姜瑩熒

內(nèi)蒙古自治區(qū)廣播電視傳輸發(fā)射中心阿魯科爾沁806臺(tái) 內(nèi)蒙古 赤峰市 025550

在電子科學(xué)技術(shù)的快速發(fā)展下，無線通信技術(shù)從早期模擬無線通信發(fā)展到了數(shù)字通信階段。對(duì)應(yīng)的信號(hào)調(diào)制方式也從模擬調(diào)制方式轉(zhuǎn)變?yōu)閿?shù)字調(diào)制，在信息傳輸量的不斷增加下，為了能夠?qū)崿F(xiàn)對(duì)有限信道容量的充分利用，無線傳輸信號(hào)的調(diào)制方式變得多元。調(diào)制方式是區(qū)分通信信號(hào)的重要關(guān)鍵，為了能夠獲取通信信號(hào)傳遞的信息內(nèi)容，需要明確各個(gè)信號(hào)的調(diào)制方式，在確定好信號(hào)調(diào)制識(shí)別之后完成對(duì)信號(hào)的解調(diào)操作。

1 數(shù)字信號(hào)調(diào)制識(shí)別分類和提取

第一，瞬時(shí)特征。在信號(hào)獲取的時(shí)候，數(shù)字信號(hào)調(diào)制識(shí)別會(huì)直接提取信號(hào)的幅度、頻率，獲取信號(hào)相應(yīng)位置的物理量值。這些實(shí)時(shí)性的信息共同構(gòu)成了信號(hào)的瞬時(shí)特征。數(shù)字信號(hào)的瞬時(shí)調(diào)制具備方便獲取的特點(diǎn)，但是所需要的樣本也比較大，對(duì)相關(guān)人員的信息獲取能力提出較高的要求。

第二，高次方傅里葉變換。這種方法是對(duì)信號(hào)的高次方非線性變換處理，也被稱作是NPT 方法。這種方法可以對(duì)信號(hào)實(shí)時(shí)高次方變換處理，而后開展離散變換分析。

第三，小波變換。小波變化可以通過調(diào)節(jié)尺度來觀察信號(hào)在不同尺度下的結(jié)構(gòu)特點(diǎn)。這種分析方法能夠?qū)σ恍┘?xì)節(jié)性的問題進(jìn)行分析。

2 壓縮感知數(shù)字信號(hào)調(diào)制

傳統(tǒng)意義上的信號(hào)采樣和處理會(huì)經(jīng)歷復(fù)雜的流程，在這個(gè)過程中采樣的頻率不能夠低于信號(hào)頻譜最高頻率的二倍。壓縮感知的出現(xiàn)通過將壓縮和采樣合并在一起能夠在采集信號(hào)測(cè)量值的基礎(chǔ)上，根據(jù)重構(gòu)算法來對(duì)信號(hào)進(jìn)行分辨和測(cè)量。

3 基于高階累積量壓縮感知的調(diào)制識(shí)別

3.1 基于奈奎斯特采樣的調(diào)制識(shí)別算法

奈奎斯特采樣的調(diào)制識(shí)別算法接收端采樣頻率不能夠低于原始信號(hào)帶寬的兩倍，因此，需要操作人員獲取更多的采樣信息。在獲取大量的信息之后能夠有效提升信號(hào)調(diào)制識(shí)別的精準(zhǔn)度。在奈奎斯特采樣的調(diào)制識(shí)別算法的作用下，為了能夠更為精準(zhǔn)的識(shí)別調(diào)制方式，需要大量提取信號(hào)特征量。

3.2 非重構(gòu)壓縮采樣高階累積量調(diào)制識(shí)別算法

3.2.1 壓縮閾高階累積量

第一，打造識(shí)別特征量。隨著信道噪聲功率的變化，信號(hào)高階矩值也會(huì)出現(xiàn)變化。最終形成的高階累積量的識(shí)別特征會(huì)顯示出抗噪性的特點(diǎn)。為了計(jì)算出某種信號(hào)調(diào)制方式的HOCs 和HOCs 理論值可以等概率地取該調(diào)制方式下所有的星座，并按照公式進(jìn)行計(jì)算。第二，高階矩HOMs 的稀疏表現(xiàn)。在沒有噪聲的情況下，接收信號(hào)的元素來源是一個(gè)有限集合，這種集合由信號(hào)y 的調(diào)制方式和階數(shù)來決定。想要獲得接收信號(hào)y 的高階矩在特殊區(qū)域的作用，需要將獲得的HOMs 繼續(xù)轉(zhuǎn)變?yōu)镠OCs，最終完成調(diào)制識(shí)別任務(wù)。

3.2.2 CS-HOC 調(diào)制識(shí)別方案

CS-HOC 調(diào)制識(shí)別方案流程如圖1 所示。第一，利用欠采用獲得采樣向量，在經(jīng)過專門的公式計(jì)算出接收信號(hào)，整個(gè)信號(hào)包含了信號(hào)的功率S 和噪聲功率。第二，在信號(hào)內(nèi)部沒有發(fā)射信號(hào)的時(shí)候可以直接測(cè)量出信道噪聲功率。第三，利用估算出來的信號(hào)功率進(jìn)行歸一化處理，經(jīng)過公式的轉(zhuǎn)換分析最終獲得識(shí)別特征量。

圖1 CS-HOC 調(diào)制識(shí)別方案流程圖

4 混合信號(hào)的調(diào)制識(shí)別

4.1 混合信號(hào)調(diào)制識(shí)別問題

調(diào)制識(shí)別研究主要是針對(duì)單通道單調(diào)制信號(hào)開展的，信道中的信號(hào)調(diào)制方式在兩種以上，是多種單調(diào)制信號(hào)線性的疊加。但是在具體操作中，混合調(diào)制信號(hào)識(shí)別信息量和特征量沒有形成線性關(guān)系。

對(duì)于單調(diào)制信號(hào)來說多數(shù)算法是基于接受信號(hào)的載波同步、定時(shí)同步、波形恢復(fù)已經(jīng)萬能充的假設(shè)。在混合調(diào)制信號(hào)中，各個(gè)信號(hào)的位置是不同的，定時(shí)精準(zhǔn)性會(huì)影響到特征量的提取。因此，不能夠直接將單調(diào)制的信號(hào)識(shí)別算法經(jīng)營(yíng)到混合調(diào)制信號(hào)中。

現(xiàn)階段，混合調(diào)制識(shí)別方向有兩個(gè)，一個(gè)是將混合信號(hào)中的各個(gè)信號(hào)分離提取，之后使用單調(diào)制識(shí)別算法進(jìn)行處理。另外一個(gè)是直接對(duì)混合調(diào)制信號(hào)進(jìn)行識(shí)別。在綜合考慮多個(gè)因素之后，文章選擇基于SVM 的混合信號(hào)識(shí)別分類方案。

4.2 特征參數(shù)的提取

第一，混合信號(hào)的高階量累積。在具體實(shí)施操作的時(shí)候，考慮到混合信號(hào)中各個(gè)信號(hào)載頻和最佳位置的不同?；旌闲盘?hào)的高階累計(jì)量不會(huì)受到定時(shí)頻偏的影響，總體數(shù)值的累計(jì)要考慮定時(shí)誤差的影響。在接收端，采樣信號(hào)的高階統(tǒng)計(jì)量會(huì)隨著定時(shí)位置的變化體現(xiàn)出周期的變化。在混合信號(hào)中無法對(duì)每個(gè)單調(diào)制信號(hào)進(jìn)行精準(zhǔn)的定時(shí)處理。由于接收端采樣對(duì)不同單調(diào)制信號(hào)的影響不同，因此，需要探索基帶數(shù)字信號(hào)采樣定時(shí)位置和高階累積量關(guān)系。第二，特征參數(shù)的提取。在不考慮誤差的情況下，混合信號(hào)累計(jì)量數(shù)值是各個(gè)單信號(hào)累計(jì)數(shù)值的累積。在估算出特征參數(shù)之后，可以通過參數(shù)和特征理論值關(guān)系來對(duì)混合信號(hào)的調(diào)制方式進(jìn)行分類。

4.3 壓縮采樣基礎(chǔ)上的混合調(diào)制識(shí)別方法

第一，參數(shù)提取。在采樣過程中如果想要恢復(fù)混合信號(hào)高階累積量，在操作的時(shí)候需要對(duì)混合信號(hào)開展壓縮取樣。在系統(tǒng)調(diào)控操作中考慮到同步的影響，需要對(duì)混合信號(hào)中的某一信號(hào)開展同步處理。第二，混合信號(hào)分類管理流程。在累積獲得多個(gè)識(shí)別特征量的基礎(chǔ)上將二分類SVM 算法延伸到多分類算法。在具體實(shí)施的時(shí)候使用多個(gè)二分類器完成識(shí)別，也就是說將混合信號(hào)中的某一種信號(hào)劃分為兩類，按照這樣的模式來進(jìn)行劃分，流程如下：首先，SVM 訓(xùn)練樣本數(shù)據(jù)信息的生成。對(duì)生成的樣本數(shù)據(jù)兩兩配合，在確定好采樣偏差的情況下，按照調(diào)制參數(shù)對(duì)混合信號(hào)開展定時(shí)采樣。其次，選定混合信號(hào)作為目標(biāo)信號(hào)開展預(yù)測(cè)。為了能夠識(shí)別出目標(biāo)信號(hào)的調(diào)制方式，需要對(duì)混合信號(hào)開展載波同步和定時(shí)同步處理。最后，將預(yù)測(cè)樣本的數(shù)據(jù)信息分別輸入到已經(jīng)訓(xùn)練好的SVM 分類器中，最終會(huì)得到兩個(gè)識(shí)別結(jié)果，將較低的識(shí)別精準(zhǔn)率來作為最終的混合信號(hào)識(shí)別準(zhǔn)確率。

結(jié)束語

綜上所述，壓縮感知理論突破了傳統(tǒng)奈奎斯特采樣定理對(duì)信號(hào)處理的一種限制，在處理的過程中降低了采樣器件的壓力，具備較強(qiáng)的工程研究和應(yīng)用意義。文章在研究壓縮感知和調(diào)制識(shí)別技術(shù)的基礎(chǔ)上，提出了基于壓縮感知高階累積量的調(diào)制識(shí)別方式。在研究的基礎(chǔ)上打造出了壓縮采樣和識(shí)別特征量之間的線性關(guān)系，最終能夠通過壓縮采樣向量重構(gòu)出信號(hào)的識(shí)別特征量，完成對(duì)信號(hào)的識(shí)別處理。為了能夠提升信號(hào)處理的精準(zhǔn)性，文章提出基于壓縮感知理論的識(shí)別方案，經(jīng)過一系列的驗(yàn)證分析來證明所提出算法的精準(zhǔn)、有效。在研究混合調(diào)制信號(hào)識(shí)別問題的同時(shí)提出混合信號(hào)CSHOC 算法，通過對(duì)同步處理后信號(hào)的壓縮采樣和累積處理能夠?qū)崿F(xiàn)對(duì)混合調(diào)制信號(hào)的識(shí)別。