辐射源信号调制方式识别方法研究

发布时间：2020-07-31 16:13

【摘要】：辐射源信号调制识别技术是当前无线电监测、军事电子侦察等领域的关键问题之一。其目的是对复杂电磁环境中的各类信号调制方式进行分析与识别,为提高无线电用户的使用安全和保密提供可靠保障,也为军事防御系统提供有效的支持信息。本文主要研究复杂电磁环境中辐射源信号的调制方式识别方法,研究内容包括信号预处理、调制特征提取以及有监督学习。本文的主要工作和取得的研究成果如下:在信号预处理方面,提出了一种基于极限学习机(ELM)的信号降噪算法。该算法运用ELM能够将非线性问题转换为线性问题解决的能力,实现信号降噪。本文将ELM应用于信号降噪算法中,可在低信噪比条件下有效地实现信号降噪。在特征融合方面,提出了一种基于功率谱和高阶累积量特征的融合识别算法。该算法运用特征融合的思想,将功率谱的细微特征和高阶累积量特征融合,较好地解决了复杂电磁环境下的信号识别问题。在特征提取方面,提出了一种基于独立准则特征的信号识别算法。该算法将希尔伯特-施密特成分分析法应用于信号的调制识别中。相对于高阶累积量特征提取方法,该特征提取方法无需已知信号的先验载波信息,较好地解决了非协作系统中的信号识别问题。在分类器方面,针对决策树分类器的阈值固定的局限性,研究了基于有监督学习的信号调制识别算法,包括随机森林和极限学习机。给出了两种分类器的结构,实现了信号的调制识别,并从识别准确率和时间复杂度两个方面对两种分类器进行了对比分析。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.3;TP181
【图文】：

图 1.1 复杂电磁环境杂的电磁环境中，不论是实施控制，还是安全防护，都需要对环环境进行有效的感知。为了完善对复杂电磁环境中的信号监测中的信号有进一步的了解，使区域、群众安全得到更有效的安全

Eb/N0为3dB时，AM信号的奇异值分解降噪

（c）经奇异值分解降噪的 4FSK 信号的频谱图 2.20 Eb/N0 为-3dB 时，4FSK 信号的奇异值分解降噪 2.19 为理想 AM 信号和 Eb/N0为 3dB 时，经奇异值分解降噪前后的 A示。图 2.20 为理想 4FSK 信号和 Eb/N0为-3dB 时，经奇异值分解降噪

【相似文献】

相关期刊论文 前10条

1 刘桥平;邱昕;郭瑞;;基于深度神经网络的自动调制识别[J];电子设计工程;2019年23期

2 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[J];火力与指挥控制;2017年01期

3 何斌;;基于高阶累积量的调制识别技术的研究[J];信息通信;2017年01期

4 单琳娜;;关于通信信号调制识别技术的分析研究[J];科技资讯;2012年32期

5 游伟;周先敏;;模拟调制信号的自动调制识别[J];信号处理;2009年01期

6 吕杰,张胜付,张克,邵伟华,谷明;移动通信信号自动调制识别的谱相关方法[J];电讯技术;1999年02期

7 陆明泉;肖先赐;;同信道多信号的调制识别方法[J];清华大学学报(自然科学版)网络.预览;2009年10期

8 李唱白;杨杰;黄知涛;王翔;;基于深度学习的通信信号调制识别算法[J];空间电子技术;2019年01期

9 王东旭;陈殿仁;李兴广;陈磊;;基于小波变换的调制识别算法[J];数字技术与应用;2017年01期

10 周玫汝;;数字通信信号自动调制识别技术研究[J];数码世界;2018年05期

相关会议论文 前10条

1 崔灿;刘作学;孔德强;崔凯;;调制识别算法研究[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

2 王琳琳;黄英;雷菁;;卫星通信中调制识别算法研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

3 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

4 姜楠;王彬;李勇斌;;基于异构网络多特征的水声通信信号调制识别[A];2018年全国声学大会论文集 C水声工程和水声信号处理[C];2018年

5 罗攀;边东明;李广侠;;卫星通信中的数字调制识别算法[A];第五届卫星通信新业务新技术学术年会暨卫星通信系统网间互联互通与接口标准研讨会论文集[C];2009年

6 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

7 杨宇;邓晓;;基于小波分析的RFID信号调制识别[A];第二十届电工理论学术年会论文集[C];2008年

8 李伟斌;陈建华;;无线信号的自适应调制识别综述[A];江苏省通信学会2004年学术年会论文集[C];2004年

9 唱亮;;衰落信道下短波信号调制识别方法研究[A];2009年全国无线电应用与管理学术会议论文集[C];2009年

10 裴承全;何继爱;;稳定分布下基于传感器节点分布式协作的调制识别研究[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

相关博士学位论文 前10条

1 谢李晋;基于压缩感知的通信信号识别技术研究[D];电子科技大学;2018年

2 韩钢;自适应单载波、多载波调制中信号盲检测技术研究[D];西安电子科技大学;2003年

3 张炜;数字通信信号调制方式自动识别研究[D];国防科学技术大学;2006年

4 王彬;无线衰落信道中的调制识别、信道盲辨识和盲均衡技术研究[D];解放军信息工程大学;2007年

5 胡国兵;雷达信号调制识别相关技术研究[D];南京航空航天大学;2011年

6 安琦;信号侦收中的识别与分类理论与算法研究[D];电子科技大学;2017年

7 吕铁军;通信信号调制识别研究[D];电子科技大学;2000年

8 陈健;通信信号参数盲估计方法的研究[D];西安电子科技大学;2005年

9 付永明;基于拟合优度检验的通信信号检测与识别技术[D];国防科学技术大学;2015年

10 崔伟亮;衰落信道下非合作接收中调制识别技术研究[D];解放军信息工程大学;2011年

相关硕士学位论文 前10条

1 吕彦芳;OFDM索引调制的自动调制识别[D];西安电子科技大学;2019年

2 吕志良;基于深度学习的调制识别干扰检测系统[D];西南交通大学;2019年

3 徐茂;基于卷积神经网络的自动调制识别技术的研究[D];西南交通大学;2019年

4 毛仲浩;基于深度学习的通信信号调制识别算法研究[D];西南交通大学;2019年

5 漆轩;基于深度学习的自动调制识别研究[D];重庆邮电大学;2019年

6 王飞扬;基于深度学习的通信信号调制识别研究[D];电子科技大学;2019年

7 王咏实;基于深度学习的数字调制信号识别算法研究[D];电子科技大学;2019年

8 雷志坤;基于深度学习的调制识别技术研究[D];电子科技大学;2019年

9 周林宇;基于压缩采样的宽带信号的参数估计和调制识别[D];电子科技大学;2019年

10 陈兴;复杂电磁环境下无线信源的参数估计与调制识别[D];大连理工大学;2019年

本文编号：2776708