利用累积量和似然特征的卫星单-混信号调制识别算法 modulation classification algorithm for satellite single-mixed signals using cumulants and likehood features.pdfVIP

下载本文档

7
0
约1.79万字
约 5页
2017-08-12 发布于上海
举报
版权申诉

利用累积量和似然特征的卫星单-混信号调制识别算法 modulation classification algorithm for satellite single-mixed signals using cumulants and likehood features.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

利用累积量和似然特征的卫星单-混信号调制识别算法 modulation classification algorithm for satellite single-mixed signals using cumulants and likehood features

第50卷第7期电讯技术 V01．50No．7 2010年7月 Telecon彻unieation Engineering Jd．2010 文章编号：1001—893X(2010)07—0044—05 利用累积量和似然特征的卫星单一混信号调制识别算法睾廖灿辉1，一，万坚2，周世东1 (1．清华大学微波与数字通信国家重点实验室，北京100084；2．信号盲处理国防科技重点实验室，成都610041) 摘要：针对卫星通信中常用调制信号和PCMA类混叠信号的调制识别问题，提出了一种利用高阶累积量和似然特征的-／g,S,]算法。算法先对接收数据进行预处理，在此基础上提取4个高阶累积量特征和 1个似然特征，构造一个树形分类器进行调制识别。算法不需要知晓信号的定时等先验信息，对收发载频存在的频差不敏感。仿真结果表明，算法在正常通信所需的载噪比下具有较高的正确识别率。关键词：卫星通信；调制识别；累积量；似然准则；成对载波多址中图分类号：TN911．7文献标识码：A doi：10．3969／j．issn．1001—893x．2010．07．010 ClassificationforSatellite Modulation Algorithm Single-Mixed CumulantsandLikehoodFeatures SignalsUsing 1 LIAOCan—hui 1”，WANJian2，ZHOU Shi—dong Labon (1．State 100084，China； Key MicrowaveDigitalCommunications，TsinghuaUniversity，Beijing 2．NationalDefenseLabonBlind 610041，China) Key SignalsProcessing，Chengdu clmmlantsandlikehood is Abstract：An features formodulationclassification algorithmusinghigh—order plq)0sed ofconventional andn洲mixedcalled carrier insatel— signals paired aceess(PCMAl single sis．als multiple signals litecommunications．After eumulantfeaturesandonelikehoodfeatureareextractedfromthe pie—processing，four receiveddatatoachieveatree-basedclassification methoddoesnotneed approach．This anypriorknowledge the isnon