CN103441974A - 一种联合高阶统计量和谱峰特征的调制识别装置及方法 - Google Patents
一种联合高阶统计量和谱峰特征的调制识别装置及方法 Download PDFInfo
- Publication number
- CN103441974A CN103441974A CN2013103763378A CN201310376337A CN103441974A CN 103441974 A CN103441974 A CN 103441974A CN 2013103763378 A CN2013103763378 A CN 2013103763378A CN 201310376337 A CN201310376337 A CN 201310376337A CN 103441974 A CN103441974 A CN 103441974A
- Authority
- CN
- China
- Prior art keywords
- modulation
- signal
- module
- identifier
- order
- 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
Images
Abstract
本发明公开了一种联合高阶统计量和谱峰特征的调制识别装置及方法,包括信号预处理模块、高阶统计量特征提取模块、谱峰特征提取模块和联合识别模块;待识别调制信号输入信号预处理模块进行滤波、载频估计和归一化处理,得到预处理信号;然后将其输入到高阶统计量特征提取模块和谱峰特征提取模块中进行特征提取,包括高阶矩特征、高阶累积量特征、星座聚类点数值、特征功率谱方差特征和一阶微分幅度直方图谱峰数特征等;将提取的特征信息输入到联合识别模块中,基于联合特征的分类器,对输入信号进行模式特征匹配并输出识别结果。本发明的装置及方法首次实现了对SC-FDMA调制方式的识别,提高了高阶QAM调制方式的识别率并扩大了MFSK类内识别的判决门限,可应用于频谱管理及电子对抗等领域。
Description
技术领域
本发明属于通信技术领域,具体涉及一种联合高阶统计量和谱峰特征的调制识别方法。
背景技术
随着现代数字信号处理技术的发展,调制识别技术不断涌现,这使得研究通信信号调制方式识别具有十分广泛的应用价值和前景。调制识别技术根据其用途分为民用和军事目的两种途径。民用方面,无线电管理局可以利用调制识别技术进行信号识别和监测信号传输,通过监视来控制信息传输,发现未注册或非法发射机,从而保障无线通信环境的安全。在军事方面,调制识别技术广泛应用于电子对抗领域,通过调制识别技术来实现非协作通信,从而协助军事现代化和信息化应用。
本发明涉及高阶统计量、星座图及谱峰特征技术,涉及的调制识别对象包括高斯滤波最小频移键控(Gaussian Filtered Minimum Shift Keying,GMSK)、单载波分频多工(Single-carrier Frequency-Division Multiple Access,SC-FDMA)、多进制频移键控(M-ary Frequency-shift keying,MFSK)、多进制相移键控(M-ary Phase-shift keying,MPSK)、多进制正交振幅键控(M-ary Quadrature Amplitude Modulation,MQAM)等。
调制识别技术的发展分为人工调制识别和自动调制识别两个阶段,现阶段自动调制识别技术占据主流。1969年4月,C.S.Weaver等发表了一篇名为“Automatic classificationof modulation types by pattern recognition”的论文,此后,研究自动调制识别的文献逐渐出现。1992年,Reichert.J最早提出了使用高阶累积量的方法进行调制识别,主要应用在对2ASK、2PSK、4PSK、MSK和2FSK等对象做识别,该方法可以在较低信噪比拥有较高的识别率。1997年和2000年,Swami等研究了基于四阶累积量的方法,针对ASK、BPSK、8PSK和16QAM等信号进行调制识别,该方法可在15dB时达到95%的识别率。2001年,Spooner利用四阶累积量和六阶累积量的组合对数字信号的组合进行识别,在10dB的时候达到较高识别率。2008年,Hsiao-Chun Wu等提出了一种在多径条件下利用高阶累积量的方法进行盲信道估计和调制识别,主要针对BPSK、QPSK、4QAM、16QAM和64QAM进行了识别仿真,发现了其比现有调制自动识别的性能优势,但该方法支持识别的调制方式较少。近些年,高阶累积量方法被用来实现了较多调制方式的识别,但针对长期演进(Long Term Evolution,LTE)中使用的SC-FDMA调制方式的识别目前却没发现有公开文献或方法报道。
2000年,Mobasseri提出利用信号星座图形状作为判决的标志,该算法采用的c均值迭代聚类,对QPSK、8PSK和16QAM几种调制方式,可以在0dB以上实现90%以上的调制方式识别率。2008年,程汉文等对接收信号动态聚类重构星座图,然后与预期星座图匹配,并且利用最大似然准则对星座图进行分类,在未知信号调制状态数下,可以在10dB和15dB实现90%以上调制方式识别率。2009年,Ohara S.等提出了一种基于幅值和余弦的MQAM调制识别方法,克服了单纯幅值MQAM分类方法中星座图受噪声影响大的缺点,并且针对16QAM和64QAM进行了识别仿真。以上只能针对MQAM中的部分阶数调制方式进行识别,其范围太窄,针对高阶调制识别的研究较少,尤其是没有涉及的更高阶128QAM的识别。
在相关专利方面,申请号为201210150812.5的发明提出了一种基于广义S交换的通信信号调制识别方法,通过结合短时傅立叶变换和高斯窗函数对输入信号进行广义S变换,来实现通信信号识别,但其未提及对SC-FDMA的信号识别方法。而申请号为201210234727.7的发明提出了一种通信信号的特征提取与调制识别方法,但其仅描述了分类识别的机制,未对联合高阶统计量和谱峰特征的调制识别有所界定。
因此,需要一种联合高阶统计量和谱峰特征的调制识别方法以解决上述问题。
发明内容
发明目的:本发明针对SC-FDMA调制方式识别,提高高阶QAM调制方式的识别率以及扩大MFSK类内识别的判决门限等通信调制信号的识别需求,提供一种实现调制方式自动识别的联合高阶统计量和谱峰特征的调制识别装置。
技术方案:为解决上述技术问题,本发明的联合高阶统计量和谱峰特征的调制识别装置采用如下技术方案:
一种联合高阶统计量和谱峰特征的调制识别装置,包括信号预处理模块、高阶统计量特征提取模块、谱峰特征提取模块和联合识别模块;
将待识别的调制信号输入所述信号预处理模块得到预处理信号;所述预处理信号输入到所述高阶统计量特征提取模块和谱峰特征提取模块中进行特征提取,得到联合识别特征;所述联合识别特征输入到所述联合识别模块中,所述联合识别模块按照模式匹配规则得到调制方式识别结果;
所述信号预处理模块将接收到的信号变化为归一化的基带信号;
所述高阶统计量特征提取模块包括高阶矩特征提取模块、高阶累积量特征提取模块和星座聚类点数值特征提取模块;其中,所述高阶矩特征包括K30参数值,所述高阶累积量特征包括C40参数值、C42参数值、C63参数值及组合参数值P2,所述星座聚类点数值特征为MQAM调制星座聚类点数值Ncluster;
所述谱峰特征提取模块包括功率谱方差FFTVar提取模块和一阶微分幅度直方图谱峰数Ndiff提取模块,其中,所述功率谱方差FFTVar提取8PSK和MFSK调制方式的功率谱,所述一阶微分幅度直方图谱峰数Ndiff首先对MFSK调制进行一阶微分,获取其幅度直方图,然后求得幅度直方图的谱峰个数;
所述联合识别模块包括第一识别器、第二识别器、第三识别器和第四识别器;
所述第一识别器利用K30对多载波与单载波进行区分;
所述第二识别器先利用C63识别出BPSK,再利用组合参数值P2区分出MQAM,最后利用C40设定门限,从余下的调制组合中识别出GMSK、SC-FDMA和QPSK三种调制方式;
所述第三识别器先用C40将MQAM分为16QAM/64QAM和32QAM/128QAM两类,然后使用Ncluster将以上调制方式进行识别;
所述第四识别器先用功率谱方差FFTVar从8PSK/MFSK中识别出8PSK,然后利用一阶微分幅度直方图谱峰数Ndiff对MFSK进行类内识别,识别出2FSK、4FSK和8FSK。
更进一步的,所述K30参数值利用下式计算得到:
其中,M63为预处理信号的6阶混合矩;M21为预处理信号的3阶的混合矩。
更进一步的,所述C40参数值、C42参数值、C63参数值及组合参数值P2的计算式分别为:
C63=M63-6M22M43-9M42M21+18(M22)2M21-12(M21)3
其中,M63为预处理信号的6阶混合矩;M40、M42、M43为预处理信号的4阶混合矩;M20、M21、M22为预处理信号的2阶混合矩。
有益效果:本发明的联合高阶统计量和谱峰特征的调制识别装置综合利用了高阶统计量、星座图及谱峰特征等进行了联合特征调制方式识别,最终达到增加调制识别种类、扩大识别门限同时降低识别信噪比的目的,该装置支持识别的数字调制方式多,包括GMSK、SC-FDMA、MFSK(M=2,4,8)、MPSK(M=2,4,8)、MQAM(M=16,32,64,128)。特别是方法中利用高阶统计量的方法增加了对LTE上行链路SC-FDMA调制方式的识别;同时使用基于高阶累积量和星座图聚类结合的方法增加了对128QAM调制方式的识别;最后,该装置利用一阶微分幅度直方图谱峰特征,对一阶微分MFSK类内窄识别门限进行了改进,使得可以在较低信噪比进行更大门限的调制信号识别。
本发明还公开了一种联合高阶统计量和谱峰特征的调制识别方法;
本发明的联合高阶统计量和谱峰特征的调制识别方法,采用如上所述的联合高阶统计量和谱峰特征的调制识别装置,包括以下步骤:
(1)、将待识别的调制信号输入到所述信号预处理模块,得到归一化的基带信号;
(2)、将步骤(1)得到的归一化的基带信号输入所述高阶统计量特征提取模块,得到K30、C40、C42、C63、P2的数值;
(3)、对于满足K30<5.5并且|P2|<3.2的待识别信号,继续进行高阶统计量特征中Ncluster的提取;对满足K30<5.5并且|P2|>3.2及C40<0.1的待识别信号,将步骤(1)得到的归一化的基带信号输入所述谱峰特征提取模块,进行所述功率谱方差FFTVar和一阶微分幅度直方图谱峰数Ndiff的提取;
(4)、步骤(2)得到的K30、C40、C42、C63、P2的数值和步骤(3)得到的Ncluste、FFTVar和Ndiff的数值输入所述联合识别模块;
(5)、所述第一识别器利用K30识别出多载波调制信号和单载波调制信号;第二识别器利用C63识别出BPSK调制,然后利用P2和C40分为三个输出方向的数据;
(6)、将步骤(5)分出的一个输出方向的数据输入第四识别器,所述第四识别器利用FFTVar识别出8PSK,然后利用Ndiff依次识别出2FSK、4FSK和8FSK调制方式;
(7)、将步骤(5)分出的另一个输出方向的数据在所述第二识别器中利用C40分别识别出GMSK、SC-FDMA和QPSK调制方式;
(8)、将步骤(5)分出的第三个输出方向的数据输入第三识别器,所述第三识别器结合C40和Ncluster识别出16QAM、32QAM、64QAM和128QAM调制方式。
有益效果:本发明的联合高阶统计量和谱峰特征的调制识别方法支持识别的数字调制方式多,包括GMSK、SC-FDMA、MFSK(M=2,4,8)、MPSK(M=2,4,8)、MQAM(M=16,32,64,128)。特别是方法中利用高阶统计量的方法增加了对LTE上行链路SC-FDMA调制方式的识别;同时使用基于高阶累积量和星座图聚类结合的方法增加了对128QAM调制方式的识别;最后,该方法利用一阶微分幅度直方图谱峰特征,对一阶微分MFSK类内窄识别门限进行了改进,使得可以在较低信噪比进行更大门限的调制信号识别。
附图说明
图1为本发明的联合高阶统计量和谱峰特征的调制识别装置的结构示意图;
图2为高阶统计量特征提取模块的结构示意图;
图3为谱峰特征提取模块的结构示意图;
图4为联合识别模块的结构示意图;
图5为本发明联合识别模块的流程示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
请参阅图1、图2、图3、图4和图5所示,本发明的联合高阶统计量和谱峰特征的调制识别装置,包括信号预处理模块101、高阶统计量特征提取模块102、谱峰特征提取模块103和联合识别模块104。将待识别的调制信号输入信号预处理模块101得到预处理信号;预处理信号输入到高阶统计量特征提取模块102和谱峰特征提取模块103中进行特征提取,得到联合识别特征;联合识别特征输入到联合识别模块104中,联合识别模块104按照模式匹配规则得到调制方式识别结果。
信号预处理模101包括滤波、载频估计和归一化处理,将接收到的信号变化为归一化的基带信号;
图2中的高阶统计量特征提取模块102包括高阶矩特征提取模块201、高阶累积量特征提取模块202和星座聚类点数值特征提取模块203;其中,高阶矩特征包括K30参数值,高阶累积量特征包括C40参数值、C42参数值、C63参数值及组合参数值P2,星座聚类点数值特征为MQAM调制星座聚类点数值Ncluster。
其中,K30参数值利用下式计算得到:
式中,M63为预处理信号的6阶混合矩;M21为预处理信号的3阶的混合矩。
C40参数值、C42参数值、C63参数值及组合参数值P2的计算式分别为:
C63=M63-6M22M43-9M42M21+18(M22)2M21-12(M21)3
式中,M63为预处理信号的6阶混合矩;M40、M42、M43为预处理信号的4阶混合矩;M20、M21、M22为预处理信号的2阶混合矩。
谱峰特征提取模块103包括功率谱方差FFTVar提取模块301和一阶微分幅度直方图谱峰数Ndiff提取模块302,其中,功率谱方差FFTVar提取8PSK和MFSK调制方式的功率谱,一阶微分幅度直方图谱峰数Ndiff首先对MFSK调制进行一阶微分,获取其幅度直方图,然后求得幅度直方图的谱峰个数;
图4表示出了联合识别模块104的内部处理过程,联合识别模块104包括第一识别器401、第二识别器402、第三识别器403和第四识别器404;
第一识别器401利用K30对多载波与单载波进行区分;
第二识别器402先利用C63识别出BPSK,再利用组合参数值P2区分出MQAM,最后利用C40设定门限,从余下的调制组合中识别出GMSK、SC-FDMA和QPSK三种调制方式;
第三识别器403先用C40将MQAM分为16QAM/64QAM和32QAM/128QAM两类,然后使用Ncluster对以上调制方式进行识别;
第四识别器404先用功率谱方差FFTVar从8PSK/MFSK中识别出8PSK,然后利用一阶微分幅度直方图谱峰数Ndiff对MFSK进行类内识别,识别出2FSK、4FSK和8FSK。
图5给出了联合特征识别流程及识别门限设置,本发明利用高阶统计量特征提取模块102和谱峰特征提取模块103得到的特征集合一和特征集合二对调制信号进行联合识别,一个实施方式的步骤如下:
第一步,在第一识别器401中,对于满足K30大于5.5的调制信号判别为多载波调制方式,否则进入单载波调制方式识别;
第二步,在第二识别器402中,首先将满足C63大于4.5的调制方式判别为BPSK,然后针对C63小于4.5的调制集合,对于满足P2绝对值大于3.2且C40小于0.1的判别为FSK调制,并送到第四识别器404进行识别,对于满足P2绝对值大于3.2且C40大于0.1的判别为调制模式GMSK、SC-FDMA和4PSK中的一种;而对于满足P2绝对值小于3.2的判别则送到第三识别器403中;
第三步,在第四识别器404中,首先对于满足FFTVar小于300的判别为8PSK,然后针对FFTVar大于300的调制集合,对于Ndiff等于1或者2的判别为2FSK,Ndiff等于3或者4的判别为4FSK,Ndiff大于等于5的判别为8FSK调制信号;
第四步,对于第二识别器402中的P2绝对值大于3.2且C40大于0.1信号,如果C40数值在0.1-0.2之间则判别为GMSK,在0.2-0.4之间则判别为SC-FDMA,C40大于0.4的则判别为4PSK调制信号;
第五步,在第三识别器403,对于满足C40大于0.2且Ncluster小于20的判别为16QAM,满足C40大于0.2且Ncluster大于20的判别为64QAM;而对于C40小于0.2的信号,如果Ncluster小于40则判别为32QAM调制信号,而如果Ncluster大于40则判别为128QAM调制信号。
本发明的联合高阶统计量和谱峰特征的调制识别装置综合利用了高阶统计量、星座图及谱峰特征等进行了联合特征调制方式识别,最终达到增加调制识别种类、扩大识别门限同时降低识别信噪比的目的,该装置支持识别的数字调制方式多,包括GMSK、SC-FDMA、MFSK(M=2,4,8)、MPSK(M=2,4,8)、MQAM(M=16,32,64,128)。
本发明的联合高阶统计量和谱峰特征的调制识别方法,采用如上的联合高阶统计量和谱峰特征的调制识别装置,包括以下步骤:
(1)、将待识别的调制信号输入到信号预处理模块101,得到归一化的基带信号;
(2)、将步骤(1)得到的归一化的基带信号输入高阶统计量特征提取模块102,得到K30、C40、C42、C63、P2的数值;
(3)、对于满足K30<5.5并且|P2|<3.2的待识别信号,继续进行高阶统计量特征中Ncluster的提取;对满足K30<5.5并且|P2|>3.2及C40<0.1的待识别信号,将步骤(1)得到的归一化的基带信号输入谱峰特征提取模块103,进行功率谱方差FFTVar和一阶微分幅度直方图谱峰数Ndiff的提取;
(4)、步骤(2)得到的K30、C40、C42、C63、P2的数值和步骤(3)得到的Ncluste、FFTVar和Ndiff的数值输入联合识别模块104;
(5)、第一识别器401利用K30识别出多载波调制信号和单载波调制信号;第二识别器402利用C63识别出BPSK,然后利用P2和C40分为三个输出方向的数据;
(6)、将步骤(5)分出的一个输出方向的数据输入第四识别器404,第四识别器404利用FFTVar识别出8PSK,然后利用Ndiff依次识别出2FSK、4FSK和8FSK调制方式;
(7)、将步骤(5)分出的另一个输出方向的数据在所述第二识别器402中利用C40分别识别出GMSK、SC-FDMA和QPSK调制方式;
(8)、将步骤(5)分出的第三个输出方向的数据输入第三识别器403,第三识别器403结合C40和Ncluster识别出16QAM、32QAM、64QAM和128QAM调制方式。
Claims (4)
1.一种联合高阶统计量和谱峰特征的调制识别装置,其特征在于,包括信号预处理模块(101)、高阶统计量特征提取模块(102)、谱峰特征提取模块(103)和联合识别模块(104);
将待识别的调制信号输入所述信号预处理模块(101)得到预处理信号;所述预处理信号输入到所述高阶统计量特征提取模块(102)和谱峰特征提取模块(103)中进行特征提取,得到联合识别特征;所述联合识别特征输入到所述联合识别模块(104)中,所述联合识别模块(104)按照模式匹配规则得到调制方式识别结果;
所述信号预处理模块(101)将接收到的信号变化为归一化的基带信号;
所述高阶统计量特征提取模块(102)包括高阶矩特征提取模块(201)、高阶累积量特征提取模块(202)和星座聚类点数值特征提取模块(203);其中,所述高阶矩特征包括K30参数值,所述高阶累积量特征包括C40参数值、C42参数值、C63参数值及组合参数值P2,所述星座聚类点数值特征为MQAM调制星座聚类点数值Ncluster;
所述谱峰特征提取模块(103)包括功率谱方差FFTVar提取模块(301)和一阶微分幅度直方图谱峰数Ndiff提取模块(302),其中,所述功率谱方差FFTVar提取8PSK和MFSK调制方式的功率谱,所述一阶微分幅度直方图谱峰数Ndiff首先对MFSK调制进行一阶微分,获取其幅度直方图,然后求得幅度直方图的谱峰个数;
所述联合识别模块(104)包括第一识别器(401)、第二识别器(402)、第三识别器(403)和第四识别器(404);
所述第一识别器(401)利用K30对多载波与单载波进行区分;
所述第二识别器(402)先利用C63识别出BPSK,再利用组合参数值P2区分出MQAM,最后利用C40设定门限,从余下的调制组合中识别出GMSK、SC-FDMA和QPSK三种调制方式;
所述第三识别器(403)先用C40将MQAM分为16QAM/64QAM和32QAM/128QAM两类,然后使用Ncluster将以上调制方式进行识别;
所述第四识别器(404)先用功率谱方差FFTVar从8PSK/MFSK中识别出8PSK,然后利用一阶微分幅度直方图谱峰数Ndiff对MFSK进行类内识别,识别出2FSK、4FSK和8FSK。
2.如权利要求1所述的联合高阶统计量和谱峰特征的调制识别装置,其特征在于,所述K30参数值利用下式计算得到:
其中,M63为预处理信号的6阶混合矩;M21为预处理信号的3阶的混合矩。
3.如权利要求1所述的联合高阶统计量和谱峰特征的调制识别装置,其特征在于,所述C40参数值、C42参数值、C63参数值及组合参数值P2的计算式分别为:
C63=M63-6M22M43-9M42M21+18(M22)2M21-12(M21)3
其中,M63为预处理信号的6阶混合矩;M40、M42、M43为预处理信号的4阶
混合矩;M20、M21、M22为预处理信号的2阶混合矩。
4.一种联合高阶统计量和谱峰特征的调制识别方法,其特征在于,采用如权利要求1-3任一项所述的联合高阶统计量和谱峰特征的调制识别装置,包括以下步骤:
(1)、将待识别的调制信号输入到所述信号预处理模块(101),得到归一化的基带信号;
(2)、将步骤(1)得到的归一化的基带信号输入所述高阶统计量特征提取模块(102),得到K30、C40、C42、C63和P2的数值;
(3)、对于满足K30<5.5并且|P2|<3.2的待识别信号,继续进行高阶统计量特征中Ncluster的提取;对满足K30<5.5并且|P2|>3.2及C40<0.1的待识别信号,将步骤(1)得到的归一化的基带信号输入所述谱峰特征提取模块(103),进行所述功率谱方差FFTVar和一阶微分幅度直方图谱峰数Ndiff的提取;
(4)、步骤(2)得到的K30、C40、C42、C63和P2的数值和步骤(3)得到的Ncluste、FFTVar和Ndiff的数值输入所述联合识别模块(104);
(5)、所述第一识别器(401)利用K30识别出多载波调制信号和单载波调制信号;第二识别器(402)利用C63识别出BPSK调制,然后利用P2和C40分为三个输出方向的数据;
(6)、将步骤(5)分出的一个输出方向的数据输入第四识别器(404),所述第四识别器(404)利用FFTVar识别出8PSK,然后利用Ndiff依次识别出2FSK、4FSK和8FSK调制方式;
(7)、将步骤(5)分出的另一个输出方向的数据在所述第二识别器(402)中利用C40分别识别出GMSK、SC-FDMA和QPSK调制方式;
(8)、将步骤(5)分出的第三个输出方向的数据输入第三识别器(403),所述第三识别器(403)结合C40和Ncluster识别出16QAM、32QAM、64QAM和128QAM调制方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310376337.8A CN103441974B (zh) | 2013-08-26 | 2013-08-26 | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310376337.8A CN103441974B (zh) | 2013-08-26 | 2013-08-26 | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103441974A true CN103441974A (zh) | 2013-12-11 |
CN103441974B CN103441974B (zh) | 2016-08-10 |
Family
ID=49695640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310376337.8A Expired - Fee Related CN103441974B (zh) | 2013-08-26 | 2013-08-26 | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103441974B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104363194A (zh) * | 2014-11-04 | 2015-02-18 | 武汉大学 | 基于波形变换的psk调制识别方法 |
CN103780462B (zh) * | 2014-01-22 | 2016-09-28 | 中国人民解放军理工大学 | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 |
CN107872413A (zh) * | 2017-10-30 | 2018-04-03 | 北京邮电大学 | 基于压缩感知高阶累积量的智能调制识别方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN109246048A (zh) * | 2018-10-30 | 2019-01-18 | 广州海格通信集团股份有限公司 | 一种基于深度学习的物理层安全通信方法和系统 |
CN109525528A (zh) * | 2018-09-29 | 2019-03-26 | 电子科技大学 | 面向mqam调制信号的图域信号识别方法 |
CN110958199A (zh) * | 2019-12-03 | 2020-04-03 | 上海电机学院 | 一种基于多维特征提取的通信调制信号识别方法 |
CN111753803A (zh) * | 2020-07-06 | 2020-10-09 | 杭州画印科技有限公司 | 基于模糊聚类和高阶累积量的无人机图传信号识别方法 |
CN114050952A (zh) * | 2021-11-02 | 2022-02-15 | 北京鹏鹄物宇科技发展有限公司 | 一种基于多波束天线的自动调制方式识别方法 |
CN115348139A (zh) * | 2022-07-18 | 2022-11-15 | 中国人民解放军国防科技大学 | 基于级联特征融合与多级分类的调制识别方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571230A (zh) * | 2011-12-22 | 2012-07-11 | 中国人民解放军总参谋部第六十三研究所 | 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法 |
CN103067325A (zh) * | 2013-01-31 | 2013-04-24 | 南京邮电大学 | 基于多类特征参数和证据理论的协作调制识别方法 |
-
2013
- 2013-08-26 CN CN201310376337.8A patent/CN103441974B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571230A (zh) * | 2011-12-22 | 2012-07-11 | 中国人民解放军总参谋部第六十三研究所 | 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法 |
CN103067325A (zh) * | 2013-01-31 | 2013-04-24 | 南京邮电大学 | 基于多类特征参数和证据理论的协作调制识别方法 |
Non-Patent Citations (1)
Title |
---|
李丽月: "基于高斯和功率谱特性的小波调制识别研究", 《杭州电子科技大学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103780462B (zh) * | 2014-01-22 | 2016-09-28 | 中国人民解放军理工大学 | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 |
CN104363194B (zh) * | 2014-11-04 | 2016-05-11 | 武汉大学 | 基于波形变换的psk调制识别方法 |
CN104363194A (zh) * | 2014-11-04 | 2015-02-18 | 武汉大学 | 基于波形变换的psk调制识别方法 |
CN107872413A (zh) * | 2017-10-30 | 2018-04-03 | 北京邮电大学 | 基于压缩感知高阶累积量的智能调制识别方法 |
CN107872413B (zh) * | 2017-10-30 | 2020-02-07 | 北京邮电大学 | 基于压缩感知高阶累积量的智能调制识别方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN109525528B (zh) * | 2018-09-29 | 2021-01-26 | 电子科技大学 | 面向mqam调制信号的图域信号识别方法 |
CN109525528A (zh) * | 2018-09-29 | 2019-03-26 | 电子科技大学 | 面向mqam调制信号的图域信号识别方法 |
CN109246048A (zh) * | 2018-10-30 | 2019-01-18 | 广州海格通信集团股份有限公司 | 一种基于深度学习的物理层安全通信方法和系统 |
CN109246048B (zh) * | 2018-10-30 | 2021-02-02 | 广州海格通信集团股份有限公司 | 一种基于深度学习的物理层安全通信方法和系统 |
CN110958199A (zh) * | 2019-12-03 | 2020-04-03 | 上海电机学院 | 一种基于多维特征提取的通信调制信号识别方法 |
CN111753803A (zh) * | 2020-07-06 | 2020-10-09 | 杭州画印科技有限公司 | 基于模糊聚类和高阶累积量的无人机图传信号识别方法 |
CN111753803B (zh) * | 2020-07-06 | 2023-01-10 | 杭州画印科技有限公司 | 基于模糊聚类和高阶累积量的无人机图传信号识别方法 |
CN114050952A (zh) * | 2021-11-02 | 2022-02-15 | 北京鹏鹄物宇科技发展有限公司 | 一种基于多波束天线的自动调制方式识别方法 |
CN114050952B (zh) * | 2021-11-02 | 2024-02-23 | 北京鹏鹄物宇科技发展有限公司 | 一种基于多波束天线的自动调制方式识别方法 |
CN115348139A (zh) * | 2022-07-18 | 2022-11-15 | 中国人民解放军国防科技大学 | 基于级联特征融合与多级分类的调制识别方法 |
CN115348139B (zh) * | 2022-07-18 | 2024-01-05 | 中国人民解放军国防科技大学 | 基于级联特征融合与多级分类的调制识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103441974B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103441974A (zh) | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 | |
CN102710572B (zh) | 一种通信信号的特征提取与调制识别方法 | |
CN101834819B (zh) | 基于平行判决的模拟数字混合调制方式识别装置和数字调制方式识别装置 | |
CN102497343A (zh) | 一种基于聚类和支持向量机的联合调制识别方法 | |
CN104301056A (zh) | 一种基于信号特征分析的频谱监测方法 | |
LI et al. | Modulation recognition of communication signals based on high order cumulants and support vector machine | |
CN103199945B (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 | |
CN111814777B (zh) | 一种基于特征量分级的调制样式识别方法 | |
CN102647391A (zh) | 一种基于决策层数据融合的协作调制信号识别方法 | |
Yin et al. | Modulation classification of MQAM signals from their constellation using clustering | |
CN105871768B (zh) | 一种降低aco-ofdm系统中峰均比的可恢复的多段线性压扩方法 | |
CN114422311B (zh) | 联合深度神经网络和专家先验特征的信号调制识别方法及系统 | |
Li et al. | Modulation recognition algorithm of digital signal based on support vector machine | |
Lin et al. | A deep convolutional network demodulator for mixed signals with different modulation types | |
CN101442512B (zh) | Ofdm信号的识别方法 | |
CN110166389A (zh) | 基于最小二乘支持向量机的调制识别方法 | |
CN101764785B (zh) | 基于混合矩和fisher判别的正交幅度调制信号识别方法 | |
CN109145889A (zh) | 一种针对无线信号进行盲估计的明密文信号分类检测方法 | |
Schreyogg et al. | Modulation classification of QAM schemes using the DFT of phase histogram combined with modulus information | |
CN105915479B (zh) | 一种基于聚类算法的调制识别方法及系统 | |
CN103546418A (zh) | 基于峰均比的调制方式的识别方法及装置 | |
CN108270703A (zh) | 一种通信信号数字调制类型识别方法 | |
Li et al. | A novel modulation classification for PSK and QAM signals in wireless communication | |
Liu et al. | The methods of recognition for common used M-ary digital modulations | |
CN111935044B (zh) | 基于emd分解的psk及qam类信号调制识别方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20190826 |