-
公开(公告)号：CN103152790A
公开(公告)日：2013-06-12
申请号：CN201310040697.0
申请日：2013-02-03
Applicant: 南京邮电大学
CPC classification number: Y02D70/34
Abstract: 本发明提供一种基于相关性分簇的两级融合调制识别方法，为了实现对BPSK，2FSK，2ASK，QPSK，4FSK以及4ASK这6种调制方式的正确识别，本发明特征提取方法为采用db3小波对这六种信号进行7层分解，对每层信号重构并计算各层信号的平均方差S，得到S1~S8八个参数；同时引入四种瞬时特征参数、、、，以便对2PSK、QPSK和2ASK三种信号进行更好的识别。为克服“隐终端”问题，该发明采用了一种基于接收信号相关性进行分簇的两级融合调制识别的方法，该方法基于接收信号能量的相关性进行分簇，簇内节点根据接收信噪比的大小提取不同的参数进行协作，每个节点只提取一个特征参数，提取方法如上所述，簇头进行初级特征融合，汇聚中心进行决策级融合。
-
公开(公告)号：CN103067325A
公开(公告)日：2013-04-24
申请号：CN201310038183.1
申请日：2013-01-31
Applicant: 南京邮电大学
IPC: H04L27/00
Abstract: 本发明提供一种基于多类特征参数和证据理论的协作调制识别方法，实现对2ASK，4ASK，8ASK，2PSK，QPSK，8PSK，2FSK，4FSK，8FSK，16QAM，32QAM，64QAM和OFDM13种调制方式正确识别。相互协作的节点提取不同类的特征参数，它们分别是基于瞬时信息的特征提取，基于小波分解的细节系数与高阶累积量相结合的特征提取和基于信号倒谱系数的特征提取，这些特征参数可以从不同角度表征目标信号，每个节点将特征参数输入到已训练好的BP神经网络进行测试，然后将神经网络的输出直接作为证据送往融合中心进行融合，融合规则采用D-S证据理论组合规则。
-
公开(公告)号：CN103152790B
公开(公告)日：2016-07-27
申请号：CN201310040697.0
申请日：2013-02-03
Applicant: 南京邮电大学
CPC classification number: Y02D70/34
Abstract: 本发明提供一种基于相关性分簇的两级融合调制识别方法，为了实现对BPSK，2FSK，2ASK，QPSK，4FSK以及4ASK这6种调制方式的正确识别，本发明特征提取方法为采用db3小波对这六种信号进行7层分解，对每层信号重构并计算各层信号的平均方差S，得到S1~S8八个参数；同时引入四种瞬时特征参数、、、，以便对2PSK、QPSK和2ASK三种信号进行更好的识别。为克服“隐终端”问题，该发明采用了一种基于接收信号相关性进行分簇的两级融合调制识别的方法，该方法基于接收信号能量的相关性进行分簇，簇内节点根据接收信噪比的大小提取不同的参数进行协作，每个节点只提取一个特征参数，提取方法如上所述，簇头进行初级特征融合，汇聚中心进行决策级融合。
-
-
Search Results
3
records
(took 0.014 seconds)
