CN101083649A - 多径瑞利快衰落信道下ofdm调制制式识别方法 - Google Patents

Abstract

本发明公开了一种多径瑞利快衰落信道下OFDM调制制式识别方法，该方法利用经过多径瑞利快衰落信道后信号的2阶、4阶和6阶的累积量表达式进行组合，以抵消多径瑞利衰落和多普勒频移的影响。具体过程是：接收机对接收到的信号经混频、过采样、正交插值得到中频正交复序列；计算该序列的2阶、4阶和6阶累积量；分别通过对该4阶与2阶累积量进行组合，和对该6阶与2阶累积量进行组合得到两种特征值；设定该特征值的门限，并将该特征值与设定的门限进行比较，对OFDM信号与单载波信号作出识别。具有比现有技术识别概率高、复杂度低、单载波信号阶数高、适合实时处理之优点，可用于在时变多径瑞利快衰落信道下，直接在中频进行OFDM调制制式识别。

Description

多径瑞利快衰落信道下OFDM调制制式识别方法

技术领域

本发明属于通信信号处理领域，涉及一种OFDM信号与单载波信号调制制式识别方法，可用于多径瑞利快衰落信道条件下。

背景技术

通信的目的是通过信道快速、有效、安全、准确地传输信息。为了满足用户的不同需求、充分利用信道容量，通信信号采用了不同的调制方式。随着电子技术的快速发展，以及用户对信息传输要求的不断提高，通信信号调制方式经历了由模拟到数字、由简单到复杂的发展过程。

空间传播的通信信号采用了不同的调制方式。在许多应用中，需要监视通信信号的活动情况，区分信号的性质，甚至截获其传输的信息内容。例如在传统的军事信息对抗领域中，调制识别或信号分类是一个很重要的课题。通信情报系统作为电子战的电子支援措施之一，用来监视战场的电磁活动，进行威胁识别，帮助选择电子干扰策略，直至截获敌方有用军事情报。调制识别技术还有助于电子战最佳干扰方式或干扰抵消算法的选择，以保证友方通信，同时抑制和破坏敌方通信，实现电子战通信对抗的目的。在非军事领域，信号调制识别仍具有广泛的应用。政府有关职能部门需要对通信频谱进行监视和管理，防止对无线频谱的非法利用和干扰，以保证合法通信的正常进行。在频谱监视设备中采用调制识别技术，有助于提高设备对不同性质用户的区分能力，确定未知干扰信号的性质，为管理人员提供解决问题的依据。

调制方式是区分不同性质通信信号的一个重要特征。而要截获通信信号的信息内容，必须首先知道信号的调制方式。给定一段接收的通信信号，调制识别的目的就是在未知调制信息内容的前提下，判断出通信信号的调制方式，再进一步给出相应的调制参数，实现正确的解调。

目前，对于各种单载波调制类型的识别已经有较多研究，但对于多载波调制类型的识别，如正交频分复用OFDM调制技术，由于信号特征难以提取，需要估计的信号参数较多等困难，相关研究较少。OFDM技术作为新的调制方式，是一种特殊的多载波调制方式，它以数字信号处理为基础，结合了信道编码、自适应同步、自适应均衡等技术，具有良好的抗码间干扰效果，可以在频率选择性信道中实现高速传输。它充分利用了信号时频的正交性，各载波频谱之间进行1/2的交叠，可以获得最佳的频谱利用率。OFDM技术目前正广泛应用于非对称用户环路、ETSL标准的数字音频广播、数字视频广播、高清晰度电视和基于IEEE802.11标准的无线局域网系统中。OFDM也将被大量用于未来无线通信领域，成为第四代移动通信系统中的核心技术，所以对于OFDM调制类型的识别研究变得非常重要。

在有关OFDM信号调制制式识别方法中，W.Akmouche在MILCOM’99，vol.1，Oct.1999，pp.432-436《Detection of multicarrier modulations using4th-order cumulants》文献中首次提出了利用4阶累积量，在加性高斯信道下识别多载波调制和单载波调制类型的方法。该算法利用基带多载波调制信号在加性高斯白噪声信道下近似正态分布，而基带单载波信号非正态分布的特点，采用GM.高斯性检测算法识别出OFDM信号。Grimaldi D，Rapuano S在《Truglia G.An automatic digital modulationclassifier for measurement on telecommunication networks》文献中对W.Akmouche的算法作了改进，减小了运算量。这两种方法均假设事先对信号进行严格载波同步，得到零中频的理想基带信号，算法对理想基带信号进行识别。但在实际应用中，实现精确的载波同步比较困难，往往会存在残留载波，影响算法的有效性。另外，这两种方法只考虑了加性高斯噪声信道的情况，在瑞利衰落信道中，由于信道的影响，单载波信号的统计特性发生变化，也会呈现出高斯性。因此，他们的算法所采用的分类特征失去意义。韩刚等人在文献《基于多尺度小波分解和支撑矢量机的调制识别研究》中提出从接收信号的多尺度小波分解中提取特征，构造分类特征向量，利用支撑矢量机分类器实现信号的调制识别，但是该方法仍局限于高斯信道下，对多径瑞利快衰落信道算法性能差；王彬和葛临东在IEEE Wirless Commun.，vol.1(23-26)，Sept.2005，pp.261-264.《A NovelAlgorithm for Identification of OFDM Signal》文献中提出一种瑞利衰落信道条件下，利用信号的高阶矩的组合联合信噪比SNR估计的方法，实现多载波调制的盲识别。该算法选取中频接收序列的4阶矩M₄₂与2阶矩M₂₁的组合和6阶矩M₆₃与2阶矩M₂₁的组合作为特征值，但是由于信号的矩对高斯噪声敏感，算法需要联合信噪比估计才能达到较高的识别概率而使得算法复杂度大大增加，不适合实时处理。该识别算法所适用的信道是一个两径瑞利衰落信道，且必须保证两径衰落的能量一样，因而不适用于实际的多径瑞利快衰落信道。同时王彬和葛临东又在2006年3月数据采集与处理期刊的第21卷第1期的文献《一种基于高阶矩的OFDM信号调制盲识别算法》中提出在单径瑞利快衰落信道下，利用同样的方法来实现OFDM信号与单载波信号的识别，算法同样存在上述不足。刘献玲等人提出一种在单径瑞利衰落信道下，利用射频接收信号的累积量C₄₂和C₂₁的组合实现OFDM信号的识别。但是该算法仅考虑了单径的瑞利衰落，不适用于多径瑞利衰落信道。

可见，目前文献中没有针对在实际的多径瑞利快衰落信道条件下的OFDM信号与单载波信号识别问题的研究。而且由于正交幅度调制QAM信号的阶数越高，与OFDM信号的识别越困难，目前文献选取的单载波信号阶数最高只能到达128QAM。

发明的内容

本发明的目的在于克服上述现有技术的不足，提供一种简单实用，可直接在中频处理，识别概率高，且单载波信号阶数高的多径瑞利快衰落信道下OFDM调制制式识别方法，以实现多径瑞利快衰落信道下OFDM信号与单载波信号2FSK、QFSK、BPSK、QPSK、8PSK、16QAM、64QAM、256QAM的调制识别。

实现本发明的关键在于利用数学推导得出的经过多径瑞利快衰落信道后信号的2阶、4阶和6阶累积量表达式，并对这些累积量进行组合，以抵消多径瑞利衰落和多普勒频移的影响，具体过程如下：

(1)接收机对接收到的信号r(t)经混频、过采样、正交插值得到正交复序列

$r\left(n\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{h}_l\left(n\right)s(n-n_l)e^{j2\mathrm{\π}{f}_{\mathrm{dl}}n{T}_s}+\mathrm{\ω}\left(n\right)$

式中，s(n)为发送信号，L为信道的径数，T_s是采样间隔，h_l(n)为第l径的瑞利衰落因子，n_l为第l径的传播时延点数，f_dl为第l径的多普勒频移，ω(n)为加性高斯噪声；

(2)计算r(n)的2阶、4阶和6阶矩M₂₁、M₄₂和M₆₃分别为：

M₂₁(r)＝E[r(n)r(n)^*]                  (1)

M₄₂(r)＝E[r(n)²(r(n)^*)²]              (2)

M₆₃(r)＝E[r(n)³(r(n)^*)³]              (3)

其中E(□)为求均值，^*为求共轭。

(3)计算r(n)的2阶、4阶和6阶累积量分别为：

C_r，21＝M₂₁(r)                         (4)

$C_{r,42}=M_{42}\left(r\right)-2M_{21}^2\left(r\right)---\left(5\right)$

$C_{r,63}=M_{63}\left(r\right)-9M_{42}\left(r\right)M_{21}\left(r\right)+12M_{21}^3\left(r\right)---\left(6\right)$

(4)选择所述4阶与2阶累积量的组合和所述6阶与2阶累积量的组合，分别得到第一特征值m₂₀和第二特征值m₃₀：

$m_{20}=\frac{C_{r,42}}{C_{r,21}^2}$ (7)

$m_{30}=\frac{C_{r,63}}{C_{r,21}^3}$ (8)

(5)设定第一门限G₁＝1和第二门限G₂＝1，用所述的特征值与门限进行比较对OFDM信号与单载波信号进行识别，即如果m₂₀＞G₁或m₃₀＞G₂，则判为OFDM信号；否则判为单载波信号。

上述多径瑞利快衰落信道下OFDM调制制式识别方法，其中所述的门限G₁的设定是根据单载波信号的第一特征值m₂₀的理论值小于1，而设定为G₁＝1。

上述多径瑞利快衰落信道下OFDM调制制式识别方法，其中所述的门限G₂的设定是根据单载波信号的第二特征值m₃₀的理论值小于1，OFDM信号的m₃₀的理论值大于1，而设定G₂＝1。

本发明与现有的技术相比，具有如下优点：

本发明首次研究在多径瑞利快衰落信道条件下的OFDM信号与单载波信号识别，由于选取接收信号的2阶累积量C_r，21，4阶累积量C_r，42和6阶累积量C_r，63，而这些累积量与载波频率无关，所以不需要载波频率和波特率这些先验信息，就可直接在中频进行识别；

同时由于本发明采用4阶累积量C_r，42与2阶累积量C_r，21的组合和6阶累积量C_r，63与2阶累积量C_r，21的组合作为识别的特征值，可以有效的抵消多径瑞利衰落和多普勒频移的影响，适用于时变多径瑞利快衰落信道；

此外本发明还具有比现有技术识别概率高，复杂度低，单载波QAM信号的阶数高达256QAM，适合实时处理之优点。

附图说明

图1是本发明所应用的信道模型；

图2是本发明进行调制识别的系统原理框图；

图3是本发明OFDM信号和单载波信号识别方法流程图。

具体实施方式

以下对本发明的原理及技术方案作进一步详细描述：

参照图1，本发明是在一个L径的频率选择性移动信道下研究的OFDM识别。发送信号s(t)经过第l径的传播时延τ_l和瑞利衰落h_l(t)以及多普勒频移f_dl后，第l径的信号为s(t-τ_l)e^j2πfdlt，各径信号相加得到信号 $y\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{h}_l\left(t\right)s(t-{\mathrm{\τ}}_l)e^{j2\mathrm{\π}{f}_{\mathrm{dl}}t};$ 信号叠加上加性高斯白噪声ω(t)后，最终接收到的信号为r(t)＝y(f)+ω(t)。

图1中，第l径的瑞利衰落因子h_l(t)满足独立同分布，h_l(t)可表示为

其幅度α_l(t)服从瑞利分布，相位_l(t)服从[0～2π]的均匀分布；加性高斯噪声ω(t)的均值为0，方差为σ_ω；信号、瑞利衰落和高斯噪声彼此相互独立。

参照图2，本发明直接在中频对OFDM信号和单载波信号的调制方式进行识别。对射频接收到的信号r(t)进行混频得到中频信号，然后进行A/D转换得到过采样信号，经过希尔波特变化后得到复信号序列r(n)，直接对r(n)进行调制制式识别，识别出信号的调制方式为OFDM信号或单载波信号。如果识别信号为OFDM信号则进行OFDM信号子载波调制制式的识别，如果是单载波信号则进行单载波信号间的分类识别，这两种识别可以是在下变频后对复基带信号进行识别，也可以是在复基带信号经过匹配滤波以及同步采样后对码元序列进行识别，由识别出的调制方式对码元序列进行正确的解调以及相关的信息处理。

参照图3，本发明是针对OFDM信号与单载波信号2FSK、QFSK、BPSK、QPSK、8PSK、16QAM、64QAM、256QAM的识别。该发明选取过采样后的正交信号r(n)的高阶累积量C₂₁、C₄₂和C₆₃进行组合，一方面可以不受载波频率的影响，可以直接在中频进行识别，不需要载波频率、波特率等先验信息；另一方面可以抵消瑞利快衰落的影响，使得在瑞利快衰落信道下，OFDM信号能正确识别出来。具体识别过程如下：

(1)对接收信号r(t)混频到中频并进行过采样和正交插值，过采样可以用一个A/D变换器实现，对过采样后的信号进行希尔波特变化实现正交插值，得到序列r(n)，因为该识别方法可以直接在中频进行，所以可以直接利用r(n)进行识别；

(2)计算序列r(n)的矩M₂₁(r)、M₄₂(r)和M₆₃(r)：

①信号r(n)的p阶混合矩定义为：M_pq(r)＝E[r(n)^p-q(r(n)^*)^q]    (9)

r(n)的2阶矩包括M₂₀(r)、M₂₁(r)，4阶矩包括M₄₀(r)、M₄₁(r)、M₄₂(r)，6阶矩包括M₆₀(r)、M₆₁(r)、M₆₂(r)、M₆₃(r)；

②假设发送信号s(t)以T_s为采样间隔进行采样后的序列为 $s\left(n\right)=u\left(n\right)e^{j2\mathrm{\π}{f}_{c}n{T}_s},$ 其中u(n)为s(n)的等效基带复数符号序列，u(n)是独立同分布的零均值复随机序列；

选取s(n)的其中三种矩：2阶矩M₂₁(s)、4阶矩M₄₂(s)和6阶矩M₆₃(s)，由信号的p阶混合矩公式(9)得复序列s(n)的矩M₂₁(s)、M₄₂(s)和M₆₃(s)分别为：

M₂₁(s)＝E[s(n)^s(n)^*]＝E[|u(n)|2]＝M₂₁(u)       (10)

M₄₂(s)＝E[s(n)²(s(n)^*)²]＝E[|u(n)|⁴]＝M₄₂(u)   (11)

M₆₃(s)＝E[s(n)³(s(n)^*)³]＝E[|u(n)|⁶]＝M₆₃(u)   (12)

由上面结果可以看出，上载波后的发送信号s(n)和其基带复数序列u(n)的M₂₁、M₄₂和M₆₃值相同，所以选取上述三种矩使得载波频率的变化不会影响检测结果，该算法不需要预先知道信号的载波频率和波特率，可以直接在中频进行识别。

各种单载波调制方式的基带复数符号序列u(n)的矩M₂₁、M₄₂和M₆₃值如表1所示：

表1  各单载波信号的矩

u(n)	M20	M21	M42	M63
					MFSK	0	Ps	Ps 2	Ps 3
BPSK	Ps	Ps	Ps 2	Ps 3
					QPSK	0	Ps	Ps 2	Ps 3
8PSK	0	Ps	Ps 2	Ps 3
					16QAM	0	Ps	1.32Ps 2	1.96Ps 3
64QAM	0	Ps	1.381Ps 2	2.2258Ps 3
					256QAM	0	Ps	1.3953Ps 2	2.2922Ps 3

②经过多径瑞利快衰落信道后的采样序列 $y\left(n\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{h}_l\left(n\right)s(n-n_l)e^{j2\mathrm{\π}{f}_{\mathrm{dl}}n{T}_s}$ (13)

假设第l径的瑞利衰落因子h_l(n)＝h_lr(n)+jh_li(n)，其中h_lr(n)和h_li(n)是均值为零，方差为σ_l ²的统计独立的高斯随机变量。

由瑞利分布的性质：

E[h_l(n)^k]＝0，k≥1                             (14)

$E\left[{\left|h_l\left(n\right)\right|}^k\right]={\left(2{\mathrm{\σ}}_l^2\right)}^{\frac{k}{2}}\mathrm{\Γ}(1+\frac{k}{2})),k\≥0$ (15)

经数学推导发现，y(n)的2阶、4阶和6阶矩M₂₀(y)、M₂₁(y)、M₄₂(y)和M₆₃(y)分别为：

M₂₀(y)＝0                                       (16)

$M_{21}\left(y\right)=2\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)M_{21}\left(s\right)$ (17)

$M_{42}\left(y\right)=8{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^2{M}_{42}\left(s\right)$ (18)

$M_{63}\left(y_l\right)=48{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^3{M}_{63}\left(s\right)$ (19)

③y(n)叠加上高斯噪声后的接收序列：r(n)＝y(n)+ω(n)，式中ω(n)为高斯噪声ω(t)经过采样后的高斯序列。推导可得接收序列r(n)的2阶矩M₂₀(r)也等于0。由于信号的矩对高斯噪声敏感，而高斯噪声的高阶累积量为0，即信号的高阶累积量对高斯噪声不敏感，所以下面研究接收信号的累积量。又由于累积量和矩有简单的数学关系，后面分析将发现所需要计算的累积量与接收序列r(n)的矩M₂₁(r)、M₄₂(r)和M₆₃(r)有关。

(3)计算序列r(n)的累积量C_r，21、C_r，42和C_r，63：

①根据共轭位置的不同，r(n)的p阶累积量定义为

(20)

r(n)的2阶累积量包括C_r，20、C_r，21，4阶累积量包括C_r，40、C_r，41、C_r，42，6阶累积量有包括C_r，60、C_r，61、C_r，62、C_r，63

随机过程{r(n)}的累积量和矩之间存在如下的转换关系：

$\mathrm{cum}(r{\left(1\right)}^{k_1},r{\left(2\right)}^{k_2},\·\·\·r{\left(n\right)}^{k_n})=\mathrm{\Σ}{(-1)}^{p-1}(p-1)!E\left\{\underset{i\∈S_1}{\mathrm{\Π}}r\left(i\right)\right\}E\left\{\underset{i\∈S_2}{\mathrm{\Π}}r\left(i\right)\right\}\·\·\·E\left\{\underset{i\∈S_3}{\mathrm{\Π}}r\left(i\right)\right\}---\left(21\right)$

式中，∑表示在整数集合(1，2，…，n)，当p＝1，2，…，n时，所有的互不连通有序分割集合(s₁，s₂，…，s_p)内求和；！表示求阶乘。

对于一个具有零均值的平稳复随机过程{r(n)}，选取如下的2阶累积量C_r，21，4阶累积量C_r，42和6阶累积量C_r，63，由累积量和矩之间的转换公式(21)得：

C_r，21＝M₂₁(r)    (22)

当M₂₀＝0时C_r，42和C_r，63有简化的表达式：

$C_{r,42}=M_{42}\left(r\right)-2M_{21}^2\left(r\right)$ (23)

$C_{r,63}=M_{63}\left(r\right)-9M_{42}\left(r\right)M_{21}\left(r\right)+12M_{21}^3\left(r\right)$ (24)

由于经过多径瑞利快衰落信道和加性高斯噪声信道后的接收序列r(n)的2阶矩M₂₀(r)＝0，所以接收信号的累积量C_r，21、C_r，42和C_r，63可以用式22～24进行计算。

②由于OFDM信号为各子载波上信号的叠加，每个子载波上的调制序列为零均值独立同分布的复随机序列。根据中心极限定理，OFDM信号服从渐进高斯分布，其近似高斯性与其子载波个数有关，与各子载波的调制方式无关，子载波数目越多，高斯性越强。由于高斯信号的2阶以上累积量恒为0且其2阶矩M₂₀＝0，所以OFDM信号的4阶和6阶累积量恒为0，则由式23、24得OFDM的矩M₄₂与M₂₁、M₆₃与M₂₁有如下关系：

$M_{42}=2M_{21}^2$ (25)

$M_{63}=6M_{21}^3$ (26)

③由M₂₀(y)＝0、式(17～19)和式(22～24)得到经过瑞利衰落后的信号y(n)的累积量C_y，21、C_y，42利C_y，63分别为

$C_{y,21}=M_{21}\left(y\right)=2\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)M_{21}\left(s\right)$ (27)

$C_{y,42}=M_{42}\left(y\right)-2M_{21}^2\left(y\right)=8{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^2(M_{42}\left(s\right)-M_{21}^2\left(s\right))$ (28)

$C_{y,63}=48{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^3(M_{63}\left(s\right)-3M_{42}\left(s\right)M_{21}\left(s\right)+2M_{21}^3\left(s\right))$ (29)

④由于信号y(n)与高斯噪声ω(n)独立，高斯噪声2阶以上的累积量为0，高斯噪声的功率为σ_ω ²，由累积量的性质：两个统计独立随机过程之和的累积量等于各个随机过程累积量之和，可知接收序列r(n)的高阶累积量和经过瑞利衰落后的序列y(n)的高阶累积量相等，可以得到接收序列r(n)的累积量C_r，21、C_r，42、C_r，63与发送序列的矩M₂₁(s)、M₄₂(s)、M₆₃(s)之间存在如下关系；

$C_{y,21}=c_{y,21}+{\mathrm{\σ}}_{\mathrm{\ω}}^2=2\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)M_{21}\left(s\right)+{\mathrm{\σ}}_{\mathrm{\ω}}^2$ (30)

当接收信噪比足够大时，即C_y，21□C_ω，21，则

$C_{r,21}\≈C_{y,21}=2\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)M_{21}\left(s\right)$ (31)

$C_{r,42}=C_{y,42}=8{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^2(M_{42}\left(s\right)-M_{21}^2\left(s\right))$ (32)

$C_{r,63}=C_{y,63}=48{\left(\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\right)}^3(M_{63}\left(s\right)-3M_{42}\left(s\right)M_{21}\left(s\right)+2M_{21}^3\left(s\right))$ (33)

(4)构造第一特征值m₂₀和第二特征值m₃₀：

由式(31～33)，为完全消除瑞利衰落的影响，选取以下两个特征值：

$m_{20}=\frac{C_{r,42}}{C_{r,21}^2}$ (34)

$m_{30}=\frac{C_{r,63}}{C_{r,21}^3}$ (35)

由表1中各单载波信号矩M₂₁、M₄₂和M₆₃的值和25～26式中OFDM信号矩M₄₂与M₂₁、M₆₃与M₂₁的关系，以及接收序列的累积量表达式31～33、构造特征值的式子34～35得到各调制方式的m₂₀和m₃₀的理论值，见表2。

表2  各调制方式的特征值m₂₀和m₃₀的理论值

调制方式	m20	m30
			MFSK	0	0
MPSK	0	0
			16QAM	0.64	0
64QAM	0.762	0.4968
			256QAM	0.7906	0.6378
OFDM	2	12

由表2可见，特征值m₂₀、m₃₀仅与调制类型有关，对瑞利衰落和多普勒频移具有稳健性。且OFDM调制方式的m₂₀、m₃₀与其它单载波调制方式差别较大。

(5)由各调制方式的特征值设定门限G₁和G₂：

表2中各调制方式的m₂₀和m₃₀的理论值是在假设高信噪比下得到的，在低信噪比的条件下，m₂₀和m₃₀的值可能会受到影响。

假设接收信噪比最小为SNR＝0dB，即 $\frac{C_{y,21}}{C_{\mathrm{\ω},21}}=1,$ 在此条件下计算的特征值为：

$m_{20}^{\′}=\frac{C_{r,42}}{C_{r,21}^2}=\frac{C_{r,42}}{{(C_{y,21}+C_{\mathrm{\ω},21})}^2}=\frac{m_{20}}{4}$ (36)

$m_{30}^{\′}=\frac{C_{r,63}}{C_{r,21}^3}=\frac{C_{r,63}}{{(C_{y,21}+C_{\mathrm{\ω},21})}^3}=\frac{m_{30}}{8}$ (37)

因此在信噪比为0dB时，可以得到各调制方式的m₂₀′和m₃₀′的值，见表3：

表3各调试方式在信噪比为0dB下的特征值m₂₀′和m₃₀′的理论值

调制方式	m′20	m′30
			MFSK	0	0
MPSK	0	0
			16QAM	0.16	0
64QAM	0.1905	0.0621
			256QAM	0.19765	0.079725
OFDM	0.5	1.5

由表2和表3可见，MFSK、MPSK信号不受信噪比的影响；对于16QAM，m₃₀不受信噪比的影响，而m₂₀随着信噪比的下降而减小，最终趋于0；64QAM、256QAM和OFDM信号m₂₀和m₃₀在低信噪比的条件下的值都将下降，在0dB时OFDM的m₂₀下降到0.5，使得和高信噪比条件下的16QAM、64QAM、256QAM无法区分，m₃₀下降到1.5，理论上可以和其它单载波信号在高信噪比条件下的m₃₀区分开。但是，无论是低信噪比还是高信噪比，单载波信号的第一特征值m₃₀的理论值小于1；单载波信号的第二特征值m₃₀的理论值小于1，OFDM的m₃₀的理论值大于1，所以选择门限G₁＝1和G₂＝1。

(6)比较判决

如果接收信号r(n)的第一特征值m₂₀＞G₁或第二特征值m₃₀＞G₂，则判为OFDM信号；否则判为单载波信号。

以下对本发明的技术效果做进一步详细描述。

假定采用一个图1所示的信道模型，径数L＝3，延迟点数分别为：n₁＝0，n₂＝6，n₃＝11，多普勒频移分别为，f_d2＝6kHz，f_d3＝3kHz；接收机的中频为10kHz，采样频率为20kHz，码元速率为2KB；待识别的单载波信号有：2FSK、QFSK、BPSK、QPSK、8PSK、16QAM、64QAM、256QAM，其中MQAM信号均为方型QAM信号；OFDM子载波个数为128，循环前缀的个数为32，子载波采用QPSK调制方式；各调制方式从第100个点开始，共取1000个采样数据，进行100次蒙特卡罗试验。通过计算机仿真得到表4所示的各单载波调制方式与OFDM调制方式的正确识别概率。

表4各调制方式正确识别率(％)

	2FSK	QFSK	BPSK	QPSK	8PSK	16QAM	64QAM	256QAM	OFDM
										0dB	100	100	100	100	100	100	99	99	32
2dB	100	100	100	100	100	99	98	98	56
										4dB	100	100	100	100	100	98	97	96	86
6dB	100	100	100	100	100	98	96	94	90
										8dB	100	100	100	100	100	98	95	92	90
10dB	100	100	100	100	100	97	93	90	92
										12dB	100	100	100	100	100	97	92	90	95
14dB	100	100	100	100	100	96	92	89	96
										16dB	100	100	100	100	100	96	91	88	97
18dB	100	100	100	100	100	96	91	87	97
										20dB	100	100	100	100	100	96	91	87	99

由表4可以看出，对于MFSK和MPSK信号与OFDM信号正确识别的概率为100％，与信噪比无关；而16QAM、64QAM和256QAM在高信噪比时容易与OFDM信号混淆，这主要与所设定的门限有关，如果将门限值设的更大，则16QAM、64QAM和256QAM的识别率将达到100％，但是此时OFDM信号在低信噪比时，识别概率将下降。所以可以根据实际信噪比的情况调整所设定的门限值。本发明设定的门限折衷考虑了各调制信号的识别概率，由表4可知，16QAM的识别概率在96％以上；64QAM的识别概率在91％以上；对于高阶的QAM信号256QAM的识别概率也可以达到87％以上。当信噪比大于6dB时，OFDM信号可以达到大于90％的识别概率。

Claims (3)

1.多径瑞利快衰落信道下OFDM调制制式识别方法，包括如下过程：

(1)接收机对接收到的信号r(t)经混频、过采样、正交插值得到正交复序列 $r\left(n\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{h}_l\left(n\right)s(n-n_l)e^{j2\mathrm{\π}{f}_{\mathrm{dl}}n{T}_s}+\mathrm{\ω}\left(n\right),$

式中，s(n)为发送信号，L为信道的径数，T_s是采样间隔，h_l(n)为第l径的瑞利衰落因子，n_l为第l径的传播时延点数，f_dl为第l径的多普勒频移，ω(n)为加性高斯噪声；

(2)计算r(n)的2阶、4阶和6阶矩M₂₁、M₄₂和M₆₃分别为：

M₂₁(r)＝E[r(n)r(n)^*]

M₄₂(r)＝E[r(n)²(r(n)^*)²]

M₆₃(r)＝E[r(n)³(r(n)^*)³]

其中E(□)为求均值，^*为求共轭。

(3)计算r(n)的2阶、4阶和6阶累积量分别为：

C_r，21＝M₂₁(r)

$C_{r,42}=M_{42}\left(r\right)-2M_{21}^2\left(r\right),$

$C_{r,63}=M_{63}\left(r\right)-9M_{42}\left(r\right)M_{21}\left(r\right)+12M_{21}^3\left(r\right);$

(4)选择所述4阶与2阶累积量的组合和所述6阶与2阶累积量的组合，分别得到第一特征值m₂₀和第二特征值m₃₀：

$m_{20}=\frac{C_{r,42}}{C_{r,21}^2}$

$m_{30}=\frac{C_{r,63}}{C_{r,21}^3}$

(5)设定第一门限G₁＝1和第二门限G₂＝1，用所述的特征值与门限进行比较对OFDM信号与单载波信号进行识别，即如果m₂₀＞G₁或m₃₀＞G₂，则判为OFDM信号；否则判为单载波信号。

2.根据权利要求1所述的方法，其中门限G₁的设定是根据单载波信号的第一特征值m₂₀的理论值小于1，而设定为G₁＝1。

3.根据权利要求1所述的方法，其中门限G₂的设定是根据单载波信号的第二特征值m₃₀的理论值小于1，OFDM信号的m₃₀的理论值大于1，而设定G₂＝1。

Images