CN104618073B - 一种信号调制方式的识别方法 - Google Patents
一种信号调制方式的识别方法 Download PDFInfo
- Publication number
- CN104618073B CN104618073B CN201510093698.0A CN201510093698A CN104618073B CN 104618073 B CN104618073 B CN 104618073B CN 201510093698 A CN201510093698 A CN 201510093698A CN 104618073 B CN104618073 B CN 104618073B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency spectrum
- matrix
- reconstruct
- mqam
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本申请公开了一种信号调制方式的识别方法,包括:接收调制后的模拟信号s;利用观测矩阵R对所述模拟信号进行压缩采样,获得亚采样值z;其中,所述观测矩阵的每行均有且只有一个1,并且每行的1分别在不同列上;利用所述z重构所述模拟信号的频谱;根据所述频谱识别所述信号调制方式;利用所构造的包含z的高阶矩信息的矩阵重构所构造的包含s的高阶矩信息的矩阵,并根据高阶矩信息组合得到的判决参数进行调制方式识别。应用本申请,能够降低调制方式识别过程的处理复杂度。
Description
技术领域
本申请涉及信号的编译码技术,特别涉及一种信号调制方式的识别方法。
背景技术
在通信技术中,可以利用不同的调制方式来提高传输效率,进而经常需要在接收端根据接收的信号对调制类型进行识别,以便于进行原始信号的恢复。目前,已有的信号调制类型识别技术大部分建立在奈圭斯特采样速率的基础之上,为了解决宽频谱条件下的高采样率问题,已有学者提出了划分频段以及压缩采样等方案,目前从采样速率的角度看,主要有以下几种调制识别方案:
已有方案一:以奈圭斯特采样速率对信号进行采样后进行调制方式识别
目前最常采用的就是以奈圭斯特采样速率对信号进行采样,再对采样后的信号根据似然方法或特征量提取进行调制方式识别。
优点如下:以奈圭斯特采样速率对信号采样后能够保留信号的所有信息,根据这些信息进行调制方式识别具有较高的识别正确率。
劣势如下:由于稀疏分布在宽频谱中的信号载频位置、带宽未知,根据传统信号处理中Nyquist-Shannon采样理论,需要对整个监测频段以2倍带宽的速率(一般更高)采样。但基于当前的模数转换器件(ADC)技术水平及成本考虑,这往往要牺牲较大成本甚至难以实现。
已有方案二:将宽带监测频段划分为多个“窄带”,对其进行调制识别。
将整个宽带监测频段划分为多个ADC器件及数字信号处理能力相匹配的“窄带”,通过建立多套并行处理系统或单独处理系统进行串行重复操作,完成对窄带进行滤波、模数变换、信号检测与识别。
优点如下:降低了采样速率,节省了功率成本。
劣势如下:在成本、实时性、检测性能方面仍具有很大的局限性。
已有方案三:利用压缩采样值恢复原信号,再进行调制识别。
利用压缩感知技术,通过亚采样值恢复原信号,再对所恢复的信号进行调制方式识别。
优点如下:降低了采样速率,节省了成本,并且通过恢复的原信号进行调制识别的正确率也较高。
劣势如下:针对非合作条件下的通信信号检测及识别,同时面临需要采集足够的样本才能提取信号统计特征,为了保证检测及识别系统的实时性,必将对于后续数字信号处理系统能力提出更高的要求,如果基于压缩感知理论对于信号进行完全重构再提取特征的话,仍然无法改变高速采样值进行处理情况。
发明内容
本申请给出一种信号调制方式的识别方法,能够有效降低处理的复杂度。
为实现上述目的,本申请采用了如下的技术方案:
一种信号调制方式的识别方法,该方法包括:
接收经过MPSK、MFSK或者MQAM调制后的模拟信号s;
利用观测矩阵R对所述模拟信号进行压缩采样,获得亚采样值z;其中,所述观测矩阵R的每行均有且只有一个1,并且每行的1分别在不同列上;
利用所述z重构所述模拟信号的频谱
根据所述频谱识别所述信号调制方式。
较佳地,所述根据频谱识别所述信号调制方式包括:若所述频谱出现至少两个冲激,则将信号判别为MFSK信号,且冲激个数为MFSK信号阶数,若所述频谱为单峰并且形状与sinc函数相同的判别为MPSK或MQAM信号。
较佳地,若频谱为单峰并且形状与sinc函数相同,则所述该方法进一步包括:
根据zN重构sN的频谱
判断所述重构的频谱是否在四次幂时首次出现冲激,若不是,则判定调制方式为MPSK(M≠4),并且首次出现冲激的幂次为MPSK信号的阶数;若是,则判定调制方式为QPSK或MQAM。
较佳地,当所述重构的频谱是在四次幂时首次出现,则选取高斯随机矩阵作为采样矩阵对接收的所述模拟信号重新采样z'k=R'sk,k代表第k个接收到的信号,构造具有稀疏特性的自相关矩阵以及利用亚采样值z'的构造矩阵和)重构s的构造矩阵和
其中分别为重构和时所采用的感知矩阵;
根据重构的构造矩阵和分别得出所述s的高阶矩M21和M40;
根据QPSK及MQAM的星座图计算的理论值,将求得的α与理论值相比较,确定QPSK或MQAM的阶数。
由上述技术方案可见,本申请中,首先利用观测矩阵对接收的调制后的模拟信号s进行压缩采样,然后利用压缩采用获得的亚采样值z重构模拟信号的频谱,根据该频谱中的冲激个数及形状初步判别具体的调制方式MFSK、MPSK(M≠4),并结合重构得出的信号的高阶矩对QPSK以及MQAM调制方式进行进一步判别。通过上述处理,利用压缩感知处理大大降低了采样率,并且直接重构特征量,而不需要恢复原信号,大大简化了硬件实现的复杂度。
附图说明
图1为本申请中信号调制方式识别方法的流程示意图;
图2为MPSK、MFSK的频谱图;
图3为QPSK信号非线性变换(N次方)之后的频谱图;
图4为16QAM信号的和的理论图像。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白,以下结合附图对本申请做进一步详细说明。
信号调制方式的识别作为信号监测和解调的中间步骤,是认知无线电等应用领域的重要一环,而宽频谱条件下进行信号调制方式的识别需要很高的采样率,对功率以及硬件方面的要求都较为苛刻,因而将压缩感知运用于调制方式识别对降低信号处理复杂度以及增强方法可实现性都具有重要意义。此外,在大多情况下,只需要得到信号的调制方式而不需要恢复原信号。基于此,本申请中利用压缩采样值直接重构特征量来进行调制方式识别,从而能够在节省资源的同时大大降低复杂度。
在感知无线电、无线电频谱检测、超宽带通信等非合作条件下,涉及到宽频谱监测,尤其是稀疏分布在宽频谱中的信号载频位置、带宽未知,需要对整个监测频段进行分析的情况,若只需要知道通信信号的调制方式,而不需要恢复原信号,则可应用此方法。
下面,对本申请中的识别方法进行详细描述。图1为本申请中信号调制方式识别方法的流程示意图。如图1所示,该方法包括:
步骤101:接收调制后的模拟信号s。
在前期处理中,原始信号被调制后生成模拟信号,本步骤接收调制后的模拟信号s,并据此通过下面步骤的处理来识别原始信号的调制方式。这里,原始信号可能是采集的各类控制信号、通信信号等。
步骤102,将接收到的模拟信号进行压缩采样,得到亚采样值z。
采样所依赖的观测矩阵R按如下方法确定:R的每行均有且只有一个1,并且这些1分别在不同列上(符合RIP条件)。
然后,利用R对信号s进行压缩采样得到亚采样值z=Rs。
步骤103:利用亚采样值z重构模拟信号s的频谱。
具体地,根据频谱f和模拟信号s之间的线性关系s=Ff(F为IDFT矩阵),易得压缩采样值z与频谱f之间的映射关系z=RFf,根据此映射关系重构频谱f为:
步骤104:根据步骤104中的频谱识别原始信号的调制方式。
在进行调制方式识别时,可以按照如下顺序进行:
步骤104a:若频谱出现不同个数冲激,则将信号判别为MFSK信号,且冲激个数为MFSK信号阶数,频谱为单峰并且形状与sinc函数相同的判别为MPSK及MQAM信号。MFSK和MPSK的频谱区别如图2所示。
这里,频谱形状与sinc函数相同是指频谱的幅度起伏基本一致,并不一定表示幅度值等完全相同。
步骤104b:对于MPSK、MQAM信号,根据选定观测矩阵的特征,压缩采样值z的N次方(N取所有可能的阶数)与原信号s的N次方存在映射关系zN=RsN,根据zN重构sN的频谱f':
步骤104c:观察重构的频谱f',是否在四次幂时首次出现冲激,如果不是,则判定为MPSK信号(M≠4),并且首次出现冲激的幂次即为MPSK信号的阶数;如果是,如图3,则判定为QPSK信号及MQAM信号。
步骤104d:对于QPSK及MQAM信号,选取高斯随机矩阵作为采样矩阵重新采样z'k=R'sk,k代表第k个接收到的信号(此次选取的特征量为统计量,故将接收信号分组,k=1,2,…K,K为本次重采样的信号数),构造具有稀疏特性的矩阵(即自相关矩阵)以及如图4,利用亚采样值z'的构造矩阵重构s的构造矩阵,从而分别得出s的高阶矩M21和M40:
其中分别为利用和重构和所采用的感知矩阵。
步骤104e:定义识别参数根据QPSK及MQAM的星座图计算α的理论值,将求得的α与理论值相比较,确定QPSK或MQAM的阶数。
至此,本申请中的方法流程结束。
通过上述本申请的具体处理可见,本申请的方法引入压缩感知技术,大大降低了采样速率,从能量、硬件等方面考虑都较易实现,例如仿真中采用0.3倍的奈圭斯特采样速率仍然具有很好的效果;同时,本申请直接重构识别特征量,避免了重构原信号的繁琐,在不需要得到原信号的情况下,有效降低了运算复杂度;另外,在较低信噪比下(5dB),对于MFSK及MPSK仍然具有较高的识别正确率,而对于MQAM而言,在10dB条件下,拥有较高的识别率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (3)
1.一种信号调制方式的识别方法,其特征在于,该方法包括:
接收经过MPSK、MFSK或者MQAM调制后的模拟信号s;
利用观测矩阵R对所述模拟信号进行压缩采样,获得亚采样值z;其中,所述观测矩阵R的每行均有且只有一个1,并且每行的1分别在不同列上,其余元素为0;
利用所述z重构所述模拟信号的频谱
根据所述频谱识别所述信号调制方式;
其中,F为IDFT矩阵,f为所述模拟信号s的频谱,RFf表示F、R、f三者乘积;所述根据频谱识别所述信号调制方式包括:若所述频谱出现至少两个冲激,则将信号判别为MFSK信号,且冲激个数为MFSK信号阶数,若所述频谱为单峰并且形状与sinc函数相同的判别为MPSK或MQAM信号。
2.根据权利要求1所述的方法,其特征在于,若频谱为单峰并且形状与sinc函数相同,则所述该方法进一步包括:
根据zN重构sN的频谱
判断所述重构的频谱是否在四次方时首次出现冲激,若不是,则判定调制方式为MPSK且M的取值为2正整数次幂,且不等于4,并且首次出现冲激的幂次N为MPSK信号的阶数;若是,则判定调制方式为QPSK或MQAM;
其中,f'为所述sN的频谱,zN表示z的N次方,sN表示s的N次方,RFf'表示F、R、f'三者乘积。
3.根据权利要求2所述的方法,其特征在于,当所述重构的频谱是在四次幂时首次出现,则选取高斯随机矩阵R'作为采样矩阵对接收的所述模拟信号重新采样z'k=R'sk,k代表第k个接收到的信号,构造具有稀疏特性的构造矩阵以及利用亚采样值z'的构造矩阵和重构s的构造矩阵和
其中,k=1,2,…K,K为本次重采样的信号数,分别为重构和时所采用的感知矩阵;
根据重构的构造矩阵和分别得出所述s的高阶矩M21和M40;
根据QPSK及MQAM的星座图计算的理论值,将求得的α与理论值相比较,确定QPSK或MQAM的阶数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510093698.0A CN104618073B (zh) | 2015-03-03 | 2015-03-03 | 一种信号调制方式的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510093698.0A CN104618073B (zh) | 2015-03-03 | 2015-03-03 | 一种信号调制方式的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104618073A CN104618073A (zh) | 2015-05-13 |
CN104618073B true CN104618073B (zh) | 2018-08-21 |
Family
ID=53152377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510093698.0A Active CN104618073B (zh) | 2015-03-03 | 2015-03-03 | 一种信号调制方式的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104618073B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106027436A (zh) * | 2016-05-03 | 2016-10-12 | 北京邮电大学 | 一种识别信号调制方式的方法及装置 |
CN110146842B (zh) * | 2019-06-14 | 2020-12-01 | 哈尔滨工业大学 | 基于欠采样的信号载频与二维doa参数估计方法 |
CN111404852B (zh) * | 2020-03-03 | 2021-04-13 | 西安电子科技大学 | 基于振幅和频谱幅度特征的调制方式识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013156770A2 (en) * | 2012-04-17 | 2013-10-24 | Cambridge Enterprise Limited | Signal transmission signals |
CN104270234A (zh) * | 2014-09-12 | 2015-01-07 | 中国科学院上海微系统与信息技术研究所 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
-
2015
- 2015-03-03 CN CN201510093698.0A patent/CN104618073B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013156770A2 (en) * | 2012-04-17 | 2013-10-24 | Cambridge Enterprise Limited | Signal transmission signals |
CN104270234A (zh) * | 2014-09-12 | 2015-01-07 | 中国科学院上海微系统与信息技术研究所 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
Non-Patent Citations (1)
Title |
---|
"Automatic modulation recognition for spectrum sensing using nonuniform compressive samples";Lim C W, Wakin M B;<IEEE International Conference on Communications>;20121231;第3505-3510页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104618073A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Romero et al. | Compressive covariance sensing: Structure-based compressive sensing beyond sparsity | |
CN104618073B (zh) | 一种信号调制方式的识别方法 | |
US8478319B2 (en) | Feature extraction and data compression system and method for distributed sensor networks | |
WO2010108099A1 (en) | Method and apparatus for compressive domain filtering and interference cancelation | |
CN104780008A (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
CN107517089A (zh) | 一种基于频谱特征的宽带频谱感知方法 | |
Cohen et al. | Cyclostationary feature detection from sub-nyquist samples | |
CN101977091B (zh) | 电磁频谱监测方法及系统 | |
CN106301631B (zh) | 一种基于子空间分解的互素欠采样频谱感知方法及其装置 | |
CN108063641A (zh) | 单通道多信号检测方法 | |
CN104485966A (zh) | 一种基于信号分解的压缩感知处理和信号重构方法 | |
CN103220054B (zh) | 一种基于Gabor算法的认知无线电频谱感知方法和系统 | |
CN107426737B (zh) | 基于单通道结构调制宽带转换器的宽带频谱感知方法 | |
CN111200569A (zh) | 一种宽带信号检测识别方法及装置 | |
WO2015139260A1 (zh) | 基于压缩感知的信号处理方法及装置 | |
CN102984103B (zh) | 扩频系统中的信号处理方法及装置 | |
Ramachandran et al. | Improvement of energy efficiency of spectrum sensing algorithms for cognitive radio networks using compressive sensing technique | |
CN112039651B (zh) | 一种缺失信令引导时的b上行信号接收方法及设备 | |
Bhatti et al. | Spectrum sensing using principal component analysis | |
CN102916736B (zh) | 无线通信系统的无线电监测方法和装置 | |
Kubankova et al. | Extended method of digital modulation recognition and its testing | |
CN110086554A (zh) | 一种基于频谱感知的信号识别方法 | |
CN105263144A (zh) | 一种基于高阶统计量的压缩宽带频谱盲检测方法 | |
De Vito et al. | Wireline channel estimation by compressive sampling for physical layer testing | |
CN111446967B (zh) | 基于压缩感知的脉冲超宽带信号接收检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220324 Address after: 214115 No. A601, China Internet of things International Innovation Park, No. 200, Linghu Avenue, Xinwu District, Wuxi City, Jiangsu Province Patentee after: Jiangsu Shenwang Technology Co.,Ltd. Address before: 100876 Beijing city Haidian District Xitucheng Road No. 10 Patentee before: Beijing University of Posts and Telecommunications |
|
TR01 | Transfer of patent right |