基于峰度和小波變換的超短波信號調(diào)制識別

謝躍輝++張一聞++趙亞欣++宋德鵬

摘 要： 針對FM，MSK，QPSK三種具體調(diào)制方式，由于在高斯白噪聲環(huán)境中小波變換幅度方差區(qū)分MSK，QPSK調(diào)制信號效果較差，以及在不同信噪比條件下零中心歸一化瞬時(shí)幅度譜密度的最大值對FM，MSK和QPSK識別效果的下降，提出利用峰度和基于小波變換特征量的方法對信號分類識別。該方法首先利用峰度進(jìn)行模擬與數(shù)字調(diào)制信號的類間識別，然后采用基于小波變換系數(shù)提取的特征量對兩種數(shù)字調(diào)制信號進(jìn)行識別分類。采用決策樹分類方法，利用Matlab對該方法進(jìn)行仿真驗(yàn)證，仿真結(jié)果表明該方法具有較好的識別效果。

關(guān)鍵詞： 調(diào)制識別； 超短波信號； 峰度； 小波變換； 高斯白噪聲

中圖分類號： TN911.7?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）23?0009?04

Ultrashort wave signal modulation recognition based on wavelet transform and kurtosis

XIE Yuehui， ZHANG Yiwen， ZHAO Yaxin， SONG Depeng

（Department of Information Engineering， Engineering College of CAPF， Xian 710086， China）

Abstract： Aiming at three specific modulation modes of FM， MSK and QPSK， the effect of differentiating MSK and QPSK modulation signals with wavelet transform amplitude variance is poor in white Gaussian noise （WGN） environment， and the maximum instantaneous amplitude of zero center normalized spectral density has bad effect to recognize the FM， MSK and QPSK mo?dulation signals under the conditions of different signal?to?noise ratios， so the characteristic quantity method based on kurtosis and wavelet transform used for signal classification and recognition is put forward， in which the kurtosis is used for type identification of analog modulation signal and digital modulation signal， and then the characteristic quantity extracted on the basis of wavelet transform coefficient is used to recognize and classify the two digital modulation signals. The decision tree classification method is adopted to carry out simulation verification of the method by means of Matlab. The simulation results show this method has better recognition effect.

Keywords： modulation recognition； ultrashort wave signal； kurtosis； wavelet transform； WGN

0 引 言

在無線通信領(lǐng)域中，軟件無線電的應(yīng)用越來越廣。通信信號的調(diào)制方式識別是軟件無線電的核心技術(shù)之一，它是非合作通信信號處理研究領(lǐng)域的一個(gè)十分重要的課題，其目的就是在未知調(diào)制信息的前提下，從接收信號中分析出通信信號的調(diào)制方式，并估計(jì)出相應(yīng)的調(diào)制參數(shù)，為后續(xù)的信號處理做準(zhǔn)備。FM模擬調(diào)頻是目前采用最多的超短波通信調(diào)制方式；MSK調(diào)制信號作為一種連續(xù)相位調(diào)制方式，具有抗非線性失真能力強(qiáng)、頻帶利用率高和設(shè)備實(shí)現(xiàn)簡單的特點(diǎn)，是一種重要的超短波調(diào)制方式；QPSK調(diào)制信號的頻譜利用率高和抗干擾性強(qiáng)的特點(diǎn)，使其成為超短波的一種常用調(diào)制方式。在下一步的超短波電臺設(shè)計(jì)中將采用這三種調(diào)制方式。文獻(xiàn)[1]指出目前調(diào)制方式自動識別的研究方法主要可以分為兩類：一是基于假設(shè)檢驗(yàn)的最大似然方法；二是基于特征提取的模式識別方法。基于假設(shè)檢驗(yàn)的最大似然方法是通過對信號的似然函數(shù)進(jìn)行處理，將得到的似然比與閾值進(jìn)行比較，完成調(diào)制識別功能；基于特征提取的模式識別方法，通常包含兩個(gè)子系統(tǒng)，一個(gè)子系統(tǒng)用于提取信號的特征參數(shù)，另一個(gè)子系統(tǒng)根據(jù)信號的特征參數(shù)，采用一定的分類器確定信號的調(diào)制類型。從貝葉斯估計(jì)的意義上來說，基于最大似然方法的分類結(jié)果是最優(yōu)的，但是其表達(dá)式通常比較復(fù)雜，計(jì)算復(fù)雜度較高，不利于在線分析，而且這類方法對模型失配和參數(shù)偏差問題比較敏感，穩(wěn)健性較差。基于特征提取的模式識別方法，在理論上是一種次優(yōu)的方法，但是其形式通常比較簡單，易于實(shí)現(xiàn)，而且在某些條件下能夠達(dá)到近似最優(yōu)的識別性能，在模型失配的情況下，其穩(wěn)健性也強(qiáng)于最大似然法。

文獻(xiàn)[2]表明可以先利用非弱信號段上零中心、歸一化瞬時(shí)頻率的一階絕對原點(diǎn)矩將QPSK調(diào)制信號同F(xiàn)M和MSK調(diào)制信號分開，再利用歸一化瞬時(shí)頻率峰度將FM調(diào)制信號與MSK調(diào)制信號分開。但由于其特征參數(shù)均是在理想無噪聲的情況下提取得到，故應(yīng)用范圍不高。

在對MSK和QPSK調(diào)制信號識別分類方面，文獻(xiàn)[3]分析表明，可以利用高階累積量[C40]完成識別分類，但是其高階累積量的理論值均在符號等概率付出、零噪聲、平均功率歸一化的條件下得到，實(shí)際應(yīng)用范圍受到限制。文獻(xiàn)[4]提出觀察信號循環(huán)譜密度[Sαxf]在[f=0]的截面（[Sαx0]）有無明顯譜峰，利用特征參數(shù)[maxSαx0DsubmaxSαx0]完成識別分類，平均識別率在信噪比高于8 dB時(shí)大于80%，但是其對信噪比要求較高且計(jì)算相對復(fù)雜。

1 研究方法概述

本文首先采用信號瞬時(shí)統(tǒng)計(jì)特征量零中心歸一化瞬時(shí)幅度譜密度的最大值 [γmax]和小波變換幅度方差[5][VARWT]對三種調(diào)制方式分類識別，但分析表明，在噪聲干擾環(huán)境下對信號的識別效果下降。針對上述問題，本文提出利用統(tǒng)計(jì)特征量峰度[K]和小波變換系數(shù)的方差與均值絕對值之比[fg]對三種調(diào)制信號進(jìn)行分類識別。峰度是統(tǒng)計(jì)中描述數(shù)據(jù)分布形態(tài)的一項(xiàng)指標(biāo)。在統(tǒng)計(jì)中，常以正態(tài)分布曲線為標(biāo)準(zhǔn)來比較某一隨機(jī)分布的頂峰的尖平程度。峰度一般有三種表現(xiàn)形態(tài)：標(biāo)準(zhǔn)峰度、尖頂峰度和平頂峰度。正態(tài)分布曲線的峰度值[K=3]。分布曲線與正態(tài)分布曲線相比較，集中則為尖峰峰度，平穩(wěn)則為平頂峰度。特征參數(shù)[K]反映曲線峰度，可用于判斷信號是否具有數(shù)字基帶信號特征[6]。數(shù)字調(diào)制方式信號的[K]值應(yīng)有一個(gè)變化范圍[ε

特征參量[fg]由信號小波變換系數(shù)方差與均值的絕對值之比得到。小波分析是將函數(shù)分解為“基本函數(shù)”之和，“基本函數(shù)”由小波函數(shù)經(jīng)過伸縮平移得到。小波變換被譽(yù)為“數(shù)學(xué)顯微鏡”，具有良好的局部和整體分析能力，對非平穩(wěn)信號具有良好的檢測能力，它是一種理想的瞬態(tài)特征分析和提取工具。特征參量[fg]可以將MSK調(diào)制信號和QPSK調(diào)制信號識別分類。在信號識別之前，首先將信號進(jìn)行功率歸一化，保證提取的特征參數(shù)不因信號的功率造成影響。本文采用決策樹方法分類識別，其識別流程為：

（1） 根據(jù)峰度[K]的大小識別出FM調(diào)制方式：峰度[K]值大的為FM調(diào)制信號，峰度[K]值小則為MSK和QPSK調(diào)制信號；

（2） 在不同信噪比條件下比較特征參量[fg]的大小：大的為QPSK調(diào)制信號，反之則為MSK調(diào)制信號。

4 結(jié) 語

本文首先指出幾種對FM模擬調(diào)制與MSK/QPSK數(shù)字調(diào)制信號分類識別方法的不足，再對比零中心歸一化瞬時(shí)幅度譜密度最大值[γmax，]提出先利用統(tǒng)計(jì)參數(shù)峰度[K]將模擬與數(shù)字調(diào)制信號識別開，然后利用小波變換特征參數(shù)[fg]將MSK/QPSK調(diào)制信號分開。在噪聲環(huán)境中該方法具有更優(yōu)的識別效果和更高的識別率。

參考文獻(xiàn)

[1] 曾創(chuàng)展，賈鑫，朱衛(wèi)綱.通信信號調(diào)制方式識別方法綜述[J].通信技術(shù)，2015，48（3）：252?257.

[2] 張志民，歐建平，皇甫堪，等.數(shù)字和模擬通信信號調(diào)制方式的自動識別[J].國防科技大學(xué)學(xué)報(bào)，2010，32（4）：88?93.

[3] 馬兆宇，邊東明，張更新.通信信號調(diào)制識別方法簡析[J].軍事通信技術(shù)，2012，33（3）：39?44.

[4] 王蒙.通信信號調(diào)制識別與參數(shù)估計(jì)關(guān)鍵技術(shù)研究[D].鄭州：解放軍信息工程大學(xué)，2013：12?13.

[5] 楊杰，劉珩，卜祥元，等.通信信號的調(diào)制識別：原理與算法[M].北京：人民郵電出版社，2014：24.

[6] 任謙.基于軟件無線電的調(diào)制方式自動識別[D].北京：北京工業(yè)大學(xué)，2013：30.

[7] ADDISON P S. The illustrated wavelet transform handbook [M]. Dublin： Science Engineering Medicine & Finance Institute of Physics Publishing， 2002.

[8] 魏小薇，曹志剛.低信噪比下數(shù)字幅度調(diào)制的調(diào)制進(jìn)制快速識別[J].清華大學(xué)學(xué)報(bào)，2006，46（1）：35?38.