针对现有的复合调制信号参数估计方法在Alpha稳定分布噪声中性能严重退化的问题,提出一种基于L-DFT(L-Filter-Based DFT)的线性调频与相位编码(Linear Frequency Modulation and Binary Phase Shift Keying,LFM-BPSK)复合调制信号参数...针对现有的复合调制信号参数估计方法在Alpha稳定分布噪声中性能严重退化的问题,提出一种基于L-DFT(L-Filter-Based DFT)的线性调频与相位编码(Linear Frequency Modulation and Binary Phase Shift Keying,LFM-BPSK)复合调制信号参数估计方法。该方法首先定义了L-DCFT(L-Filter Based Discrete Chirp-Fourier Transform),平方倍频法消除编码调相后,采用L-DCFT估计信号的起始频率和调制斜率;分析了循环自相关函数中脉冲出现概率增大的问题,提出了基于改进L-DFT和循环统计量的码速率估计方法。仿真结果表明,基于L-DFT的参数估计方法能有效抑制脉冲噪声,在强脉冲噪声中具有良好的参数估计性能。展开更多
自动调制识别在无线通信领域发挥了巨大作用。多数研究中假设的加性高斯白噪声信道已不再满足实际信道环境的准确描述。实际中,由于闪电、雷暴、多用户干扰、设备故障等原因,信道环境中广泛存在Alpha稳定分布噪声。因此对其开展研究更...自动调制识别在无线通信领域发挥了巨大作用。多数研究中假设的加性高斯白噪声信道已不再满足实际信道环境的准确描述。实际中,由于闪电、雷暴、多用户干扰、设备故障等原因,信道环境中广泛存在Alpha稳定分布噪声。因此对其开展研究更符合实际且具有挑战性。该文针对Alpha稳定分布噪声提出了一种预处理联合轻量级网络的调制识别方法。首先,通过对数域映射及阈值限制对接收信号进行预处理,抑制由Alpha稳定分布噪声带来的尖锐脉冲将信号幅度控制到合理范围;然后,提出一种基于Ghost模块的轻量级网络来完成信号的调制识别分类任务。实验结果表明,与现有的CLDNN(Convolutional Long Short-term Deep Neural Network)、CNN(Convolutional Neural Network)、ResNe(t Residual Network)相比,本文所提方法具有较高的识别准确率及较低的计算复杂度。展开更多
舰船辐射噪声由于包含舰船声源吨位、航速、螺旋桨特征等信息,一直是舰船识别研究的重点与难点,对国计民生具有重大意义。本文以舰船辐射噪声为主要对象,针对Alpha稳定分布噪声环境下舰船识别的问题进行研究。选用反正切非线性变换的方...舰船辐射噪声由于包含舰船声源吨位、航速、螺旋桨特征等信息,一直是舰船识别研究的重点与难点,对国计民生具有重大意义。本文以舰船辐射噪声为主要对象,针对Alpha稳定分布噪声环境下舰船识别的问题进行研究。选用反正切非线性变换的方法抑制背景噪声的影响,再提取1.5维谱特征输入基于粒子群优化算法的识别器进行识别。仿真实验表明,当混合信噪比高于-5 d B时,舰船辐射噪声的识别率高于90%。实际舰船辐射噪声信号实验进一步验证了本文算法的有效性。展开更多
文摘针对现有的复合调制信号参数估计方法在Alpha稳定分布噪声中性能严重退化的问题,提出一种基于L-DFT(L-Filter-Based DFT)的线性调频与相位编码(Linear Frequency Modulation and Binary Phase Shift Keying,LFM-BPSK)复合调制信号参数估计方法。该方法首先定义了L-DCFT(L-Filter Based Discrete Chirp-Fourier Transform),平方倍频法消除编码调相后,采用L-DCFT估计信号的起始频率和调制斜率;分析了循环自相关函数中脉冲出现概率增大的问题,提出了基于改进L-DFT和循环统计量的码速率估计方法。仿真结果表明,基于L-DFT的参数估计方法能有效抑制脉冲噪声,在强脉冲噪声中具有良好的参数估计性能。
文摘自动调制识别在无线通信领域发挥了巨大作用。多数研究中假设的加性高斯白噪声信道已不再满足实际信道环境的准确描述。实际中,由于闪电、雷暴、多用户干扰、设备故障等原因,信道环境中广泛存在Alpha稳定分布噪声。因此对其开展研究更符合实际且具有挑战性。该文针对Alpha稳定分布噪声提出了一种预处理联合轻量级网络的调制识别方法。首先,通过对数域映射及阈值限制对接收信号进行预处理,抑制由Alpha稳定分布噪声带来的尖锐脉冲将信号幅度控制到合理范围;然后,提出一种基于Ghost模块的轻量级网络来完成信号的调制识别分类任务。实验结果表明,与现有的CLDNN(Convolutional Long Short-term Deep Neural Network)、CNN(Convolutional Neural Network)、ResNe(t Residual Network)相比,本文所提方法具有较高的识别准确率及较低的计算复杂度。
文摘舰船辐射噪声由于包含舰船声源吨位、航速、螺旋桨特征等信息,一直是舰船识别研究的重点与难点,对国计民生具有重大意义。本文以舰船辐射噪声为主要对象,针对Alpha稳定分布噪声环境下舰船识别的问题进行研究。选用反正切非线性变换的方法抑制背景噪声的影响,再提取1.5维谱特征输入基于粒子群优化算法的识别器进行识别。仿真实验表明,当混合信噪比高于-5 d B时,舰船辐射噪声的识别率高于90%。实际舰船辐射噪声信号实验进一步验证了本文算法的有效性。
