趙知勁，強芳芳，陳　穎

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018)

?

利用高階累積量的數(shù)字調(diào)相信號識別

趙知勁，強芳芳，陳穎

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018)

摘要：針對BPSK，QPSK，8PSK，16PSK，OQPSK和π/4-QPSK信號的識別，首先推導(dǎo)16PSK信號的高階累積量理論值，利用四階、八階累積量特征解決四階、六階累積量特征參數(shù)無法識別16PSK信號的問題，并將6種信號分成4類.針對傳統(tǒng)高階累積量特征參數(shù)無法區(qū)分QPSK與OQPSK信號及π/4-QPSK與8PSK信號，利用差分累積量特征參數(shù).用3種特征參數(shù)識別6種信號，實現(xiàn)了用較少的特征參數(shù)識別更多信號的目的.仿真結(jié)果表明，在低信噪比條件下能很好地抑制高斯白噪聲，在信噪比大于6 dB時，所有信號識別率均達100%.

關(guān)鍵詞：調(diào)制識別；高階累積量；差分處理；特征參數(shù)

0引言

調(diào)制信號識別是軍用和民用領(lǐng)域的重要技術(shù)，已引起國內(nèi)外學(xué)者的廣泛關(guān)注[1-2].利用高階累積量識別調(diào)相信號的成果已有許多.文獻[3-4]分別用四階累積量和二階、八階累積量區(qū)分BPSK，QPSK，8PSK信號.由于OQPSK與QPSK信號累積量相同，π/4-QPSK與8PSK信號累積量相同，文獻[5]提出采用相對歐氏距離法和統(tǒng)計相位差法分別識別這兩組信號，但在低信噪比情況下識別率不高；文獻[6]采用瞬時自相關(guān)處理方法識別8PSK，π/4-QPSK，π/4-DQPSK信號，計算方法復(fù)雜；文獻[7]采用差分累積量方法有效識別了8PSK和π/4-QPSK信號.從目前的公開文獻看，幾乎沒有對16PSK信號識別進行研究.本文研究了BPSK，QPSK，8PSK，16PSK，π/4-QPSK和OQPSK的類內(nèi)識別，推導(dǎo)了16PSK信號的累積量和OQPSK與QPSK信號差分累積量，利用各類調(diào)制信號的八階累積量和差分累積量，提出3個特征參數(shù)，實現(xiàn)了這6種調(diào)相信號的識別.

1數(shù)字調(diào)相信號模型

假設(shè)在接收端得到的復(fù)基帶信號表達式為[4]：

(1)

式中：ak為碼元序列，k=1,2,…,N，N表示碼元長度，p(t)表示基帶碼元波形，Ts為碼元寬度，A為信號能量，Δθc為相位抖動，n(t)為零均值的復(fù)高斯白噪聲.

根據(jù)數(shù)字調(diào)相信號性質(zhì)，對于MPSK信號式(1)中的ak，可以表示為：

ak∈{ej2π(m-1)/M,m=1,2,…M},

(2)

其中，M表示進制數(shù)，對應(yīng)本文所采用的信號，M的取值為2，4，8和16.

OQPSK是QPSK的改進型，相位只能跳變0°，±90°，即若ak∈{ej2π(m-1)/4,m=1,2,3,4}，則ak∈{ej[2π(m-1)/4+Δθ],m=1,2,3,4,Δθ=0,±π/2}.π/4-QPSK信號相鄰碼元分別屬于有π/4相位差的信號集[7]，即若ak∈{ej2π(m-1)/4,m=1,2,3,4}，則ak+1∈{ej[2π(m-1)/4+π/4],m=1,2,3,4}.

本文對每個碼元采取1個樣本，可得基帶采樣信號為：

(3)

2特征提取與決策分類

2.1高階矩與高階累積量

設(shè)有1個均值為0的平穩(wěn)復(fù)隨機信號X(t)，定義其P階混合矩為[8-9]：

Mpq=E[X(t)p-qX*(t)q].

(4)

可得其二階、四階、六階、八階累積量C20，C21，C40，C42，C60，C63和C80分別為：

C20=Cum(X,X)=M20,

(5)

C21=Cum(X,X*)=M21,

(6)

(7)

C41=Cum(X,X,X,X*)=M41-3M20M21,

(8)

(9)

(10)

(11)

(12)

2.2MPSK，π/4-QPSK，OQPSK的分類識別

(13)

根據(jù)復(fù)正弦序列的正交特性可得M20=0.

類似可推得M21=A，M40=M41=M60=M61=M62=M80=0，M42=A2，M63=A3.根據(jù)式(5)-(12)，計算得到16PSK信號的各階累積量理論值.將BPSK，QPSK，8PSK，16PSK，OQPSK，π/4-QPSK信號的累積量理論值一并列表，如表1所示.

表1　各調(diào)制信號累積量理論值

(14)

根據(jù)式(14)給定3個判決閾值：th1，th2和th3，用特征參數(shù)f1和決策分類法可識別4類信號：BPSK，16PSK，{QPSK,OQPSK}和{8PSK,π/4-QPSK}.

2.3QPSK與OQPSK的識別

從表1可以看出，QPSK與OQPSK的累積量完全相同，但QPSK與OQPSK信號的相位跳變規(guī)律不同，故可對采樣序列式(3)作差分運算，得：

(15)

(16)

類似可推得M21=2A，M40=2A2，M41=0，M42=6A2.根據(jù)式(5)-(9)，可計算得QPSK差分信號的各階累積量理論值如表2所示.

表2　QPSK與OQPSK差分信號四階累積量理論值

對于OQPSK信號，ak+1和ak相關(guān)，相鄰碼元的相位差為Δθ=0,±π/2，概率分別為1/3.此時：

(17)

類似可推得M20=M41=0，M40=-8A2/3，M42=8A2/3.根據(jù)式(5)-(9)，可得OQPSK差分信號的各階累積量理論值如表2所示.

(18)

給定判決閾值th4，利用特征參數(shù)f2可識別QPSK和OQPSK信號.

2.4π/4-QPSK與8PSK的識別

π/4-QPSK與8PSK差分信號星座圖完全不同.類似求得其差分信號累積量如表3所示.

表3　π/4-QPSK與8PSK差分信號累積量理論值

(19)

給定判決閾值th5，利用特征參數(shù)f3可識別π/4-QPSK和8PSK信號.

2.5決策識別流程

分析可得BPSK，QPSK，8PSK，16PSK，π/4-QPSK和OQPSK的識別流程如圖1所示.

圖1　信號識別流程圖

3算法仿真與性能分析

隨機產(chǎn)生N個碼元，噪聲為零均值的高斯白噪聲.

取N=3 000，分析每個特征參數(shù)的100次仿真平均值隨信噪比變化曲線.由于特征參數(shù)f1的取值范圍比較大，為便于觀察，在圖2中分(a)，(b)兩張圖呈現(xiàn).

圖2　不同信噪比下特征參數(shù)f1的值

由圖2可見，BPSK，QPSK，8PSK與16PSK的特征參數(shù)f1的區(qū)分度明顯，且當(dāng)信噪比大于6 dB時，分別與理論值基本相同.文獻[3]識別BPSK，QPSK和8PSK信號需2個特征參數(shù)，且不能識別16PSK信號，而本文只需1個特征參數(shù)即可明顯區(qū)分這4種信號.

QPSK和OQPSK信號的特征參數(shù)f2隨信噪比的變化曲線如圖3所示，π/4-QPSK和8PSK信號的特征參數(shù)f3隨信噪比的變化曲線如圖4所示.

圖3　QPSK與OQPSK

圖4　π/4-QPSK與8PSK

由圖3和圖4可見，信噪比大于7 dB時估計得到的信號特征參數(shù)f2，f3與理論值基本相同，且都具有明顯的區(qū)分度.表明了利用特征參數(shù)f2實現(xiàn)QPSK與OQPSK信號識別、利用f3實現(xiàn)π/4-QPSK與8PSK信號識別是可行的.

取N=3 000，理論上各閾值可取為相鄰特征參數(shù)的中間值，即th1=51，th2=17.5，th3=0.5，th4=2和th5=8.8.由于噪聲影響，發(fā)現(xiàn)th3和th5的取值對π/4-QPSK信號的識別率存在一定影響，所以微調(diào)2個閾值.最終選定為th3=0.4，th5=6.不同信噪比條件下對所有信號分別進行200次仿真，得到每種信號的正確識別率如圖5所示.

圖5　不同信噪比下正確識別率

由圖5可見，本文方法正確識別率達到100%時，BPSK，QPSK，OQPSK，8PSK，π/4-QPSK和16PSK分別需信噪比-2dB，0dB，0dB，5dB，5dB和6dB，而文獻[4]方法對QPSK和8PSK信號識別率達到92%時需要信噪比為6dB以上；且本文提出的特征參數(shù)還能識別16PSK信號.文獻[5]方法對QPSK和OQPSK信號的正確識別率達到100%時至少需要信噪比5dB；綜合來看，本文只需構(gòu)造3個特征參數(shù)就能在低信噪比條件下正確識別出這6種信號.

4結(jié)束語

本文推導(dǎo)了調(diào)相信號的累積量和差分信號累積量，用3種特征參數(shù)有效實現(xiàn)了6種數(shù)字調(diào)相信號的識別.本文選取的特征參數(shù)少，算法簡單；特征參數(shù)受噪聲的影響小，具有良好的抗相位抖動能力，提高了識別性能；解決了四階、六階累積量特征參數(shù)不能識別16PSK信號的問題.

參考文獻

[1]AZZOUZEE,NANDIAK.Automaticidentificationofdigitalmodulationtypes[J].SignalProcessing, 1995, 47(95):55-69.

[2]SWAMIA,SADLERBM.Hierarchicaldigitalmodulationclassificationusingcumulants[J].Communications,IEEETransactionson, 2000, 48(3):416-429.

[3]楊薇,張曉寧,安洪海.基于高階累積量的MPSK信號的類內(nèi)識別[J].通信技術(shù),2010,43(10):43-46.

[4]郭娟娟,尹洪東,姜璐,等.利用高階累積量實現(xiàn)數(shù)字調(diào)制信號的識別[J].通信技術(shù),2014,47(11):1255-1260.

[5]NAIKMV,BHATTACHARJEER,MAHANTAA,etal.BlindAdaptiveRecognitionofDifferentQPSKModulatedSignalsforSoftwareDefinedRadioApplications[C]//CommunicationSystemSoftwareandMiddleware, 2006.Comsware2006.FirstInternationalConferenceon.IEEE, 2006:1-6.

[6]薛源,孫小東,楊吉祥,等.利用四階累積量實現(xiàn)數(shù)字調(diào)相信號子類識別[J].艦船電子工程,2014,34(11):55-59.

[7]陸鳳波,黃知濤,姜文利,等.基于差分高階累積量的pi/4-QPSK和8PSK調(diào)制樣式識別算法[J].電子對抗,2007(3):1-5.

[8]張賢達.時間序列分析―高階統(tǒng)計量方法[M].北京：清華大學(xué)出版社,1996：10-17.

[9]SHERMEHAE,GHAZALIANR.Recognitionofcommunicationsignaltypesusinggeneticalgorithmandsupportvectormachinesbasedonthehigherorderstatistics[J].DigitalSignalProcessing, 2010, 20(6):1748-1757.

DOI：10.13954/j.cnki.hdu.2016.03.001

收稿日期：2015-09-07

作者簡介：趙知勁(1959-)，女，浙江寧波人，教授，信號處理、認(rèn)知無線電.

中圖分類號：TN911.7

文獻標(biāo)識碼：A

文章編號：1001-9146(2016)03-0001-05

Modulation Recognition of MPSK Signals Using Higher Order Cumulants

ZHAO Zhijin, QIANG Fangfang, CHEN Ying

(SchoolofCommunicationEngineering,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

Abstract：Aiming at the recognition of BPSK、QPSK、8PSK、16PSK、OQPSK and π/4-QPSK signals,higher cumulant theoretical value of 16PSK signal is derived firstly. Four-order and eight-order cumulants feature is used to solve the problem that four-order and six-order cumulants feature can not identify 16PSK signal, and then divide six signals into four classes. Difference cumulant feature parameters are used to recognize QPSK、OQPSK signal and π/4-QPSK、8PSK signal, whom have been not recognized by traditional higher order cumulants. Only three feature parameters are needed to identify all this six signals, and achieve the target of recognizing more signals with less feature parameters at the same time. Simulation results show that this method can suppress Gaussian white noise at low signal noise ratio(SNR) and the recognition rate of all signals reach 100% when SNR>6 dB.

Key words：modulation recognition; higher order cumulants; difference processing; feature parameters