-
公开(公告)号：CN111343116B
公开(公告)日：2022-06-10
申请号：CN202010114399.1
申请日：2020-02-25
Applicant: 杭州电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种密集信号环境下基于星座轨迹图的调制识别方法。本发明步骤：步骤1、将接收到的采样信号经过下变频低通滤波后输入高阶幅相信号盲数字接收机进行解调，得到解调信号星座图；步骤2、对各信号星座点幅值进行归一化，从归一化后的星座点幅值|xk(n)|提取得到幅值分布曲线Dk(n)和幅值曲率分布曲线Ck(n)；步骤3、从步骤2的数据中提取相关特征参数P和V1,k,k＝1,...,5，并设置对应的参数门限；步骤4、根据各信号特征参数P和V1,k,k＝1,...,5的不同对信号进行区分。本发明复杂度低、易于实现且在低信噪比下具有更好的识别性能。
-
公开(公告)号：CN114301749A
公开(公告)日：2022-04-08
申请号：CN202111617411.1
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L27/20 , H04B17/00 , H04B17/336 , H04B17/391 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的信号抗干扰方法。本发明包括：步骤1、通过数据预处理将含干扰的调制信息与不含干扰的调制信号进行维度变换，将一维信号变换为二维图像，作为生成对抗网络的数据集；步骤2、基于生成对抗网络的BPSK信号抗干扰模型结构以及目标函数设计，由含干扰的调制信号向不含干扰的目标调制信号的映射，从而实现调制信号的抗干扰。本发明将抗干扰问题转化为图像的映射问题，相比于传统的频域陷波的干扰抑制方法具有更好的抗干扰性能。与普遍应用的基于窗函数的频域陷波算法相比，在同干信比以及高信噪比下，相同误码率，对窄带噪声干扰性能提升1.5dB，对多音干扰性能提升1dB。在同信噪比下，本文所提出的基于生成对抗网络的BPSK抗干扰算法随着干信比的逐渐增大误码率平缓上升，整体趋势优于基于窗函数的频域陷波算法，且在窄带噪声干扰下提升较大。
-
公开(公告)号：CN112565127A
公开(公告)日：2021-03-26
申请号：CN202011350799.9
申请日：2020-11-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于残差网络和频域图形的测控信号调制识别方法。本发明步骤：1、通过数字接收机实现对输入的FM复合调制信号的解调；2、通过降采样和频谱搬移等方法对信号进行处理；获取处理后的内调制信号频谱和平方谱图形；3、将频谱特征图像输入残差网络分类器，将信号分为2k带宽的2FSK‑FM信号、MPSK‑FM信号，128K的MPSK‑FM信号和32k带宽的2FSK‑FM四类；4、对上一个分类器的输出标记是MPSK‑FM信号的平方谱图像送入分类器，实现对BPSK‑FM和QPSK‑FM的调制识别。本发明通过接收机提取测控信号的内调制信号频谱和平方谱特征，利用频域特征在低信噪比下的稳定性，和残差网络模型在相似图像分类识别中的高效性，实现了复合信号的调制方式识别。
-
公开(公告)号：CN111245756B
公开(公告)日：2022-07-22
申请号：CN202010103055.0
申请日：2020-02-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于级联SVM和全数字接收机的复合信号调制识别方法。本发明步骤：1、将接收到的采样信号输入全数字接收机得到鉴相误差；2、获取鉴相误差的频谱图形用于区分MPSK‑FM、MT‑FM和2ASK‑FM信号；3、对被判别成MPSK信号的数据进行平方谱图形获取，用于区分BPSK‑FM和QPSK‑FM信号；4、通过级联SVM分类器实现对上述信号的分类。本发明的识别算法具有识别率高，低信噪比下性能出色的优势。本发明能够对复合调制FM信号(ASK‑FM、MTONE_FM、BPSK‑FM和QPSK‑FM)的调制方式进行准确地判断，识别正确率要比传统的基于部分特征提取和决策树分类的调制识别方法好。
-
公开(公告)号：CN111245756A
公开(公告)日：2020-06-05
申请号：CN202010103055.0
申请日：2020-02-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于级联SVM和全数字接收机的复合信号调制识别方法。本发明步骤：1、将接收到的采样信号输入全数字接收机得到鉴相误差；2、获取鉴相误差的频谱图形用于区分MPSK-FM、MT-FM和2ASK-FM信号；3、对被判别成MPSK信号的数据进行平方谱图形获取，用于区分BPSK-FM和QPSK-FM信号；4、通过级联SVM分类器实现对上述信号的分类。本发明的识别算法具有识别率高，低信噪比下性能出色的优势。本发明能够对复合调制FM信号(ASK-FM、MTONE_FM、BPSK-FM和QPSK-FM)的调制方式进行准确地判断，识别正确率要比传统的基于部分特征提取和决策树分类的调制识别方法好。
-
Patent Agency Ranking
公开(公告)号：CN112565127B
公开(公告)日：2022-07-22
申请号：CN202011350799.9
申请日：2020-11-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于残差网络和频域图形的测控信号调制识别方法。本发明步骤：1、通过数字接收机实现对输入的FM复合调制信号的解调；2、通过降采样和频谱搬移等方法对信号进行处理；获取处理后的内调制信号频谱和平方谱图形；3、将频谱特征图像输入残差网络分类器，将信号分为2k带宽的2FSK‑FM信号、MPSK‑FM信号，128K的MPSK‑FM信号和32k带宽的2FSK‑FM四类；4、对上一个分类器的输出标记是MPSK‑FM信号的平方谱图像送入分类器，实现对BPSK‑FM和QPSK‑FM的调制识别。本发明通过接收机提取测控信号的内调制信号频谱和平方谱特征，利用频域特征在低信噪比下的稳定性，和残差网络模型在相似图像分类识别中的高效性，实现了复合信号的调制方式识别。
-
公开(公告)号：CN111343116A
公开(公告)日：2020-06-26
申请号：CN202010114399.1
申请日：2020-02-25
Applicant: 杭州电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种密集信号环境下基于星座轨迹图的调制识别方法。本发明步骤：步骤1、将接收到的采样信号经过下变频低通滤波后输入高阶幅相信号盲数字接收机进行解调，得到解调信号星座图；步骤2、对各信号星座点幅值进行归一化，从归一化后的星座点幅值|xk(n)|提取得到幅值分布曲线Dk(n)和幅值曲率分布曲线Ck(n)；步骤3、从步骤2的数据中提取相关特征参数P和V1,k,k＝1,...,5，并设置对应的参数门限；步骤4、根据各信号特征参数P和V1,k,k＝1,...,5的不同对信号进行区分。本发明复杂度低、易于实现且在低信噪比下具有更好的识别性能。
-
公开(公告)号：CN114301749B
公开(公告)日：2024-02-13
申请号：CN202111617411.1
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L27/20 , H04B17/00 , H04B17/336 , H04B17/391 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的信号抗干扰方法。本发明包括：步骤1、通过数据预处理将含干扰的调制信息与不含干扰的调制信号进行维度变换，将一维信号变换为二维图像，作为生成对抗网络的数据集；步骤2、基于生成对抗网络的BPSK信号抗干扰模型结构以及目标函数设计，由含干扰的调制信号向不含干扰的目标调制信号的映射，从而实现调制信号的抗干扰。本发明将抗干扰问题转化为图像的映射问题，相比于传统的频域陷波的干扰抑制方法具有更好的抗干扰性能。与普遍应用的基于窗函数的频域陷波算法相比，在同干信比以及高信噪比下，相同误码率，对窄带噪声干扰性能提升1.5dB，对多音干扰性能提升1dB。在同信噪比下，本文所提出的基于生成对抗网络的BPSK抗干扰算法随着干信比的逐渐增大误码率平缓上升，整体趋势优于基于窗函数的频域陷波算法，且在窄带噪声干扰下提升较大。
-
公开(公告)号：CN114285708B
公开(公告)日：2024-01-12
申请号：CN202111617419.8
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种基于盲数字接收机与拟合优度检验的识别方法。本发明以盲数字接收机中的锁相环为主体，通过增加锁相环的环路带宽大小，扩大环路跟踪范围。该接收机对所有信号进行同步跟踪，并提取所有信号的同相支路信息，正交支路信息与频率跟踪信息。先统计同相支路信息的分布函数并采用拟合优度算法检验各个信号分布与目标分布的距离，根据分布距离大小将信号集分为{SOQPSK，2FSK}，{BPSK，QPSK}两类。针对{BSPK，QPSK}信号集，通过统计同相支路与正交支路相同符号数的数量进行识别。针对{SOQPSK，2FSK}信号集通过锁相环输出的跟踪频率特征进行区分识别。本发明中所提出算法在4dB下所有信号的识别概率均能达到90％以上。
-
公开(公告)号：CN112787966B
公开(公告)日：2022-06-28
申请号：CN202011585367.6
申请日：2020-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于端到端的级联生成对抗网络信号解调方法。本发明步骤：1、通过数据预处理将调制信息与解调信息进行维度变换，作为生成对抗网络的数据集；2、基于GAN网络的解调模型实现由调制信息向解调信息的映射，从而实现信号解调；3、基于CGAN网络的信道估计补偿模型对接收信息进行补偿，然后映射得到稳定的调制信息；4、将基于CGAN网络的信道估计补偿模型与GAN网络的解调模型进行级联形成端到端的级联生成对抗网络解调模型。本发明利用GAN网络目标函数更具约束性的优势提升整个系统解调能力。并且针对高斯信道，瑞利衰落信道仍有良好的应对策略。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
