信号识别小结(大全5篇) .pdfVIP

信号识别小结（大全5篇）

第一篇：信号识别小结

信号识别1.特征参数法

思路：根据瞬时幅度，瞬时相位，瞬时频率特征参数的差异进行

识别优点：计算量小，简单缺点：受信噪比影响大

2.功率谱方法

思路：经典功率谱估计有直接法，间接法

直接法：=2

优点：简单，快速

缺点：当数据N太大时，谱曲线起伏加剧，N太小时，谱分辨率

不好。

1间接法：PPERMM1k02jN

1x(k)ejwk

优点：采用分段取平均值方法使方差性能得到改善。缺点：方差

性能的改善是以牺牲偏差和分辨率为代价的。

3.基于小波变换（衍生的方法）思路：1.对信号进行小波变换，提

取变化后时域的包络方差与均值平方之比作为特征参数

2.提取频域频率，幅度，相位，功率谱密度等特征

3.时域频域相结合

优点：克服傅里叶变换的不足，对瞬时信息具有较强的检测能力

缺点：小波变换的方法对于类间识别效果还不是很理想,如对

2PSK和4PSK的

识别,单独用该方法还不能达到很好的分类效果,必须与其它方法

结合使用。

4.高阶累积量方法

思路：计算二阶、四阶、六阶、八阶累积量，并通过归一化、平

方等变换寻找差异进行区分

优点：对噪声不敏感

缺点：对载波和码元同步要求较高

5.人工智能识别方法

思路：利用专家系统、人工神经网络、模糊推理、Agent理论、

遗传算法等人工智能方法形成经验与知识的推理规则

优点：不依赖数据库的先验知识，分析灵活，自我学习缺点：容

易漏检、误判

6.基于支持向量机的信号识别

思路：通过优化算法函数（结构风险最小化原理，粒子群优化，

模糊数学，粗集理论），模型建立（一对一或一对多）和参数的而选

择（带宽、均值、峰值点，归一化瞬时幅度等）进行信号的识别优点：

善于解决高维分类问题，识别准确率高缺点：复杂度高，理论算法还

不够完善通信信号调制方式识别方法综述1.AWGN条件下的基本识别

方法1.1基于统计模式的调制识别方法

特征参数：信号谱特征，信号平方谱的谱峰数，谱功率，瞬时值

统计特征，星座点间的Hellinger距离，高阶累积量、小波变换降噪，

分形集维数

优点：理论分析简单；高信噪比时特征易于提取、适用类型多、

识别性能好；在预处理精度较差、先验知识较少的非合作通信环境下

仍具有较好的识别性能。

缺点：算法识别体系繁杂；理论基础不完善；算法效率低。1.2基

于决策论的调试识别方法主要算法：似然比检验法（LRT），最大似

然比检验（MLRT），平均似然比检验（ALRT），广义似然比检验

（GLRT），混合似然比检验（HLRT），类似然比算法。

优点：理论基础完备；在低信噪比环境下能够保证较好的性能。

缺点：算法复杂，计算量大；适用性差；识别条件严格。

2.非理想信道的调制识别（非高斯即存在信号衰落，多径效应，

色噪声等）2.1基于决策论的调制识别方法：GLRT算法，qHLRT算法，

qHLRT-UB算法

2.2基于统计模式的调制识别方法：循环累计特征矢量，四阶累积

量，六阶累积量

3.共信道多信号的调制识别（一个信道内存在多个时频混叠的信

号）

3.1基于信号分离的识别方法：拟合法；经验模态分解法；独立分

量分解法3.2基于提取特征参数的方法：基于信号的周期谱特征完成

重叠信号调试识别；

基于小波变换利用Haar脊线构建识别特征参量的方法；

基于循环谱，循环累积量特性的识别方法；基于AR、GAR模型

提取特征参量的识别方法；基于压缩感知与高阶循环累计量的识别方

法。

经典功率谱估计有直接法和间接法两种,直接法又称周期图法,它是

把随机信号y(k)的N点观察数据yN(k)视为一能量有限信号,直接取

yN(k)的傅里叶变换,得到XN(ejω),然后再取其幅值的平方,并除以N,作

为对y(k)真实的功率谱P(ejω)的估计。以PPER(ejω)表示周期图