CN109547371A - 基于准高次方谱的信号处理方法 - Google Patents

基于准高次方谱的信号处理方法 Download PDF

Info

Publication number
CN109547371A
CN109547371A CN201910043858.9A CN201910043858A CN109547371A CN 109547371 A CN109547371 A CN 109547371A CN 201910043858 A CN201910043858 A CN 201910043858A CN 109547371 A CN109547371 A CN 109547371A
Authority
CN
China
Prior art keywords
time domain
signal
power spectrum
high power
frequency
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
Application number
CN201910043858.9A
Other languages
English (en)
Other versions
CN109547371B (zh
Inventor
任光亮
蒋道福
张会宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201910043858.9A priority Critical patent/CN109547371B/zh
Publication of CN109547371A publication Critical patent/CN109547371A/zh
Application granted granted Critical
Publication of CN109547371B publication Critical patent/CN109547371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03828—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties
    • 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
    • H04L27/0014—Carrier regulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Power Engineering (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明公开一种基于准高次方谱的信号处理方法，其步骤为：(1)获得时域复基带信号；(2)获得时域复基带信号的包络序列和相位序列；(3)获得准高次方信号；(4)获得时域复基带信号的准高次方谱；(5)获得时域复基带信号的频谱细化的准高次方谱。本发明采用的准高次方谱计算方法，不仅保留了传统高次方谱的谱线特征，而且大大降低了计算高次方谱的运算复杂度，提高了高次方谱的谱线特征检测性能，从而提升了高次方谱在调制识别方面的识别性能。本发明同时采用频谱细化方法，该方法通过细化谱线特征附近的频谱，提高了频谱分辨率，提升了高次方谱在频偏和波特率估计方面的估计性能。

Description

基于准高次方谱的信号处理方法
技术领域
本发明属于通信技术领域，更进一步涉及无线通信技术领域中一种基于准高次方谱的信号处理方法。本发明可用于在信号处理领域中,实现对无线信号的调制类型盲识别、频偏和波特率估计。本发明不仅谱线特征提取率高，而且运算复杂度低，具有广泛的工程应用价值。
背景技术
随着无线通信的发展，频谱资源越来越稀少，同时调制样式越来越多，而调制识别技术不仅可以在频谱感知中广泛应用，实时监测频谱使用资源，从而提高频谱资源的使用率，而且，调制识别也可广泛应用在军事电子战中，它是敌方军情破译的前提和必须环节。现有技术中大多利用信号的幅度、相位、频率特征进行调制识别，但是现有技术中的调制识别率受噪声影响严重，性能较差；现有技术中基于高阶累积量的调制识别对加性高斯白噪声有很好的鲁棒性，但是在盲信号处理中，频偏的引入是不可避免，而调制信号的高阶累积量值存在频偏时就无法使用，所以，这类技术仅适用于不存在频偏的调制识别；此外，现有技术中采用高次方谱和循环谱的方法对频偏具有稳健性，但是基于传统高次方谱和循环谱的方法计算量很大，复杂度高，不利于工程实现。当采用本专利技术时，在低信噪比和存在频偏下，不仅具有抗噪声强和对频偏稳健的特性，而且大大既降低了运算复杂度，利于工程实现。
Electronics And Telecommunications Research Institute在其申请的专利文献“Apparatus and method for modulation classification in wirelesscommunication system”(专利申请号US9,071,497B2，2015)中公开了一种调制类型盲识别方法。该方法主要是根据接收信号的瞬时幅度、瞬时频率、瞬时相位特征和高次方谱的谱线特征，识别接收信号调制类型的方法。该方法虽然对接收信号的频偏稳健性强。但是，该方法仍然存在的不足之处是：随着高次方谱的次方数越大，接收信号的高次方谱运算复杂度越高、谱线特征越弱，抗噪声性能变差。
F.Benedetto等人在其发表的论文“Automatic Blind Modulation Recognitionof Analog and Digital Signals in Cognitive Radios”(2016IEEE 84th VehicularTechnology Conference(VTC-Fall)，2016，1:5)中提出了一种基于高阶累积量和时域瞬时特征的调制识别方法。该方法分析了不同调制信号的高阶累积量特征和时域瞬时特征，并运用这些特征联合构建判决树，实现了对多种模拟调制和数字调制通信信号的盲识别。该方法虽然识别的调制类型数量多，抗噪声性能强。但是，该方法仍然存在的不足之处是：假定已知调制类型是数字调制或模拟调制，使用条件受到局限，此外，高阶累积量对频偏非常敏感，因此该方法对频偏不稳健。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于准高次方谱的信号处理方法。本发明不仅保持了信号高次方谱的离散谱线特性，同时解决了随着信号的高次方数越高，高次方谱离散谱线越弱以及传统高次方谱的运算复杂度高等问题。
实现本发明目的的基本思路是，针对加性高斯白噪声和衰落信道，提出了一种运算复杂度低、谱线特征突出的准高次方谱的信号处理方法。该方法将接收高频信号下变频到时域复基带信号；对时域复基带信号分别求包络序列和相位序列；利用准高次方信号计算公式，得到准高次方信号；利用功率谱估计方法对准高次方信号做功率谱估计，得到时域复基带信号的准高次方谱；最后利用谱线突出指数公式和频谱细化方法，得到时域复基带信号的频谱细化的准高次方谱。
本发明实现的具体步骤如下：
(1)获得时域复基带信号：
(1a)利用无线通信信号处理接收机的模数转换模块，将射频天线接收的射频模拟信号转换为时域高频信号；
(1b)在非合作通信领域中，利用重心法估计公式，得到时域高频信号的中心频率，在合作通信领域中，根据合作通信协议，得到时域高频信号的中心频率；
(1c)根据时域高频信号的中心频率，利用相干解调法，对时域高频信号数字下变频，得到时域复基带信号；
(2)获得时域复基带信号的包络序列和相位序列：
(2a)依次对时域复基带信号中的每个元素取绝对值，将所有元素的绝对值组成时域复基带信号的包络序列；
(2b)利用复数相位公式，依次对时域复基带信号中的每个元素求相位，将所有元素的相位组成时域复基带信号的相位序列；
(3)利用下述准高次方信号公式，计算准高次方信号：
其中，uk表示准高次方信号中第k个元素，k的取值是大于0小于等于时域复基带信号中元素的总数，Bm表示时域复基带信号的包络序列中的第m个元素，e(·)表示以自然常数e为底的指数操作，j表示虚数单位符号，N表示准高次方信号的次方数，其取值是大于0的正整数，φn表示时域复基带信号的相位序列中的第n个元素，k、m和n的取值对应相等；
(4)获得时域复基带信号的准高次方谱：
利用功率谱估计法，将得到的高次方信号的功率谱，作为时域复基带信号的准高次方谱，其中，准高次方谱的应用场景与高次方谱的应用场景相同；
(5)获得时域复基带信号的频谱细化的准高次方谱：
(5a)依次遍历时域复基带信号的准高次方谱中每个元素，将大于相邻元素的该元素，作为极大值，将所有的极大值从大到小排列，得到时域复基带信号的准高次方谱的离散谱线特征序列；
(5b)利用谱线突出指数公式，计算谱线突出指数序列；
(5c)找出谱线突出指数序列中最大值所对应的元素序号，作为时域复基带信号的准高次方谱的离散谱线特征突出个数P；
(5d)将时域复基带信号的准高次方谱的离散谱线特征序列中前P个元素，组成离散谱线特征突出序列，依次找出离散谱线特征突出序列中每个元素对应的频率，组成离散谱线特征突出频率序列；
(5e)利用频谱细化方法，对离散谱线特征突出频率附近的时域复基带信号的准高次方谱细化，得到时域复基带信号的频谱细化的准高次方谱。
本发明与现有技术相比具有以下优点：
第一，本发明在无线通信中，利用准高次方信号公式，计算准高次方信号，克服了现有技术中求高次方信号的复杂度很高，工程可实现性弱的问题，使得本发明具有计算复杂度低、工程应用价值高的优点。
第二，本发明在无线通信中，利用功率谱估计法，将得到的高次方信号的功率谱，作为时域复基带信号的准高次方谱，克服了现有技术中随着高次方谱的次方数越大，高次方谱的谱线特征越弱的问题，使得本发明具有准高次方谱的谱线特征衰减更慢，谱线特征更强、抗噪声性能强的优点。
附图说明
图1为本发明的流程图；
图2为本发明的仿真实验的高次方谱对比图；
图3为本发明仿真实验的性能对比图。
具体实施方式
下面结合附图对本发明的做进一步的描述。
参照附图1，对本发明的实施方式的具体步骤描述如下。
步骤1，获得时域复基带信号。
利用无线通信信号处理接收机的模数转换模块，将射频天线接收的射频模拟信号转换为时域高频信号。
在非合作通信领域中，利用重心法估计公式，得到时域高频信号的中心频率，在合作通信领域中，根据合作通信协议，得到时域高频信号的中心频率。
在非合作通信领域中，利用下式得到时域高频信号的中心频率：
其中，fc表示时域高频信号的中心频率，∑表示求和操作，M表示时域高频信号频谱中元素的总数，l表示时域高频信号频谱中元素的序号，l的取值是大于等于1且小于等于M的正整数，fl表示时域高频信号频谱中第l个元素对应的频率，|·|表示取绝对值操作，Yl表示时域高频信号频谱中第l个元素。
合作通信协议是指，通信双方对时域高频信号的中心频率均已知。
根据时域高频信号的中心频率，利用相干解调法，对时域高频信号数字下变频，得到时域复基带信号。
步骤2，获得时域复基带信号的包络序列和相位序列。
依次对时域复基带信号中的每个元素取绝对值，将所有元素的绝对值组成时域复基带信号的包络序列。
利用复数相位公式，依次对时域复基带信号中的每个元素求相位，将所有元素的相位组成时域复基带信号的相位序列。
时域复基带信号的相位序列是由下式得到的：
其中，θi表示时域复基带信号中第i个元素的相位，θi的取值范围为[-π,π]，i表示时域复基带信号中元素的序号，i的取值是正整数，arctan(·)表示反正切操作，Qi表示时域复基带信号中第i个元素的虚部，Ii表示时域复基带信号中第i个元素的实部。
步骤3，获得准高次方信号。
利用下述准高次方信号公式，计算准高次方信号：
其中，uk表示准高次方信号中第k个元素，k的取值是大于0小于等于时域复基带信号中元素的总数，Bm表示时域复基带信号的包络序列中的第m个元素，e(·)表示以自然常数e为底的指数操作，j表示虚数单位符号，N表示准高次方信号的次方数，其取值是大于0的正整数，φn表示时域复基带信号的相位序列中的第n个元素，k、m和n的取值对应相等。
步骤4，获得时域复基带信号的准高次方谱。
利用功率谱估计法，将得到的高次方信号的功率谱，作为时域复基带信号的准高次方谱，其中，准高次方谱的应用场景与高次方谱的应用场景相同。
功率谱估计法是指，相关图法、周期图法、Welch谱估计法、AR谱估计法、Burg谱估计法中任意一种方法。
应用场景是指，可应用于调制信号盲识别、波特率估计和频偏估计的场景。
步骤5，获得时域复基带信号的频谱细化的准高次方谱。
依次遍历时域复基带信号的准高次方谱中每个元素，将大于相邻元素的该元素，作为极大值，将所有的极大值从大到小排列，得到时域复基带信号的准高次方谱的离散谱线特征序列。
利用谱线突出指数公式，计算谱线突出指数序列。
谱线突出指数序列由下式得到：
其中，γK表示谱线突出指数序列中第K个元素，K的取值是正整数，p表示时域复基带信号的准高次方谱的离散谱线特征序列中元素的序号，p的取值是正整数，Hp是时域复基带信号的准高次方谱的离散谱线特征序列中第p元素。
找出谱线突出指数序列中最大值所对应的元素序号，作为时域复基带信号的准高次方谱的离散谱线特征突出个数P。
将时域复基带信号的准高次方谱的离散谱线特征序列中前P个元素，组成离散谱线特征突出序列，依次找出离散谱线特征突出序列中每个元素对应的频率，组成离散谱线特征突出频率序列。
利用频谱细化方法，对离散谱线特征突出频率附近的时域复基带信号的准高次方谱细化，得到时域复基带信号的频谱细化的准高次方谱。
频谱细化方法是指，Chirp-Z变换频谱细化法或ZoomFFT频谱细化法中的任意一种方法。
下面结合仿真实验对本发明的技术效果作进一步的说明。
1.仿真条件：
本发明的仿真实验使用Matlab R2014a软件，数字调制方式为二进制相移键控BPSK，成型函数为升余弦滚降成型，成型系数为0.35，调制信号波特率为1MBuad，接收信号采样率6MHz，接收信号采样时间3ms，功率谱估计方法选用Welch法，傅里叶变换点数为16384，仿真中的传输信道为加性高斯白噪声AWGN信道，假设接收端已将时域高频信号数字下变频到时域复基带信号，频偏为10KHz，每信噪比下进行500次独立Monte-Carlo仿真实验，准高次方谱的高次方数为2。
2.仿真内容及其结果分析：
本发明在上述仿真条件下，采用现有技术中基于传统高次方谱的信号处理方法和本发明的基于准高次方谱的信号处理方法，对高次方谱中的谱线进行提取，分别仿真两种高次方谱的谱线特征提取性能。仿真中，以谱线正确提取率作为性能评价指标。其中，图2为仿真中信噪比为5dB时本发明的准高次方谱和现有技术的传统高次方谱对比图，图3为本发明和现有技术的谱线正确提取率性能对比图。
图2中的横坐标表示频率，单位为Hz，纵坐标表示幅度，单位为dB。图2中以圆形标示的图表示现有技术中BPSK调制在信噪比5dB时的二次方谱图，以五角星标示的图表示本发明BPSK调制在信噪比5dB时的准二次方谱图。
由图2可见，本发明的准高次方谱和现有技术的高次方谱相比，谱线特征更加明显，频谱滚降速度更慢。由此可知，本发明的基于准高次方谱的信号处理方法，对高次方谱的谱线特征提取时，抗噪声性能更好，更有利于谱线特征的正确提取。
图3中的横坐标表示信噪比，单位为dB，纵坐标表示谱线正确提取率。图3中以圆形标示的曲线表示现有技术的谱线正确提取率性能曲线，以五角星标示的曲线表示本发明的谱线正确提取率性能曲线。
由图3的仿真结果图可知，谱线正确提取率为90％时，本发明与现有技术中基于传统高次方谱的谱线特征提取的方法相比，约有3db的性能增益。由此可见，本发明和现有技术中基于传统高次方谱的特征提取的方法相比，本发明的谱线特征更加突出，谱线正确提取率提升显著，同时，对于M次高次方谱，本发明的准高次方谱运算复杂度仅是现有技术的1/M。

Claims (8)

1.一种基于准高次方谱的信号处理方法，其特征在于，获得时域复基带信号的包络序列和相位序列以及利用准高次方信号公式，计算准高次方信号，该方法的步骤包括如下：
(1)获得时域复基带信号：
(1a)利用无线通信信号处理接收机的模数转换模块，将射频天线接收的射频模拟信号转换为时域高频信号；
(1b)在非合作通信领域中，利用重心法估计公式，得到时域高频信号的中心频率，在合作通信领域中，根据合作通信协议，得到时域高频信号的中心频率；
(1c)根据时域高频信号的中心频率，利用相干解调法，对时域高频信号数字下变频，得到时域复基带信号；
(2)获得时域复基带信号的包络序列和相位序列：
(2a)依次对时域复基带信号中的每个元素取绝对值，将所有元素的绝对值组成时域复基带信号的包络序列；
(2b)利用复数相位公式，依次对时域复基带信号中的每个元素求相位，将所有元素的相位组成时域复基带信号的相位序列；
(3)利用下述准高次方信号公式，计算准高次方信号：
其中，uk表示准高次方信号中第k个元素，k的取值是大于0小于等于时域复基带信号中元素的总数，Bm表示时域复基带信号的包络序列中的第m个元素，e(·)表示以自然常数e为底的指数操作，j表示虚数单位符号，N表示准高次方信号的次方数，其取值是大于0的正整数，φn表示时域复基带信号的相位序列中的第n个元素，k、m和n的取值对应相等；
(4)获得时域复基带信号的准高次方谱：
利用功率谱估计法，将得到的高次方信号的功率谱，作为时域复基带信号的准高次方谱，其中，准高次方谱的应用场景与高次方谱的应用场景相同；
(5)获得时域复基带信号的频谱细化的准高次方谱：
(5a)依次遍历时域复基带信号的准高次方谱中每个元素，将大于相邻元素的该元素，作为极大值，将所有的极大值从大到小排列，得到时域复基带信号的准高次方谱的离散谱线特征序列；
(5b)利用谱线突出指数公式，计算谱线突出指数序列；
(5c)找出谱线突出指数序列中最大值所对应的元素序号，作为时域复基带信号的准高次方谱的离散谱线特征突出个数P；
(5d)将时域复基带信号的准高次方谱的离散谱线特征序列中前P个元素，组成离散谱线特征突出序列，依次找出离散谱线特征突出序列中每个元素对应的频率，组成离散谱线特征突出频率序列；
(5e)利用频谱细化方法，对离散谱线特征突出频率附近的时域复基带信号的准高次方谱细化，得到时域复基带信号的频谱细化的准高次方谱。
2.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(1b)中所述的重心法估计公式如下：
其中，fc表示时域高频信号的中心频率，∑表示求和操作，M表示时域高频信号频谱中元素的总数，l表示时域高频信号频谱中元素的序号，l的取值是大于等于1且小于等于M的正整数，fl表示时域高频信号频谱中第l个元素对应的频率，|·|表示取绝对值操作，Yl表示时域高频信号频谱中第l个元素。
3.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(1b)中所述的合作通信协议是指，通信双方对时域高频信号的中心频率均已知。
4.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(2b)中所述的复数相位公式如下：
其中，θi表示时域复基带信号中第i个元素的相位，θi的取值范围为[-π,π]，i表示时域复基带信号中元素的序号，i的取值是正整数，arctan(·)表示反正切操作，Qi表示时域复基带信号中第i个元素的虚部，Ii表示时域复基带信号中第i个元素的实部。
5.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(4)所述的功率谱估计法是指，相关图法、周期图法、Welch谱估计法、AR谱估计法、Burg谱估计法中任意一种方法。
6.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(4)中所述的应用场景是指，可应用于调制信号盲识别、波特率估计和频偏估计的场景。
7.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(5b)中所述的谱线突出指数公式如下：
其中，γK表示谱线突出指数序列中第K个元素，K的取值是正整数，p表示时域复基带信号的准高次方谱的离散谱线特征序列中元素的序号，p的取值是正整数，Hp是时域复基带信号的准高次方谱的离散谱线特征序列中第p元素。
8.根据权利要求1所述的基于准高次方谱的信号处理方法，其特征在于，步骤(5e)中所述的频谱细化方法是指，Chirp-Z变换频谱细化法或ZoomFFT频谱细化法中的任意一种方法。
CN201910043858.9A 2019-01-17 2019-01-17 基于准高次方谱的信号处理方法 Active CN109547371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910043858.9A CN109547371B (zh) 2019-01-17 2019-01-17 基于准高次方谱的信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910043858.9A CN109547371B (zh) 2019-01-17 2019-01-17 基于准高次方谱的信号处理方法

Publications (2)

Publication Number Publication Date
CN109547371A true CN109547371A (zh) 2019-03-29
CN109547371B CN109547371B (zh) 2020-06-05

Family

ID=65835762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910043858.9A Active CN109547371B (zh) 2019-01-17 2019-01-17 基于准高次方谱的信号处理方法

Country Status (1)

Country Link
CN (1) CN109547371B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030228017A1 (en) * 2002-04-22 2003-12-11 Beadle Edward Ray Method and system for waveform independent covert communications
CN106487730A (zh) * 2016-10-19 2017-03-08 北京邮电大学 一种盲信号调制识别的方法及装置
US9729362B1 (en) * 2013-03-20 2017-08-08 Georgia Tech Research Corporation Systems and methods for autonomous signal modulation format identification
CN108900445A (zh) * 2018-08-30 2018-11-27 深圳大学 一种信号符号率估计的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030228017A1 (en) * 2002-04-22 2003-12-11 Beadle Edward Ray Method and system for waveform independent covert communications
US9729362B1 (en) * 2013-03-20 2017-08-08 Georgia Tech Research Corporation Systems and methods for autonomous signal modulation format identification
CN106487730A (zh) * 2016-10-19 2017-03-08 北京邮电大学 一种盲信号调制识别的方法及装置
CN108900445A (zh) * 2018-08-30 2018-11-27 深圳大学 一种信号符号率估计的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XU ZHINAN,BAI WENLE: "A Novel Blind Recognition Algorithm for Modulated M-QAM Signals", 《2009 INTERNATIONAL CONFERENCE ON COMMMUNICATIONS AND MOBILE COMPUTING》 *

Also Published As

Publication number Publication date
CN109547371B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
Ferré et al. LoRa physical layer principle and performance analysis
CN108764077B (zh) 一种基于卷积神经网络的数字信号调制分类方法
CN103780462B (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
CN110163282A (zh) 基于深度学习的调制方式识别方法
CN110086737A (zh) 一种基于图神经网络的通信信号调制方式的识别方法
CN108512797A (zh) 一种基于正交频分复用的雷达通信一体化信号设计方法
Like et al. Signal classification in fading channels using cyclic spectral analysis
CN105871765A (zh) 一种基于fft辅助s-pll的无线通信载波跟踪方法
CN105187352A (zh) 一种基于ofdm前导的整数频偏估计方法
Yang et al. Folded chirp-rate shift keying modulation for LEO satellite IoT
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
CN113225282A (zh) 一种基于bp神经网络的通信信号调制识别方法
Lin et al. A deep convolutional network demodulator for mixed signals with different modulation types
GB2617433A (en) Wideband signal detection method based on deep learning
CN108923877A (zh) 一种pcma定时捕获和跟踪方法
CN108650203B (zh) 一种基于侦察接收机的调制模式识别方法
CN108683622A (zh) 一种基于信号平方谱平坦系数的调制识别方法
CN108449291B (zh) 一种成对载波系统中参数的联合估计方法
CN110166389A (zh) 基于最小二乘支持向量机的调制识别方法
CN109547371A (zh) 基于准高次方谱的信号处理方法
CN101895313B (zh) Hf/vhf突发通信的信噪比估计方法
CN116707558A (zh) 基于多级动态盲数字接收机的数模混合信号识别方法
CN107707499B (zh) 一种Alpha稳定分布噪声下OFDM信号调制参数估计方法
CN110113273A (zh) 一种基于频谱对称的时频重叠信号盲分离方法
Ma et al. Deep learning based cognitive radio modulation parameter estimation

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