姜 莉

（四川信息職業(yè)技術學院，628000）

0 前言

自上個世紀末以來，信息科學技術迅猛發(fā)展，在社會各個領域得到越來越廣泛的應用，而通信是信息產(chǎn)業(yè)中發(fā)展最為迅速、進步最快的行業(yè)。近年來，人們針對不同的調制信號提出了許多調制識別的思想和方法。早期的調制識別由于人工參與，存在很多人為因素，識別結果因人而異，識別種類也非常有限。

1 調制信號的自動識別綜述

通信信號自動調制識別(Automatic Modulation Recognition)技術是近年來迅速發(fā)展起來的一門高新技術，隨著現(xiàn)代通信和信號處理技術的突飛猛進，通信信號體制和調制樣式日趨復雜和多樣，它是信號分析領域的重要組成部分。

調制識別過程的基本框架包括三部分：信號預處理部分、特征提取部分和分類識別部分。信號預處理部分的主要功能是為后續(xù)處理提供合適的數(shù)據(jù)；特征提取部分是從輸入的信號序列中提取對調制識別有用的信息；分類識別部分的主要功能是判斷信號調制類型的從屬關系。在一些調制識別中只使用模擬調制的方法，只使用數(shù)字調制方法，還有其它是數(shù)字與模擬方法都用到了。目前，在調制技術方面，模擬信號相對成熟一些，而在通信過程中對數(shù)據(jù)的處理又大多數(shù)要求數(shù)字化，數(shù)字調制也越來越受關注，出現(xiàn)了越來越多的針對數(shù)字調制信號的識別算法。

2 模擬信號

2.1 模擬信號的調制算法

當源信號是模擬信號且被改變的載波信號的參數(shù)也是連續(xù)變量時，即成為模擬調制。常見的模擬調制技術包括幅度調制（AM）、頻率調制（FM）、相位調制（PM），以及將以上調制方法結合的復合調制技術和多級調制技術。

2.2 模擬調制信號的自動識別

信號正交變換,即是對模擬信號做模數(shù)轉換后,用兩個相互正交的載波對信號做下變頻處理,然后得到兩路信號。兩路信號分別經(jīng)過低通濾波后可以得到同相(I ,In p ha s e)分量和正交(Q, Qu ad rat u re )分量。進而通過相關算法對信號做相應的處理,得到信號的各類參數(shù)或者對信號進行解調等。采用人工神經(jīng)網(wǎng)絡可自動設定各種識別門限；對調制信號實現(xiàn)智能化識別,而且識別速度快,正確識別率高。采用多層前饋神經(jīng)網(wǎng)絡,網(wǎng)絡的學習算法采用反傳算法。假設網(wǎng)絡有M 層，第0 層是輸入層為理想輸出是輸入學習模式。網(wǎng)絡各節(jié)點的凈輸入為，l=1,2,3....m，輸出為，若=1 時為網(wǎng)絡輸入學習模式，其他情況是各節(jié)點輸出是網(wǎng)絡的實際輸出。

圖1. 模擬信號的識別流程

仿真結果：幾種信號特征參數(shù)的值，這些值經(jīng)過100 次平均?？梢钥闯觯琍—var 對AM、DSB、CW 等信號的值都很小，接近0，而其它三種信號的值都接近0.2，因此，該新特征參數(shù)具有識別效果。

3 數(shù)字信號

3.1 數(shù)字信號的算法

目前，數(shù)字信號因其抗干擾能力強，差錯可控，易加密，易于集成化處理等優(yōu)勢，已成為當代通信技術的主流。數(shù)字調制，就是把數(shù)字基帶信號的頻譜搬移至高頻處，并形成適合在帶通信道中傳輸?shù)念l帶信號。數(shù)字調制信號的自動識別方法有許多種，如判決理論、人工神經(jīng)網(wǎng)絡、統(tǒng)計模式識別、譜檢測應用和濾波器等，采用BP 神經(jīng)網(wǎng)絡量化共軛梯度算法，神經(jīng)網(wǎng)絡(ANN)結構簡單(單隱層節(jié)點數(shù)為5，輸出節(jié)點數(shù)為3)，收斂速度大大提高；采用RBF(徑向基)神經(jīng)網(wǎng)絡，其收斂速度和分類能力更強，穩(wěn)定性好；利用小波系數(shù)進行神經(jīng)網(wǎng)絡的訓練，收斂速度也非?？?，泛化性好。

人工神經(jīng)網(wǎng)絡(ANN)主要是利用計算機網(wǎng)絡對生物神經(jīng)網(wǎng)絡進行模擬智能計算，發(fā)展至今已經(jīng)有60 多年的歷史了。

3.2 數(shù)字調制信號的自動識別

調制識別過程包括3 個部分：信號預處理部分，為后續(xù)處理提供合適的數(shù)據(jù)；特征提取部分，從數(shù)據(jù)中提取信號的時域特征或變換域特征；分類識別部分，判斷信號調制類型的從屬關系，即選擇和確定合適的判決規(guī)則和分類器。針對常見數(shù)字調制方式識別的問題，經(jīng)過多方面計算識別正確率達到99%以上，提高了可識別性。

4 多模式調節(jié)

4.1 多模式的調制原理

模擬數(shù)字混合信號算法使用統(tǒng)一的基于I／Q 正交雙路的信號處理架構，如圖l 所示，其中，設接收信號為其中，為已調信號；為的高斯白噪聲。經(jīng)過乘法器相乘之后的信號分別為和，經(jīng)過低通濾波模擬數(shù)字混合信號器后的信號分別為和，為基帶信號。

圖2 基于I／Q 正交雙路的信號處理架構

4.2 模擬數(shù)字調制信號的聯(lián)合自動識別

圖3 基于判決樹的模擬數(shù)字混合調翻信號識別流程

調制方式識別的核心是提取和計算特征參數(shù)，最大限度上利用不同調制方式信號在時域和頻域的區(qū)別可實現(xiàn)對信號調制方式的快速自動區(qū)分。共提出5 種識別參數(shù)來識別CW,FM，PM，F(xiàn)SK，PSK，AM，LSB，USB，ASK 和1 6QAM 信號。

識別流程如圖3 所示。

為了驗證各組參數(shù)的識別效果，對圖2 所示的基于判決樹的識別流程進行仿真。SNR 取0-20 dB，步進為2 dB，對每組信號做了100 次仿真實驗，采樣頻率為100 MHz，模調制信號(cw 除#19 調制頻率為100 kHz，調制指數(shù)均為1，數(shù)字調制信號的符號率為20 kHz，采樣點數(shù)均為10 000 點。仿真中ASK 信號以2ASK為例，F(xiàn)SK 信號以2FSK 為例，PSK 信號以QPSK 為例，得到的識別結果如表1 所示。

表1 模擬混合調制信號識別結果

從表1 可以看出，在SNR 不小于6 dB 時，采用文中調制識別算法的平均正確識別率在94%以上。

5 小結

神經(jīng)網(wǎng)絡技術已經(jīng)廣泛應用于圖像處理、信號處理、機器人技術、衛(wèi)生保健、醫(yī)療、化工，以及數(shù)據(jù)挖掘、電力系統(tǒng)、軍事、交通、氣象、農業(yè)等各個方面。神經(jīng)網(wǎng)絡的信息處理和信息存貯能力是有機結合在一起的，將其應用于通信系統(tǒng)調制、解調處理中，可以在提高信息安全性、提高數(shù)據(jù)恢復率、提高信息處理速度等方面提供新的思路。

[1] 張鳴，數(shù)字調制信號的自動識別[J]，通信技術，2008.12

[2] 李偉，基于人工神經(jīng)網(wǎng)絡的數(shù)字調制信號的快速識別方法[J]，洛陽理工學院學報,2009.12

[3] 游偉,周先敏,模擬調制信號的自動調制識別[J],信號處理，2009.01