本发明属于无线通信网络技术领域，公开了一种基于高阶累积量WFRFT信号级联调制识别方法、无线通信系统，通过最小化接收信号的四阶累积量模值(|C42|)来实现WFRFT调制阶数的识别，并利用Parabola方法实现WFRFT阶数的优化搜索，进而合理选择|C42|判决门限来实现对传统ASK、PSK、QAM基带信号的初步识别；进一步，通过对接收信号的四阶、八阶累积量计算，利用二元门限判决方法，确定最终的基带星座大小来实现WFRFT信号的精确识别。利用本发明，能够在较低信噪比条件下，实现WFRFT信号的调制识别，最终实现非协作通信条件下的信号正确解调，可以运用于WFRFT系统中的信号检测、识别中。
📄 2018106484035
📂 H04L27_00
👤 阳光学院
📅 2018-06-22
一种基于CNN的多水下信标信号识别方法，每个信标发射信号的设计，运用扩频编码技术并结合相频同移混合键控方式调制，使不同的信标信号具有不同的相位特征和频率特征；将采样的信标信号序列转换为二维图片，通过短时傅里叶变换得到相位图和频谱图进而融合而成相频特征图，以此作为信号识别的依据；轻量化的卷积神经网络结构的搭建，共由1个输入层、4个卷积层、3个池化层、1个全连接层和1个softmax层组成，完成从相频特征图到信标序号的映射；不仅在相频特征图上进行数据扩充，而且在采样信号序列上进行数据扩充，使训练的模型具有较强鲁棒性。该方法可有效提升信标的作用距离和识别精度，轻量化的模型设计也适用于信号的实时识别。
📄 2021106646239
📂 H04L27_00
👤 浙江工业大学
📅 2021-06-16
一种基于深度学习的无线电信号聚类方法，包括：S1，将第二数据集与第一数据集的样本数据大小调整一致，然后将两个数据集的样本数据分成若干包含相同数量的样本数据的批次；S2，构建深度模型，将调整后的第二数据集分批样本数据输入深度模型进行预训练，直到模型训练稳定；S3，聚类训练；S4，输出聚类结果。本发明还包括一种基于深度学习的无线电信号聚类系统。本发明搭建了一种一维卷积和二维卷积结合的神经网络，使用调制信号数据集对深度模型进行预训练，能够使得深度模型更倾向于提取与调制类型相关的特征，在后续聚类时，引导模型按调制类型对样本进行聚类，该方法在信号聚类上具有较好的普适性。
📄 2021100538442
📂 H04L27_00
👤 浙江工业大学
📅 2021-01-15
本发明公开了一种基于LSTM的分级式无线信号调制类型识别方法，包括(1)对获取的无线信号样本进行归一化处理和K-means聚类，(2)构建信噪比分类网络，利用无线信号样本训练信噪比分类网络，获得信噪比分类模型；(3)对信噪比不大于0dB的无线信号进行滤波降噪处理；(4)在步骤(3)之后，针对每类信噪比构建一个无线信号调制类型识别网络，利用与信噪比等级对应的无线信号子集训练无线信号调制类型识别网络，最终获得k个无线信号调制类型识别模型；(5)将待识别无线信号经归一化处理后输入至信噪比分类模型中，根据获得的信噪比等级，选择对应的无线信号调制类型识别模型进行识别，输出调制类型。
📄 2019100890877
📂 H04L27_00
👤 浙江工业大学
📅 2019-01-30
本发明公开了一种联合特征提取的调制信号识别方法，其特征在于，包括如下步骤：1）信号接收；2）信号预处理；3）特征参数提取；4）设置判决门限；5）分类识别。这种方法所需特征参数少、步骤简洁、复杂度低，在低信噪比下识别率高且能弥补高阶累计量单一特征的局限，适用于多种不同类型的调制信号识别。
📄 2021104796744
📂 H04L27_00
👤 桂林电子科技大学
📅 2021-04-30
基于极端学习机的空间相关MIMO系统的盲调制识别算法，包括如下步骤：步骤S1、构建一个具有Nt个发射天线和Nr个接收天线的MIMO系统；发射天线的个数Nt大于等于接收天线的个数Nr；步骤S2、MIMO系统中BS有M根天线、MS有N根天线，使用矩阵表示窄带MIMO信道；步骤S3、对信号x的N个样本进行特征提取；步骤S4、将N个样本组成训练集，确定期望准确度，隐藏层节点数归零，训练ELM。本发明可以在无需知道传输信道相应参数的情况下对MIMO通信系统进行调制识别，从而应对信号的相关性问题。
📄 2019102989162
📂 H04L27_00
👤 南京邮电大学
📅 2019-04-15
本发明公开了一种嵌套式循环PN序列的多载波同步方法及系统，本发明方法依次进行载波频偏估计步骤和频偏校正步骤；所述的载波频偏估计步骤，对分离出的嵌套式循环PN序列进行处理；所述的载波频偏校正步骤，对接收信号载波频偏进行校正。采用本发明的技术方案，其应用于适合低信噪比传输及杂波干扰恶劣的地面无线通信、卫星与电力线通信等数字通信领域。
📄 2016109755491
📂 H04L27_00
👤 杭州电子科技大学
📅 2016-11-07
本发明基于混杂系统的相位分离差分混沌键控通信方法，步骤包括：步骤1、设置通信系统参数；步骤2、准备待发送的二进制信息；步骤3、产生混沌信号；步骤4、准备发射信号；步骤5、接收信号解调；步骤6、对解调信号进行混沌匹配滤波；步骤7、最佳信噪比点抽样提取；步骤8、判断码元的极性，解码得到恢复信号，通信完成。本发明的方法，相比于传统DCSK方案，获得了更高的通信速率和更低的误码率；在复杂信道中低信噪比下仍能获得良好的误码性能，提高了通信设备的可靠性，并且可以实现对现有通信设备的兼容。
📄 2018101261558
📂 H04L27_00
👤 西安理工大学
📅 2018-02-08
本发明公开了一种基于模糊自编码器的水声信号自动调制识别方法，首先接收不同调制方式的水声信号，提取水声信号的形态特征与熵特征并进行归一化处理；将处理后的特征用于训练模糊自编码器，得到训练好的映射权值与偏置；使用训练好的映射权值与归一化后的原始特征相乘并与偏置项相加，完成特征的映射；将映射后的特征进行归一化后，用于训练BP神经网络；最后，将待识别的水声信号进行同样的特征提取以及映射后，输入到训练好的BP神经网络中，实现自动调制识别。本发明最终实现低延迟、高准确率的水声信号自动调制识别，该方法抗干扰能力强、识别准确率与稳定性高。
📄 2020110870567
📂 H04L27_00
👤 青岛科技大学
📅 2020-10-12
本发明公开了一种基于混沌成形滤波器和脉冲位置调制的差分键控通信方法，步骤包括：步骤1、设置通信系统的相关参数；步骤2、准备待发送传输信号的第一、第二、第三路信息；步骤3、利用混沌成型滤波器生成混沌信号；步骤4、确定待传输参考信号；步骤5、确定待传输信息信号；步骤6、确定发送信号；步骤7、对接收信号分别进行下载频和匹配滤波；步骤8、对I路和Q路滤波信号的最大信噪比点采样；步骤9、采样序列重组；步骤10、第一路信息比特恢复判决；步骤11、第二路和第三路信息比特恢复判决，完成解码过程。本发明方法，具有更高的数据传输速率，提升了误码率性能。
📄 2020114289690
📂 H04L27_00
👤 西安理工大学
📅 2020-12-09
本发明公开了一种基于混沌成型滤波和相互校验的差分混沌键控方法，步骤包括：1)设置通信系统参数；2)准备待发送的第k帧HPS信息，对应的LPS信息和预定义的映射码；3)LPS信息数据映射；4)LPS信息经过数据映射后，再将映射序列送入如下混沌成型滤波器得到混沌参考信号；5)HPS信息调制，将混沌参考信号乘以HPS信息，得到传输信息信号；6)准备发射信号；7)接收信号下载频及匹配滤波；8)匹配滤波信号最大信噪比点采样；9)HPS信息估计；10)LPS信息估计；11)HPS、LPS估计信息相互校验，完成解码过程。本发明方法，既提升了通信速率，又显著减小了HPS和LPS的误码率。
📄 2020114323526
📂 H04L27_00
👤 西安工业大学
📅 2020-12-09
本发明公开了一种多用户正交频分复用差分混沌键控通信方法，步骤包括：1)设置通信系统参数；2)为P个用户分配索引值；3)每个用户利用索引值对应选择参考符号序列；4)生成各用户的混沌参考信号；5)为各用户的混沌参考信号分配子载波；6)构成该用户的信息承载信号；7)构建逆傅里叶变换输入矩阵；8)得到发送信号；9)对接收信号依次进行移除循环前缀、串并转换、傅里叶变换；10)进行最大信噪比点采样；11)采样序列重组；12)用户索引值恢复判决；13)选择参照矩阵对应行的元素序列作为新的混沌参考序列；14)用户传输信息数据解码。本发明的方法，使得混沌参考序列更加准确，进一步提升通信系统的误码率性能。
📄 2020115659765
📂 H04L27_00
👤 西安理工大学
📅 2020-12-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台