基于高階累積量通信調(diào)制信號(hào)類型的綜合識(shí)別*

劉建林

（中國電子科技集團(tuán)第五十四研究所 石家莊 050011）

1 引言

當(dāng)今社會(huì)無線通信技術(shù)處于迅猛發(fā)展階段，因此對(duì)數(shù)字信號(hào)調(diào)制識(shí)別和信號(hào)檢測技術(shù)要求越來越高，通信信號(hào)調(diào)制分類識(shí)別成為當(dāng)前的研究重點(diǎn)之一［1～2］。由于電磁環(huán)境日益復(fù)雜，調(diào)制信號(hào)類型日益復(fù)雜多樣，因此對(duì)于調(diào)制信號(hào)自動(dòng)識(shí)別技術(shù)需要不斷改進(jìn)和發(fā)展，對(duì)于調(diào)制信號(hào)自動(dòng)識(shí)別這一難題，大量的研究人員和學(xué)者開展了新思路的探索和研究［3～4］。

目前，通信信號(hào)的調(diào)制識(shí)別一般可分為類間識(shí)別和類內(nèi)識(shí)別［5～7］。類間識(shí)別是指對(duì)于不同的調(diào)制樣式的識(shí)別。本文以典型采用不同階數(shù)PSK和QAM類型區(qū)分識(shí)別位典型目標(biāo)對(duì)象開展研究分析。類內(nèi)識(shí)別是對(duì)同一調(diào)制樣式的通信信號(hào)，但是調(diào)制階數(shù)不同進(jìn)行區(qū)分識(shí)別。例如，4PSK、8PSK和16PSK或者8QAM、16QAM和32QAM的判別。數(shù)字調(diào)制信號(hào)自動(dòng)識(shí)別的步驟可大致分為預(yù)處理、特征提取和分類識(shí)別三部分組成［8～10］。其中預(yù)處理主要目的是經(jīng)過變頻濾波去噪等環(huán)節(jié)擴(kuò)大信號(hào)調(diào)制特征的差異性，盡量消除低噪聲對(duì)真實(shí)信號(hào)的影響，為后續(xù)提供合適輸入信號(hào)數(shù)據(jù)；特征提取是對(duì)輸入信號(hào)進(jìn)行時(shí)域、頻域或其他變換之后，再根據(jù)這些變換結(jié)果進(jìn)一步提取出相關(guān)特征參數(shù)值；最后的分類識(shí)別是指根據(jù)上述提取完的特征參數(shù)以及利用合理的規(guī)則對(duì)輸入的調(diào)制信號(hào)進(jìn)行判決和歸類。自動(dòng)分類識(shí)別的處理流程如圖1所示。

圖1 自動(dòng)分類識(shí)別處理流程

本文提出一直基于改進(jìn)的高階累積量調(diào)制信號(hào)識(shí)別算法。這種算法對(duì)高階PSK和QAM調(diào)制信號(hào)提取多種高階累積量這些特征參數(shù)，提高了在信噪比小于10dB情況下分類識(shí)別成功率。通過仿真結(jié)果表明本文提出的方法不僅在性能上比傳統(tǒng)算法更優(yōu)越，且設(shè)計(jì)簡單，便于工程應(yīng)用。

2 信號(hào)模型［11～13］

一般情況下在通信過程中，接收到的受噪聲污染過的數(shù)字調(diào)制信號(hào)的模型可表示為

式中：A為信號(hào)幅度值；T為單個(gè)符號(hào)持續(xù)時(shí)間；f0為剩余載頻分量；θn表示相位抖動(dòng)；x(l)表示基帶傳輸信號(hào)的符號(hào)序列；g(n)表示高斯白噪聲。f0是序列對(duì)應(yīng)的常量，而θn為不同接收符號(hào)對(duì)應(yīng)的隨機(jī)變量。

高階調(diào)制信號(hào)通常是相對(duì)于低階調(diào)制而言的，高階調(diào)制一般是指4階以上的PSK信號(hào)，QAM信號(hào)等。由于高階調(diào)制可帶來更好的頻譜效率，因此在良好的信道環(huán)境條件中，為增加信息傳輸速率可選擇高階調(diào)制樣式進(jìn)行信息傳輸。

3 識(shí)別分類方法分析

3.1 高階累積量［14～20］

高階統(tǒng)計(jì)量可以反映信號(hào)的高階統(tǒng)計(jì)特性，雖然高階統(tǒng)計(jì)量的計(jì)算較為復(fù)雜，但合適的高階累積量特征具有良好的抗噪特性，這是瞬時(shí)統(tǒng)計(jì)特征量所不具備的。因此對(duì)低信噪比信道環(huán)境下通信信號(hào)的調(diào)制識(shí)別時(shí)，基于高階統(tǒng)計(jì)量的識(shí)別方法優(yōu)勢更明顯且在一定程度上可以反映出高階調(diào)制信號(hào)的統(tǒng)計(jì)分布狀態(tài)，下面進(jìn)行分析說明。

復(fù)數(shù)的隨機(jī)過程假設(shè)為y()n，均值為零，其高階矩定義為

式中，cum表示為求信號(hào)變量的高階累積量。

在實(shí)際應(yīng)用中，發(fā)送調(diào)制信號(hào)s(n)與高斯白噪聲g(n)兩者相互獨(dú)立，因此根據(jù)累積量的性質(zhì)可得：

由于零均值高斯白噪聲大于二階的累積量為零，則上式可表示為。即接收信號(hào)的高階累積量值與發(fā)送信號(hào)的高階累積量值相等，因此可將高斯白噪聲影響消除。直接計(jì)算接收信號(hào)的高階累積量，與發(fā)送端各調(diào)制信號(hào)的高階累積量做對(duì)比，通過神經(jīng)網(wǎng)絡(luò)識(shí)別高階累積量判決調(diào)制類型。

3.2 各調(diào)制信號(hào)特征參數(shù)提取

設(shè)輸入信號(hào)的功率為E，利用算法平均來代替統(tǒng)計(jì)平均的方法，計(jì)算高階數(shù)字調(diào)制信號(hào)的高階累積量，各類信號(hào)的高階累積量的理論值如表1所示。

表1 MPSK和MQAM的高階累積量

為了消除相位抖動(dòng)和信號(hào)能量的影響，取信號(hào)累積量的絕對(duì)值，構(gòu)造以下特征參數(shù)：

對(duì)不同數(shù)字調(diào)相信號(hào)，可得特征參數(shù)f1值如下：

根據(jù)上式可知設(shè)置不同閾值可以識(shí)別出信號(hào)的調(diào)制類型，如特征參數(shù)f1與0比較可以識(shí)別出16PSK，與1比較可以識(shí)別出8PSK以此類推可以分別識(shí)別出這些信號(hào)的調(diào)制樣式。

4 算法仿真驗(yàn)證

本系統(tǒng)在 Matlab中對(duì) 4PSK、8PSK、16PSK、16QAM、32QAM、64QAM六種調(diào)制信號(hào)類型分別進(jìn)行仿真實(shí)驗(yàn)。仿真中各個(gè)調(diào)制信號(hào)參數(shù)設(shè)置如下：采樣率為40kHz，載波頻率為4kHz，噪聲為高斯白噪聲，信噪比數(shù)值設(shè)置為-3dB、-1dB、1dB、3dB、5dB、7dB、9dB、11dB、13dB。仿真時(shí)分別對(duì)每一種調(diào)制樣式的每一種信噪比下產(chǎn)生1000個(gè)樣本點(diǎn)。通過計(jì)算這些測試集的特征參數(shù)值即高階累積量，最終計(jì)算出f1，根據(jù)特征值與門限對(duì)比最終得到識(shí)別正確率如表2所示。

表2 高階累積量的識(shí)別正確率

從上表中可以看出，對(duì)于MQAM信號(hào)，可見信噪比大于5dB時(shí)，數(shù)字調(diào)制類型的正確率可達(dá)95%以上，MPSK信號(hào)在信噪比大于7dB時(shí)識(shí)別正確率也能達(dá)到95%以上。因此本文中提出的特征參數(shù)能夠正確有效識(shí)別出以上調(diào)制樣式，且用于計(jì)算比較特征參數(shù)的較少，識(shí)別復(fù)雜度較低，在低信噪比對(duì)各調(diào)制信號(hào)識(shí)別率較高。

5 結(jié)語

本文根據(jù)高階累積量的理論基礎(chǔ)，對(duì)每一種數(shù)字調(diào)制信號(hào)的二階、四階、六階、八階累積量進(jìn)行推導(dǎo)和計(jì)算，并選取上述部分特征參數(shù)值進(jìn)行識(shí)別數(shù)字調(diào)制信號(hào)的類型，從仿真結(jié)果能夠看出本方法能夠有效地抑制高斯白噪聲的影響并且低信噪比情況下提高了調(diào)制信號(hào)識(shí)別率，經(jīng)過一系列的仿真驗(yàn)證這種算法能夠有效識(shí)別出4PSK、8PSK、16PSK、16QAM、32QAM和64QAM這幾種數(shù)字調(diào)制信號(hào)。本文中提到的算法選取的特征參數(shù)較少，降低了識(shí)別調(diào)制信號(hào)的復(fù)雜度，并且提高了識(shí)別率，充分證明該算法具有很高的實(shí)用價(jià)值。