低信噪比數(shù)字通信信號識別算法研究

摘 要：基于高階累積量可以抑制高斯噪聲的特性以及分形盒維數(shù)對噪聲不敏感的特性，對于現(xiàn)代通信中常用的BPSK、QPSK、OQPSK、MSK和GMSK五種信號，文章建立了信號模型，并從理論上推導(dǎo)了信號的高階累積量特征，分析了信號的分形盒維數(shù)特征，文章提出了一種有效的識別算法，并驗證了仿真試驗證實了算法的可行性。

關(guān)鍵詞：噪聲；信號

中圖分類號：TN911 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 （2014） 22-0000-01

調(diào)制信號識別過程包括三個部分：信號預(yù)處理部分、特征參數(shù)提取部分和分類識別部分。特征參數(shù)提取是其中的重要部分，直接決定著最后的識別結(jié)果[1]。對于本文選取的BPSK、QPSK、OQPSK、MSK和GMSK五種信號，文獻(xiàn)[1]對其中的某些信號提出了一些特征參數(shù)和識別方法，其中文獻(xiàn)[2]中方法在低信比情況下效果不理想，而相關(guān)算法在低信噪比下識別效果較好，但是算法太復(fù)雜，實時性差。文章利用高階累積量可以抑制均值為零的高斯噪聲的特性和分形盒維數(shù)對噪聲不敏感的特性，用六階累積量和針對不同信號改進(jìn)的分形盒維數(shù)作為特征參數(shù)來識別上述五種信號，并提出了相應(yīng)的算法。

一、高階累積量相關(guān)知識

對于一個零均值的復(fù)平穩(wěn)隨機(jī)過程X（t），定義其p階

二、信號模型特征分析

其中，k=1，2，…….N，ak為接收信號中有用信號平均功率歸一化的碼元序列，E是感興趣信號的平均功率，θ是載波相位偏差，N0是均值為零的復(fù)高斯白噪聲序列，wk代表載頻，Dw為頻偏，Tb為碼元一個碼元時間，N為碼元序列長度。

信號的高階累積量特征，根據(jù)式（3），推導(dǎo)各個接收信號的理論值如表1。

由以上分析可知，OQPSK和其它四種信號有明顯的區(qū)別；MSK、GMSK和BPSK、QPSK差了個e-4jwt，有一定的差別；BPSK和QPSK也略有差別，仿真圖如圖1。

三、算法描述及仿真試驗

（一）算法描述

由以上分析，設(shè)計分類識別算法如圖2。

（二）仿真試驗

鑒于以上討論，采用Matlab軟件對算法進(jìn)行驗證分析。圖1以及本節(jié)的仿真都是建立在信號已經(jīng)過相應(yīng)的預(yù)處理的前提下的，且采用的復(fù)信號的載波頻率為15kHz，采樣頻率為120kHz，碼速率為1250b/s，噪聲為加性高斯白噪聲，對每種信號取3839個采樣點(diǎn)。每種信號試驗100次，取正確識別的次數(shù)和總數(shù)之比作為正確識別率。結(jié)果如表2所示。

（三）討論

由表2可知，在低信噪比（7dB）時幾種信號都有較好識別率。在整個信噪比范圍內(nèi)，BPSK信號和GMSK信號的識別率隨著信噪比的增加而增加，QPSK信號和MSK信號則正好相反。其實這種現(xiàn)象從圖2中不難解釋，四種信號都是隨信噪比的增加，盒維數(shù)值逐漸減小，這就導(dǎo)致在低信噪比端識別率高的信號在高信噪比端識別率低，進(jìn)一步說，是依賴于閾值的選取，由于文章的仿真中的閾值是在整個信噪比范圍內(nèi)進(jìn)行的，所以必然會導(dǎo)致上述仿真結(jié)果的出現(xiàn)，實際應(yīng)用中可以根據(jù)需要在局部進(jìn)行閾值選取，以克服上述現(xiàn)象。

參考文獻(xiàn)：

[1]S.Mallat，A Wavelet Tour of Signal Processing[M].北京：機(jī)械工業(yè)出版社，2002.

[2]熊美英，李遲生，戴仁林.通信信號調(diào)制識別方法研究[J].現(xiàn)代電子技術(shù)，2012（12）：13-16.