CN102882819A - 非高斯噪声下数字调制信号识别方法 - Google Patents
非高斯噪声下数字调制信号识别方法 Download PDFInfo
- Publication number
- CN102882819A CN102882819A CN2012103240879A CN201210324087A CN102882819A CN 102882819 A CN102882819 A CN 102882819A CN 2012103240879 A CN2012103240879 A CN 2012103240879A CN 201210324087 A CN201210324087 A CN 201210324087A CN 102882819 A CN102882819 A CN 102882819A
- Authority
- CN
- China
- Prior art keywords
- tau
- signal
- infin
- omega
- theta
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005070 sampling Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000003066 decision tree Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000010606 normalization Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 108700041286 delta Proteins 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Images
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于广义分数阶傅里叶变换(GFRFT)和分数低阶Wigner-Ville分布(FLOWVD)的数字调制识别新方法,其步骤为:对接收到的信号先经过采样然后通过希尔伯特变换进行信号的复包络的恢复;计算信号基于GFRFT的零中心归一化瞬时幅度谱密度的最大值;计算信号的FLOWVD幅度的最大值作为特征量;采用基于判决树的分类器,通过数据处理和设置门限及比较判决将不同调制方式的信号识别出来。在非高斯Alpha稳定分布噪声下,本发明不仅性能明显优于传统方法并且具有较高的识别率和良好的稳健性。
Description
技术领域
本发明属于通信技术领域,具体涉及一种非高斯Alpha稳定分布噪声下数字调制信号识别方法,可用于对Alpha稳定分布噪声下的数字调制信号的调制方式类型进行识别。
背景技术
数字调制信号识别就是在未知接收信号信息的前提下,确定数字信号的调制方式和相应的参数,从而为信号解调提供必要的参数及信息,因此数字调制识别在军事和民用领域都有着非常重要的应用。传统的数字调制识别是假设背景噪声服从高斯分布,以便于对信号进行分析计算,但在实际的无线通信系统中往往存在一些非高斯分布的噪声,这些噪声具有显著尖峰脉冲状波形和较厚概率密度函数拖尾,以美国南加州大学尼卡斯(Nikias)教授为代表的研究者在充分研究各种随机过程模型后,发现Alpha稳定分布模型是描述这类随机信号的一种更有效的噪声模型。因此,研究在Alpha稳定分布噪声背景下的数字调制识别方法具有实际的工程意义。
近年来,已有学者对Alpha稳定分布噪声模型下的数字调制识别进行了一定的研究,但研究还很少。参见杨伟超,赵春晖,成宝芝.Alpha稳定分布噪声下的通信信号识别[J].应用科学学报,2010,28(2):111-114.。这种方法以分形盒维数作为识别特征,在Alpha稳定分布噪声背景下对信号进行了识别,但该方法仅能在一定混合信噪比范围内适用且识别性能较差;由于Alpha稳定分布噪声下的信号不具有二阶或二阶以上的统计量,参见贺涛.数字通信信号调制识别若干新问题研究[D].[博士论文].电子科技大学,2007.这种方法采用低阶量进行了调制识别的研究,但该方法识别性能较差;参见赵春晖,杨伟超,杜宇.采用分数低阶循环谱相干系数的调制识别[J].应用科学学报,2011,29(6):565-570.和赵春晖,杨伟超,马爽.基于广义二阶循环统计量的通信信号调制识别研究[J].通信学报,2011,32(1):144-150.这两种方法提出了分数低阶循环谱相干系数和广义二阶循环统计量的方法对数字调制信号进行识别,但该方法计算复杂度较高且循环谱指数b的设定缺少智能方法而导致普适性较差。因此,以上的方法不适合在实际的无线信道中应用。
发明内容
本发明的目的是克服上述已有技术的不足,提供了一种Alpha稳定分布噪声下数字调制识别的新方法,以提高在考虑滚降滤波以及噪声特征指数变化的情况下数字调制信号的识别率。本发明选取常用的2ASK(Binary Amplitude ShiftKeying,二进制振幅键控)、QPSK(Quaternary Phase Shift Keying,四进制相移键控)、16QAM(16 Quadrature Amplitude Modulation,16正交幅度调制)、2FSK(Binary Frequency Shift Keying,二进制移频键控)、MSK(MinimumFrequency Shift Keying,最小移频键控)这5种数字调制信号作为待识别信号集。
实现本发明目的的技术方案,包括如下步骤:
(1)对接收到的信号y(t)进行预处理,即先经过采样得到y[n],然后通过希尔伯特变换进行信号的复包络的恢复;
(2)计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1:
r1=max|GFRFT[acn(i),p]2/Ns
(3)设置信号集的判决门限δ1=0和判决门限δ2将信号集合{2ASK、16QAM、2FSK、MSK、QPSK}分为{2ASK}、{16QAM}和{2FSK、MSK、QPSK}三类,则门限δ2的设置为:
其中,max(γ16QAM)为16QAM信号的特征量均值γ16QAM的最大值,min(γ2ASK)为2ASK信号的特征值均值γ2ASK的最小值。
(4)计算2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r2:
(5)通过设置判决门限对这2FSK、MSK、QPSK信号进行识别,判决门限设置为:
其中δlim为区分相邻信号或信号集Y1,Y2的门限值,为Y1的特征量均值的最大值,为Y2的特征值均值的最小值。
(6)本发明采用基于判决树的分类器,通过数据处理和设置门限及比较判决将不同调制方式的信号识别出来,其具体流程如流程图所示。
本发明与现有技术相比具有如下优点:
1)本发明利用信号的零中心归一化瞬时幅度的GFRFT的最大值作为特征值将信号集2ASK、2FSK、MSK、QPSK、16QAM分成了{2ASK}、{16QAM}和{2FSK、MSK、QPSK}三类,这样即可以解决Alpha稳定分布噪声下的信号不具有二阶或二阶以上的统计量的问题,又可以从时域到频域显现出信号的特征,提高了信号的识别性能;
2)本发明利用FLOWVD幅度的最大值作为特征参数将2FSK、MSK、QPSK分开,分数变换仅改变随机过程的幅度信息,而没有改变它的频率和相位信息,便于频域分析。当a=0时,所有的幅度信息消失,变成相位分数低阶协方差。这样不仅提高了识别性能,而且降低了方法的计算复杂度。
仿真结果表明,在Alpha稳定分布噪声的特征指数α=1.5,未考虑滚降滤波条件下,混合信噪比≥5dB时,信号的识别率均达到90%以上;在升余弦滚降滤波器的滚降系数β=0.35,噪声的特征指数α=1.5时,在混合信噪比大于12dB情况下,本发明可以对5种数字调制信号实现有效地识别;在相同的仿真实验环境和相同的码元速率、载波频率、频偏、采样频率、采样点数等信号参数设置条件下,本发明具有比现有的方法具有更高的识别率和较低的计算复杂度,说明在Alpha稳定分布噪声下,本方法具有良好的稳健性。
附图说明
图1中是本发明非高斯噪声下数字调制识别方法的流程图;
图2中是本发明在噪声的特征指数α=1.5,未考虑滚降滤波条件下,对5种数字调制信号进行识别的结果图;
图3中是本发明在混合信噪比为10dB,未考虑滚降滤波条件下,考察噪声的特征指数α值在(1,2)区间内变化对识别效果影响的图形;
图4中是本发明5种数字调制信号的成形滤波器采用升余弦滚降滤波器,取滚降系数β=0.35,当噪声的特征指数α=1.5时,信号的识别结果图;
具体实施方式
本发明的具体实现步骤如下:
步骤1,对接收到的信号y(t)进行预处理,即先经过采样得到y[n],然后通过希尔伯特变换进行信号的复包络的恢复;
步骤2,计算信号x(t)的分数阶傅立叶变换(Fractional Fourier Transform,FRFT),其表达式为:
式中,Kθ(t,u)为分数阶傅立叶变换的核函数,其表达式为:
其中,k取整数,Fθ表示θ角度分数阶傅里叶变换算子,θ=pπ/2为旋转角度,p为旋转因子,δ(·)为冲击函数。为了将Alpha稳定分布噪声的幅值合理映射到有限区间,同时使信号的相位保持不变,计算信号的广义分数阶傅里叶变换(Generalized Fractional Fourier Transform,GFRFT),其表达式为:
计算基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为:
γmax=max|GFRFT[αcn(i),p]2/Ns
步骤3,设置信号集的判决门限δ1=0和判决门限δ2将信号集合{2ASK、16QAM、2FSK、MSK、QPSK}分为{2ASK}、{16QAM}和{2FSK、MSK、QPSK}三类,则门限δ2的设置为:
其中,max(γ16QAM)为16QAM信号的特征量均值γ16QAM的最大值,min(γ2ASK)为2ASK信号的特征值均值γ2ASK的最小值。
步骤4,计算信号的分数低阶Wigner-Ville分布(Fractional LowerWigner-Ville Distribution,FLOWVD),其表达式为:
其中x<a>=|x|a+1/x*=|x|a-1·x,当x为实数时,x<a>=|x|asgn(x),x-<a>=(x*)-<a>=(x<a>)*。
当a=0时QPSK信号的分数低阶Wigner-Ville分布为:
当a=0时2FSK信号的分数低阶Wigner-Ville分布为:
则2FSK信号的FLOWVD幅度为:
假设n≤m,当 时频率为fn, 时频率为fm,即有 则:
其中, 是t的有界函数,则2FSK信号的FLOWVD幅度为:
当a=0时MSK信号的分数低阶Wigner-Ville分布为:
则MSK信号的FLOWVD幅度为:
则MSK信号的FLOWVD幅度的最大值有以下关系:
步骤5,通过设置判决门限对这2FSK、MSK、QPSK信号进行识别,判决门限设置为:
步骤6,本发明采用基于判决树的分类器,通过数据处理和设置门限及比较判决将不同调制方式的信号识别出来,其具体流程如流程图所示。
仿真内容与结果:
为了验证本文方法的有效性,通过MATLAB仿真软件进行仿真实验,其所使用的仿真条件为:待识别的信号集为2ASK、2FSK、MSK、QPSK、16QAM这5种数字调制信号,噪声为加性标准SαS分布噪声,对于SαS分布噪声来说,由于不存在有限的二阶矩,致使噪声的方差变得没有意义,因此采用混合信噪比(MSNR)。已调信号的码元速率为10kBaud,载波频率为30kHz,2FSK信号的频偏为0.5倍的载波频率,采样频率为120kHz,信号采样点数为1024,p的取值为0.875。
仿真在噪声的特征指数α=1.5,未考虑滚降滤波条件下,对5种数字调制信号进行如图1所示的流程进行识别,得到每个信号的正确识别率,即正确识别的次数与总的次数之比,蒙特卡洛仿真次数为500次的实验结果如图2所示。从图2中可以看出,在不同的混合信噪比下,基于广义分数阶傅里叶变换和分数低阶Wigner-Ville分布的识别方法取得了较好的识别结果,当混合信噪比≥5dB时,所识别信号的识别率均达到90%以上。这说明所提的调制识别方法在Alpha稳定分布噪声下具有良好的性能。
仿真在混合信噪比为10dB,未考虑滚降滤波条件下,考察噪声的特征指数α值在(1,2)区间内变化对识别效果的影响,蒙特卡洛仿真次数为500次的实验结果如图3所示。从图3中可以看出,在α的取值范围内,5种数字调制信号的正确识别率均大于90%;并且随着α值的逐渐增大,该识别方法的识别性能基本上逐渐提高。这主要是因为Alpha稳定分布噪声的特征指数α决定了噪声脉冲特性的程度,α值越小,噪声分布的拖尾就越厚,因而脉冲特性越显著,对识别方法的稳定性影响也就越大,当α值较大(α>1.5)时,噪声对该方法的稳定性的影响不是很明显,并且当α=2时,即为高斯噪声情况下,该识别方法也有良好的识别性能。
仿真5种数字调制信号的成形滤波器采用升余弦滚降滤波器,根据工程经验,在这里取滚降系数β=0.35,当噪声的特征指数α=1.5时,蒙特卡洛仿真次数为500次的实验结果如图4所示。从图4中可以看出,在升余弦滚降滤波器的滚降系数β=0.35,噪声的特征指数α=1.5时,在混合信噪比大于12dB情况下,所提方法可以对5种数字调制信号实现有效地识别。说明了该方法具有较好的稳健性。
表1和表2分别是在在相同的仿真实验环境和相同的码元速率、载波频率、频偏、采样频率、采样点数等信号参数设置,噪声的特征指数α=1.5及未考虑滚降滤波时,混合信噪比分别在10dB和15dB情况下,本发明与贺涛方法和赵春晖方法的识别结果和计算复杂度对比表。从表1和表2中可以看出,虽然本方法的计算复杂度比贺涛方法的计算复杂度高,但是在混合信噪比为10dB和15dB条件下,本文方法的识别率比贺涛方法的识别率均有了显著性地提高。针对本方法和赵春晖方法,由于加法次数基本相同,则计算复杂度主要集中在乘法次数上面,并且所以本方法的计算复杂度比赵春晖方法的计算复杂度低。在混合信噪比为10dB条件下,本文方法的识别率比赵春晖方法的识别率有了明显地提高;在混合信噪比为15dB条件下,对于2ASK信号的识别率比赵春晖方法的识别率也有了提高。由此可以说明,本识别方法优于贺涛的方法和赵春晖的方法。
表1三种不同方法的识别率对比
表2三种不同方法的计算复杂度对比
Claims (3)
1.非高斯噪声下数字调制信号的识别方法,包括如下步骤:
(1)对接收到的信号y(t)进行预处理,即先经过采样得到y[n],然后通过希尔伯特变换进行信号的复包络的恢复;
(2)计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1:
r1=max|GFRFT[acn(i),p]2/Ns
(3)采用分类器1,设置信号集的判决门限为:
其中δlim为区分相邻信号或信号集Y1,Y2的门限值,max(rY1)为Y1的特征量均值的最大值,min(rY2)为Y2的特征值最小值的均值。将信号集合{2ASK、16QAM、2FSK、MSK、QPSK}分为{2ASK}、{16QAM}和{2FSK、MSK、QPSK}三类;
(4)求2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r2:
并特征量r2作为分类器2输入的特征参数;
(5)采用分类器2,判决门限设置为:
其中δlim为区分相邻信号或信号集Y1,Y2的门限值,为Y1的特征量均值的最大值,为Y2的特征值均值的最小值。因此,MSK信号与2FSK信号的判决门限δ3和2FSK信号与QPSK信号的判决门限δ4可将2FSK、MSK和QPSK信号识别出来。
(6)计算各个信号的正确识别率。
2.根据权利要求书1中所述的非高斯噪声下数字调制信号的识别方法,其中步骤(2)所述的计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1,按如下步骤进行:
2.1计算信号x(t)的分数阶傅立叶变换(Fractional Fourier Transform,FRFT),其表达式为:
式中,Kθ(t,u)为分数阶傅立叶变换的核函数,其表达式为:
其中,k取整数,Fθ表示θ角度分数阶傅里叶变换算子,θ=pπ/2为旋转角度,p为旋转因子,δ(·)为冲击函数。为了将Alpha稳定分布噪声的幅值合理映射到有限区间,同时使信号的相位保持不变,计算信号的广义分数阶傅里叶变换(Generalized FractionalFourier Transform,GFRFT),其表达式为:
2.2假定第i时刻接收信号的幅度为a(i),把Ns个采样点组成一个帧,则基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为:
γmax=max|GFRFT[acn(i),p]2/Ns
3.根据权利要求书1中所述的非高斯噪声下数字调制信号的识别方法,其中步骤(4)所述的求2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r2,按如下步骤进行:
计算信号的分数低阶Wigner-Ville分布(Fractional Lower Wigner-Ville Distribution,FLOWVD),其表达式为:
其中x<a>=|x|a+1/x*=|x|a-1·x,当x为实数时,x<a>=|x|asgn(x),x-<a>=(x*)-<a>=(x<a>)*。
当a=0时QPSK信号的分数低阶Wigner-Ville分布为:
当a=0时2FSK信号的分数低阶Wigner-Ville分布为:
当a=0时MSK信号的分数低阶Wigner-Ville分布为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324087.9A CN102882819B (zh) | 2012-09-04 | 2012-09-04 | 非高斯噪声下数字调制信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324087.9A CN102882819B (zh) | 2012-09-04 | 2012-09-04 | 非高斯噪声下数字调制信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102882819A true CN102882819A (zh) | 2013-01-16 |
CN102882819B CN102882819B (zh) | 2015-02-04 |
Family
ID=47483969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210324087.9A Expired - Fee Related CN102882819B (zh) | 2012-09-04 | 2012-09-04 | 非高斯噪声下数字调制信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102882819B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326975A (zh) * | 2013-07-15 | 2013-09-25 | 西安电子科技大学 | 一种Alpha稳定分布噪声下数字调制信号识别方法 |
CN103457890A (zh) * | 2013-09-03 | 2013-12-18 | 西安电子科技大学 | 一种有效识别非高斯噪声下数字调制信号的方法 |
CN105024771A (zh) * | 2015-07-20 | 2015-11-04 | 西安电子科技大学 | 一种Alpha稳定分布噪声下频谱感知方法 |
CN105827558A (zh) * | 2016-05-13 | 2016-08-03 | 天津光电通信技术有限公司 | 一种模拟信号自适应解调系统及实现方法 |
CN106823150A (zh) * | 2016-07-18 | 2017-06-13 | 山东省肿瘤防治研究院 | 一种方便胸部肿瘤放疗用组合式定位架装置 |
CN104462015B (zh) * | 2014-11-26 | 2017-06-16 | 河海大学 | 处理非高斯Lévy噪声的分数阶线性离散系统状态更新方法 |
CN107049464A (zh) * | 2017-06-07 | 2017-08-18 | 任小宝 | 一种用于骨科的绳缆式内固定装置 |
CN107158684A (zh) * | 2017-04-11 | 2017-09-15 | 石磊 | 一种用于大学生智能体育体能综合训练控制系统 |
CN107332632A (zh) * | 2017-06-24 | 2017-11-07 | 西安电子科技大学 | MSK调制方式下Alpha稳定分布噪声参数的估计方法 |
CN107340713A (zh) * | 2017-07-03 | 2017-11-10 | 湖南工业大学 | 一种高效的使用自适应闭环控制方法 |
CN107809398A (zh) * | 2017-10-12 | 2018-03-16 | 西安电子科技大学 | 脉冲噪声环境下msk信号调制参数估计方法 |
CN108631893A (zh) * | 2017-03-17 | 2018-10-09 | 成都信息工程大学 | 一种gmsk信道干扰检测方法 |
CN109167746A (zh) * | 2018-08-31 | 2019-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN110943952A (zh) * | 2019-11-30 | 2020-03-31 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 调幅信号的检测方法及装置 |
CN111371715A (zh) * | 2020-02-27 | 2020-07-03 | 电子科技大学 | 一种用于在低信噪比下识别ask类信号的特征提取方法 |
CN111521110A (zh) * | 2020-04-26 | 2020-08-11 | 湖南工业大学 | 一种旋转变压器信号包络检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7379507B2 (en) * | 2004-10-01 | 2008-05-27 | Industrial Technology Research Institute | Method and device for modulation recognition of digitally modulated signals with multi-level magnitudes |
CN101587186A (zh) * | 2008-05-22 | 2009-11-25 | 赵力 | 一种雷达脉内调制信号的特征提取方法 |
CN101783777A (zh) * | 2009-03-31 | 2010-07-21 | 西安电子科技大学 | 数字调制信号识别方法 |
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
-
2012
- 2012-09-04 CN CN201210324087.9A patent/CN102882819B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7379507B2 (en) * | 2004-10-01 | 2008-05-27 | Industrial Technology Research Institute | Method and device for modulation recognition of digitally modulated signals with multi-level magnitudes |
CN101587186A (zh) * | 2008-05-22 | 2009-11-25 | 赵力 | 一种雷达脉内调制信号的特征提取方法 |
CN101783777A (zh) * | 2009-03-31 | 2010-07-21 | 西安电子科技大学 | 数字调制信号识别方法 |
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
Non-Patent Citations (3)
Title |
---|
MOUNIR DJEDDI等: "Robust polynomial Wigner-Ville distribution for the analysis of polynomial phase signals in α-stable noise", 《ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2004. PROCEEDINGS. (ICASSP "04). IEEE INTERNATIONAL CONFERENCE ON》, vol. 2, 21 May 2004 (2004-05-21), XP010717975, DOI: doi:10.1109/ICASSP.2004.1326332 * |
YINGXIONG FU等: "A Generalized Bedrosian Theorem in Fractional Fourier Domain", 《COMPUTATIONAL INTELLIGENCE AND SECURITY, 2006 INTERNATIONAL CONFERENCE ON》, vol. 2, 6 November 2006 (2006-11-06) * |
赵春晖等: "基于广义二阶循环统计量的通信信号调制识别研究", 《通信学报》, vol. 32, no. 1, 31 January 2011 (2011-01-31) * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326975A (zh) * | 2013-07-15 | 2013-09-25 | 西安电子科技大学 | 一种Alpha稳定分布噪声下数字调制信号识别方法 |
CN103326975B (zh) * | 2013-07-15 | 2016-05-18 | 西安电子科技大学 | 一种Alpha稳定分布噪声下数字调制信号识别方法 |
CN103457890A (zh) * | 2013-09-03 | 2013-12-18 | 西安电子科技大学 | 一种有效识别非高斯噪声下数字调制信号的方法 |
CN103457890B (zh) * | 2013-09-03 | 2016-06-08 | 西安电子科技大学 | 一种有效识别非高斯噪声下数字调制信号的方法 |
CN104462015B (zh) * | 2014-11-26 | 2017-06-16 | 河海大学 | 处理非高斯Lévy噪声的分数阶线性离散系统状态更新方法 |
CN105024771B (zh) * | 2015-07-20 | 2017-03-08 | 西安电子科技大学 | 一种Alpha稳定分布噪声下频谱感知方法 |
CN105024771A (zh) * | 2015-07-20 | 2015-11-04 | 西安电子科技大学 | 一种Alpha稳定分布噪声下频谱感知方法 |
CN105827558A (zh) * | 2016-05-13 | 2016-08-03 | 天津光电通信技术有限公司 | 一种模拟信号自适应解调系统及实现方法 |
CN106823150A (zh) * | 2016-07-18 | 2017-06-13 | 山东省肿瘤防治研究院 | 一种方便胸部肿瘤放疗用组合式定位架装置 |
CN108631893A (zh) * | 2017-03-17 | 2018-10-09 | 成都信息工程大学 | 一种gmsk信道干扰检测方法 |
CN108631893B (zh) * | 2017-03-17 | 2020-12-29 | 成都信息工程大学 | 一种gmsk信道干扰检测方法 |
CN107158684A (zh) * | 2017-04-11 | 2017-09-15 | 石磊 | 一种用于大学生智能体育体能综合训练控制系统 |
CN107049464A (zh) * | 2017-06-07 | 2017-08-18 | 任小宝 | 一种用于骨科的绳缆式内固定装置 |
CN107332632A (zh) * | 2017-06-24 | 2017-11-07 | 西安电子科技大学 | MSK调制方式下Alpha稳定分布噪声参数的估计方法 |
CN107340713A (zh) * | 2017-07-03 | 2017-11-10 | 湖南工业大学 | 一种高效的使用自适应闭环控制方法 |
CN107809398B (zh) * | 2017-10-12 | 2020-07-24 | 西安电子科技大学 | 脉冲噪声环境下msk信号调制参数估计方法及通信系统 |
CN107809398A (zh) * | 2017-10-12 | 2018-03-16 | 西安电子科技大学 | 脉冲噪声环境下msk信号调制参数估计方法 |
CN109167746A (zh) * | 2018-08-31 | 2019-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN109167746B (zh) * | 2018-08-31 | 2021-01-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 连续波与脉冲信号快速识别装置 |
CN110943952A (zh) * | 2019-11-30 | 2020-03-31 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 调幅信号的检测方法及装置 |
CN110943952B (zh) * | 2019-11-30 | 2022-09-09 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 调幅信号的检测方法及装置 |
CN111371715A (zh) * | 2020-02-27 | 2020-07-03 | 电子科技大学 | 一种用于在低信噪比下识别ask类信号的特征提取方法 |
CN111371715B (zh) * | 2020-02-27 | 2021-03-16 | 电子科技大学 | 一种用于在低信噪比下识别ask类信号的特征提取方法 |
CN111521110A (zh) * | 2020-04-26 | 2020-08-11 | 湖南工业大学 | 一种旋转变压器信号包络检测方法 |
CN111521110B (zh) * | 2020-04-26 | 2021-11-23 | 湖南工业大学 | 一种旋转变压器信号包络检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102882819B (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102882819B (zh) | 非高斯噪声下数字调制信号识别方法 | |
CN103326975B (zh) | 一种Alpha稳定分布噪声下数字调制信号识别方法 | |
CN103457890B (zh) | 一种有效识别非高斯噪声下数字调制信号的方法 | |
CN102882820A (zh) | 认知无线电中非高斯噪声下数字调制信号识别方法 | |
CN104052702A (zh) | 一种复杂噪声下数字调制信号的识别方法 | |
CN107809398B (zh) | 脉冲噪声环境下msk信号调制参数估计方法及通信系统 | |
CN104158633A (zh) | 一种基于混合高斯模型的最大似然调制识别方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN103259759A (zh) | 一种单通道时频重叠信号调制识别方法 | |
CN108737302B (zh) | 低信噪比条件下随机共振联合小波变换的符号速率估计方法及其装置 | |
CN108880604B (zh) | 一种扩频通信系统中多分量调频干扰抑制方法和装置 | |
CN113225282A (zh) | 一种基于bp神经网络的通信信号调制识别方法 | |
CN105516036B (zh) | 一种cpfsk调制识别方法 | |
CN104363194A (zh) | 基于波形变换的psk调制识别方法 | |
CN103997475A (zh) | 一种识别Alpha稳定分布噪声下数字调制信号的方法 | |
CN104052703A (zh) | 一种微量采样数据数字调制识别方法 | |
Hu et al. | Modulation classification in alpha stable noise | |
CN101764785B (zh) | 基于混合矩和fisher判别的正交幅度调制信号识别方法 | |
CN107689933A (zh) | Alpha稳定分布噪声下MFSK信号调制识别方法 | |
CN113098638A (zh) | 一种基于分组极差图的微弱信号检测方法 | |
CN104270328B (zh) | 一种信噪比实时估计方法 | |
CN111628804A (zh) | 一种利用Gilbert优化的PLC信号滤波方法和系统 | |
CN116506273A (zh) | 新型mpsk调制信号识别分类方法 | |
CN104753842B (zh) | 基于峰值位置判别的信号调制方式识别方法 | |
CN105763499A (zh) | 一种基于信号瞬时频率滑动平均的cpfsk调制识别方法 |
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: 20150204 Termination date: 20210904 |
|
CF01 | Termination of patent right due to non-payment of annual fee |