趙宇峰 曹玉健 紀(jì) 勇 戴旭初

?

基于循環(huán)頻率特征的單信道混合通信信號的調(diào)制識別

趙宇峰①曹玉?、偌o(jì) 勇②戴旭初*①

①(中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系 合肥 230027)②(安徽創(chuàng)世科技有限公司 合肥 230088)

單信道多個時頻重疊的混合通信信號盲分離具有廣泛的應(yīng)用價值，是近年來通信信號處理研究領(lǐng)域的一個熱點和難點，而單信道多個混疊通信信號的調(diào)制識別和信號個數(shù)的估計是實現(xiàn)單信道多個混疊通信信號盲分離的基礎(chǔ)。該文通過分析數(shù)字調(diào)制信號的二階和四階循環(huán)累積量的循環(huán)頻率特性和結(jié)構(gòu)特征，提出一種基于循環(huán)頻率特征的單信道混合通信信號調(diào)制識別的方法和實現(xiàn)算法，其主要特點是不需要已知混合信號的個數(shù)、功率、載頻、符號率及定時等先驗信息，對一些典型的數(shù)字調(diào)制信號(如BPSK, QPSK, OQPSK, MSK等)的隨機混合，能夠有效地辨識接收信號中所包含的信號個數(shù)以及每個調(diào)制信號的調(diào)制方式。利用計算機仿真實驗，考察了不同條件下算法的性能，表明了其可行性和有效性。

數(shù)字通信；調(diào)制識別；循環(huán)累積量；循環(huán)頻率檢測

1 引言

調(diào)制識別是非合作通信中的一項關(guān)鍵技術(shù)，迄今為止，眾多的研究者已經(jīng)在這個領(lǐng)域做了大量的研究，其基本方法分為基于多元假設(shè)檢驗的方法[1,2]和基于統(tǒng)計模式識別的方法[3,4]兩大類，但是目前已有的大部分方法僅適用于單一信道內(nèi)只存在一個接收信號的場景。實際上，隨著無線電通信在各個領(lǐng)域的廣泛應(yīng)用，同一頻段上的信號日益密集，再加上大量有意或無意干擾信號的存在，即使在普通的窄帶通信接收機中，同時出現(xiàn)兩個甚至更多個信號的現(xiàn)象常常無法避免，而在電子偵察、無線電監(jiān)測等場景下，單信道內(nèi)同時存在多個信號的情況更為普遍。在這些情況下，已有的調(diào)制識別技術(shù)不再適用，需要研究新的方法。

文獻[5]通過利用單通道盲分離方法將信號分離出來，然后分別對每個信號進行調(diào)制識別，但是單通道盲分離是一個欠定的問題，本身就需要足夠的先驗信息才能得到有效的分離效果。文獻[6]從信號的循環(huán)平穩(wěn)特性出發(fā)，給出了一種基于循環(huán)累積量的單信道多信號調(diào)制識別算法，文獻[7]提出了基于循環(huán)譜的單信道多信號識別算法，但是這些算法都需要預(yù)先知道接收信號中包含的信號個數(shù)及各信號的載頻和符號率等精確信息，而在很多實際場景中，這些信息是很難獲得的，這使得這些方法的實用性大大下降。文獻[8]提出了一種基于廣義自回歸建模的多信號調(diào)制識別算法，不需要載頻符號率等先驗信息，但是其僅僅適合于各信號頻譜可以分離或者重疊較少的情況。文獻[9]針對正常通信中檢測到干擾信號的情況，給出了一種基于高階累積量的干擾信號調(diào)制識別算法，但是其算法需要知道正常信號的所有調(diào)制信息，而且干擾信號不能超過一個。

本文通過討論不同調(diào)制方式通信信號的二階及四階循環(huán)累積量特性，并以此為依據(jù)給出一種單信道多信號的調(diào)制識別算法，在不需要知道信號個數(shù)和各信號的符號率、載頻以及同步定時等先驗信息的情況下，能夠?qū)崿F(xiàn)對BPSK, QPSK, OQPSK, MSK等調(diào)制信號的調(diào)制方式識別及信號個數(shù)的估計，并利用仿真實驗考察了其在不同場景下的性能。

2 信號模型和問題描述

單信道接收到多個線性混疊信號的數(shù)學(xué)模型可以表示為

對于上述的4種調(diào)制類型，它們的中頻信號模型可分別表示為

對于式(1)~式(5)表示的接收信號模型，有以下的一些假設(shè)：

(4)噪聲為零均值的平穩(wěn)噪聲，功率未知，且與信號之間是獨立的。

基于上述的信號模型和假設(shè)，本文要研究問題是：在時頻混疊的分量信號的個數(shù)，每個分量信號的特征參數(shù)(如功率、符號率、載頻)，以及噪聲功率等先驗信息都未知的條件下，研究各個分量信號調(diào)制方式的識別方法及實現(xiàn)算法。與已有的一些類似的研究工作相比，本文的研究工作主要是在“先驗信息嚴(yán)重缺失”的條件下展開的，而現(xiàn)有的一些方法都或多或少地需要一些先驗信息。

3 二階及四階循環(huán)頻率的特征結(jié)構(gòu)

3.1 二階及四階循環(huán)累積量

四階時變矩為

而四階時變累積量為

利用這個特點，可以對線性混疊信號中具有不同循環(huán)頻率的分量信號進行辨識分析。

3.2 幾種常用調(diào)制信號的二階與四階循環(huán)頻率的特 征

根據(jù)式(6)~式(12)，可以得到

通過上述分析，可以得到4種不同調(diào)制信號的非零循環(huán)頻率信息，如表1所示。

3.3 混合信號的循環(huán)頻率檢測

表1 4種調(diào)制信號的非零循環(huán)頻率

和的大小會直接影響循環(huán)累積量的估計精度，一般來說，段長越大，循環(huán)累積量估計均方誤差越小，而段數(shù)越大，估計誤差的抖動越小，有利于提高下一步的譜線提取性能。

4 調(diào)制識別算法

對于上述的4個識別特征量，如果特征量的條件被滿足，那么該特征量設(shè)為1，否則為0。

5 仿真實驗

本節(jié)通過蒙特卡洛仿真來考察不同條件下本文算法的性能，重點考察分量信號個數(shù)及分量信號功率比對識別性能的影響。

仿真條件和信號的參數(shù)設(shè)置如下：

(1)接收信噪比定義為分量信號的平均功率與噪聲功率之比，即

圖1 調(diào)制識別算法流程圖

(4)在一次仿真實驗中，當(dāng)所有分量信號的調(diào)制方式都被正確識別時，則認(rèn)為該次實驗取得了正確的調(diào)制識別。本文采用調(diào)制方式正確識別率和分量信號個數(shù)正確估計率來評價識別算法的性能，其定義分別為：調(diào)制識別正確率1=正確識別每個分量信號的實驗次數(shù)/實驗的總次數(shù)，信號個數(shù)正確估計率2=正確識別分量信號個數(shù)的實驗次數(shù)/實驗的總次數(shù)。

實驗1 接收信號中有兩個分量信號

實驗結(jié)果如圖2和圖3所示，從圖中可以看出：

(1)分量信號的功率差異越大，調(diào)制方式的識別正確率和信號個數(shù)估計正確率越低。當(dāng)兩個分量信號的功率比為1:1，且接收信噪比大于-4 dB時，調(diào)制識別正確率和信號個數(shù)估計正確率都達到接近100%，當(dāng)兩個分量信號的功率比為2:1(即功率差為3 dB)和3:1(即功率差為4.77 dB)時，接收信噪比分別大于0 dB和8 dB，才能獲得100%的識別率。這是由于混合信號中功率較小的分量信號的信干噪比相對較低，其被正確識別的概率降低，從而降低了整體的識別性能。根據(jù)循環(huán)頻率檢測理論[14]，在分量信號功率差異較大時，增加數(shù)據(jù)長度可以改善和提高功率相對較小的分量信號的循環(huán)頻率檢測的準(zhǔn)確率。

(2)分量信號個數(shù)的估計性能要稍優(yōu)于調(diào)制方式識別的性能。這主要是由于存在信號個數(shù)估計正確，但是調(diào)制方式識別錯誤的情況。由于MSK信號的循環(huán)頻率特征跟OQPSK類似，所以這兩種調(diào)制方式易被錯誤識別，但是信號個數(shù)不易被估計錯誤。

實驗2 接收信號中有3個分量信號

通過仿真實驗，可以得到以下的幾點結(jié)論：

(1)本文算法性能主要受混合信號中分量信號功率差的影響。當(dāng)混合信號中的各分量信號等功率時，算法性能最好，但隨著分量信號功率差的變大，其性能將有所下降。

(2)當(dāng)分量信號的功率差小于3 dB，且接收信噪比大于2 dB時，本文算法對各個分量信號調(diào)制方式的正確識別率和分量信號個數(shù)估計的正確率都接近100%，即在這種情況下，本文算法具有穩(wěn)定、可靠的性能。

(3)當(dāng)分量信號的功率差大于3 dB時，則接收信噪比至少要達到6 dB以上，才能獲得良好的性能。在這種情況下，通過增加數(shù)據(jù)長度，可以改善和提高算法的性能，但這將導(dǎo)致算法的計算量有所增加。

圖2 兩個分量信號時調(diào)制識別正確率

圖3 兩個分量信號時信號個數(shù)估計正確率

圖4 3個分量信號時調(diào)制識別正確率

圖5 3個分量信號時信號個數(shù)估計正確率

6 結(jié)束語

本文針對單信道同時接收到多個時頻重疊的通信信號的應(yīng)用場景，通過分析數(shù)字調(diào)制信號的循環(huán)累積量的循環(huán)頻率特性和結(jié)構(gòu)特征，提出了一種基于循環(huán)頻率檢測的單信道多信號調(diào)制識別方法和實現(xiàn)算法，其不需要知道各分量信號個數(shù)、功率、載頻、符號率及定時等先驗信息，具有很好的實用性。計算機仿真結(jié)果驗證了該方法的可行性、有效性，表明了算法的性能特點。由于循環(huán)累積量估計性能依賴于數(shù)據(jù)長度，因此本文算法要獲得較好的性能，需要較多的觀測數(shù)據(jù)。值得指出的是，雖然本文算法不需要已知每個分量信號的載頻和符號率等信息，但是要求滿足各分量信號的循環(huán)頻率各不相同這一條件，即要求不同分量信號的符號率、載頻是不同的。

[1] Xu J L, Su Wei, and Zhou M C. Likelihood-ratio approaches to automatic modulation classification[J]., 2011, 41(4): 455-469.

[2] Headley W C and da Silva C R. Asynchronous classification of digital amplitude-phase modulated signals in flat-fading channels[J]., 2011, 59(1): 7-12.

[3] Dobre O A and Inkol R. Blind signal identification: achievements, trends, and challenges[C]. IEEE International Conference on Communications, Bucharest, 2012: 349-352.

[4] 范海波, 楊志俊, 曹志剛. 衛(wèi)星通信常用調(diào)制方式的自動識別 [J]. 通信學(xué)報, 2004, 25(1): 140-149.

Fan Hai-bo, Yang Zhi-jun, and Cao Zhi-gang. Automatic recognition for common used modulations in satellite commnication[J]., 2004, 25(1): 140-149.

[5] Zhang L P, Wang J X, and Ma N. Blind separation and modulation identification of jamming signals in communications[C]. IEEE International Conference on Electronics, Communications and Control Ningbo, 2011: 170-173.

[6] Spooner C M. Classification of co-channel communication signals using cyclic cumulants[C]. Proceedings of the 29th Asilomar Conference on Signals, Systems and Computer, Washington DC, 1995: 531-536.

[7] 余志斌, 于寧宇. 基于循環(huán)譜包絡(luò)的多信號調(diào)制識別[J]. 計算機應(yīng)用, 2012, 32(8): 2119-2122.

Yu Zhi-bin and Yu Ning-yu. Modulation recognition for multi component PSK signals based on cyclic spectrum amplitude[J]., 2012, 32(8): 2119-2122.

[8] 陸明泉, 肖先賜. 同信道多信號的調(diào)制識別方法 [J]. 清華大學(xué)學(xué)報(自然科學(xué)版,網(wǎng)絡(luò). 預(yù)覽), 2009, 49(10): 103-107.

Lu Ming-quan and Xiao Xian-chi. Modulation recognition of multiple co-channel signals[J].(), 2009, 49(10): 103-107.

[9] 程漢文, 朱雷, 吳樂南. 基于累計量的干擾信號調(diào)制識別算法 [J]. 電子與信息學(xué)報, 2009, 31(7): 1741-1745.

Cheng Han-wen, Zhu Lei, and Wu Le-nan. Modulation classification algorithm for jamming signal based on cumulants[J].&, 2009, 31(7): 1741-1745.

[10] Nikias C L and Petropulu A P. Higher-Order Spectra Analysis: A Nonlinear Signal Processing Framework[M]. Englewood Cliffs, NJ: PTR Prentice Hall, 1993: 53-78.

[11] 楊琳, 許小東, 路友榮, 等. 基于譜線特征的恒包絡(luò)數(shù)字調(diào)制方式識別方法[J]. 中國科學(xué)技術(shù)大學(xué)學(xué)報, 2009, 39(9): 936-943.

Yang Lin, Xu Xiao-dong, Lu You-rong,.. Spectrum line based modulation classification for constant modulus digital modulation signals[J]., 2009, 39(9): 936-943.

[12] Spooner C M and Gardner W A. The cumulant theory of cyclostationary time-series. II. Development and applications [J]., 1994, 42(12): 3409-3429.

[13] 劉雙平, 文翔, 金梁. 一種抑制符號速率估計背景色噪聲的非線性濾波算法[J]. 電子學(xué)報, 2007, 35(1): 95-99.

Liu Shuang-ping, Wen Xiang, and Jin Liang. A new nonlinear filtering algorithm for colored backgroud self-noise suppressing of symbol rate[J]., 2007, 35(1): 95-99.

[14] Dandawate A V and Giannakis G B. Statistical tests for presence of cyclostationarity[J]., 1994, 42(9): 2355-2369.

趙宇峰： 男，1986年生，博士生，研究方向為盲信號處理、無線通信.

曹玉?。?男，1988年生，博士生，研究方向為通信信號的自適應(yīng)處理.

紀(jì) 勇： 男，1977年生，工程師，研究方向為信號處理、電子系統(tǒng)的設(shè)計.

戴旭初： 男，1963年生，教授，博士生導(dǎo)師，研究方向為寬帶無線通信、自適應(yīng)信號處理.

Modulation Identification for Single-channel Mixed CommunicationSignals Based on Cyclic Frequency Features

Zhao Yu-feng①Cao Yu-jian①Ji Yong②Dai Xu-chu①

①(,,230027,)②(,230088,)

Single-channel blind separation of several time-frequency overlapping communication signals, which has potential and wide application, is a hot and intractable point in the field of communication signal processing. The modulation type and source number are necessary for blind separation of several mixed signals received by single channel. In this paper, cycle frequencies of second-order and fourth-order cyclic cumulants of digital modulation signals are investigated. Based on the features of cycle frequencies, a novel method for modulation identification and source number estimation is proposed for single-channel mixed communication signals, and an algorithm is presented. The proposed approach does not need the prior information such as power, carrier frequency, symbol rate, time recovery and so on, and can effectively identify the source number and modulation type of each source when the signal received by single channel is a random mixture of several kinds of typical communication signals (BPSK, QPSK, OQPSK, MSK.). Through simulations under different conditions, the performance of the proposed algorithm is examined, and its effectiveness is also demonstrated.

Digital communication; Modulation identification; Cyclic cumulants; Cyclic frequency detection

TN919

A

1009-5896(2014)05-1202-07

10.3724/SP.J.1146.2013.00454

戴旭初 daixc@ustc.edu.cn

2013-04-07收到，2014-01-15改回