论文部分内容阅读
在不重构出原始MPSK信号的前提下进行多元假设,推导出不同假设下压缩样值的最大似然函数,提出一种压缩域最大似然调制识别方法。在压缩感知（CS）框架下,压缩域最大似然调制识别方法（compressive maximum-likelihood,CML）使用远小于传统的基于奈奎斯特采样的最大似然调制识别方法（traditional maximum-likelihood,TML）所需的采样个数实现MPSK信号的调制识别。同时给出了在压缩域进行调制识别的标准,并分析了CML算法的识别的性能。最后给出了该方法的性能仿