壓縮感知的數字信號調制識別技術分析

姜瑩熒

內蒙古自治區廣播電視傳輸發射中心阿魯科爾沁806臺 內蒙古 赤峰市 025550

在電子科學技術的快速發展下，無線通信技術從早期模擬無線通信發展到了數字通信階段。對應的信號調制方式也從模擬調制方式轉變為數字調制，在信息傳輸量的不斷增加下，為了能夠實現對有限信道容量的充分利用，無線傳輸信號的調制方式變得多元。調制方式是區分通信信號的重要關鍵，為了能夠獲取通信信號傳遞的信息內容，需要明確各個信號的調制方式，在確定好信號調制識別之后完成對信號的解調操作。

1 數字信號調制識別分類和提取

第一，瞬時特征。在信號獲取的時候，數字信號調制識別會直接提取信號的幅度、頻率，獲取信號相應位置的物理量值。這些實時性的信息共同構成了信號的瞬時特征。數字信號的瞬時調制具備方便獲取的特點，但是所需要的樣本也比較大，對相關人員的信息獲取能力提出較高的要求。

第二，高次方傅里葉變換。這種方法是對信號的高次方非線性變換處理，也被稱作是NPT 方法。這種方法可以對信號實時高次方變換處理，而后開展離散變換分析。

第三，小波變換。小波變化可以通過調節尺度來觀察信號在不同尺度下的結構特點。這種分析方法能夠對一些細節性的問題進行分析。

2 壓縮感知數字信號調制

傳統意義上的信號采樣和處理會經歷復雜的流程，在這個過程中采樣的頻率不能夠低于信號頻譜最高頻率的二倍。壓縮感知的出現通過將壓縮和采樣合并在一起能夠在采集信號測量值的基礎上，根據重構算法來對信號進行分辨和測量。

3 基于高階累積量壓縮感知的調制識別

3.1 基于奈奎斯特采樣的調制識別算法

奈奎斯特采樣的調制識別算法接收端采樣頻率不能夠低于原始信號帶寬的兩倍，因此，需要操作人員獲取更多的采樣信息。在獲取大量的信息之后能夠有效提升信號調制識別的精準度。在奈奎斯特采樣的調制識別算法的作用下，為了能夠更為精準的識別調制方式，需要大量提取信號特征量。

3.2 非重構壓縮采樣高階累積量調制識別算法

3.2.1 壓縮閾高階累積量

第一，打造識別特征量。隨著信道噪聲功率的變化，信號高階矩值也會出現變化。最終形成的高階累積量的識別特征會顯示出抗噪性的特點。為了計算出某種信號調制方式的HOCs 和HOCs 理論值可以等概率地取該調制方式下所有的星座，并按照公式進行計算。第二，高階矩HOMs 的稀疏表現。在沒有噪聲的情況下，接收信號的元素來源是一個有限集合，這種集合由信號y 的調制方式和階數來決定。想要獲得接收信號y 的高階矩在特殊區域的作用，需要將獲得的HOMs 繼續轉變為HOCs，最終完成調制識別任務。

3.2.2 CS-HOC 調制識別方案

CS-HOC 調制識別方案流程如圖1 所示。第一，利用欠采用獲得采樣向量，在經過專門的公式計算出接收信號，整個信號包含了信號的功率S 和噪聲功率。第二，在信號內部沒有發射信號的時候可以直接測量出信道噪聲功率。第三，利用估算出來的信號功率進行歸一化處理，經過公式的轉換分析最終獲得識別特征量。

圖1 CS-HOC 調制識別方案流程圖

4 混合信號的調制識別

4.1 混合信號調制識別問題

調制識別研究主要是針對單通道單調制信號開展的，信道中的信號調制方式在兩種以上，是多種單調制信號線性的疊加。但是在具體操作中，混合調制信號識別信息量和特征量沒有形成線性關系。

對于單調制信號來說多數算法是基于接受信號的載波同步、定時同步、波形恢復已經萬能充的假設。在混合調制信號中，各個信號的位置是不同的，定時精準性會影響到特征量的提取。因此，不能夠直接將單調制的信號識別算法經營到混合調制信號中。

現階段，混合調制識別方向有兩個，一個是將混合信號中的各個信號分離提取，之后使用單調制識別算法進行處理。另外一個是直接對混合調制信號進行識別。在綜合考慮多個因素之后，文章選擇基于SVM 的混合信號識別分類方案。

4.2 特征參數的提取

第一，混合信號的高階量累積。在具體實施操作的時候，考慮到混合信號中各個信號載頻和最佳位置的不同。混合信號的高階累計量不會受到定時頻偏的影響，總體數值的累計要考慮定時誤差的影響。在接收端，采樣信號的高階統計量會隨著定時位置的變化體現出周期的變化。在混合信號中無法對每個單調制信號進行精準的定時處理。由于接收端采樣對不同單調制信號的影響不同，因此，需要探索基帶數字信號采樣定時位置和高階累積量關系。第二，特征參數的提取。在不考慮誤差的情況下，混合信號累計量數值是各個單信號累計數值的累積。在估算出特征參數之后，可以通過參數和特征理論值關系來對混合信號的調制方式進行分類。

4.3 壓縮采樣基礎上的混合調制識別方法

第一，參數提取。在采樣過程中如果想要恢復混合信號高階累積量，在操作的時候需要對混合信號開展壓縮取樣。在系統調控操作中考慮到同步的影響，需要對混合信號中的某一信號開展同步處理。第二，混合信號分類管理流程。在累積獲得多個識別特征量的基礎上將二分類SVM 算法延伸到多分類算法。在具體實施的時候使用多個二分類器完成識別，也就是說將混合信號中的某一種信號劃分為兩類，按照這樣的模式來進行劃分，流程如下：首先，SVM 訓練樣本數據信息的生成。對生成的樣本數據兩兩配合，在確定好采樣偏差的情況下，按照調制參數對混合信號開展定時采樣。其次，選定混合信號作為目標信號開展預測。為了能夠識別出目標信號的調制方式，需要對混合信號開展載波同步和定時同步處理。最后，將預測樣本的數據信息分別輸入到已經訓練好的SVM 分類器中，最終會得到兩個識別結果，將較低的識別精準率來作為最終的混合信號識別準確率。

結束語

綜上所述，壓縮感知理論突破了傳統奈奎斯特采樣定理對信號處理的一種限制，在處理的過程中降低了采樣器件的壓力，具備較強的工程研究和應用意義。文章在研究壓縮感知和調制識別技術的基礎上，提出了基于壓縮感知高階累積量的調制識別方式。在研究的基礎上打造出了壓縮采樣和識別特征量之間的線性關系，最終能夠通過壓縮采樣向量重構出信號的識別特征量，完成對信號的識別處理。為了能夠提升信號處理的精準性，文章提出基于壓縮感知理論的識別方案，經過一系列的驗證分析來證明所提出算法的精準、有效。在研究混合調制信號識別問題的同時提出混合信號CSHOC 算法，通過對同步處理后信號的壓縮采樣和累積處理能夠實現對混合調制信號的識別。