CN102325123A - Rayleigh衰落信道下MQAM调制信号的盲识别方法 - Google Patents

Rayleigh衰落信道下MQAM调制信号的盲识别方法 Download PDF

Info

Publication number
CN102325123A
CN102325123A CN201110206027A CN201110206027A CN102325123A CN 102325123 A CN102325123 A CN 102325123A CN 201110206027 A CN201110206027 A CN 201110206027A CN 201110206027 A CN201110206027 A CN 201110206027A CN 102325123 A CN102325123 A CN 102325123A
Authority
CN
China
Prior art keywords
signal
mqam
rayleigh fading
signals
fading channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201110206027A
Other languages
English (en)
Other versions
CN102325123B (zh
Inventor
李艳玲
朱娟花
吴昂
席磊
汪强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Agricultural University
Original Assignee
Henan Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan Agricultural University filed Critical Henan Agricultural University
Priority to CN 201110206027 priority Critical patent/CN102325123B/zh
Publication of CN102325123A publication Critical patent/CN102325123A/zh
Application granted granted Critical
Publication of CN102325123B publication Critical patent/CN102325123B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明涉及一种Rayleigh衰落信道下MQAM调制信号的盲识别方法。主要旨在解决Rayleigh衰落信道下MQAM信号类内识别难以及识别率不高的问题。该识别方法的实现步骤包括：(1)根据特征量公式计算特征量
Figure 2011102060272100004DEST_PATH_IMAGE002
的理论值，并设置判决门限；(2)根据接收端接收到的Rayleigh衰落信道下的信号，计算估计特征量；(3)根据设置的判决门限，比较实际特征值和每个阈值的大小，判断信号为哪种调制信号。本发明能够提高MQAM信号类内识别的识别率，算法简单易实现；而且本识别算法对相位抖动和频率偏差有很强的健壮性。

Description

Rayleigh衰落信道下MQAM调制信号的盲识别方法
技术领域
本发明涉及移动通信技术领域，具体涉及一种Rayleigh衰落信道下MQAM调制信号的盲识别方法。
背景技术
通信信号的调制识别技术在信号确认、干扰识别、频谱管理、通信监视和电子对抗等多个领域具有广泛的应用，而调制识别的基本任务就是对所截获的不明信号的调制种类进行分析、判决和归类。MQAM调制信号作为一种现代数字技术中频带利用率很高、调制方式比较灵活的数字调试手段已被广泛应用于各种数字信号的传输领域中，因此，MQAM信号的识别也变得尤为重要。但由于不同阶的MQAM信号的区别较小，使得MQAM的识别变得比较困难。另外，在实际应用中，信号在传输过程通常要经历衰落，并且受到各种信号干扰，在非协作的环境下这种情况更为严重。因此，研究在衰落信道下的MQAM信号的调制识别更为实用。
针对这一问题，近年来已有许多学者在该领域进行了较深入的研究。陈卫东等人提出了一组多径累量不变量的分类特征，当指数衰减多径信道的衰减参数α<0.7时可以有效区分BPSK、QPSK、8PSK信号，但是该特征对MQAM信号的识别率较低。Octavia提出了多天线接收处理技术，利用信号的循环累积量作为分类特征，对平坦衰落信道下的MPSK和MQAM信号进行识别，但是该方法计算循环累积量的难度较大。Hsiao-Chun Wu等人提出了多径信道下使用累积量特征进行识别的方法，该方法需要知道噪声方差和信道的阶数，并且需要估计多径信道系数。Vladimir D.Orlic使用了归一化的六阶累积量，使得识别率有了较大的提高，但仍需要估计信道系数。Wang Bin等人提出了在瑞利衰落信道下使用归一化的六阶矩对调制信号进行识别的方法，可以有效地识别MPSK、MQAM和OFDM信号，但需要估计信噪比。
发明内容
本发明要解决的技术问题是提供一种Rayleigh衰落信道下MQAM调制信号的盲识别方法，使其能够在不知道信号的任何先验信息下有效地识别MQAM信号，同时对相位抖动和频率偏差有很强的健壮性。
为解决上述技术问题，本发明采用如下技术方案：
先根据接收到的Rayleigh衰落信道下的接收信号                                                
Figure 263863DEST_PATH_IMAGE001
，计算它的四阶和六阶累积量，其特征在于，再进行以下步骤：
(1)根据下述特征量公式计算特征量
Figure 935016DEST_PATH_IMAGE002
的理论值，并设置判决门限
Figure 905246DEST_PATH_IMAGE003
Figure 915927DEST_PATH_IMAGE004
其中，和
Figure 42332DEST_PATH_IMAGE006
表示接收端接收到的无噪的Rayleigh衰落信号的六阶累积量，
Figure 816253DEST_PATH_IMAGE007
表示发送端发送的数据序列；
(2)根据接收端接收到的Rayleigh衰落信道下的信号
Figure 9337DEST_PATH_IMAGE001
，计算估计特征量
Figure 148194DEST_PATH_IMAGE008
；
(3)根据设置的判决门限
Figure 528360DEST_PATH_IMAGE003
，比较估计的特征值
Figure 105972DEST_PATH_IMAGE009
和每个阈值的大小，判断信号为信号集
Figure 91245DEST_PATH_IMAGE010
中的何种调制信号。
所述步骤(3)具体执行以下操作：
(3a) 把估计值
Figure 463321DEST_PATH_IMAGE009
和判决门限
Figure 330783DEST_PATH_IMAGE011
进行比较,若
Figure 384189DEST_PATH_IMAGE012
,判为4-QAM,识别结束；否则进行步骤(3b)；
(3b) 把估计值
Figure 286286DEST_PATH_IMAGE009
和判决门限进行比较,若
Figure 387283DEST_PATH_IMAGE014
,判为64-QAM,否则判为16-QAM,识别结束。
所述步骤(1)中
Figure 41119DEST_PATH_IMAGE002
的具体推导如下：
Figure 63301DEST_PATH_IMAGE015
,
Figure 556917DEST_PATH_IMAGE017
其中：
Figure 20302DEST_PATH_IMAGE018
、
Figure 834674DEST_PATH_IMAGE006
和
Figure 719454DEST_PATH_IMAGE005
表示接收端接收到的无噪的Rayleigh衰落信号的二阶、四阶和六阶累积量，
Figure 48804DEST_PATH_IMAGE019
是衰落幅度的均方值，表示发送端发送的数据序列；
为了去除信号平均功率的影响，已有的算法大多用对各累积量进行功率归一化，但由于高斯白噪声的二阶累积量不为零，故归一化的操作又引入了噪声的影响，这与最初选择累积量进行调制识别的初衷相悖。为了去除信号平均功率的影响，同时尽可能的减小噪声的影响，本发明用四阶累积量和六阶累积量联合构建识别参数进行识别，构建的识别参数为
Figure 978900DEST_PATH_IMAGE020
本发明具有积极有益的效果：
本发明由于无需知道与信号有关的任何先验信息，是一种全盲的调制信号识别算法，而且本发明设计提取的特征量的理论值有很强的可区分性，因而能够有效地提高MQAM调制信号的识别率；同时对相位抖动和频率偏差有很强的健壮性。
附图说明
图1为本发明方法的流程图；
图2为本发明调制信号识别方法在Rayleigh衰落信道下4-QAM、16-QAM和64-QAM调制信号的识别率分别随信噪比变化的曲线图；
图3为本发明调制信号识别方法和文献方法在Rayleigh衰落信道情况下识别率随信噪比变化的曲线仿真比较图。
具体实施方式
实施例1  Rayleigh衰落信道下MQAM调制信号的盲识别方法
（1）MQAM信号模型
假设经过Rayleigh衰落信道在接收端接收到的信号
Figure 34580DEST_PATH_IMAGE021
为
Figure 788910DEST_PATH_IMAGE022
   (1)
其中,
Figure 853818DEST_PATH_IMAGE023
表示接收端接收到的无噪的基带信号的复包络,
Figure 439520DEST_PATH_IMAGE024
表示N个发送的数据序列,
Figure 603785DEST_PATH_IMAGE025
是均值为0,方差为
Figure 907727DEST_PATH_IMAGE026
的加性高斯白噪声,
Figure 510747DEST_PATH_IMAGE027
为脉冲成形函数,
Figure 888639DEST_PATH_IMAGE028
为符号周期。
Figure 551701DEST_PATH_IMAGE029
和
Figure 77360DEST_PATH_IMAGE030
表示Rayleigh衰落现象,假设信道是平坦的、慢衰落信道,衰落足够慢使得复衰落参数至少在一个符号周期内恒定,而在观测时间内恒定,并且
Figure 550433DEST_PATH_IMAGE029
、
Figure 563388DEST_PATH_IMAGE031
和
Figure 445894DEST_PATH_IMAGE032
统计独立,其中参数服从Rayleigh分布,服从
Figure 303494DEST_PATH_IMAGE033
的均匀分布。
（2）MQAM信号的识别方法
①特征提取
在非协调通信条件下,接收机不知道接收信号的具体调制参数,需要过采样(采样周期为
Figure 46148DEST_PATH_IMAGE034
)得到信号的抽样序列.对接收信号
Figure 253138DEST_PATH_IMAGE021
过采样得到序列
Figure 428905DEST_PATH_IMAGE035
,接收信号模型变为
Figure 416452DEST_PATH_IMAGE036
.                (2)
在不考虑噪声的情况下，由假设、
Figure 30153DEST_PATH_IMAGE031
和
Figure 111242DEST_PATH_IMAGE032
统计独立，可以得到
Figure 523769DEST_PATH_IMAGE037
的各阶累积量的理论值分别为：
Figure 614084DEST_PATH_IMAGE038
                  (3)
,        (4)
    (5)
Figure 72114DEST_PATH_IMAGE041
             (6)
其中,
Figure 700541DEST_PATH_IMAGE042
是幅度衰落因子的
Figure 690680DEST_PATH_IMAGE043
阶矩，幅度衰落因子
Figure 874536DEST_PATH_IMAGE029
的存在改变了接收信号的累积量，
Figure 244338DEST_PATH_IMAGE044
是符号序列幅值的
Figure 462830DEST_PATH_IMAGE043
阶矩，
Figure 322201DEST_PATH_IMAGE045
.可以看到由于衰落信道参数
Figure 931037DEST_PATH_IMAGE046
的影响，接收信号
Figure 901267DEST_PATH_IMAGE037
的2阶累积量
Figure 974265DEST_PATH_IMAGE047
变成0。
对于Rayleigh衰落信道，幅度因子
Figure 942221DEST_PATH_IMAGE029
具有Rayleigh概率分布，即
Figure 106530DEST_PATH_IMAGE048
                   (7)
其中
Figure 745638DEST_PATH_IMAGE050
是的均方值，可见，Rayleigh分布可用单一参数
Figure 592557DEST_PATH_IMAGE019
表征。其
Figure 107852DEST_PATH_IMAGE043
阶矩为：
Figure 889864DEST_PATH_IMAGE051
                   (8)
其中
Figure 261939DEST_PATH_IMAGE052
是Gamma函数。
把(8)式
Figure 332663DEST_PATH_IMAGE029
的
Figure 448387DEST_PATH_IMAGE043
阶矩代入(3)-(6)式经过计算简化分别得到接收信号
Figure 350484DEST_PATH_IMAGE053
的二阶、四阶和六阶累积量为
,                      (9)
Figure 451481DEST_PATH_IMAGE016
.           (10)
Figure 105316DEST_PATH_IMAGE017
    (11)
为了去除信号平均功率的影响，已有的算法大多用对各累积量进行功率归一化，但由于高斯白噪声的二阶累积量不为零，故归一化的操作又引入了噪声的影响，这与最初选择累积量进行调制识别的初衷相悖。为了去除信号平均功率的影响，同时尽可能的减小噪声的影响，本文用四阶累积量和六阶累积量联合构建识别参数进行识别，构建的识别参数为：
     (12)
则
Figure 779060DEST_PATH_IMAGE002
就是对MQAM信号星座图的平移、尺度和相位旋转具有不变性的分类特征量。为了证明这一点，参考式(2),不妨令
Figure 621114DEST_PATH_IMAGE054
.             (13)
式(13)中,
Figure 16323DEST_PATH_IMAGE055
、
Figure 893012DEST_PATH_IMAGE056
和
Figure 777792DEST_PATH_IMAGE057
分别表示对MQAM星座图的尺度、旋转和复平面上的二维平移。因为通过简单的去均值处理就可去除平移
Figure 107142DEST_PATH_IMAGE057
的影响,所以下面只考虑尺度和相位旋转变换下的不变性,令
Figure 368359DEST_PATH_IMAGE058
                       (14)
由于高斯（白或有色）噪声的四阶和六阶累积量恒为零,噪声与信号相互独立,由累积量性质不难得到
Figure 117133DEST_PATH_IMAGE059
，
Figure 110497DEST_PATH_IMAGE060
，
Figure 927143DEST_PATH_IMAGE061
,带入式(12)中,得到：
Figure 726472DEST_PATH_IMAGE062
(15)
从而证明了特征量对MQAM信号星座图的平移、尺度和相位旋转变换具有不变性。
我们知道，在实际接收的信号中是存在噪声的，但由于平稳（非平稳）高斯白（色）噪声大于2阶的累积量恒为零,故
Figure 742018DEST_PATH_IMAGE063
,
Figure 45960DEST_PATH_IMAGE064
，提取的特征量保持不变。下面推导计算特征量的理论值。
在推导4QAM信号的特征参数值时,我们注意到,分子和分母理论上均为零,但在实际分析中,信号长度不可能取为无穷大,只能截断进行研究。因此
Figure 424355DEST_PATH_IMAGE006
和
Figure 153277DEST_PATH_IMAGE065
的理论值均为无穷小的数,把它们表示为
Figure 294408DEST_PATH_IMAGE066
和
Figure 854702DEST_PATH_IMAGE067
,这样式(12)就变为
Figure 688666DEST_PATH_IMAGE068
.                      (16)
经过推导计算得到MQAM信号的累积量和特征量的理论值如表1所示。从表中可以看出,对于不同阶数的MQAM信号,特征量
Figure 584127DEST_PATH_IMAGE002
的值相差很大。因此理论上可以使用特征量
Figure 936611DEST_PATH_IMAGE002
对MQAM信号进行有效地分类识别。
表1 不同信号的理论特征值
 
Figure 441727DEST_PATH_IMAGE071
Figure 397231DEST_PATH_IMAGE073
4-QAM
Figure 572997DEST_PATH_IMAGE074
 -1.0000
Figure 560545DEST_PATH_IMAGE075
 4.0000
Figure 914526DEST_PATH_IMAGE077
16-QAM
Figure 261194DEST_PATH_IMAGE074
 -0.6800 2.0800
Figure 764036DEST_PATH_IMAGE076
 0
64-QAM -0.6191 1.7972 0.551
②识别步骤（参见图1）
利用特征
Figure 788176DEST_PATH_IMAGE002
对信号集
Figure 89844DEST_PATH_IMAGE078
进行识别,假设使用接收信号的样本平均来计算均值，得到真实接收信号的估计特征量
Figure 512735DEST_PATH_IMAGE079
。判决准则采用决策理论方法,设置的阈值门限如下所示：
Figure 962171DEST_PATH_IMAGE080
             (17)
使用特征参数进行分类识别的步骤为：
a.计算接收信号的各阶累积量
Figure 284885DEST_PATH_IMAGE081
,
Figure 144257DEST_PATH_IMAGE082
和
Figure 753093DEST_PATH_IMAGE083
,然后根据式(12)计算特征参数的估计值
Figure 988902DEST_PATH_IMAGE079
；
b.把估计值和判决门限
Figure 29856DEST_PATH_IMAGE011
进行比较,若,判为4-QAM,识别结束；否则进行步骤(3)；
c.把估计值
Figure 962226DEST_PATH_IMAGE085
和判决门限
Figure 827414DEST_PATH_IMAGE013
进行比较,若,判为64-QAM,否则判为16-QAM,识别结束。
实施例2 仿真实验
依据上述分析,对本发明提出的算法进行仿真实验。仿真实验中，设码元个数为2000,采用矩形脉冲成型，信道幅度衰减因子
Figure 674333DEST_PATH_IMAGE029
为服从Rayleigh分布的随机序列,相位衰减因子
Figure 924049DEST_PATH_IMAGE031
在
Figure 965780DEST_PATH_IMAGE033
区间随机取值，
Figure 337855DEST_PATH_IMAGE087
的变化范围为
Figure 408580DEST_PATH_IMAGE088
。对该算法独立进行100次Monte Carlo实验，并取其平均值作为结果。
图2为特征参数
Figure 524303DEST_PATH_IMAGE002
随信噪比变化的曲线。从图中可以看出调制信号4-QAM的特征量
Figure 426400DEST_PATH_IMAGE002
值均大于
Figure 907060DEST_PATH_IMAGE089
；16-QAM的特征量
Figure 261818DEST_PATH_IMAGE002
值均小于
Figure 181232DEST_PATH_IMAGE090
,当信噪比大于
Figure 875519DEST_PATH_IMAGE091
时
Figure 589397DEST_PATH_IMAGE002
值趋近于0；64-QAM的特征量
Figure 697030DEST_PATH_IMAGE002
值均大于
Figure 92240DEST_PATH_IMAGE092
小于
Figure 703350DEST_PATH_IMAGE093
,这和理论分析结果基本保持一致；另外,由仿真中信号的特征量取值范围也可以看出使用能很容易地对信号集
Figure 120741DEST_PATH_IMAGE094
进行识别分类.
表2和表3是不同信噪比下信号识别率的混淆矩阵。表中第3、4、5行是没有相位抖动和频率偏差情况下不同信号的识别率,可以看出,在信噪比为0dB时算法可以达到较好的识别效率,为10dB时识别率已经达到了95%以上,即算法在低信噪比下有较好的性能；表中第6、7、8行是存在随机相位抖动情况时不同信噪比下的识别率,相位为服从
Figure 381958DEST_PATH_IMAGE095
范围的均匀分布,看出小的相位抖动对识别率没有大的影响；表中第9、10、11行是存在归一化频率偏差情况下的识别率,频率偏差为服从
Figure 847575DEST_PATH_IMAGE096
范围的均匀分布(其中为采样点数),从表中看出,频率偏差对信号的识别率也没有大的影响。这验证了本文算法对相位抖动和频率偏差的健壮性。
表2 信噪比为0dB时的识别率Pcc (%)
Figure 923164DEST_PATH_IMAGE098
表3 信噪比为10dB时的识别率Pcc (%)
Figure 722493DEST_PATH_IMAGE099
图3为识别率随信噪比变化的曲线图。其中图(a)是在本算法下4-QAM、16-QAM和64-QAM信号的识别率分别随信噪比变化的曲线图,图(b)是本算法和文献[7]算法的识别率比较曲线图。从图(a)可以看出,16-QAM信号在5dB时识别率就已经达到了95%以上,而4-QAM信号的识别率基本上不受信噪比变化的影响, 这是因为其特征值远远大于其他信号的特征值,使得噪声的干扰变得微不足道了；另外,还可看到4-QAM信号的识别率在高信噪比下并没有太大的提高,究其原因,可能是因为其特征参数表达式(16)中的极小数
Figure 308195DEST_PATH_IMAGE100
和的差距不稳定造成的。从图(b)可以明显看出本文算法要优于文献（Bin Wang and Lindong Ge. A Novel Algorithm for Identification of OFDM Signal, Wireless Communications, Networking and Mobile Computing Proceedings, pp: 261-264, 2005）中的算法,并且本发明算法不需要估计信噪比,是一种高效全盲的识别算法。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所要求的保护范围。

Claims (2)

1.一种Rayleigh衰落信道下MQAM调制信号的盲识别方法，先根据接收到的Rayleigh衰落信道下的接收信号                                               
Figure 2011102060272100001DEST_PATH_IMAGE002
，计算它的各阶累积量，其特征在于，再进行以下步骤：
(1)根据下述特征量公式计算特征量的理论值，并设置判决门限
Figure 2011102060272100001DEST_PATH_IMAGE006
Figure 2011102060272100001DEST_PATH_IMAGE008
其中，
Figure 2011102060272100001DEST_PATH_IMAGE010
和分别表示接收端接收到的无噪的基带信号的六阶、四阶累积量，
Figure 2011102060272100001DEST_PATH_IMAGE014
表示发送端发送的数据序列；
(2)根据接收端接收到的Rayleigh衰落信道下的信号
Figure 367871DEST_PATH_IMAGE002
，计算估计特征量
Figure 2011102060272100001DEST_PATH_IMAGE016
；
(3)根据设置的判决门限
Figure 144065DEST_PATH_IMAGE006
，比较估计的特征值
Figure 2011102060272100001DEST_PATH_IMAGE018
和每个阈值的大小，判断信号为信号集
Figure 2011102060272100001DEST_PATH_IMAGE020
中的何种调制信号。
2.根据权利要求1所述的Rayleigh衰落信道下MQAM调制信号的盲识别方法，其特征在于，所述步骤(3)具体执行以下操作：
(3a) 把估计值和判决门限进行比较,若,判为4-QAM,识别结束；否则进行步骤(3b)；
(3b) 把估计值
Figure 771542DEST_PATH_IMAGE018
和判决门限进行比较,若
Figure 2011102060272100001DEST_PATH_IMAGE028
,判为64-QAM,否则判为16-QAM,识别结束。
CN 201110206027 2011-07-22 2011-07-22 Rayleigh衰落信道下MQAM调制信号的盲识别方法 Expired - Fee Related CN102325123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110206027 CN102325123B (zh) 2011-07-22 2011-07-22 Rayleigh衰落信道下MQAM调制信号的盲识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110206027 CN102325123B (zh) 2011-07-22 2011-07-22 Rayleigh衰落信道下MQAM调制信号的盲识别方法

Publications (2)

Publication Number Publication Date
CN102325123A true CN102325123A (zh) 2012-01-18
CN102325123B CN102325123B (zh) 2013-12-25

Family

ID=45452792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110206027 Expired - Fee Related CN102325123B (zh) 2011-07-22 2011-07-22 Rayleigh衰落信道下MQAM调制信号的盲识别方法

Country Status (1)

Country Link
CN (1) CN102325123B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882820A (zh) * 2012-09-04 2013-01-16 西安电子科技大学 认知无线电中非高斯噪声下数字调制信号识别方法
CN107204949A (zh) * 2017-06-09 2017-09-26 温州大学 一种多径瑞利衰落信道下改善高阶累积量信号识别的方法
CN109981507A (zh) * 2019-04-11 2019-07-05 电子科技大学 一种qam信号类内识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOHN G . PROAKIS著，张力军等译: "《数字通信（第四版）》", 31 January 2003 *
黄英等: "卫星通信中调制识别算法研究", 《系统工程与电子技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882820A (zh) * 2012-09-04 2013-01-16 西安电子科技大学 认知无线电中非高斯噪声下数字调制信号识别方法
CN107204949A (zh) * 2017-06-09 2017-09-26 温州大学 一种多径瑞利衰落信道下改善高阶累积量信号识别的方法
CN109981507A (zh) * 2019-04-11 2019-07-05 电子科技大学 一种qam信号类内识别方法
CN109981507B (zh) * 2019-04-11 2020-03-10 电子科技大学 一种qam信号类内识别方法

Also Published As

Publication number Publication date
CN102325123B (zh) 2013-12-25

Similar Documents

Publication Publication Date Title
CN109657604B (zh) 基于循环神经网络的卫星幅相信号识别解调方法及装置
Zaerin et al. Multiuser modulation classification based on cumulants in additive white Gaussian noise channel
CN104393963B (zh) 基于循环平稳特性的空时分组码mc‑cdma信号盲识别方法
CN104394110B (zh) 一种时域超奈奎斯特非正交传输导频设计方法
Shi et al. Efficient jamming identification in wireless communication: Using small sample data driven naive bayes classifier
CN101753515A (zh) 多进制正交幅度调制的识别方法
Wang et al. Research on digital signal recognition based on higher order cumulants
Zhendong et al. Modulation recognition based on constellation diagram for M-QAM signals
CN102325123A (zh) Rayleigh衰落信道下MQAM调制信号的盲识别方法
CN103259759A (zh) 一种单通道时频重叠信号调制识别方法
CN106506427A (zh) 一种基于folp的stbc‑ofdm信号盲识别方法
CN109274626B (zh) 一种基于星座图正交扫描特征的调制识别方法
Ghauri KNN based classification of digital modulated signals
Gupta et al. Blind modulation classification of different variants of QPSK and 8-PSK for multiple-antenna systems with transmission impairments
CN110166389A (zh) 基于最小二乘支持向量机的调制识别方法
Gupta et al. Blind modulation classification for OFDM in the presence of timing, frequency, and phase offsets
CN101764784A (zh) 多径信道下基于图像处理的正交幅度调制类内识别方法
CN106341360A (zh) 一种多输入单输出空时分组码系统的分层调制识别方法
CN101764785A (zh) 基于混合矩和fisher判别的正交幅度调制信号识别方法
CN116800575A (zh) Mimo-ofdm信号子载波盲调制识别
CN113542169B (zh) 数字调制信号差分星座图信息提取与调制识别方法
CN102307166A (zh) 一种信噪比估计方法
CN102158254A (zh) 信号接收方法及装置
CN107528674B (zh) 一种基于切比雪夫不等式的sm/al空时码识别方法
Hazza et al. A novel approach for automatic classification of digitally modulated signals in HF communications

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20131225

Termination date: 20140722

EXPY Termination of patent right or utility model