CN111800359A - 一种通信信号调制方式的识别方法、装置、设备及介质 - Google Patents
一种通信信号调制方式的识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111800359A CN111800359A CN202010928516.8A CN202010928516A CN111800359A CN 111800359 A CN111800359 A CN 111800359A CN 202010928516 A CN202010928516 A CN 202010928516A CN 111800359 A CN111800359 A CN 111800359A
- Authority
- CN
- China
- Prior art keywords
- signal
- value
- standard deviation
- modulation mode
- threshold value
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种通信信号调制方式的识别方法,包括:获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值;获取与每个特征值对应的判定阈值;利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式。可见,本申请在识别通信信号的调制方式时,需要从统计特征和高阶累积量两个角度分别提取特征值,将提取的特征值与对应设置的判定阈值进行对比,根据对比结果便可识别该信号的调制方式,通过该方式,不仅提高了识别率,也增加可识别的调制类型。本发明还公开了一种通信信号调制方式的识别装置、设备及存储介质,同样能实现上述技术效果。
Description
技术领域
本发明涉及通信技术领域,更具体地说,涉及一种通信信号调制方式的识别方法、装置、设备及介质。
背景技术
目前,调制信号识别是信号检测和信号解调之间的重要步骤,它的目的就是在没有其他先验知识的情况下,通过对接收信号的处理,判断出信号的调制方式,并估计出相应的调制参数。其主要在两方面得到了应用:一方面是软件无线电***,保证不同体制通信***之间实现互通互联;二是电子战***,为截获信息和选择最佳干扰样式提供依据。调制方式是区别不同性质通信信号的一个重要特征。对于接收信号,要想正确解调,分析接收信号或者进行干扰,必须能够正确识别信号的调制方式,然后采取相应的解调方法或干扰方法,因此,通信信号的调制方式识别显得尤为重要。
在过去几年中,许多模拟和数字信号的识别算法可以总结如下:Nandi和Azzouz提出了三种调制识别算法,主要针对幅度调制AM、频率调制FM、双边带调制DSB、下边带调制LSB、上边带调制USB、残留边带调制VSB、combined (AM-FM)、二进制振幅键控2ASK、四进制振幅键控4ASK、二进制相移键控2PSK、四进制相移键控4PSK、二进制数字频率调制2FSK和四进制数字频率调制4FSK,当信噪比为15dB时,平均识别概率达到94%;还有一些学者如Sun采用基于VGG卷积神经网络模型(VGG convolution neural network model)的深度学习方法实现了6种常见的数字调制信号识别,在信噪比为-2dB的情况下识别率达到98%;Talieh则采用四种特征作为支持向量机的输入,提出了一种模糊多类分类方法对3种不同类型的数字调制信号的识别,在信噪比为10dB时识别的精度达到77%,其性能并不令人满意。
因此,如何提高调试方式的识别准确率,增加可识别的调制方式是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种通信信号调制方式的识别方法、装置、设备及介质,以实现提高调试方式的识别准确率,增加可识别的调制方式。
为实现上述目的,本发明提供的一种通信信号调制方式的识别方法,包括:
获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值,包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;所述第一标准差为采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为利用零中心非弱信号的非线性瞬时相位绝对值的标准差;
获取与每个特征值对应的判定阈值;
利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式;
其中,所述瞬时频率的紧实度参数值的获取方法包括:
根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;
获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;
利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
其中,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差大于第一标准差判定阈值,则判断所述第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;
若是,则判断所述对称性参数值是否大于等于第一对称性判定阈值;
若是,则判定所述信号的调制方式为:LSB;若否,则判定所述信号的调制方式为:USB。
其中,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值小于等于第二对称性判定阈值,则判断所述瞬时频率的紧实度参数值是否大于紧实度判定阈值;
若是,则判断所述瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定所述信号的调制方式为:AM;若否,则判定所述信号的调制方式为:FM;
若否,则判断所述第一标准差是否大于第二标准差判定阈值;若是,则判定所述信号的调制方式为:2FSK;若否,则判定所述信号的调制方式为:4FSK。
其中,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于第二对称性判定阈值小于第三对称性判定阈值,则判断六阶累积量参数值是否大于第一高阶累积量判定阈值;
若是,则判定所述信号的调制方式为:BPSK;若否,则判断四阶累积量参数值是否大于第二高阶累积量判定阈值;
若大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:QPSK;若不大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:8PSK。
其中,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于等于第三对称性判定阈值,则判断瞬时幅度绝对值的平均值是否大于瞬时幅度绝对值判定阈值;
若是,则判定所述信号的调制方式为:π/4-DQPSK;若否,则判断六阶累积量参数值是否大于第三高阶累积量判定阈值;
若大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:2ASK;若不大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:4ASK。
为实现上述目的,本发明进一步提供一种通信信号调制方式的识别装置,包括:
特征值获取模块,用于获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值,包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;所述第一标准差为:采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为:利用零中心非弱信号的非线性瞬时相位绝对值的标准差;
判定阈值获取模块,用于获取与每个特征值对应的判定阈值;
特征值对比模块,用于利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式;
紧实度参数值获取模块,用于根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
其中,所述特征值对比模块包括:
第一判断单元,用于在若所述第一标准差大于第一标准差判定阈值时,判断所述第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;若是,则触发第二判断单元;
第二判断单元用于判断所述对称性参数值是否大于等于第一对称性判定阈值;若是,则判定所述信号的调制方式为:LSB;若否,则判定所述信号的调制方式为:USB。
其中,所述特征值对比模块包括:
第三判断单元,用于在所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值小于等于第二对称性判定阈值时,判断所述瞬时频率的紧实度参数值是否大于紧实度判定阈值;若是,则触发第四判断单元,若否,则触发第五判断单元;
第四判断单元用于判断所述瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定所述信号的调制方式为:AM;若否,则判定所述信号的调制方式为:FM;
第五判断单元用于判断所述第一标准差是否大于第二标准差判定阈值;若是,则判定所述信号的调制方式为:2FSK;若否,则判定所述信号的调制方式为:4FSK。
为实现上述目的,本发明进一步提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述的通信信号调制方式的识别方法的步骤。
为实现上述目的,本发明进一步提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的通信信号调制方式的识别方法的步骤。
通过以上方案可知,本发明实施例提供的一种通信信号调制方式的识别方法,包括:获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值,包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;所述第一标准差为采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为利用零中心非弱信号的非线性瞬时相位绝对值的标准差;获取与每个特征值对应的判定阈值;利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式;其中,所述瞬时频率的紧实度参数值的获取方法包括:根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
可见,本申请在识别通信信号的调制方式时,需要从统计特征和高阶累积量两个角度分别提取特征值,将提取的特征值与对应设置的判定阈值进行对比,根据对比结果便可识别该信号的调制方式,通过该方式,不仅提高了识别率,也增加可识别的调制类型;并且,本申请还提出了紧实度特征参数,通过该参数克服了以往信号在较高的信噪比下或者识别数目较少的情况,实现了多种信号在低信噪比下的调制识别。本发明还公开了一种通信信号调制方式的识别装置、设备及存储介质,同样能实现上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种通信信号调制方式的识别方法流程示意图;
图2为本发明实施例公开的一种具体的调制方式识别方法流程示意图;
图3a为本发明实施例公开的一种基于第一标准差的分类示意图;
图3b为本发明实施例公开的另一种基于第一标准差的分类示意图;
图4为本发明实施例公开的一种基于第二标准差的分类示意图;
图5a为本发明实施例公开的一种基于对称性参数值的分类示意图;
图5b为本发明实施例公开的另一种基于对称性参数值的分类示意图;
图6为本发明实施例公开的一种基于瞬时幅度谱密度最大值的分类示意图;
图7为本发明实施例公开的一种基于瞬时幅度绝对值的平均值的分类示意图;
图8为本发明实施例公开的一种基于瞬时频率的紧实度参数值的平均值的分类示意图;
图9a为本发明实施例公开的一种基于高阶累积量参数值的分类示意图;
图9b为本发明实施例公开的另一种基于高阶累积量参数值的分类示意图;
图9c为本发明实施例公开的另一种基于高阶累积量参数值的分类示意图;
图10为本发明实施例公开的各个信号的调制识别概率随着信噪比之间的变化情况示意图;
图11为本发明实施例公开的一种通信信号调制方式的识别装置结构示意图;
图12为本发明实施例公开的一种电子设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种通信信号调制方式的识别方法、装置、设备及介质,以实现提高调试方式的识别准确率,增加可识别的调制方式。
参见图1,本发明实施例提供的一种通信信号调制方式的识别方法,包括:
S101、获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值;
需要说明的是,本申请在识别调制方式时,具体是通过联合统计特征和高阶累积量这两维特征进行调制方式的识别,在较低信噪比情况下即可实现多种模拟和数字信号的调制方式识别,对高斯噪声具有较强的鲁棒性。
具体来说,本申请中所获取信号的特征值包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;其中,第一标准差为:采用零中心非弱信号段的非线性相位中心化后的标准差;第二标准差为:利用零中心非弱信号的非线性瞬时相位绝对值的标准差。并且,在上述特征值中,第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值为从统计特征角度提取的特征值,而高阶累积量参数值为从高阶累积量角度提取的特征值,该高阶累积量参数值具体可以包括:四阶累积量参数值和六阶累积量参数值。
S102、获取与每个特征值对应的判定阈值;
在本申请中,需要对每个特征值设置对应的判定阈值,从而通过特征值与判定阈值的对比,识别该信号所使用的调制方式,具体来说,本申请基于上述特征值以及调制参数的判定流程,设置了如下判定阈值:
1、与第一标准差对应的第一标准差判定阈值和第二标准差判定阈值,其中,第一标准差判定阈值大于第二标准差判定阈值;
2、与第二标准差对应的第三标准差判定阈值;
3、与对称性参数值对应的第一对称性判定阈值、第二对称性判定阈值、第三对称性判定阈值;其中,第一对称性判定阈值小于第二对称性判定阈值小于第三对称性判定阈值;
4、与瞬时幅度谱密度最大值对应的瞬时幅度谱密度判定阈值;
5、与瞬时幅度绝对值的平均值对应的瞬时幅度绝对值判定阈值;
6、与瞬时频率的紧实度参数值对应的紧实度判定阈值;
7、与高阶累积量参数值对应的第一高阶累积量判定阈值、第二高阶累积量判定阈值和第三高阶累积量判定阈值;其中,第一高阶累积量判定阈值大于第三高阶累积量判定阈值大于第二高阶累积量判定阈值。
可以理解的是,本实施例设定的上述判定阈值的具体数值,可预先进行自定义设置,也可根据实际情况进行调整,当然也可以从多次试验数据中总结出最优的数值。在此并不具体限定
S103、利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式。
具体来说,本申请获取多个特征值及对应的判定阈值后,便需要将该特征值与对应的判定阈值进行对此,通过该对比结果,可以实现对该信号的调制方式的分类,从而完成的调制方式的识别。
综上可以看出,本发明通过从统计特征和高阶累积量两个角度分别提取特征值,然后设置相应的判定阈值分别对通信信号进行分类识别,具体来说,通过使用本发明提出的联合多维信号识别方法能够实现对如下常见的13个信号的调制方式进行识别:幅度调制AM、双边带调制DSB、下边带调制LSB、上边带调制USB、频率调制FM、二进制振幅键控2ASK、四进制振幅键控4ASK、二进制数字频率调制2FSK、四进制数字频率调制4FSK、二进制相移键控2PSK、四进制相移键控4PSK、八进制相移键控8PSK、线性窄带数字调制技术π/4-DQPSK,可见,该方法不仅提高了识别率也增加了调制类型。
需要说明的是,上述从统计特征角度和高阶累积量角度分别从信号中提取的特征值,可通过目前存在的任意获取方式来提取信号的特征值,在此仅通过如下步骤对各个特征值的获取方式进行说明,但并不局限于此。
首先,本申请为了获取上述的特征值,需要获取信号的瞬时特征值,如瞬时幅值、瞬时相位和瞬时频率等等。具体来说,已调信号经过变换后得到正交基带信号和,再经过卡尔迪变换求出信号的瞬时幅值、瞬时相位和瞬时频率等特征参数,卡尔迪变换如下列式所示,然后通过如下步骤依次获取每个特征值。
步骤1:获取零中心非弱信号段非线性相位中心化后的第一标准差,定义;其中,为瞬时幅值,是判断弱信号的一个幅度判决门限,C表示全部取样中非弱信号的个数,是经零中心化处理后瞬时相位的非线性分量,,表示计算的第i个相位,为瞬时相位的均值,,其中,为离散信号的序号,中的s是表示的已调信号。通过第一标准差与预先设定的第一标准差判定阈值,可以将信号分成两大类{DSB、USB、LSB}和{AM、FM、2ASK、4ASK、2FSK、4FSK、2PSK、4PSK、8PSK、π/4-DQPSK},并且,通过第一标准差及第二标准差判定阈值也能很好的区分MFSK类内识别,如识别2FSK和4FSK。
步骤3:获取带通信号频谱幅度在载波频率两边的对称性P,对称性P表示载频信号两边信号的对称程度,定义为,其中,计算的是左半边信号的功率值,计算的是右半边的功率值。其中,,,,是样本数目且与载频速率有关,定义为通信信息的离散傅里叶变换,为采样频率,表示的是载波频率。通过对称性参数值及第一对称性判定阈值,可区分USB、LSB,通过对称性参数值及第一对称性判定阈值及第二对称性判定阈值、第三对称性判定阈值,可将整个信号分成3类信号,分别为{π/4-DQPSK、2ASK、4ASK}、{2PSK、4PSK、8PSK}和{AM、FM、2FSK、4FSK}。
步骤4:获取零中心归一化瞬时幅度谱密度最大值,定义为,其中,为采样点数,为零中心归一化瞬时幅度,由下式计算: , ,;其中,为信号的瞬时幅值,为瞬时幅值的平均值,为零中心后的幅值。通过瞬时幅度谱密度最大值及瞬时幅度谱密度判定阈值可实现对AM和FM信号的识别。
步骤5:获取递归零中心归一化瞬时幅度绝对值的平均,定义为,,其中,A是在计算完零中心归一化瞬时幅度的基础上递归计算一次零中心归一化瞬时幅度,也就是重复对生成的零中心归一化瞬时幅度再计算一次,mean表示计算平均值,mean|A|表示先计算A的绝对值再求绝对值的平均值。通过瞬时幅度绝对值的平均值及瞬时幅度绝对值判定阈值可实现对MASK和π/4-DQPSK信号的识别。
根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
具体来说,在本实施例中用表示信号中的第i个瞬时频率,根据计算信号中的每个瞬时频率的平均值,表示是对瞬时频率求取均值;然后计算每个瞬时频率与该平均值的差值的瞬时频率绝对值:;获取信号的第一长度信息,该第一长度信息指的是整个信号的长度,然后根据上述计算的瞬时频率绝对值,查找的长度作为第二长度信息,然后将第二长度信息与第一长度信息的比值作为从零中心归一化瞬时频率的紧实度参数值,也即:。其中,表示码元速率的一半,通过瞬时频率的紧实度参数及紧实度判定阈值可以很好地区分MFSK和AM、FM信号。
步骤7:获取下变频之后的高阶累积量,其中二阶累积量、四阶累积量、六阶累积量分别定义为:
其中,指的是接收到的信号做下变频得到的信号, 为2阶累积量,为4阶累积量,是对下变频信号计算功率值后通过E[ ]对信号求均值,是复随机过程的阶混合矩,表达为:。、是根据计算得到的,p+q的和等于阶数,如, p =4,q =0,p+q =4;、为4阶累积量,为6阶累积量,表示信号的共轭。通过四阶累积量参数值、六阶累积量参数值以及第一高阶累积量判定阈值、第二高阶累积量判定阈值、第三高阶累积量判定阈值可以实现2ASK、4ASK、BPSK、QPSK和8PSK五种数字信号的调制识别。
参见图2,为本发明实施例公开的一种具体的调制方式识别方法流程示意图,在本实施例中,将各个特征值与对应的判定阈值进行对比,可实现调试方式的识别。需要说明的是,图2中的各个判定参数已经通过具体的数字表示,但是该各个判定参数并不局限于此,可根据实际情况进行自定义调整。通过图2可以看出,本实施例所述的识别方式中,与各个特征值对应的判定阈值分别为:
与第一标准差对应的第一标准差判定阈值为1.3,第一标准差对应的第二标准差判定阈值为0.4;与第二标准差对应的第三标准差判定阈值为0.54;与对称性参数值对应的第一对称性判定阈值为-0.5、对应的第二对称性判定阈值为-0.3、对应的第三对称性判定阈值为0.3;与瞬时幅度谱密度最大值对应的瞬时幅度谱密度判定阈值为10,与瞬时幅度绝对值的平均值对应的瞬时幅度绝对值判定阈值为0.58,与瞬时频率的紧实度参数值对应的紧实度判定阈值为0.2,与高阶累积量参数值对应的第一高阶累积量判定阈值为8、对应的第二高阶累积量判定阈值为0.5、对应的第三高阶累积量判定阈值为1.17。
需要说明的是,在本实施例所述的识别方式中,共包括如下四个判定分支,通过如下四个判定分支,可以识别13种调制方式。
1、第一识别分支:
若第一标准差大于第一标准差判定阈值,则判断第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;
若是,则判断对称性参数值是否大于等于第一对称性判定阈值;若是,则判定信号的调制方式为:LSB;若否,则判定信号的调制方式为:USB。
2、第二识别分支:
若第一标准差不大于第一标准差判定阈值,对称性参数值小于等于第二对称性判定阈值,则判断瞬时频率的紧实度参数值是否大于紧实度判定阈值;
若是,则判断瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定信号的调制方式为:AM;若否,则判定信号的调制方式为:FM;
若否,则判断第一标准差是否大于第二标准差判定阈值;若是,则判定信号的调制方式为:2FSK;若否,则判定信号的调制方式为:4FSK。
3、第三识别分支:
若第一标准差不大于第一标准差判定阈值,且对称性参数值大于第二对称性判定阈值小于第三对称性判定阈值,则判断六阶累积量参数值是否大于第一高阶累积量判定阈值;
若是,则判定信号的调制方式为:BPSK;若否,则判断四阶累积量参数值是否大于第二高阶累积量判定阈值;
若大于第二高阶累积量判定阈值,则判定信号的调制方式为:QPSK;若不大于第二高阶累积量判定阈值,则判定信号的调制方式为:8PSK。
4、第四识别分支:
若第一标准差不大于第一标准差判定阈值,且对称性参数值大于等于第三对称性判定阈值,则判断瞬时幅度绝对值的平均值是否大于瞬时幅度绝对值判定阈值;
若是,则判定信号的调制方式为:π/4-DQPSK;若否,则判断六阶累积量参数值是否大于第三高阶累积量判定阈值;
若大于第三高阶累积量判定阈值,则判定信号的调制方式为:2ASK;若不大于第三高阶累积量判定阈值,则判定信号的调制方式为:4ASK。
可以看出,通过上述识别分支可以看出,本申请通过各个特征值及对应的判定阈值可识别13种调制方式。参见图3a,为本实施例提供的一种基于第一标准差的分类示意图;图3表示出了第一标准差在不同信噪比情况下通信信号的值的变化情况,通过设置恰当的门限值可将信号分成两大类{DSB、USB、LSB}和{AM、FM、2ASK、4ASK、2FSK、4FSK、2PSK、4PSK、8PSK、π/4-DQPSK},参见图3b,本实施例提供的另一种基于第一标准差的分类示意图,通过设置合适的门限值也可以实现MFSK类内识别;
参见图5a,为本实施例提供的一种基于对称性参数值的分类示意图,参见图5b,为本实施例提供的另一种基于对称性参数值的分类示意图;通过图5a可以看出,参数P在不同信噪比情况下通信信号的值的变化情况,可以将整个信号分成3类信号,分别为{π/4-DQPSK、2ASK、4ASK}、{2PSK、4PSK、8PSK}和{AM、FM、2FSK、4FSK},参见图5b,对称性参数值还可对USB、LSB两种信号也具有很好的区分度;
参见图9a、图9b、图9c,为本实施例提供的一种基于高阶累积量参数值的分类示意图,通过参数C40、C60在不同信噪比情况下通信信号的值的变化情况,通过设置合适的门限值对MASK和MPSK加以区分;
参见图10,为本实施例提供的各个信号的调制识别概率随着信噪比之间的变化情况示意图;具体来说,图10通过图2设置的门限值对不同的通信信号进行识别,在载频速率和码元速率估计准确的情况下,信噪比为0dB时,其中π/4-DQPSK、FM、DSB、AM、4ASK、2ASK、BPSK、LSB、QPSK调制信号的识别概率达到90%以上,在信噪比达到3dB时,13种所研究的调制信号中识别概率达到90%以上,整体的识别概率达到98.5%。
可以看出,本申请在识别通信信号的调制方式时,通过从统计特征和高阶累积量两个角度分别提取特征值,将提取的特征值与对应设置的判定阈值进行对比,根据对比结果便可识别该信号的调制方式,通过该方式,不仅提高了识别率,也增加可识别的调制类型。并且,本申请提出了一个零中心归一化瞬时频率的紧实度特征参数,克服了以往信号在较高的信噪比下或者识别数目较少的情况,实现了多种信号在低信噪比下的调制识别。
下面对本发明实施例提供的识别装置进行介绍,下文描述的识别装置与上文描述的识别方法可以相互参照。
参见图11,本发明实施例提供的一种通信信号调制方式的识别装置结构示意图,包括:
特征值获取模块100,用于获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值;
判定阈值获取模块200,用于获取与每个特征值对应的判定阈值;
特征值对比模块300,用于利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式。
其中,所述获取信号的特征值,包括:
获取信号的第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;其中,所述第一标准差为:采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为:利用零中心非弱信号的非线性瞬时相位绝对值的标准差。
其中,所述装置还包括紧实度参数值获取模块,具体用于:
计算所述信号中的每个瞬时频率的平均值,并获得每个瞬时频率与所述平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
其中,所述特征值对比模块包括:
第一判断单元,用于在若所述第一标准差大于第一标准差判定阈值时,判断所述第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;若是,则触发第二判断单元;
第二判断单元用于判断所述对称性参数值是否大于等于第一对称性判定阈值;若是,则判定所述信号的调制方式为:LSB;若否,则判定所述信号的调制方式为:USB。
其中,所述特征值对比模块包括:
第三判断单元,用于在所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值小于等于第二对称性判定阈值时,判断所述瞬时频率的紧实度参数值是否大于紧实度判定阈值;若是,则触发第四判断单元,若否,则触发第五判断单元;
第四判断单元用于判断所述瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定所述信号的调制方式为:AM;若否,则判定所述信号的调制方式为:FM;
第五判断单元用于判断所述第一标准差是否大于第二标准差判定阈值;若是,则判定所述信号的调制方式为:2FSK;若否,则判定所述信号的调制方式为:4FSK。
其中,所述特征值对比模块包括:
第六判断单元,用于在所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于第二对称性判定阈值小于第三对称性判定阈值时,判断六阶累积量参数值是否大于第一高阶累积量判定阈值;若是,则判定所述信号的调制方式为:BPSK;若否,则触发第七判断单元;
第七判断单元判断四阶累积量参数值是否大于第二高阶累积量判定阈值;若大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:QPSK;若不大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:8PSK。
其中,所述特征值对比模块包括:
第八判断单元,用于在所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于等于第三对称性判定阈值时,判断瞬时幅度绝对值的平均值是否大于瞬时幅度绝对值判定阈值;若是,则判定所述信号的调制方式为:π/4-DQPSK;若否,则触发第九判断单元;
第九判断单元判断六阶累积量参数值是否大于第三高阶累积量判定阈值;若大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:2ASK;若不大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:4ASK。
参见图12,本发明实施例提供的一种电子设备结构示意图,包括:
存储器11,用于存储计算机程序;
处理器12,用于执行所述计算机程序时实现上述方法实施例所述的通信信号调制方式的识别方法的步骤。
在本实施例中,设备可以是PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、掌上电脑、便携计算机等终端设备。
该设备可以包括存储器11、处理器12和总线13。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是设备的内部存储单元,例如该设备的硬盘。存储器11在另一些实施例中也可以是设备的外部存储设备,例如设备上配备的插接式硬盘,智能存储卡(SmartMedia Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于设备的应用软件及各类数据,例如执行上述识别方法的程序代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行上述识别方法的程序代码等。
该总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,设备还可以包括网络接口14,网络接口14可选的可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该设备与其他电子设备之间建立通信连接。
可选地,该设备还可以包括用户接口15,用户接口15可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口15还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在设备中处理的信息以及用于显示可视化的用户界面。
图12仅示出了具有组件11-15的设备,本领域技术人员可以理解的是,图12示出的结构并不构成对设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法实施例所述的通信信号调制方式的识别方法的步骤。
其中,该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory ,ROM)、随机存取存储器(Random Access Memory ,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种通信信号调制方式的识别方法,其特征在于,包括:
获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值,包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;所述第一标准差为采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为利用零中心非弱信号的非线性瞬时相位绝对值的标准差;
获取与每个特征值对应的判定阈值;
利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式;
其中,所述瞬时频率的紧实度参数值的获取方法包括:根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
2.根据权利要求1所述的识别方法,其特征在于,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差大于第一标准差判定阈值,则判断所述第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;
若是,则判断所述对称性参数值是否大于等于第一对称性判定阈值;
若是,则判定所述信号的调制方式为:LSB;若否,则判定所述信号的调制方式为:USB。
3.根据权利要求1所述的识别方法,其特征在于,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值小于等于第二对称性判定阈值,则判断所述瞬时频率的紧实度参数值是否大于紧实度判定阈值;
若是,则判断所述瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定所述信号的调制方式为:AM;若否,则判定所述信号的调制方式为:FM;
若否,则判断所述第一标准差是否大于第二标准差判定阈值;若是,则判定所述信号的调制方式为:2FSK;若否,则判定所述信号的调制方式为:4FSK。
4.根据权利要求1所述的识别方法,其特征在于,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于第二对称性判定阈值小于第三对称性判定阈值,则判断六阶累积量参数值是否大于第一高阶累积量判定阈值;
若是,则判定所述信号的调制方式为:BPSK;若否,则判断四阶累积量参数值是否大于第二高阶累积量判定阈值;
若大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:QPSK;若不大于所述第二高阶累积量判定阈值,则判定所述信号的调制方式为:8PSK。
5.根据权利要求1所述的识别方法,其特征在于,所述利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式,包括:
若所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值大于等于第三对称性判定阈值,则判断瞬时幅度绝对值的平均值是否大于瞬时幅度绝对值判定阈值;
若是,则判定所述信号的调制方式为:π/4-DQPSK;若否,则判断六阶累积量参数值是否大于第三高阶累积量判定阈值;
若大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:2ASK;若不大于第三高阶累积量判定阈值,则判定所述信号的调制方式为:4ASK。
6.一种通信信号调制方式的识别装置,其特征在于,包括:
特征值获取模块,用于获取信号的特征值,所述特征值为从统计特征角度和高阶累积量角度分别从信号中提取的多个特征值,包括:第一标准差、第二标准差、对称性参数值、瞬时幅度谱密度最大值、瞬时幅度绝对值的平均值、瞬时频率的紧实度参数值、高阶累积量参数值;所述第一标准差为:采用零中心非弱信号段的非线性相位中心化后的标准差;所述第二标准差为:利用零中心非弱信号的非线性瞬时相位绝对值的标准差;
判定阈值获取模块,用于获取与每个特征值对应的判定阈值;
特征值对比模块,用于利用所述判定阈值对所述信号的多个特征值进行对比,根据对比结果识别所述信号的调制方式;
紧实度参数值获取模块,用于根据所述信号中的每个瞬时频率计算所述信号的瞬时频率平均值,并获得每个瞬时频率与所述瞬时频率平均值的瞬时频率绝对值;获取所述信号的第一长度信息,以及所述信号中瞬时频率绝对值大于码元速率的一半的第二长度信息;利用所述第二长度信息与所述第一长度信息的比值,确定所述瞬时频率的紧实度参数值。
7.根据权利要求6所述的识别装置,其特征在于,所述特征值对比模块包括:
第一判断单元,用于在若所述第一标准差大于第一标准差判定阈值时,判断所述第二标准差是否大于第三标准差判定阈值;若否,则判定所述信号的调制方式为:DSB;若是,则触发第二判断单元;
第二判断单元用于判断所述对称性参数值是否大于等于第一对称性判定阈值;若是,则判定所述信号的调制方式为:LSB;若否,则判定所述信号的调制方式为:USB。
8.根据权利要求6所述的识别装置,其特征在于,所述特征值对比模块包括:
第三判断单元,用于在所述第一标准差不大于第一标准差判定阈值,且所述对称性参数值小于等于第二对称性判定阈值时,判断所述瞬时频率的紧实度参数值是否大于紧实度判定阈值;若是,则触发第四判断单元,若否,则触发第五判断单元;
第四判断单元用于判断所述瞬时幅度谱密度最大值是否大于瞬时幅度谱密度判定阈值;若是,则判定所述信号的调制方式为:AM;若否,则判定所述信号的调制方式为:FM;
第五判断单元用于判断所述第一标准差是否大于第二标准差判定阈值;若是,则判定所述信号的调制方式为:2FSK;若否,则判定所述信号的调制方式为:4FSK。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的通信信号调制方式的识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的通信信号调制方式的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928516.8A CN111800359B (zh) | 2020-09-07 | 2020-09-07 | 一种通信信号调制方式的识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928516.8A CN111800359B (zh) | 2020-09-07 | 2020-09-07 | 一种通信信号调制方式的识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111800359A true CN111800359A (zh) | 2020-10-20 |
CN111800359B CN111800359B (zh) | 2020-12-04 |
Family
ID=72834165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010928516.8A Active CN111800359B (zh) | 2020-09-07 | 2020-09-07 | 一种通信信号调制方式的识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111800359B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364729A (zh) * | 2020-10-29 | 2021-02-12 | 成都明杰科技有限公司 | 基于特征参数与bp神经网络的调制识别方法 |
CN112929096A (zh) * | 2021-01-27 | 2021-06-08 | 嘉兴中科声学科技有限公司 | 一种声音信号的处理方法、处理装置及电子设备 |
CN113014523A (zh) * | 2021-02-25 | 2021-06-22 | 电子科技大学 | 一种基于融合特征的复合调制信号盲识别方法 |
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 |
CN113452637A (zh) * | 2021-09-01 | 2021-09-28 | 中国海洋大学 | 基于特征选择和支持向量机的水声通信信号调制识别方法 |
CN114006798A (zh) * | 2021-10-25 | 2022-02-01 | 中科航宇(广州)科技有限公司 | 一种信号处理方法、装置、电子设备及存储介质 |
CN116067489A (zh) * | 2023-03-07 | 2023-05-05 | 国能大渡河检修安装有限公司 | 水电站辅助设备的监测***、方法、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1946069A (zh) * | 2006-10-27 | 2007-04-11 | 清华大学 | 一种多进制频移键控信号的检测和分析方法 |
CN101783777A (zh) * | 2009-03-31 | 2010-07-21 | 西安电子科技大学 | 数字调制信号识别方法 |
CN101834819A (zh) * | 2010-05-14 | 2010-09-15 | 哈尔滨工业大学 | 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 |
CN106330805A (zh) * | 2016-08-29 | 2017-01-11 | 重庆会凌电子新技术有限公司 | 一种信号调制方式自动识别方法及*** |
CN108134753A (zh) * | 2016-12-01 | 2018-06-08 | 南京理工大学 | 宽带信号调制方式的识别方法 |
US20180176052A1 (en) * | 2011-08-09 | 2018-06-21 | Texas Instruments Incorporated | Wireless networks utilizing multiple modulations |
CN108206797A (zh) * | 2016-12-20 | 2018-06-26 | 天津大学(青岛)海洋工程研究院有限公司 | 一种基于软件无线电的通信信号调制方式自适应识别方法 |
CN108512614A (zh) * | 2018-03-06 | 2018-09-07 | 北京邮电大学 | 一种低信噪比电磁信号识别的方法及装置 |
CN109802905A (zh) * | 2018-12-27 | 2019-05-24 | 西安电子科技大学 | 基于cnn卷积神经网络的数字信号自动调制识别方法 |
CN109951409A (zh) * | 2019-04-04 | 2019-06-28 | 四川九洲电器集团有限责任公司 | 一种确定调制信号类别的方法及*** |
CN111327554A (zh) * | 2020-02-27 | 2020-06-23 | 电子科技大学 | 一种用于数字调制信号识别的特征提取方法 |
-
2020
- 2020-09-07 CN CN202010928516.8A patent/CN111800359B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1946069A (zh) * | 2006-10-27 | 2007-04-11 | 清华大学 | 一种多进制频移键控信号的检测和分析方法 |
CN101783777A (zh) * | 2009-03-31 | 2010-07-21 | 西安电子科技大学 | 数字调制信号识别方法 |
CN101834819A (zh) * | 2010-05-14 | 2010-09-15 | 哈尔滨工业大学 | 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 |
US20180176052A1 (en) * | 2011-08-09 | 2018-06-21 | Texas Instruments Incorporated | Wireless networks utilizing multiple modulations |
CN106330805A (zh) * | 2016-08-29 | 2017-01-11 | 重庆会凌电子新技术有限公司 | 一种信号调制方式自动识别方法及*** |
CN108134753A (zh) * | 2016-12-01 | 2018-06-08 | 南京理工大学 | 宽带信号调制方式的识别方法 |
CN108206797A (zh) * | 2016-12-20 | 2018-06-26 | 天津大学(青岛)海洋工程研究院有限公司 | 一种基于软件无线电的通信信号调制方式自适应识别方法 |
CN108512614A (zh) * | 2018-03-06 | 2018-09-07 | 北京邮电大学 | 一种低信噪比电磁信号识别的方法及装置 |
CN109802905A (zh) * | 2018-12-27 | 2019-05-24 | 西安电子科技大学 | 基于cnn卷积神经网络的数字信号自动调制识别方法 |
CN109951409A (zh) * | 2019-04-04 | 2019-06-28 | 四川九洲电器集团有限责任公司 | 一种确定调制信号类别的方法及*** |
CN111327554A (zh) * | 2020-02-27 | 2020-06-23 | 电子科技大学 | 一种用于数字调制信号识别的特征提取方法 |
Non-Patent Citations (3)
Title |
---|
张福佳: "通信信号调制方式自动识别研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
杨洁: "软件无线电中调制、模式识别及解调的实现", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
陆凤波: "一种基于高阶累积量的数字调相信号识别方法", 《***工程与电子技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364729A (zh) * | 2020-10-29 | 2021-02-12 | 成都明杰科技有限公司 | 基于特征参数与bp神经网络的调制识别方法 |
CN112929096A (zh) * | 2021-01-27 | 2021-06-08 | 嘉兴中科声学科技有限公司 | 一种声音信号的处理方法、处理装置及电子设备 |
CN112929096B (zh) * | 2021-01-27 | 2022-07-12 | 嘉兴中科声学科技有限公司 | 一种声音信号的处理方法、处理装置及电子设备 |
CN113014523A (zh) * | 2021-02-25 | 2021-06-22 | 电子科技大学 | 一种基于融合特征的复合调制信号盲识别方法 |
CN113014523B (zh) * | 2021-02-25 | 2022-01-11 | 电子科技大学 | 一种基于融合特征的复合调制信号盲识别方法 |
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 |
CN113452637A (zh) * | 2021-09-01 | 2021-09-28 | 中国海洋大学 | 基于特征选择和支持向量机的水声通信信号调制识别方法 |
CN113452637B (zh) * | 2021-09-01 | 2021-11-30 | 中国海洋大学 | 基于特征选择和支持向量机的水声通信信号调制识别方法 |
CN114006798A (zh) * | 2021-10-25 | 2022-02-01 | 中科航宇(广州)科技有限公司 | 一种信号处理方法、装置、电子设备及存储介质 |
CN116067489A (zh) * | 2023-03-07 | 2023-05-05 | 国能大渡河检修安装有限公司 | 水电站辅助设备的监测***、方法、电子设备及存储介质 |
CN116067489B (zh) * | 2023-03-07 | 2023-09-22 | 国能大渡河检修安装有限公司 | 水电站辅助设备的监测***、方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111800359B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111800359B (zh) | 一种通信信号调制方式的识别方法、装置、设备及介质 | |
Wu et al. | Robust automatic modulation classification under varying noise conditions | |
US10985955B2 (en) | Method for automatically identifying modulation mode for digital communication signal | |
CN110855591B (zh) | 一种基于卷积神经网络结构的qam和psk信号类内调制分类方法 | |
CN106789788B (zh) | 一种无线数字信号调制方式识别方法及装置 | |
CN108718288B (zh) | 基于卷积神经网络的数字信号调制模式识别方法 | |
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 | |
CN111444805B (zh) | 一种基于改进的多尺度小波熵数字信号调制识别方法 | |
CN109274625B (zh) | 一种信息调制方式确定方法、装置、电子设备及存储介质 | |
CN112737992B (zh) | 一种水声信号调制方式自适应类内识别方法 | |
Ahmadi | Using fuzzy clustering and TTSAS algorithm for modulation classification based on constellation diagram | |
Dubuc et al. | An automatic modulation recognition algorithm for spectrum monitoring applications | |
CN113225282A (zh) | 一种基于bp神经网络的通信信号调制识别方法 | |
Ali et al. | Algorithm for automatic recognition of PSK and QAM with unique classifier based on features and threshold levels | |
Baris et al. | Modulation classification of MFSK modulated signals using spectral centroid | |
Hazza et al. | Robustness of digitally modulated signal features against variation in HF noise model | |
CN112101460A (zh) | 基于深度学习分类的频谱感知方法及装置 | |
CN108270703A (zh) | 一种通信信号数字调制类型识别方法 | |
Xing et al. | Method to reduce the signal‐to‐noise ratio required for modulation recognition based on logarithmic properties | |
CN113420817B (zh) | 基于网络结构特征归纳的半监督调制类型识别方法、装置及介质 | |
Ye et al. | Digital modulation classification using temporal waveform features for cognitive radios | |
CN114006798A (zh) | 一种信号处理方法、装置、电子设备及存储介质 | |
CN110247868B (zh) | 一种卫星信号盲解调方法、装置及电子设备 | |
Wu et al. | A signal modulation identification method based on neural network | |
CN115065973A (zh) | 一种基于卷积神经网络的卫星测控地面站身份识别方法 |
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 |