论文部分内容阅读
本文研究了信号调制方式识别和参数估值两个关键技术。首先阐述了信号调制方式识别和参数估值技术的发展历程、研究现状以及目前研究存在的问题；其次，介绍了本课题的主要研究内容及创新点，主要包括：（1）为了在低信噪比环境下提高信号调制方式识别准确率，提出了一种基于功率谱形态学运算的信号识别方法。该方法根据不同调制类型信号的功率谱具有较大差异的特点，以及形态学运算的特点，利用功率谱形状特征进行信号识别。该方法中的功率谱形状特征稳定性好，且易于提取。仿真实验表明，在信噪比为4dB时，本方法比hierarchical方法的识别准确率提高了0.84%，比ZAM-GTFR方法的识别准确率提高了9.38%。（2）为了在低信噪比环境下提高信号参数估计精度，本文提出了一种基于功率谱FFT的信号参数估值算法。根据CW、LFM、FCP、BPSK四种信号各参数与功率谱FFT得到的幅度谱和相位谱之间的关系，实现这四种信号的参数估值。仿真试验表明，在SNR>10dB时，该算法可以实现CW、BPSK信号全部参数和LFM、FCP部分参数的准确估值。（3）针对当前LFM信号参数估计算法中存在的估计精度与计算量的矛盾问题，提出了一种基于功率谱形态学运算的参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系，实现了LFM信号的参数估计。该算法中的功率谱形状特征抗噪性能好，且计算简单易于提取。仿真试验表明，在信噪比为5dB时，LFM信号的调频斜率和起始频率估计精度分别比RAT和FRFT结合的离散谱校正算法提高了约2%和4.5%，带宽和脉冲宽度估计的均方根误差分别小于2.4MHz和0.025μ s；并且本文计算量远小于插值FRFT算法，证明了该算法具有高估计精度和低运算量的优点。