接收机的实现具有重大意义,是电子对抗的重要方面。只有正确识别通信调制信号的调制类型,才能更好地对敌方通信进行侦听或干扰,更有针对性地制定防御和进攻策略。本论文研究的主要内容是数字通信信号调制方式自动识别的小波算法。针对不同调制方式的数字信号提取其小波域特征,设计了以小波域特征为主要识别参数的梯形结构分类器,建立了数字信号调制方式的自动识别小波算法模型。通过大量的计算机仿真验证了该算法的良好性能,在SNR>5dB下大部分的数字调制信号的正确识别率都达到了90%以上,能很好的满足该课题项目的要求。同时本文还用小波分析方法对数字信号调制参数估计进行了研究。为了更好的提取信号特征与识别,作者进行了一些算法相关公式推导与证明。本文的主要研究成果和创新之处如下:1结合数字调制信号小波域特征与时域特征,提取了数字调制信号的绝对幅度方差,小波变换系数幅度,小波变换系数相位差特征,对项目要求的几种数字通信信号进...  (本文共85页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

复杂电磁环境下的数字调制方式识别研究

随着通信技术的广泛发展,数字通信信号的调制方式变得越来越多种多样,无线通信环境也随之变得越来越复杂。在这种复杂的电磁环境中若想准确无误的从截获到的信号中解调出有用的信息,首先必须对截获的信号进行调制方式的识别。本论文主要针对Morlet连续小波变换(Continuous Wavelet Transform, CWT)在数字调制方式识别过程中的应用进行了研究。论文阐述了连续小波变换在调制方式识别的特征提取过程中存在的最优小波尺度问题,针对该问题论文将调制方式识别分为两部分进行研究:十种单载波数字信号的调制方式的识别和多载波OFDM与单载波调制方式之间的识别。主要工作及创新点包括:1,论文提出了一种基于优化小波尺度(Scale)连续小波变换的单载波识别方法,该方法针对识别中的每一个特征参数都求出与之对应的优化的小波尺度,然后运用求出的优化的小波尺度对信号特征进行提取,最后结合决策树(Decision Tree)分类器设计了一套基于优...  (本文共62页) 本文目录 | 阅读全文>>

《无线电工程》2004年11期
无线电工程

基于BP神经网络的数字调制方式自动识别研究

研究了基于反向传播(BP)神经网络的数字调制方式识别算法(DMRA)的基本原理。针对八进...  (本文共3页) 阅读全文>>

西安电子科技大学
西安电子科技大学

基于神经网络的数字调制方式识别研究

随着通信信号调制方式的日益多样化,通信信号调制方式识别在信号分析领域中发挥着重要作用。由于受信道环境和调制进制数的影响,传统基于似然比检测和特征提取的调制识别方法识别率较差。而神经网络在语音识别和图像识别方面已取得了优异性能,且具有较强的泛化能力和鲁棒性,因此将神经网络应用于调制识别是可行的。传统的神经网络识别方法通常将信号特征作为输入,这种方法受输入特征质量的影响较大,且无法扩展到其他调制信号。近来有部分研究人员利用深度神经网络直接识别调制信号,并取得了较好的识别效果。因此本文深入研究基于神经网络的数字调制方式识别方法,主要工作完成总结如下。本文提出了一种基于一维卷积神经网络(One-Dimentinal Convolutional Neural Network,1-D CNN)的数字调制识别方法。该方法针对中频调制信号的一维采样序列,设计了1-D CNN分类模型,并使用已知调制采样序列和调制方式对网络进行有监督的训练,然后使...  (本文共81页) 本文目录 | 阅读全文>>

合肥工业大学
合肥工业大学

基于特征提取与学习的无线通信数字调制方式自动识别方法研究

调制识别是通信系统中一个重要的研究领域,它处于信号检测与信号解调之间,能够确保通信安全可靠的关键技术之一。在不同领域中得到广泛应用,因此研究调制方式的自动识别具有重要意义。本文有针对性的研究了如何降低噪声对特征参数的影响,设计更好的分类方法,从而提高整体识别的效果。本文主要研究内容工作集中在以下几个部分:首先,研究了一种基于SAE-SOFTMAX的高阶统计特征提取技术,包括该技术的特征提取方法及其步骤。融合了SAE与SOFTMAX,结合高阶累积量实现调制方式特征的快速提取与识别。其次,针对现有调制识别方法对调制方式类型受限,且在低信噪比下识别率不高的问题。研究了一种基于深度学习的调制识别方法。该方法利用零均值高斯白噪声的高阶累积量理论值为0的性质,在信号分析过程中引入高阶累积量,可使系统免受高斯白噪声的干扰。同时,引入深度学习网络结构完成微弱特征的表征,结合三种特征参数,可有效解决低信噪比情况下识别率下降的问题。然后,针对工程实...  (本文共79页) 本文目录 | 阅读全文>>