采用主分量分析的非合作水声通信信号调制识别
Modulation Recognition Method of Non-cooperation Underwater Acoustic Communication Signals Using Principal Component Analysis
查看参考文献25篇
|
文摘
|
由于信道传输特性、信噪比低等因素的影响,非合作水声通信信号的调制识别极具挑战性。对信号功率谱、平方谱进行主分量分析,提取代表不同类型调制信号特有信息的主分量作为特征参数,从而降低特征参数维度、抑制噪声影响,并在此基础上设计一种基于人工神经网络的水声通信信号调制方式分类器。海上实录信号数据的识别实验结果表明了该方法的有效性。 |
|
其他语种文摘
|
The modulation classification of the non-cooperation underwater acoustic communication signals is extremely challenging due to channel transmission characteristics and low signal-to-noise ratio. The principal component analysis (PCA) is used to analyze the power spectra and square spectrum features of signals, which is capable of extracting the principal components associated with different modulated signals as input vector, thus reducing the feature dimension and suppressing the influence of noise. An artificial neural network (ANN) classifier is proposed for modulation recognition. The experimental modulation classification results obtained from field signals in 4 different underwater acoustic channels show that the proposed modulation recognition method has good classification performance. |
|
来源
|
兵工学报
,2016,37(9):1670-1676 【核心库】
|
|
DOI
|
10.3969/j.issn.1000-1093.2016.09.017
|
|
关键词
|
声学
;
水声通信信号
;
谱特征
;
调制识别
;
主分量分析
;
人工神经网络分类器
|
|
地址
|
1.
厦门大学, 水声通信与海洋信息技术教育部重点实验室, 福建, 厦门, 361005
2.
解放军信息工程大学, 河南, 郑州, 450002
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-1093 |
|
学科
|
电子技术、通信技术 |
|
基金
|
国家自然科学基金
|
|
文献收藏号
|
CSCD:5837106
|
参考文献 共
25
共2页
|
|
1.
Wu Z. Modulation detection of underwater acoustic communication signals through cyclostationary analysis.
2012 Military Communications Conference,2012
|
CSCD被引
1
次
|
|
|
|
|
2.
Li X. Novel modulation detection scheme for underwater acoustic communication signal through short-time detailed cyclostationary features.
2014 IEEE Wireless Communications and Networking Conference,2014:624-629
|
CSCD被引
1
次
|
|
|
|
|
3.
Nandi A K. Automatic analogue modulation recognition.
Signal Processing,1995,46(2):211-222
|
CSCD被引
39
次
|
|
|
|
|
4.
Nandi A K. Algorithms for automatic modulation recognition of communication signals.
IEEE Transactions on Communications,1998,46(4):431-436
|
CSCD被引
115
次
|
|
|
|
|
5.
Swami A. Hierarchical digital modulation classification using cumulates.
IEEE Transactions on Communications,2000,48(3):416-429
|
CSCD被引
165
次
|
|
|
|
|
6.
Gardner W A. Cyclic-spectral analysis for signal detection and modulation recognition.
1988 Military Communications Conference,1988:419-424
|
CSCD被引
1
次
|
|
|
|
|
7.
范海波. 卫星通信常用调制方式的自动识别.
通信学报,2004,25(1):140-149
|
CSCD被引
31
次
|
|
|
|
|
8.
刘明骞. 数字调制信号识别的特征参数优化方法.
计算机科学,2011,38(11):79-82
|
CSCD被引
2
次
|
|
|
|
|
9.
董建超. 主分量分析在激励源识别中的应用研究.
振动与冲击,2013,32(24):157-163
|
CSCD被引
4
次
|
|
|
|
|
10.
Tong F. Impact-acoustics-based health monitoring of tile-wall bonding integrity using principal component analysis.
Journal of Sound and Vibration,2006,294(S1/S2):329-340
|
CSCD被引
2
次
|
|
|
|
|
11.
Liu H. Toward integrating feature selection algorithms for classification and clustering.
IEEE Transactions on Knowledge and Data Engineering,2005,17(3):491-502
|
CSCD被引
124
次
|
|
|
|
|
12.
Soares-Filho W. Principal component analysis for classifying passive sonar signals.
The 2001 IEEE International Symposium on Circuits and System,2001:592-595
|
CSCD被引
2
次
|
|
|
|
|
13.
魏鑫. 基于小波包与PCA方法对水下目标识别研究.
计算机仿真,2011,28(8):8-11
|
CSCD被引
4
次
|
|
|
|
|
14.
洪先成. 多特征融合的雷达信号脉内调制识别.
信息与电子工程,2011,9(5):551-555
|
CSCD被引
1
次
|
|
|
|
|
15.
常威威. 基于主分量分析的高光谱遥感数据噪声消除方法.
计算机测量与控,2009,17(6):1070-1072
|
CSCD被引
2
次
|
|
|
|
|
16.
Haykin S O.
Neural networks and learning machine,2008
|
CSCD被引
1
次
|
|
|
|
|
17.
Ripley B D.
Pattern recognition and neural networks,2008
|
CSCD被引
2
次
|
|
|
|
|
18.
梁传建. 基于神经网络和遗传算法的火炮结构动力学优化.
兵工学报,2015,36(5):789-794
|
CSCD被引
11
次
|
|
|
|
|
19.
Chan Y T. Identification of the modulation type of a signal.
Signal Processing,1989,16(2):149-154
|
CSCD被引
16
次
|
|
|
|
|
20.
江伟华. 采用支持向量机的水声通信信号调制识别方法.
厦门大学学报:自然科学版,2015,54(4):534-539
|
CSCD被引
5
次
|
|
|
|
|
了解气象卫星更多信息，请访问