利用隨機共振解調微弱MFSK信號?

魏世朋，張天騏，余 熙，高春霞

（重慶郵電大學信號與信息處理重慶市重點實驗室，重慶400065）

利用隨機共振解調微弱MFSK信號?

魏世朋，張天騏，余 熙，高春霞

（重慶郵電大學信號與信息處理重慶市重點實驗室，重慶400065）

采用隨機共振解調微弱MFSK信號解決了傳統解調方法誤碼率高的問題。根據大噪聲環境下信號能借助噪聲能量發生隨機共振這一理論，先將微弱MFSK信號通過雙穩態隨機共振系統以提高其信噪比，對隨機共振系統的輸出信號用FFT來區分每段信號的載波頻率，最后依據判決準則解調MFSK信號。當信噪比較高時，可向信號中人為添加白噪聲來使之適用于該解調方法。MATLAB仿真結果表明，該方法能成功解調信噪比最低為-23 dB的2FSK信號和-25 dB的8FSK信號，而這是傳統相干解調方法所無法達到的。

隨機共振；頻率壓縮；微弱MFSK信號；解調；數據采集窗

1 引言

多進制頻移鍵控（M-ary Frequency-shift Keying，MFSK）是信息傳輸中使用較早的一種調制方式，它實現起來較容易，抗噪聲與抗衰減的能力較好，在中低速率數據傳輸中得到了廣泛應用。MFSK信號的傳統解調方法有相干解調、非相干解調和過零檢測解調［1］，但它們對信號的信噪比要求都比較高，所以這些方法對微弱MFSK信號的解調無能為力。

隨機共振檢測技術是近年來發展起來的一種新的信號處理技術，隨機共振廣泛用于諸如雙穩或多穩非線性系統［2，3］、激勵系統［4］、閾值系統［5，6］、生物系統［7］等。已有的隨機共振絕熱近似和線性響應理論僅適用于小參數信號處理，文獻［8］通過二次采樣頻率變換思想，實現了大參數信號的隨機共振。但是當前隨機共振的應用領域僅僅還是限于周期信號的頻率檢測，對于非周期信號檢測及通信信號解調的應用還未有相關報道。

本文從隨機共振不是消除噪聲而是充分利用噪聲來增強微弱信號這一思想出發，提出了一種微弱MFSK信號的新的解調方法，相比于傳統解調方法，本方法能解調較低信噪比的MFSK信號，同時也省去了信號的同步設備。

2 隨機共振檢測微弱信號的原理

2．1 隨機共振原理

所謂隨機共振，就是把混在一起的信號（周期力）和噪聲（隨機力）作為待測信號，加到雙穩態的非線性系統之中，在非線性系統本身、外部隨機力和外加周期力三者的共同作用下，系統的輸出為一種與外加周期力相同頻率但更為強烈的周期振動，在此過程中，噪聲能量一部分轉化為信號的能量，從而可以改善信號的信噪比［9］。

在雙穩態或多穩態的非線性系統中，發生隨機共振需要雙穩態非線性系統、待測信號和噪聲3個基本條件。隨機共振系統的模型有很多種，最簡單的為朗之萬方程［10］，其模型為

式中，a、b為系統的勢阱參數；Asin 2πf0( ) t為真實信號，A為其幅值，f0為其頻率；Asin 2πf0( ) t+ n( t)為待測信號；n(t)為零均值高斯白噪聲，其自相關函數為〈n(t) n(t′)〉=2Dδ( t-t′)，D為高斯白噪聲的強度。

式（1）對應的勢函數為［11］

在本文中，我們研究亞閾值的雙穩態隨機共振，即真實信號的幅值A小于閾值Ac（Ac=為系統雙穩態臨界值）。

若待測信號存在時，系統輸出狀態的變化描述如下：

第一種情況：噪聲強度不夠。這時，真實信號

Asin( 2π0ft)在噪聲n(t)的協助下，其合成信號的幅值A′依然小于閾值Ac，質點只能在某一個勢阱內運動，系統的輸出信號表現為與輸入信號同頻的微弱信號，其幅度并不會被放大。

2．2 雙穩態隨機共振的頻率特性

雙穩態系統并不是對任意頻率的信號都適用，下面我們研究它的適用范圍。雙穩態系統輸出信號的功率譜S（f）由兩部分組成［12］：第一，周期輸入信號引起的S1（f）；第二，噪聲引起的S2（f），它具有Lorentz分布的形式。它們的數學表達式如下：

式中，各參數含義和上文一樣，若A=0.3 V、f0= 0.01 Hz、D=0.31、a=1，b=1，則S2（f）的分布如圖1所示。

由圖1可看到，噪聲功率譜的譜能量集中于低頻區域，所以噪聲的能量只能轉移給低頻的周期信號。這就要求待測信號的頻率不能太高，否則將不會發生隨機共振效應［13，14］。

2．3 頻率壓縮與恢復

為了使隨機共振能用于高頻信號，可以采用將信號頻率先壓縮再恢復的方法［15］，如圖2所示。離散信號中代表信號頻率的是采樣點之間的時間間隔，只要改變采樣點之間的時間間隔就可將信號的頻率放大或壓縮。

3 利用隨機共振解調MFSK信號

3．1 MFSK信號

多進制頻移鍵控（MFSK）基本上是二進制頻移鍵控（2FSK）的直接推廣，它是用多個不同的載波頻率代表多種數字信息。在MFSK中，M種發送符號可表達為

式中，0≤t≤Ts；i=0，1，…，M-1；Es為單位符號的信號能量；fi為載波頻率，有M種取值。通常令載波頻率，n為正整數，此時，M種發送信號互相正交，即：

以8FSK為例，它可以發送8種符號，每符號有3 bit，分別為000、001、010、011、100、101、110和111，對應8種電平：0、1、2、3、4、5、6、7，每種電平對應一種載波。8FSK信號的時域波形如圖3所示。

3．2 MFSK信號的隨機共振解調

基于隨機共振解調微弱MFSK信號的框圖如圖4所示。

接收端MFSK信號的表達式為

式中，C表示MFSK載波信號的幅度，() nt表示高斯白噪聲，f1，f2，…，fM為MFSK信號的載波頻率，an為MFSK信號的M個電平。

首先要對高頻的MFSK信號進行頻率壓縮。根據載波頻率的大小和雙穩態系統對信號頻率的要求范圍，確定一個頻率壓縮比R，進而確定第二次采樣頻率fLS，用這個采樣頻率再確定采樣步長TLS，對MFSK信號進行第二次采樣，將其頻率壓縮至低頻范圍內。經過第二次采樣后MFSK信號的M個載波頻率f1，f2，…，fM分別被壓縮至f′1，f′2，…，f′M，此時MFSK信號的數學表達式為

式中，S′MFSK(t)為頻率壓縮后的MFSK信號，n′(t)為頻率壓縮后的噪聲。

其次調整雙穩態隨機共振系統的參數a和b，使其閾值Ac略大于載波信號的幅值C，然后將S′MFSK(t)作為待測信號加入到隨機共振系統之中，如式（10）：

如果a、b取值合適，系統便會發生隨機共振效應，系統輸出的MFSK信號其信噪比將會被提高，甚至可以大致恢復出被噪聲淹沒的載波信號波形。

當M=2時，若基帶傳輸碼為“0”，則待測信號為

在噪聲的協同作用下，合成后2FSK信號的幅值C′將大于雙穩態臨界值Bc，系統的輸出狀態會在兩勢阱和之間作頻率為f′1的周期性躍遷。若基帶傳輸碼為“1”，則待測信號如式（12）所示：

同理，當M=8，系統的輸出狀態將在兩個勢阱之間作頻率為f′1、f′2、f′3、f′4、f′5、f′6、f′7、f′8的周期性躍遷。

MFSK信號經過隨機共振系統以后，系統輸出的是低頻信號，這就需要對信號的頻率進行恢復。根據之前確定的頻率壓縮比R確定第三次采樣步長THS，對隨機共振系統的輸出信號進行第三次采樣，將其進行頻率恢復，其過程可看作是頻率壓縮的逆過程。經過這一步以后，系統的輸出信號便是高頻MFSK信號，相比于接收到的MFSK信號，此刻信號的信噪比被提高了，即信號得到了改善。

接下來是對信號的解調。我們選用數據窗來處理信號，數據窗的寬度很窄，每次滑動的長度也非常小。讓數據窗連續滑動采集信號，數據窗每采集一次數據都要對窗內信號作一次FFT，功率譜圖中最高譜峰將出現在載波頻率fM附近，用這個頻率值作為這一小段信號的輸出幅值。由于不同數字信息對應的載波頻率不同，所以系統輸出信號的幅值大小將會和數字信息相關聯。

另外，系統的輸出信號難免會出現“毛刺”現象，所以我們選用中值濾波器來濾除這些毛刺（孤立噪聲），使輸出信號平滑。

最后就是信號的判決恢復。FSK信號由于受信道環境的干擾，所以載波頻率將會有一定的頻偏。如果用最高譜峰所在頻率和原始載波頻率對比進行判決，則其誤碼率將會很高，所以我們選擇每兩個載波頻率的中間值（fN+1+fN）／2作為判決門限，其中N=1，2，3，…，M-1。若載波頻率fn+1＞fn，則其判決準則如式（13）：

綜上所述，利用隨機共振解調MFSK信號的步驟如下：

（1）對接收到的高頻載波MFSK信號進行頻率壓縮，其過程如2.3節中所述；

（2）將頻率壓縮后的MFSK信號作為待測信號加入到式（1）所示的隨機共振系統中；

（3）對隨機共振系統的輸出信號進行頻率恢復，其過程也如2.3節中所述；

（4）用數據窗采集隨機共振的輸出信號，并用FFT測得窗內這一小段信號的頻率值，將其作為這一小段信號的幅值；

（5）根據式（13）所示的判決準則，進行MFSK信號的解調。

最后值得一提的是，由于隨機共振效應是在噪聲的協同作用下發生的，所以信噪比較高的MFSK信號通過雙穩態隨機共振系統時，將不會發生隨機共振效應，只能在其中的一個勢阱內小范圍運動或者發生隨機性的躍遷。為了使本文的解調方法能夠適應較高信噪比的情況，我們可以在信噪比較高的MFSK信號中人為加入白噪聲，使其低信噪比降低，其過程就是將白噪聲與MFSK信號簡單相加即可。在仿真實驗中將會涉及，在此不再贅述。

4 MATLAB仿真實驗

對2FSK信號，設定基帶信號碼元寬度為0.002 s，載波信號為正弦信號，幅值C=0.3 V，頻率f2FSK1=1 kHz，f2FSK2=10 kHz，初相為0，采樣頻率fs=5 MHz；對8FSK信號，載波頻率f1=1 kHz，f2= 3 kHz，f3=5 kHz，f4=7 kHz，f5=9 kHz，f6=11 kHz，f7=13 kHz，f8=15 kHz，其余參數和2FSK一樣，根據式（7），此時對應的正整數n=4、12、20、28、36、44、52、60，所以載波信號相互正交。

4．1 雙穩態隨機共振系統對微弱MFSK信號的響應

選擇信噪比為-10 dB的8FSK信號，先對其進行R=106的頻率壓縮，然后將其加入到式（1）所表示的隨機共振系統中，取雙穩隨機共振系統的參數a=1、b=1，則雙穩態系統的臨界值Bc=0.384 9，兩個勢阱分別為xH=1和xL=-1，采用四階Runge-Kutta算法求解朗之萬方程。雙穩態系統接收的8FSK信號如圖5（c）所示，從圖中可以看到，低信噪比8FSK信號的波形完全被噪聲所淹沒，根本分辨不出來兩種載波；將微弱8FSK信號作為待測信號加入雙穩態隨機共振系統之后，在噪聲、待測信號、系統三者的共同作用下，發生了隨機共振效應，系統的輸出狀態在雙穩態系統的兩個勢阱之間作相應載波頻率的躍遷運動，如圖5（d）所示。將圖5（d）和圖5（b）進行對比可以發現，載波信號的波形被大致恢復了出來。

4．2 FFT區分載波頻率并解調8FSK信號

對4.1節中隨機共振系統的輸出信號進行頻率恢復，如圖6（a）所示，然后用數據窗采集其信號。數據窗寬度設為一個碼元寬度的1／5，每次滑動一個碼元寬度的1／50，對窗內信號每次作32 768點的FFT，并求出每次功率譜圖中最高譜峰所在頻率，用這個頻率值作為每次輸出信號的幅值，如圖6（b）所示。由于輸出信號有“毛刺”現象，再將其通過中值濾波器進行平滑處理，如圖6（c）所示。最后根據式（13）的判決準則恢復信號，如圖6（d）所示，可以看到，它與圖5（a）中的原始基帶信號基本相同，只是整體上有一定的偏移，這說明成功解調了8FSK信號。

4．3 添加噪聲實驗

以2FSK為例進行仿真實驗。將2 dB的2FSK信號、人為添加過噪聲的2FSK信號（信噪比相當于-10 dB）先后通過隨機共振系統，系統的響應如圖7所示。從圖7（b）中可以看到，2 dB的2FSK信號通過隨機共振系統時，大部分信號只能在一個勢阱中運動，即使偶爾進入另外一個勢阱也是毫無規律的，對信號信噪比的提高沒有任何幫助；人為添加過噪聲的2FSK信號通過隨機共振系統時，由于噪聲達到了所需的強度，信號就可以借助噪聲的能量在兩個勢阱之間有規律地躍遷，如圖7（c）所示。所以對較高信噪比的MFSK信號，只要向其中適量加入高斯白噪聲就可用本文的方法解調。

4．4 性能分析

為了分析本文解調方法的誤碼率，對2FSK信號采集107bit的數據，8FSK信號采集108bit的數據，信噪比由-30 dB逐漸增加到0 dB，進行仿真實驗，得到的誤碼率曲線如圖8所示。人為添加白噪聲之前，誤碼率曲線形狀像是一個倒峰，信噪比為-14 dB時誤碼率達到最低點，如圖8（a）所示，其原因為：較低信噪比時，噪聲的有害作用大于其有利作用，此時噪聲起主導作用，并沒有改善信號的信噪比；較高信噪比時，因為噪聲達不到隨機共振所需的強度，所以信號不能在兩個勢阱之間有規律地躍遷，對信號信噪比的改善也沒有幫助。若選誤碼率等于10-1為容錯極限，則加噪聲前，本文方法可以解調-23～-8 dB信噪比范圍內的2FSK信號和-25～-4 dB信噪比范圍內的8FSK信號；若向信噪比為-14 dB以上的2FSK信號和8FSK信號中人為添加白噪聲，使其信噪比水平相當于-14 dB的水平，則本文方法就可解調較高信噪比的MFSK信號，且誤碼率很低，如圖8（b）所示。而相干解調方法則只能解調5 dB以上的2FSK信號和2 dB以上的8FSK信號，可見基于隨機共振的解調方法優于相干解調方法。

5 結束語

以往隨機共振主要是針對周期信號的檢測，檢測參數主要是信號的頻率，本文對MFSK信號和隨機共振的數學模型進行了分析，將隨機共振成功運用到了非周期信號的檢測，實現了微弱MFSK信號的解調，拓寬了隨機共振的應用領域。

在當今復雜的通信下，MFSK信號到達接收端時已非常微弱，傳統解調方法通常失效，理論研究和仿真結果表明，利用本文方法可成功解調微弱MFSK信號，這對于制造新型微弱MFSK信號接收機具有較好的理論指導意義。

［1］曹志剛.現代通信原理［M］.北京：清華大學出版社，2004：254-256.

CAO Zhi-gang.The principles modern communication［M］. Beijing：Tsinghua University Press，2004：254-256.（in Chinese）

［2］ Gammaitoni L，Hanggi P，Jung P，et al.Stochastic resonance［J］.Reviews of Modern Physics，1998，70（1）：223-246.

［3］ Bulsara A R，Gammaitoni L.Turning in to noise［J］.Physics Today，1996，49（3）：39-45.

［4］ Collins J J，Chow C C，Imhoff T T.A period stochastic resonance in excitable systems［J］.Physics Review E，1995，52（3）：3321-3324.

［5］ Godivier X，Chapeau-Blondeau F.Noise-assisted signal-Transmission in a nonlinear electronic comparator：experiment and theory［J］.Signal Processing，1997，56（3）：293-303.

［6］ Gammaitoni L.Stochastic resonance in multi-threshold systems［J］.Physics Letters A，1995，208（4-6）：315-322.

［7］ Collins J J，Chow C C，Imhoff T T.Stochastic resonance without tuning［J］.Nature，1995，376：236-238.

［8］ Ando B，Graziani S.Adding noise to improve measurement［J］.IEEE Instrumentation and Measurement Magazine，2001，4（1）：24-31.

［9］ Zhao Zhijin，Yao Yao.A Time-Frequency Analysis Method Using Stochastic Resonance［J］.IEEE Congress on Image and Signal Processing，2008，5（5）：569-572.

［10］ Zozor S，Amblard P O.Stochastic resonance in discrete time nonlinear AR（1）models［J］.IEEE Transactions on Signal Processing，1999，47（1）：108-122.

［11］胡崗.隨機力與非線性系統［M］.上海：上海科技教育出版社，1994：221-229. HU Gang.Random force and nonlinear system［M］.Shanghai：Shanghai Science and Technology Education Press，1994：221-229.（in Chinese）

［12］楊祥龍，汪樂宇.隨機共振技術在弱信號檢測中的應用［J］.電路與系統學報，2001，6（2）：94-97. YANG Xiang-long，WANG Le-yu.The application of Stochastic Resonance in weak signal detection［J］.Circuits and Systems，2001，6（2）：94-97.（in Chinese）

［13］冷永剛，王太勇.隨機共振系統輸入閾值的頻率特性［J］.電子與信息學報，2005，27（5）：734-739.

LENG Yong-gang，WANG Tai-yong.The frequency characteristics of the input threshold of Stochastic Resonance system［J］.Electronics and Information Technology，2005，27（5）：734-739.（in Chinese）

［14］冷永剛，王太勇.二次采樣用于隨機共振從強噪聲中提取弱信號的數值研究［J］.物理學報，2003，52（10）：2432-2435.

LENG Yong-gang，WANG Tai-yong.Numerical research of twice sampling Stochastic Resonance for the detection of a weak signal in heavy noise［J］.Acta Physica Sinica，2003，52（10）：2432-2435.（in Chinese）

WEI Shi-peng was born in Luoyang，Henan Province，in 1986.He received the B.S.degree in 2009.He is now a graduate student.His research interests include communication signal processing and weak signal detection.

Email：2979153454＠163.com

張天騏（1971—），男，四川眉山人，現為重慶郵電大學通信與信息工程學院教授，主要研究方向為通信信號的調制解調、盲處理、神經網絡實現及FPGA、VLSI實現；

ZHANG Tian-qi was born in Meishan，Sichuan Province，in 1971.He is now a professor.His research interests include communication signal modulation and demodulation，blind processing，neural network and FPGA，VLSI implementation.

余熙（1986—），男，重慶人，重慶郵電大學碩士研究生，主要研究方向為通信信號處理、卡爾曼濾波、粒子濾波；

YU Xi was born in Chongqing，in 1986.He is now a graduate student.His research interests include communication signal processing，Kalman filter and particle filter.

高春霞（1987—），女，河南周口人，重慶郵電大學碩士研究生，主要研究方向為通信信號處理、寬帶信號的波達方向估計、陣列信號處理；

GAO Chun-xia was born in Zhoukou，Henan Province，in 1987.She is now a graduate student.Her research interests include communication signal processing，DOA estimation of wideband signal and array signal processing.

Demodulation of Weak MFSK Signal Based on Stochastic Resonance

WEI Shi-peng，ZHANG Tian-qi，YU Xi，GAO Chun-xia
（Chongqing Key Laboratory of Signal and Information Processing，Chongqing University of Posts and Telecommunications，Chongqing 400065，China）

Using the stochastic resonance to demodulate the weak MFSK（M-ary Frequency-shift Keying）signal solves the high BER（Bit Error Rate）in traditional demodulation methods.Based on the theory that the signal can get help from the noise′s energy to generate stochastic resonance，the weak MFSK signal is put into the stochastic resonance system to increase its SNR（Signal-to-noise Ratio），then the FFT（Fast Fourier Transform）is used to distinguish the two carriers of the signal，finally the MFSK signal is demodulated according to judgment criteria.When the SNR is high，the white noise can be added into the signal to suit for this method. The MATLAB simulation results show that this method can successfully demodulate the 2FSK signal in-23 dB and 8FSK signal in-25 dB，and conventional coherent demodulation can not achieve the result.

stochastic resonance；frequency compression；weak MFSK signal；demodulation；data acquisition window

The National Natural Science Foundation of China（No.61071196）；The NSAF Foundationof National Natural Science Foundation of China（No.10776040）；The Program for New Century Excellent Talents in University（NCET-10-0927）；The Project of Key Laboratory of Signal and Information Processing of Chongqing（2009CA2003）；The Natural Science Foundation of Chongqing（2009BB2287，2010BB2398，2010BB2411）

TN914

A

10.3969／j.issn.1001-893x.2011.06.016

魏世朋（1986—），男，河南洛陽人，2009年獲學士學位，現為重慶郵電大學碩士研究生，主要研究方向為通信信號處理、微弱信號檢測與估計；

1001-893X（2011）06-0071-07

2011-01-30；

2011-04-06

國家自然科學基金資助項目（61071196）；國家自然科學基金-中物院NSAF聯合基金項目（10776040）；教育部新世紀優秀人才支持計劃（NCET-10-0927）；信號與信息處理重慶市市級重點實驗室建設項目（2009CA2003）；重慶市自然科學基金項目（2009BB2287，2010BB2398，2010BB2411）

圖8誤碼率性能曲線

Fig.8 The performance curve of BER