張佳芬，牟飛燕，雷翔

（電子科技大學成都學院，成都611731）

混合擴頻信號快速參數(shù)估計與識別算法?

張佳芬，牟飛燕，雷翔

（電子科技大學成都學院，成都611731）

針對混合擴頻信號多是基于直接序列擴頻和跳頻擴頻相結合的現(xiàn)狀，提出了基于直接序列和線性調(diào)頻相結合的混合擴頻信號快速參數(shù)估計與識別算法。通過建立基于頻域矩峰度系數(shù)的神經(jīng)網(wǎng)絡，將兩類信號識別開來，信噪比為-2 dB時識別概率均達到95%以上。通過倒序共軛卷積和分段截取后快速解線調(diào)，實現(xiàn)了復合信號各參數(shù)的快速估計，信噪比為-1 dB時碼速率估計精度均較高。

混合擴頻；參數(shù)估計；調(diào)制識別；神經(jīng)網(wǎng)絡

1 引言

對復雜調(diào)制信號的參數(shù)估計與識別是通信及信息對抗的一個重要方面?；旌蠑U譜通信系統(tǒng)近年來受到廣泛關注。其中，由直接序列擴頻（DSSS）和寬帶線性調(diào)頻（Chirp）相結合的混合擴頻信號既同時具有兩者的優(yōu)點，又能彌補各自的不足，具有低截獲和抗多普勒頻移等優(yōu)點［1-2］，被廣泛應用于軍事領域和民用通信中。研究該類型復合信號的參數(shù)估計與識別算法對民用通信及電子支援偵察具有重要意義。

對于混合擴頻信號國內(nèi)外已有不少文獻提出各種參數(shù)估計與識別方法，但大多是圍繞直接序列擴頻和跳頻擴頻相結合的混合信號，對直接序列擴頻和線性調(diào)頻復合信號的研究又多是基于協(xié)作通信和部分先驗信息已知的假設。文獻［3］用動態(tài)聚類分析和高階循環(huán)累積量估計跳頻頻率，計算量和存儲空間較大。文獻［4-6］引入了基于Wigner時頻分布函數(shù)的偽碼-載波調(diào)頻復合信號的參數(shù)估計算法，由于要在時頻平面進行二維搜索，算法較復雜且計算量較大。

本文基于BP神經(jīng)網(wǎng)絡實現(xiàn)了乘積型直接序列擴頻／線性調(diào)頻混合信號（以下簡稱乘積型混合信號）和卷積型直接序列擴頻／線性調(diào)頻混合信號（以下簡稱卷積型混合信號）的調(diào)制識別問題。針對卷積型混合信號，本文分別采用倒序共軛卷積法和快速解線調(diào)［7］法實現(xiàn)了混合信號碼速率和調(diào)頻參數(shù)的快速估計。仿真結果表明本文算法是有效可行的。

2 信號模型

式中，m（t）為直接序列擴頻信號，uf（t）為線性調(diào)頻

p定義Cp為碼速率，則TpCp=1；P為m序列碼長，N為m序列周期數(shù)，Tr為N=1時m序列的長度，Cl（Cl∈｛+1，-1｝）為m序列取值；f0為線性調(diào)頻信號的起始頻率，k為調(diào)制斜率，φ0為初始相位。

3 算法原理

3.1 信號識別

模式識別法是通過從信號中提取事先選取的特征進行調(diào)制類型分類的信號調(diào)制類型識別方法。這種方法雖然判決規(guī)則較復雜，但特征提取簡單，易于計算。本文基于這種方法分別提取兩種混合信號的頻域矩峰度系數(shù)［10］，然后采用BP（Back Propagation）神經(jīng)網(wǎng)絡中的動量梯度下降法作為參數(shù)調(diào)整法，在0 dB信噪比下將頻域矩峰度系數(shù)訓練300次后保存，在線進行調(diào)制類型識別。算法流程如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡的調(diào)制識別方法Fig.1 Modulation recognitionmethod based on neural network

仿真參數(shù)設置如下：TP=10μs，7位m序列為［-1，-1，1，-1，1，1，1］，B=1 MHz，fs=10 MHz，f0=0.5 MHz，SNR=-5～10 dB，每個信噪比下進行500次Monte Carlo實驗，圖2（a）和（b）分別為兩種復合信號的識別概率。

圖2 兩種復合信號識別概率Fig.2 Identification probability of two kind of complex signals

由圖2可見，當SNR≥-3 dB時，乘積型復合信號識別概率可以達到95%以上，而卷積型復合信號的識別概率則在SNR≥-2 dB時才能達到95%以上，這說明卷積型復合信號的矩峰度系數(shù)受噪聲影響波動較大。

文獻［11］通過分析兩種復合信號的頻域矩峰度系數(shù)的統(tǒng)計特性，設定門限將其識別開來。有些情況下門限的選取存在一定困難，本文提出的以神經(jīng)網(wǎng)絡算法作為參數(shù)調(diào)整法應用更普遍。

3.2 參數(shù)估計

3.2.1 算法概述

本文通過分析卷積型復合信號的頻譜結構，推導出信號與其倒序共軛卷積后的第一個極值即為復合信號的碼速率。求得信號碼周期后，采用分段截取和快速解線調(diào)法實現(xiàn)了復合信號調(diào)頻參數(shù)的快速估計。

假設接收機截獲到的有用信號s（t）為

由式（4）知：

由式（3）得：

由傅里葉變換的性質知，若z（t）=x（t）?y*（-t）（y*（-t）代表y（t）的倒序共軛序列），則Z（f）=X（f）*Y*（f）。將信號與它自己的倒序共軛卷積，相當于求頻域信號模的平方，則：

｜S（f）｜2=｜Sl（f）｜2*｜SP（f）｜2=

令n-m=k，則：

式中，x（k）為偽隨機二相編碼信號的非周期自相關函數(shù)，其表達式為

由文獻［12］知，對于雙極性碼，非周期自相關函數(shù)x（k）的第一個值為-1或1，所以復合信號的頻譜在碼速率處出現(xiàn)一個極值，相應的時域函數(shù)在碼周期處也呈現(xiàn)一個極值，搜索后即可求得信號的碼周期。

3.2.2 性能仿真

仿真參數(shù)設置如下：f0=0.5MHz，k=1011Hz／s，TP=10μs，13位偽隨機碼為［-1-1-1-1 1 1 -1-1 1-1 1-1］，fs=10 MHz，SNR=-5～15 dB，每個信噪比下進行500次Monte Carlo試驗，碼速率估計的均方根誤差曲線如圖3所示。

圖3 卷積型混合信號碼速率估計歸一化均方根誤差Fig.3 Normalized RMSerror of all parametes of convolution signal

由圖3可知，當信噪比大于-1 dB后，卷積型復合信號碼速率估計的均方根誤差均趨于穩(wěn)定，且達到最低值。根據(jù)卷積型復合信號的產(chǎn)生機理，從原始信號開始或截止處以碼周期為間隔截取一段信號，即為完整的線性調(diào)頻信號，快速解線調(diào)［7］即可估計出復合信號的調(diào)頻信息。故該算法有較高的參數(shù)估計精度且計算量較小，有利于實時處理。

本文算法與致謝部分提及文獻中提出的算法（首先對信號向量按照子脈沖寬度進行窗口劃分，計算其協(xié)方差矩陣，然后提取協(xié)方差矩陣兩最大特征值對應特征向量，采用滑動窗技術實現(xiàn)子脈沖同步，最后利用快速解線性調(diào)頻算法實現(xiàn)信號參數(shù)估計）相比，算法性能相近，但本算法對接收信號碼元數(shù)和子脈沖長度沒有過多要求，應用更廣泛。

4 結論

基于信號的產(chǎn)生機理，本文提出了混合擴頻信號的快速參數(shù)估計和識別算法。通過分析兩種復合信號的頻域矩峰度系數(shù)，引入BP神經(jīng)網(wǎng)絡中的動量梯度下降法作為參數(shù)調(diào)整法，實現(xiàn)了兩種復合信號的識別；通過分析卷積型復合信號的頻譜結構，采用倒序共軛卷積后快速解線調(diào)法實現(xiàn)了卷積性復合信號各參數(shù)的快速估計。

本文參數(shù)估計算法需先求解碼速率而后實現(xiàn)調(diào)頻參數(shù)的估計，求解有先后順序，存在傳遞誤差。后期工作將圍繞這些方面展開深入研究，尋求更有效的參數(shù)估計方法。

5 致謝

本文在寫作中，一些結論對比了電子科技大學博士研究生曾德國等同志在《線性調(diào)頻-偽碼卷積性復合信號參數(shù)估計方法》（已被《電子科技大學學報》錄用，還未發(fā)表）一文中的結果，在此特表感謝。

［1］徐慶，徐繼麟，周先敏，等.線性調(diào)頻-二相編碼雷達信號分析［J］.系統(tǒng)工程與電子技術，2000，22（2）：7-8. XUQing，XU Ji-lin，ZHOU Xian-min，et al.A Discussion of Performance of Hybrid Waveform of Radar［J］.Systems Engineering and Electronics，2000，22（2）：7-8.（in Chinese）

［2］孫潔.二相編碼-線性調(diào)頻信號的檢測［J］.無線電通信技術，2003，29（2）：53-55. SUN Jie.The Detection of Hybrid Waveform Signal［J］.Radio Communications Technology，2003，29（2）：53-55.（in Chinese）

［3］鄭文秀，趙國慶，羅明，等.混合SFH／DS擴頻信號的跳頻頻率估計［J］.系統(tǒng)仿真學報，2008，20（7）：1852-1855. ZHENGWen-xiu，ZHAO Guo-qing，LUO Ming，et al. Hopping Frequencies Estimation of Hybrid SFH and DS Spread Spectrum Signals［J］.Journal of System Simulation，2008，20（7）：1852-1855.（in Chinese）

［4］GardnerW A，Spooner CM.Detection and source location of weak cyclostationary signals：simplifications of themaximum -likelihood receiver［J］.IEEE Transactions on Communications，1993，41（6）：905-916.

［5］林俊，熊剛，王智學.基于時頻分析的偽碼與線性調(diào)頻復合體制偵察信號參數(shù)估計研究［J］.電子與信息學報，2006，28（6）：1045-1048. LIN Jun，XIONGGang，WANG Zhi-xue.Study on Reconnaissance Signal Parameter Evaluation of PN and LFM Based on Time-Frequency Analysis［J］.Journal of Electronics＆Information Technology，2006，28（6）：1045-1048.（in Chinese）

［6］熊剛，楊小牛，趙惠昌.基于平滑偽Wigner分布的偽碼與線性調(diào)頻復合偵察信號參數(shù)估計［J］.電子與信息學報，2008，30（9）：2115-2119. XIONG Gang，YANG Xiao-niu，ZHAO Hui-chang.Parameter Estimation of Reconnaissance Signal Combined PN and LFM Based on Smoothed Pseudo Wigner Distribution.［J］.Journal of Electronics＆Information Technology，2008，30（9）：2115-2119.（in Chinese）

［7］劉渝.快速解線性調(diào)頻技術［J］.數(shù)據(jù)采集與處理，1999，14（2）：175-178. LIU Yu.Fast Dechirp Algorithm［J］.Journal of Data Acquisition＆Processing，1999，14（2）：175-178.（in Chinese）

［8］張佳芬，和小東，唐斌.偽碼-線性調(diào)頻信號快速參數(shù)估計算法［J］.電訊技術，2009，49（12）：100-104. ZHANG Jia-fen，HE Xiao-dong，TANG Bin.A Fast Parameter Estimation Approach of Multiplicative Signal Combined PRBC and LFM［J］.Telecommunication Engineering，2009，49（12）：100-104.（in Chinese）

［9］殷國平，曹旭平，崔占忠.偽碼調(diào)相與線性調(diào)頻復合調(diào)制信號探測性能研究［J］.彈箭與制導學報，2007，27（2），280-282. YINGuo-ping，CAO Xu-ping，CUIZhan-zhong.Research on Detection Performance of Complex Modulation Signal Using Pseudorandom Code Phase Modulation and Linear Frequency Modulation［J］.Journal of Projectiles，Rockets，Missiles and Guidance，2007，27（2）：280-282.（in Chinese）

［10］范偉.雷達有源干擾信號特征分析與識別算法研究［D］.成都：電子科技大學，2007. FANWei.The feature extraction and identification algorithm of active jamming［D］.Chengdu：University of Electronic Science and Technology of China，2007.（in Chinese）

［11］呂遠.復雜調(diào)制雷達信號的調(diào)制識別與參數(shù)估計算法研究［D］.成都：電子科技大學，2009. LV Yuan.Recognition and Parameter Estimation for Complex Modulated Radar Signals［D］.Chengdu：University of Electronic Science and Technology of China，2009.（in Chinese）

［12］張明友，汪學剛.雷達系統(tǒng)［M］.2版.北京：電子工業(yè)出版社，2006. ZHANG Ming-you，WANG Xue-gang.Radar system［M］.2nd ed.Beijing：Publishing House of Electronic Industry，2006.（in Chinese）

ZHANG Jia-fen was born in Yanzhou，Shandong Province，in 1984.She received the M.S.degree in 2009.She is now a teaching assistant.Her rearch direction is digital signal processing.

Email：prettyjiafen＠163.com

牟飛燕，女，碩士，助教，主要研究方向為電路與系統(tǒng)。

MOU Fei-yan is now a teaching assistantwith the M.S.degree.Her rearch direction is circuits and systems.

Fast Parameter Estimation and Recognition Approach for Hybrid Spread Spectrum Signals

ZHANG Jia-fen，MOU Fei-yan，LEIXiang
（Chengdu College，University of Electronic Science and Technology of China，Chengdu 611731，China）

To improve the status of hybrid spread spectrum signalmainly based on direct sequence spread spectrum（DSSS）signal and frequency hopping（FH）spread spectrum signal，a fast approach is presented for DSSS and chirp spread spectrum.By establishing coefficient of frequency domainmoment peak based neural network，two types of signals are identified.The recognition probability is above 95%when SNR（Signal-to-Noise Ratio）is close to-3 dB.By reverse-order conjugation convolution-fast dechirp，the code rate and initial frequency and slope of convolutional compound signal can be estimated.Code rate estimation accuracy is higher when SNR is close to-1 dB.

hybrid spread spectrum；parameter estimation；modulation recognition；neural network

The Science and Technology Foundation of Chengdu College ofUniversity of Electronic Science and Technology of China

TN971.1

A

10.3969／j.issn.1001-893x.2011.09.014

張佳芬（1984—），女，山東兗州人，2009年獲工學碩士學位，現(xiàn)為助教，主要研究方向為數(shù)字信號處理；

1001-893X（2011）09-0069-04

2011-04-14；

2011-06-10

電子科技大學成都學院科技基金項目