基于高阶累积量的调制识别.docx

基于高阶累积量的调制识别.docx

《基于高阶累积量的调制识别.docx》由会员分享，可在线阅读，更多相关《基于高阶累积量的调制识别.docx（60页珍藏版）》请在冰豆网上搜索。

基于高阶累积量的调制识别

在现代通信技术飞速发展，信息的传输与交换日益频繁，各种通信方式和通信技术

不断更新和广泛应用。

因此我们所处的空间就有各种各样的电磁波。

随着电磁环境不断变得复杂以及数字调制技术的广泛运用，如何有效地识别数字通信信号的调制方式成为了一个重要的研究课题。

通信信号的调制方式识别在通信系统中扮演着重要的角色，尤其是在信号确认、干扰识别、信号检测以及信号监督等通信领域。

它需要在复杂环境和有噪声干扰的条件下，不依赖于其他的先验知识，确定接收信号的调制方式，并提取相应的调制参数，为信号的进一步分析和处理提供依据。

数字通信信号调制方式识别广泛应用在民用和军用领域。

在民用领域中，有关职能部门需要对自由空间中的无线信号进行认证、实施频谱监管。

要想成功排出非法干扰、保证合法通信正常进行以及合理分配频率资源就必须采用通信信号调制识别技术。

在军用领域中，调制识别在军事侦察、通信对抗、频谱监测等应用占有重要的位置。

通信情报系统作为通信电子战（信息战）的电子支援措施之一，用来监视战场的电磁频谱活动，进行威胁识别，帮助选择电子干扰策略，直至截获敌方的有用军事情报。

如在电子战通信情报截获接收机的设计中，获得接收通信信号的调制方式，为解调器选择解调算法提供参考依据，有助于电子战最佳干扰样式或干扰抵消算法的选择，以保证友方通信，同时抑制和破坏敌方通信，实现电子战通信对抗的目的。

又如辐射源识别问题。

机载截获设备接收到不同类型的辐射源信号，利用信号调制类型和其他测量参数识别敌方探测器的类型，以便完成威胁等级分析，及时进行机动规避，施放干扰或欺骗信掣引。

再如军用软件无线电技术的目的之一就是设计出一种通信“网桥"，实现不同传输体制通信设备间的相互通信功能和资源的最佳利用。

为达此目的，解决方案之一就是先识别出发射方的调制样式和调制参数，对其发送的信息进行解调，然后按照接收方采用的调制方式，把有用信息调制并转发给接收方。

这里，正确识别收发双方的调制样式，是保证信息无误转发的基本条件。

调制信号识别最初采用人工识别方法，这种方式一般是利用不同调制方式的调解器将接受的中频信号解调出可观察或可听的信号，然后由操作员借助频谱分析仪等设备观察信号的频谱、波形、瞬时幅度、瞬时频率和信号声音等信息，人为地确认信号的调制类型，其特点是结构庞大，复杂度高。

随着集成电路的发展和数字技术的应用，数字调制逐渐取代模拟通信系统。

信号调制方式越来越复杂，种类也越来越多。

自动识别技术成为一项引人关注的重要课题。

目前针对调制识别的研究较多，主要有基于小波变换的识别方法，基于瞬时特征的识别方法，基于星座图的识别方法和基于高阶累积量的识别方法。

由于高斯白噪声大于二阶的累积量均为零，故基于高阶累积量的识别方法有很好的抑制噪声的作用，并且此种方法允许有相位偏差，能够在较低信噪比下实现对多种信号的分类。

本文主要研究的是基于高阶累积量的调制信号识别，从信号的二阶、四阶和六阶累积量中提取较少的特征参数实现2ASK、4ASK、BPSK、QPSK、2FSK、4FSK等六种数字调制信号的识别分类。

该算法中所选用的特征参数能有效地抑制加性高斯白噪声。

仿真结果表明：

该算法是一种有效的识别算法，不仅在较低信噪比下有较好的性能，而且识别的调制类型较多。

本次毕业设计采用的软件是仿真常用的数学软件：

MATLAB。

MATLAB（矩阵实验室）

是MATrixLABoratory的缩写，是一款由美国TheMathWorks公司出品的商业数学软件。

MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。

它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式。

摘要

近年来，随着通信技术的迅速发展，通信信号的调制方式识别的研究也逐渐成为热点，吸引了众多研究者的关注。

通信信号的调制方式识别的基本任务就是在多信号以及有干扰的恶劣环境下，确认接收信号的调制方式，并给出相应的调制参数，为进一步分析和处理信号提供依据。

其一般由四部分组成：

信号获取、信息预处理、特征提取和选择，分类识别。

本文研究了基于高阶累积量的数字信号调制识别的算法。

基于高阶累积量的调制信号识别算法是从信号的二阶、四阶和六阶累积量中提取特征参数实现2ASK、4ASK、BPSK、QPSK、2FSK、4FSK等六种数字调制信号的识别分类基于高阶累积量的调制信号识别算法中所选用的特征参数能有效地抑制加性高斯白噪声。

仿真结果表明：

该算法是一种有效的识别算法，不仅在较低信噪比下有较好的性能，而且识别的调制类型较多。

关键词：

调制识别，高阶累积量，特征参数，星座图聚类分析法

ABSTRACT

Inrecentyears,withtherapiddevelopmentofcommunicationtechnology,themodulationrecognitionofcommunicationsignalshasbecomeahotspot,hasattractedtheattentionofmanyresearchers.Thebasictaskofmodulationrecognitionofcommunicationsignalsisthesignalandtheharshenvironmentinterference,confirmthemodulationofthereceivedsignal,themodulationparametersandthecorresponding,toprovidethebasisforfurtheranalysisandsignalprocessing.Itgenerallyconsistsoffourparts:

signalacquisition,datapreprocessing,featureextractionandselection,classificationandrecognition.

Thispaperstudiesthedigitalsignalmodulationrecognitionofhighordercumulantbasedalgorithm.Thesignalmodulationrecognitionalgorithmbasedonhigher-ordercumulantsisfromtheidentificationandclassificationoftwoorder,fourorderandsixordercumulantstoextractcharacteristicparameters2ASK,4ASK,BPSK,QPSK,2FSK,4FSKofsixkindsofdigitalmodulationsignal.Basedonthefeatureparametersofthemodulationsignalrecognitionalgorithmbasedonhigh-ordercumulantcaneffectivelysuppresstheadditivewhiteGaussnoise.Thesimulationresultsshowthat:

thealgorithmisaneffectiverecognitionalgorithm,notonlyinthelowerSNRhasgoodperformanee,andthemodulationtypesrecognition.

Keywords:

Modulationrecognition,Higher-ordercumulants,Characteristicparameters,Cluster

analysisconstellation

第1章绪论

1.1概述

我们处在一个日新月异的信息时代，各种通信方式和通信技术不断更新和广泛应用。

随着信号环境的日益密集化和复杂化，信号的调制方式变得多样化，对信号调制类型的有效识别就显得尤为重要。

信号调制识别包括无线通信信号、雷达信号和导航信号的调制方式识别。

而在这三类无线电信号中，通信信号的调制种类最多，也最复杂，研究得也最多。

事实上，研究通信信号的调制识别与分类，不仅能为无线电通信信号分析提供技术手段，而且也能为雷达、

导航信号的调制识别与分类提供一般理论和方法参考。

由于调制方式多样化，各种米用不同调制方式的通信系统之间的互联互通是个关键问题。

为了解调不同系统的通信信号，首先就必须要判断出接收信号的调制方式。

通信信号的调制方式识别的基本任务就是在多信号以及有干扰的恶劣环境下，确认接收信号的调制方式，并给出相应的调制参数，为进一步分析和处理信号提供依据。

1.2调制识别的发展和现状

调制识别技术最初是采用一系列不同调制方式的调解器，接收到的高频信号经变频为中频后，输入各解调器，获得可听或可观察的信号，再通过熟练的操作人员用耳机、示波器或频谱分析仪分析解

调结果，人为地判定解调方式。

操作人员一般通过中频时域波形、信号频谱、瞬时幅度、瞬时频率和信号的声音等等信息进行判断。

人工参与的技术需要有经验的操作人员，判断的结果包含了人的主观因素在内，会因人而异。

并且能够识别的调制类型也有限，一般可以识别持续时间较长、码元速率较低的ASK信号和调制指数较大

的FSK信号，对于需要相干处理的相移键控PSK信号则不能成功识别。

随着数字通带调制信号在无线通信工程中逐渐占据统治地位，通信信号调制识别所面对的信号也逐渐以数字调制为主。

和模拟调制类似，常用的数字调制制式包括幅移键控（AmplitudeShift

Keying，ASK）频移键控（FrequencyShiftKeying，FSK）、相移键控（PhaseShiftKeying，PSK）和正交幅度调制（QuadratureAmplitudeModulation，QAM等。

对数字调制信号的调制识别而言，人工识别就不再具有优势甚至在大多数情况下无能为力。

针对人工调制识别技术存在的问题，1969年4月,C.5.Waver等四名作者在斯坦福大学技术报告上发表了第一篇研究自动调制识别的论文《采用模式识别技术实现调制类型的自动分类》。

此后,不断有研究调制识别技术的论文出现在各类技术刊物上，有一批科技人员从事这方面的研究，取得了一些成果，在理论上己有系统雏形，但还有许多地方需要完善与发展，仍是一块有待于发展的新兴研究领域。

从

国外发表的文献中可以看出，各种现代信号处理技术，包括人工神经网络、小波理论、谱相关理论都正在或己经被应用到该领域的研究中。

而现代通信系统中数字调制技术比模拟调制技术使用更为频繁，

故对数字调制信号的识别现在已成为一种趋势。

目前，处理调制识别问题一般采用两种方法：

一是似然比判决理论法；二是统计模式识别法。

1.2.1似然比判决理论法

似然比判决理论法基于假设检验理论，根据信号的统计特性，通过理论分析与推导，得到用于分类的充分统计量，然后与一个合适的门限进行比较，形成判决规则。

最常用的统计量是基于贝叶斯理论和耗损函数最小化原则推导出的似然函比。

由于分类器工作在非协作通信环境中，未知信号的信息内容以及信道参数估计误差的存在使得构造的似然函数比中一般含有未知参数。

对这些未知参数按不同的处理方式，形成了不同的似然比判决统计量。

（1）平均似然比（AverageLikelihoodRatioTest，ALRT>若参量为随机变量且其概率密度已知，则可求出似然函数针对该参量的均值，然后用假设检验中的似然函数比检验进行处理。

若参量为随机变量但概率密度未知，则可赋予参量使检测概率最低的概率密

度，然后同前处理。

（2）一致最大势（UniformlyMostPowerful，UMP检验。

若参量为非随机但其值未知，可先确定一个可以接收的虚警概率，在此概率约束下，寻求可达到的最大检测概率。

umP佥验存在的充要条件是，

在不具备关于参量的任何信息的情况下，可以设计一个包括判决门限在内的完整的似然比检验。

（3）广义似然比（GeneralLikelihoodRatioTest，GLTR。

参量

为非随机但其值未知，可先用极大似然估计方法求出参量在不同假设下的估计值，然后将它们作为已知量代入似然函数，以便进一步处理。

（4）混合似然比（HybridLikelihoodRatioTest，HLRT。

部分未知参量为随机变量，部分为其值未知的非随机量，按

（1）、（3）的结合进行处理。

似然比判决理论法在进行调制信号的似然比函数推导时，充分考虑了噪声的影响，从而使得在低信噪比条件下仍然有较好的识别效果。

用该方法进行识别时，不需要训练样本，识别步骤相对简单。

但是在实际应用中该方法存在两个很大的问题：

第一，识别过程中要求包括载频、信噪比、码元速率等大量参数；第二，由于有未知参数，使得似然比函数的计算表达式很复杂，计算量大而且难于处理。

如果对似然比函数简化处理，又会造成分类信息的丢失，降低了信号识别性能。

A.PIoydoros和K.Kim等利用准优化的对数似然比方法对QPSK

和BPSK言

号进行识别，在信噪比小于0dB时，分类器依然具有较好的分类识

别性能。

Soliman.S.S等人提出一种数字相位统计相关变量识别方法，利用MASK信号相位的n阶统计均值随M单调递增的特性。

JASills提出了利用最大似然法实现PSK和QAM信号的分类。

S.Pasupathy研究了高斯白噪声干扰信号相位的概率分布，提供了调

相信号识别和检测的理论基础。

1.2.2统计模式识别法

统计模式识别法主要是通过提取与调制方式相关的识别特征，构成不同模式下的特征矢量，根据经典的模式识别理论进行分类、识别。

该方法首先从接收到的信号中提取区别于其他信号的特征参数，然后由模式识别根据所提取的特征参数确定信号的调制方式。

这种方法不需要先验条件，可以很好地实现信号盲识别，比较适合截获信号的处理识别。

在实际的调制识别中，我们大多数也是采用此种方法。

统计模式识别法的结构框图如图1.1所示，包括信号预处理

部分、特征参数提取部分和分类识别部分。

图1.1统计模式识别法结构框图

1、信号预处理，试讲信号从信号空间映射到观察空间的过程，该过程包括数字下变频，数字滤波，估计信号的载波频率，同相正交分量分解等，为下一步的特征提取提供数据。

2、特征提取是根据信号的时域或变域特征来提取信号的特征参数，它是一种映

射关系，即从维数高的观察空间到维数低的特征空间的映射过程。

这是调制识

别关键的一步，直接影响到分类器的设计和性能。

3、分类识别是通过选取合适的判决准则和分类器，对待识别的信号进行调制方

式识别。

在分类器的选择上，根据不同的分类方法可以分为：

决策树分类器、神经网络分类器和支持向量机分类器。

决策树是模式识别中应用比较早的分类器，其采用了分级结构。

分类精度高，生成的模式简单，对噪声数据有很好的健壮性，但是需要选择合适的判决门限，判决门限的选取会极其影响信号的识别率。

并且该分类器对信号特征参数的提取要求很高。

神经网络分类器是对生物神经网络的抽象和模拟，由大量的神经元交错连接构成，神经元可以是线性传输函数或非线性传输函数，这使得神经网络可以解决线性和非线性分类问题。

神经网络分类器分类时需要大量的训练样本，容易出现欠学习、过学习和陷入局部极值等问题。

支持向量机分类器在解决高维模式识别、非线性识别以及小样本识别问题上具有很大的优势，但是也存在核函数的选择、核参数的确定等问题。

根据特征参数的提取方法不同，统计理论的调制识别可以分为以下几种：

（1）基于瞬时特征的方法

20世纪90年代，E.E.Azzouz和A.K.Nandi先后提出了9个基于瞬

时特征参量（瞬时幅度、瞬时频率、瞬时相位）的参数用来区分调

幅、调频、调相信号，由于这几个参数是基于瞬时参量其抗噪性能不是很好，在信噪比为15db以上的时候，该方法的识别率大于91%国内外有很多的学者对他们提出的算法进行了改进，但很多改进算法所要求的信噪比较高。

信号的时域分析是信号处理理论的基础，相应的瞬时特征是数字调制信号的基本特征，通过对数字调制信号瞬时特征的分析可获得分类的瞬时特征参数。

决策树-分类是模式识别中较早被使用的一种分类技术，具有逻辑简单，易于工程实现等优点。

基于瞬时特征参数的数字调制方式识别算法研究得比较早。

它是一种非常经典的算法,该算法首先利用正交变换提取信号瞬时幅度、瞬时频率和瞬时相位三个基本的瞬时信息参数，然后用这三个参数构造合适的瞬时特征

参数，进行数字调制信号的自动识别。

由于其特征参数的提取比较简单，因而该算法被广泛应用。

（2）基于高阶累积量的方法

高阶统计量在信号处理与系统分析中扮演着极其重要的角色，并越来越广泛地应用到需要考虑非最小相位、非高斯性、有色噪声等各类问题中。

而高阶统计量中的高阶累积量在统计信号的分析中具有更重要的意义。

信号不同阶的累积量含有信号的不同信息，因此高阶累积量可以应用到信号的分类中。

基于高阶累积量方法是利用从信号的二阶、四阶和六阶累积量中提取的三个特征参数实现多种常用数字调制信号的识别，可以很好地抑制高斯白噪声，且允许有相位偏差，能够在较低信噪比下实现多种信号的识别。

（3）基于星座图的方法

星座图是数字调制方式设计与分析的经典工具。

它提供了信号的结构以及各种不同调制状态的关系。

将星座图运用于调制方式的方法实际上是将一般模式识别问题转化为形状匹配问题。

该方法首先利用盲均衡技术克服信道的多径效应与系统同步误差，再对信号减法聚类，提取聚类中心与理想星座图模型进行匹配，从而实现各类信号的调制方式的识别。

星座图主要用于对MQAI信号识别。

（4）基于谱相关函数的方法

谱相关函数是功率谱密度函数的推广，但它又优于功率谱密度函数，利用谱相关函数的特性，例如谱相关函数对高斯噪声的不敏感性，我们可以在信噪比很低的情况下对信号进行处理，即在干扰和噪声背景下对信号进行检测、分类、参数估计及信号提取，其检测与估计性能比常规的谱分析方法优越。

（5）基于小波变换的方法

小波分析属于时频分析的一种，它是傅立叶分析的发展，但又优于傅立叶分析。

虽然傅立叶分析作为经典的一种方法被广泛应用，但无法表述信号的时频局域性质，故其自身存在缺陷。

对于一些非平稳信号，它们的频域特性是随时间变化的。

对这一类信号用傅立叶变换进行分析，仅能知道信号所含有的频率信息，但不能知道这些频率信息出现在什么时段上，为了研究这些信号的局部形态，人们对傅立叶分析进行了改进，发展了一系列新的信号分析理论。

而短时傅里叶变换与小波变换就是应传统傅立叶变换不能够满足信号处理的要求而产生的。

短时傅里叶变换是通过窗函数在时域上的滑动来得到对信号的时域局部化分析，但它对不同频率分量，在时域上都取相同的窗宽。

而小波变换的窗宽则是可调的，它在时频两域都具有表征信号局部特征的能力，被誉为分析信号的显微镜。

小波变换通过平移母小波（motherwavelet）可获得信号的时间信息，而通过缩放小波的宽度（或者叫做尺度）可获得信号的频率特性。

对母小波的缩放和平移操作是为了计算小波的系数，这些系数代表小波和局部

信号之间的相互关系。

所以，小波变化在时域和频域同时具有优良的局部化特性，尤其适用于对非平稳信号和突变信号的分析，具有多分辨率分析的特点。

除了上述的几大类调制方式识别方法外，还有过零点检测和分形维数等。

1.3本课题的任务介绍

本文主要是对数字调制信号的识别进行了分析和研究，重点研究了基于高阶累积量的

识别算法。

通过MATLAB寸该算法进行了仿真证明了此方法的可行性。

论文分为五章：

第1对调制识别的发展和现状进行了简要的介绍。

第2章介绍了数字调制信号的调制方式、数字信号的正交变换理论以及傅里叶变换方法。

介绍了高阶累积量的理论基础、数字调制信号各阶累积量的理论值。

介绍了基于高阶累积量的数字调制信号识别流程并对其进行仿真和结果分析。

第5章对工作进行总结并提出未来研究工作的新思路和新方向。

调制方式识别的基础理论

2.1引言

调制是指用调制信号去控制或改变载波的一个或几个参数，使调制后的信号含有原来调制信号的全部信息。

调制是一个频谱变换的过程。

调制的目的在于使要传输的信号与信道相匹配，从而有效地传输信号。

调制的方法通常分为脉冲调制和正弦波调制两大类。

脉冲调制是用脉冲串或一组数字信号作为载波的调制方式，它分为两种形式，一种是用连续的调制信号去改变脉冲载波的参数（如幅度、宽度、位置及它们的组合）的脉冲无编码调制（如PAM、PPM、PWM等），另一种是用连续的调制信号的数字形式去形成一系列脉冲组的脉冲编码调制（如PCM、ADPCM等）。

载波为高频正弦信号的调制为正弦波调制，根据信号调制以后的频谱是否保留了基带信号频谱的线性结构，正弦波调制可以分为线性调制和非线性调制两大类。

线性调制主要是振幅调制，此时已调信号仍然保持了基带信号的频谱结构，即保持了频域的线性关系，而非线性调制则指频率调制和相位调制，已调信号的频谱已经不再是简单的对基带信号频谱的搬移，而是非线性变换关系。

正弦波调制还可以分为模拟调制和数字调制，分别指调制信号为模拟信号和数字信号的正弦波调制。

数字调制技术具有抗噪性能好、便于信息进行融合、保

密性好、易于与现代数字通信技术相结合等优点。

在对数字基带信号进行长距离和无线传输时，必须使用数字调制技术。

目前，数字调制技术己被广泛应用到现代通信系统中，因此本文针对数字调制方式识别技术进行研究。

2.2数字调制样式

用数字基带信号控制正弦载波的幅度、频率和相位中的某个参数，可以得

到幅度键控（ASK）、频移键控（FSK）和相移键控（PSK）三种基本的数字调制信号。

此外还有对正弦波的幅度、相位、频率进行混合调制的调制方式，比如正交幅度调制（QAM）等。

下面重点介绍现代通信系统中广泛应用的四类数字调制技术。

221幅度键控调制

（1）二进制幅度键控（2ASK）

振幅键控（ASK）是载波的振幅随着数字基带信号而变化的数字调制。

当数字基带信号为二进制时，则为二进制振幅键控（2ASK）。

二进制振幅键控信号的产生方法有两种，一般的模拟幅度调制方法与数字键控方法实现，2ASK信号的波形随着的通断变化，所以又称为通

断键控信号（OOK）。

它的时域表达式为：

S2ASK二、ang（t-nTs）C0S2二fct

-n（2-1）

式中：

g（t）为持续时间为Ts的基带信号波形，Ts是码元周期，fc为载波频率，

an{0,1}，二进制符号序列an发送0的概率是P，发送1的概率是1-P。

图2.1表示2ASK信号的时域波形。