CN106443604B - Lfm/bpsk混合调制信号盲处理结果的校验方法 - Google Patents
Lfm/bpsk混合调制信号盲处理结果的校验方法 Download PDFInfo
- Publication number
- CN106443604B CN106443604B CN201610843075.5A CN201610843075A CN106443604B CN 106443604 B CN106443604 B CN 106443604B CN 201610843075 A CN201610843075 A CN 201610843075A CN 106443604 B CN106443604 B CN 106443604B
- Authority
- CN
- China
- Prior art keywords
- bpsk
- lfm
- signal
- hybrid
- extreme value
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明针对线性调频/二相编码(LFM/BPSK)混合调制信号的盲处理结果,提出了一种通过广义极值(GEV)分布拟合检验的校验方法。首先根据调制识别结果对应的信号模型构造参考信号,计算此参考信号与观测信号的平方相关谱,适当分段后取每个分段的最大值构成分组极值序列,而后利用KS方法对分组极值序列作GEV分布拟合检验,对单次LFM/BPSK信号盲处理的结果作出统计判决。计算机仿真结果表明,该方法可以在缺乏信号及噪声方差信息条件下对LFM/BPSK信号盲处理结果的可信性进行有效检验。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种基于GEV(Generalized ExtremeValue)分布拟合检验的LFM/BPSK(linear frequency modulation/binary phase shiftkeying)混合调制信号盲处理结果的校验方法。
背景技术
在非协作信号处理场合(如电子侦察、认知无线电等),由于缺乏信号的先验信息,前端处理环节中的检测、调制识别及参数估计等只能进行盲处理。显然,其处理结果的可靠与否,直接影响后续环节(如信号的跟踪、干扰及频谱管理)的性能。因此,对信号盲处理结果的校验,对于提高整个处理系统的有效性与可靠性具有重要价值,已成为军用及民用信号处理中的热点与难点课题,并引起相关学者普遍重视。
相关文献针对雷达脉内分析中常用单一调制信号,利用幅度、相位等特征,对其盲处理结果的进行了校验。但在雷达电子侦察中,随着电磁环境的复杂化,为了进一步提高性能及战场生存概率,混合调制信号被广泛采用,常见的混合调制信号如:LFM/BPSK、FSK/BPSK、S型非线性调频等。显然,此类信号因为调制机制复杂,其解调过程发生错误的概率更大,对其处理结果的校验更具实际价值。目前的相关研究大都集中于对单一调制信号处理结果的校验,针对混合调制信号盲处理结果的校验研究尚未见公开。
发明内容
本发明的针对现有技术中的不足,提供一种LFM/BPSK混合调制信号盲处理结果的校验方法。
为实现上述目的,本发明采用以下技术方案:
一种LFM/BPSK混合调制信号盲处理结果的校验方法,其特征在于,包括如下步骤:
1)建立参考信号:对观测信号进行调制方式识别,根据识别结果对应的模型,构建参考信号并建立假设检验问题;
2)选取特征:将参考信号与接收到的观测信号相关,计算相关序列的相关谱,对相关谱分组取最大值,得到分组极值序列;
3)根据分组极值序列计算相关谱的GEV经验积累分布函数,将假设检验问题转化为概率分布拟合检验,利用Kolmogorov-Smirnov方法进行分布拟合检验;
4)根据拟合优度校验LFM/BPSK信号的盲处理结果。
为优化上述技术方案,采取的具体措施还包括:
在步骤1)中,建立叠加了高斯白噪声的LFM/BPSK混合调制信号模型为
x(n)=s(n)+w(n)
=Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1
其中,A为信号幅度,j为虚数单位,f0为起始频率,Δt为采样间隔,l为调频斜率,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,w(n)为零均值加性复高斯白噪声过程;
构建参考信号y(n),建立假设检验问题H0和H1,H0表示调制方式识别结果正确且无解码错误,H1表示调制方式识别错误或存在至少一位错误解码。
步骤2)中具体包括以下步骤:
2.1)计算参考信号和观测信号的相关序列z(n)=x(n)+y(n);
2.2)对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到相关谱Zm(k)=|DFT[zm(n)]|,0≤k≤N-1;
2.3)定义平方相关谱
2.4)将R(k)分为L组,取第i组的最大值γi,i=0,...,L-1,得到分组极值序列Γ=(γ0,γ1,...,γL-1),每组的长度为5-15个样本点。
步骤3)中具体包括以下步骤:
3.1)根据分组极值序列Γ=(γ0,γ1,...,γL-1)计算平方相关谱R(k)的GEV经验积累分布函数将H0与H1的假设检验问题转化为概率分布拟合检验其中F0为Gumbel分布的理论分布;
3.2)利用分组极值序列Γ=(γ0,γ1,...,γL-1),构造经验分布函数I(x)为示性函数,当输入条件满足时,取1,否则为0;
3.3)将与F0之间差异的最大值作为分布拟合检验的统计量,即
计算D的估计值
的显著性水平其中P为概率,
本发明的有益效果是:可在无信号参数及噪声方差信息的条件下,有效完成对LFM/BPSK复合信号盲处理结果的校验,方法简单有效,对于提高雷达情报分析结果的可靠性与有效性具有重要的理论价值与实践意义。此外,该方法还可推广到其它混合调制信号盲处理结果的校验中。
附图说明
图1是本发明的方法流程图。
图2-6是不同假设下平方相关谱的经验分布与Gumbel理论分布的对比示意图。
图2表示识别正确且无解码错误。
图3表示误识为LFM信号。
图4表示误识为BPSK信号。
图5表示识别正确,但存在1位解码错误。
图6表示识别正确,但存在2位解码错误。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
本发明首先根据调制识别结果对应的信号模型构造参考信号,计算此参考信号与观测信号的平方相关谱,适当分段后取每个分段的最大值构成分组极值序列,而后利用KS方法对分组极值序列作GEV分布拟合检验,对单次LFM/BPSK信号盲处理的结果进行校验。
图1示出了基于GEV分布拟合检验的LEM/BPSK混合调制信号盲处理结果的校验方法流程,具体包括以下几个步骤:
1、参考信号建立:
构建叠加了高斯白噪声的LFM/BPSK混合调制信号模型为
x(n)=s(n)+w(n)
=Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1
其中,A为信号幅度,j为虚数单位,f0为起始频率,Δt为采样间隔,l为调频斜率,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,w(n)为零均值加性复高斯白噪声过程,其实部与虚部相互独立,且与信号互不相关,方差为2σ2。
可将LFM/BPSK信号盲处理结果的校验归结为如下假设检验问题:
H0表示调制方式识别结果正确且无解码错误;
H1表示调制方式识别错误或存在至少一位错误解码。
对观测信号进行调制方式识别,根据识别结果对应的模型,构建参考信号y(n)。
1)若调制方式识别正确、LFM信号分量的参数准确且BPSK信号分量无解码错误时,即H0,利用适配参数集:起始频率调频斜率及BPSK信号分量的相位函数构造适配参考信号
2)若调制方式识别正确但存在解码错误时,记为H1中的H1A,仍根据BPSK/LFM信号模型的失配参数集:起始频率调频斜率及BPSK信号分量的相位函数建立失配参考信号
3)若LFM/BPSK信号的调制识别结果错误且误识为LFM信号时,记为H1中的H1B,建立失配参考信号
2、特征选取:将参考信号与接收到的观测信号相关,计算相关序列的平方谱,并将其分组取最大值,得到分组极值序列。
2.1计算参考信号与接收观测信号的相关序列。
1)在H0假设下,将参考信号与接收到的观测信号相关后得相关序列z0(n)
z0(n)=x(n)y0(n)=Aexp[j(2πΔfΔtn+πΔlΔt2n2+Δθ(n)+θ0)]+w(n)y0(n)
=s0(n)+w0(n)
式中,s0(n)与w0(n)分别表示相关序列z0(n)中的信号分量与噪声分量,分别为起始频率、调频系数以及相位函数的误差。
2)在H1A假设下,可得相关序列为
z1(n)=x(n)y1A(n)=Aexp[j(2πΔfΔtn+πΔlΔt2n2+Δθ(n)+θ0)]+w(n)y1A(n)
=s1A(n)+w1A(n)
式中,s1A(n),w1A(n)分别表示相关序列z1(n)的信号分量与等效噪声分量,如前所述,分别为失配时的参数误差。
3)在H1B假设下,相关序列为
z(n)=x(n)y1BLFM(n)=Aexp[j(2πΔfΔtn+πΔlΔt2n2+θ(n)+θ0)]+w(n)y1BLFM(n)
=s1BLFM(n)+w1BLFM(n)
式中参数如前所述,以此类推。
2.2对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到相关谱Zm(k)=|DFT[zm(n)]|,0≤k≤N-1。
2.3定义平方相关谱
2.4将R(k)分为L组,取第i组的最大值γi,i=0,...,L-1,得到分组极值序列Γ=(γ0,γ1,...,γL-1),每组的长度为5-15个样本点,具体根据信号长度来确定。
3、根据分组极值序列Γ=(γ0,γ1,...,γL-1)计算平方相关谱R(k)的GEV经验积累分布函数并区分H0与H1的假设检验问题,将其转化为如下概率分布拟合检验:
其中,F0为Gumbel分布的理论分布。
然后,利用Kolmogorov-Smirnov方法进行分布拟合检验,具体流程如下:
利用分组极值序列Γ=(γ0,γ1,...,γL-1),构造经验分布函数I(x)为示性函数,当输入条件满足时,取1,否则为0。
将与F0之间差异的最大值作为分布拟合检验的统计量,即
计算D的估计值
的显著性水平
其中P为概率,
4、可信性判决:给定显著性水平α,若则H0假设成立,否则H0不成立。
图2-6是对不同假设下的平方相关谱的经验分布与Gumbel理论分布的对比示意图。图中单独的一条曲线为根据样本拟合得到的经验分布,而密集的线阵对应于Gumbel分布函数。由图可见:1)在H0假设下,分组极值序列Γ=(γ0,γ1,...,γL-1)的GEV经验分布与理论Gumbel分布基本吻合,说明分组极值序列Γ=(γ0,γ1,...,γL-1)服从Gumbel分布;2)在H1假设下,分组极值序列Γ=(γ0,γ1,...,γL-1)的GEV经验分布与理论Gumbel分布存在不吻合之处,说明分组极值序列Γ=(γ0,γ1,...,γL-1)不服从Gumbel分布。于是,对LFM/BSPK复合调制信号盲处理结果的校验可转化为对分组极值序列Γ=(γ0,γ1,...,γL-1)的GEV分布的拟合优度检验。
假设接收到的观测信号为叠加了高斯白噪声的LFM/BPSK混合调制信号,表1所示为利用基于GEV分布拟合检验的LFM/BPSK混合调制信号盲处理结果的校验方法进行检验时的统计性能仿真结果。
其中,LFM/BPSK混合调制信号起始频率100MHz,调频系数l=300MHz/s,码元宽度0.4μs,码序列为13位巴克码,初相位为π/4时,样本长度为1040点,显著性水平分别为0.01,0.05,0.1,分块数为5。
表1不同信噪比的校验性能(EVT法)
当信噪比等于3dB时,所选择的处理方法,1000次仿真中不可信处理结果的次数为2,可信处理结果的次数为998,Pfa取0.01时,利用本文方法对处理结果的可信性进行检验时,平均正确校验概率近似为99.9%。信噪比小于-3dB大于-7dB时,1000次仿真中,出现不可信处理的次数急骤增加,本方法具有较好的校验性能。以-3dB为例,虚警概率Pfa取0.1时,平均正确校验概率达98.9%。信噪比小于-5dB之后,可信性评估算法性能变差。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (4)
1.一种LFM/BPSK混合调制信号盲处理结果的校验方法,其特征在于,包括如下步骤:
1)建立参考信号:对观测信号进行调制方式识别,根据识别结果对应的模型,构建参考信号并建立假设检验问题;
2)选取特征:将参考信号与接收到的观测信号相关,计算相关序列的相关谱,对相关谱分组取最大值,得到分组极值序列;
3)根据分组极值序列计算相关谱的GEV经验积累分布函数,将假设检验问题转化为概率分布拟合检验,利用Kolmogorov-Smirnov方法进行分布拟合检验;
4)根据拟合优度校验LFM/BPSK信号的盲处理结果;
在步骤1)中,建立叠加了高斯白噪声的LFM/BPSK混合调制信号模型为
x(n)=s(n)+w(n)
=Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1
其中,A为信号幅度,j为虚数单位,f0为起始频率,Δt为采样间隔,l为调频斜率,BPSK分量的相位函数θ(n)=πd2(n),d2(n)为二元编码信号,其码元宽度为Tc,码元个数Nc,码字为cm,m=1,...,Nc,θ0为初相位,N为样本点数,w(n)为零均值加性复高斯白噪声过程;
构建参考信号y(n),建立假设检验问题H0和H1,H0表示调制方式识别结果正确且无解码错误,H1表示调制方式识别错误或存在至少一位错误解码。
2.如权利要求1所述的LFM/BPSK混合调制信号盲处理结果的校验方法,其特征在于:步骤2)中具体包括以下步骤:
2.1)计算参考信号和观测信号的相关序列z(n)=x(n)+y(n);
2.2)对相关序列去均值后得到零均值的相关序列zm(n),对零均值的相关序列作DFT变换并取模,得到相关谱Zm(k)=|DFT[zm(n)]|,0≤k≤N-1;
2.3)定义平方相关谱
2.4)将R(k)分为L组,取第i组的最大值γi,i=0,...,L-1,得到分组极值序列Γ=(γ0,γ1,...,γL-1),每组的长度为5-15个样本点。
3.如权利要求2所述的LFM/BPSK混合调制信号盲处理结果的校验方法,其特征在于:步骤3)中具体包括以下步骤:
3.1)根据分组极值序列Γ=(γ0,γ1,...,γL-1)计算平方相关谱R(k)的GEV经验积累分布函数将H0与H1的假设检验问题转化为概率分布拟合检验其中F0为Gumbel分布的理论分布;
3.2)利用分组极值序列Γ=(γ0,γ1,...,γL-1),构造经验分布函数I(x)为示性函数,当输入条件满足时,取1,否则为0;
3.3)将与F0之间差异的最大值作为分布拟合检验的统计量,即
计算D的估计值
的显著性水平其中P为概率,
4.如权利要求3所述的LFM/BPSK混合调制信号盲处理结果的校验方法,其特征在于:在步骤4)中,对于显著性水平α,若则H0假设成立,若则H1假设成立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610843075.5A CN106443604B (zh) | 2016-09-22 | 2016-09-22 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610843075.5A CN106443604B (zh) | 2016-09-22 | 2016-09-22 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106443604A CN106443604A (zh) | 2017-02-22 |
CN106443604B true CN106443604B (zh) | 2018-09-21 |
Family
ID=58166783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610843075.5A Active CN106443604B (zh) | 2016-09-22 | 2016-09-22 | Lfm/bpsk混合调制信号盲处理结果的校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106443604B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607920B (zh) * | 2017-09-14 | 2020-05-26 | 金陵科技学院 | 基于gp分布拟合检验的复合调制信号分析结果校验方法 |
CN107528673B (zh) * | 2017-09-26 | 2021-01-26 | 金陵科技学院 | 一种基于相关谱峰值检验的sm/al空时码识别方法 |
CN107682119B (zh) * | 2017-09-26 | 2020-06-09 | 金陵科技学院 | 一种基于分组极值模型的mimo空时码识别方法 |
CN110602010B (zh) * | 2019-09-16 | 2021-04-20 | 金陵科技学院 | 基于pot模型的bpsk信号盲处理结果可信性评估方法 |
CN110730146B (zh) * | 2019-09-16 | 2021-04-06 | 金陵科技学院 | 基于bm模型的bpsk信号盲处理结果可信性评估方法 |
CN111191633B (zh) * | 2020-01-14 | 2023-08-22 | 中国人民解放军国防科技大学 | 一种从已知数据序列中探查目标曲线的方法、系统及介质 |
CN112235077B (zh) * | 2020-10-09 | 2021-07-27 | 金陵科技学院 | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 |
CN112364823B (zh) * | 2020-11-30 | 2023-09-19 | 金陵科技学院 | 5g多载波信号识别方法 |
CN115225438B (zh) * | 2022-07-07 | 2023-05-26 | 金陵科技学院 | 基于分段线性压缩量化的bpsk及qpsk信号调制识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710889A (zh) * | 2009-11-03 | 2010-05-19 | 上海大学 | 多路线性混合数字调制信号的盲符号率估计方法 |
CN103607370A (zh) * | 2013-11-22 | 2014-02-26 | 南京信息职业技术学院 | 一种复bpsk信号盲处理结果的可信性评估方法 |
CN104767700A (zh) * | 2015-04-21 | 2015-07-08 | 南京信息职业技术学院 | 一种基于相位谱特征的bpsk信号处理结果可信性评估方法 |
-
2016
- 2016-09-22 CN CN201610843075.5A patent/CN106443604B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710889A (zh) * | 2009-11-03 | 2010-05-19 | 上海大学 | 多路线性混合数字调制信号的盲符号率估计方法 |
CN103607370A (zh) * | 2013-11-22 | 2014-02-26 | 南京信息职业技术学院 | 一种复bpsk信号盲处理结果的可信性评估方法 |
CN104767700A (zh) * | 2015-04-21 | 2015-07-08 | 南京信息职业技术学院 | 一种基于相位谱特征的bpsk信号处理结果可信性评估方法 |
Non-Patent Citations (2)
Title |
---|
Fast and robust modulation classification via Kolmogorov-Smirnov test;Wang F et al.;《IEEE Transaction on Communication》;20100823;2324-2332 * |
基于K-S检验的BPSK信号盲处理结果可信性评估;胡国兵 等;《电子学报》;20141015(第10期);1882-1886 * |
Also Published As
Publication number | Publication date |
---|---|
CN106443604A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443604B (zh) | Lfm/bpsk混合调制信号盲处理结果的校验方法 | |
CN106411803B (zh) | 基于顺序统计量特征的混合调制信号盲处理结果校验方法 | |
CN108960138B (zh) | 一种基于卷积神经网络的设备认证特征识别方法 | |
CN104869096B (zh) | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 | |
CN108988987B (zh) | 基于极值似然比的复杂调制信号处理结果可信性校验方法 | |
CN110099019A (zh) | 基于深度学习的LoRa调制信号检测方法 | |
CN104038296B (zh) | 一种认知无线电网络的协作频谱检测方法 | |
CN107607920A (zh) | 基于gp分布拟合检验的复合调制信号分析结果校验方法 | |
CN109874148B (zh) | 天馈异常检测方法、装置、系统及计算机设备 | |
CN103607370B (zh) | 一种复bpsk信号盲处理结果的可信性评估方法 | |
CN109168166A (zh) | 物理层认证系统的安全性检测方法 | |
CN110475246A (zh) | 基于孤立森林和序贯概率比检验的恶意锚节点检测方法 | |
Wu et al. | DSLN: Securing Internet of Things through RF fingerprint recognition in low-SNR settings | |
CN116577808A (zh) | 一种基于接收机相关器输出的导航欺骗干扰检测方法 | |
CN105812076A (zh) | 基于统计域联合时频域的辐射计射频干扰检测方法与装置 | |
CN103346847A (zh) | 基于迭代攻击检测的联合压缩频谱感知方法 | |
CN111274911A (zh) | 基于无线微波衰减特征迁移学习的浓雾监测方法 | |
CN116359851A (zh) | 一种基于融合网络的雷达有源干扰检测识别方法及装置 | |
CN104270331A (zh) | 基于hough变换的bpsk信号盲识别结果的有效性评估方法 | |
CN103970129B (zh) | 控制阀粘滞检测方法 | |
CN112235077B (zh) | 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法 | |
CN106443660A (zh) | 一种线性调频连续波雷达多运动目标匹配方法 | |
Sardar et al. | Vehicle detection and classification using LTE‐CommSense | |
CN104868962A (zh) | 基于压缩感知的频谱检测方法及装置 | |
CN104734793A (zh) | 基于p次方的无线协作频谱感知的能量检测方法 |
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 |