针对低信噪比(signal to noise ratio,SNR)下雷达信号脉内调制类型识别率较低的问题,提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解,按照Chirp基载频与调频率...针对低信噪比(signal to noise ratio,SNR)下雷达信号脉内调制类型识别率较低的问题,提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解,按照Chirp基载频与调频率的不同组合对信号划分类别,并设置对应的分类特征参数。然后,计算信号的伪Wigner-Ville时频分布并提取Zernike矩。上述特征参数组成信号特征矢量,使用残差神经网络分类器实现雷达信号识别。仿真结果表明,在SNR=-2 dB时识别准确率能达到93%以上,同时鲁棒性验证良好,算法复杂度能够满足现实要求。展开更多
针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平...针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平均校验方程符合度值,其最大值所对应的索引号即为多项式库中的正确多项式索引号,从而完成编码多项式的识别。该算法仅仅遍历有限的多项式数据库,其计算量较小,只与截获的数据量有关;算法采用的数据为软判决信息,故其容错性能较好。仿真结果表明:在信噪比为0 d B条件下,仅需要截获10码块,交织长度为100的码元数据量,参数的识别率就能达到90%以上。展开更多
针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频...针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。展开更多
在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的...在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 d B时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。展开更多
文摘针对低信噪比(signal to noise ratio,SNR)下雷达信号脉内调制类型识别率较低的问题,提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解,按照Chirp基载频与调频率的不同组合对信号划分类别,并设置对应的分类特征参数。然后,计算信号的伪Wigner-Ville时频分布并提取Zernike矩。上述特征参数组成信号特征矢量,使用残差神经网络分类器实现雷达信号识别。仿真结果表明,在SNR=-2 dB时识别准确率能达到93%以上,同时鲁棒性验证良好,算法复杂度能够满足现实要求。
文摘针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平均校验方程符合度值,其最大值所对应的索引号即为多项式库中的正确多项式索引号,从而完成编码多项式的识别。该算法仅仅遍历有限的多项式数据库,其计算量较小,只与截获的数据量有关;算法采用的数据为软判决信息,故其容错性能较好。仿真结果表明:在信噪比为0 d B条件下,仅需要截获10码块,交织长度为100的码元数据量,参数的识别率就能达到90%以上。
文摘针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。
文摘在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 d B时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。
