基于循环谱的数字信号的自动识别-AET-电子技术应用

基于循环谱的数字信号的自动识别

来源：电子技术应用2013年第9期

郑天堃，姚远程，秦明伟

西南科技大学信息工程学院，四川绵阳 621010

摘要： 介绍数字信号调制识别的谱相关法，在利用一些调制信号具有相同的功率谱密度时,它们的谱相关函数却有明显的区别。利用谱相关函数可以识别出低信噪比下的调制信号。通过循环谱中一些参数的提取，对高斯噪声中常见的数字通信信号的自动识别进行了计算机仿真。仿真结果表明，在信噪比不低于15 dB时，信号的平均识别率可以达到95%以上，有很好的实用前景。

关键词： 软件数字通信谱相关自动识别

中图分类号： TN911.6
文献标识码： A
文章编号： 0258-7998(2013)09-0102-03

The automatic identification of a digital signal based on cyclic spectrum

Zheng Tiankun, Yao Yuancheng, Qin Mingwei

Southwest University of Science and Technology, Mianyang 621010, China

Abstract： The article describes the spectrum of the digital signal modulation recognition method and takes advantage of some of the modulation signal when some modulation signal have the same power spectral density correlation function of the spectrum, but there is a significant difference in spectral correlation function. Low signal-to-noise ratio of the modulated signal can be identified by spectral correlation function. The article has computer simulation of Gaussian noise automatic identification of digital communication signals by the extraction of some of the parameters of the cyclic spectrum. The experimental simulation results show that signal average recognition rates can reach 95% or more, and good practial prospects when the signal-to-noise ratio is not less than 15 dB.

Key words : digital communications; spectral correlation; automatic identification

近些年来，通信信号的自动识别受到越来越多的关注和研究。其应用也随之越来越广泛，在民用方面，信号调制模式的自动识别是软件无线电接收机的基础；在军用方面，信号调制方式的识别也是电子对抗、信号干扰的核心技术之一[1-2]。

    目前已经存在的信号调制识别方法主要分为两大类：基于决策理论的方法[1,3]和基于统计模式识别的方法[4]。其中基于决策理论方法，由于其需要每一个参数都有一个最优门限，并且参数提取和信号识别的顺序都会影响识别率，因此在现实应用中往往受到较多的限制。而基于统计模式识别的方法因其性能好得到了广泛应用。循环谱具有识别率高、抗干扰能力强、实用性强等优点而得到越来越多的重视。
1 谱相关分析
     已知x(t)是一个均值为零的非平稳信号，则其时变自相关函数定义为:


2 自动识别算法
    根据已阅读的文献中关于数字信号识别调制的参数计算方法，以及各个参数的计算复杂程度、抗噪性的优劣，选择以下参数作为本文信号识别的参数，同时针对BPSK和QPSK识别提出一个新的参数，通过软件仿真验证该参数的优越性能。本文假定待识别的数字调制信号样集为{2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}。信号识别步骤如下：

　   从图4中可以看出，当t4=180时可以将2FSK、4FSK两种信号区分开。
　   (4)对于BPSK、QPSK这两种数字调制信号的识别，在理论上是比较困难的。因为它们的功率谱密度函数十分相似，特征也比较接近，频谱峰值数都为零，Sx?琢(f)在f轴上的归一化最大下降值都很小。在已见到的文献中关于这两个信号识别的参数计算都较为复杂，在该文中通过分析各个信号循环谱三维图的等高线仿真图，发现有明显的差异，尤其是对于BPSK、QPSK这两个信号。利用Matlab中的函数contour对信号循环谱进行观察，记参数M5为截面图中圆点个数。它们的循环谱三维图如图3、图4所示，图5、图6是利用函数contour画出截面图。
   从图5、图6中可以看到BPSK、QPSK两个调制信号识别的特征参数M5有明显差别。当M5=4时，可以判定该信号为BPSK，当M5=2时可以判定该信号为QPSK。

3 性能分析
本文的系统软件仿真是在MATLAB 2011环境下完成的，以{2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}等6种调制类型。仿真时设定调制信号的载频为200 kHz，码元速率为10 KB/s，噪声采用高斯白噪声,采样频率为800 kHz，每个采样信号段内包括Ns=1 024个采样点数据，仿真时对每一个调制信号类型在信噪比-5 dB~25 dB范围内每隔5 dB产生30个样本进行仿真识别。调制识别的仿真结果由表1所示。在信噪比15 dB以上，信号自动识别率达到96%以上，同时在信噪比10 dB时，总体识别率还能达到93%，与参考文献[9]相比识别率得到了一定的提高,尤其是对于BPSK、QPSK这两种信号的识别率。

本文主要讨论了利用谱相关对常见数字调制信号的识别方法，尤其是BPSK、QPSK之间的识别率得到了明显的提升。谱相关是广义的周期平稳（自相关周期平稳）过程的一个特征属性，而谱相关函数是常规功率谱密度函数的推广，功率谱密度只是谱相关函数理论的一个特例。采用谱相关法对信号进行识别，最重要的是特征参数的选取，其稳定性、抗噪性、计算难易度都是识别过程中的难点和重点，这些都需要进一步深入研究，如何提高程序运行速度同时减少循环谱运算量等方面都需要进一步优化，这对实时识别都是很有实用意义的研究方向。
参考文献
[1] AZZOUZ E E, NANDI A K. Automatic identification of digital modulation type[J]. Signal Processing,1995,47(1):55-69.
[2] 王洁,陈惠民,张金艺,等.数字调制方式的识别研究[J].上海大学学报(自然科学版),2002,8(3):197-199.
[3] SOLIMAN S S, HSUE S. Signal classification using statistical moments[J].IEEE Transactions on Communications,1992,40(5):908-916.
[4] NANDI A K, AZZOUZ E E. Modulation recognition using artificial neural networks[J].Signal Processing,1997, 56(3):165-175.
[5] 张贤达,保铮.非平稳信号分析与处理[M]. 北京:国防工业出版社,1999.
[6] GARDNER W A, SOONER C M. Cyclic-spectral Analysis for signal detection and modulation recognition[M]. IEEE,1988:419-424.
[7] 朱雷，程汉文，吴乐南.利用循环谱和参数统计的数字信号识别法[J].应用科学学报，2009,27(2):138-143.
[8] 吕杰，张胜付，邵伟华，等.数字通信信号自动识别的谱相关方法[J].南京理工大学学报，1999,23(4):298-300.
[9] 李俊俊，陆明泉，冯振明.一种改进的数字信号自动识别方法[J].系统技术与电子技术，2005，7(12):2024-2050.

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容