一種基于瞬時(shí)信息的調(diào)制識(shí)別算法

一種基于瞬時(shí)信息的調(diào)制識(shí)別算法

0數(shù)字調(diào)制識(shí)別方法隨著通信技術(shù)的發(fā)展，數(shù)字信號(hào)在許多領(lǐng)域都得到了廣泛應(yīng)用。如何有效的監(jiān)視和識(shí)別這些信號(hào),從而正確解調(diào)出有用的信息,不管是在軍事領(lǐng)域還是在民用領(lǐng)域都具有十分重要的研究意義。1995年至2004年間,NandiA.K.和AzzouzE.E.等發(fā)表了一系列文章,提出基于瞬時(shí)信息的9個(gè)特征參數(shù),用決策論、神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)的方法對(duì)數(shù)字和模擬信號(hào)進(jìn)行了分類識(shí)別,形成了調(diào)制識(shí)別領(lǐng)域較為經(jīng)典的方法。國內(nèi)外有很多文章對(duì)他們所提出的方法進(jìn)行了改進(jìn),但很多改進(jìn)方法所要求的信噪比較高或者識(shí)別過程比較復(fù)雜。本文提出一種新的數(shù)字調(diào)制識(shí)別方法,該方法也是以調(diào)制信號(hào)的瞬時(shí)信息為研究對(duì)象,采用了6個(gè)特征參數(shù)(Ra、σap、σaa、Rp、Rf和σfa)對(duì)常用的7種數(shù)字信號(hào)進(jìn)行識(shí)別。在這6個(gè)特征參數(shù)中,有3個(gè)(σap、σaa和σfa)取自于NandiAK提出的9個(gè)特征參數(shù),另外3個(gè)是對(duì)已有參數(shù)的改進(jìn)和類推。仿真結(jié)果表明,調(diào)制方式的識(shí)別可以在低信噪比條件下進(jìn)行,與本文所改進(jìn)的3個(gè)新的特征參數(shù)Ra、Rp和Rf有關(guān)。信號(hào)調(diào)制識(shí)別的步驟一般包括特征提取、分類器設(shè)計(jì)及分類決策3部分,因此研究的主要內(nèi)容是提取信號(hào)特征和設(shè)計(jì)分類器。本文運(yùn)用的調(diào)制識(shí)別算法包括以下幾個(gè)步驟:首先計(jì)算信號(hào)的瞬時(shí)信息,即信號(hào)的瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率,同時(shí)設(shè)計(jì)一種小波濾波器對(duì)信號(hào)的瞬時(shí)信息進(jìn)行消噪處理;然后利用信號(hào)的瞬時(shí)信息提取6個(gè)特征參數(shù);最后用決策論方法進(jìn)行調(diào)制方式識(shí)別。1小波濾波器消噪原理自然界中物理可實(shí)現(xiàn)的信號(hào)都是實(shí)信號(hào),而實(shí)信號(hào)的頻譜都具有共軛對(duì)稱性,即S(f)=S*(-f),也就是說僅從信號(hào)頻譜的一半就可以得到信號(hào)的全部信息內(nèi)容。一般用右半個(gè)頻譜代表整個(gè)實(shí)信號(hào),這種表示稱作信號(hào)的解析表示,優(yōu)點(diǎn)就是其帶寬只為實(shí)信號(hào)的一半。設(shè)只保留實(shí)信號(hào)頻譜的正頻部分的復(fù)信號(hào)z(t)的頻譜為Ζ(f)={2S(f),f>0S(f),f=00,f<0=S(f)[1+Η(f)](1)Z(f)=?????2S(f),f>0S(f),f=00,f<0=S(f)[1+H(f)](1)求其傅里葉逆變換可得時(shí)域表示為z(t)=s(t)+s(t)*h(t)=s(t)+j1π∫+∞-∞s(τ)t-τdτ(2)定義信號(hào)s(t)的Hilbert變換為Η[s(t)]=1π∫+∞-∞s(τ)t-τdτ(3)所以z(t)=s(t)+jΗ[s(t)](4)可以證明,s(t)和H[s(t)]是正交的。所以一個(gè)實(shí)信號(hào)頻譜的正頻率分量所對(duì)應(yīng)的時(shí)域信號(hào)是個(gè)復(fù)信號(hào),這個(gè)復(fù)信號(hào)稱為原來實(shí)信號(hào)的解析信號(hào),其實(shí)部為原實(shí)信號(hào)本身,即原信號(hào)的同相分量,虛部為原實(shí)信號(hào)的Hilbert變換,也就是原信號(hào)的正交分量。將復(fù)信號(hào)z(t)用極坐標(biāo)表示為z(t)=s(t)+jΗ[s(t)]=a(t)ejφ(t)(5)式中,a(t)為信號(hào)z(t)的瞬時(shí)包絡(luò),可表示為a(t)=√s2(t)+Η2[s(t)](6)φ(t)為信號(hào)z(t)的瞬時(shí)相位,即φ(t)=arctan{Η[s(t)]s(t)}(7)根據(jù)瞬時(shí)相位可以求得瞬時(shí)頻率f(t)為f(t)=12πdφ(t)dt=12πddt{arctan{Η[s(t)]s(t)}}(8)這樣就得到了實(shí)信號(hào)的瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率3個(gè)重要的參數(shù),這3個(gè)參數(shù)是分析信號(hào)特征的基礎(chǔ),也是調(diào)制識(shí)別中參數(shù)特征提取的對(duì)象。需要特別注意的是,這里得到的瞬時(shí)相位是混疊瞬時(shí)相位,需要去混疊之后才能得到真正的瞬時(shí)相位。由于在低信噪比環(huán)境下,提取出來的這3個(gè)瞬時(shí)信息具有較大的噪聲干擾信息,無論采用哪種識(shí)別方法,識(shí)別正確率都不高,且經(jīng)典的線性消噪方法已經(jīng)不能滿足低信噪比下調(diào)制識(shí)別應(yīng)用的需要,所以,本文設(shè)計(jì)一種小波濾波器來濾除噪聲,改善消噪效果,提高識(shí)別算法在低信噪比下的識(shí)別能力。本文的消噪原理與文獻(xiàn)基本相同,只是對(duì)信號(hào)的分解層數(shù)或每層的閾值選擇有所不同,并且首次將小波消噪應(yīng)用到調(diào)制識(shí)別的領(lǐng)域中對(duì)瞬時(shí)信息進(jìn)行優(yōu)化。小波變換具有對(duì)信號(hào)的自適應(yīng)性,所以運(yùn)用小波分析進(jìn)行一維信號(hào)自適應(yīng)消噪處理是小波分析的重要應(yīng)用之一。一個(gè)含噪聲的一維信號(hào)的模型可以表示成如下的形式s(i)=f(i)+σ?e(i),i=0,?,n-1(9)式中,f(i)為真實(shí)信號(hào);e(i)為噪聲;σ為噪聲對(duì)信號(hào)的系數(shù);s(i)為含噪聲的信號(hào)。在實(shí)際的工程中,有用信號(hào)通常表現(xiàn)為低頻部分或是一些比較平穩(wěn)的信號(hào),而噪聲信號(hào)則通常表現(xiàn)為高頻的信號(hào),所以消噪過程可按如下方法進(jìn)行處理:首先對(duì)信號(hào)進(jìn)行多層小波分解(如進(jìn)行3層分解,分解過程如圖1所示,圖中A表示信號(hào)的低頻部分,D表示信號(hào)的高頻部分),則噪聲部分通常包含在D1,D2,D3中。因而,可以采用門限閾值等形式對(duì)小波系數(shù)進(jìn)行處理,然后對(duì)信號(hào)進(jìn)行重構(gòu)即可以達(dá)到消噪的目的。對(duì)信號(hào)s(i)消噪的目的就是要抑制信號(hào)中的噪聲部分,從而在s(i)中恢復(fù)出真實(shí)信號(hào)f(i)。鑒于調(diào)制識(shí)別的應(yīng)用,可以利用小波分析消噪的原理,設(shè)計(jì)一種小波濾波器來優(yōu)化信號(hào)的瞬時(shí)特征。相對(duì)于普通的濾波器而言,如果選擇適當(dāng)?shù)拈T限閾值,小波濾波器不僅可以在保持真實(shí)信號(hào)能量基本不變的情況下濾除很大一部分噪聲,也可以去除毛刺。由于噪聲對(duì)信號(hào)的瞬時(shí)頻率的破壞較大,對(duì)瞬時(shí)幅度和瞬時(shí)相位的破壞較小,所以在本文的小波濾波器設(shè)計(jì)中,對(duì)瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率的小波濾波器分別采用4層、3層和5層小波分解。圖2表明,在使用了小波濾波器之后,2ASK信號(hào)的瞬時(shí)幅度得到了明顯的優(yōu)化。而圖3中,小波濾波器則從2FSK信號(hào)幾乎難以辨認(rèn)的瞬時(shí)頻率信息中,提取出了較為清晰的兩種頻率。2fk信號(hào)的認(rèn)定本文要識(shí)別的數(shù)字調(diào)制信號(hào)包括以下7種:2ASK、4ASK、16QAM、2PSK、4PSK、2FSK和4FSK(實(shí)際上可以認(rèn)為是8種,但因?yàn)?QAM與4PSK信號(hào)具有相同的星座圖,可以認(rèn)為是同一種信號(hào),所以在此認(rèn)定為7種)。經(jīng)過對(duì)算法復(fù)雜度、識(shí)別效率等多方面的權(quán)衡考慮,采用以下6個(gè)特征參數(shù)來進(jìn)行識(shí)別。(1)強(qiáng)度系數(shù)的確定Ra=u2a/da(10)式中,ua代表信號(hào)瞬時(shí)幅度的均值,da代表信號(hào)瞬時(shí)幅度的方差。這個(gè)參數(shù)是Chan提出的R參數(shù)的倒數(shù),采用倒數(shù)形式是因?yàn)镽的數(shù)值較小,很小的誤差就有可能引起誤判,通過這種改進(jìn),調(diào)制識(shí)別在低信噪比下的準(zhǔn)確率得到了很大的提高。該參數(shù)反映了信號(hào)包絡(luò)的變化情況,用來區(qū)分含有幅度信息的信號(hào)和不含幅度信息的信號(hào)。在本文要識(shí)別的7種信號(hào)中,2ASK、4ASK和16QAM含有幅度信息,分為一類;而2PSK、4PSK、2FSK和4FSK信號(hào)不含幅度信息,分為另一類。(2)sk相位參數(shù)σap=√1c(∑An(i)>ai?2ΝL(i))-(1c∑An(i)>ai|?ΝL(i)|)2(11)式中,?NL(i)=φ(i)-φ0為零中心化的瞬時(shí)相位的非線性分量,φ0=1ΝΝ∑i=1φ(i)為非線性相位分量的均值,φ(i)為去卷疊后的非線性相位分量。An(i)=A(i)ma?ma=1Ν?Ν∑i=1A(i)式中,A(i)是數(shù)字信號(hào)的瞬時(shí)幅度;N是截取的數(shù)字信號(hào)的長度。ai為判斷信號(hào)是否為非弱信號(hào)的判決門限,低于此值時(shí)瞬時(shí)相位會(huì)對(duì)噪聲非常敏感,所以要取非弱信號(hào)段的值,c為采樣點(diǎn)中非弱信號(hào)的個(gè)數(shù)。這個(gè)參數(shù)可以用來區(qū)分含有絕對(duì)相位信息和不含絕對(duì)相位信息的信號(hào)。2PSK信號(hào)的相位只有兩種取值:0和π。零中心化后的絕對(duì)值就只有一種取值,不含絕對(duì)相位信息,所以用σap可以將2PSK信號(hào)從其他3種不含幅度信息的信號(hào)中識(shí)別出來。(3)acni參數(shù)σaa=√1Ν(Ν∑i=1A2cn(i))-(1ΝΝ∑i=1|Acn(i)|)2(12)式中,Acn(i)=An(i)-1。這個(gè)參數(shù)用來區(qū)分含有絕對(duì)幅度信息和不含絕對(duì)幅度信息的信號(hào)。2ASK信號(hào)的幅度只有兩種取值,零中心化后的絕對(duì)值就只有一種取值,不含絕對(duì)幅度信息,所以用參數(shù)σaa可以將2ASK信號(hào)從4ASK和16QAM信號(hào)中識(shí)別出來。(4)號(hào)時(shí)相位的方差Rp=u2p/dp(13)式中,up代表信號(hào)瞬時(shí)相位的均值;dp代表信號(hào)瞬時(shí)相位的方差。這個(gè)參數(shù)是參考Ra類推而得到的。用來區(qū)分含有相位信息和不含相位信息的信號(hào)?？梢詫?ASK和16QAM兩種信號(hào)區(qū)別開來。采用這種改進(jìn)和類推得到的Rp可以使提出的識(shí)別算法適用于信噪比較低時(shí)的調(diào)制識(shí)別。(5)時(shí)鐘頻率方差Rf=u2f/df(14)式中,uf代表信號(hào)瞬時(shí)頻率的均值,df代表信號(hào)瞬時(shí)頻率的方差。這個(gè)參數(shù)也是參考Ra類推而得到的。用來區(qū)分含有頻率信息和不含頻率信息的信號(hào)?？梢詫?PSK信號(hào)從2FSK和4FSK中識(shí)別出來。采用這種改進(jìn)和類推得到的Rf可以使提出的識(shí)別算法適用于信噪比較低時(shí)的調(diào)制識(shí)別。(6)信號(hào)相干性參數(shù)的識(shí)別σfa=√1c(∑An(i)>aif2Ν(i))-(1c∑An(i)>ai|fΝ(i)|)2(15)式中,fΝ(i)=fc(i)/rb?fc(i)=f(i)-mf?mf=1Ν?Ν∑i=1xf(i)?f(i)是數(shù)字信號(hào)的瞬時(shí)頻率。這個(gè)參數(shù)用來區(qū)分含有絕對(duì)頻率信息和不含絕對(duì)頻率信息的信號(hào)。2FSK信號(hào)的頻率只有兩種取值,零中心化后的絕對(duì)值就只有一種取值,不含絕對(duì)頻率信息,所以用該參數(shù)可以將2FSK和4FSK區(qū)別開來。由以上所選的6個(gè)特征參數(shù)的說明可以知道,這6個(gè)特征參數(shù)可以對(duì)本文選取的7種數(shù)字調(diào)制信號(hào)進(jìn)行有效的識(shí)別,圖4是識(shí)別的流程圖。圖4中,t為判決時(shí)所選擇的不同門限值。從流程圖中可以看出,本文所提出來的這種識(shí)別算法,最少經(jīng)過兩次判決,最多經(jīng)過4次判決,就可以最終識(shí)別出7種(其實(shí)是8種)數(shù)字信號(hào)的調(diào)制類型;而NandiA.K.提出的數(shù)字調(diào)制識(shí)別算法中,經(jīng)過同樣的判決次數(shù)只可以識(shí)別出6種調(diào)制信號(hào),因此本文提出的算法更加簡單和有效。3不同信噪比下的仿真結(jié)果本文算法所采用的仿真參數(shù)及條件為:載波頻率fc=150kHz,采樣速率fs=1200kHz,符號(hào)率fd=12.5kb/s,2ASK的調(diào)制指數(shù)選為0.8,每個(gè)識(shí)別樣本采用2048個(gè)樣點(diǎn)。使用隨機(jī)序列作為調(diào)制信號(hào),仿真環(huán)境為理想高斯白噪聲信道,信噪比取5～20dB。圖5表明,由Chan提出的R參數(shù)所改進(jìn)得到的Ra參數(shù),對(duì)于含有幅度信息和不含有幅度信息的信號(hào),數(shù)值上差異較大,容易分辨;圖6是Chan提出的R參數(shù),由圖可見含有幅度信息和不含有幅度信息的信號(hào),在數(shù)值上差異很小,不容易分辨。而由之類推得到的Rp和Rf參數(shù),相對(duì)與NandiAK所提出的特征參數(shù),不同類別的調(diào)制信號(hào)在數(shù)值上差異增大,更加容易分辨,提高了識(shí)別的精度。經(jīng)過對(duì)各種調(diào)制信號(hào)在同一信噪比下進(jìn)行500次獨(dú)立仿真,得到在不同信噪比下(1dB步進(jìn))各種調(diào)制信號(hào)的正確識(shí)別次數(shù)和錯(cuò)誤識(shí)別次數(shù),其中,SNR=5dB時(shí)的結(jié)果如表1所示。表1中,豎行的調(diào)制類型代表要識(shí)別的調(diào)制類型,橫行代表識(shí)別結(jié)果。由表1可以看出,采用本文所提出的識(shí)別算法,在信噪比僅為5dB時(shí),除了2FSK和4FSK信號(hào)之外,其他信號(hào)的識(shí)別率都在99.6%以上,而2FSK和4FSK信號(hào)的識(shí)別率稍低,但也在95.4%以上。由于MASK、MPSK和MFSK數(shù)字信號(hào)在某一段時(shí)間內(nèi)會(huì)存在信號(hào)格式相似的特點(diǎn),比如,4ASK信號(hào)有可能在某一段時(shí)間內(nèi)只有2個(gè)幅度,如果被識(shí)別的信號(hào)恰恰處于該段,其識(shí)別結(jié)果為2ASK,從而產(chǎn)生誤判;另外,在實(shí)際信號(hào)的接收過程中有時(shí)存在無信號(hào)的間隔,如果這恰好是被識(shí)別的信號(hào)段,則無法準(zhǔn)確識(shí)別該信號(hào),從而產(chǎn)生誤判。針對(duì)這兩個(gè)問題,在系統(tǒng)的設(shè)計(jì)中可以采用大數(shù)判決方法,即將接收到的信號(hào)分割成N(N≥3,最好取奇數(shù))個(gè)相鄰接的信號(hào)段,先計(jì)算出每個(gè)信號(hào)段的特征參數(shù),然后取判決次數(shù)最多的調(diào)制方式作為最終的判決結(jié)果。大數(shù)判決法較好地解決了上述兩個(gè)問題,很大程度上改善了識(shí)別成功率。仿真結(jié)果表明,在信噪比大于10dB時(shí),本文所提出的幾