CN103199945A - 一种低信噪比条件下认知无线电信号调制方式的识别方法 - Google Patents
一种低信噪比条件下认知无线电信号调制方式的识别方法 Download PDFInfo
- Publication number
- CN103199945A CN103199945A CN2013101103439A CN201310110343A CN103199945A CN 103199945 A CN103199945 A CN 103199945A CN 2013101103439 A CN2013101103439 A CN 2013101103439A CN 201310110343 A CN201310110343 A CN 201310110343A CN 103199945 A CN103199945 A CN 103199945A
- Authority
- CN
- China
- Prior art keywords
- signal
- sine waves
- modulation system
- noise ratio
- component sine
- 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 29
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims description 39
- 238000001914 filtration Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 244000287680 Garcinia dulcis Species 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003657 Likelihood-ratio test Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开一种低信噪比条件下认知无线电信号调制方式识别算法,该方法首先利用分段频域滤波提高接收信号的处理信噪比,然后根据FSK,BPSK,MSK,QPSK四类调制信号的M次方正弦波生成特性,将调制方式识别转化为对正弦波个数的检验。经仿真实验表明:本发明的方法具有良好的识别效果,在信噪比不低于-1dB条件下,对上述四种信号可以达到90%以上的识别率。
Description
技术领域
本发明涉及通信技术领域,特别是一种低信噪比条件下认知无线电信号调制方式的识别方法。
背景技术
由于日益增长的无线移动业务使用量,无线电频谱资源面临日益不足的局面,利用认知无线电(CR,Cognitive Radio)技术可以提高无线电频谱的利用率,为解决这一难题提供了有效的途径。CR的核心思想即系统通过对周围频谱的使用状态进行检测,在授权用户未使用所分配的频谱时,未授权用户实时调整其传输参数,机会性地接入该频段,一旦授权用户重新接入,未授权用户则迅速腾出该信道。为充分了解频谱资源的使用状态,对信号调制方式进行识别是一项重要环节,特别是在缺乏信号先验知识及低信噪比条件下,正确识别信号的调制方式为后续的处理环节(如参数估计、信号解调、频谱分配等)的可靠运行提供了可能。
各类文献中针对调制方式识别的方法主要有两种:一种是基于似然比检验的方法;另一种是基于特征提取与模式识别方法,可参考文献[1]Dobre,O.A.,A.Abdi,et al.(2007)."Surveyof automatic modulation classification techniques:classical approaches and new trends."Communications,IET 1(2):137-156,以及文献[2]De Vito,L.,S.Rapuano,et al."Prototype of anAutomatic Digital Modulation Classifier Embedded in a Real-Time Spectrum Analyzer."Instrumentation and Measurement,IEEE Transactions on59(10):2639-2651。似然比检验识别方法,需要信号或噪声的先验信息,并且计算复杂;而基于特征提取与模式识别方法则更具实际应用价值。文献[3]L.Hong and K.C.Ho,“Identification of digital modulation types using thewavelet transform,”in Proc.IEEE MILCOM,Atlantic City,NJ,Oct.1999,vol.1,pp.427–431给出了一种基于小波变换的调制方式识别方法,可以正确识别FSK、PSK及QAM信号,但此方法在信噪比低于10dB条件下需要精确的同步信息。文献[4]A.Swami and B.M.Sadler,“Hierarchical digital modulation classification using cumulants,”IEEE Trans.Commun.,vol.48,no.3,pp.416–429,Mar.2000利用信号的四阶累积量对其调制方式进行识别,但识别的性能受相位差、相位抖动、同步误差等因素影响较大。文献[5]P.Marchand,J.L.Lacoume,and C.L.Martret,“Multiple hypothesis classification based on cyclic cumulants of different orders,”inProc.ICASSP,Seattle,WA,May1998,vol.4,pp.2157–2160,和文献[6]C.M.Spooner,“On theutility of sixth-order cyclic cumulants for RF signal classification,”in Proc.ASILOMAR,PacificGrove,CA,Nov.2001,vol.1,pp.890–897分别利用四阶和六阶循环累积量对PSK和QAM信号加以识别,但在对循环累积量进行估计时需要循环频率及频差等先验信息。文献[7]Reichert,J.(1992).Automatic classification of communication signals using higher order statistics,IEEE则针对ASK、BPSK、QPSK、MSK和FSK五种调制信号,首次提出了在不具备信号的载波频率、码元速率等先验信息的条件下,利用信号的M次方的线谱生成特性对调制方式进行区分,并提出了区分线谱与连续谱的统计检测方法,但是由于信号经过高次非线性运算后信噪比下降,该方法要求信噪比满足一定的门限值才能达到满意的识别率,例如对于QPSK信号,识别率达到99.8%时需要的接收信噪比不低于7.3dB。此外,该方法中提出的判断信号频谱中是否存在线谱的算法描述模糊,且计算复杂。文献[8]范海波,杨志俊,曹志刚.卫星通信常用调制方式的自动识别[J].通信学报,2004,25(1):140-149针对卫星通信中常用的调制方式,如ASK、FSK、MSK、BPSK、QPSK等,提取出信号功率谱、平方谱以及四次方谱的单频分量检测值、平坦度指数、谱峰数等一组对信噪比和调制参数稳健性好的特征参数,在不需要信号先验信息的条件下对信号的调制样式进行识别,在信噪比大于5dB时其总体识别率达98%以上,但该方法对信噪比的要求也较高。
发明内容
本发明的目的是针对认知无线电技术中常用的FSK、BPSK、MSK、QPSK四类调制信号,提出一种低信噪比条件下认知无线电信号调制方式的识别方法。
为实现上述目的,本发明采取的技术方案为:一种低信噪比条件下认知无线电信号调制方式的识别方法,包括以下步骤:
(1)对接收信号进行分段频域滤波;
(2)检测信号频谱中正弦波分量个数,若包含两个正弦波分量,则判定接收信号为FSK调制方式;若不满足,则执行步骤(3);
(3)将接收信号作平方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波,则接收信号为BPSK调制方式;若包含两个正弦波分量则判定接收信号为MSK调制方式;若上述皆不满足,则执行步骤(4)。
(4)将接收信号作四次方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波分量则判定接收信号为QPSK调制方式,上述皆不满足则判为未知调制方式信号。
进一步的,本发明方法步骤(2)至(4)中,正弦波分量的检测方法为:
(2.1)找出信号频谱中的局部极大值;
(2.2)以局部最大值对应的频率为中心,滤出其左右各7-11根谱线;
(2.3)以局部最大值的0.5倍为判决门限,将步骤(2.2)中滤出的谱线幅度与该门限值进行比较,统计幅值不低于此门限值的谱线根数,即3dB带宽内谱线根数:若谱线根数小于3,则判定为正弦波分量。
假定所接收信号仅为FSK、BPSK、MSK或QPSK四种调制方式中的一种,并设其观测模型为
r(t)=s(t)+w(t)
=Aexp{j[2πfct+φ(t)+θ]}+w(t) (0≤t≤T)
式中s(t)为信号部分,其中A,fc,θ分别为信号的幅度、载频、初相,φ(t)为信号的相位函数,T为观测时间,w(t)为实部与虚部相互独立的平稳复高斯白噪声过程,其方差为σ2。相位函数φ(t)体现了调制信息的不同,此处以常用的FSK,BPSK,MSK,QPSK四类调制为例,具体信号模型如下:
(1)FSK信号:φ(t)=2πfkt,其中fk的取值为与二元编码信号(码元宽度为Tb)对应的两个不同频率f1和f2,fc+f1和fc+f2为与二元编码信号相对应的载波频率;
(2)BPSK信号:φ(t)=πd2(t),其中d2(t)是一个二元编码信号,它的码元宽度为Tb,其幅度分别为0或1;
(3)MSK信号:其中dk=±1,分别用来表示二元编码信号0和1,码元宽度为Tb。对于MSK信号而言,θ为每个二元码数据持续时间内的初相,在每个Tb数据持续时间内,θ的值保持不变,即θ=θ0±kπ,其中θ0为初始时刻的码元相位。
本发明首先利用分段频域滤波提高输出信噪比,后根据接收信号的M次方正弦波生成特性,将调制方式识别转化为对正弦波个数的检验,判断其调制方式。通过仿真实验表明:本发明的分段频域滤波方法可以有效改善较低信噪比对调制方式识别率的影响。
附图说明
图1为本发明方法流程示意图;
图2至图5为分别对应FSK、BPSK、MSK、QPSK四种信号M次方的频谱;
图6至图9为在不同的信噪比条件下FSK、BPSK、MSK、QPSK四种信号滤波前后的M次方的频谱对比。
具体实施方式
以下结合附图对具体实施方法做进一步描述。
如图1所示,本发明的方法包括以下步骤:
(1)对接收的信号进行分段频域滤波:
(1.1)对原始信号进行分段处理。对于FSK、BPSK、MSK或QPSK信号,在一个短时区间(t0,t0+T0)内,近似可以看作一个正弦波信号,对其作分段处理后的模型为
xi(t)=Aexp[j(2πfit+θi)]+wi(t),iT0≤t≤(i+1)T0
其中,A,fi,θi,T0分别是信号的包络函数、载波频率、初相位及脉冲宽度;wi(t)是实部与虚部相互独立的零均值平稳复白高斯噪声,方差为σ2,其离散采样后为
xi(n)=Aexp[j(2πfinΔt+θi)]+wi(n),i(N0-1)≤n≤(i+1)(N0-1)
式中N0为信号段的长度,采样间隔Δt=T0/N0,采样频率fs=N0/T0;
(1.2)对xi(n)作N0点DFT,得到Xi(k)=DFT[xi(n)];
(1.3)设计一个带通波滤器,其传输特性如下:
式中k0为|X(k)|的最大谱线位置(|·|表示对复数取模),δ为滤波点数;
(1.4)令X′i(k)=H(k)Xi(k),后对X′i(k)作N0点IDFT,得x′i(n)=IDFT(X′i(k));
(2)检测信号频谱中正弦波分量个数,若包含两个正弦波分量,则判定接收信号为FSK调制方式;若不满足,则执行步骤(3)。正弦波分量的检测方法为:
(2.1)找出信号频谱中的局部极大值;
(2.2)以局部最大值对应的频率为中心,滤出其左右各7-11根谱线;
(2.3)以局部最大值的0.5倍为判决门限,将步骤(2.2)中滤出的谱线幅度与该门限值进行比较,统计幅值不低于此门限值的谱线根数,即3dB带宽内谱线根数:若谱线根数小于3,则判定为正弦波分量。
(3)将接收信号作平方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波,则判为BPSK信号;若包含两个正弦波分量则判为MSK信号,否则执行步骤(4)。
(4)将接收信号作四次方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波分量则判为QPSK信号,如不满足则判为未知调制方式信号。
图2至图5为分别对应FSK、BPSK、MSK、QPSK四种信号M次方的频谱。背景技术中文献[7]指出,不同调制类型的信号,其M次方的频域统计特性会呈现某种周期性,对于FSK、BPSK、MSK、QPSK四种调制信号,经过不同次方变换后都将会产生离散线谱,且线谱位置与原始信号载频之间满足某种关系。本发明所述的方法就是在此基础上,根据上述四类调制信号的正弦波生成特性提出的。图2至图5中四类调制样式的M次方频谱正弦波特性总结如下:
(1)FSK信号频谱中包含频率分别为fc+f1和fc+f2的两个正弦波分量;
(2)BPSK信号作平方运算后的频谱中只有数值为2fc的正弦波分量;
(4)QPSK信号作四次方运算后的频谱中只有数值为4fc的正弦波分量。
从上述四类调制信号的正弦波生成特征来看,均需进行非线性运算,非线性运算会增加噪声项,从而导致输出信噪比的下降。其中,FSK信号由于未作任何非线性运算,因此对输出信噪比无影响。BPSK与MSK信号经二次方运算后输出信噪比下降,经计算当输入信噪比为0dB时,输出信噪比下降为约-6.99dB。QPSK信号由于是作四次方运算,其信噪比下降得最为剧烈,当输入信噪比为0dB时,输出信噪比下降为约-18.39dB。
图6至图9为在不同的信噪比条件下分别对应FSK、BPSK、MSK、QPSK四种信号滤波前后的M次方的频谱对比。显然,利用本发明的基于分段频域滤波的预处理方法可以提高输出信噪比。根据上述滤波过程可见,滤波的实质为将带外噪声滤除,但带内噪声仍存在。设接收信号滤波后中噪声的方差有若定义接收信号的输入信噪比为包络A2与噪声方差之比,即则每一段信号经滤波后的信噪比SNR′为
可见,滤波后的信噪比增加了约倍(一般N0>>2δ),为后续精确处理提供了可能。
继续参阅表1,其显示了在分段频域滤波和不滤波两种条件下利用基于正弦波分量个数检测的认知无线电调制方式识别方法的仿真结果比较。仿真中:码速率为Rb=2Mbps,采样频率fs=64MHz,采样后的信号样本点数1024点。FSK信号的两个码元信号对应的载波频率分别为f1+fc=10MHz和f2+fc=40MHz,BPSK、MSK和QPSK信号的载波频率为fc=20MHz。每种调制信号各作1000次仿真。仿真结果如下:
表1
由表1可知,采用对信号进行分段频域滤波的处理可以显著改善识别结果,有效解决了低信噪比时无信号先验知识的条件下如何提高信号调制方式的正确识别率问题。根据经验,滤波过程中滤波点数δ一般为6~12,仿真中δ选取为8,信号分段数为4。显见,FSK信号由于未经过非线性运算,从而滤波后的正确识别率略有改善,其余信号经滤波处理后的正确识别信噪比门限值都有明显下降,特别是QPSK信号正确识别率达100%时,信噪比门限值由未滤波的6dB下降为滤波后的0dB。
Claims (2)
1.一种低信噪比条件下认知无线电信号调制方式的识别方法,其特征是,包括以下步骤:
(1)对接收信号进行分段频域滤波;
(2)检测信号频谱中正弦波分量个数,若包含两个正弦波分量,则判定接收信号为FSK调制方式;若不满足,则执行步骤(3);
(3)将接收信号作平方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波,则接收信号为BPSK调制方式;若包含两个正弦波分量则判定接收信号为MSK调制方式;若上述皆不满足,则执行步骤(4);
(4)将接收信号作四次方运算,检测其频谱中的正弦波分量个数,若只有单个正弦波分量则判定接收信号为QPSK调制方式,上述皆不满足则判为未知调制方式信号。
2.根据权利要求1所述的低信噪比条件下认知无线电信号调制方式的识别方法,其特征是,步骤(2)至(4)中,正弦波分量的检测方法包括以下步骤:
(2.1)找出信号频谱中的局部极大值;
(2.2)以局部最大值对应的频率为中心,滤出其左右各7-11根谱线;
(2.3)以局部最大值的0.5倍为判决门限,将步骤(2.2)中滤出的谱线幅度与该门限值进行比较,统计幅值不低于此门限值的谱线根数,即3dB带宽内谱线根数:若谱线根数小于3,则判定为正弦波分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310110343.9A CN103199945B (zh) | 2013-03-29 | 2013-03-29 | 一种低信噪比条件下认知无线电信号调制方式的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310110343.9A CN103199945B (zh) | 2013-03-29 | 2013-03-29 | 一种低信噪比条件下认知无线电信号调制方式的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103199945A true CN103199945A (zh) | 2013-07-10 |
CN103199945B CN103199945B (zh) | 2016-06-01 |
Family
ID=48722321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310110343.9A Active CN103199945B (zh) | 2013-03-29 | 2013-03-29 | 一种低信噪比条件下认知无线电信号调制方式的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103199945B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357574A (zh) * | 2016-09-26 | 2017-01-25 | 金陵科技学院 | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 |
CN106899531A (zh) * | 2017-03-01 | 2017-06-27 | 西安电子科技大学 | 一种识别卫星通信信号调制方式的方法 |
CN106950544A (zh) * | 2017-03-06 | 2017-07-14 | 哈尔滨工程大学 | 一种基于dsp实现的大时宽信号分段识别的方法 |
CN108650203A (zh) * | 2018-07-23 | 2018-10-12 | 杭州电子科技大学 | 一种基于侦察接收机的调制模式识别方法 |
CN109587091A (zh) * | 2019-01-23 | 2019-04-05 | 西南交通大学 | 基于逻辑回归算法的相干光通信系统调制格式识别方法 |
CN111740930A (zh) * | 2020-08-26 | 2020-10-02 | 东南大学 | 基于多特征分层处理的多类型非合作水声信号识别方法 |
CN112230205A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨工程大学 | 一种利用舰船辐射噪声仿真信号的水下目标识别系统性能评估方法 |
CN114531328A (zh) * | 2022-04-24 | 2022-05-24 | 四川轻化工大学 | 一种基于信号包络平坦度的调制格式识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395400A (zh) * | 2002-07-05 | 2003-02-05 | 清华大学 | 无需先验知识的常用数字信号调制方式的自动识别方法 |
CN101674270A (zh) * | 2009-10-16 | 2010-03-17 | 电子科技大学 | 一种低信噪比相移键控调制信号的识别方法 |
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 |
-
2013
- 2013-03-29 CN CN201310110343.9A patent/CN103199945B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395400A (zh) * | 2002-07-05 | 2003-02-05 | 清华大学 | 无需先验知识的常用数字信号调制方式的自动识别方法 |
CN101674270A (zh) * | 2009-10-16 | 2010-03-17 | 电子科技大学 | 一种低信噪比相移键控调制信号的识别方法 |
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 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357574A (zh) * | 2016-09-26 | 2017-01-25 | 金陵科技学院 | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 |
CN106899531A (zh) * | 2017-03-01 | 2017-06-27 | 西安电子科技大学 | 一种识别卫星通信信号调制方式的方法 |
CN106899531B (zh) * | 2017-03-01 | 2020-04-07 | 西安电子科技大学 | 一种识别卫星通信信号调制方式的方法 |
CN106950544A (zh) * | 2017-03-06 | 2017-07-14 | 哈尔滨工程大学 | 一种基于dsp实现的大时宽信号分段识别的方法 |
CN106950544B (zh) * | 2017-03-06 | 2020-01-31 | 哈尔滨工程大学 | 一种基于dsp实现的大时宽信号分段识别的方法 |
CN108650203A (zh) * | 2018-07-23 | 2018-10-12 | 杭州电子科技大学 | 一种基于侦察接收机的调制模式识别方法 |
CN108650203B (zh) * | 2018-07-23 | 2020-12-08 | 杭州电子科技大学 | 一种基于侦察接收机的调制模式识别方法 |
CN109587091A (zh) * | 2019-01-23 | 2019-04-05 | 西南交通大学 | 基于逻辑回归算法的相干光通信系统调制格式识别方法 |
CN111740930A (zh) * | 2020-08-26 | 2020-10-02 | 东南大学 | 基于多特征分层处理的多类型非合作水声信号识别方法 |
CN112230205A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨工程大学 | 一种利用舰船辐射噪声仿真信号的水下目标识别系统性能评估方法 |
CN114531328A (zh) * | 2022-04-24 | 2022-05-24 | 四川轻化工大学 | 一种基于信号包络平坦度的调制格式识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103199945B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103199945A (zh) | 一种低信噪比条件下认知无线电信号调制方式的识别方法 | |
CN104301056B (zh) | 一种基于信号特征分析的频谱监测方法 | |
Dobre et al. | Blind modulation classification: a concept whose time has come | |
Jang | Blind cyclostationary spectrum sensing in cognitive radios | |
CN108764077B (zh) | 一种基于卷积神经网络的数字信号调制分类方法 | |
CN103780462A (zh) | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 | |
Alharbi et al. | Automatic modulation classification of digital modulations in presence of HF noise | |
CN103259759B (zh) | 一种单通道时频重叠信号调制识别方法 | |
CN108683622A (zh) | 一种基于信号平方谱平坦系数的调制识别方法 | |
CN101588191B (zh) | 无线电信号认知方法及设备 | |
CN108631893B (zh) | 一种gmsk信道干扰检测方法 | |
Dobre et al. | Joint signal detection and classification based on first-order cyclostationarity for cognitive radios | |
Cohen et al. | Carrier frequency and bandwidth estimation of cyclostationary multiband signals | |
CN111901265B (zh) | 一种常用卫星通信数字调制方式识别方法 | |
Ramachandran et al. | Improvement of energy efficiency of spectrum sensing algorithms for cognitive radio networks using compressive sensing technique | |
CN104883328A (zh) | 一种自适应短波跳频通信系统信道估计方法 | |
Bao et al. | Spectrum segmentation for wideband sensing of radio signals | |
Hazza et al. | Robustness of digitally modulated signal features against variation in HF noise model | |
CN113162879B (zh) | 一种联合特征提取的调制信号识别方法 | |
Azza et al. | Implementation of an automatic modulation recognition system on a software defined radio platform | |
CN103607268A (zh) | 4cpm信号的位同步及帧同步联合检测方法 | |
Kumar et al. | Blind symbol rate estimation by exploiting cyclostationary features in wavelet domain | |
Ho et al. | A wavelet-based method for classification of binary digitally modulated signals | |
CN113271273A (zh) | 基于维纳滤波预处理的调制识别方法 | |
Bektas et al. | Energy based spectrum sensing using wavelet transform for fading channels |
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 |