一種突發MPSK 信號檢測與識別方法的設計與實現

位小記，張俊威，肖乃稼，柯曉東

（1.嘉興職業技術學院，浙江嘉興，314036；2.中國電子科技集團公司第三十六研究所，浙江嘉興，314033）

0 引言

在非合作通信中，從日益復雜的電磁環境中快速有效地識別調制樣式，估計信號的相關參數，是通信對抗和信號解調的首要環節。隨著數字通信技術的快速發展，調制技術越來越多樣，其中MPSK 信號以傳輸頻帶利用率高、抗干擾能力強等特性，在民用和軍事領域均具有十分廣泛的應用。無線通信網絡中，突發MPSK信號滿足用戶對傳輸系統自適應性、抗干擾性、保密性、隱蔽性的要求，備受青睞。突發信號具有捕獲難的優點，這大大增加了通信偵察方進行信號檢測、識別的難度。

近年來，有很多研究者對MPSK 調制信號的識別問題進行了大量的研究。文獻[1]中利用調制信號的相位直方圖統計特征，完成BPSK、QPSK、OQPSK信號調制樣式的識別，但是該方法抗噪性能差。文獻[2]中提出用高階累積量識別BPSK、QPSK、8PSK 信號，但是OQPSK 和QPSK、8PSK和π/4QPSK 信號無法區分。文獻[3]提出一種利用差分星座進行聚類分析的方法，識別8PSK 和π/4QPSK 信號調制樣式。文獻[4]提出了一種基于信號的四階、八階累積量作為特征識別，進行MPSK 調制信號的識別，但八階累積量運算復雜，不易于工程實現。

本文提出了一種基于累積自相關雙窗檢測和譜線特征的識別方法，對突發MPSK 信號進行調制方式識別和參數估計，主要包括基于累積自相關的信號段提取、譜線特征提取、分類識別三部分組成，流程如圖1 所示。設計基于USRP 的信號接收系統，完成相關算法的開發和驗證，通過測試不同信噪比下的識別率，驗證該算法的可行性和有效性。

圖1 突發MPSK 信號識別的結構框圖

1 信號模型

假設接收信號已進行載波恢復和定時同步處理，MPSK信號可表示為[5]：

上 式 中，a(k)表 示 發 射 的 碼 元 序 列，a(k) ∈{ei2π(m-1)/M,m=1,2,...M}，M表示信號調制的進制，文中的BPSK、QPSK 和8PSK 信號對應的M 分別為2，4，8；E代表信號的平均功率，?θ為載波相位差，n(k)為高斯白噪聲序列。

OQPSK 信號是為了抑制旁瓣，對QPSK 改進而成的，相位在o0

0和±90相位跳變，OQPSK 的基帶碼元可表示為：

對于π/4QPSK 信號，相鄰的碼元間相位差為45°，對應的基帶碼元可表示為：

2 突發信號檢測

突發MPSK 信號是間斷的、不連續的，在信號盲偵收處理中，首先需要檢測出突發信號的起始和終止時間點。雙窗滑動檢測法是通過檢測時域能量獲取突發信號起始和終止位置[6]，該算法抗噪能力弱，在信噪比較低條件下，虛警率較高，故本文采用基于累計自相關的雙滑動窗檢測方法實現突發MPSK 信號段提取?；诶鄯e自相關的雙窗滑動檢測流程圖如圖2 所示，包括時域信號累積自相關、雙窗滑動檢測、信號段提取三個步驟。

圖2 基于累積自相關的雙窗滑動檢測框圖

一個碼元內信號采樣點間相關性強，而噪聲采樣點間、噪聲與信號采樣點間相關性弱，為了提升低信噪比下的檢測性能，故本文采用累積自相關的算法進行信號段的提取。該算法對樣本信號連續取M個采樣點s(n)，對相鄰兩個采樣點s(n) 和s(n+1)作互相關運算，得到自相關序列r(n)=s(n)s(n+1 )*，然后對r(n)累積求和，得到累積自相關R(n)序列。累積自相關R(n)序列計算公式如式(5)所示。

s(n)表示采樣點，n=0,1,2,3...N-M，N表示輸入IQ數據總采樣點數，M表示累積自相關的長度，M值大小關系到檢測數據段的精度和運算的實效性，過大會導致運算時間長，過小會導致檢測精度不高，增加虛警率，通過大量工程實踐，兼顧檢測的精度和運算的實效性，本文選擇M=128。

雙窗滑動檢測法的工作原理如圖3 所示，在1W窗和2W窗滑動的過程中，兩個窗內的累加能量比值m(k) 曲線會呈現一個三角波形，極大值位置處于噪聲段與信號段的交界處，也就是突發信號的起始或者終止時刻。圖3 為雙滑動窗檢測算法的原理示意圖，該算法具體實現步驟如下所述：

圖3 雙窗滑動檢測算法原理示意圖

(1) 使用公式(5)對輸入數據基帶IQ 數據計算得到累積自相關序列R(n)；

(2) 使用公式(6)和式(7)分別計算相鄰窗1W和2W內連續K點內數據的能量1w(k)和w2(k) ；

其中，K表示滑動窗的長度。

(3) 使用公式(8)計算窗口能量w1(k)和w2(k)的能量比，得到能量比曲線m(k)；

(4) 將能量曲線m(k) 序列與設定的門限th進行比較，若m(0k)>th，則認為突發信號出現，則k0為突發信號的起點，繼續進行比較，能量曲線m(1k)<-th，則1k點為突發信號的終點。

由公式(6)～式(8)可以看出，采用的能量曲線m(k) 消除了信道增益的影響，該值僅與采樣信號的信噪比有關。

本文首先對時域信號求累積自相關值，得到的相關R(n)序列，將R(n)序列作為雙滑動窗檢測算法的輸入數據，可有效改善低信噪比下，突發信號虛警率高的問題。實際的應用中能量曲線m(k) 的判決門限th的設置，會影響突發信號的檢測性能。本文判決門限th的計算方法如式(9)所示。

其中，Rmax表示的最大值，Rmin表示的最小值。

(5) 依據能量曲線m(k) 得到的信號起始點k0以及終止點1k，提取數據段序列s,(k) 。

3 特征提取與分類識別

首先明確本文所研究的調制類型目標集為MPSK 信號，對其信號特征和常用信號分類特征參數的分析可知，利用譜線特征是可以實現分類的[7]。文獻[8]中詳細分析了常見數字調制方式的平方譜、四次方譜的譜線特征，總結可得到表2 所示的各種常見數字調制方式與其對應特征譜線關系，其中f0表示信號載頻，bR表示調制速率。

表2 常見數字調制信號的特征譜線

對提取的信號進行正交變換，計算各信號的功率譜、平方譜和四次方譜，如圖4 ～圖8 所示。

圖4 BPSK 信號的譜線特征

圖5 QPSK 信號的譜線特征

圖6 OQPSK 信號的譜線特征

圖7 π/4QPSK 信號的譜線特征

圖8 8PSK 信號的譜線特征

通過深入研究信號的特性，本文采用雙窗滑動檢測技術，首先提取目標信號的有效數據，再計算其譜線特征，實現信號調制類型識別，進而估計出信號碼速率和載頻頻率，達到信號識別和參數估計的目的。為了適應實際情況中各種干擾條件下信號識別性能，本文從目標信號的調制特征參數入手，設計調制識別方案，其中N2 表示平方譜的譜線數，N4 表示四次方譜的譜線數，P2 表示歸一化后平方譜的譜線最大值，P4 表示歸一化后四次方譜的譜線最大值。調制類型識別算法流程如圖9 所示。

圖9 快速分類算法流程

MPSK 信號的高階譜具有對稱性，載波頻率估計可以采用離散譜線精確估計[8]，碼元速率的估計采用包絡譜線精確估計完成，至此我們完成了MPSK 信號的調制識別和參數估計。

4 基于USRP 的檢測與識別系統設計

USRP B205 設備是Ettus Research 公司推出的一款工業級軟件無線電設備。具有1 路輸入和1 路信號輸出，頻率覆蓋范圍為70MHz 到6GHz，收發通道最大瞬時帶寬為56MHz。USRP B205 支持硬件驅動程序UHD，開發人員可以調用UHD 的API 接口，通過USB 3.0 接口與計算機連接，實現對USRP 的頻率、帶寬、增益、基帶數據采集樣本大小等控制。

使用微型化數字接收處理機USRP B205，開發便攜式突發信號檢測與識別系統，用于無線電突發信號的接收、檢測與識別處理。系統通過USB 3.0 接口和綜合控制PC 機完成數據指令的交互?；赨SRP 的檢測與識別系統由接收天線、GPS 接收機、小型化接收設備USRP 和上位機組成?；赨SRP 的檢測與識別系統實物組成如圖10 所示。

圖10 基于USRP 的檢測與識別系統實物

天線接收無線電信號，經接收機AD 芯片進行信號采集、下變頻等處理后形成數字基帶數據，然后通過USB 接口送到上位機。通過調用數字信號處理算法來實現信號突發檢測、頻譜估計、譜線特征提取、類型識別等功能，并在控制軟件上顯示調制識別結果。

上位機綜合控制軟件界面由參數欄、功率譜圖、時頻圖、識別結果列表等組成，軟件包括信號采集控制模塊、時域檢測模塊、信號識別模庫和圖形顯示模塊等功能模塊。其中信號識別結果列表由統計結果和實時結果兩部分組成。統計結果是依據信號的頻率、類型、帶寬融合分析后的結果，而實時結果是單次目標數據識別的結果。綜合控制軟件的流程圖如圖11 所示，具體控制步驟如下：

圖11 綜合控制軟件的流程圖

（1）利用功率譜最大值保持功能，粗估信號帶寬和能量，據此設置采樣速率、信號頻率、增益、接收信號樣本數等，下發給USRP B205；

（2）上位機通過USB3.0 接收零中頻IQ 數據；并對接收到基帶IQ 數據進行基于累積自相關的雙窗滑動檢測，獲取有效的IQ 數據；

（3）對目標信號段IQ 數據進行FFT 運算，獲取功率譜數據并顯示，得到實時刷新的功率譜圖和時頻顯示圖，同時計算二次方譜、四次方譜和八次方譜特征，進行分類識別；

（4）根據信號類型識別結果，進行信號碼速率和載頻估計，完成信號的參數估計結果；并將識別結果進行列表顯示。

5 實驗驗證

搭建突發信號檢測與識別系統驗證平臺，對開發的實時處理算法進行驗證。系統驗證平臺如圖12 所示。

圖12 系統驗證平臺

分別設置SMV100A 信號源發射調制類型為BPSK、QPSK、OQPSK、π/4-QPSK、8PSK 的突發信號，信號碼元個數為256 個， 由USRP B205 接收機偵收處理，對接收到的信號進行在線識別。接收信號的實時功率譜如圖13 所示，信噪比從6dB 到15dB 按照1dB 步進遞增，在每個信噪比下進行100 次獨立的測試，并統計識別率，識別統計結果如圖14 所示。測試結果表明算法在低信噪比下識別性能良好。

圖13 BPSK 和OQPSK 信號的功率譜

圖14 不同信噪比下的信號識別率

6 結論

本文以突發MPSK 信號為目標，通過對MPSK 信號時頻特征的深入研究，在目標信號段提取的基礎上，采用譜線特征參數，設計一種分類器，較好地實現MPSK 信號快速識別，算法流程簡單，識別性能良好。設計一種基于USRP的信號接收處理平臺，在處理平臺上實現了該算法，并取得了良好效果。