CN115225438A - 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 - Google Patents
基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 Download PDFInfo
- Publication number
- CN115225438A CN115225438A CN202210792282.8A CN202210792282A CN115225438A CN 115225438 A CN115225438 A CN 115225438A CN 202210792282 A CN202210792282 A CN 202210792282A CN 115225438 A CN115225438 A CN 115225438A
- Authority
- CN
- China
- Prior art keywords
- graph
- signal
- square
- bpsk
- quantization
- 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
- 238000013139 quantization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000006835 compression Effects 0.000 title claims abstract description 28
- 238000007906 compression Methods 0.000 title claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 61
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012546 transfer Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明针对二进制相位编码信号BPSK和四进制相位编码信号QPSK的识别问题,提出了一种基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统。先将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;而后将其作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系建立相应的图拓扑;定义图的平均度作为识别统计量并设定相应门限,完成BPSK及QPSK两种调制信号的识别。本发明创新性地将分段线性压缩方法和图域信号处理方法相结合构建调制信号识别的方案。仿真结果表明,在较低信噪比条件下,对BPSK和QPSK两种调制信号能够进行更有效地识别。
Description
技术领域
本发明属于信号识别与处理领域,具体涉及一种基于分段线性压缩量化的BPSK(Binary Phase Shift Keying,BPSK)及QPSK(Quadrature Phase Shift Keying,QPSK)信号调制识别方法及系统。
背景技术
在数字化接收机中,对雷达或通信信号的调制识别是介于信号检测与解调之间不可或缺的中间处理,已广泛应用于军事和民用领域。在军事领域,如电子侦察中,信号调制方式识别是获取敌方雷达性能参数以实现干扰敌方雷达的重要前提;而在民用领域如认知无线电中,在频谱管理过程中,为了提高频谱的利用效率,授权用户在频谱空闲时可以将频谱使用权暂时让渡给非授权用户,达到机会接入的目的。
近年来,一种新的基于图的信号处理算法信号的检测与识别方面引起了相关学者的关注。其基本思想是将信号的时域样本或者频域样本变换成一个由点与边构成的图,通过提取图域特征对信号进行检测(文献1:W.H.C.Yan K,Xiao H,et al,″Novel RobustBand-Limited Signal Detection Approach Using Graphs,″IEEE CommunicationsLetters,vo1.21,no.1,pp.20-23,2017.)与识别(文献2:X.Yan,G.Liu,H.-C.Wu,G.Zhang,Q.Wang,and Y.Wu,″Robust modulation classiiication over α-stable noise usinggraph-based fractional lower-order cyclic spectrum analysis,″IEEETransactions on Vehicular Technology,vol.69,no.3,pp.2836-2849,2020.)。文献1将待检测信号(BPSK信号或者高斯白噪声信号)转换到图域,并提取拉普拉斯矩阵的次大特征值作为特征量实现信号检测。该方法需要对图的拉普拉斯矩阵进行特征分解,其计算复杂度为O(N0 3)(假设图的拉普拉斯矩阵的维度为N0×N0,N0是图的顶点个数),计算时间成本较高,实时性相对较弱。文献2利用分数低阶循环谱,将Alpha稳定分布噪声下的接收信号映射到图域,进而提取特征实现识别。该类方法需要大样本或者已标识的训练样本集,且缺乏很好的可解释性。对于现实信号处理环境下的调制识别而言,算法在低信噪比条件下的识别性能和计算时间成本是两个关键问题。
发明内容
本发明从提高识别性能并尽可能减少计算复杂度的角度出发,提出了一种基于分段线性压缩量化的BPSK及QPSK信号调制识别方法及系统。先将BPSK/QPSK信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;而后将其作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系建立相应的图拓扑;定义图的平均度作为识别统计量来完成信号的调制识别。该方法由于使用平均度特征,仅需计算图的度矩阵,与传统的基于次大特征值的图域特征提取方法不同,无需进行高维矩阵分解,一定程度上降低了算法复杂度。此外,仿真实验表明,该算法在低信噪比条件下识别正确率较高,具有较好的工程应用价值。
为实现上述目的,本发明采用以下技术方案:
基于分段线性压缩量化的BPSK及QPSK信号调制识别方法,其特征在于,包括如下步骤:
步骤1:将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;
步骤2:迭代求取量化级数的估计值,将平方谱作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系,将平方谱变换成特定的无向图结构;
步骤3:提取图的平均度特征,并将其作为识别统计量;
步骤4:根据量化级数的估计值设定相应的门限,将图的平均度特征和设定的门限相比较,以完成对待识信号的识别。
为优化上述技术方案,采取的具体措施还包括:
进一步地,所述步骤1中,待识别信号在时域中表示为x(n),将其先作平方运算,然后将平方运算后的信号做离散傅立叶变换并取其模的平方,得到平方谱Y(k)=(|DFT[x2(n)]|)2,k=0,1,...,N-1,其中N为信号的样本点数。
进一步地,所述步骤2具体如下:
步骤2.1:设定顶点数的初始值,然后以此顶点数对待识信号的原始功率谱Z(k)=(|DFT[x(n)]|)2进行图域变换,并记下该图度向量的最大值和最小值之差当时,ε为设定的参数,记下此时的顶点迭代值i0,令作为最终图域变换的顶点数;
步骤2.2:将平方谱Y(k)作归一化处理,得到其归一化平方谱Y0(k)为:
步骤2.3:将Q(k)映射成无向图G(V,E),其中图的顶点集图的边集合E={eα,β|να∈V,νβ∈V},eα,β表示图的两个顶点之间的边;构成图的具体做法是:如果存在至少一次以下电平转移关系,Q(m)=να并且Q(m+h)=νβ,m=1,...,N-h,1≤h≤N-1,则να和νβ两个顶点相连接,eα,β=1;否则,两个顶点无连接,eα,β=0。
进一步地,所述步骤2.1中,设定顶点数的初始值为2,ε取0.1。
其中,Sum(DG)表示图度的和,将图G(V,E)的平均度<ω>作为调制识别的统计量。
本发明还提出了一种基于分段线性压缩量化的BPSK及QPSK信号调制识别系统,其特征在于,包括:
运算模块,用于将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;
变换模块,用于迭代求取量化级数的估计值,将平方谱作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系,将平方谱变换成特定的无向图结构;
特征提取模块,用于提取图的平均度特征,并将其作为识别统计量;
信号识别模块,用于根据量化级数的估计值设定相应的门限,将图的平均度特征和设定的门限相比较,以完成对待识信号的识别。
本发明还提出了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如上所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
本发明还提出了一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如上所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
本发明的有益效果是:本发明对观测信号的平方谱,基于分段线性压缩量化实现图转换,将图的平均度作为识别统计量,并将其与特定的门限进行比较,完成对BPSK信号和QPSK信号的识别。相比于传统的基于完全图特征的识别算法而言,本算法引入了图的平均度作为识别统计量,无需对拉普拉斯矩阵进行特征分解,算法复杂度低,且在低信噪比条件下可对BPSK和QPSK信号进行有效识别。此外,该方法将分段线性压缩方法和图域信号处理方法相结合构建调制信号识别的方案,进一步扩展了现有图域处理方法的应用领域,丰富了该类方法的处理手段。
附图说明
图1是本发明的识别方法流程图。
图2是在信噪比为-6~8dB条件下本发明对BPSK/QPSK信号的识别性能示意图。
图4是由BPSK信号和QPSK信号的平方谱生成图的平均度的直方图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
图1是基于分段线性压缩量化的BPSK及QPSK信号调制识别方法的流程图。本方法先将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;而后将其作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系建立相应的图拓扑;定义图的平均度作为识别统计量并设定相应门限,完成BPSK及QPSK两种调制信号的识别。仿真结果表明,本发明在较低信噪比条件下,对BPSK和QPSK两种调制信号能够进行更有效地识别。基于分段线性压缩量化的BPSK及QPSK信号调制识别方法具体包括如下步骤:
步骤1,设一待识别信号,时域中表示为x(n),将其先作平方运算,然后将平方后的信号做离散傅立叶变换并取其模的平方,得到平方谱,即为Y(k)=(|DFT[x2(n)]|)2,k=0,1,...,N-1,其中N为信号的样本点数。
步骤2,对平方谱Y(k)进行图转换,具体为:
步骤2.1:确定顶点数。设定顶点数的初始值为2,然后以此顶点数对待识信号的原始功率谱Z(k)=(|DFT[x(n)]|)2进行图域变换,并记下该图度向量的最大值和最小值之差当(ε一般取0.1)时,记下此时的顶点迭代值i0,令作为最终图域变换的顶点数。
步骤2.2:分段线性压缩量化。首先,将平方谱Y(k)作归一化处理,得到其归一化平方谱,即为
步骤2.3:图映射。将Q(k)映射成无向图G(V,E),其中图的顶点集图的边集合为E={eα,β|να∈V,νβ∈V},eα,β表示图的两个顶点之间的边;构成图G(V,E)的具体做法是:如果存在至少一次以下电平转移关系,即对Q(m)=να并且Q(m+h)=νβ(m=1,...,N-h,1≤h≤N-1),则να和νβ两个顶点相连接,即eα,β=1;否则,两个顶点无连接,即eα,β=0。
其中,Sum(DG)表示图度的和。将图G(V,E)的平均度<ω>作为调制识别的统计量。
步骤4,设定识别门限λ0,一般将识别统计量<ω>与门限相比较,如果识别特征量小于设定的门限,则信号为BPSK调制信号;否则为QPSK调制信号。门限选取的依据是:当待识信号为BPSK信号时,由其平方谱所转换成的图为非完全图,其平均度远小于顶点数,而当待识信号为QPSK信号时,其平方谱转换所得的图的连通性较好,为完全图,其平均度近似为顶点数减1。考虑到样本数是有限的,故而适当放宽门限为顶点数减2。
图2所示为不同信噪比条件下BPSK/QPSK信号的识别性能,仿真条件为:BPSK信号为[1,0,0,1,1,0,0,0,1,1,0,0,0],QPSK信号为[0,3,2,3,3,1,0,2,1,3,2,1,2],信噪比范围为-6~8dB,采样频率为110MHz,载频为25.2MHz,码元宽度为630ns,样本点数为1024,初相位为π/6,图的顶点个数取10,每种条件下各仿真1000次。可知,当信噪比大于-4dB时,平均识别正确率可达94%以上。
图3a和图3b所示分别为BPSK信号和QPSK信号的平方谱经过图转换以后的生成图(顶点数)。由图可见,两者经过图转换以后有着明显差异,BPSK信号的平方谱进行图转换生成的图不是全连通图,旁边有几个孤点;而QPSK信号的平方谱进行图转换生成的图是全连通图,没有孤点。
图4所示为在某一特定信噪比条件下(SNR=-2dB),BPSK信号和QPSK平方谱进行图转换以后提取的识别统计量平均度的直方图统计(两种信号各统计1000次)。由图可见,两种信号下,识别统计量直方图彼此之间距离较远,可以利用门限明显的区分开,虽然有部分直方图存在交叉,但是频次非常小,基本不影响识别性能。平均度可以表征图的巨连通分量规模。据此,可以通过平均度的大小的判定完成BPSK/QPSK信号的调制识别。
相应地,本发明还提出了与基于分段线性压缩量化的BPSK及QPSK信号调制识别方法相对应的一种基于分段线性压缩量化的BPSK及QPSK信号调制识别系统,包括:
运算模块,用于将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;
变换模块,用于迭代求取量化级数的估计值,将平方谱作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系,将平方谱变换成特定的无向图结构;
特征提取模块,用于提取图的平均度特征,并将其作为识别统计量;
信号识别模块,用于根据量化级数的估计值设定相应的门限,将图的平均度特征和设定的门限相比较,以完成对待识信号的识别。
相应地,本发明还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序使计算机执行如上所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
相应地,本发明还提出了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现如上所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
在本申请所公开的实施例中,计算机存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。计算机存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。计算机存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.基于分段线性压缩量化的BPSK及QPSK信号调制识别方法,其特征在于,包括如下步骤:
步骤1:将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;
步骤2:迭代求取量化级数的估计值,将平方谱作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系,将平方谱变换成特定的无向图结构;
步骤3:提取图的平均度特征,并将其作为识别统计量;
步骤4:根据量化级数的估计值设定相应的门限,将图的平均度特征和设定的门限相比较,以完成对待识信号的识别。
2.如权利要求1所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法,其特征在于:所述步骤1中,待识别信号在时域中表示为x(n),将其先作平方运算,然后将平方运算后的信号做离散傅立叶变换并取其模的平方,得到平方谱Y(k)=(|DFT[x2(n)]|)2,k=0,1,...,N-1,其中N为信号的样本点数。
3.如权利要求2所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法,其特征在于:所述步骤2具体如下:
步骤2.1:设定顶点数的初始值,然后以此顶点数对待识信号的原始功率谱Z(k)=(|DFT[x(n)]|)2进行图域变换,并记下该图度向量的最大值和最小值之差当时,ε为设定的参数,记下此时的顶点迭代值i0,令作为最终图域变换的顶点数;
步骤2.2:将平方谱Y(k)作归一化处理,得到其归一化平方谱Y0(k)为:
4.如权利要求3所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法,其特征在于:所述步骤2.1中,设定顶点数的初始值为2,ε取0.1。
7.基于分段线性压缩量化的BPSK及QPSK信号调制识别系统,其特征在于,包括:
运算模块,用于将待识信号的时域观测样本进行平方运算,做傅立叶变换后取其模的平方,记为平方谱;
变换模块,用于迭代求取量化级数的估计值,将平方谱作归一化处理,并对其进行分段线性量化,将归一化平方谱的量化值映射成图的顶点,通过考察各顶点间的相互转移关系,将平方谱变换成特定的无向图结构;
特征提取模块,用于提取图的平均度特征,并将其作为识别统计量;
信号识别模块,用于根据量化级数的估计值设定相应的门限,将图的平均度特征和设定的门限相比较,以完成对待识信号的识别。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如权利要求1-6任一项所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如权利要求1-6任一项所述的基于分段线性压缩量化的BPSK及QPSK信号调制识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210792282.8A CN115225438B (zh) | 2022-07-07 | 2022-07-07 | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210792282.8A CN115225438B (zh) | 2022-07-07 | 2022-07-07 | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115225438A true CN115225438A (zh) | 2022-10-21 |
CN115225438B CN115225438B (zh) | 2023-05-26 |
Family
ID=83609180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210792282.8A Active CN115225438B (zh) | 2022-07-07 | 2022-07-07 | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115225438B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063487A1 (en) * | 2001-05-08 | 2005-03-24 | Soheil Sayegh | Method and apparatus for parameter estimation, modulation classification and interference characterization in satellite communication systems |
WO2006033427A1 (ja) * | 2004-09-21 | 2006-03-30 | Kabushiki Kaisha Kenwood | 無線通信制御装置及び無線通信方法 |
US8160163B1 (en) * | 2007-08-06 | 2012-04-17 | University Of South Florida | Method for OFDM signal identification and parameter estimation |
CN104052702A (zh) * | 2014-06-20 | 2014-09-17 | 西安电子科技大学 | 一种复杂噪声下数字调制信号的识别方法 |
CN106059969A (zh) * | 2016-06-16 | 2016-10-26 | 中国科学院信息工程研究所 | 一种基于包络平方谱分析的调制识别方法及装置 |
CN106443604A (zh) * | 2016-09-22 | 2017-02-22 | 金陵科技学院 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
CN112235077A (zh) * | 2020-10-09 | 2021-01-15 | 金陵科技学院 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
CN112787964A (zh) * | 2021-02-18 | 2021-05-11 | 金陵科技学院 | 基于极差中值图域特征的bpsk及qpsk信号调制识别方法 |
US20220052770A1 (en) * | 2017-01-23 | 2022-02-17 | Digital Global Systems, Inc. | Systems, methods, and devices for automatic signal detection based on power distribution by frequency over time within an electromagnetic spectrum |
CN114268526A (zh) * | 2021-12-21 | 2022-04-01 | 金陵科技学院 | 基于图的度特征的bpsk及qpsk信号调制识别方法 |
-
2022
- 2022-07-07 CN CN202210792282.8A patent/CN115225438B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063487A1 (en) * | 2001-05-08 | 2005-03-24 | Soheil Sayegh | Method and apparatus for parameter estimation, modulation classification and interference characterization in satellite communication systems |
WO2006033427A1 (ja) * | 2004-09-21 | 2006-03-30 | Kabushiki Kaisha Kenwood | 無線通信制御装置及び無線通信方法 |
US8160163B1 (en) * | 2007-08-06 | 2012-04-17 | University Of South Florida | Method for OFDM signal identification and parameter estimation |
CN104052702A (zh) * | 2014-06-20 | 2014-09-17 | 西安电子科技大学 | 一种复杂噪声下数字调制信号的识别方法 |
CN106059969A (zh) * | 2016-06-16 | 2016-10-26 | 中国科学院信息工程研究所 | 一种基于包络平方谱分析的调制识别方法及装置 |
CN106443604A (zh) * | 2016-09-22 | 2017-02-22 | 金陵科技学院 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
US20220052770A1 (en) * | 2017-01-23 | 2022-02-17 | Digital Global Systems, Inc. | Systems, methods, and devices for automatic signal detection based on power distribution by frequency over time within an electromagnetic spectrum |
CN112235077A (zh) * | 2020-10-09 | 2021-01-15 | 金陵科技学院 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
CN112787964A (zh) * | 2021-02-18 | 2021-05-11 | 金陵科技学院 | 基于极差中值图域特征的bpsk及qpsk信号调制识别方法 |
CN114268526A (zh) * | 2021-12-21 | 2022-04-01 | 金陵科技学院 | 基于图的度特征的bpsk及qpsk信号调制识别方法 |
Non-Patent Citations (8)
Title |
---|
YANG LI1, HU GUOBING, HU XUELONG XU XIAOYANG: ""A_recognition_algorithm_for_BPSK_QPSK_signals_based_on_generalized_Pareto_distribution "" * |
ZHENGLI XING,ET AL: "" Automatic Modulation Recognition of PSK Signals Using Nonuniform Compressive Samples Based on High Order Statistics "" * |
刘莹;单洪;胡以华;王勇;: "基于谱分析的卫星通信调制识别算法", 火力与指挥控制 * |
华永平;胡国兵;刘渝;: "基于时频回归特性分析的信号脉内调制识别" * |
孔豫京;黄焱;马金全;: "基于实归一化压缩循环统计量的调制识别方法" * |
杨莉,胡国兵: ""基于Gumbel分布拟合检验的BPSK_QPSK信号调制识别算法"" * |
杨莉;胡国兵;: "一种改进的BPSK/QPSK信号调制识别算法" * |
王利全: ""数传信号的调制识别与参数估计"" * |
Also Published As
Publication number | Publication date |
---|---|
CN115225438B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114268526B (zh) | 基于图的度特征的bpsk及qpsk信号调制识别方法 | |
CN113259288B (zh) | 基于特征融合与轻量化混合模型的水声调制方式识别方法 | |
CN112787964B (zh) | 基于极差中值图域特征的bpsk及qpsk信号调制识别方法 | |
CN109379310B (zh) | 一种基于Rife-Quinn综合的MPSK信号载频估计方法 | |
CN114567528A (zh) | 基于深度学习的通信信号调制方式开集识别方法及系统 | |
CN111612130A (zh) | 一种频移键控通信信号调制方式识别方法 | |
CN113098638B (zh) | 一种基于分组极差图的微弱信号检测方法 | |
CN114422311A (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 | |
Fu et al. | A noise-resistant superpixel segmentation algorithm for hyperspectral images | |
CN115225438B (zh) | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 | |
CN109598216B (zh) | 一种基于卷积的射频指纹特征提取方法 | |
CN116776181A (zh) | 基于改进模糊聚类的终端侧负荷辨识方法、介质及系统 | |
CN114268393B (zh) | 一种基于连通分量个数特征的认知无线电频谱感知方法 | |
CN108494711B (zh) | 一种基于kl散度的通信信号图域特征提取方法 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
CN113014361B (zh) | 一种基于图的bpsk信号置信度检验方法 | |
CN113468474B (zh) | 基于根Mini-Norm的电网频率估计方法 | |
Reddy et al. | Reducing runtime values in minimum spanning tree based clustering by visual access tendency | |
CN115277322B (zh) | 基于图及持续性熵特征的cr信号调制识别方法及系统 | |
CN117252266A (zh) | 一种基于图傅里叶变换的微弱信号检测方法 | |
Fan et al. | A Hybrid Approach for Signal Modulation Recognition Using Deep Learning Methods | |
CN112014821A (zh) | 一种基于雷达宽带特征的未知车辆目标识别方法 | |
CN114997299B (zh) | 一种资源受限环境下的射频指纹识别方法 | |
CN113011261B (zh) | 一种基于图的正弦信号检测方法及装置 | |
CN106100775B (zh) | 基于邻接矩阵的ofdm频谱感知方法 |
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 |