基于改進(jìn)的瞬時(shí)信息量數(shù)字調(diào)制識(shí)別算法

曾 旭，慕曉冬，易昭湘，許夙暉

(火箭軍工程大學(xué) 信息工程系，陜西 西安 710025)

?

基于改進(jìn)的瞬時(shí)信息量數(shù)字調(diào)制識(shí)別算法

曾 旭，慕曉冬，易昭湘，許夙暉

(火箭軍工程大學(xué) 信息工程系，陜西 西安 710025)

針對(duì)瞬時(shí)信息量的調(diào)制識(shí)別算法抗噪性能差的問題，提出了一種基于改進(jìn)的瞬時(shí)信息量的數(shù)字調(diào)制識(shí)別算法。通過提取5種新的瞬時(shí)信息特征參數(shù)，確定其判別次序和判決門限值，使得算法在低信噪比條件下依然能保持很高的識(shí)別性能。實(shí)驗(yàn)結(jié)果表明，算法在信噪比低至5 dB時(shí)，對(duì)不同的數(shù)字調(diào)制信號(hào)的識(shí)別率均達(dá)到90%以上，與同條件下的原有識(shí)別算法相比，識(shí)別正確率提升了15%。

瞬時(shí)信息量；調(diào)制識(shí)別；判決門限；信噪比

0 引言

對(duì)于數(shù)字信號(hào)調(diào)制識(shí)別分類主要有2種方法：基于決策理論的調(diào)制識(shí)別和基于特征提取的模式識(shí)別[1]。相比于決策理論方法，模式識(shí)別方法不依賴過多的先驗(yàn)知識(shí)且參數(shù)判決門限選取較為容易，因此運(yùn)用更為廣泛。基于特征提取的模式識(shí)別方法主要包括基于瞬時(shí)統(tǒng)計(jì)量信息特征的調(diào)制識(shí)別[2-4]、基于高階累積量的調(diào)制識(shí)別[5-6]、基于星座幾何特征的調(diào)制識(shí)別[7-9]、基于聯(lián)合調(diào)制識(shí)別[10-11]以及包括基于小波變換[12-13]在內(nèi)的其他調(diào)制識(shí)別方法。文獻(xiàn)[14]中提出一種基于5種瞬時(shí)特征參量的組合識(shí)別次序，在信噪比為10 dB時(shí)，對(duì)通信信號(hào)的平均識(shí)別率能達(dá)到90%以上。但算法沒有對(duì)特征參量組合是被次序的最優(yōu)性進(jìn)行驗(yàn)證，識(shí)別性能有待進(jìn)一步提升。文獻(xiàn)[15]中提出一種基于改進(jìn)的瞬時(shí)統(tǒng)計(jì)特征參數(shù)實(shí)現(xiàn)了對(duì)常見數(shù)字信號(hào)的調(diào)制識(shí)別，但其新的瞬時(shí)參數(shù)提取計(jì)算量較大，算法實(shí)時(shí)性降低。文獻(xiàn)[16]中提出一種基于聯(lián)合特征參數(shù)的數(shù)字調(diào)制識(shí)別優(yōu)化算法，算法通過調(diào)制信號(hào)的高階累積量和瞬時(shí)特征參量，利用神經(jīng)網(wǎng)絡(luò)分類器對(duì)常用數(shù)字信號(hào)進(jìn)行調(diào)制識(shí)別，但是算法在提升抗噪性能的同時(shí)，使得其本身復(fù)雜度顯著增大，算法實(shí)際應(yīng)用價(jià)值不高。以上算法中由于收到瞬時(shí)特征參量對(duì)不同調(diào)制方式的分辨率不高的制約，在低信噪比條件下的檢測(cè)性能都有待提升。

本文利用瞬時(shí)特征方法計(jì)算量小、可靠性高的特點(diǎn)，提出一種改進(jìn)的基于瞬時(shí)特征參數(shù)的數(shù)字信號(hào)調(diào)制識(shí)別算法。算法通過提取5種新的瞬時(shí)特征參量，采用決策樹分類器方法在低信噪比條件下實(shí)現(xiàn)對(duì)6種常見的數(shù)字信號(hào)(2ASK、4ASK、2FSK、4FSK、2PSK和4PSK)的調(diào)制識(shí)別。并通過Matlab仿真實(shí)驗(yàn)，與原有算法識(shí)別性能進(jìn)行對(duì)比，驗(yàn)證改進(jìn)算法識(shí)別性能。

1 基于改進(jìn)的瞬時(shí)特征參數(shù)提取

當(dāng)通信信號(hào)的調(diào)制方式不同時(shí)，它們具備不同的特征參數(shù)，可以通過對(duì)待識(shí)別對(duì)象進(jìn)行研究分析，進(jìn)而得到1類或者多類信號(hào)特征，根據(jù)對(duì)應(yīng)特征或者特征的組合進(jìn)行調(diào)制識(shí)別工作。

信號(hào)瞬時(shí)特征參數(shù)用來估計(jì)調(diào)制信號(hào)的待識(shí)別參數(shù)，具有計(jì)算簡便、可供統(tǒng)計(jì)分析的數(shù)據(jù)量大等特點(diǎn)，是調(diào)制識(shí)別算法中最基本的方法之一。信號(hào)的瞬時(shí)信息包括瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率3個(gè)信號(hào)基本的特征量以及多類不同角度的特征統(tǒng)計(jì)量。

1.1 基于希爾伯特變換的基本特征量

基本特征量在上述被定義為瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率。為方便分析，首先定義實(shí)際調(diào)制信號(hào)x(t)的解析式為：

s(t)=x(t)+jy(t)。

(1)

式中，y(t)為x(t)的希爾伯特(Hilbert)變換。

(2)

式中，“?”表示卷積運(yùn)算，經(jīng)過Hilbert變換的信號(hào)y(t)可以通過一個(gè)濾波器的輸出得到。

① 瞬時(shí)幅度序列A(i)

A(i)=(x2(i)+y2(i))1/2。

(3)

② 瞬時(shí)相位序列θ(i)

修正后的無折疊相位φ(i)為：

φ(i)=θ(i)+C(i)。

(4)

③ 瞬時(shí)頻率序列f(i)

(5)

1.2 改進(jìn)的統(tǒng)計(jì)量特征參數(shù)

基于3個(gè)基本特征量瞬時(shí)幅度序列A(i)、瞬時(shí)相位序列θ(i)和瞬時(shí)頻率序列，可以進(jìn)一步得到多個(gè)調(diào)制信號(hào)的特征統(tǒng)計(jì)量，在此，提出5種新的特征統(tǒng)計(jì)量參數(shù)。

1.2.1 零中心歸一化瞬時(shí)幅度絕對(duì)值平方的均值

(6)

(7)

1.2.3 零中心歸一化瞬時(shí)頻率絕對(duì)值平方的均值

(8)

(9)

1.2.5 零中心歸一化瞬時(shí)相位絕對(duì)值平方的均值

(10)

2 改進(jìn)算法識(shí)別流程

通過以上對(duì)5種改進(jìn)的特征統(tǒng)計(jì)量參數(shù)的分析說明可得，這5中參數(shù)能夠?qū)崿F(xiàn)對(duì)本文選取的6種數(shù)字信號(hào)的調(diào)制識(shí)別，圖1為本文提出的基于改進(jìn)的基于瞬時(shí)特征參數(shù)的識(shí)別算法流程圖，圖中t(·)表示各提取特征的門限值。

圖1 基于瞬時(shí)信息的數(shù)字調(diào)制識(shí)別算法流程

3 仿真實(shí)驗(yàn)結(jié)果

通過計(jì)算機(jī)仿真對(duì)選取的調(diào)制識(shí)別特征參數(shù)進(jìn)行確定。仿真參數(shù)設(shè)置為：載波頻率fc=150 kHz，F(xiàn)SK信號(hào)載波頻率頻偏確定為50 kHz，2FSK兩載波載頻分別為fc1=100 kHz和fc2=200 kHz，4FSK 4個(gè)載頻分別為fc1=50 kHz、fc2=100 kHz、fc3=200 kHz和fc4=250 kHz，抽樣頻率fs=1 200 kHz，符號(hào)速率rb=12.5 kbit/s，周期內(nèi)符號(hào)數(shù)為N=2 048。

3.1 特征參數(shù)門限值選取

圖在不同數(shù)字調(diào)制下的數(shù)值分布

圖在2ASK與4ASK調(diào)制下的數(shù)值分布

圖在MPSK與MASK調(diào)制下的數(shù)值分布

圖在2FSK與4FSK調(diào)制下的數(shù)值分布

圖在2PSK與4PSK調(diào)制下的數(shù)值分布

3.2 算法識(shí)別率仿真

將仿真得到的各特征參量的門限設(shè)定值寫入算法程序中去，在上節(jié)所述仿真條件下，對(duì)2ASK、4ASK、2PSK和4PSK進(jìn)行調(diào)制識(shí)別分類仿真，改變信號(hào)信噪比，得到算法識(shí)別率結(jié)果如表1所示。

表1 瞬時(shí)信息數(shù)字調(diào)制識(shí)別算法識(shí)別率 (%)

由表1可得，在信噪比大于8 dB時(shí)，對(duì)實(shí)驗(yàn)中所有待識(shí)別對(duì)象的識(shí)別正確率都超過了95%，而當(dāng)信噪比大于15 dB時(shí)，對(duì)實(shí)驗(yàn)中所有待識(shí)別對(duì)象的識(shí)別正確率都達(dá)到100%。本文中所提基于改進(jìn)的瞬時(shí)信息特征參數(shù)識(shí)別算法與文獻(xiàn)[9]中原有算法的識(shí)別率仿真結(jié)果對(duì)比。由表中數(shù)據(jù)結(jié)果可得，在信噪比為5 dB的條件下，本文所提出的改進(jìn)算法相比于原有算法平均識(shí)別正確率提高了15%。改進(jìn)算法通過提取更為優(yōu)化的瞬時(shí)信息參數(shù)，提升了算法在低信噪比條件下對(duì)數(shù)字調(diào)制信號(hào)的識(shí)別性能。

4 結(jié)束語

[1] VEER K,SHARMA T.A Novel Feature Extraction for Robust EMG Pattern Recognition[J].Eprint Arxiv,2016,1(1):71-80.

[2] HU You-qiang,LIU J,TAN X H.Digital Modulation Recognition Based on instantaneous information[J].中國郵電高校學(xué)報(bào)(英文版),2010,17(3):52-59.

[3] 王志力,王玉文,蔣 瑜,等.基于決策理論的信號(hào)調(diào)制識(shí)別改進(jìn)算法[J].無線電工程,2014,44(5):30-33.

[4] 蔡建平,范廣偉,王 飛,等.基于瞬時(shí)參數(shù)提取的干擾類型識(shí)別方法[J].無線電工程,2014,44(10):69-72.

[5] 孫汝峰,劉順蘭.基于高階累積量和譜分析的數(shù)字調(diào)制信號(hào)識(shí)別[J].微型機(jī)與應(yīng)用,2016,35(4):76-79.

[6] 孫鋼燦,王忠勇,劉正威.基于高階累積量實(shí)現(xiàn)數(shù)字調(diào)相信號(hào)調(diào)制識(shí)別[J].電波科學(xué)學(xué)報(bào),2012(4)：42-45.

[7] 李蘋蘋.基于聚類理論的MQAM信號(hào)調(diào)制方式識(shí)別算法研究[D].鄭州:鄭州大學(xué),2015.

[8] 李世杰,郭 雁,葉永杰.基于星座圖的數(shù)字調(diào)制信號(hào)識(shí)別技術(shù)[J].通信對(duì)抗,2016(1):20-23,34.

[9] YIN C,LI B,LI Y.Modulation Classification of MQAM Signals from Their Constellation Using Clustering[C]∥International Conference on Communication Software & Networks.IEEE Computer Society,2015:303-306.

[10] 楊發(fā)權(quán),李 贊,羅中良.基于聚類與神經(jīng)網(wǎng)絡(luò)的無線通信聯(lián)合調(diào)制識(shí)別新方法[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,54(2):24-29.

[11] 趙成林,羅 勇,石明軍.基于小波變換的信號(hào)調(diào)制方式的識(shí)別研究[J].無線電工程,2010,40(1):10-12.

[12] HASSAN K,DAYOUB I,HAMOUDA W,et al.Automatic Modulation Recognition Using Wavelet Transform and Neural Networks in Wireless Systems[J].Eurasip Journal on Advances in Signal Processing,2010(1):13.

[13] 龔安民,王炳和,曲 毅.基于同步壓縮小波變換的通信信號(hào)調(diào)制識(shí)別[J].電光與控制,2015(12):50-53.

[14] 位小記,謝 紅,郭 慧.基于瞬時(shí)特征參數(shù)的數(shù)字調(diào)制識(shí)別算法[J].傳感器與微系統(tǒng),2011,30(1):127-130.

[15] 付仕平,楊 麗,邵 偉.基于瞬時(shí)特征參數(shù)的數(shù)字信號(hào)調(diào)制識(shí)別算法[J].現(xiàn)代防御技術(shù),2013,41(6):71-75.

[16] 譚曉衡,陳 印.基于聯(lián)合特征參數(shù)的數(shù)字調(diào)制識(shí)別優(yōu)化算法[J].系統(tǒng)工程與電子技術(shù),2011,33(12):2 732-2 736.

曾 旭 男，(1992—)，碩士研究生。主要研究方向：信息與信號(hào)處理。

慕曉冬 男，(1965—)，教授，博士生導(dǎo)師。主要研究方向：信息與信號(hào)處理。

A Digital Modulation Recognition Algorithm Based on Improved Instantaneous Information

ZENG Xu,MU Xiao-dong,YI Zhao-xiang,XU Su-hui

(DepartmentofInformationEngineering,PLARocketForceEngineeringUniversity,Xi’anShaanxi710025,China)

In view of low anti-noise performance of modulation recognition algorithm for instantaneous information,a kind of digital modulation recognition algorithm based on improved instantaneous information is put forward.By extracting five new characteristic parameters of instantaneous information,this algorithm determines its decision order and decision threshold to keep higher recognition performance for digital modulation signal under the condition of low SNR.The simulation results show that this algorithm can realize the recognition rate of different digital modulation signal of above 90% in low SNR to 5 dB,which is 15% higher than recognition accuracy of existing original recognition algorithm under the same conditions.

instantaneous information;modulation recognition;decision threshold;SNR

10.3969/j.issn.1003-3106.2016.12.06

曾 旭，慕曉冬，易昭湘，等.基于改進(jìn)的瞬時(shí)信息量數(shù)字調(diào)制識(shí)別算法[J].無線電工程,2016,46(12):21-25.

2016-09-12

國家高技術(shù)研究發(fā)展計(jì)劃(“863”計(jì)劃)基金資助項(xiàng)目(2011701AA221)。

TN914

A

1003-3106(2016)12-0021-05