发明内容
本发明的目的在于提供能够克服现有类内调制识别方法对信号信噪比要求高的不足的基于切片双谱和小波变换的FSK信号个体识别方法。
本发明的目的是这样实现的:
本发明基于切片双谱和小波变换的FSK信号个体识别方法,其特征是:
(1)对接收信号到的信号进行双谱和双谱切片分析,并对双谱切片进行FFT变换,得到2FSK、4FSK、8FSK信号的双谱曲线和双谱切片曲线,具体步骤如下:
观测数据x:{x(1),x(2),...,x(N)}为一实随机序列,N为序列长度,x的概率密度函数为p(x),计算x的特征函数Φ(ω):
E[·]表示取均值,对上式取对数形式,得到x的第二特征函数Ψ(ω):
Ψ(ω)=lnΦ(ω)=lnE[ejωx],
计算输入序列x的三阶累积量:
其中m,n表示信号的时延,k=1,2,...,N,c3x为三阶累积量,cum为取累积量;
计算信号的双谱,输入序列x:{x(1),x(2),...,x(N)}的双谱为其三阶累积量的二维傅里叶变换:
其中Bx为双谱,ω1,ω2为角频率;
令时延量相等,即m=n,得到双谱切片B(ω):
(2)提取切片双谱频谱曲线的包络参数,分别建立不同信噪比下,2FSK/4FSK/8FSK信号和不同调制参数的4FSK信号的包络参数特征数据库:
对于计算得到的双谱切片序列,其B:{B(1),B(2),....B(M)},M为序列长度,其包络R1参数为:
(3)对步骤(1)中接收到的信号同时进行小波变换,提取低频小波系数的均值方差
同时建立不同信噪比条件下,不同M数和不同调制参数的4FSK信号的特征数据库,具体实现过程如下:
首先对接收的信号进行小波分解,将原始含噪信号分解为低频分量和一系列高频分量,x2n-1表示第n次分解得到的高频分量:
其中h和g为正交滤波器组,cj-1,n为第j-1层小波分解的低频系数,小波分解第j低频系数为cj,k,高频系数dj,k;
(4)利用特征融合的方法,对已经提取的切片双谱包络参数特征和低频小波系数特征进行二维特征融合,用于识别FSK信号的调制类型,即M数识别:
未知信号与已知第i类FSK信号的第j类特征的距离为:
dij=|Aij-cj|
其中,cj为测得的未知信号的第j类特征值,i=1,2,...N;
待识别状态与第i类FSK信号特征距离Di为:
Di=|di1|+|di2|+...+|dij|+...
待识别信号与第i类FSK信号贴近度为:
计算结果与哪一类FSK信号贴近度数值最大,则未知信号属于哪种FSK信号,则确定了未知FSK信号的M数;
(5)采用同样的信号处理过程,即重复1-4的信号处理步骤,提取不同调制参数的4FSK信号的双谱切片包络参数R1和小波低频系数的方差
实现4FSK信号的个体识别。
本发明还可以包括:
1、所述的小波包分解的层数j为3或4,取小波分解层数为4,则提取的低频小波系数c4:{c(1),c(2),...,c(L)}的方差计算表达式为:
式中L为数据长度。
本发明的优势在于:能够克服现有类内调制识别方法对信号信噪比要求高的不足,在低信噪比和知道较少先验知识的条件下,实时地对FSK信号进行个体识别。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1~10,FSK信号的解析表达式为:
其中,f0为信号的载频,θ0为载波信号的初始相位,s(t)为发射机发射的已调信号,n(t)为加性噪声,既有高斯分布的也有非高斯分布的,为基带信号,对于2FSK、4FSK、8FSK分别表示为:
4FSK:
f
n∈{f
1,f
2,f
3,f
4} (3)
8FSK
f
n∈{f
1,f
2,...,f
8} (4)
其中,A为FSK信号的幅度,是一恒定值,fn为第n个元素的传信角频率,为第n个元素的初始相位值,Ts为符号周期,其倒数1/Ts为FSK信号的码元速率,u(t)为矩形函数,其表达式如下:
本发明所属的FSK信号个体识别方法,完整的实现过程如图1所示,FSK信号仿真参数设置:
(1)类内调制识别参数设置
2FSK信号:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=0.5us;信号载频fc=10MHz,传信频率f1=10MHz,f2=30MHz,初始相位均为零;
4FSK信号:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=0.5us;信号载频fc=10MHz,传信频率f1=10MHz,f2=20MHz,f3=30MHz,f4=40MHz,初始相位均为零;
8FSK信号:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=0.5us;信号载频fc=10MHz,传信频率f1=10MHz,f2=20MHz,f3=30MHz,f4=40MHz,f5=10MHz,f6=20MHz,f7=30MHz,f8=40MHz,初始相位均为零;
(2)4FSK信号个体识别参数设置,三个4FSK信号参数设置如下:
信号1:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=1us;信号载频fc=10MHz,传信频率f1=5MHz,f2=25MHz,f3=30MHz,f4=35MHz,初始相位均为零;
信号2:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=1us;信号载频fc=10MHz,传信频率f1=10MHz,f2=20MHz,f3=30MHz,f4=40MHz,初始相位均为零;
信号3:信号幅度A=1,采样频率fs=500MHz,码元速率Rb=1/Ts=0.5us;信号载频fc=10MHz,传信频率f1=10MHz,f2=20MHz,f3=30MHz,f4=40MHz,初始相位均为零;
由以上参数可知,3个用于4FSK信号中,信号1和信号2的4个传信频率有差异,信号3和信号2相比,信号3的码元周期为信号2的1/2。
本发明的具体步骤为:
1.对接收信号到的信号进行双谱和双谱切片分析,并对双谱切片进行FFT变换,得到2FSK、4FSK、8FSK信号的双谱曲线和双谱切片曲线,具体步骤如下:
设观测数据x:{x(1),x(2),...,x(N)}为一实随机序列(N为序列长度),x的概率密度函数为p(x),首先计算x的特征函数Φ(ω):
上式中E[·]表示取均值,对(6)式取对数形式,得到x的第二特征函数Ψ(ω):
Ψ(ω)=lnΦ(ω)=lnE[ejωx] (7)
然后计算输入序列x的三阶累积量:
其中,m,n表示信号的时延,k=1,2,...,N,c3x为三阶累积量,cum为取累积量。
接下来计算信号的双谱,输入序列x:{x(1),x(2),...,x(N)}的双谱为其三阶累积量的二维傅里叶变换:
其中,Bx为双谱,ω1,ω2为角频率。
2FSK、4FSK、8FSK信号的双谱图对比如附图2所示,通过对比分析可看出高斯噪声呈现离散、均匀的分布,其影响基本被消除,不同M数调制的FSK信号双谱图的频率和相位差异明显,但是其三维图计算量大,不易特征提取。
最后,令式(8)中的时延量相等,即m=n,可以计算得到双谱切片B(ω):
双谱切片实际上计算的是双谱的对称区域,如附图3所示。附图4为2FSK、4FSK、8FSK信号的双谱切片曲线,由图可知,双谱切片更能直观地看出不同M数的FSK信号的差异,切片双谱的谱峰对应了信号的传信频率,谱峰个数反映信号调制的M数。且不同的FSK信号切片双谱的曲线变换规律不同,具有不同的包络特征,可以提取这一特征用于FSK信号类内调制识别。
2.提取切片双谱频谱图的包络参数,分别建立不同信噪比下,2FSK/4FSK/8FSK信号和不同调制参数的4FSK信号的包络参数特征数据库;
对于计算得到的双谱切片序列,其B:{B(1),B(2),....B(M)},M为序列长度,其包络R1参数的定义式为:
不同信噪比条件下2FSK、4FSK和8FSK信号的双谱切片R1参数如附图5所示,由曲线可知特征差异很大,且在低信噪比条件下,即信噪比为-5dB左右,不同M数的FSK信号包络R1参数仍有较大差异,因此可以用于FSK信号个体识别。
3.对接收到的信号进行小波变换,提取低频小波系数的均值方差
同时建立不同信噪比条件下,不同M数和不同调制参数的4FSK信号的特征数据库;具体实现过程如下:
首先对接收的信号进行小波分解,一般小波包分解的层数j为3或4,附图6为3层小波包分解的示意图。将原始含噪信号分解为低频分量和一系列高频分量(x2n-1表示第n次分解得到的高频分量)。
其中,h和g为正交滤波器组,cj-1,n为第(j-1)层小波分解的低频系数,小波分解第j低频系数为cj,k,高频系数dj,k。
因为选择的小波分解层数为4,则提取的低频小波系数c4:{c(1),c(2),...,c(L)}(L为数据长度)的方差计算表达式为:
FSK信号低频小波系数图如附图7所示,不同信噪比条件下,FSK信号的小波低频系数方差随信噪比的变化关系如图8所示。
4.利用特征融合的方法,对已经提取的切片双谱包络参数特征和低频小波系数特征进行二维特征融合,用于识别FSK信号的调制类型,即M数识别;
理论上来说,双谱切片特征与小波变换特征相结合能够抑制高斯和非高斯分布的干扰,但是实际上不可能完全消除,还是会有干扰的存在,使特征具有不稳定性。因此我们采用特征融合的思想,融合双谱切片包络参数和小波变换低频系数方差这两个参数来识别FSK信号。即计算接收信号与数据库中信号特征的贴近度,未知信号与已知第i(i=1,2,...N)类FSK信号的第j(由于提取的两个特征,因此j=1,2)类特征的距离为:
dij=|Aij-cj| (14)
其中,cj为测得的未知信号的第j类特征值。
待识别状态与第i类FSK信号特征距离Di为:
Di=|d1|+|di2|+...+|dij|+... (15)
待识别信号与第i类FSK信号贴近度计算公式:
计算结果与哪一类FSK信号贴近度数值最大则未知信号属于哪种FSK信号,也就是确定了未知FSK信号的M数。
由附图5和附图8可知,双谱切片包络参数和小波低频系数方差在信噪比大于0dB时特征差异都比较大,但是在低信噪比条件下,双谱切片包络参数具有不稳定性,因此需要两个特征融合来获得好的识别效果。在信噪比大于0dB时两特征融合能保证获得的高识别率的稳健性。
附图9为MFSK的类内调制识别的识别率随信号信噪比变化的曲线。由识别结果可知,当信噪比为0dB以上时基本能完全正确的识别FSK信号个体的M数,在信噪比大于-4dB时识别率能保持在90%以上,-10dB时信噪比达到80%以上,实现了低信噪比条件下MFSK信号的类内调制识别。
5.采用同样的信号处理过程,即重复1-4的信号处理步骤,提取不同调制参数的4FSK信号的双谱切片包络参数R1和小波低频系数的方差
实现4FSK信号的个体识别。
附图10为不同4FSK信号个体的双谱切片图,由图可知,不同调制参数的4FSK信号个体的双谱切片都有4个谱峰,但是谱峰的位置和幅度不同,包含了丰富的个体信息,可以用于识别4FSK信号个体。
综上所述,基于切片双谱和小波变换特征的方法具有较好的识别效果,尤其在低信噪比条件下,在-4dB时仍能达到90%以上的识别率,具有较好的抑制噪声和干扰的作用。