CN107370709A - 一种mqam信号的星座图类型识别方法 - Google Patents
一种mqam信号的星座图类型识别方法 Download PDFInfo
- Publication number
- CN107370709A CN107370709A CN201710634403.5A CN201710634403A CN107370709A CN 107370709 A CN107370709 A CN 107370709A CN 201710634403 A CN201710634403 A CN 201710634403A CN 107370709 A CN107370709 A CN 107370709A
- Authority
- CN
- China
- Prior art keywords
- mrow
- planisphere
- function
- msub
- probability density
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/38—Demodulator circuits; Receiver circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/345—Modifications of the signal space to allow the transmission of additional information
- H04L27/3461—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel
- H04L27/3483—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel using a modulation of the constellation points
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明属于通信信号分析技术领域，公开了一种MQAM信号的星座图类型识别方法，首先对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数，然后构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正，最后构造星座图概率密度函数的特征函数，并将该特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。本发明可实现MQAM信号的不同星座图类型的识别。
Description
技术领域
本发明属于通信信号分析技术、数字电视网络和数字微波系统领域，尤其涉及一种MQAM信号的星座图类型识别方法。
背景技术
QAM信号的频谱利用率高，噪声容限能力强，被广泛的应用于卫星空间通信，数字电视网络高速数据传输，数字微波系统，VDSL等领域。目前，日本、美国和欧洲的数字有线电视标准均是采用QAM调制方式。在通信技术的发展过程中，QAM信号衍生出很多新的星座图类型，美国国防部在2011年底颁布的军标MIL-STD-188-110C附录D中提出一种圆形QAM调制方式的星座映射，简称110C(吴天琳.MIL-STD-188-110C高阶QAM信号解调关键技术研究[D].郑州：解放军信息工程大学，2014.)。Farbod Kayha在2016年提出一种由方形星座图映射而成的圆形星座图QCI(Farbod Kayhan.QAM to circular isomorphic constellations[C].20168th Advanced Satellite Multimedia Systems Conference and the 14thSignal Processing for Space Communications Workshop(ASMS/SPSC)，2016)。星座图综合反映了已调信号幅值和相位的分布信息，是调制识别方面较为重要的依据之一。很多学者对QAM信号的调制识别作出研究，Ning An等人利用混合矩构造统计量来区分不同调制方式的QAM信号，信噪比5dB以上时识别率可以达到100％(Ning An,Bingbing Li,MinHuang.Research on Modulation Classification ofMQAM Signals Using JointMoments[C].2010Second International Conference on Communication Software andNetworks，2010)；Ning An等人利用混合矩构造统计量，利用Fisher准则区分不同调制方式的QAM信号，信噪比5dB以上时识别率可以达到98％(Ning An,Bingbing Li,MinHuang.Modulation Classification of Higher Order MQAM Signals usingMixed-OrderMoments and Fisher Criterion[C].2010The 2nd International Conference onComputer and Automation Engineering(ICCAE)，2010，Vol 3:150-153)；Changyi Yin等人利用信号的密度谱对信号进行识别，在信噪比10dB以上时识别率可以达到100％(Changyi Yin,Bingbing Li,Yanling Li等,Modulation Classification of MQAMSignals Based on density spectrum of the constellations[C].20102ndInternational Conference on Future Computer and Communication，2010，Vol 3:57-61)。Li Yan-ling等人利用粒子群优化和减法聚类，得到不同信号的最佳聚类半径区间，从而对QAM信号进行识别，信噪比5dB以上时识别率可以达到100％(Li Yan-ling,Li Bing-bing,Yin Chang-yi.Modulation classification of MQAM signals using particleswarm optimization and subtractive clustering[C].IEEE 10th INTERNATIONALCONFERENCE ON SIGNAL PROCESSING PROCEEDINGS，2010：1537-1540)；Hisham Abuella等人利用核密度估计对不同QAM信号进行识别，在信噪比大于6dB时识别率可以达到100％(Hisham Abuella,Mehmet Kemal Ozdemir.Automatic Modulation ClassificationBased on Kernel Density Estimation[J].Canadian Journal ofElectrical andComputer Engineering，2016，39(3):203-209)。上述文献均研究了MQAM信号的调制方式识别，未对星座图类型进行识别。
综上所述，现有技术存在的问题是：目前大多数学者对MQAM信号的识别研究仅仅局限于调制阶数(即调制方式)的识别，并未涉及到星座图类型的识别，因此在MQAM信号的盲解调需要部分先验信息。
发明内容
针对现有技术存在的问题，本发明提供了一种MQAM信号的星座图类型识别方法、数字电视网络。
本发明是这样实现的，一种MQAM信号的星座图类型识别方法，所述MQAM信号的星座图类型识别方法包括以下步骤：
步骤一，对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数；
步骤二，构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正；
步骤三，构造星座图概率密度函数的特征函数，并将特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。
进一步，所述概率密度函数
其中，Meshnum为网格密度，(xp,yp)为每个网格的中心。
进一步，所述基于改进的Radon变换的代价函数JRadon为：
其中，在定义域内搜索代价函数JRadon的最小值，得到的θ即为标准星座点最稀疏的一条直径所在的角度，即接收星座图与标准星座图的角度差，再对星座图进行顺时针旋转θ，得到的即为与标准星座图旋转角度相同的恢复后星座图。
进一步，所述星座图的概率密度函数的特征函数h(x,y)定义为：
其中，Fmax＝max(g(x,y))，G为判决门限。
进一步，所述星座图的概率密度函数的特征函数上先随机设置初始二维坐标轴，其中坐标轴原点的位置为O(E(riI),E(riQ))；星座图的概率密度函数的特征函数的环内密度proα定义为：
其中，0<α<1，k为星座图特征函数中模值的最大值，sumα为模值在[αk,k]区间内的点数，L为特征概率密度函数中的总点数。
进一步，所述在星座图的概率密度函数的特征函数上定义判决圆，圆心为(a,b)，半径为r，则星座图的概率密度函数的特征函数的圆内密度denspro(a,b,r)定义为：
其中，densnum(a,b,r)为星座图特征函数上落在判决圆内的点数，L为特征函数中的总点数，denspro(a,b,r)表示落在判决圆的中点数占总点数的百分比。
本发明的另一目的在于提供一种使用所述MQAM信号的星座图类型识别方法的解调器。
本发明的另一目的在于提供一种使用所述MQAM信号的星座图类型识别方法的数字电视网络。
本发明的另一目的在于提供一种使用所述MQAM信号的星座图类型识别方法的数字微波系统。
本发明的优点及积极效果为：本发明首先对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数，然后构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正，最后构造星座图概率密度函数的特征函数，并将该特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。本发明可实现MQAM信号的不同星座图类型的识别，本发明不仅可以为MQAM信号的盲信噪比估计提供必要的参数，还可以为MQAM信号的盲均衡提供必要的星座图类型的先验信息。
附图说明
图1是本发明实施例提供的MQAM信号的星座图类型识别方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的MQAM信号的星座图类型识别方法包括以下步骤：
S101：对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数；
S102：构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正；
S103：构造星座图概率密度函数的特征函数，并将该特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。
本发明实施例提供的MQAM信号调制阶数识别方法具体包括以下步骤：
步骤一，对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数；
针对经过功率归一化的第i个星座点ri，有ri＝si+vi，i＝1,2,...,L,其中si为发送端发送的星座点，其坐标为(xk,yk)，vi为加性高斯白噪声对星座图的影响，即星座点的偏移量，L为接收到的星座点个数，则ri的概率密度分布函数为：
假设各个星座点独立等概发射，当调制阶数为M时，每个星座点的传输个数为L/M，所有发射端发射的与si坐标相同的星座点，在接收端的概率密度分布函数为则所有接收星座点的概率密度分布函数为：
化简得即为L个高斯分布的叠加和归一化。
根据接收到的星座点ri的坐标为(riI,riQ)，构造方形网格，网格的边界由横纵坐标绝对值的最大值决定，即rI,rQ＝±max(riI,riQ)。定义网格密度Meshnum为单一方向上划分的网格数，即在确定的区域内划分Meshnum*Meshnum的网格图，每个网格大小为将网格等效成xOy坐标平面，其中(xp,yp)为每个网格的中心，其函数值为将离散点连续化后，得到估计出的概率密度函数
步骤二，构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正；
基于改进的Radon变换的代价函数JRadon为：
其中，在定义域内搜索代价函数JRadon的最小值，得到的θ即为标准星座点最稀疏的一条直径所在的角度，即接收星座图与标准星座图的角度差，再对星座图进行顺时针旋转θ，得到的即为与标准星座图旋转角度相同的恢复后星座图。
步骤三，构造星座图概率密度函数的特征函数，并将该特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。
星座图的概率密度函数的特征函数h(x,y)定义为：
其中，Fmax＝max(g(x,y))，G为判决门限。该物理量保留了星座图的概率密度函数在某一门限值之上的区域。
在星座图的概率密度函数的特征函数上先随机设置初始二维坐标轴，其中坐标轴原点的位置为O(E(riI),E(riQ))。星座图的概率密度函数的特征函数的环内密度proα定义为：
其中，0<α<1，k为星座图特征函数中模值的最大值，sumα为模值在[αk,k]区间内的点数，L为特征概率密度函数中的总点数。
在星座图的概率密度函数的特征函数上定义判决圆，圆心为(a,b)，半径为r，则星座图的概率密度函数的特征函数的圆内密度denspro(a,b,r)定义为：
其中，densnum(a,b,r)为星座图特征函数上落在判决圆内的点数，L为特征函数中的总点数，denspro(a,b,r)表示落在判决圆的中点数占总点数的百分比。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种MQAM信号的星座图类型识别方法，其特征在于，所述MQAM信号的星座图类型识别方法包括以下步骤：
步骤一，对接收到的MQAM信号做下变频处理恢复出基带信号，得到星座图并归一化，并估计星座图的概率密度函数；
步骤二，构造出基于改进的Radon变换的代价函数，并对星座图的概率密度函数进行角度校正；
步骤三，构造星座图概率密度函数的特征函数，并将特征函数的环内密度和圆内密度与判决门限比较，识别出MQAM信号的星座图类型。
2.如权利要求1所述的MQAM信号的星座图类型识别方法，其特征在于，所述概率密度函数
其中，Meshnum为网格密度，(xp,yp)为每个网格的中心。
3.如权利要求1所述的MQAM信号的星座图类型识别方法，其特征在于，所述基于改进的Radon变换的代价函数JRadon为：
<mrow>
<msub>
<mi>J</mi>
<mrow>
<mi>R</mi>
<mi>a</mi>
<mi>d</mi>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>-</mo>
<mfrac>
<mi>&pi;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&theta;</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mi>&pi;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
<mo>;</mo>
</mrow>
其中，在定义域内搜索代价函数JRadon的最小值，得到的θ即为标准星座点最稀疏的一条直径所在的角度，即接收星座图与标准星座图的角度差，再对星座图进行顺时针旋转θ，得到的即为与标准星座图旋转角度相同的恢复后星座图。
4.如权利要求1所述的MQAM信号的星座图类型识别方法，其特征在于，所述星座图的概率密度函数的特征函数h(x,y)定义为：
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<msub>
<mi>GF</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>e</mi>
<mi>l</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>G</mi>
<mo>&Element;</mo>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，Fmax＝max(g(x,y))，G为判决门限。
5.如权利要求1所述的MQAM信号的星座图类型识别方法，其特征在于，所述星座图的概率密度函数的特征函数上先随机设置初始二维坐标轴，其中坐标轴原点的位置为O(E(riI),E(riQ))；星座图的概率密度函数的特征函数的环内密度proα定义为：
<mrow>
<msub>
<mi>pro</mi>
<mi>&alpha;</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>sum</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
<mi>L</mi>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mo>;</mo>
</mrow>
其中，0<α<1，k为星座图特征函数中模值的最大值，sumα为模值在[αk,k]区间内的点数，L为特征概率密度函数中的总点数。
6.如权利要求1所述的MQAM信号的星座图类型识别方法，其特征在于，所述在星座图的概率密度函数的特征函数上定义判决圆，圆心为(a,b)，半径为r，则星座图的概率密度函数的特征函数的圆内密度denspro(a,b,r)定义为：
<mrow>
<msub>
<mi>denspro</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>densnum</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>,</mo>
<mi>r</mi>
</mrow>
<mo>)</mo>
</mrow>
</msub>
</mrow>
<mi>L</mi>
</mfrac>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
<mo>;</mo>
</mrow>
其中，densnum(a,b,r)为星座图特征函数上落在判决圆内的点数，L为特征函数中的总点数，denspro(a,b,r)表示落在判决圆的中点数占总点数的百分比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710634403.5A CN107370709B (zh) | 2017-07-29 | 2017-07-29 | 一种mqam信号的星座图类型识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710634403.5A CN107370709B (zh) | 2017-07-29 | 2017-07-29 | 一种mqam信号的星座图类型识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107370709A true CN107370709A (zh) | 2017-11-21 |
| CN107370709B CN107370709B (zh) | 2020-03-31 |
Family
ID=60307933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710634403.5A Active CN107370709B (zh) | 2017-07-29 | 2017-07-29 | 一种mqam信号的星座图类型识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107370709B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113872903A (zh) * | 2021-09-18 | 2021-12-31 | 北京理工大学 | 信号调制阶数的识别方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101764786A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 基于聚类算法的mqam信号识别方法 |
| US8155244B2 (en) * | 2008-07-08 | 2012-04-10 | The Boeing Company | Demodulation using blind constellation identification for communication signals |
| CN106250853A (zh) * | 2016-07-29 | 2016-12-21 | 桂林电子科技大学 | 基于聚类与粒子群重构星座图的信号识别方法与系统 |
-
2017
- 2017-07-29 CN CN201710634403.5A patent/CN107370709B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8155244B2 (en) * | 2008-07-08 | 2012-04-10 | The Boeing Company | Demodulation using blind constellation identification for communication signals |
| CN101764786A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 基于聚类算法的mqam信号识别方法 |
| CN106250853A (zh) * | 2016-07-29 | 2016-12-21 | 桂林电子科技大学 | 基于聚类与粒子群重构星座图的信号识别方法与系统 |
Non-Patent Citations (4)
| Title |
|---|
| FENG PINGJIANG ET AL.: "Adaptive DBSCAN-based algorithm for constellation reconstruction and modulation identification.", 《 2004 ASIA-PACIFIC RADIO SCIENCE CONFERENCE, 2004. PROCEEDINGS》 * |
| S.L. WOOD ET AL.: "Constellation identification using the Radon transform.", 《ICASSP-88., INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING》 * |
| 孔五艳.: "MQAM信号调制识别技术研究.", 《中国优秀硕士学位论文全文数据库信息科技辑2013年》 * |
| 徐立清 等.: "QAM信号星座图识别及相偏估计新算法.", 《通信技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113872903A (zh) * | 2021-09-18 | 2021-12-31 | 北京理工大学 | 信号调制阶数的识别方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107370709B (zh) | 2020-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107612867A (zh) | 一种mqam信号的调制阶数识别方法 | |
| US10985955B2 (en) | Method for automatically identifying modulation mode for digital communication signal | |
| Qi et al. | Automatic modulation classification based on deep residual networks with multimodal information | |
| CN101083649B (zh) | 多径瑞利快衰落信道下ofdm调制制式识别方法 | |
| Li et al. | Wavelet transform based modulation classification for 5G and UAV communication in multipath fading channel | |
| CN107135017A (zh) | 反向散射通信系统信号发送和接收方法 | |
| CN101895494B (zh) | 基于随机共振预处理的数字调制方式自动识别方法 | |
| CN104994045A (zh) | 一种基于usrp平台的数字调制方式自动识别平台及方法 | |
| CN102869064A (zh) | 基于特征级与决策级联合融合的分簇调制识别方法 | |
| CN108052956A (zh) | 一种大气湍流下无线光通信副载波调制星座图识别方法 | |
| CN111431617A (zh) | 一种无线光通信的非对称限幅光ofdm-im调制方法 | |
| Zhang et al. | Multi‐sensor signal fusion‐based modulation classification by using wireless sensor networks | |
| CN105591990A (zh) | 一种脉冲干扰的抑制方法 | |
| Ali et al. | Algorithm for automatic recognition of PSK and QAM with unique classifier based on features and threshold levels | |
| Zhang et al. | High-order convolutional attention networks for automatic modulation classification in communication | |
| CN107370709A (zh) | 一种mqam信号的星座图类型识别方法 | |
| Zhao et al. | Automatic modulation recognition based on multi-dimensional feature extraction | |
| CN103024886B (zh) | 宽带认知无线电中感知时间和子载波功率联合分配的方法 | |
| CN109167748B (zh) | 一种基于能量排序的部分最大似然检测方法 | |
| Hazza et al. | Robustness of digitally modulated signal features against variation in HF noise model | |
| CN103152790B (zh) | 基于相关性分簇的两级融合调制识别方法 | |
| Gong et al. | Collaborative modulation recognition based on SVM | |
| CN106302290A (zh) | 一种基于分形盒维数的ofdm通讯信号识别方法 | |
| Zhang et al. | Clustering-inspired signal detection for ambient backscatter communication systems | |
| Huang et al. | A correlation-based approach to detecting wireless physical covert channels |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |