CN104363194A - 基于波形变换的psk调制识别方法 - Google Patents
基于波形变换的psk调制识别方法 Download PDFInfo
- Publication number
- CN104363194A CN104363194A CN201410612489.8A CN201410612489A CN104363194A CN 104363194 A CN104363194 A CN 104363194A CN 201410612489 A CN201410612489 A CN 201410612489A CN 104363194 A CN104363194 A CN 104363194A
- Authority
- CN
- China
- Prior art keywords
- signal
- phase
- qpsk
- modulation
- instantaneous
- 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
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提出一种基于波形变换的PSK调制识别方法,适应性强,使待识别的信号,在更低的信噪比条件下,取得了更高的识别率。本发明充分利用基带信号的特点,对瞬时相位进行处理变换,使之区分极为明显(变换前后相差约两个数量级),大大改善识别效果,且很容易选择判决门限。除此之外,本发明还成功移植到频谱监测接收机中频处理模块的硬件平台上,并且经RS矢量信号源测试验证。
Description
技术领域
本发明属于信号调制技术领域,特别涉及一种基于波形变换的PSK调制识别方法。
背景技术
近年来,通信信号的调制识别已经成为无线通信的一个研究热点,它有着很大的应用前景,尤其是在军事通信领域。随着电子对抗技术研究的不断升温,迫切需要进行调制信号自动识别技术的研究,它被广泛应用于:信号确认、干扰识别、无线电侦听、电子对抗、信号监测和威胁分析等领域。当前最具吸引力的实现平台是软件无线电及其他可重构通信系统。
目前已有的算法大致可以分为两大类:基于判决理论的最大似然方法和基于特征提取的模式识别方法。前者由于对模型失配比较敏感并且计算复杂度较高,在很大程度上制约了它们在实际通信环境下的应用;而后者通常形式简单容易实现,在合适的条件下可获得近似最优的识别性能,并且在模型失配的情况下性能仍然较为稳健,具有较高的实用性。
统计模式识别的基本流程一般包括:信号预处理、特征提取和分类识别这三部分。
信号预处理的任务是对信号滤波、均衡以及幅度调整等,还包括对信号的参数估计,为后面的特征提取部分提供参考依据。在信道非理想的情况下,信号预处理还进行信道参数的估计,减弱信道干扰的影响。
特征提取部分就是从信号的样本数据中提取对调试识别有用的数学特征参数。特征的选择与提取是统计模式识别中的核心部分,可以在时域进行,也可以在频域中进行。特征的选择,取决于要识别信号的种类、参数范围等因素。在实际应用中,很难找到一个对众多信号都具有良好分辨率的特征,为了取得好的识别性能,不同的调试方式对应特征的差别应该尽可能的明显。
统计特征提取的方法,主要可分为以下几类:
(1)基于信号瞬时特征提取的方法
由于调制信号可以提取比较简单的特征参数,比如瞬时包络、瞬时相位和瞬 时频率,因此可以利用确定其特征参数来识别信号的调制方式。Nandi和Azzouz等在调制识别方面做了大量研究,提出了中心归一化幅度的最大功率谱密度、相位和频率的标准差等特征识别方法,可以比较全面的区分各种模拟和数字调制信号[29-32]。
(2)基于高阶信号统计量及谱特征提取的方法
高阶统计量能够反映出星座图的分布特征,运算量相对较小,并且能够有效地抑制高斯白噪声,所以广泛用于幅度相位调制方式的识别。
由于不同调制信号所对应的谱特征(频谱特征和功率谱特征等)是不同的,因此也可以通过谱特征来提取特征参数完成调制信号的识别。
(3)基于变换域特征提取的方法
由于通信信号的调制波形具有周期平稳的特性,其值和相关函数等统计量也具有周期性,所以可以利用不同频带之间的相关特性(谱相关)来揭示这些周期性。
上世纪90年代,A.K.Nandi和E.E.Azzouz发表了一系列有关信号调制识别的文章[31,125-128],提出了一种基于决策理论的识别算法,它是通过从接收的信号中提取几个简单的特征参数,可以在一定的信噪比条件下将一些常用的数字和模拟信号进行识别区分,一定信噪比条件下识别率较高。由于这种算法具有优良的识别效果和可操作性,成了信号识别领域里的经典算法。这种对特征参数的提取算法,至今也具有很好的指导意义,后来的很多识别算法也借鉴了这种算法。
针对本发明,简要介绍A.K.Nandi和E.E.Azzouz提出的算法,主要是特征参数的提取,仅介绍数字调制信号的自动识别。出处Nandi A.K.,Azzouz E.E.,Algorithms for Automatic Recognition of Communication Signals.IEEE Trans.Commun.,1998,46:431-436.
数字调制信号的特征参数主要有以下六个:
(1)σaa(零中心归一化瞬时幅度绝对值的标准偏差),用来区分待识别信号是2ASK还是4ASK信号。
2ASK信号的幅度绝对值是一常数,所以有σaa=0。而4ASK信号的幅值有四个,其幅度绝对值不为常数,故σaa≠0。
(2)σaf(零中心归一化非弱信号段瞬时频率绝对值的标准偏差),用来区分2FSK信号和4FSK信号:
式中,fm(i)=f(i)-mf,Rs为数字信号的符号速率,f(i)为信号的瞬时频率。
BFSK信号的频率值有两个,所以它的零中心归一化瞬时频率绝对值是常数,有σaf=0,而对于QFSK信号,它的瞬时频率有四个值,所以它的零中心归一化瞬时频率绝对值不是常数,即σaf≠0。
(3)σdp(零中心非弱信号瞬时相位非线性分量的标准偏差),主要用来区分ASK还是BPSK信号。
对于ASK信号无直接相位信息,即σdp2=0,而2PSK含有直接相位,故σdp2≠0。
(4)γmax(零中心归一化瞬时幅度之谱密度的最大值),主要用来区分是FSK还是ASK或PSK信号。
对于FSK信号,其包络(瞬时幅度)为常数,则其零中心归一化瞬时幅度为零,即γmax<t(γmax);而ASK信号因为包含有包络信息,其零中心归一化瞬时幅度不为零,所以γmax>t(γmax)。PSK信号由于在传输的时候受信道带宽限制的影响,在相位变化时刻会产生幅度突变,所以也含有幅度变化信息,即γmax<t(γmax)。因此γmax可以区分FSK和其他数字调制信号。
(5)σap(零中心非弱信号瞬时相位非线性分量绝对值的标准偏差),主要用来区分信号是QPSK信号还是BPSK或者ASK信号。
因为对于ASK信号无相位信息,即σap<t(σap),而BPSK信号含有两个直接相位信息,故也满足σap<t(σap)。对于QPSK,其瞬时相位有4个值,其零中心归一化相位绝对值部位常数,所以σap>t(σap)。
(6)σap 2(零中心非弱信号段瞬时相位非线性分量绝对值的方差),主要用来区分QAM信号还是其他数字调制信号。
式中,c为全部取样数据Ns中属于非弱信号的个数,φNL(i)是信号去线性相位后的非线性分量,在载波完全同步时有:
式中,为瞬时相位。
在QAM信号的星座图中,其四个象限都有不止包含一个星座点分布,因此σap 2值很大,因此σap 2>t(σap 2),而对于其他的数字调制信号,该参数要么为0,要么很小(σap 2值与QAM的相差很大),所以可以很容易的用该参数将QAM信号识别出来。
目前国内已经提出很多基于软件无线电技术的自动调制方式识别算法,但大多还停留在理论仿真阶段。一般都是在固定信噪比、信号带宽、数据速率等条件下得到的,并不能满足实际应用中识别未知信号调制方式的应用需求。应用条件与实际情况相去甚远,而不同调制信号的统计特征值区分不明显,无法采用合适的门限判决得到调制方式。
实际测试过程中发现,不同信噪比、信号带宽、以及数据速率下,统计特征值都会有变化,尽管判决分支中不同调制信号的统计特征值大小关系不变,但具体数值则波动较大,因而直接根据文献中的识别判决门限,并不能得到令人满意 的识别效果,采用可变门限也难以穷尽所有的应用情况。而多数参考文献中的识别率都是在固定信噪比、信号带宽、数据速率等条件下得到的,并不能满足实际应用中识别未知信号调制方式的应用需求。
术语解释:
①相位去卷叠:无相位卷叠是指计算出的相位在[0,2pi]之间,对于正切函数,超过pi的相位在求值的时候是进行了模pi运算的,那么求反正切的相位在[0,pi]之间,与真实相位不符,产生了卷叠,需要加上pi的整数倍才能得到真实相位。
②去线性相位:下变频自己产生的载波和信号自身的载波会有一定的偏差,这个偏差我们称作残留载波,这个残留载波相对于信号本身的载波是固定的,这个残留载波经过积分以后的相位呈线性,所以叫线性相位。去线性相位就是消除这个残留载波对后续识别产生的影响。
③pi:即圆周率π。
发明内容
本发明要解决的技术问题是:如何提高算法适应性,使其满足实际应用,也就是让不同信号的特征量区分更加明显,改善识别效果,能更大限度的容忍信噪比、信号带宽、以及数据速率的变化。
为解决上述技术问题,本发明采用如下技术方案:
一种基于波形变换的PSK调制识别方法,包括以下步骤,
步骤1、对信号源进行预处理,得到零中频信号,即32K点I、Q路基带信号;
步骤2、由预处理的零中频信号—32K点I、Q路基带信号求瞬时相位,经相位去卷叠后得到瞬时频率,再由非弱信号计算剩余载波,弱信号的幅度的判决门限为1.1*ma,ma为信号平均幅度,即幅度小于该门限则为弱信号;
步骤3、去除线性相位,再根据瞬时幅度,通过幅值判决判断BPSK和QPSK调制信号的相位跳变点,对跳变点相位由之前的非跳变相位进行替代,即去除相位跳变点;
步骤4、根据BPSK、QPSK分别有两个、四个相位值的特点,对瞬时相位进行集中变换,使之更加集中,从而使统计特征的区分更加明显,根据相位特征实现调制方式识别;
步骤5、步骤4区分出BPSK后,再区分开QPSK和QAM,利用QPSK有四个相位而QAM多于四个相位的特征,再对QPSK和QAM进行集中变换的处理,根据相位特征实现调制方式识别。
所述步骤1的具体过程为:中频调制器Modulator输出经AWGN信道后得到附加高斯噪声SNR=10dB的IF信号,将32K点该信号存为文件,经FFT变换和估计,得到相应信号的载波频率和信号带宽;再根据估计得到的载波频率和带宽,进行数字混频和滤波,即得到I、Q路基带信号,存储32K点I、Q路基带信号,做为调制信号识别后续处理的信号源。
所述步骤4中,相位特征包括标准偏差的平方。
所述步骤5中,对QPSK和QAM进行集中变换的处理过程为:
对模0.5pi后的信号进行32组分组,每组1024点,这1024个数据进行方差的计算,取32组方差中的最小值作为各个信号最终的表征量,变换后QPSK和QAM的方差相差两个数量级。
与现有技术相比,本发明提出的基于波形变换的PSK调制识别方法,适应性强,使待识别的信号,在更低的信噪比条件下,取得了更高的识别率。本发明充分利用基带信号的特点,对瞬时相位进行处理变换,使之区分极为明显(变换前后相差约两个数量级),大大改善识别效果,且很容易选择判决门限。除此之外,本发明的方法不单单只是仿真,本发明还成功移植到频谱监测接收机中频处理模块的硬件平台上,并且经RS矢量信号源测试验证。
附图说明
图1为本发明的流程图。
图2为瞬时相位的波形,(a)为BPSK的瞬时相位;(b)为QPSK的瞬时相位。
图3为瞬时幅度的波形,(a)为BPSK的瞬时幅度,(b)为QPSK的瞬时幅度。
图4为去线性相位并替代相位跳变点后的瞬时相位波形,(a)为BPSK去线性相位并替代后的瞬时相位,(b)为QPSK去线性相位并替代后的瞬时相位;由图中可明显看到,BPSK的相位波形有两条斜线(两个相位值),而QPSK的相位波形有四条斜线(四个相位值)。采用针对BPSK集中变换后的瞬时频率波形,由于残留载波的影响,相应相位值的波形表现为斜线。
图5为集中变换后的瞬时相位波形,(a)BPSK集中变换后的瞬时相位,(b) QPSK集中变换后的瞬时相位;显然,经集中变换后,BPSK的相位更加集中,而QPSK的相位变化范围较大,因此可由标准偏差(其平方值即归一化方差)进行区分。由于BPSK、QPSK调制的相位均值固定,因而可直接采用相位方差来区分。
图5(c)为调制信号识别的信源仿真图;
图5(d)为BPSK、QPSK调制信源的MATLAB仿真图;
图5(e)为16QAM调制信源的MATLAB仿真图;
图5(f)为BPSK、BASK、QASK调制的MATLAB仿真图;
图5(g)为QPSK、16QAM调制的MATLAB仿真图。
具体实施方式
本发明提出基于统计模式调制识别的优化算法,使待识别的信号,在更低的信噪比条件下,取得了更高的识别率。下面对本发明作详细的说明:
一、调制信号的信源
为了研究调制信号识别算法的性能,首先需要提供调制信号的信源。在频谱监测接收机的研制中,先采用MATLAB仿真程序得到的信源进行理论仿真和测试,然后再利用RS(罗德-斯瓦茨)矢量信号源进行测试验证。下面先介绍调制信号生成的Matlab程序。
调制信号识别的信源仿真如图5(c)所示,中频调制器Modulator输出经AWGN信道后得到附加高斯噪声(SNR=10dB)的IF信号,将32K点该信号存为文件,经FFT变换和估计,得到相应信号的载波频率和信号带宽。再根据估计得到的载波频率和带宽,进行数字混频和滤波,即可得到I、Q路基带信号,存储32K点I、Q路基带信号,做为调制信号识别后续处理的信号源。
这里中调制信号识别的改进算法主要集中在调制方式的识别上,其信号处理主要针对基带信号,因此图5(c)中已经包含了带宽和中心频率估计、粗略的频偏纠正和滤波的处理过程,其输出的I、Q路基带信号主要用在调制方式的识别中。
BPSK、QPSK调制信源(Source)的MATLAB仿真如图5(d)所示,二进制伪随机数据{0,1}经符号映射到{-1,1},即为调制信源,其数据速率为比特速率。
16QAM调制信源的MATLAB仿真如图5(e)所示,四进制伪随机数据{0,1,2,3}经符号映射到{-3,-1,1,3},即为调制信源,其数据速率为2倍符号速率。
BPSK调制(Modulator)的MATLAB仿真如图5(f)所示,输入数据经4倍符号速率采样后,进行成形滤波,再经中频调制和采样即可得到IF调制输出。仿真程序中符号速率取1MHz,成形滤波前的采样速率为4MHz,中频调制后的采样速率为80MHz,成形滤波采用50阶Hamming窗低通滤波器,截止频率为1MHz。中频调制的载波频率为21.4MHz。
QPSK、16QAM调制的MATLAB仿真如图5(g)所示,输入数据由串并变换得到I、Q路数据后,经过4倍符号速率采样,再进行成形滤波,最后经中频正交调制和采样即可得到调制输出。仿真程序中2倍符号速率为2MHz,符号速率为1MHz,其他参数与BPSK、BASK、QASK完全相同。
二、PSK调制识别的改进算法
1、特征量提取
统计模式识别的基本流程一般包括:信号预处理、特征提取和分类识别这三部分。特征提取是统计模式识别的核心,这里统计特征提取的方法主要采用基于信号瞬时特征提取的方法。
对信号a(n)进行正交分解,可以得到基带信号的同相分量I(t)=a(n)cos(ωct)和正交分量Q(t)=a(n)sin(ωct),接下来,我们可以求出信号的瞬时幅度a(n)、瞬时相位φ(n)和瞬时频率f(n)。
·瞬时幅度a(n)
·瞬时相位φ(n)
利用公式计算瞬时相位时,由于反正切函数的值域为[-π/2,+π/2],而实际的相位范围应为[0,2π],因此存在±π/2的相位卷叠,必须对进行相位去卷叠运算。去卷叠运算的方法是首先确定同相分量I(n)和正交分量Q(n)的值,然后根据I(n)和Q(n)的符号讨论瞬时相位所在的象限,进而对的值进行相应的调整,在[0,2π]范围内正确的表达即
接下来,利用的主值差分序列找出相位的不连续点,然后对进行修正。具体做法如下:
则去卷叠以后的序列相位为
其中C(n)为修正序列且C(0)=0。
去卷叠后的相位序列中存在一个线性相位分量,载波频率是引起的线性相位分量存在的主要原因。此外,在一个已调信号段中,噪声和调制信号对线性相位分量也存在一定的影响。因此,我们还要对做去线性相位分量的处理,得到一个真正的相位序列其中,φNL是信号去线性相位后的非线性分量,NL即非线性的意思。以下分为两种情况来讨论:
(1)假设载波频率fc为准确已知的,可用下式计算非线性相位分量,其中fs为信号的采样频率。
(2)假设载波频率fc为未知的,可使用最小均方算法来计算:首先令c1i+c2代表未知的线性相位分量,使平方和最小,然后求出值c1和c2,其中,Ns为信号的总采样点数,即32k,为32k采样点中第i点的相位,i为32k采样点中的一点。此时的非线性相位可表示为:
在本论文的研究中,由于载波频率也是事先未知的,所以采用第二种方法来计算瞬时非线性相位。
·瞬时频率f(n)
具体的算法有两种,一种是通过频域计算,另一种方法是采用信号的相位差分法。频域法比相位差分法有更好的平滑性,但是计算量太大,影响实时性,所以在工程应用中,一般使用相位差分法来计算。差分算法主要有以下几种:
前向差分公式:
中心差分公式:
后向差分公式:
由以上公式可以看出,在以上三种差分算法中,中心差分相对于另外两种算法具有更高的精确度,但在实际应用中还需要经过中心归一化的等处理才能获得更高的精确值。
2、具体识别主要流程
BPSK、QPSK和QAM信号来说,BPSK的基带信号具有两个相位,QPSK的基带信号具有四个相位,QAM的基带信号具有多于四个的相位,我们可以通过统计特征区分出基带信号具有几个相位从而区分出这三种信号。
显然,直接由基带信号的瞬时相位计算统计特征参数,无论采用哪种特征参数,区分都不太明显,为了充分利用基带信号的特点,可以对瞬时相位进行处理变换,使之区分更加明显后,再利用统计特征识别。
图1中右侧支路为PSK调制识别改进算法的流程。
步骤一:我们先由预处理的零中频信号(由上述信号源得到的32K点I、Q路基带信号)求瞬时相位,经相位去卷叠后得到瞬时频率,再由非弱信号计算剩余载波,该剩余载波是由于预处理时载波估计误差所造成的,这里幅度弱信号的判决门限为1.1*ma(ma为信号平均幅度),即幅度小于该门限则为弱信号。
步骤二:去除线性相位,再根据瞬时幅度(无符号数),判断BPSK和QPSK调制信号的相位跳变点,对跳变点相位由之前的非跳变相位进行替代,即可去除相位跳变点。由于成形滤波的作用,PSK调制信号在相位跳变时幅度较小,主要 为较弱信号,因而可通过幅值判决来进行确定。
图1左侧支路为瞬时幅度和跳变门限的计算流程。由32K个预处理后的零中频数据,计算瞬时幅度的均值ma,取0.9*ma作为跳变门限。判断弱信号,即幅度小于该门限则为弱信号,若为BPSK和QPSK调制,则认定该点为相位跳变点,采用之前的非跳变相位进行替代,即可去除跳变点。
步骤三:根据BPSK、QPSK分别有两个、四个相位值的特点,对瞬时相位进行集中变换,使之更加集中,从而使统计特征的区分更加明显,根据相位特征(例如标准偏差的平方)即可实现调制方式识别。
由于32K零中频数据的频率分辨率有限,例如4MHz速率的分辨率为4M/32K=125Hz,且剩余载波的计算也有一定的误差,因而去线性相位后瞬时相位中还会有残留的线性相位成分,为了尽量减小其对调制识别的影响,可将32k数据分为32组,每组1024点,最后根据32组数据的统计特征计算,以多数判决结果作为调制识别的依据。
显然,对于两个相位值和四个相位值的处理有所不同,BPSK、QPSK调制的数据按照改进算法进行处理后的波形分别如附图2-5所示。
由于信号噪声的影响可能导致PSK和QAM在前面分支上的识别错误,因此,本文在此将QAM与BPSK、QPSK一起处理后进行区分,以针对BPSK的集中变换(模pi)为例来加以说明。我们将32K数据分成32组,每组1024个数据,这1024个数据我们进行方差的计算,取32组方差中的最小值作为各个信号最终的表征量,那么BPSK的方差表征量最小。经计算,BPSK、QPSK、16QAM集中变换前后瞬时相位的方差分别如下表所示。由表1可见,变换前方差在同一数量级,变换后BPSK和其他方式的方差相差约两个数量级,区分极为明显,因而用作调制识别时可大大改善识别效果,且很容易选择判决门限。此处便可将BPSK信号和其他两种方式区分开来,若方差小于于门限值则为BPSK信号,否则为其他两种信号。
表1集中变换前后瞬时相位的归一化方差
步骤四:区分出BPSK后,要区分开QPSK和QAM,方法和区分BPSK相似,利用QPSK有四个相位而QAM多于四个相位的特征,再对QPSK和QAM进行集中变换(模0.5pi)的处理,对模0.5pi后的信号进行32组分组,每组1024点,这1024个数据我们进行方差的计算,取32组方差中的最小值作为各个信号最终的表征量,变换后QPSK和QAM的方差相差约两个数量级,区分极为明显,因而用作调制识别时可大大改善识别效果,且很容易选择判决门限计算出的方差 如下表2所示:
表2集中变换前后瞬时相位的归一化方差
3、RS信号源的测试结果
通过改变RS信号源的设置,接入不同样式不同参数的信号,测试结果如下表3所示。在信噪比SNR=10dB的条件下,识别率为100%(采用100次的测试结果),改进算法的识别性能非常优越。
表3调制识别的测试数据
Claims (4)
1.一种基于波形变换的PSK调制识别方法,其特征在于:包括以下步骤,
步骤1、对信号源进行预处理,得到零中频信号,即32K点I、Q路基带信号;
步骤2、由预处理的零中频信号—32K点I、Q路基带信号求瞬时相位,经相位去卷叠后得到瞬时频率,再由非弱信号计算剩余载波,弱信号的幅度的判决门限为1.1*ma,ma为信号平均幅度,即幅度小于该门限则为弱信号;
步骤3、去除线性相位,再根据瞬时幅度,通过幅值判决判断BPSK和QPSK调制信号的相位跳变点,对跳变点相位由之前的非跳变相位进行替代,即去除相位跳变点;
步骤4、根据BPSK、QPSK分别有两个、四个相位值的特点,对瞬时相位进行集中变换,使之更加集中,从而使统计特征的区分更加明显,根据相位特征实现调制方式识别;
步骤5、步骤4区分出BPSK后,再区分开QPSK和QAM,利用QPSK有四个相位而QAM多于四个相位的特征,再对QPSK和QAM进行集中变换的处理,根据相位特征实现调制方式识别。
2.根据权利要求1所述的一种基于波形变换的PSK调制识别方法,其特征在于:所述步骤1的具体过程为:中频调制器Modulator输出经AWGN信道后得到附加高斯噪声SNR=10dB的IF信号,将32K点该信号存为文件,经FFT变换和估计,得到相应信号的载波频率和信号带宽;再根据估计得到的载波频率和带宽,进行数字混频和滤波,即得到I、Q路基带信号,存储32K点I、Q路基带信号,做为调制信号识别后续处理的信号源。
3.根据权利要求1所述的一种基于波形变换的PSK调制识别方法,其特征在于:所述步骤4中,相位特征包括标准偏差的平方。
4.根据权利要求1所述的一种基于波形变换的PSK调制识别方法,其特征在于:所述步骤5中,对QPSK和QAM进行集中变换的处理过程为:
对模0.5pi后的信号进行32组分组,每组1024点,这1024个数据进行方差的计算,取32组方差中的最小值作为各个信号最终的表征量,变换后QPSK和QAM的方差相差两个数量级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410612489.8A CN104363194B (zh) | 2014-11-04 | 2014-11-04 | 基于波形变换的psk调制识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410612489.8A CN104363194B (zh) | 2014-11-04 | 2014-11-04 | 基于波形变换的psk调制识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104363194A true CN104363194A (zh) | 2015-02-18 |
CN104363194B CN104363194B (zh) | 2016-05-11 |
Family
ID=52530420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410612489.8A Expired - Fee Related CN104363194B (zh) | 2014-11-04 | 2014-11-04 | 基于波形变换的psk调制识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104363194B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994053A (zh) * | 2015-07-16 | 2015-10-21 | 电子科技大学 | 一种mapsk的载波估计的方法 |
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 |
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 |
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 |
CN111884962A (zh) * | 2020-06-01 | 2020-11-03 | 山东师范大学 | 一种基于卷积神经网络的信号调制类型分类方法及系统 |
CN112969086A (zh) * | 2020-12-16 | 2021-06-15 | 广州长嘉电子有限公司 | Dvb-s2数字信号在智能电视上的识别方法及装置 |
CN113079120A (zh) * | 2021-03-24 | 2021-07-06 | 湖南波尔坤雷信息科技有限公司 | 一种2fsk调制信号的识别方法及装置 |
CN117289236A (zh) * | 2023-11-27 | 2023-12-26 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497343A (zh) * | 2011-11-25 | 2012-06-13 | 南京邮电大学 | 一种基于聚类和支持向量机的联合调制识别方法 |
CN102710572A (zh) * | 2012-07-06 | 2012-10-03 | 江苏省邮电规划设计院有限责任公司 | 一种通信信号的特征提取与调制识别方法 |
CN202854823U (zh) * | 2012-10-29 | 2013-04-03 | 杭州电子科技大学 | 一种能识别三种调制方式的低频读卡器装置 |
CN103441974A (zh) * | 2013-08-26 | 2013-12-11 | 东南大学 | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 |
CN104052703A (zh) * | 2014-07-04 | 2014-09-17 | 哈尔滨工程大学 | 一种微量采样数据数字调制识别方法 |
CN104065603A (zh) * | 2014-06-14 | 2014-09-24 | 温州大学 | 升余弦发送成型及多径环境下的正交相移键控信号自动识别方法 |
-
2014
- 2014-11-04 CN CN201410612489.8A patent/CN104363194B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497343A (zh) * | 2011-11-25 | 2012-06-13 | 南京邮电大学 | 一种基于聚类和支持向量机的联合调制识别方法 |
CN102710572A (zh) * | 2012-07-06 | 2012-10-03 | 江苏省邮电规划设计院有限责任公司 | 一种通信信号的特征提取与调制识别方法 |
CN202854823U (zh) * | 2012-10-29 | 2013-04-03 | 杭州电子科技大学 | 一种能识别三种调制方式的低频读卡器装置 |
CN103441974A (zh) * | 2013-08-26 | 2013-12-11 | 东南大学 | 一种联合高阶统计量和谱峰特征的调制识别装置及方法 |
CN104065603A (zh) * | 2014-06-14 | 2014-09-24 | 温州大学 | 升余弦发送成型及多径环境下的正交相移键控信号自动识别方法 |
CN104052703A (zh) * | 2014-07-04 | 2014-09-17 | 哈尔滨工程大学 | 一种微量采样数据数字调制识别方法 |
Non-Patent Citations (1)
Title |
---|
张春杰,李娜: "PSK信号的调制参数估计与识别", 《应用科技》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994053A (zh) * | 2015-07-16 | 2015-10-21 | 电子科技大学 | 一种mapsk的载波估计的方法 |
CN104994053B (zh) * | 2015-07-16 | 2018-02-13 | 电子科技大学 | 一种mapsk的载波估计的方法 |
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 |
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 |
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 |
CN111884962A (zh) * | 2020-06-01 | 2020-11-03 | 山东师范大学 | 一种基于卷积神经网络的信号调制类型分类方法及系统 |
CN112969086A (zh) * | 2020-12-16 | 2021-06-15 | 广州长嘉电子有限公司 | Dvb-s2数字信号在智能电视上的识别方法及装置 |
CN113079120A (zh) * | 2021-03-24 | 2021-07-06 | 湖南波尔坤雷信息科技有限公司 | 一种2fsk调制信号的识别方法及装置 |
CN117289236A (zh) * | 2023-11-27 | 2023-12-26 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
CN117289236B (zh) * | 2023-11-27 | 2024-02-09 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104363194B (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104363194A (zh) | 基于波形变换的psk调制识别方法 | |
CN108512791B (zh) | 基于定时频偏补偿的星载ais解调方法 | |
CN108764077B (zh) | 一种基于卷积神经网络的数字信号调制分类方法 | |
CN104301056B (zh) | 一种基于信号特征分析的频谱监测方法 | |
Mei et al. | Research on the application of 4-weighted fractional Fourier transform in communication system | |
CN105871765A (zh) | 一种基于fft辅助s-pll的无线通信载波跟踪方法 | |
CN106330805B (zh) | 一种信号调制方式自动识别方法及系统 | |
CN107342960B (zh) | 一种适合幅度相移键控的非数据辅助频偏估计方法 | |
CN113037663B (zh) | 一种改进的适用于非恒包络信号的码元速率估计方法 | |
CN102571652A (zh) | 一种gnss基带信号的评估方法 | |
CN110691051A (zh) | 一种基于fft的gmsk信号频偏估计算法 | |
CN109450829B (zh) | 数字调制信号码速率估计方法和装置 | |
CN108650203B (zh) | 一种基于侦察接收机的调制模式识别方法 | |
CN108270703A (zh) | 一种通信信号数字调制类型识别方法 | |
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 | |
Dinges et al. | RF Impairments Estimation and Compensation in Software Complex Named “Vector” | |
CN106936744B (zh) | 基于动态理想解的信号调制识别方法 | |
CN106452578A (zh) | 一种可见光通信系统中恢复畸变信号的方法 | |
CN112565127A (zh) | 基于残差网络和频域图形的测控信号调制识别方法 | |
CN113489663B (zh) | 甚低频人工源信号的时延提取方法 | |
CN114448760B (zh) | 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统 | |
AlOtaiby et al. | Support vector machine based classifier for digital modulations in presence of HF noise | |
CN113162879B (zh) | 一种联合特征提取的调制信号识别方法 | |
CN110224769B (zh) | 一种通信系统中联合振幅与噪声方差的估计方法 |
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: 20160511 Termination date: 20201104 |