智能信号识别

贺勃翔    刘    钰    王方刚    王世练    著

内  容  简  介

　　本书系统深入地论述复杂电磁环境下的智能信号识别技术 ,涉及频谱感知 、辐射源识别 、调制识别 、编码识别以及信号估值 与 检 测 等 内 容 。全 书 共 分 为 7 章 , 主 要 介 绍 了 多 信 号 共 存 下 的宽带频谱感知 、时变信道下的智能辐射源识别 、接收机畸变下的智能辐射源识别 、低信噪比下的智能调制识别 、多径和非高斯噪声下的智能编码识别 , 以及全盲场景下的联合信号检测 、估计与识别等内容 。本书结合作者多年的科研实践 ,强调理论创新与前沿技术的综合应用 。

　　本书可作为通信工程 、电子科学与技术等专业研究生的教材 ,也可作为电子对抗 、电磁频谱管理 、通信对抗等领域相关技术人员的参考书 。

本书封面贴有清华大学出版社防伪标签 ,无标签者不得销售 。

版权所有,侵权必究。 举报: 010-62782989, beiqinquan@tup.tsinghua.edu.cn。

图书在版编 目  (CIP) 数据

智能信号识别  / 贺勃翔等著 .  -- 北京  : 清华大学出版社 , 2026.  7.

ISBN 978-7-302-72242-7

Ⅰ.  TN911. 23-39

中国国家版本馆 CIP数据核字第 2026HY3087号

责任编辑 : 陈凯仁

封面设计 : 刘艳芝

责任校对 : 薄军霞

责任印制 : 杨     艳

出版发行 : 清华大学出版社

网        址: https://www. tup. com. cn, https://www. wqxuetang. com

地        址 : 北京清华大学学研大厦 A座                   邮        编 : 100084

社  总  机 : 010-83470000                                          邮         购 : 010-62786544

投稿与读者服务: 010-62776969, c-service@tup. tsinghua. edu. cn

　　　　　质量反馈: 010-62772015, zhiliang@tup. tsinghua. edu. cn印  装  者 : 大厂回族自治县彩虹印刷有限公司

经        销 : 全国新华书店

开        本 : 170mm×240mm    印    张 : 10.25    插     页 : 4    字        数 : 213千字

版        次 : 2026年 7 月第 1 版                                                              印        次 : 2026年 7月第 1次印刷

定        价 : 69.00元

前言

　　在信息技术迅猛发展的今天 , 电磁空间成为继陆 、 海 、 空 、 天 、 网之后的第六大战场 。   随着无线通信 、 雷达感知 、 卫星遥感等系统的大规模部署 , 电磁频谱资源 日益紧张 ,信号环境日趋复杂和动态多变 。  在这种背景下 ,如何准确 、 快速 、 智能地识别和理解各类电磁信号 ,成为现代通信对抗 、 频谱管理 、 认知无线电 、 通信保障等多个关键领域亟须突破的核心技术 。

　　传统的信号识别技术依赖人为设计的特征提取和判决机制 , 通常在特定假设条件下才能发挥良好性能 。  然而 ,在现实应用中 ,信号类型繁多 、 参数变化剧烈 、 信道复杂多变 、 干扰噪声严重 ,导致传统方法面临适应性差 、 泛化能力弱 、 处理效率低等瓶颈 。   随着人工智能特别是深度学习 、 强化学习和迁移学习等技术的快速发展 ,智能信号识别(intelligent signal identification, ISI)应 运 而 生 , 展 现 出 超 越 传 统 范式的巨大潜力 。  智能 信 号 识 别 不 仅 具 备 从 大 规 模 数 据 中 自 动 学 习 判 别 特 征 的 能力 ,还能在复杂环境中实现鲁棒性识别 , 支持在线学习与快速适应 , 尤其适用于动态战场 、 弹性通信 、 无人系统 、 自主网络等应用场景 。  在军事领域 ,智能信号识别技术正广泛应用于无人机识别 、 敌我识别 、 电磁干扰感知 、 电子侦察等任务 ; 在民用领域 ,智能信号识别技术在 5G/6G 网络 、 智能交通 、 工业物联网等场景中同样发挥着不可替代的作用 。

　　本书旨在系统地阐述智能信号识别的基本原理 、 核心算法与典型应用 , 围绕频谱感知 、 辐射源识别 、 调制识别 、 编码识别 、 信号估值与检测等关键问题展开深入探讨 。   同时 ,结合典型案例与实验验证 ,探索其在复杂电磁环境下的实用性能与发展前景 。  希望本书的研究与总结能为相关领域的科研人员 、 工程技术人员和决策者提供有益的理论参考与技术支撑 ,推动智能信号识别技术迈向更高层次的智能化 、自主化与体系化 。

　　本书各章节逐层推进 ,第 1 章介绍信号识别的基本原理 、 发展概述 、 应用场景以及国内外研究现状 ;第 2 章介绍多信号共存下的宽带频谱感知 , 主要包括信号的个数 、 带宽 、 载频等参数的感知 ;第 3 章介绍时变信道下的智能辐射源识别 ,包括基于稀疏贝叶斯学习的辐射源识别器和基于模型无关元学习的辐射源识别器 ;第 4 章介绍接收机畸变下的智能辐射源识别 ,包括信号分解技术 、 指纹建模以及基于多台失真接收机的协作识别器 ;第 5 章介绍低信噪比下的智能调制识别 ,包括基于统计

　特征的调制识别 、基于卷积神经网络的调制识别以及基于循环神经网络的调制识别 ;第 6章介绍多径和非高斯噪声下的编码识别 ,包括低密度奇偶校验(low-density parity-check,LDPC)码编码识别技术和无周期删余 Turbo 编码识别技术 ;第 7 章介绍全盲场景下的联合检测 、估计和识别 ,包括盲检测估计识别算法设计 、多接收机系统中盲检测估计识别算法的应用方案及基于盲检测估计识别算法的干扰消除应用方案 。

　　　本书由贺勃翔 、刘钰 、王方刚和王世练撰著 , 贺勃翔博士负责第 1~ 5 章 ,刘钰博士负责第 6~ 7章 ,王方刚教授和王世练教授负责内容把关和统稿全书 。 国防科技大学电子科学学院的研究生姚磊 、陈宇豪和徐海涛等参与全书的编写 。作者在此表示衷心的感谢!

限于时间和水平有限 ,书中难免有不足之处 ,望读者多多指正!

作    者

2026年 5 月

目录

第1章  绪论1

1.1  引言1

1.2  信号识别的发展概述2

1.3  信号识别的应用场景4

1.3.1  电子对抗系统4

1.3.2  频谱监测4

1.3.3  无人系统组网通信中的自适应识别4

1.3.4  工业与能源系统中的电磁安全监测5

1.3.5  智慧城市与民用通信保障5

1.4  国内外研究现状6

1.4.1 频谱感知6

1.4.2  辐射源识别8

1.4.3  调制识别11

1.4.4  编码识别13

1.4.5  信号检测与估值14

参考文献16

第2章  多信号共存下的宽带频谱感知23

2.1  引言23

2.2  研究现状23

2.3  信号模型24

2.4  基于多尺度小波融合的频谱感知25

2.4.1  小波边缘检测25

2.4.2  多尺度小波融合决策算法25

2.5  仿真结果27

2.6  本章小结30

参考文献30

第3章  时变信道下的智能辐射源识别32

3.1  引言32

3.2  研究现状32

3.3  问题描述34

3.3.1  系统模型34

3.3.2  时变信道下未知辐射源识别问题35

3.4  基于 SBL 的辐射源识别器35

3.4.1  SBL指纹提取器36

3.4.2  基于加权欧几里得距离的辐射源分类41

3.5  基于 MAML 的辐射源识别器43

3.5.1  元训练辐射源识别器43

3.5.2  微调和辐射源识别45

3.6  性能分析45

3.6.1  参数设置45

3.6.2  复杂度分析和克拉美罗下界47

3.6.3  数值结果51

3.7  本章小结57

参考文献57

第4章  接收机畸变下的智能辐射源识别60

4.1  引言60

4.2  研究现状60

4.3  信号分解技术61

4.3.1  经验模态分解61

4.3.2  内在时间尺度分解62

4.3.3  变分模态分解63

4.4  指纹建模64

4.4.1  辐射源指纹建模65

4.4.2  接收机指纹建模66

4.5  基于多台失真接收机的协作识别器67

4.5.1  基于多台失真接收机的未知辐射源识别问题67

4.5.2  协作识别器68

4.6  性能分析74

4.6.1  参数设置74

4.6.2  模型设计75

4.6.3  数值结果77

4.7  本章小结86

参考文献86

第5章  低信噪比下的智能调制识别89

5.1  引言89

5.2  研究现状89

5.3  通信信号的调制模型和数据集90

5.4  基于统计特征的调制识别91

5.4.1  调制信号的统计特征91

5.4.2  调制信号的分类器95

5.5  基于 CNN 的调制识别95

5.5.1  CNN 基础95

5.5.2  基于 CNN 的调制识别基线模型98

5.5.3  模型参数优化98

5.6  基于 RNN 的调制识别101

5.6.1  RNN 基础101

5.6.2  基于 RNN 的调制识别基线模型103

5.6.3  注意力增强的调制识别104

5.7  本章小结106

参考文献106

第6章  多径和非高斯噪声下的智能编码识别109

6.1  引言109

6.2  研究现状109

6.3  LDPC编码识别110

6.3.1  系统模型110

6.3.2  基于校正子似然特性的编码识别方案设计111

6.3.3  基于 CNN 的编码识别方案设计116

6.3.4  仿真结果与分析117

6.4  无周期删余 Turbo 编码识别118

6.4.1  系统模型118

6.4.2  软编译码算法辅助的编码识别方案设计119

6.4.3  仿真结果与分析123

6.5  本章小结124

参考文献125

第7章  全盲场景下的联合信号检测 、估计与识别127

7.1  引言127

7.2  研究现状127

7.3  BERD算法设计129

7.3.1  系统模型129

7.3.2  盲信道与噪声功率估计模块131

7.3.3  软信息检测与再生模块135

7.3.4  MLFD模块137

7.3.5  BERD算法的收敛性140

7.4  多接收机系统中 BERD算法的应用方案143

7.4.1  系统模型143

7.4.2  方案设计143

7.4.3  仿真结果与分析144

7.5  基于 BERD算法的干扰消除应用方案148

7.5.1  系统模型148

7.5.2  方案设计149

7.5.3  仿真结果与分析150

7.6  本章小结151

参考文献151