(中國西南電子技術研究所，成都 610036)

1 引 言

軍事通信信號“短、跳、隱”的特點，使得信號的實時解調變得非常困難。隨著軟件無線電技術的發(fā)展及其廣泛應用，偵察對象的不斷變化要求偵察手段和處理方法要能不斷更新、升級，并且應具有強大的信號分析能力來適應。同時，針對不同的偵察平臺，尤其是有人機、無人機、衛(wèi)星等平臺，硬件實時信號分析往往不能保證分析的有效性和完整性，因此，通常需要將原始采樣數(shù)據(jù)或者經下變頻后的基帶數(shù)據(jù)進行實時回傳或者平臺存儲下載到地面的處理方式，進行事后信號分析。這需要功能強大的信號分析工具和手段，盡可能地通過分析這些原始素材更準確有效地得到信號的參數(shù)或者內涵，形成豐富的素材庫。由于軟件事后分析具有信號不丟失、反復重放、可重采樣處理、完整性分析強、可人工輔助參與等優(yōu)勢，其可能提供的情報效益遠遠大于硬件實時分析的處理方式，所以軍事意義非常明顯。

對于民用無線電頻譜管理、監(jiān)測等方面，為了更好地掌控無線電電磁環(huán)境，除了需要實時判證的分析設備，同樣也需要事后對于存在的信號進行更為嚴格的綜合分析判證、反復監(jiān)聽分析等，從而更好地摸清信號活動規(guī)律及內容細節(jié)。

通信信號包含多種體制，本文主要討論的是通用的定頻通信信號、跳頻信號的軟件事后分析處理。

2 通信信號分析總體框架

由于分析的對象往往隱藏在復雜的電磁環(huán)境下，可能是短時突發(fā)信號、連續(xù)信號、跳頻信號等。信號存儲采用的是自動或者手動存儲方式，所以一般通信信號分析時，首先利用Cool Edit軟件對采樣數(shù)據(jù)進行時域、頻域、調制域等初步分析，并將感興趣的信號進行截取存儲；然后，根據(jù)不同的信號類型分別由寬帶通信信號分析軟件、話帶通信信號分析軟件、跳頻通信信號分析軟件進行分析處理。如果經寬帶通信信號分析軟件分析得到的是模擬調制方式(AM、FM、SSB等)，解調結果可由話帶通信信號分析軟件判斷是語音信號還是話帶信號，對于話帶信號可以繼續(xù)進行信號參數(shù)測量、調制方式識別、解調、解碼等分析；如果經跳頻通信信號分析軟件對跳頻信號完成識別、拼接后，可以將拼接后的數(shù)據(jù)用寬帶通信信號分析解調軟件進行繼續(xù)分析。其工作流程圖如圖1所示。

圖1 通用通信信號分析總體框架

寬帶/話帶通信信號分析軟件主要是完成中頻/話帶定頻通信信號的時域、頻域、調制域分析，載頻、符號速率、信號功率、信噪比、信號帶寬等參數(shù)測量，細微特征分析，調制識別，解調等功能。跳頻通信信號分析軟件主要是完成短波/超短波跳頻通信信號的頻率集、跳速、信號帶寬及功率等參數(shù)提取，跳頻信號的分選、拼接等功能。

3 信號分析的關鍵技術

實際信號偵收往往采用的是寬帶接收機方式，因此帶寬內可能存在著多個信號，通過人工選擇分析信號頻段進行數(shù)字下變頻，然后進行信號的參數(shù)測量、調制識別、細微特征、解調、解碼等分析，以下是通用通信信號事后分析涉及的關鍵技術。

3.1 數(shù)字下變頻

數(shù)字下變頻作為軟件無線電的基本處理形式，將中頻信號變成基帶信號可以大幅提高后續(xù)處理效率。信號分析中采用的數(shù)字下變頻基本類型如圖2所示。

圖2 數(shù)字下變頻框圖

CIC濾波器的傳遞函數(shù)為

H(z)=((1-zRM)/(1-z-1))N

式中，M為CIC濾波器梳狀部分的延遲數(shù)量，只能取1和2，用于控制濾波器的頻率響應[1]；R為抽取倍數(shù)；N是級數(shù)。

CIC濾波器的結構圖如圖3所示，每級CIC濾波器主瓣比旁瓣高13.46 dB，所以通常取5級CIC就可以滿足67.3 dB衰減的要求[2]。軟件分析選取CIC濾波器的主要目的是減少乘法計算，提高運算速度。

圖3 CIC濾波器結構圖

CIC濾波器之后的“低通濾波+抽取”可采取多相結構以減少運算量，也可用多級半帶濾波器來實現(xiàn)，半帶濾波器可用來減少濾波的運算量。

如果需要同時處理多通道的信號，可以采用圖2的多個并行結構方式，也可以采用多相濾波器組信道化接收機模型[1]進行數(shù)字下變頻，這種數(shù)字下變頻方式主要優(yōu)點是在大幅節(jié)省FPGA資源的前提下并行處理多個信號。對于軟件處理方式，一般每次都是處理一個信號，因而一般可利用多相濾波的結構實現(xiàn)FIR低通濾波器以減小計算量。

3.2 參數(shù)測量

參數(shù)測量是信號分析最基本的一項任務，對于數(shù)字調制最基本的參數(shù)是載波頻率及符號速率，對于模擬調制信號最基本的參數(shù)是載波頻率和帶寬。信號的信噪比、功率譜、基帶賦形濾波器形式及滾降系數(shù)等也是信號分析的常用分析對象。

3.2.1載頻測量

對于單載頻數(shù)字調制信號，對信號的M次方的非線性處理，可再生出單頻信號；然后，通過估計非線性變換生成單頻信號的頻率來估計信號載波的頻率。如BPSK信號利用平方譜可以估計出載頻分量，QPSK、8PSK可以分別利用4次方、8次方譜估計出載頻分量；對于MQAM信號，其4次方譜也會出現(xiàn)譜線分量，從而可估計其載頻。對于恢復出來的單載波信號，除了采用基本的FFT運算，還可以通過線性調頻Z變換(即CZT運算)的方法來進一步提高頻率分辨率，CZT算法比較適合細化倍數(shù)高的場合，具有頻率分辨率高、速度快的優(yōu)點[3]。

對于多載頻數(shù)字調制信號，采用M次方不能得到載頻分量，可采用時頻變換得到信號的瞬時頻率[4]，然后通過平均運算估計出信號載頻。

3.2.2符號速率測量

任意多進制基帶信號序列可以看成由穩(wěn)態(tài)波Vr(t)和交變波Ur(t)構成。基帶信號S(t)=Vr(t)+Ur(t),由其功率譜密度[5]表達式可發(fā)現(xiàn)，隨機脈沖序列的功率譜包含有連續(xù)譜和離散譜。此外，還可發(fā)現(xiàn)含有頻率間隔為離散譜碼元速率的離散譜。而功率譜可通過計算信號自相關函數(shù)的傅里葉變換得到，這也是延遲相乘法的理論依據(jù)。

B.S.Koh在文獻[6]中發(fā)現(xiàn)MPSK、MQAM等信號的復包絡頻譜中存在符號速率對應的離散譜線，從而也可以估計出信號的符號速率。對于MFSK類信號的符號測量一般是對信號瞬時頻率做傅里葉變換得到符號速率離散譜線。

3.3 調制識別

在實際調制識別算法中，尤其是包含了很多種模擬、數(shù)字調制方式的情況下，通常采用判決樹的模式進行。除了上述通信信號的特征參數(shù)外，同時需要綜合考慮信號的頻譜、M次方譜、符號速率譜、星座圖特性、瞬時頻率、瞬時幅度等多種特征參數(shù)進行判決。

由于是事后分析，在調制識別中可以采用自動識別方式和手動識別兩種方式。對于手動識別，可以在識別流程關鍵點或者特征容易出錯的流程點進行特征值或者特征圖形顯示，通過人工輔助向導式完成調制識別。這種識別方式對于復雜環(huán)境下的信號調制識別實用性更佳。

在實際復雜的電磁環(huán)境下，調制識別容易受到多普勒、多徑、信道衰落等影響而降低識別概率，所以制定調制識別算法流程時需要充分考慮需要識別的調制種類、信號頻段、信道特征、分析對象平臺特征等諸多因素。

3.4 細微特征分析

細微特征是指偏離指標/參數(shù)、相對固定、可檢測的偏差值[13]。在電子戰(zhàn)研究領域，通過對接收信號進行細微特征(“指紋”)分析，確定產生信號的輻射源個體，美軍將其定義為“將輻射源唯一電磁特征與輻射源個體關聯(lián)起來的能力”。通信電臺的這種關聯(lián)起來的能力稱為電臺個體識別[14]。作為信號的細微特征要求具有獨立性、穩(wěn)定性、可測性幾個基本特征[15]。通信信號細微特征分析需要高穩(wěn)、線性、相對非時變的高保真接收信道作為基礎，盡量消除接收機信道本身、無線電磁環(huán)境等影響從而盡量恢復通信發(fā)射機的固有個體特征。細微特征的提取存在兩個主要技術難點，穩(wěn)定可靠的特征參數(shù)確定與高精度的特征參數(shù)獲取。

通信信號的細微特征可以采用以下兩種方式進行分類：

(1)根據(jù)信號固有特征表現(xiàn)形式分為暫態(tài)特征、穩(wěn)態(tài)特征。其中暫態(tài)特征反映了系統(tǒng)非穩(wěn)定工作狀態(tài)時的非線性特性，帶有強烈的個體色彩，例如通信信號電臺開、關機時表現(xiàn)的暫態(tài)特性；穩(wěn)態(tài)特征反映的是系統(tǒng)穩(wěn)定工作狀態(tài)下的特征，例如頻率穩(wěn)定度、調制度、相噪特征、雜散特征(包括互調、寄生調制等)；

(2)根據(jù)信號特征的穩(wěn)定性時間表現(xiàn)形式分為相對特征、絕對特征。絕對特征是在一個時間段內(例如一次開關機持續(xù)時間段等)比較穩(wěn)定的特征，在實際工程中很難找到不同目標的絕對特征；而相對特征(例如一定時間段內的頻率穩(wěn)定度、瞬時頻率曲線、調制度等)在不同的發(fā)射臺之間往往有一定的區(qū)別，這也是實際工程應用中比較關注的一類特征。除了單純從實際信號的表現(xiàn)形式上分析外，同時也可以對信號進行內涵分析，通過解析協(xié)議層的內容得到不同發(fā)射臺的個體標識，從而達到細微特征分析的最終目的，進行個體識別。

雷達信號的細微特征從20世紀80年代開始研究相對較多，也有一定的實際應用。雷達信號的特征包括對時域和頻域上對雷達信號脈內、脈間以及脈組間的調制、編碼及變換特性等進行分析，其中脈內細微特征分析作為一項研究重點，采用了時域自相關法、頻域倒譜算法、調制域過零檢測法、時頻分析法[16]等。通信信號細微特征近些年是在雷達信號細微特征基礎上提出的，通信信號相對雷達信號帶寬窄。隨著軟件無線電技術的不斷發(fā)展，同一設備的通信體制可以軟件靈活配置，且器件本振頻率準確度要求更高等，造成了通信信號細微特征分析非常困難。文獻[14]介紹了采用小波變換提取通信信號瞬時特征達到個體識別，文獻[17]則介紹了采用多種方法進行輻射源載頻、調制參數(shù)、雜散特征等參數(shù)提取，并利用多個特征參數(shù)矢量進行個體識別。目前通信信號細微特征的研究很少，工程上還沒有形成真正有效的算法。

3.5 解調

解調是非協(xié)同信號分析的一個升華，也是作為對參數(shù)測量、調制識別分析結果的一種佐證。對于非協(xié)同的通信信號進行解調時，首先必須要通過參數(shù)測量估計出信號的載頻、符號速率、帶寬，然后通過調制識別分析出調制方式，最后才能進行解調。為了達到更好的解調效果，要求方便調整解調器參數(shù)(包括匹配濾波器類型、滾降系數(shù)、載波環(huán)帶寬、符號同步環(huán)帶寬等)，并且可顯示解調眼圖、星座圖等圖形。

由于偵收信號頻段可能涉及到短波、超短波、微波等頻段，且不同頻段的電磁環(huán)境、信道模型、信號帶寬、調制樣式以及偵收對象等差異很大；同時，接收的偵收信號由于多徑效應、信道衰落、多普勒、信號起伏等因素使得信號分析變得更加困難，需要有相應的信道均衡技術、AFC、AGC技術來進行適應和改善信號質量。

一個實際的基帶傳輸系統(tǒng)不可能完全滿足理想的波形傳輸無失真條件，因而串擾是不可避免的。當串擾影響嚴重時，必須對整個系統(tǒng)的傳遞函數(shù)進行校正，使其接近無失真?zhèn)鬏敆l件，這就是均衡。對于非協(xié)同偵收情況下沒有訓練序列信號，只能利用接收機接收到的信號來消除碼間干擾，獲得與信道匹配的參數(shù)，具有“自學”能力的均衡[18]是盲均衡技術。圖4是典型的盲均衡處理框圖。

圖4 盲均衡處理框圖

盲均衡算法也是多種多樣，例如：恒模算法(CMA)[19]、多模算法(MMA)[20]、簡化星座算法(RCA)、判決反饋最小均方算法(DD-LMS)[21]等。通常，在實際信號分析中需要多種算法進行綜合處理以達到更好的效果，文獻[21]介紹了綜合修正常模算法與DD-LMS算法解決存在嚴重碼間干擾的方案。

3.6 解碼

解調得到的基帶碼流如果需要恢復信息序列則需要進一步進行編碼分析完成解碼。編碼通常有信道編碼、信源編碼。信道編碼通常包括分組碼、CRC校驗編碼、奇偶校驗、自同步加擾、HDLC規(guī)程編碼等，信源編碼通常包括字符編碼、傳真編碼、語音編碼、圖像編碼等。對于非協(xié)同事后解碼分析而言，往往面對的是非常雜亂的二進制碼流，因此事先需要進行數(shù)位預處理功能，包括數(shù)位分選、提取、AND/OR/XOR/NOT邏輯操作、位提取、移位、位插入、HDLC、鏡像、截取、反差分以及強大的統(tǒng)計能力，包括特征碼概率統(tǒng)計、重碼統(tǒng)計等，從而便于找出需要重點關心的碼流字段；預處理后再進行信道編碼分析、信源編碼分析，對于已知規(guī)格的信號可以恢復出原始信息。編碼分析要求對于編碼分析理論、形式比較熟悉，同時對于信號鏈路層也有一定要求，在信號分析中屬于專業(yè)性很強的一個關鍵專題，也是恢復原始信息的最重要部分。

3.7 跳頻信號分析

跳頻信號是一種抗干擾、低截獲率信號，它在每個頻率上駐留的時間很短，并且出現(xiàn)的時間隨機不定，如果單從頻譜上來看，無法區(qū)分被觀察信號是跳頻信號還是彼此互不相關的常規(guī)通信信號，而利用調制域分析可以更好地發(fā)現(xiàn)和識別跳頻信號。對于跳頻信號的識別分選，最常用的方法是最大相關處理法和時間相關統(tǒng)計法[22]，文獻[23,24]介紹了采用多跳自相關及其改進算法進行跳頻信號的參數(shù)估計。筆者認為上述方法針對實際復雜的電磁環(huán)境下進行跳頻信號的檢測及分選容易受到偶然突發(fā)信號或者其它強干擾信號的影響，可采用綜合多種方法形成的相似判決法來完成。

相似判決法的步驟：選擇某一跳作為判決依據(jù)，提取該跳頻臺的跳速、占空比、幅度、信號帶寬等參數(shù)，然后在接收機帶寬范圍內頻率從低到高依次搜索該時間段，對每個頻點計算該時間段內過判決門限的時間長度、過門限信號幅度及方差、信號帶寬，通過多方面的參數(shù)比較，尋找與第1跳最相似的頻點作為后續(xù)的跳頻點。在進行跳頻信號分選的同時，根據(jù)參數(shù)測量的結果完成跳頻信號的拼接，從而可以變頻到某一固定的頻率上進行信號的分析及解調。

除了上述單天線接收方式下的跳頻信號檢測、分析方式外，隨著陣列信號處理技術的不斷發(fā)展，當前基于陣列天線的跳頻信號檢測、分選的研究也在不斷進步。采用天線陣處理跳頻信號的一個基本原理是：通過互相關減少噪聲的影響[25]?；谔炀€陣處理可以進行信號DOA估計及波束合成，從而可以更好地進行跳頻信號的檢測、分離、分選及參數(shù)測量等。

4 結束語

通信信號偵察面臨著電磁環(huán)境復雜、信號樣式體制多變、截獲概率低等問題，軟件分析可方便地進行升級以適應偵察對象的發(fā)展，從而保證整個偵察設備始終保持著戰(zhàn)斗力。本文所討論的通信信號分析方法已在工程上得以實現(xiàn)并通過了部分實際信號的驗證，取得了一些實際成果。

參考文獻：

[1] 楊小牛,樓才義,徐建良.軟件無線電原理與應用[M].北京：電子工業(yè)出版社,2005:45-46.

YANG Xiao-niu,LOU Cai-yi,XU Jian-liang.Application and Principle of Software Radio[M].Beijing:Publishing House of Electronics Industry,2005:45-46. (in Chinese)

[2] 黃聯(lián)芬,程恩.軟件無線電中CIC濾波器的性能改進[J].廈門大學學報(自然科學版),2004,43(5):640-642.

HUANG Lian-fen,CHEN En.Improved Performance of CIC Filter in Software Define Radio[J].Journal of Xiamen University(Natural Science),2004,43(5):640-642.(in Chinese)

[3] 谷云高,石彥君,王文謙.一種基于ChirpZ變換的頻譜細化實現(xiàn)方案與仿真[J].電訊技術,2009,49(5):93-95.

GU Yun-gao,SHI Yan-jun,WANG Wen-qian.A Spectrum Zooming Scheme Based on Chirp Z Transform(CZT) and its Similation[J].Telecommunication Engineering,2009,49(5):93-95. (in Chinese)

[4] Tran T D,Mathews V J,Rushforth C K.A New Carrier Frequency Estimator For Modem Signals[C]//Proceedings of International Conference on Acoustics,Speech,and Signal Processing(ICASSP-88).New York,NY:IEEE,1988:1886-1889.

[5] 宋成森.數(shù)字通信調制方式識別與參數(shù)估計[D].杭州：浙江大學,2006.

SONG Cheng-sen. Modulation Classification and Parameter Estimation for Digital Communication Signals[D].Hangzhou:Zhejiang University,2006. (in Chinese)

[6] Koh B S,Lee H S.Detection of Symbol rate of Unknown Digital Communication Signals[J].Electronic Letter,1993,29(3):278-279.

[7] 陳懷新,南建設,肖先賜.基于統(tǒng)計特征主分量的信號調制識別[J].電子科技大學學報,2004,33(3):231-238.

CHEN Huai-xin,NAN Jian-she,XIAO Xian-ci.Modulation Recognition of Signal Based on Statistical Principal Component Feature Parameters[J].Journal of University of Electronic Science and Technology of China,2004,33(3):231-238. (in Chinese)

[8] 何楚斌,許林,傅汝霖.信號調制方式自動識別的譜相關方法[J].物探化探計算技術,2005,27(1):70-74.

HE Chu-bin,XU Lin,FU Ru-lin.Spectral Currelaiton Method for Signal Modulation Automatic Recognition[J].Computing Techniques for Geophysical and Geochemical Exploration,2005,27(1):70-74. (in Chinese)

[9] 包錫銳,吳瑛,周欣.基于高階累積量的數(shù)字調制信號識別算法[J].信息工程大學學報,2007,8(4):463-467.

BAO Xi-rui,WU Ying,ZHOU Xin.Algorithm of Digita Modulation Recognition Based on Higher-Order Cumulants[J].Journal of Information Engineering University,2007,8(4):463-467. (in Chinese)

[10] 王建新,宋輝.基于星座圖的數(shù)字調制方式識別[J].通信學報,2004,25(6):166-173.

WANG Jian-xin,SONG Hui.Digital modulation recognition based on constellation diagram[J].Journal of China Institute of Communications,2004,25(6):166-173. (in Chinese)

[11] Cheol-Sun Park,Won Jang,Sun-Phil Nah,et al.Automatic Modulation Recognition using Support Vector Machine in Software Radio Applications[C]//Proceedings of the 9th International Conference on Advanced Communication Technology. Gangwon-Do:IEEE,2007:9-12.

[12] 趙知勁,郎濤.基于最大似然比準則的MPSK信號分類方法[J].電路與系統(tǒng)學報,2006,11(2):54-57.

ZHAO Zhi-jin,LANG Tao.A classification method for MPSK signals based on the maximum likehood criterion[J].Journal of Circuits and Systems,2006,11(2):54-57.(in Chinese)

[13] 南建設.信號細微特征分析技術研究[J].電訊技術,2007,47(2):68-71.

NAN Jian-she.On Fine Signature Analysis Technique[J].Telecommunication Engineering,2007,47(2):68-71.(in Chinese)

[14] 陸滿君,詹毅,司錫才,等.通信輻射源瞬態(tài)特征提取和個體識別方法[J].西安電子科技大學學報,2009,36(4):736-740.

LU Man-jun,ZHAN Yi,SI Xi-cai,et al.Extraction of the transient characteristics of the communication radiating source and individual indentification[J].Journal of Xidian University,2009,36(4):736-740. (in Chinese)

[15] 許丹,柳征,姜文利,等.窄帶信號中的放大器“指紋”特征提取：原理分析及FM廣播實測實驗[J].電子學報,2008,36(5):927-932.

XU Dan,LIU Zheng,JIANG Wen-li,et al.Extraction of Amplifier Fingerprints from Narrow Band Signal:Principle Analyzing and FM Broadcast Experimeng[J].Acta Electronica Sinica，2008,36(5):927-932.(in Chinese)

[16] 鄒順.雷達信號分選與細微特征分析[D].西安：西北工業(yè)大學,2006.

ZOU Shun.Deinterleaving of Radar Signals and Analyzing Fine Features of Intra-pulse Signals[D].Xi′an:Northwestern Polytechnical University,2006. (in Chinese)

[17] 黃玉春.基于極致學習機的通信信號輻射源個體識別技術研究[D].武漢：華中科技大學,2007.

HUANG Yu-chun.Study on Extreme Learning Machine Based Communicaiton Signal Transmitter Recognition Technology[D].Wuhan:Huazhong University of Science and Technology,2007. (in Chinese)

[18] 張思玉.自適應均衡算法的研究[D].成都：電子科技大學,2005.

ZHANG Si-yu.Study on Adaptive Equalization Algorithms[D].Chengdu:University of Electronic Science and Technology of China,2005. (in Chinese)

[19] Cheded L,Naveed R B. An improved CMA-based hybrid algorithm for blind channel equalization[C]//Proceedings of the 9th International Conference on Signal Processing(ICSP 2008).Beijing:IEEE,2008:1726-1730.

[20] 劉洋,王斌,張剛.一種改進的多模高性能盲均衡算法[J].信息工程大學學報,2008,9(2):172-175.

LIU Yang,WANG Bin,ZHANG Gang.Modified Multi-Mode High Capacity Blind Equalization Algorithm[J].Journal of Information Engineering University, 2008,9(2):172-175. (in Chinese)

[21] 朱行濤,趙翔,劉郁林.基于DD-LMS和MCMA的盲判決反饋均衡算法研究[J].微波學報,2007,23(2):67-70.

ZHU Xing-tao,ZHAO Xiang,LIU Yu-lin.Study On Blind Decision Feedback Equalization Algorithm Based on DD-LMS and MCMA[J].Journal of Microwaves,2007, 23(2):67-70. (in Chinese)

[22] 徐啟華. 信號偵察中的跳頻信號識別方法[J].電子技術,2005,45(4):2-5.

XU Qi-hua.Recognition Method for Frequency Hopping in Signal Reconnaissance[J].Electronic Technology,2005,45(4):2-5.(in Chinese)

[23] Char-Dir Chung,Andreas Polydoros.Parameter estimation of random FH signals using autocorrelation techniques[J].IEEE Transactions on Communications,1995,43(2-4):1097-1106.

[24] Janani M,Vakili V T,Jamali H.The modified autocorrelation technique for parameter estimation of random FH signals[C]//Proceedings of the 4th International Conference on Signal Processing (ICSP′98).Beijing:IEEE,1998:188-190.

[25] 朱文貴.基于陣列信號處理的短波跳頻信號盲檢測和參數(shù)盲估計[D].合肥：中國科技大學,2007.

ZHU Wen-gui.Blind Detection and Blind Parameter Estimation of High Frequency FH Signals Based on Array Signal Processing[D].Hefei:University of Science and Technology of China,2007. (in Chinese)