CN102710572B

CN102710572B - 一种通信信号的特征提取与调制识别方法

Info

Publication number: CN102710572B
Application number: CN201210234727.7A
Authority: CN
Inventors: 王旭; 钱蕾; 赵超; 夏宇星; 安刚; 冯小江
Original assignee: Jiangsu Posts and Telecommunications Planning and Designing Institute Co Ltd
Current assignee: Zhong Tong clothing consulting and Design Research Institute Co., Ltd.
Priority date: 2012-07-06
Filing date: 2012-07-06
Publication date: 2014-11-26
Anticipated expiration: 2032-07-06
Also published as: CN102710572A

Abstract

本发明公开了一种通信信号的特征提取与调制识别方法，包括以下步骤：A.对截获的一段通信信号进行预处理，即降噪，hilbert变换，归一化处理；B.特征提取，从预处理后的数据中提取信号参数；C.分类识别，采用梯形结构分类器，每级结构根据一个或多个特征参数，分辨出某类调制类型，最终能对各种类型调制进行识别并结果输出。本发明在较低信噪比的条件下显著提高了识别正确率，此方法在军用和民用等领域的信号识别均具有广泛的应用前景。

Description

一种通信信号的特征提取与调制识别方法

技术领域

本发明涉及一种移动通信技术，是模式识别中的信号调制识别，更确切地说是基于一种通信信号的特征提取与调制识别方法。

背景技术

通信信号的调制识别在截获信号处理领域是一个十分重要的课题，经过几十年的研究，人们提出了许多新的方法和新的思想，取得了很大的成绩，但是，随着通信技术的发展，通信信号的调制方法变得更加复杂多样，信号环境日趋密集，这就对调制识别的研究提出了更高的要求。通过广泛地查阅相关文献，充分了解调制识别领域的研究现状及其发展趋势。

1969年4月，C.S.Waver等四名学者在斯坦福大学技术报告上发表了第一篇研究自动调制识别的论文“采用模式识别技术实现调制类型的自动分类”，此后，不断有研究调制识别技术的论文出现在各类技术刊物上。1984年，Liedtke提出了一种数字调制识别方法，这种方法采用信号幅度直方图、频率直方图、差分相位直方图，以及幅度方差和频率方差等特征参数，然后采用模式识别的分类方法，通过提取的特征参数与理想样本的特征参数相比较，按最近原则进行信号自动分类。1986年，Fabirzi等人提出一种模拟调制识别方法，该方法基于瞬时幅度和瞬时频率方面的信息，采用信号包络峰值与均值之比R，以及采用瞬时频率绝对值的均值作为特征参数。该方法能够在SNR>35dB的条件下，有效识别CW，FM和DSB等信号。1989年，Chan和Gadbois也提出了一种类似的方法，方法根据信号包络特点，采用信号包络方差与信号均值平方之比作为判决准则。1990年，A.Polydoros和K.Kim等提出了准优化的对数似然比识别方法，其思想是采用高斯白噪声干扰下的数字调相信号的近似似然比函数，通过优化得到LR判决准则，从而区分MPSK信号，该方法在信噪比大于零时有较好的识别效果。1992年，S.Soliman和S.Hsue提出一种数字相位统计相关变量识别方法，利用MPSK信号相位的n阶统计均值随M单调递增的特性，对各种MPSK信号进行识别。这以后H.Leib和S.Pasupathy等人也对高斯白噪声干扰的信号相位的概率分布进行了研究，为调相信号的识别提供了理论根据，他们识别目标主要是MPSK信号和CW，MPSK，MFSK等信号。在1995年至1998年的三年间，A.K.Nandi和E.E.Azzouz发表了多篇文章，利用他们提出的七个关键特征，分别采用决策理论、神经网络和神经网络级联的方法对模拟和数字信号进行分类识别，在信噪比大于10dB时，具有良好的识别效果。其它主要的识别方法还有S.Hsue的过零点识别方法，A.W.Gardner的周期谱识别方法等等。近几年来，人们又将神经网络技术、小波变换技术、高阶谱分析技术与调制识别技术相结合，提出了很多新型的调制识别方法。

mask(“m”amplitude-shiftkeying)表示多进制幅度调制数字信号，mfsk(“m”frequency-shift keying)表示多进制频率调制数字信号，mpsk(“m”phase-shift keying)表示多进制相位调制数字信号，mqam（“m”quadrature amplitude modulation）表示多进制正交调幅数字信号，其中”m”的含义代表进制数，如4、8等。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种通信信号的特征提取与调制识别方法，本方法只需提取6个比较简单的特征参数，可以对各种类型的数字信号进行调制识别，算法复杂度较改进之前大大降低，计算量减小且易于编程，识别的正确率和适用的信噪比范围上亦都有很大程度的提高。

本发明公开了一种通信信号的特征提取与调制识别方法，包括以下步骤：

A.对截获的一段通信信号进行数据预处理，对获取的数据进行降噪，hilbert变换，归一化处理等操作，为后续模块提供数据准备；所述降噪，hilbert变换，归一化处理为本领域公知技术。

B.特征提取，从数据中提取信号的瞬时幅度、瞬时相位和瞬时频率等系列特征参数；

C.分类识别，采用梯形结构分类器和确定合适的判决规则，通过多级分类结构，每级结构根据一个或多个特征参数，分辨出某类调制类型，最终能对多种类型调制进行识别并结果输出。

本发明所述步骤B，从预处理的信号中提取出六个较简单的特征参数，其先后提取步骤如下：

B1、零中心归一化瞬时幅度绝对值的平均值M1。

其中A_f=abs(a_f)/mean(abs(a_f))-1，aa=abs(a')，a'=HT(a)，a为实时信号，a’为信号a的Hilbert变换，aa为信号的瞬时幅度，A为零中心归一化瞬时幅度，mean（aa）为n个瞬时幅度的平均值，即以下同；本发明中n的含义均为信号的个数，为自然数，取值范围为1~n为信号的个数，以下同。此参数M1主要用来区分是mask16qam信号还是mfsk信号和mpsk信号。因为对于mask和16qam信号，其包络是不恒定的，即瞬时幅度不为常数，参数M1也就不为零；而对于mfsk信号，其包络恒定，瞬时幅度为常数，参数M1为零；对于mpsk信号，虽然在相位变化时刻会产生幅度突变，但其参数A接近零，所以通过选择合适的门限t(m11)，t(m12)，且t(m11).>t(m12)，本发明中设定门限t(m11)值介于0.30与0.40之间，门限t(m12)值介于0.18与0.30之间，从而可以将mask和16qam信号与mfsk或mpsk信号区分，不同参数值的取值会影响同一信噪比下条件下的信号识别成功率，以下同。此参数只需计算到零中心归一化瞬时幅度绝对值而不需要进一步利用FFT变换求其谱密度最大值，其运算量明显减小。此特征参数提取2个门限值，识别信号种类与传统决策论方法相比可增加16qam。

B2、递归零中心归一化瞬时幅度绝对值的平均值M2。其中A'=abs(A)/mean(abs(A))-1,为零中心归一化瞬时幅度绝对值的平均值M1中得到的零中心归一化瞬时幅度。该参数主要用来识别2ask和4ask两类幅度键控信号，因为2ask和4ask信号它们的瞬时幅度值分别为2个和4个，所以对其进行上述操作后，得到的平均值M2，4ask会明显大于2ask，本发明中门限t(m2)值设定介于0.25与0.35之间，所以通过设置门限t(m2)，就可以对2ask和4ask两种信号进行识别。此参数的计算复杂度同参数M1，在算法上其实质是递归调用参数M1。

B3、零中心归一化瞬时频率绝对值的平均值MF1。

其中A_f=abs(a_f)/mean(abs(a_f))-1，a_f=DIF(a′)。a’为实时信号a的Hilbert变换，DIF（Decimation-in-Frequency）是对频率进行抽取即按频率抽取的FFT算法，A_f为零中心归一化瞬时频率。此参数主要用来识别mfsk和mpsk两类信号，因为mfsk信号至少含有两个瞬时频率值，而mpsk信号只有一个频率值，所以对其进行上述幅度类似操作后，得到MF1的值mfsk明显比mpsk的要大，本发明中门限t(mf1)值设定介于0.15与0.25之间，所以通过设置门限t(mf₁)，就可以对mfsk和mpsk两类信号进行大类间的区分。此参数与参数M1相比，只是将幅度参数改成频率参数，其算法复杂度相当于参数M1，所以其运算量同参数M1，而不需进一步计算其零中心归一化瞬时频率绝对值标准偏差。

B4、递归零中心归一化瞬时频率绝对值的平均值MF2。

其中A_f'=abs(A_f)/mean(abs(A_f))-1，Af为零中心归一化瞬时频率绝对值的平均值MF1中得到的零中心归一化瞬时频率。该参数主要用来识别2fsk和4fsk两类幅度键控信号，因为2fsk和4fsk信号它们的瞬时频率值分别为2个和4个，所以对其进行上述操作后，得到的MF2值4fsk会明显大于2fsk，本发明设定门限t(mf2)值介于0.40~0.45之间，所以通过设置门限t(mf2)，就可以对2fsk和4fsk两种信号进行识别。此参数的计算复杂度同参数M2，在算法上其实质是递归调用参数MF1。

B5、零中心归一化瞬时相位绝对值的平均值MP1。

其中Ap=abs(a')/mean(abs(a'))-1，a’为信号a的Hilbert变换，Ap为零中心归一化瞬时相位。在进行该参数处理前先进行瞬时相位进行校正。此参数主要用来识别2psk和4psk，8psk两类相移键控信号，因为2psk信号的瞬时相位值分别为2个，明显少于4psk，8psk两种信号，所以对其进行零中心归一化处理以后，得到的MP1值亦明显小于4psk和8psk两种信号，本发明设定门限t(mp1)值介于0.40~0.50之间，所以通过设置门限t(mp₁)，就可以将2psk与4psk，8psk两种信号区别开来。此参数与参数M1相比，只是将幅度参数改成相位，与参数MF1相比，只是将频率参数改成相位参数其算法复杂度相当于参数M1，MF1，所以其运算量同参数M1，MF1，而不需进一步计算其零中心归一化瞬时相位绝对值标准偏差。

B6、递归零中心归一化瞬时相位绝对值的平均值MP2。

其中Ap'=abs(Ap)/mean(abs(Ap))-1，Ap为零中心归一化瞬时相位绝对值的平均值MP1中得到的零中心归一化瞬时相位。该参数用来识别4psk和8psk两类信号，对于4psk和8psk信号它们的瞬时相位值分别为4个和8个，所以对其进行上述操作后，得到的MP2值8psk明显大于4psk，本发明设定门限t(mp2)值介于0.30~0.45之间，所以通过设置门限t(mp2)，就可以对4psk和8psk两种信号进行识别。此参数的计算复杂度同参数M2，在算法上其实质是递归调用参数MP1，和传统决策论方法比此参数使信号的识别种类增加8psk。

本发明所述步骤C中，通过采用梯形结构分类器和确定合适的判决规则，通过多级分类结构，每级结构根据一个或多个特征参数，分辨出某类调制类型。

所述步骤C中，所述梯形结构分类器包括四级，每级结构如下：

第一级：设定门限t(m12)，门限t(m12)取值范围为0.18~0.30；

第二级：设定门限t(m11)和门限t(mf1)，其中，门限t(m11)取值范围为0.30~0.40，门限t(mf1)取值范围为0.15~0.25；

第三级：设定门限t(m2)、门限t(mf2)以及门限t(mp1)，其中，门限t(m2)取值范围为0.25~0.35，门限t(mf2)取值范围为0.40~0.45，门限t(mp1)取值范围为0.40~0.50；

第四级：设定门限t(mp2)，门限t(mp2)取值范围为0.30~0.45。

其中递归零中心归一化瞬时幅度之绝对值的平均值M2、递归零中心归一化瞬时频率之绝对值的平均值MF2、递归零中心归一化瞬时相位之绝对值的平均值MP2为本发明中首次提出。信号零中心归一化瞬时幅度绝对值的平均值M1、信号零中心归一化瞬时频率绝对值的平均值MF1以及信号零中心归一化瞬时相位绝对值的平均值MP1为本领域公知技术。

有益效果：本发明主要应用在军事和民用领域，在军事领域，通信信号调制方式的识别是对敌方通信进行干扰或侦听的前提，一旦知道了调制类型，就可以估计调制参数，从而有针对性的制定侦察和反侦察策略。在民用方面，如信号确认、干扰识别和频谱监测等无线电管理工作，其主要任务就是监视合法的无线电电台是否严格遵守分配给他们的工作参数的限制，同时侦听非法电台的干扰和来源，而通信信号调制识别技术是实现这些非合作通信任务的关键技术之一。

本发明依据较少的先验信息，判断出信号的调制方式，其主要包括数据处理模块，特征提取模块，分类识别模块及结果输出。在以上过程中，特征参数提取和分类识别方法是调制类型自动识别的关键，直接决定着识别的效果和算法的复杂度。

附图说明

图1为本发明方法流程图。。

图2为本发明t(m11)，t(m12)门限值确定示意图。

图3为本发明t(m2)门限值确定示意图。

图4为本发明t(mf1)门限值确定示意图。

图5为本发明t(mf2)门限值确定示意图。

图6为本发明t(mp1)门限值确定示意图。

图7为本发明t(mp2)门限值确定示意图。

图8为本发明梯形分类器识别流程图。

图9为本发明调制识别率与信噪比间关系图。

具体实施方式

如图1所示，本发明所述一种通信信号的特征提取与调制识别方法包括如下步骤：

A.对截获的一段通信信号进行数据预处理，对获取的数据进行降噪，hilbert变换，归一化处理操作，为后续模块提供数据准备；

所述步骤B，从预处理的信号中提取出六个较简单的特征参数，其先后提取步骤如下：

B1.零中心归一化瞬时幅度绝对值的平均值M1；

B2.递归零中心归一化瞬时幅度绝对值的平均值M2；

B3.零中心归一化瞬时频率绝对值的平均值MF1；

B4.递归零中心归一化瞬时频率绝对值的平均值MF2；

B5.零中心归一化瞬时相位绝对值的平均值MP1；

B6.递归零中心归一化瞬时相位绝对值的平均值MP2。

所述提取信号零中心归一化瞬时幅度绝对值的平均值M1包括：通过对通信信号进行Hilbert变换及零中心归一化瞬时幅度处理，提取参数信号零中心归一化瞬时幅度绝对值的平均值M1，用于区分mask信号和16qam信号、mfsk信号和mpsk信号。

所述提取信号递归零中心归一化瞬时幅度绝对值的平均值M2包括：对通信信号的零中心归一化瞬时幅度进行归一化处理，提取信号递归零中心归一化瞬时幅度绝对值的平均值M2，用于区分mask信号中的m值。

所述提取信号零中心归一化瞬时频率绝对值的平均值MF1包括：对通信信号进行Hilbert变换及抽频处理，提取信号零中心归一化瞬时频率绝对值的平均值MF1，用于区分识别mfsk信号和mpsk类信号。

所述提取信号递归零中心归一化瞬时频率绝对值的平均值MF2包括：对通信信号的零中心归一化瞬时频率进行归一化处理，提取信号递归零中心归一化瞬时频率绝对值的平均值MF2，用于区分mfsk信号中的m值。

所述提取信号零中心归一化瞬时相位绝对值的平均值MP1包括：对通信信号进行Hilbert变换及瞬时相位进行校正，提取信号零中心归一化瞬时相位绝对值的平均值MP1，用于区分识别2psk信号，或，4psk信号和8psk信号。

所述提取信号递归零中心归一化瞬时相位绝对值的平均值MP2包括：对通信信号的零中心归一化瞬时相位进行归一化处理，提取信号递归零中心归一化瞬时相位绝对值的平均值MP2，用于区分4psk信号和8psk信号。

所述步骤C，通过采用梯形结构分类器和确定合适的判决规则，通过多级分类结构，每级结构根据一个或多个特征参数，分辨出某类调制类型。

所述梯形结构分类器包括四级，每级结构如下：

第一级：设定门限t(m12)，门限t(m12)取值范围为0.18~0.30；

第四级：设定门限t(mp2)，门限t(mp2)取值范围为0.30~0.45。

所述预处理包括降噪处理以及归一化处理。通过以上各步骤可以在低信噪比的条件下识别出各种数字通信信号。

实施例

1、实验参数设置如下：码元速率为500bps，载波频率2000Hz，采样频率为12000Hz，频偏500Hz，载波幅度为1，码元个数为300，信噪比的范围0dB～25dB，噪声均为高斯白噪声。通过步骤A对信号进行降噪以及归一化处理等操作，然后对步骤B中的M1，M2，MF1，MF2，MP1，MP2六个参数进行提取及其对应的七个门限值进行确定，实验结果如图2至7所示。

其中图2表示为幅度门限值的确定，根据步骤B1提取信号零中心归一化瞬时幅度绝对值的平均值M1，设定门限t(m11)和门限t(m12)用于区别mask和16qam信号与mfsk或mpsk信号，门限t(m11)取值为0.32，门限t(m12)取值为0.22。

其中图3含义亦为幅度门限值的确定，根据步骤B2提取信号递归零中心归一化瞬时幅度绝对值的平均值M2，设定门限t(m2)，用于区别2ask和4ask两种信号，门限t(m2)取值为0.31。

其中图4含义为频率门限值的确定，根据步骤B3提取信号零中心归一化瞬时频率绝对值的平均值MF1，设定门限t(mf1)，用于区别mfsk和mpsk两类信号，门限t(mf1)取值为0.20。

其中图5含义亦为频率门限值的确定，根据步骤B4提取信号递归零中心归一化瞬时频率绝对值的平均值MF2，设定门限t(mf2)，用于区别2fsk和4fsk两类信号，门限t(mf2)取值为0.42。

其中图6含义为相位门限值的确定，根据步骤B5提取信号零中心归一化瞬时相位绝对值的平均值MP1，设定门限t(mp1)，用于区别2psk和4psk、8psk信号，门限t(mp1)取值为0.44。

其中图7含义亦为相位门限值的确定，根据步骤B6提取信号递归零中心归一化瞬时相位绝对值的平均值MP2，设定门限t(mp2)，用于区别4psk与8psk两种信号，门限t(mp2)取值为0.40。

根据确定的门限值并通过步骤C采用如图8所示分类器结构，最终进行分类识别和结果输出。所述步骤C中，所述梯形结构分类器包括四级，每级结构如下：

第一级：设定门限t(m12)，门限t(m12)取值范围为0.18~0.30；

第四级：设定门限t(mp2)，门限t(mp2)取值范围为0.30~0.45。

2、实验及结果分析

本发明对2ask，2fsk，2psk，4ask，4fsk，4psk，8psk和16qam共8种数字信号进行识别实验，其8种典型的数字调制信号的识别正确率随SNR的变化如图9所示。从图2至图7实验结果可以看出，改进后的决策论方法和改进前相比，在同等信噪比的条件下，识别正确率得到大大提高，8类信号在信噪比等于5dB时识别正确率达到90%以上，8dB时识别正确率均以达到100%，特别是16qam信号在信噪比从-10dB至25dB识别正确率均是100%。

本发明可以对上述描述的8种信号中的1种或多种信号进行识别，其识别方法均是上述8种信号识别的子集，若无其中某种信号，则在图8中识别流程中将直接跳过，不影响所识别信号的准确率。

本发明提供了一种通信信号的特征提取与调制识别方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims

1.一种通信信号的特征提取与调制识别方法，其特征在于，包括以下步骤：

A、对截获的一段通信信号进行预处理；

B、特征提取，从预处理后的数据中提取信号参数；

C、分类识别，采用梯形结构分类器，每级结构根据一个或多个特征参数，分辨出某类调制类型，最终能对各种类型调制进行识别并结果输出；

所述步骤B中提取信号参数包括以下六个参数：

B1、信号零中心归一化瞬时幅度绝对值的平均值M1；

B2、信号递归零中心归一化瞬时幅度绝对值的平均值M2；

其中A'＝abs(A)/mean(abs(A))-1，为零中心归一化瞬时幅度绝对值的平均值M1中得到的零中心归一化瞬时幅度，A为零中心归一化瞬时幅度；

B3、信号零中心归一化瞬时频率绝对值的平均值MF1；

B4、信号递归零中心归一化瞬时频率绝对值的平均值MF2；

其中A_f'＝abs(A_f)/mean(abs(A_f))-1，A_f为零中心归一化瞬时频率绝对值的平均值MF1中得到的零中心归一化瞬时频率；

B5、信号零中心归一化瞬时相位绝对值的平均值MP1；

B6、信号递归零中心归一化瞬时相位绝对值的平均值MP2；

其中Ap'＝abs(Ap)/mean(abs(Ap))-1，Ap为零中心归一化瞬时相位绝对值的平均值MP1中得到的零中心归一化瞬时相位；

所述提取信号零中心归一化瞬时幅度绝对值的平均值M1包括：通过对通信信号进行Hilbert变换及零中心归一化瞬时幅度处理，提取参数信号零中心归一化瞬时幅度绝对值的平均值M1，用于区分mask信号和16qam信号、mfsk信号和mpsk信号；

所述提取信号递归零中心归一化瞬时幅度绝对值的平均值M2包括：对通信信号的零中心归一化瞬时幅度进行归一化处理，提取信号递归零中心归一化瞬时幅度绝对值的平均值M2，用于区分mask信号中的m值；

所述提取信号零中心归一化瞬时频率绝对值的平均值MF1包括：对通信信号进行 Hilbert变换及抽频处理，提取信号零中心归一化瞬时频率绝对值的平均值MF1，用于区分识别mfsk信号和mpsk类信号；

所述提取信号递归零中心归一化瞬时频率绝对值的平均值MF2包括：对通信信号的零中心归一化瞬时频率进行归一化处理，提取信号递归零中心归一化瞬时频率绝对值的平均值MF2，用于区分mfsk信号中的m值；

所述提取信号零中心归一化瞬时相位绝对值的平均值MP1包括：对通信信号进行Hilbert变换及瞬时相位进行校正，提取信号零中心归一化瞬时相位绝对值的平均值MP1，用于区分识别2psk信号，或，4psk信号和8psk信号；

所述提取信号递归零中心归一化瞬时相位绝对值的平均值MP2包括：对通信信号的零中心归一化瞬时相位进行归一化处理，提取信号递归零中心归一化瞬时相位绝对值的平均值MP2，用于区分4psk信号和8psk信号；

第一级：设定门限t(m12)，门限t(m12)取值范围为0.18～0.30；

第二级：设定门限t(m11)和门限t(mf1)，其中，门限t(m11)取值范围为0.30～0.40，门限t(mf1)取值范围为0.15～0.25；

第三级：设定门限t(m2)、门限t(mf2)以及门限t(mp1)，其中，门限t(m2)取值范围为0.25～0.35，门限t(mf2)取值范围为0.40～0.45，门限t(mp1)取值范围为0.40～0.50；

第四级：设定门限t(mp2)，门限t(mp2)取值范围为0.30～0.45。

2.根据权利要求1所述的一种通信信号的特征提取与调制识别方法，其特征在于，所述预处理包括降噪处理以及归一化处理。