陳澤藝

(重慶郵電大學(xué) 通信學(xué)院，重慶400065)

1 引 言

通信信號(hào)調(diào)制模式識(shí)別是在多信號(hào)環(huán)境和噪聲條件下確定信號(hào)的調(diào)制模式，是信號(hào)監(jiān)測(cè)和進(jìn)一步解調(diào)分析的基礎(chǔ)和前提。在非協(xié)作通信、電子對(duì)抗、信號(hào)干擾與截獲等軍民領(lǐng)域都具有重要應(yīng)用。常用的信號(hào)調(diào)制模式識(shí)別方法主要基于決策理論、神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)理論?；跊Q策理論的調(diào)制識(shí)別方法所用參數(shù)需要搜索最優(yōu)門限，參數(shù)提取和信號(hào)識(shí)別的順序?qū)ψR(shí)別率影響極大，參數(shù)及特征選取復(fù)雜;神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)構(gòu)復(fù)雜，計(jì)算量大，硬件復(fù)雜高;基于統(tǒng)計(jì)理論的調(diào)制模式識(shí)別方法具有良好的識(shí)別性能，因而獲得了廣泛應(yīng)用。

以信號(hào)的高階累積量作為特征參數(shù)進(jìn)行調(diào)制識(shí)別，抗噪性能好，計(jì)算復(fù)雜度低［1］，二進(jìn)制幅移鍵控(2ASK)和二進(jìn)制相移鍵控(Binary Phase Shift Keying，BPSK)的高階累積量以及MFSK 的高階累積量相等，不足以區(qū)分信號(hào)，高階累積量識(shí)別法無法完全區(qū)分衛(wèi)星通信中主要調(diào)制方式［2－4］。閆朋展等［3］應(yīng)用二叉樹支持向量機(jī)(Support Vector Machine，SVM)與高階累積量相結(jié)合識(shí)別ASK、PSK、QAM 信號(hào)，在低信噪比下具有很好的識(shí)別率，但識(shí)別實(shí)驗(yàn)中沒有加入FSK 信號(hào)。針對(duì)FSK 類信號(hào)高階累積量完全相同無法識(shí)別的情況，李彥栓等［5］人對(duì)FSK 信號(hào)先進(jìn)行一階微分后再求取高階累積量，完成了2ASK、4ASK、QPSK、2FSK、4FSK 信號(hào)的分類。黨月芳等［6］應(yīng)用分形理論對(duì)高階累積量法進(jìn)行了補(bǔ)充，能夠完成主要調(diào)制方式的分析。循環(huán)譜識(shí)別方法在低信噪比時(shí)具有較高的識(shí)別率［7－8］，但在實(shí)現(xiàn)2FSK與4FSK 信號(hào)分類時(shí)需要利用譜峰個(gè)數(shù)及譜幅度等，難度較大;在實(shí)現(xiàn)BPSK、QPSK 信號(hào)分類時(shí)，由于兩者功率譜密度函數(shù)十分相似，識(shí)別困難。文獻(xiàn)［9］提出用循環(huán)譜密度函數(shù)三維圖像截面圖的不同實(shí)現(xiàn)了兩者的區(qū)分，但計(jì)算量過大，不易硬件實(shí)現(xiàn)。

本文采用循環(huán)譜和高階累積量識(shí)別法，通過多種特征參數(shù)聯(lián)合判決構(gòu)建簡(jiǎn)單的級(jí)聯(lián)結(jié)構(gòu)實(shí)現(xiàn)了一種聯(lián)合識(shí)別算法。該算法運(yùn)用循環(huán)譜對(duì)ASK、MFSK、PSK 信號(hào)進(jìn)行預(yù)分類處理，彌補(bǔ)高階累積量識(shí)別缺陷，在利用循環(huán)譜對(duì)信號(hào)進(jìn)行分類的基礎(chǔ)上，利用高階累積量完成ASK、PSK 信號(hào)的類內(nèi)區(qū)分，提高了識(shí)別率。仿真分析表明，該算法對(duì)現(xiàn)有主要調(diào)制方式具有很高的識(shí)別率。

2 調(diào)制模式識(shí)別特征定義

信號(hào)的特征參數(shù)選取是調(diào)制識(shí)別的關(guān)鍵，直接決定了識(shí)別性能。信號(hào)的高階累積量特征具有抗噪性，但對(duì)于2FSK、4FSK 等具有相同的累積量，而循環(huán)譜對(duì)于不同種類信號(hào)有較好的區(qū)分性。根據(jù)聯(lián)合算法的設(shè)計(jì)特點(diǎn)，在循環(huán)譜特征識(shí)別中選擇了調(diào)制類別區(qū)分度較高的包絡(luò)特性，在高階累積量特征選擇中采用對(duì)同類調(diào)制模式區(qū)分度較高的參數(shù)。

2.1 循環(huán)譜特征理論

信號(hào)x(t)為一廣義循環(huán)平穩(wěn)隨機(jī)過程，其自相關(guān)函數(shù)定義為

式中，T 為信號(hào)碼元周期，τ 為延遲時(shí)間，則信號(hào)x ( t)的循環(huán)自相關(guān)函數(shù)定義為

使Rαx(τ)≠0 的頻率α 稱為信號(hào)的循環(huán)頻率，α=k/T，k 為整數(shù)。一個(gè)循環(huán)平穩(wěn)信號(hào)的循環(huán)頻率可能有多個(gè)，其中包括零頻率和非零頻率。當(dāng)α =0時(shí)，R0x()τ 為平穩(wěn)信號(hào)的自相關(guān)函數(shù);當(dāng)α≠0 時(shí)，Rαx()τ 為Rx()τ 的周期加權(quán)形式，稱為周期自相關(guān)函數(shù)，也即循環(huán)自相關(guān)函數(shù)［2］。循環(huán)自相關(guān)函數(shù)Rαx()τ 的傅里葉變換Sαx()f 為信號(hào) ()x t 的循環(huán)譜:

ASK 信號(hào)、PSK、FSK 信號(hào)包絡(luò)特性差異較大，根據(jù)各類信號(hào)的特點(diǎn)選取3 個(gè)特征值M1、M2、M3。特征值M1=1/σS0，其中σS0為信號(hào) ()x t 歸一化循環(huán)譜Sαx()0 截面幅度包絡(luò)方差;特征值M2=1/σSfc，其中為信號(hào) ()x t 歸一化循環(huán)譜截面幅度包絡(luò)方差;特征值M3=1/u，u 為信號(hào)歸一化循環(huán)譜Sαx()0 截面幅度包絡(luò)均值。

2.2 高階累積量特征理論

對(duì)于平穩(wěn)隨機(jī)過程 ()x t ，其p 階混合矩為［3］

則其二階、四階、六階累積量分別為

通過式(4)～(11)可計(jì)算出不同調(diào)制信號(hào)高階累積量如表1所示，本文選擇四階和六階高階累積量，構(gòu)造特征參數(shù)構(gòu)造參數(shù)區(qū)分2ASK 和4ASK 信號(hào)，選擇四階高階累積量構(gòu)造特征參數(shù)可以區(qū)分BPSK 信號(hào)和QPSK 信號(hào)。

表1 不同數(shù)字調(diào)制信號(hào)的高階累積量Table 1 High－order cumulants of different digital modulation signals

3 聯(lián)合識(shí)別算法設(shè)計(jì)

循環(huán)譜特征參數(shù)對(duì)于不同類別的調(diào)制模式較為敏感，識(shí)別精度高。聯(lián)合識(shí)別算法原理如圖1所示，第一步由循環(huán)譜特征識(shí)別對(duì)調(diào)制方式分類，可以識(shí)別ASK、PSK、2FSK、4FSK 調(diào)制信號(hào);第二步采用高階累積量特征識(shí)別，聯(lián)合循環(huán)譜特征進(jìn)一步識(shí)別2ASK、4ASK、BPSK、QPSK。兩級(jí)識(shí)別間靠特征值傳遞，計(jì)算復(fù)雜度低。由表1可知，除FSK 以外同一調(diào)制類別的高階累積量差異較大，區(qū)分精度更高。

圖1 聯(lián)合識(shí)別算法原理圖Fig.1 Principle of combined modulation recognition algorithm

將循環(huán)譜與高階累積量?jī)煞N識(shí)別特征相結(jié)合，能夠完全區(qū)分主要的調(diào)制方式，算法工作流程見圖2，詳細(xì)算法描述如下:

(1)對(duì)接收的數(shù)字調(diào)制信號(hào)進(jìn)行下變頻處理后得到基帶調(diào)制信號(hào);

(2)計(jì)算信號(hào) x ( t)的歸一化循環(huán)譜，并提取Sαx( 0)截面的幅度包絡(luò)方差σS0，構(gòu)造參數(shù)M1=1/σS0并與門限值t1比較，將信號(hào)分為{2ASK、4ASK}、{2FSK、4FSK、BPSK、QPSK}兩類，其中M1＞t1時(shí)為ASK 類信號(hào)，反之為FSK 和PSK 類信號(hào);

(3)在步驟2 識(shí)別基礎(chǔ)上，提取信號(hào) x ( t)歸一化循環(huán)譜Sαx( fc)截面的幅度包絡(luò)方差σSfc，構(gòu)造參數(shù)M2=1/σSfc并與門限值t2比較，將信號(hào)分為FSK 和PSK 兩類，其中M2＞t2時(shí)為PSK 類信號(hào)，反之為FSK 類信號(hào);

(4)若 ()x t 為FSK 類信號(hào)，則跳至步驟5;若為ASK 類信號(hào)，則跳至步驟6;若為FSK 類信號(hào)，則跳至步驟7;

(5)計(jì)算信號(hào) ()x t 的歸一化循環(huán)譜Sαx()0 截面幅度包絡(luò)均值u，構(gòu)造參數(shù)M3=1/u 并與門限值t3比較，完成2FSK、4FSK 信號(hào)的識(shí)別;

(6)計(jì)算信號(hào) x ( t)的四階累積量C40、六階累積量C60，構(gòu)造參數(shù)并與門限值t4比較，完成2ASK、4ASK 信號(hào)的識(shí)別;

(7)計(jì)算信號(hào) x ( t)的四階累積量C41、C42，構(gòu)造參數(shù)并與門限值t5比較，完成BPSK、QPSK 信號(hào)的識(shí)別。

圖2 聯(lián)合識(shí)別算法流程圖Fig.2 Flow chart of combined modulation recognition algorithm

4 仿真與結(jié)果分析

基于MATLAB 環(huán)境，采用聯(lián)合算法對(duì){2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}6 種信號(hào)進(jìn)行識(shí)別仿真，考慮到參數(shù)指標(biāo)過高會(huì)引起采樣率高、仿真時(shí)間加長(zhǎng)以及需要復(fù)雜的多速率轉(zhuǎn)換，且數(shù)據(jù)率、載波品類的等參數(shù)與識(shí)別率無關(guān)等，仿真參數(shù)設(shè)定為:信號(hào)載波頻率fc=150 kHz，采樣頻率fs=1200 kHz，碼元速率Rb=25 kHz，加性高斯白噪聲環(huán)境，進(jìn)行100次獨(dú)立Monte Carlo 仿真實(shí)驗(yàn)，圖3～7給出了在不同信噪比條件下各種信號(hào)調(diào)制模式下的特征參數(shù)變化曲線。

ASK 信號(hào)與FSK、PSK 類信號(hào)調(diào)制類別識(shí)別如圖3所示，由圖可知ASK 類信號(hào)的M1參數(shù)明顯高于其他類信號(hào)，因此將信號(hào) ()x t 的M1參數(shù)與設(shè)定閾值t1比較即可將ASK 類信號(hào)(M1＞t1)與{FSK、PSK}(M1＜t1)類信號(hào)區(qū)分開來。

圖3 ASK 與FSK、PSK 調(diào)制識(shí)別Fig.3 Recognition of ASK and FSK，PSK

FSK 與PSK 類信號(hào)識(shí)別如圖4所示，由圖可知PSK 類信號(hào)M2參數(shù)明顯大于FSK 類信號(hào)，因此將信號(hào) ()x t 的M2參數(shù)與設(shè)定閾值t2比較即可準(zhǔn)確地將PSK 類信號(hào)(M2＞t2)與FSK 類信號(hào)(M2＜t2)區(qū)分開來。

圖4 PSK 與FSK 調(diào)制識(shí)別Fig.4 Recognition of PSK and FSK

2FSK 和4FSK 信號(hào)識(shí)別如圖5所示，由圖可知2FSK 信號(hào)M3參數(shù)值明顯大于4FSK 信號(hào)，因此將信號(hào) ()x t 的M3參數(shù)與設(shè)定閾值t3比較即可將2FSK(M3＞t3)與4FSK(M3＜t3)信號(hào)區(qū)分開來，從而實(shí)現(xiàn)FSK 信號(hào)的類內(nèi)識(shí)別。

圖5 2FSK 與4FSK 調(diào)制識(shí)別Fig.5 Recognition of 2FSK and 4FSK

通過構(gòu)造參數(shù)M1、M2、M3能夠?qū)崿F(xiàn)FSK、ASK 、PSK 類信號(hào)的類間識(shí)別及FSK 信號(hào)的類內(nèi)識(shí)別，但無法實(shí)現(xiàn)ASK、PSK 信號(hào)的類內(nèi)識(shí)別，而參數(shù)M4和M5可以完成類內(nèi)識(shí)別。

ASK 類信號(hào)識(shí)別M4參數(shù)曲線如圖6所示，由圖可知通過2ASK 信號(hào)M4參數(shù)值明顯大于4ASK信號(hào)，因此通過計(jì)算信號(hào) ()x t 的高階累積量及M4參數(shù)，并與設(shè)定閾值t4比較即可將2ASK(M4＞t4)與4ASK(M4＜t4)信號(hào)區(qū)分開來，從而實(shí)現(xiàn)ASK 信號(hào)的類內(nèi)識(shí)別。

圖6 2ASK 與4ASK 調(diào)制識(shí)別Fig.6 Recognition of 2ASK and 4ASK

PSK 類信號(hào)識(shí)別如圖7所示，BPSK 信號(hào)M5約等于1，而QPSK 信號(hào)的M5參數(shù)值趨近于0，因此通過計(jì)算信號(hào) ()x t 的高階累積量及M5參數(shù)，并與設(shè)定閾值t5比較即可將BPSK(M5＞t5)與QPSK(M5＜t5)信號(hào)區(qū)分開來，從而實(shí)現(xiàn)PSK 信號(hào)的類內(nèi)識(shí)別。

圖7 BPSK 與QPSK 調(diào)制識(shí)別Fig.7 Recognition of BPSK and QPSK

綜上所述，通過聯(lián)合多種判決特征參數(shù)，能夠解決ASK、FSK、PSK 類信號(hào)的通用識(shí)別問題，聯(lián)合識(shí)別算法的識(shí)別結(jié)果見表2，在信噪比(Signal－to－noise Ratio，SNR)大于等于5 dB 時(shí)識(shí)別率已達(dá)到88%以上，10 dB時(shí)總體識(shí)別率達(dá)到93%，15 dB時(shí)識(shí)別率超過了95%，與文獻(xiàn)［4－5，7］相比識(shí)別率有顯著提高，與改進(jìn)的高階累積量識(shí)別法［6］相比，性能仍有所提高。該方法解決了ASK、FSK、PSK 類信號(hào)通用識(shí)別問題，在衛(wèi)星通信信號(hào)識(shí)別領(lǐng)域，對(duì)于盲偵測(cè)接收機(jī)、自適應(yīng)通信系統(tǒng)的數(shù)字調(diào)制方式識(shí)別技術(shù)的工程實(shí)現(xiàn)具有較好的參考價(jià)值。

表2 聯(lián)合識(shí)別算法識(shí)別結(jié)果Table 2 Simulation results of combined modulation recognition algorithm

5 結(jié)束語

高階累積量識(shí)別法具有良好的抗干擾識(shí)別性能，但無法完全識(shí)別主要的調(diào)制方式，限制了其應(yīng)用范圍和實(shí)用性。本文針對(duì)衛(wèi)星通信中對(duì)ASK、FSK、PSK 類調(diào)制模式識(shí)別需求，將循環(huán)譜特征引入高階累積量構(gòu)建新的級(jí)聯(lián)識(shí)別器，擴(kuò)展高階累積量的識(shí)別范圍，提高了識(shí)別效率和精度。該識(shí)別算法能夠完全識(shí)別{2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}，覆蓋了常用的衛(wèi)星通信調(diào)制方式，具有很好的工程實(shí)用價(jià)值。由于計(jì)算循環(huán)譜特征參數(shù)和高階累積量仍然需要較大的數(shù)學(xué)運(yùn)算量，在工程應(yīng)用可采用專有硬件實(shí)現(xiàn)。此外，該方法中沒有引入智能決策算法(如神經(jīng)網(wǎng)絡(luò)、支撐向量機(jī))，在一定程度上影響了識(shí)別率，這將是下一步的研究?jī)?nèi)容。

［1］ 王永娟. 基于高階累積量的OFDM 信號(hào)調(diào)制識(shí)別技術(shù)研究［D］. 西安:西安交通大學(xué)，2009.WANG Yongjuan. Research on Modulation Identification of OFDM Based on High Order Cummulants［D］. Xi'an:Xi'an Jiaotong University，2009.(in Chinese)

［2］ WANG Lanxun，REN Yujing，ZHANG Ruihua. Algorithm of digital modulation recognition based on support Vector machines［C］∥Proceedings of 2009 International Conference on Machine Learning and Cybernetics. Baoding:IEEE，2009:980－983.

［3］ 閏朋展，王振宇.運(yùn)用高階累積量和SVM 的調(diào)制自動(dòng)識(shí)別［J］.電訊技術(shù)，2010，50(10):36－40.YAN Pengzhan，WANG zhenyu. Automatic recognition of digital modulation signals applying high order cumulants and support vector machines［J］. Telecommunication Engineering，2010，50(10):36－40.(in Chinese)

［4］ 譚曉衡，劉娟，胡友強(qiáng).一種新的低信噪比下的效字調(diào)制識(shí)別方法［J］. 系統(tǒng)工程與電子技術(shù)，2009，31(6):60－64.TAN Xiaoheng，LIU Juan，HU Youqiang. A new algorithm for digital modulation recognition under the low SNR［J］.Systems Engineering and Electronics，2009，3l(6):60－64.(in Chinese)

［5］ 李彥栓，羅明，李霞. 基于高階累積量的OFDM 信號(hào)調(diào)制識(shí)別技術(shù)［J］.電子信息對(duì)抗技術(shù)，2012，27(4):1－4.LI Yanshuan，LUO Ming，LI Xia. Modulation Identification of OFDM Based on High Order Cummulants［J］. Electronic Information Warfare Technology，2012，27(4):1－4.(in Chinese)

［6］ 黨月芳，徐啟建，張杰，等. 高階累積量和分形理論在信號(hào)調(diào)制識(shí)別中的應(yīng)用研究［J］. 信號(hào)處理，2013，29(6):762－765.DANG Yuefang，XU Qijian，ZHANG Jie，et al. Research Modulation Classification Based on Higher－Oder Cumulants and Fractal Theory［J］. Journal of Signal Processing，2013，29(6):762－765.(in Chinese)

［7］ 饒偉. 多徑衰落環(huán)境中具有調(diào)制識(shí)別能力的盲均衡新算法［J］. 電子學(xué)報(bào)，2013，41(7):1284－1289.RAO Wei. New Blind Equalization Algorithm with Ability of Modulation Classification Under the Condition of Multipath Propagation［J］. Acta Electronica Sinica，2013，41(7):1284－1289.(in Chinese)

［8］ 余志斌，于寧宇. 基于循環(huán)譜包絡(luò)的多信號(hào)調(diào)制識(shí)別［J］. 計(jì)算機(jī)應(yīng)用，2012，32(8):2119－2122.YU Zhibin，YU Ningyu. Modulation recognition or multi－component PSK signals based on cyclic spectrum amplitude［J］. Journal of Computer Applications，2012，32(8):2119－2122.(in Chinese)

［9］ 鄭天堃. 非協(xié)作通信接收機(jī)中調(diào)制信號(hào)識(shí)別技術(shù)研究［D］. 綿陽:西南科技大學(xué)，2014.ZHENG Tiankun. Research on modulation recognition technology of uncooperative communication receiver［D］.Mianyang:Southwest University of Science and Technology，2014.(in Chinese)