钱峰[1]2004年在《通信信号的多分辨率特征分析与调制识别研究》文中研究表明在现代电子对抗、信号的调制解调中，通信信号的特征分析与调制模式识别是重要的研究课题。小波分析是现代信号分析的新的有效方法，它具有多尺度、多分辨率的特点与优势。因此，本文将小波分析方法应用于通信信号分析，开展了数字调制信号的多分辨率特征分析，调制参数估计和调制模式识别的研究。本文的主要内容和创新结果如下： 一、本文阐述了小波变换和通信调制信号基本理论。分析了数字调制信号的小波系数在时间-尺度平面上的变换特征，详细推导了不同调制类型的小波系数最大时所对应的最佳尺度因子。 二、针对MPSK信号调制参数估计，首先进行信号载波频率预估计以确定信号小波变换的尺度范围中心。分析表明小波变换最佳尺度因子反映了MPSK信号码元转换时刻相位幅度对应的关系，利用码元转换时刻的小波变换最佳尺度因子幅度特征进行MPSK信号码速率的有效估计。本文提出的码速率估计器在信噪比为-3dB时，MPSK信号估计精度高于0.03％。 叁、不同数字调制信号的小波系数有着不同特征，最佳尺度因子的变化规律反映了通信信号的调制类型，最佳尺度因子的这种特点用来构造了基于小波变换的调制信号分类器。本文设计了叁类基于小波变换最佳尺度的类内调制识别器，分别对2／4／8ASK、2／4／8FSK、2／4／8PSK这叁类信号有较好得识别效果。计算机仿真证实了分类算法的有效性和稳健性。 四、采用短时傅立叶变换(STFT)方法，有效地提取了航管应答调制信号的细微特征，由此可支持不同发射源的个体识别。
杜青[2]2007年在《基于小波分析与神经网络的无线信号分类方法的研究》文中进行了进一步梳理随着通信技术的发展,无线通信环境日益复杂,通信信号在很宽的频带上采用各种调制方式。如何有效的监视和识别这些信号是通信信号处理的一个重要研究课题,是电子对抗的一个重要内容。其广泛应用于信号确认、干扰识别、无线电侦听和信号监测以及软件无线电、卫星通信等领域。小波变换具有良好的时频局部特性,非常适合分析突变信号和非平稳信号,而神经网络具有自学习、自适应、鲁棒性、容错性等优点,利用神经网络可以提高识别的自动化和智能化。因此,本课题采用小波分析与神经网络等现代信号处理技术,实现对AM、DSB、USB、LSB、FM、PM、2ASK、4ASK、2FSK、4FSK、2PSK、4PSK等12种常用无线信号的分类。首先,研究了通信信号的调制原理和特点,并用MATLAB实现了这些通信调制信号。其次,设计了一种基于小波分析和神经网络的无线信号调制方式分类的方法。该方法分两步实现。第一步是特征提取,采用Daubechies小波对信号进行七层分解和重构,研究了以各层信号的均方差作为信号的特征矢量的方法。第二步是调制方式分类,设计了用于实现调制信号分类的RBF神经网络,用提取的样本集的特征对RBF神经网络进行训练,用训练好的网络对测试集的信号进行分类。最后,基于MATLAB7.1平台对调制信号分类方法进行仿真试验,实现了十二种调制信号在不同信噪比下的分类。当SNR=5dB时,信号的平均识别率达到了98.58%,最低识别率为97%。仿真结果表明,小波分析和神经网络相结合,可以很好的实现无线信号的分类。
崔伟亮[3]2007年在《复杂电磁背景下信号截获与分类》文中进行了进一步梳理无线电监测的基本任务是对无线电信号进行截获、分析、分类和解调等。在这过程中,信号的截获与分类是其重要的组成部分。随着无线电技术的不断发展,电磁背景变得复杂,信号的截获与分类更加困难。本文以实际超短波微波信道为背景,探讨复杂电磁背景下通信信号的搜索截获、特征分析、调制分类等问题,实现该信道环境下信号的截获与分类系统。本文研究了超短波、微波信道中的复杂电磁背景对信号截获的影响,改进了信号搜索与截获的流程;通过对实际超短波微波信号的特征分析,给出了在该环境下各种信号的参数估计与调制分类算法,实现了超短波微波信号自动监测系统。主要工作概括如下;1.通过对实际超短波微波电磁环境的调研,研究了复杂电磁背景对信号截获的影响。改进了已有信号截获与搜索的算法流程,提出了适于该背景下信号截获搜索算法。2.研究与分析了截获信号的特征如P参数等,用于信号参数提取与分类识别;对基于瞬时概率统计的特征和基于信号循环平稳性的谱特征,讨论并给出提取的方法。3.研究了截获信号参数估计问题,提出基于特征谱线的提取算法,该算法结合CZT以及频域质心法,解决了快速精确提取信号参数的问题。4.提出了超短波微波信号分类新流程,该流程实现了无需任何先验知识的条件下,对FM、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK、OQPSK、MSK、16QAM、64QAM信号快速在线识别。5.介绍了实际监测系统的实现,并对实际超短波微波信号自动监测系统中的信号截获与分类功能,进行了相关测试。
陆明泉[4]2008年在《多信号的调制识别技术研究》文中进行了进一步梳理通信信号的调制识别是通信和非合作通信领域共同关注的研究课题。近十几年来，由于无线电通信技术的迅速发展和广泛普及，信号环境日益复杂，调制识别技术遇到了不少新的挑战。同信道多信号的调制识别就是其中的主要技术难题之一。同信道多信号的调制识别与常规的单信号调制识别有很大的不同，需要从被加性噪声污染的多个待识别信号的混合波形中识别各个信号的调制形式。已有的调制识别方法，包括基于决策理论的方法和基于统计模式识别的方法，绝大多数都是针对单信号提出的，不能直接用于多信号的识别。因此，迫切需要研究新的方法来解决多信号的调制识别问题。本文主要研究基于统计模式识别技术的同信道多信号调制识别方法。针对时域混迭的多个待识别信号在频域和空域的不同分布，提出了同信道多信号调制识别的两种基本途径，即基于信号分离的多信号调制识别技术和从观测数据直接提取各个信号特征的多信号调制识别技术。具体的研究内容和主要的贡献包括：(1)对同信道多信号的调制识别问题作了详细的分析，给出了单通道宽带接收和多通道窄带接收两种多信号数据采集方式，提出并分析了基于信号分离和直接提取特征的两种多信号调制识别基本途径；(2)研究了通信信号调制识别的特征提取问题，提出了基于已调信号统计特性的特征分析框架，用于指导特征的提取，在此基础上讨论了信号的特征提取、特征的维数压缩以及多特征向量、特征集的构造；(3)研究了用于调制识别的分类器设计问题，并根据待识别信号的信噪比相差悬殊的实际问题以及提取多种特征的需要，提出了基于多特征、多标记的分类器设计方案，并把组合分类器的概念引入到调制识别中；(4)重点研究了基于信号分离的多信号调制识别方法，提出了一种基于半球面天线阵的波束形成信号分离新方法，在此基础上提出了从AR模型参数提取特征的已分离信号调制识别方法，可以得到很好的调制识别性能；(5)重点研究了从观测数据直接提取各个待识别信号特征的多信号调制识别方法，提出了一种基于GAR模型参数的多信号调制识别新方法，并针对时域混迭的两个和叁个信号以及这些信号在频域中不同的混迭程度，对多信号的直接提取特征和调制识别作了详细的研究，并给出了大量的计算机仿真结果，证实了该方法的可行性和有效性。
陶海平[5]2005年在《通信信号调制制式的识别研究》文中研究指明通信信号调制方式的识别是近年来迅速发展起来的一门高新技术,它是信号分析领域的重要组成部分。以前,识别信号的调制方式是借助相关仪器通过分析信号的波形、频谱来完成的。随着微电子技术的发展,人们开始探索利用以软件为核心的电子设备来识别信号的调制方式。调制识别技术有很高的实用价值:在民用方面,为了实施有效的无线电频谱管理,常常需要监视民用信号传输,以便发现未注册登记的发射机,此时,信号认证、干扰识别等都涉及调制方式的识别:在电子战中,为实施电子对抗、电子反对抗等,都需要通过调制识别技术查清相关通信或电子信号的参数和性质。从最近的国内外发表的文献中可以看出,通信信号的自动调制识别理论的研究正在受到日益增长的关注和重视,特别是在低信噪比条件下调制样式的识别问题。各种现代信号处理技术,包括谱相关理论、高阶统计量、人工神经网络、小波理论等都正在或已经被应用到该理论的研究中。 本文在前人的基础上主要做了如下几点工作: (1)深入研究了模拟调制信号的调制制式的识别问题,成功识别了AM、DSB、SSB和FM四种模拟调制信号。在已有的特征参数的前提下对其进行了改进,并设计了识别流程。 (2)深入研究了数字调制信号的调制制式的识别问题,成功识别了2ASK、2FSK、2PSK、4ASK和4FSK五种数字调制信号。首次将差分运算和sym4小波引入了调制制式识别问题当中。设计了两个识别流程。 (3)在分别研究了模拟调制制式和数字调制制式的识别问题之后,进行了模拟调制制式和数字调制制式的联合识别研究,为了便于与前人已有的方法比较,本文只讨论了DSB、FM、2ASK、2FSK和2PSK这五种基本的调制信号。比较的结果证明本文提出的方法识别效果更好。 最后进行了总结并提出识别技术的展望。
任春辉[6]2006年在《通信电台个体特征分析》文中进行了进一步梳理通信电台个体识别是近年来通信侦察领域一个重要研究课题，它主要根据各电台硬件差异在发射信号上表现出来的区别于其它个体的特征，判别信号来自哪个电台，进而实现电台跟踪，并为判定通信网络的组成等提供重要依据。通信电台个体识别的研究不同于传统的通信信号侦察，在传统的通信信号侦察过程中，研究的重点往往围绕通信电台传递的通信信息的获取或分析进行，来自硬件差异的个体特征往往被作为噪声而力求滤除或削弱其影响；但是，在研究电台信号个体识别时，通信信息的获取和分析都不再作为研究的重点，反而是这些体现电台之间个体差异的信号个体特征成为需要获取的信息。 通信电台个体特征的分析、研究在电台个体识别中至关重要，本文主要针对相同工作模式、相同型号下的不同电台，研究通信电台个体识别中这个关键环节——电台个体特征分析。论文研究了个体特征的基本理论，并从其产生机理出发，研究了电台不同工作状态下个体特征的分析方法，包括电台稳定工作状态下的噪声特性、杂散特性和频率特性，以及非稳定工作状态下电台暂态特征分析，并在非稳定工作状态下探讨了不同工作模式下电台个体识别的解决方案。文中提出、推导了一系列具有理论及实用价值的新算法，并通过实际电台数据和计算机仿真实验验证了所提算法的优良性能。归纳起来，本文的贡献主要包括以下几个方面： 1、全文从电台稳定工作状态和非稳定工作状态系统地研究了电台的个体特征分析方法，建立了通信电台个体识别基本框架。文中明确给出了通信信号个体特征的定义，即只有具有普遍性、唯一性、稳定性和可检测性的信号特征方可作为识别电台个体的个体特征。同时，系统、全面地分析了个体特征产生机理，为个体特征分析提供了理论基础。为衡量所选特征的分类能力，提出了一种评价特征集分离性能的指标——可分离指数，根据该指标的测试，可以择优选相关特征作为电台的个体特征，为后续分析提供了一个分析工具。 2、针对稳定工作状态下硬件差异在信号上的不同体现，论文从噪声特性、杂散特性和频率叁方面进行了个体特征分析研究。 在噪声特性分析方面，分析了各电台噪声统计特性上的差异，研究了噪声功率估计算法，提出了一种基于最小二乘法一特征值分解(LS-EVD)的噪声功率估计的改进算法，该算法不需要任何先验知识，在中等信噪比条件下噪声估计性良好，
杨水旺[7]2007年在《数字中频接收机关键技术研究》文中指出由于现代电子接收设备正处于越来越恶劣的电磁环境中,对接收系统的抗干扰性能提出了更高要求,所以对于抗干扰能力和灵活性较差的模拟接收系统来说已变得越来越不能适应。20世纪80年代后,为充分利用可靠性高、抗干扰能力和灵活性强的数字处理技术,模拟接收系统逐渐向数字化方向发展。而从90年代开始,提出了软件无线电概念。但由于受到模数转换器和数字信号处理等技术发展水平限制,研究数字中频接收机成了一种折衷方案。因此,研制高效的遥测数字接收机对于完成遥测通信接收系统数字化改造,提高遥测通信接收系统性能,实现最终软件无线电接收系统具有重要意义。现有遥测通信接收系统存在以下问题:多种型号并存,且彼此不兼容;接收设备体积较大,不利于野外灵活作业;各种型号接收设备参数不同,在已知信号参数前提下进行接收;接收设备的升级换代需要更换硬件设备,周期长,成本高。解决上述问题的唯一技术途径就是在软件无线电技术基础上研制能够自动识别遥测信号的调制制式和调制参数,并可以实现多种调制制式解调的新型遥测通信接收设备。即使用数字化技术、软件无线电技术、片上系统技术、现场可编程技术、动态可重构技术构建具有开放性、标准化、模块化的通用遥测平台,实现新一代遥测系统的一体化、智能化设计。随着数字信号处理技术的快速发展,实现这种设备是可行的。为此本课题将研究的重点放在数字化接收的关键技术上,即通过对遥测系统的数字调制制式自动识别技术、数字调制的调制参数估计技术、数字调制信号的信噪比估计技术等进行深入研究,构建一个能实现各种型号兼容的遥测通用接收系统。首先,为了实现遥测数字接收机的多制式解调,需对接收到的不同制式调制信号进行调制方式的自动识别。本文先深入研究了文献中提出的各种调制识别方法,提出了一种基于决策树的识别算法。与传统识别算法相比,本文提出的算法识别率更高,且算法复杂度更小,有较好应用价值。通过对基于小波变换的自动识别技术进行研究,提出一种利用小波变换幅度、频率和相位信息来进行数字遥测通信调制类型分类的方法。仿真结果表明,在高斯噪声信道环境下,在信噪比较低情况下仍可获得较高识别率。其次,为了在未知调制载波参数条件下接收遥测数字调制信号,考虑到实际工程应用,本文提出两种针对实信号并且适合硬件实现的短数据快速载波频率估计算法,即基于扩展的PRONY的载波频率估计算法和基于线性拟合的载波频率估计算法。仿真结果表明,在同等条件下,线性拟合频率估计算法有相对较好的频率估计性能,但从硬件实时实现角度来说,基于改进的扩展Prony频率估计算法有较小的运算量,实时性较好。为了在未知码速率参数条件下接收遥测数字调制信号,提出利用最佳尺度因子信号作为特征信号的基于Haar小波的码速率估计算法。与传统算法相比,其具有更好抗噪效果和精度,采样率可任意选择,不用设定门限,消除了门限的影响。另外还提出一种基于模板匹配的码速率估计算法,该方法估计精度较高,无需先验知识,运算量介于常规延迟相乘法和周期相关法之间。然后,为了实现极化分集接收,本文对信噪比估计技术进行了深入研究,提出两种不需要辅助数据的信噪比估计算法。一种是改进的MDL-SVD算法,此算法不依赖于接收信号调制制式。仿真结果表明,在AWGN信道中能对信噪比进行精确估计。另外一种是基于吉布斯抽样的信噪比估计算法。该算法不需先验知识,只需较短数据就可实现信噪比估计。仿真结果表明,在AWGN信道中的性能优于传统算法。最后,在对传统极化分集合并方案进行分析基础上,提出一种改进型合并方案,与传统双环锁相结构相比,实现更简单,控制更方便。在现有器件条件基础上,设计并实现一个基于FPGA的PCM-FM遥测数字分集接收机系统。实际系统测试结果表明,该系统能较好地进行遥测通信接收,具有重要实用价值。
魏瑾[8]2008年在《低信噪比调制信号识别方法的研究》文中认为通信信号的调制识别是截获信号处理研究领域的一个十分重要的课题。它需要在复杂环境和有噪声干扰的条件下确定出信号的调制方式和调制参数,从而为进一步分析和处理信号提供依据。调制方式是区别不同性质通信信号的一个重要特征,调制识别的目的就是在没有其他先验知识的情况下,通过对接收信号进行处理,从而判断出信号的调制方式,并估计出相应的调制参数。随着通信技术的发展,空间信号越来越密集和复杂,通过接收机接收到的信号不再是单一的调制信号,这就加大了调制信号识别的难度,同时也对调制识别的研究提出了更高的要求。从最近国内外发表的文献中可以看出,通信信号的自动调制识别理论的研究正在倍受日益增长的关注和重视,特别是在低信噪比条件下调制方式的识别。本文在前人的研究基础上主要做了如下工作:(1)研究了模拟调制信号的识别方法。选用简单、判别特征好的信号高阶包络特征和谱对称性两个参数实现了在没有先验知识和低信噪比情况下AM、DSB、USB、LSB和FM五种模拟调制信号的成功识别,并设计了识别流程。(2)研究了数字调制信号的识别方法。首先利用升余弦滤波器对其进行预处理,然后提取了五个特征参数,分别利用决策树分类器和神经网络分类器进行数字调制识别。决策树分类器需要设定判决门限,但判决门限的选择是比较繁琐的,人为因素很大,所以识别性能严重依赖于判决门限。神经网络分类器采用了多层组合的神经网络分类器,本文设计的网络模型及训练算法与传统方法相比在收敛速度、训练时间以及识别率方面都有很大的改进。(3)研究了模拟调制和数字调制两大类调制信号的识别问题,使用了一种简单、运算量小、识别率较高的非线性变换后提取特征参数的方法,将信号分为模拟、数字两大类,为进一步调制识别奠定了基础。
白旭峰[9]2007年在《基于小波变换的数字调制信号识别研究》文中进行了进一步梳理调制方式是区分不同性质通信信号的一个重要特征，而要截获通信信号的信息内容，就必须知道信号的调制方式和调制参数。给定一段接收的通信信号，调制识别的目的就是在未知调制信息内容的前提下判断出通信信号的调制方式，并估计出相应的调制参数。随着通信信号体制及调制样式的多样化和复杂化，信号环境越来越密集，识别难度越来越大。本文重点运用小波变换对数字通信信号进行分析，研究了多种数字通信信号的调制识别。利用小波多分辨率分析和Mallat算法对信号进行多级分解降噪；对重构后的信号，用小波包分解，提取各级细节能量构成特征向量，其对噪声不敏感。通过选用适当的小波，提高了低信噪比(0dB-15dB)情况下数字调制信号的识别率。分类器是调制识别中的一个重要环节，动量校正法BP神经网络能避免训练过程收敛到局部极小点。最后，本文提出了一种小波神经网络组合分类器，实现了对多种数字调制信号如OQPSK、16QAM、π／4-QPSK等信号的分类识别。实验表明，该分类器具有识别率稳定的效果，在低信噪比(0dB-15dB)的情况下，该分类器具有良好的识别率。
曹星江[10]2014年在《战场电磁环境监测》文中认为本文首先介绍了战场电磁信号的环境、监测的内容和意义以及监测系统的组成和工作原理，然后对适合频谱监测用的测频、测向技术以及信号调制识别方法做了研究。测频技术方面介绍搜索频率窗法、毗邻频率窗法、比向法测频技术，分析了频率测量的原理和测频方法的优缺点，指出了它们的适用条件。测向技术方面介绍波束搜索法、相邻比幅法、相位法测向、相关干涉仪法、时差法测向和MUSIC算法的谱估计测向技术，分析了测向原理和影响测向的误差因素以及测向方法适用的条件。本文重点研究了信号的调制类型识别。用瞬时自相关、短时傅里叶变换(STFT)和Winger-Vile分布(WVD)法分析了典型雷达信号的特征，给出了有效的识别方法和识别流程图，并使用这叁种方法对单载频信号、线性调频信号、相位编码信号和频率分集信号做了调制识别仿真实验，得出了叁种方法在不同信噪比下的识别准确度。分析典型通信信号的瞬时特征，利用四个特征参数实现了对AM、DSB、SSB、FM五种模拟调制信号的分类识别，利用五个特征参数实现了对2ASK、2FSK、BPSK、4ASK、4FSK、QPSK六种数字调制信号的分类识别，给出了识别流程图，得出了不同信噪比下信号的识别准确度。对于模拟信号与数字信号的分类，采用基于小波变换的码速率特征实现其分类，仿真分析了这种方法对AM、FM、2ASK、2FSK、BPSK、4ASK、4FSK、QPSK的信号识别性能。
参考文献：
[1]. 通信信号的多分辨率特征分析与调制识别研究[D]. 钱峰. 四川大学. 2004
[2]. 基于小波分析与神经网络的无线信号分类方法的研究[D]. 杜青. 河北工业大学. 2007
[3]. 复杂电磁背景下信号截获与分类[D]. 崔伟亮. 解放军信息工程大学. 2007
[4]. 多信号的调制识别技术研究[D]. 陆明泉. 电子科技大学. 2008
[5]. 通信信号调制制式的识别研究[D]. 陶海平. 哈尔滨工程大学. 2005
[6]. 通信电台个体特征分析[D]. 任春辉. 电子科技大学. 2006
[7]. 数字中频接收机关键技术研究[D]. 杨水旺. 哈尔滨工业大学. 2007
[8]. 低信噪比调制信号识别方法的研究[D]. 魏瑾. 太原理工大学. 2008
[9]. 基于小波变换的数字调制信号识别研究[D]. 白旭峰. 哈尔滨工程大学. 2007
[10]. 战场电磁环境监测[D]. 曹星江. 西安电子科技大学. 2014
标签：电信技术论文; 通信论文; 信噪比论文; 小波变换论文; 数字调制论文; 调制信号论文; 幅度调制论文; 分类器论文; 算法论文;