孟玲玲,李 靜
(燕山大學(xué)信息科學(xué)與工程學(xué)院河北秦皇島066004)
隨著通信技術(shù)的發(fā)展以及通信信號調(diào)制樣式的復(fù)雜多樣,如何有效地識別這些信號,在信號確認、干擾識別、無線電偵聽、電子對抗、信號監(jiān)測和威脅分析等軍用和民用領(lǐng)域都具有很重要的意義。已往的調(diào)制信號自動識別算法較多,有基于信號瞬時頻率特征的調(diào)制方式自動識別算法[1]、基于星座圖的數(shù)字調(diào)制方式自動識別算法[2]、基于準優(yōu)化對數(shù)似然比的調(diào)制方式識別算法[3]等等。這些算法通常都是在信噪比較高時才能對信號進行識別,在信噪比降低到10 dB以下時識別率明顯下降。
在實際應(yīng)用中,通信信號應(yīng)當(dāng)被看作是一類特殊的非平穩(wěn)信號,其一階或二階統(tǒng)計特征(均值、自相關(guān)函數(shù)等)常表現(xiàn)出時間周期性,也就是說這種過程為循環(huán)平穩(wěn)過程。循環(huán)譜相關(guān)就是建立在這種信號模型基礎(chǔ)之上的。利用循環(huán)譜相關(guān)對高斯噪聲不敏感的特性,可以在有干擾和噪聲的背景下對信號進行檢測、分類。鑒于循環(huán)譜相關(guān)有以上特性,所以研究用循環(huán)譜相關(guān)的方法來對MFSK信號進行識別很有意義。此外,通過循環(huán)譜相關(guān)方法還可以獲得載波、脈沖速率以及相位等相關(guān)信息[4-5]。
令x(t)是一個循環(huán)平穩(wěn)信號,其相關(guān)函數(shù)表示為:
由于Rx(t+τ/2,t-τ/2)是周期為 T的周期函數(shù),將其展開成Fourier級數(shù)形式:
且Fourier系數(shù):
Sαx( f)稱為循環(huán)譜密度(CSD)。
通常情況下Rαx(τ)寫成如下形式:
令
則
在實際應(yīng)用中,只能根據(jù)有限個數(shù)據(jù)或者說有限的觀察時間內(nèi)的x(t)來近似估計循環(huán)譜相關(guān)密度函數(shù),常用的方法有離散時域平滑周期圖法和離散頻域平滑周期圖法,本文采用離散頻域平滑方法。表達式如下:
式中,Δf=MFs是頻域平滑窗寬度,Fs=1/NTs為頻域取樣寬度,Ts為時域取樣寬度,N為Δt時間內(nèi)的總采樣數(shù),Δt=(N-1)/Ts是數(shù)據(jù)總長度,ΔtΔf≈M>>1滿足可靠性條件。
頻移鍵控FSK信號按載波相位相關(guān)性可分為兩重情況,一種是相位相關(guān)的,另一種是相位隨機波動的。
每個載波脈沖開始時都有一個相同的相位 φm,FSK信號可表示為:
若
則
MFSK的譜相關(guān)密度函數(shù)為:
此時碼元間的相位是隨機波動的,FSK信號可表示為:
如果{θn}是一個獨立的序列,在區(qū)間[-π,π]上具有均勻的時間間隔分布,并且統(tǒng)計上與{f(n)}無關(guān),則這種FSK信號的循環(huán)自相關(guān):
如果f(n)是純穩(wěn)態(tài)的,并且具有離散的時間間隔分布 PmM1,則:
相位不相關(guān)FSK信號的循環(huán)譜相關(guān)為:
本文用matlab軟件對信號進行仿真,介紹了2FSK,4FSK,8FSK,16FSK四種信號譜相關(guān)特性,由于信號譜相關(guān)的對稱性,為便于分析提取特征譜S0x(f)大于0的部分,且對幅度進行歸一化處理。
在沒有噪聲的情況下 2FSK、4FSK、8FSK、16FSK的特征譜S0x(f)如圖1所示。
在信噪比為10 dB的情況下2FSK、4FSK、8FSK、16FSK的特征譜S0x(f)如圖2所示。
由圖1和圖2可以看出各信號的特征譜S0x(f)在f軸上的譜線條數(shù)不同,2FSK信號的特征譜S0x(f)在f軸上的譜線條數(shù)為2條,4FSK譜線條數(shù)為4,而8FSK的條數(shù)大于4,16FSK譜線條數(shù)也大于4,在信噪比較小的情況下該特征仍十分明顯,且特征譜線條數(shù)不受載波頻率大小和采樣頻率大小的影響。
圖1 理想情況下S0x(f)的幅值平面圖
圖2 含噪情況下S0x(f)的幅值平面
根據(jù)MFSK信號特征譜的一般性規(guī)律,可以利用特征譜S0x(f)在f軸上的譜線條數(shù)n作為特征參數(shù)來對信號進行識別。對特征參數(shù) n,需要提取特征譜S0x(f)在f∈[0,+∞)軸上含有譜峰的個數(shù),為提取譜峰,必須首先得到光滑的譜曲線。為準確提取特征值譜峰條數(shù)n,采用具有高分辨性的自回歸(AR)建模方法對譜進行估計[7]。
通過分析離散譜一階差分序列的符號變化就能檢測出譜峰[9]。設(shè)
式中,Np為樣本總數(shù),Px(n)為n點的信號幅度,如果dp(n)>0,且dp(n+1)<0,就可確定在頻率段[nfs/Np,(n+1)fs/Np]間存在譜峰。譜峰的位置可以線性插值公式計算:
理想情況下可以直接根據(jù)公式得出譜線條數(shù)n,在有噪聲的情況下,尤其是信噪比較小時,n的識別會有很大誤差,需要確定一個適當(dāng)?shù)拈T限值來減小噪聲影響。從理論上分析特征譜譜線幅度大于噪聲幅度,但是二者都是隨機變量,幅度大小不定,所以僅比較特征譜譜線幅度與噪聲幅度不能找到合適的門限值。為了精確得到譜線條數(shù)n,本文選取特征譜幅度均值的倍數(shù)作為域值,僅對大于閾值部分計算求取 n值。在識別2FSK和4FSK時由于噪聲以及譜估計所選階數(shù)不同等的影響還有可能出現(xiàn)n=3的情況,這時僅憑n沒法識別信號。為了在這種情況下識別信號,引入另一個特征參數(shù)Ad,Ad為歸一化譜線幅度的均值。因為條件相同的情況下,2FSK的特征譜幅度明顯大于4FSK的特征譜幅度。
根據(jù)以上特征參數(shù)可得信號識別方法,如圖3所示。
圖3 MFSK信號識別流程圖
在信噪比分別為5 dB和10 dB情況下,對每種信號進行500次實驗,載波頻率為150 kHz,碼元速率為25k,采樣頻率為1 200 kHz,在進行循環(huán)譜相關(guān)計算時采樣點N=4 096,M=16,識別過程中A=0.6。
表1 MFSK信號識別率
由結(jié)果可以看出該算法在信噪比SNR分別為10 dB和5 dB時識別率都較高。
本文利用循環(huán)平穩(wěn)信號的特性循環(huán)譜相關(guān)理論對MFSK信號進行識別,根據(jù)循環(huán)譜相關(guān)特性提出了一個能有效區(qū)分MFSK信號的信號識別算法,實驗證明了該方法在識別 2FSK、4FSK和 MFSK(M≥8)信號時的可行性和有效性。但是計算循環(huán)平穩(wěn)信號譜相關(guān)時需要的點數(shù)很多,計算量相當(dāng)大,如何優(yōu)化算法提高運算速度仍是非常重要的研究課題,在信號識別時如何更好地降低噪聲影響,更精確地識別信號仍需進一步的研究。
[1]NANDI A K,AZZOUZE E.Algorithms forautomatic modulation recognition of communication signals[J].IEEE Trans Commun1998,46(4):431-436.
[2]王建新,宋輝.基于星座圖的數(shù)字調(diào)制方式識別[J].通信學(xué)報,2004,25(6):166-173.
[3]HUANG Y,POL YDOROSA.Likelihood metheds for MPSK modulation classification[J].IEEE Trans Commun,1995,43(2/3/4):1493-1504.
[4]GARDNER W A,BROWN W A,CHEN C K.Spectral correlation of modulated signal:part1-analog modulation[J].IEEE Trans Commun,1987,35(6):584-594.
[5]GARDNER W A,BROWN W A,CHEN C K.Spectral correlationof modulated signal part2-digital modulation[J].IEEE Trans Commun,1987,35(6):595-601.
[6]張賢達.非平穩(wěn)信號分析與處理[M].北京:國防工業(yè)出版社.
[7]胡廣書.數(shù)字信號處理—理論.算法與實現(xiàn)[M].北京:清華大學(xué)出版社,1997:342-364.
[8]韓國棟.調(diào)制分析與識別的譜相關(guān)方法[J].系統(tǒng)工程與電子技術(shù),2001,23(3):34-36.
[9]王瑛.基于譜相關(guān)和神經(jīng)網(wǎng)絡(luò)的調(diào)制信號方式識別[D].東南大學(xué),南京,2007 :34-35.