面向电力无线专网的授权用户调制信号识别算法研究

针对电力无线专网的授权用户调制类型识别,提出了一种归一化的调制信号特征参数,首先计算数字信号的高阶统计量信息,之后对高阶统计量信息进行组合使用以表示不同类型信号.组合后的特征参数将不同的高阶统计量信息进行归一化,避免了同一调制类型信号在不同能量下高阶统计量信息的差异,提高了该识别系统的应用范围.为了使系统的适应性更强且...     

基于高阶累积量和循环谱的调制方式识别研究

接收机采用高阶累积量和循环谱这两种低信噪比的算法,对检测到的各种信号进行调制方式识别,其中包括BPSK、QPSK、2FSK、4FSK、MSK等5种已调信号,然后,通过MATLAB编程,进行系统仿真,仿真结果表明,循环谱对高斯噪声有更强抑制作用。     

一种改进的基于二维高阶累积量的自适应谱线增强算法

基于二维高阶累积量的自适应谱线增强算法的迭代步长很容易受到噪声干扰的影响，本文分析了基于二维高阶累积量的自适应谱线增强算法的特点，在此基础上提出了一种改进的基于二维高阶累积量的自适应谱线增强算法。计算机仿真结果表明，本文提出的算法对高斯白噪声和高斯色噪声都有很好的抑制作用，可以改善高斯噪声背景中小空间范围的二维信号信噪比。     

引入累积量后置处理的弱性网络攻击敏锐检测

利用高阶累积量切片对调频信号能量聚集和噪声抑制的特性,引入高阶累积量后置处理算子,提出一种新型的微弱性网络攻击信号高敏锐度检测算法。算法有效分离攻击信号的时频耦合,首先把信号采用离散分数阶傅立叶变换实现离散化处理,然后利用高阶累积量切片算子对攻击信号在分数阶傅立叶域上进行后置能量聚集,增大信号累积量,有效抑制了合法网络信号的背景干扰。仿真实验表明,新算法能在-15 dB低信噪比背景下,有效检测出隐蔽性很强的弱性网络攻击信号。能有效应用到计算机网络安全防御和对抗中。     

基于空间平滑技术的高阶累积量空间谱估计

提出基于空间平滑技术的高阶累积量空间谱估计。在经典的空间谱估计中,均利用信号的二阶统计量,并且假设噪声是白噪声。在实际应用场合,噪声通常是色噪声,这时采用高阶统计量可以获得比二阶矩更理想的性能。本文利用空间平滑技术对单一的高阶累积量算法进行改进。新算法具有同时测向能力、测向精度高、超分辨能力,能在低信噪比环境中取得好的性能。计算机仿真证明了该方法的有效性。     

网络波动攻击中的小扰动入侵源定位算法仿真

在网络持续波动攻击中出现一种小扰动信号,由于该类攻击信号的振幅不大,常规的检测算法难以有效定位检测,无法保证网络安全。提出一种基于小扰动多普勒扩散参量估计的网络波动入侵源定位检测算法。首先进行网络攻击模型构建,分析网络攻击信号的小扰动振幅特性,由于高阶累积量对噪声有盲分离作用,利用高阶累积量切片对小扰动入侵信号的能量聚集和噪声抑制特性,引入高阶累积量后置处理算子,进行小扰动入侵源定位聚焦,采用DOA参量估计算法进行网络攻击信号的多普勒扩散参量估计,实现对小扰动入侵源定位和检测。仿真结果表明,采用该算法能有效实现了对网络波动攻击的小扰动入侵信号的准确定位和检测,分离出振幅较小入侵信号,检测准确率较传统方法高。     

一种基于能量门限自适应估计的固定背景的提取

本文分析了以往利用图像块能量、高阶累积量建立背景约束的准则。考虑到能量块门限为定值的不足，对能量块门限进行自适应估计，实验结果表明这种算法兼顾了实时性和精确性，能有效地对固定背景的进行提取。     

高阶统计量的应用

高阶统计量能够提供比二阶统计量更多的信息,因此利用高阶统计量的优点,从信号的高阶相关函数和高阶谱出发,研究了高阶统计量在生物医学及信号检测等方面的应用.     

基于Gabor特征分解的高斯混合非线性滤波算法

传统的窄带信号检测滤波器采用IIR自适应线谱增强滤波算法,对信号特征分解的阶数要求高,导致非线性失真,提出一种基于Gabor特征分解的高斯混合非线性滤波器设计算法,在IIR滤波器设计的基础上,对信号进行尺度和时延估计,构建自适应高阶累积量滤波设计方法,采用高阶累积量对窄带信号进行均方一致估计,对Gabor特征函数Taylor级数展开,求得高斯混合非线性滤波器的带宽参数,最后实现高斯混合非线性滤波器设计改进,提高对窄带信号的检测性能。仿真结果表明,该算法具有较好的滤波性能,可以明显地抑制色噪声的影响,提高信号增益达到20 d B。     

车联网总线通信控制的信道无偏均衡设计

提出一种基于高阶谱包络调制的车联网总线通信控制的信道无偏均衡算法。首先构建车联网网络通信系统模型。根据IEC61375协议,车联网TCN网络功能被划分为7层,进行多处理器集群处理。基于MVB总线控制器进行软硬件设计,车联网的MVB上位机协同工作机制总体设计,进行车联网通信模型的分簇设计,通过高阶谱包络调制动态的跟踪信号功率的变化,得到高阶谱包络调制下的信道无偏均衡模型,实现了车联网总线通信控制的无偏均衡设计。仿真得出,采用本文算法,能实现车联网的信道无偏均衡,剩余均方误差有了明显的下降,提高了收敛速度,整体均衡效果最佳,在车联网通信和控制等领域具有较好的应用价值。     

光纤链路中高阶色散致调制不稳定性的研究

由于色散和非线性效应的相互作用,连续波或准连续波在光纤中传输时,会出现调制不稳定性.利用非线性薛定谔耦合方程,在假设光脉冲幅值受到微扰的情况下,用解析的方法,研究了有源光纤链路中,高阶色散导致的调制不稳定性,得出了调制不稳定性的增益谱.     

HHT方法在信号调制识别中的应用

本文结合幅度归一化方法,提出了基于HHT方法的信号调制方式自动识别方法。在对AM、FM、2ASK、2FSK和2PSK等5种信号进行调制识别时,本文首先利用特征参数V进行幅度调制和非幅度调制的分类．并且对AM和2ASK进行了很好的识别;然后利用HHT变换方法得到特征参数β和α,把FM、2FSK和2PSK从中识别出来,在信噪比10dB以上,都能取得很好的识别效果。     

敌我识别S模式信号调制特征分析

S模式的调制信号中包含了丰富的目标状态参数。介绍了S模式询问和应答信号导前脉冲和数据段的调制方式,分析了S模式敌我识别信号调制方式与功率谱密度、信号带宽的关系。仿真生成S模式询问和应答的基带信号,通过短时傅里叶变换分析信号的局部时频特性。敌我识别S模式信号调制特征的分析为对敌我识别信号的截获解译提供了理论支持。     

基于卷积神经网络的调制样式识别

随着科学技术的进步,调制样式识别应用越来越广,信号调制是将原始的基带信号的频谱搬移到适合在信道中进行的传输的通带内的过程。大多数通信系统调制样式识别分为人工手动识别和机器自动识别,与人工手动识别相比,基于卷积神经网络自动识别提取数据特征的方法不仅识别率高,而且准确率更高,因此研究卷积神经网络调制样式识别具有非常重大意义。     

Nakagami衰落信道参数对STBC码系统性能分析的影响

基于BPSK调制下空时分组码在Rayleigh袁落信道中的码性能,推导出高阶调制方式下Nakagami衰落信道中空时分组码的符号差错率的最小距离球界,仿真分析了此信道下引入空时分组码的多天线系统中发射和接收天线分集增益时符号差错性能的影响.     

采用随机码幅度调制的双线程互补信息加密算法

随机码信息加密是保障信息通信安全的基础,传统的随机码信息加密算法采用高阶线性微分解优化的混合加密算法,密钥扩展过程中,链路层加密数据出现非线性突变,采用任何一轮子密钥即可破解全部密钥,加密性能不好。提出一种基于随机码幅度调制的双线程互补信息加密算法。分析了加密信息通信系统的随机编码序列发生原理,进行密钥设计,生成的随机数对信源发出信源密钥,加密序列按位异或运算进行双线程信息互补编码和解码,采用随机码幅度调制生产信息加密密钥,实现加密算法改进,仿真结果表明,采用该算法进行信息加密,有效降低了对方信息系统对密码的识别率,难以被攻击系统检测识别,提高信息安全性。     

概率数学模型在数据过滤中的应用研究

为了提高对海量数据的检测过滤能力,提出基于概率数学模型的数据过滤方法,采用描述性统计分析方法构建大数据过滤的统计特征分析模型,采用高阶累积量进行数据过滤的概率密度特征统计量设计,结合模糊数学推理进行数据过滤的检测统计量分析,在海量数据环境下根据检测统计量分布的概率密度进行回归分析,采用阈值检验和门限判决方法,实现数据过滤。数据测试结果表明,采用该方法进行大数据过滤的准确性较好,数学模型的可靠性和收敛性较好。     

强干扰多载波雷达信号幅度检测算法

在强干扰环境下对多载波雷达信号的幅度检测是实现空中目标打击的关键技术。传统方法中,对雷达信号的幅度检测采用时频耦合算法,如果信号和背景噪声有很强干扰和多载波特征时,检测性能不好。提出一种基于分数阶Fourier时频耦合的信号幅度检测算法。构建强干扰环境,描述雷达信号的宽度和深度等特征量,对多载波雷达信号进行分数阶Fourier变换,对目标回波的尺度和时延进行估计,求解相位模糊数搜索结合解,得到雷达信号参数相位补偿结果,根据雷达信号特征量聚点塑造特征量模型运算雷达信号的特征量聚点,获取高特征量聚集区域,通过后置的高阶累积量切片,使信号的累积量增大,而噪声被抑制提高了检测精度。仿真实验表明,算法的检测概率较高,幅度检测能很好地跟踪信号幅度的变化。     

常用通信信号的调制方式识别研究

作为信息的媒介,信号可以在有线信道中国传输,但是却无法通过无线信道传输。所以,想要让信号在无线信道中传输就必然要使用到调制解调技术进行调制,涉及到很多复杂因素的通信信号调制方式的识别,是一种比较典型的识别模式。现代通信的技术的发展,导致信号的调制样式变得多种多样,我们在日常生活中的需要已经无法通过常规的识别方法被满足,新的通信信号识别研究面临了一个重大的问题。以统计模式识别方法和决策模式识别方法为例,对他们的优缺点进行论述,简单地介绍了共信道多信号和非理想信道的调制方式识别。     

基于窄带信号的空气动力目标识别方法研究

本文首先介绍了基于窄带信号的空气动力目标识别的几种方法,着重讨论了目标回波的调制谱,并对喷气式飞机和旋翼飞机的调制谱进行了介绍,对调制谱特征中的的谱线间隔、谱线宽度、谱线个数等特征分量进行了介绍,确定利用目标回波调制谱中谱线间隔对目标类型进行识别,通过实测数据,验证了这一方法的可行性。