复杂电磁环境下无线信源的参数估计与调制识别

论文摘要

复杂电磁环境下无线信源的参数估计与调制识别是信号处理中的重要问题,在无线电监测、军事、软件无线电等领域都有着广泛的应用。随着无线电技术的发展,无线信道中电磁环境日益复杂,重要的频段受到恶意攻击或者无意的干扰,给无线电管理与监测带来了许多挑战,面对当前的复杂电磁环境,传统的信号处理方法在脉冲性的随机噪声与同频干扰下性能退化甚至失效,故亟需发展新的信号处理技术以解决复杂电磁环境下无线电管理与监测工作中面临的问题。针对目前无线电管理与监测工作中存在的问题,本文以无线电监测中的信号调制识别与定位为研究背景,在传统算法的基础上,结合循环相关熵、有界非线性函数等理论,在载频估计、时延估计以及信号调制方式识别等方面进行研究,提出了针对脉冲噪声与同频干扰下的载频估计、时延估计方法,以及脉冲噪声下的信号调制方式识别方法,为复杂电磁环境下的无线电监测工作提供了新的信号处理技术。具体的研究内容包括以下三个方面:(1)针对脉冲性随机噪声干扰下传统的时频混叠BPSK信号载频估计方法性能退化的问题,提出了基于循环相关熵谱的时频混叠BPSK信号载频估计方法,推导了BPSK信号在频率为零处的循环相关熵谱幅度切面表达式,证明了循环相关熵谱幅度切面在循环频率等于信号载频的两倍处可取得最大值,即可通过在循环频率域估计各时频混叠信号的循环频率,进而估计载波频率。这种基于循环相关熵谱的载频估计方法,能够抑制脉冲噪声的影响,仿真表明,本文算法具有较高的估计精度。(2)针对脉冲性随机噪声与同频干扰下传统的循环时延估计方法性能退化甚至失效的问题,受到循环相关熵函数的启发,将基于相关熵的相关函数与循环统计量相结合提出了广义循环相关熵函数,利用广义循环相关熵函数代替循环相关函数,提出基于广义循环相关熵函数的信号选择性时延估计新方法。仿真表明,本文方法能有效的抑制脉冲性随机噪声、高斯噪声以及同频干扰信号的影响,是一种韧性的信号选择性时延估计方法。(3)针对脉冲性随机噪声干扰下传统的基于高阶累积量的MPSK信号调制识别方法失效的问题,引入了一个基于双曲正切函数(tanh)连续可导有界非线性函数,可通过调节有界非线性函数的参数来对信号进行预处理,有效的抑制脉冲性随机噪声中的野点。构建了三个基于有界非线性函数广义高阶累积量分类特征,改进了传统的基于高阶累积量的MPSK信号进行调制识别方法,实现了{BPSK、QPSK、OQPSK、8PSK}四类信号的调制方式类内识别,该方法在脉冲噪声特征指数??[0.4,2]都能有效地识别信号调制方式,准确率接近100%,是一种韧性的调制识别方法。

论文目录

文章来源

类型: 硕士论文

作者: 陈兴

导师: 邱天爽

关键词: 稳定分布,广义循环相关熵,有界非线性函数,参数估计,调制识别

来源: 大连理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 物理学,电信技术

单位: 大连理工大学

分类号: TN98;O441

DOI: 10.26991/d.cnki.gdllu.2019.000427

总页数: 62

文件大小: 2004K

下载量: 112

相关论文文献

• [1].数字通信信号自动调制识别分析[J]. 信息记录材料 2020(07)
• [2].基于深度神经网络的自动调制识别[J]. 电子设计工程 2019(23)
• [3].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(01)
• [4].基于高阶累积量的调制识别技术的研究[J]. 信息通信 2017(01)
• [5].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(10)
• [6].调制识别中的相位去卷绕研究[J]. 电子世界 2020(14)
• [7].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(01)
• [8].基于小波变换的调制识别算法[J]. 数字技术与应用 2017(01)
• [9].数字通信信号自动调制识别技术研究[J]. 数码世界 2018(05)
• [10].关于通信信号调制识别技术的分析研究[J]. 科技资讯 2012(32)
• [11].模拟调制信号的自动调制识别[J]. 信号处理 2009(01)
• [12].非合作通信中调制识别算法研究进展[J]. 科技导报 2019(04)
• [13].数字通信信号自动调制识别技术[J]. 电子技术与软件工程 2015(23)
• [14].数字通信信号自动调制识别技术[J]. 黑龙江科技信息 2016(13)
• [15].多径信道下基于高阶累积量的通信信号调制识别算法[J]. 信息工程大学学报 2015(01)
• [16].无线电信号的调制识别研究[J]. 中国新通信 2014(08)
• [17].扩展时域统计参数的调制识别方法研究[J]. 信息通信 2012(02)
• [18].数字通信信号自动调制识别技术研究[J]. 数字通信世界 2019(09)
• [19].数字通信信号自动调制识别算法研究[J]. 电子世界 2014(16)
• [20].基于时频回归特性分析的信号脉内调制识别[J]. 计算机仿真 2010(12)
• [21].双谱特征和深度学习在信号调制识别中的应用[J]. 弹箭与制导学报 2019(05)
• [22].基于特征融合的自动调制识别方案设计[J]. 通信技术 2020(10)
• [23].基于能量聚焦效率检验的信号脉内调制识别[J]. 通信学报 2013(06)
• [24].基于自适应小波消噪的数字调制识别优化算法[J]. 电子与信息学报 2011(02)
• [25].浅析通信信号的调制识别[J]. 科技信息(科学教研) 2008(05)
• [26].基于联合特征参数提取的非合作信号调制识别算法[J]. 通信学报 2020(07)
• [27].基于机器学习的通信信号调制识别研究综述[J]. 电子测量技术 2018(24)
• [28].基于无线传感器网络的多节点调制识别方法[J]. 计算机工程 2012(16)
• [29].基于瞬时参数的调制识别算法[J]. 电子技术 2011(06)
• [30].基于联合特征参数的数字调制识别优化算法[J]. 系统工程与电子技术 2011(12)

标签：稳定分布论文;  广义循环相关熵论文;  有界非线性函数论文;  参数估计论文;  调制识别论文;