數(shù)字通信信號的自動識別與參數(shù)估計算法研究

李 偉

(安徽三聯(lián)學(xué)院 電子電氣工程學(xué)院，合肥 230601)

現(xiàn)如今，由于數(shù)字通信技術(shù)的迅猛發(fā)展，全球化通信的步伐在不斷加快.因此，對于數(shù)字通信信號識別技術(shù)的研究，已經(jīng)逐漸成為當前數(shù)字通信領(lǐng)域的一個研究熱點[1-2],而對于通信信號的自動識別與參數(shù)估計的研究同樣受到了諸多研究學(xué)者的青睞.現(xiàn)在數(shù)字通信系統(tǒng)的信號調(diào)制方式大多采用數(shù)字調(diào)制.傳統(tǒng)的數(shù)字信號調(diào)制方式有幅值鍵控制(ASK)、頻移鍵控(FSK)和相移鍵控(PSK)等，但這些都無法滿足移動通信的要求.因此，尋找性能優(yōu)越的高效信號調(diào)制方式以滿足現(xiàn)代移動通信的要求，一直是重要的研究課題.高階正交幅度自動識別(MQAM)方式是一種高效數(shù)字信號調(diào)制方式，具有較高的頻譜利用率.因此，MQAM在數(shù)字微波通信系統(tǒng)、有線數(shù)字電視以及數(shù)字通信等高速數(shù)據(jù)傳輸領(lǐng)域被廣泛應(yīng)用[3].

在信號調(diào)制方式自動識別與參數(shù)估計這個問題上，諸多研究學(xué)者提出了許多有效的策略，同時也有大量的科研資料對其進行了詳細的論述，對于通信信號的參數(shù)估計方法也進行了深入研究.融合分形理論的自動識別與參數(shù)估計算法[4]，該算法利用合維數(shù)和信息維數(shù)作為分類特征，這些合維數(shù)和信息維數(shù)中都包含了信號幅度、頻率和相位的變化規(guī)律；融合高階累積量的通信信號自動識別算法[5]，該算法通過借用高階累積量的方法進行分類，高階累積量具有抑制噪聲的特性；有基于星座圖的自動識別與參數(shù)估計算法[6]，該算法通過星座圖進行減法聚類處理，以得到待識別信號的幅度值和對應(yīng)的相位，通過使用MQAM數(shù)字信號利用信號的幅度值和相位來進行通信信號的自主識別與對應(yīng)的參數(shù)估計[7-8].融合瞬時特點的通信信號自主識別算法,此算法主要參照不一樣的通信信道SNR的大小來確認門限，但通信信號的瞬時特征受到外界噪聲的干擾比較大，不僅如此，還有一些融合混沌理論、極大似然以及神經(jīng)網(wǎng)絡(luò)等多種通信信號的識別策略[9].但是數(shù)字信號受到的噪聲干擾主要來自高斯白噪聲的影響，在進行數(shù)字信號的自主識別的過程中需要對噪聲敏感性的影響進行考慮.

1 數(shù)字通信信號的自動識別方式

實現(xiàn)對數(shù)字通信信號調(diào)制類型的分類識別，需要對待識別信號進行變換，提取出能夠反映信號特征的參數(shù)，對各調(diào)制信號進行差異化處理.這些信號特征將直接影響判決參數(shù)的構(gòu)造和分類器的選擇.理論上，對需要提取的信號參數(shù)有特別高的要求，希望這些參數(shù)能夠比較直觀地反映信號不同調(diào)制類型之間的明顯特征，而實際情況卻比較復(fù)雜.通過Hilbert變換構(gòu)造窄帶信號的解析表達式，利用信號解析表達式實部和虛部之間的關(guān)系表示出信號在任意時刻的瞬時特征，提取瞬時參數(shù).

通信信號表示為：

x(t)=m(t)cos(φ(t))

(1)

經(jīng)Hilbert變換得到信號解析表達式：

z(t)=x(t)+jH[x(t)]=a(t)ejφ(t)

(2)

對式(2)的實部和虛部進行提取，這樣就可以通過解析表達式得到它的瞬時幅度a(t)和瞬時相位φ(t).

(3)

由瞬時相位和瞬時頻率之間的一階微分關(guān)系，得到信號瞬時頻率f(t)的函數(shù)表達式：

(4)

對信號x(t)進行采樣后，得到離散時間序列x(n)(n=1,2，…，N).其瞬時幅度a(n)的函數(shù)表達式為：

(5)

二進制幅值鍵控制(2ASK)主要是利用數(shù)字基帶信號的載波幅度變化，即數(shù)字信號信息全部載荷在載波上.它的時域表達式為：

S2ASK=[∑ang(t-nTs)]cos2πfct

(6)

其中，g(t)表示不間斷時間為Ts對應(yīng)基帶通信信號的波形，Ts代表信號碼元周期，fc代表信號的載波頻率，an∈{0,1}，二進制符號序列an輸出0的概率使用P進行表示，輸出1的概率使用1-P進行表示.

2ASK信號的時域波形圖如圖1所示.

這種類型的自動識別也稱為開關(guān)鍵控(OOK)，因為二進制數(shù)據(jù)時兩電平的1和0碼，相當于載波的發(fā)送與不發(fā)送，能像開關(guān)一樣控制載波的有無.只在發(fā)送1的時候有能量輻射，所以是最節(jié)省能量的信號自動識別方式.根據(jù)其本身特性，大部分信號以很低的功率進行發(fā)射，所以需要較高的參數(shù)估計比才能解調(diào)信號.

多進制幅值鍵控制(MASK)只發(fā)送一種幅度的載波信號.它的時域表達式為：

SMASK(t)=[∑ang(t-nTs)]cos2pfct

(7)

其中，幅度值an有M種取值，an∈{Ai}，i=0,1，…，M-1，它們出現(xiàn)的概率分別是P0,P1,…,PM-1,其中Pi滿足∑Pi=1.

4ASK通信信號相應(yīng)的時域波形如圖2所示.

圖1 2ASK通信信號的時域波形圖

圖2 4ASK通信信號的時域波形圖

幅值鍵控制的發(fā)射和接收設(shè)備相對來說結(jié)構(gòu)比較簡單，而且功耗較低，但是抗干擾性能較差.

2 數(shù)字通信信號的參數(shù)估計

基于瞬時特征的信號類型識別是從信號時域或變換域提取最能體現(xiàn)信號差異的有效特征，以此作為信號類型判決的主要依據(jù);判斷決策是按照一定的判斷規(guī)則將有效特征參數(shù)和預(yù)先設(shè)定的門限進行比較，根據(jù)結(jié)果做出準確判斷.主要介紹利用特征參數(shù)γmax.

幅度譜峰值γmax：

(8)

式(8)中，NS是信號采樣點數(shù)，acn(i)是信號零中心的歸一化瞬時幅度，函數(shù)表達式為：

acn(i)=an(i)-1

(9)

(10)

(11)

式(9)～(11)中，an(i)是信號的歸一化瞬時幅度，ma是信號的NS個采樣點對應(yīng)的信號瞬時幅度的平均值.這樣處理的目的是為了消除信道增益對幅度譜峰值的影響，又使門限不隨信號功率發(fā)生變化，增強算法的適用性和穩(wěn)定性.

常用的通信信號過濾方法主要是近似將通信信號經(jīng)過一個低通濾波器，然而針對短暫能量較低的瞬變信號，比如階躍信號以及脈沖信號，在通信信號的參數(shù)估計階段，通過低通濾波器以后，步進信號的參數(shù)估計比值沒有得到優(yōu)化，而且信號的相位信息同樣將會被過濾掉.在信號識別過程中，為了得到最優(yōu)參數(shù)估計比值，目前大多選用匹配濾波器，一旦待識別信號發(fā)生突變，則匹配濾波器將無法對待識別信號進行處理.

小波信號的分析在許多領(lǐng)域都有很重要的應(yīng)用，主要就是對噪聲進行自適應(yīng)過濾，由于小波變換對通信信號具有較好的自適應(yīng)性，含噪聲干擾的信號模型表達公式為：

s(i)=f(i)+a*e(i)i=0,1，…,n-1

(12)

其中，s(i)代表含噪的信號，f(i)代表真實信號，a代表噪聲對數(shù)字通信信號的影響系數(shù)，e(i)表示噪聲.在實際處理過程中，信號將會被不同噪聲干擾.但有用信號和噪聲通常的表現(xiàn)形式不同，前者主要代表為低頻或者穩(wěn)定信號，而后者主要代表為高頻信號.因此，我們可以按下圖3所示的方法對信號進行分解，再進行信號的消噪處理.

圖3 多層小波分解

其中，A代表信號的低頻部分，D代表信號的高頻部分，大部分噪聲包含在D1、D2和D3中.

圖3表示的是三層分解，但是，一般對瞬時幅度、瞬時相位和瞬時頻率的小波分解要分別采用四層、五層和六層，因為噪聲對這些參數(shù)的影響不一樣.一般來說，噪聲對瞬時頻率的干擾會大于瞬時相位和瞬時幅度.小波分解后，再進行高頻系數(shù)閾值量化、重構(gòu)信號等處理，就可以達到消噪的目的了.

假如選取合適的門限值，那么小波消噪就能擁有傳統(tǒng)消噪法無法比擬的優(yōu)點：濾除噪聲的同時保持信號能量基本不變，并且可以去除毛刺.

3 自動識別與參數(shù)估計算法實現(xiàn)

本文選取八種典型的數(shù)字自動識別信號(2ASK、4ASK、2FSK、4FSK、BPSK、QPSK、8PSK和16QAM)，對其進行信號自動識別方式自動識別與參數(shù)估計算法，考慮到算法的自動識別與參數(shù)估計算法率和復(fù)雜度等方面的因素，在利用小波消噪對數(shù)字通信信號處理的基礎(chǔ)上，選取五個瞬時特征參數(shù).

(1)通信信號瞬時幅度絕對值的平均值M1：

(13)

其中，B=(bb/mean(bb))-1,bb=abs(b′)，mean(.)函數(shù)表示取平均值，abs(.)函數(shù)代表信號的模值，B代表通信信號的調(diào)制瞬時幅度，bb代表通信信號瞬時幅度，b′表示實信號b的希爾伯特變換的解析信號.

該特征參數(shù)主要利用待自動識別與參數(shù)估計算法信號初步區(qū)分出MASK、(MFSK、MPSK)和16QAM信號.從公式不難看出，特征參數(shù)M1與瞬時幅度相關(guān)，根據(jù)信號的時域特性分析，MFSK信號的瞬時幅度值是恒定不變的，對應(yīng)的信號特征參數(shù)M1也為零；但是對于MASK和16QAM信號來講，通信信號的瞬時幅度是實時改變的，所以信號的參數(shù)估計M1的值不為零；MPSK通信信號的幅度大小僅在信號的相位值出現(xiàn)變動的時候才會發(fā)生改變，因此信號的參數(shù)估計值M才得以確定.因此確定合理的通信信號門限值m11和m12，才能對通信信號MASK、(MFSK、MPSK)和16QAM進行簡單區(qū)分.在傳統(tǒng)的瞬時特征參數(shù)提取中，與特征參數(shù)M1相對應(yīng)的是零中心歸一化瞬時幅度譜密度最大值rmax，求解rmax需要用到傅里葉變換求譜密度的公式，與之相比，本文提取的特征參數(shù)M1極大簡化了計算過程.

(2)通信信號的瞬時幅度絕對值的平均值M2：

(14)

其中，B′=(abs(B)/mean(abs(B)))-1，B代表通信信號的調(diào)制瞬時幅度.該信號的參數(shù)估計被用來將MASK的信號劃分為2ASK和4ASK兩種類型.2ASK信號的特征參數(shù)M2應(yīng)該小于4ASK信號對應(yīng)的特征參數(shù)M2，可以從這兩種類型的通信信號相應(yīng)的時域特性獲得.所以通過給通信信號設(shè)置合理的門限值m2可以對2ASK和4ASK通信信號進行自動識別處理.同時與常用的特征參數(shù)對比，可以得到該信號特征參數(shù)估計值.

(3)零中心歸一化瞬時頻率絕對值的平均值Mf：

(15)

其中，Bn=(abs(bf)/mean(abs(bf)))-1.Bn為零中心歸一化瞬時頻率.該特征參數(shù)主要用來將確定為(MFSK、MPSK)的信號區(qū)分為2FSK、4FSK和MPSK三類.從公式不難看出，特征參數(shù)Mf與瞬時頻率相關(guān)，從信號的時域特性加以分析，可以先將信號分為MFSK和MPSK兩類，因為前者有兩個或者兩個以上的瞬時頻率值，而后者只有一個，所以可以根據(jù)特征參數(shù)Mf的大小進行劃分，MFSK信號的Mf大于MPSK信號的Mf.

再對于確定為MFSK的信號，將其劃分為2FSK和4FSK，前者的瞬時頻率值有兩個，后者則有四個，即可以根據(jù)2FSK信號的Mf小于4FSK信號的Mf進行分類.

綜上所述，只要設(shè)定恰當?shù)拈T限值mf1和mf2，就能夠?qū)?FSK、4FSK和MPSK通信信號進行信號識別處理，同時該通信信號的參數(shù)估計運算復(fù)雜度取決于信號的特征參數(shù)M1.

4 實驗與結(jié)果分析

圖4 特征參數(shù)M1在不同參數(shù)估計比下的取值

實驗數(shù)據(jù)設(shè)置如下：載波頻率fc為10 KHz；采樣頻率fs為60 KHz；波特率fb為1 Kbps；2FSK的頻偏為5 KHz，4FSK的頻偏為2.5 KHz，載波幅度為1，數(shù)據(jù)符長度為400個，噪聲為高斯白噪聲.首先對各自動識別信號進行小波消噪，然后在不同參數(shù)估計比下對信號求特征參數(shù)M1，取值如圖4所示.

由圖4分析可知，為了將信號MASK、16QAM、(MFSK、MPSK)區(qū)分為三類，可以選取門限值m11為0.4，m12為0.225，因為從圖中不難看出，2ASK信號和4ASK信號的特征參數(shù)M1都大于0.4，參數(shù)估計比不低于5 dB時，MFSK和MPSK信號的特征參數(shù)M1值均小于0.225，而16QAM信號的特征參數(shù)M1值在兩個門限值之間.

在不同參數(shù)估計比下對2ASK和4ASK信號求取特征參數(shù)M2，其取值如圖5所示.

由圖5分析可知，為了將信號2ASK與4ASK區(qū)分開，將門限值m2取為0.38，即可在信噪比不低于1 dB時很好地區(qū)分開兩種自動識別信號.

在不同參數(shù)估計比下對MFSK和MPSK信號求取特征參數(shù)Mf，其取值如圖6所示.

圖5 特征參數(shù)M2在不同參數(shù)估計比下的取值

圖6 特征參數(shù)Mf在不同參數(shù)估計比下的取值

由圖6分析可知，為了將信號2FSK、4FSK和MPSK區(qū)分開，將門限值mf1和mf2分別選為0.3、0.425的話，即可在參數(shù)估計比不低于1dB時很好的區(qū)分開三類自動識別信號.

在不同參數(shù)估計比下對MPSK信號求取特征參數(shù)Mp1，其取值如圖7所示.在不同參數(shù)估計比下對QPSK和8PSK信號求取特征參數(shù)Mp2，其取值如圖8所示.

由圖7、圖8可知，門限值mp1和mp2分別選取為0.394、0.4的話，在參數(shù)估計比不低于1 dB的情況下，即能很好地區(qū)分BPSK、QPSK和8PSK信號.

綜上所述，參數(shù)門限值的取值如下表1所示.

圖7 特征參數(shù)Mp1在不同參數(shù)估計比下的取值

圖8 特征參數(shù)Mp2在不同參數(shù)估計比下的取值

表1 參數(shù)門限值

在相同參數(shù)估計比下，利用本文提出的基于瞬時特征參數(shù)的自動識別與參數(shù)估計算法，對八種經(jīng)典的自動識別信號進行多次獨立仿真實驗，計算出不同參數(shù)估計比下數(shù)字自動識別與參數(shù)估計算法的成功率，并加以統(tǒng)計，如表2所示.

表2 自動識別與參數(shù)估計成功率統(tǒng)計

從表2分析可得，在參數(shù)估計比不低于5 dB時，對本文選取的八種經(jīng)典信號自動識別方式有著不低于95%的成功率，參數(shù)估計比不低于3 dB時，也有不低于87%的成功率.該算法相對于傳統(tǒng)算法來說，不需要很多先驗知識，自動識別與參數(shù)估計成功率高，而且計算量較少，計算簡單，自動識別與參數(shù)估計速度快，易于工程上的實現(xiàn).但是該算法需要人為確定參數(shù)門限值，而且在算法選取的五個特征參數(shù)中，參數(shù)M1受噪聲干擾比較大，因此在參數(shù)估計比小于3 dB時會產(chǎn)生嚴重失誤，致使成功自動識別與參數(shù)估計效率急劇下降.

5 結(jié)論

本文借助Matlab工具對基于瞬時特征算法的自動識別與參數(shù)估計算法進行仿真.該算法基于瞬時特征參數(shù)，從中頻信號中提取五個相對簡單的瞬時特征參數(shù)，降低算法的復(fù)雜度，并在信號預(yù)處理階段設(shè)計了一種小波濾波器，對信號進行小波消噪處理，以減弱噪聲的影響.在目前通信信號自主識別技術(shù)的不斷發(fā)展時期，數(shù)字通信信號的自動識別和參數(shù)估計主要是通信領(lǐng)域發(fā)展比較迅速的表現(xiàn).所以，對數(shù)字通信信號的自動識別和參數(shù)估計方法的深入研究至關(guān)重要，具有一定的現(xiàn)實意義和實用價值.