CN104717167A - 一种基于PXIe模块化仪器的调制识别方法 - Google Patents
一种基于PXIe模块化仪器的调制识别方法 Download PDFInfo
- Publication number
- CN104717167A CN104717167A CN201510091533.XA CN201510091533A CN104717167A CN 104717167 A CN104717167 A CN 104717167A CN 201510091533 A CN201510091533 A CN 201510091533A CN 104717167 A CN104717167 A CN 104717167A
- Authority
- CN
- China
- Prior art keywords
- signal
- mqam
- cum
- pxie
- mpsk
- 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.)
- Pending
Links
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供一种基于PXIe模块化仪器的调制识别方法。数字调制方式包括有幅度键控、相位键控、频率键控和幅度相位联合键控等方式。在软件无线电领域,软件无线电系统会构造可扩展、通用的硬件平台,信号的调制解调在软件中完成,这就要求系统可以识别不同信号的调制方式,然后做相应的处理,比如信号的解调和信号分析等。
Description
技术领域
本发明提出一种基于PXIe模块化仪器的调制识别方法,属于软件无线电信号处理领域。
背景技术
美国国家仪器公司提出“软件就是仪器”的概念,研发了多款虚拟仪器产品,虚拟仪器丰富了传统仪器的功能,把计算机网络技术和仪器技术相结合,在一些测试测量领域取得广泛应用。虚拟仪器由硬件、软件以及I/O模块组成。虚拟仪器的硬件具有一定的独立性,硬件更换时只需更换相应的驱动程序,不需要更换软件模块,这减少了开发的成本,提高了开发效率。软件部分可以使用labview等编程实现。Labview是图形化编程语言,使用数据流,使得vi运行。Labview的程序有前面板和程序框图组成,前面板可以设计类似于传统仪器的面板,程序框图为程序的内部实现。I/O模块可以使用多种接口如GPIB、USB、以太网卡等,虚拟仪器可以方便地与外设数据交互。
调制识别技术是软件无线电的组成部分,它是在不了解信号先验信息的情况下识别信号的调制识别方式。常用的调制技术包括模拟调制和数字调制。目前调制识别技术包括似然比算法和特征提取方法,似然比算法需要信号的分布信息,因而这种方法不实用。基于特征提取的方法由于特征提取简单,识别速度快,得到广泛的关注。
发明内容
发明目的:本发明提出一种基于PXIe模块化仪器的调制识别方法,针对软件无线电中系统中存在的多种调制信号,实现调制信号的识别。
技术方案:本发明提出一种PXIe模块化仪器的调制识别方法,包括以下步骤:
对接收到的所有软件无线电基带信号计算下列四个特征参数:
T1=|c42|/|c21|2
T2=|c40|/|c42|
T3=|c41|/|c42|
T4=|c42|/|c40|
其中c21为二阶累积量,c40c41c42为四阶累积量,分别表示如下,式中cum代表信号的累积量:
c20=cum(X,X)=M20
c21=cum(X,X*)=M21
c40=cum(X,X,X,X)=M40-3M2 2 0
c41=cum(X,X,X,X*)=M41-3M20M21
c42=cum(X,X,X*,X*)=M42-|M20|2-2M2 2 0
其中Mpq为p阶矩;
当T1小于等于第一门限时,该基带信号识别为MQAM信号,反之为MPSK信号;
对于MPSK信号,当T2为零时,该MPSK信号为8PSK,其余T2为1的MPSK信号中若T3同时又为1时,该信号为BPSK,对其余的MPSK信号再做差分处理,处理后若T4为1则为QPSK,若T4为0则为OQPSK;
对于MQAM信号,当T2小于等于第二门限时,该MQAM信号为32QAM,接着对其余MQAM信号在同相分量上做投影,聚类分析后得到聚类中心数目,聚类中心数目等于4时,该MQAM信号为16QAM,聚类中心数目等于8时,该MQAM信号为64QAM。
上面所述的矩Mpq为:
Mpq=E[X(t)p-qX*(t)q]。
所述的第一门限为0.84,所述第二门限为0.65。
有益效果:本发明采用了二阶和四阶累积量,各种数字调制信号在累积量的取值上有所不同,根据他们的不同取值,设置了特征量,利用特征量完成了信号识别。高阶累积量可以把MPSK信号和MQAM信号区分开来,对于MQAM信号的区分采用的是高阶累积量和聚类分析联合的方法。本发明采用了聚类分析的方法,这种方法不需要事先指定聚类的数目,可以自适应地确定数据的聚类中心数据和位置,这样便可以识别幅度相位调制的信号,比如MQAM信号。MQAM信号的星座图不同,它们的点数和位置可以用来区分MQAM信号。16QAM在星座图上有16个点,32QAM有32个,而64QAM有64个,做聚类分析之后会有不同的聚类中心数目,根据数目的不同设置识别算法,识别出MQAM信号。因此本发明利用PXIe的高速数据处理功能,识别了BPSK、QPSK、8PSK、OQPSK、16QAM、32QAM和64QAM信号。
附图说明
图1为本发明调制识别流程图;
图2为本发明中MPSK信号识别流程;
图3为本发明中MQAM信号识别流程;
图4为本发明中调制识别系统流程。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。
首先需要搭建PXIe系统软件和硬件平台,使得系统可以正常地接收和处理数据,对于到来的数据,如果数据过长,可以选取其中的一段,因为如果数据段过长会导致识别的处理时间太长。如果数据太短,又会导致信号的特性不能充分地体现。如图1所示, 本发明的调制识别流程包括信号预处理,信号特征提取和设计分类器识别三个部分。
信号预处理包括信号的载频估计,码元同步等操作,它将高频信号转换到中频或者基带,本发明使用了信号的基带数据。特征提取环节设计了几个特征参数,包括:
(1)T1=|c42|/|c21|2
(2)T2=|c40|/|c42|
(3)T3=|c41|/|c42|
(4)T4=|c42|/|c40|
其中c21为二阶累积量,而c40c41c42为四阶累积量,对于复随机过程X(t),如果均值为零,定义p阶矩为:
Mpq=E[X(t)p-qX*(t)q]
常用的几个高阶累积量可以表示如下:
c20=cum(X,X)=M20
c21=cum(X,X*)=M21
c40=cum(X,X,X,X)=M40-3M2 2 0
c41=cum(X,X,X,X*)=M41-3M20M21
c42=cum(X,X,X*,X*)=M42-|M20|2-2M2 2 0
其中cum代表信号的累积量。对于正态分布的信号,用一阶、二阶统计量就可以表示其统计特征,但有些随机过程不满足高斯分布特性,这时可以使用高阶累积量来表示随机过程的统计特性,也就是说,高阶累积量包含了比一阶和二阶统计量更丰富的信息。高阶累积量还可以抵抗高斯噪声的影响,有利于在有噪声环境下信号的处理。
有了累积量的取值之后,下面分析介绍各种信号在参数T1,T2,T3,T4上取值的不同。
T1参数的取值表为:
BPSK | QPSK | 8PSK | OQPSK | 16QAM | 32QAM | 64QAM | |
T1 | 2 | 1 | 1 | 1 | 0.68 | 0.68 | 0.61 |
如果设置T1的门限值在0.68和1之间,可以识别MPSK和MQAM信号,系统采用的门限可以设置为(0.68+1)/2=0.84。小于等于0.84的可以认为是MQAM信号,否则为MPSK信号。本发明采用了0.84的门限值,可以区分MPSK和MQAM信号。在区分了MPSK和MQAM信号以后,针对MPSK信号还有进一步的识别方案,MQAM信号也有进一步的识别方案。
2.MPSK信号进一步识别
MPSK信号的进一步识别,可以用到参数T2,参数T2的取值表为:
BPSK | QPSK | 8PSK | OQPSK | |
T2取值 | 1 | 1 | 0 | 1 |
注意到8PSK的T2取值为零,而其他三种信号的T2取值为1,这是8PSK与其他三种信号不同的地方。其余三种信号的识别需要用到参数T3T3的取值情况表为:
BPSK | QPSK | 8PSK | OQPSK | |
T3取值 | 1 | 0 | 0 | 0 |
注意到BPSK的T3取值为1,而其他三种信号的T3取值为0。此时,BPSK和8PSK信号已经可以区分开,而QPSK和OQPSK信号由于T2和T3取值相同依然无法区分。OQPSK是偏移四相相移键控,它与QPSK的相位是相同的,它也可以分为正交和同相两路,进行正交调制,但与QPSK有所不同,它的同相和正交支路的数据流在时间上是错开的,错开半个码元周期,这样,OQPSK信号的相位值可能在一路发生相位的偏转,因此,OQPSK信号的相位只会反转0度或者90度。QPSK信号的相位反转存在180度的可能。OQPSK信号减少了相位的反转,信号在包络上的起伏比QPSK信号更小,OQPSK信号得到了很多应用。为了区分QPSK和OQPSK信号,需要先对两种信号做差分处理,然后利用参数T4来区分两种信号。经过差分处理后,QPSK信号的T4取值为1而OQPSK信号的T4取值为0,利用这个特性,可以区分QPSK和OQPSK信号。识别的流程如图2所示。
3.MQAM信号进一步识别
16QAM、32QAM和64QAM信号的识别使用的是四阶累积量和聚类分析相结合的方法,参数T2的取值情况为:
16QAM | 32QAM | 64QAM | |
T2取值 | 1 | 0.3 | 1 |
T2可以区分32QAM信号。16QAM和64QAM信号的T2取值为1,本发明采用了(0.3+1)/2=0.65的门限值,可以先把32QAM信号识别出来。T2小于等于0.65时,可以认为是32QAM信号,否则为16QAM或者64QAM信号。接下来,对16QAM和64QAM的数据在同相分量上做投影,做聚类分析得到聚类中心的数目,16QAM在同相分量上投影的聚类中心数目为4,64QAM信号在同相分量上投影的聚类中心数目为8。以此来区分16QAM和64QAM信号。这样,16QAM、32QAM和64QAM信号得到了区分,从而实现了调制信号识别。识别的流程如图3所示。
4.PXIe系统实现
使用NI提供的矢量信号分析器和主控器,把信号的基带数据导入矢量信号分析仪器,数据存放在板卡中,利用硬件设备驱动和软件环境,使用labview编程,从硬件设备中获取一定长度的数据,计算它们的累积量取值,首先把MPSK和MQAM信号区分开,如果是MPSK信号,使用上述的MPSK进一步识别方法识别PSK信号的阶数,如果是MQAM信号,使用高阶累积量先区分32QAM信号,如果是16QAM或者64QAM信号,这时可以使用聚类算法,区分它们,从而实现调制信号识别。
Claims (4)
1.一种基于PXIe模块化仪器的调制识别方法,其特征在于,包括以下步骤:
对接收到的所有软件无线电基带信号计算下列四个特征参数:
T1=|c42|/|c21|2
T2=|c40|/|c42|
T3=|c41|/|c42|
T4=|c42|/|c40|
其中c21为二阶累积量,c40c41c42为四阶累积量,分别表示如下,式中cum代表信号的累积量:
c20=cum(X,X)=M20
c21=cum(X,X*)=M21
c41=cum(X,X,X,X*)=M41-3M20M21
其中Mpq为p阶矩;
当T1小于等于第一门限时,该基带信号识别为MQAM信号,反之为MPSK信号;
对于MPSK信号,当T2为零时,该MPSK信号为8PSK,其余T2为1的MPSK信号中若T3同时又为1时,该信号为BPSK,对其余的MPSK信号再做差分处理,处理后若T4为1则为QPSK,若T4为0则为OQPSK;
对于MQAM信号,当T2小于等于第二门限信号时,该MQAM信号为32QAM,接着对其余MQAM信号在同相分量上做投影,聚类分析后得到聚类中心数目,聚类中心数目等于4时,该MQAM信号为16QAM,聚类中心数目等于8时,该MQAM信号为64QAM。
2.根据权利要求1所述的基于PXIe模块化仪器的调制识别方法,其特征在于,所述p阶矩Mpq为:
Mpq=E[X(t)p-qX*(t)q]。
3.根据权利要求1所述的基于PXIe模块化仪器的调制识别方法,其特征在于,所述第一门限为0.84。
4.根据权利要求1所述的基于PXIe模块化仪器的调制识别方法,其特征在于,所述第二门限为0.65。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091533.XA CN104717167A (zh) | 2015-02-28 | 2015-02-28 | 一种基于PXIe模块化仪器的调制识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091533.XA CN104717167A (zh) | 2015-02-28 | 2015-02-28 | 一种基于PXIe模块化仪器的调制识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104717167A true CN104717167A (zh) | 2015-06-17 |
Family
ID=53416141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510091533.XA Pending CN104717167A (zh) | 2015-02-28 | 2015-02-28 | 一种基于PXIe模块化仪器的调制识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104717167A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108206797A (zh) * | 2016-12-20 | 2018-06-26 | 天津大学(青岛)海洋工程研究院有限公司 | 一种基于软件无线电的通信信号调制方式自适应识别方法 |
CN115022138A (zh) * | 2022-05-25 | 2022-09-06 | 安徽白鹭电子科技有限公司 | 一种基于投影寻踪和实数编码加速遗传算法的信号调制样式识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5636250A (en) * | 1994-12-13 | 1997-06-03 | Hitachi America, Ltd. | Automatic VSB/QAM modulation recognition method and apparatus |
CN102916917A (zh) * | 2012-09-25 | 2013-02-06 | 哈尔滨工程大学 | 基于切片双谱和小波变换的fsk信号个体识别方法 |
CN103067325A (zh) * | 2013-01-31 | 2013-04-24 | 南京邮电大学 | 基于多类特征参数和证据理论的协作调制识别方法 |
CN103780462A (zh) * | 2014-01-22 | 2014-05-07 | 中国人民解放军理工大学 | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 |
-
2015
- 2015-02-28 CN CN201510091533.XA patent/CN104717167A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5636250A (en) * | 1994-12-13 | 1997-06-03 | Hitachi America, Ltd. | Automatic VSB/QAM modulation recognition method and apparatus |
CN102916917A (zh) * | 2012-09-25 | 2013-02-06 | 哈尔滨工程大学 | 基于切片双谱和小波变换的fsk信号个体识别方法 |
CN103067325A (zh) * | 2013-01-31 | 2013-04-24 | 南京邮电大学 | 基于多类特征参数和证据理论的协作调制识别方法 |
CN103780462A (zh) * | 2014-01-22 | 2014-05-07 | 中国人民解放军理工大学 | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 |
Non-Patent Citations (1)
Title |
---|
李晏: ""基带PSK、QAM信号调制子类自动识别研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108206797A (zh) * | 2016-12-20 | 2018-06-26 | 天津大学(青岛)海洋工程研究院有限公司 | 一种基于软件无线电的通信信号调制方式自适应识别方法 |
CN115022138A (zh) * | 2022-05-25 | 2022-09-06 | 安徽白鹭电子科技有限公司 | 一种基于投影寻踪和实数编码加速遗传算法的信号调制样式识别方法 |
CN115022138B (zh) * | 2022-05-25 | 2024-03-12 | 安徽白鹭电子科技有限公司 | 一种基于投影寻踪和实数编码加速遗传算法的信号调制样式识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110855591B (zh) | 一种基于卷积神经网络结构的qam和psk信号类内调制分类方法 | |
CN102497343A (zh) | 一种基于聚类和支持向量机的联合调制识别方法 | |
CN109886075A (zh) | 一种基于星座图的信号调制样式识别方法 | |
CN104994045A (zh) | 一种基于usrp平台的数字调制方式自动识别平台及方法 | |
CN105122756B (zh) | 用于在无线通信系统中发送/接收信号的方法和装置 | |
CN104717167A (zh) | 一种基于PXIe模块化仪器的调制识别方法 | |
CN103067325A (zh) | 基于多类特征参数和证据理论的协作调制识别方法 | |
CN102545875B (zh) | 电平识别切换电路 | |
Ahmadi | Using fuzzy clustering and TTSAS algorithm for modulation classification based on constellation diagram | |
Li et al. | Modulation recognition algorithm of digital signal based on support vector machine | |
Hou et al. | Electromagnetic signal feature fusion and recognition based on multi-modal deep learning | |
CN102546519B (zh) | 为软判决球形解码算法定义搜索序列的方法 | |
Lin et al. | A real-time modulation recognition system based on software-defined radio and multi-skip residual neural network | |
Huynh-The et al. | RanNet: Learning residual-attention structure in CNNs for automatic modulation classification | |
CN101909035A (zh) | 无线通信中识别正交频分复用信号子载波调制方式的方法 | |
CN109088837A (zh) | 一种基于聚类分析的多种雷达与通信信号分类方法 | |
CN101442512A (zh) | Ofdm信号的识别方法 | |
CN102594768B (zh) | 适用于多qam系统的软解调方法及装置 | |
Zhu | Automatic classification of digital communication signal modulations | |
CN102592153A (zh) | 一种抑制系统噪声的rfid反向信号接收方法 | |
CN113361433A (zh) | 一种基于神经网络的调制信号识别方法及其应用 | |
Yang et al. | Maximum log-likelihood function-based QAM signal classification over fading channels | |
CN107070602A (zh) | 一种基于k均值聚类算法的空间调制系统盲检测方法 | |
Azarmanesh et al. | New results on a two-stage novel modulation classification technique for cognitive radio applications | |
CN118264514B (zh) | 一种通信调制识别方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150617 |