CN107948107B

CN107948107B - 一种基于联合特征的数字调制信号分类方法

Info

Publication number: CN107948107B
Application number: CN201711138607.6A
Authority: CN
Inventors: 杨金金; 庞豪; 王江
Original assignee: Chengdu Jiujin Technology Co ltd
Current assignee: Chengdu Jiujin Technology Co ltd
Priority date: 2017-11-16
Filing date: 2017-11-16
Publication date: 2021-04-20
Anticipated expiration: 2037-11-16
Also published as: CN107948107A

Abstract

本发明特别涉及一种基于联合特征的数字调制信号分类方法，包括如下步骤：(A)接收端对截获到的信号经ADC采样后得到中频实信号；(B)对中频实信号进行预处理得到中频复信号；(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征，并根据这些特征对信号进行识别，若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号，则分类结束；若识别出的信号为MFSK或MQAM调制大类，则执行下一步；(D)对MFSK或MQAM调制大类进行类内识别，识别出当前调制大类下的调制阶数M后分类结束。本发明联合了各种特征进行调制识别，并针对特征接近的信号会利用多层次的频谱特性进行分类，识别率高且适用范围广。

Description

一种基于联合特征的数字调制信号分类方法

技术领域

本发明涉及数字信号处理技术领域，特别涉及一种基于联合特征的数字调制信号分类方法。

背景技术

随着通信技术的进步和各种调制方式的发展，通信环境日益复杂。现在的通信信号在很宽的频带内常采用不同的调制方式和调制参数进行调制和通信，目前通信技术常用的调制方式有：包括2ASK、MPSK、MFSK、MQAM，其中MPSK包括BPSK、QPSK、8PSK和OQPSK，MFSK包括2FSK、4FSK、8FSK、MSK(GMSK)，MQAM包括16QAM、32QAM、64QAM、128QAM、256QAM。如何识别这些信号、判别其调制方式对于军用通信和民用通信来说都非常重要，信号调制方式识别是通信侦察的关键技术之一。

在通信信号调制识别领域，相继发展出各种各样的调制识别算法，不同算法之间的算法适用范围、识别性能等方面都存在差异，如按识别特征量分类，调制识别技术包括：基于信号瞬时特征量的信号识别、谱相关理论识别、小波变换识别、基于高阶累积量识别等等。目前，大部分人选择不同的特征参数，针对各种待识别的信号集提出自己的一套特征参数组进行综合判决，算法的适用目标范围(如待识别信号集的选择、待识别信号的参数适用范围)决定了算法的特征参数组合，现有的调制识别技术大部分只针对14种常用调制方式中的一小部分，比如哈尔滨工业大学于2010年5月14日申请的发明专利《基于平行判决的模拟数字混合调制方式识别装置和数字调制方式识别装置》(申请号：201010172374.3)，其只能实现2ASK、4ASK、BPSK、QPSK、2FSK、4FSK、16QAM这几个调制方式的识别，适用范围小。

发明内容

本发明的目的在于提供一种基于联合特征的数字调制信号分类方法，适用范围极大，可满足大部分调制类型的识别需求。

为实现以上目的，本发明采用的技术方案为：一种基于联合特征的数字调制信号分类方法，包括如下步骤：(A)接收端对截获到的信号经ADC采样后得到中频实信号；(B)对中频实信号进行预处理得到中频复信号；(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征，并根据这些特征对信号进行识别，若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号，则分类结束；若识别出的信号为MFSK或MQAM调制大类，则执行下一步；(D)对MFSK或MQAM调制大类进行类内识别，识别出当前调制大类下的调制阶数M后分类结束。

与现有技术相比，本发明存在以下技术效果：本发明联合了各种特征进行调制识别，包括信号瞬时特征量、高阶统计量特征、频谱特征等等，这样就可适应更大范围的调制信号参数；同时，本发明利用频谱特征进行信号识别时，针对特征接近的信号会利用多层次的频谱特性进行分类，以适应各种符号率、各种滤波器系数下的通信信号识别；本发明提出的算法能适应大范围内的参数变化，且仍可达到较高的识别率，适用范围更广。

附图说明

图1是本发明的预处理流程示意图；

图2是通信信号调制识别整体判别示意图；

图3是QPSK、OQPSK信号分类流程示意图；

图4是QPSK、OQPSK信号的平方谱特征；

图5是部分调制类型信号的gammar_dB特性曲线；

图6是部分调制类型信号的FX特性曲线；

图7是MFSK类内调制阶数识别示意图；

图8是MQAM类内调制阶数识别示意图。

具体实施方式

下面结合图1至图8，对本发明做进一步详细叙述。

参阅图1、图2，一种基于联合特征的数字调制信号分类方法，包括如下步骤：(A)接收端对截获到的信号经ADC采样后得到中频实信号；(B)由于本发明中均是对中频复信号进行处理，所以需要对中频实信号进行预处理得到中频复信号；(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征，并根据这些特征对信号进行识别，这里的谱特征包括频谱、平方谱、四次方谱等，若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号，则分类结束；若识别出的信号为MFSK或MQAM调制大类，则执行下一步；(D)对MFSK或MQAM调制大类进行类内识别，识别出当前调制大类下的调制阶数M后分类结束。本发明联合了各种特征进行调制识别，包括信号瞬时特征量、高阶统计量特征、频谱特征等等，这样就可适应更大范围的调制信号参数；同时，本发明利用频谱特征进行信号识别时，针对特征接近的信号会利用多层次的频谱特性进行分类，以适应各种符号率、各种滤波器系数下的通信信号识别；故而可以支持常用的14种通信信号进行识别，适用范围非常广泛。

参阅图1，所述的步骤B中按如下步骤进行预处理：(B1)记中频实信号为x(t)，对中频实信号进行希尔伯特变换得到解析信号z(t)＝x(t)+j·y(t)，其中y(t)为x(t)的希尔伯特变换；(B2)对解析信号z(t)进行功率归一化处理得到中频复信号

后输出，表达式如下：

由于对信号的瞬时特征量、高阶统计量、谱特征这些信息的获取，都是针对中频复信号进行的，所以这里需要将中频实信号处理成中频复信号，这里通过希尔伯特变换、功率归一化，处理起来非常方便、快捷。

参阅图2、图3，具体地，所述的步骤C中按如下步骤进行处理：(C1)计算中频复信号的频谱并搜索谱峰，若谱峰个数为1个，则为2ASK信号；若谱峰个数不为1，执行下一步；(C2)计算中频复信号的平方谱并搜索谱峰，若谱峰个数为1个，则为BPSK信号；若谱峰个数不为1，执行下一步；(C3)计算中频复信号的四次方谱并搜索谱峰，若谱峰个数为1个，执行步骤C4；若谱峰个数不为1，执行步骤C5；(C4)判断中频复信号的平方谱谱峰个数，若谱峰个数为2，则为OQPSK信号，若谱峰个数不为2，则为QPSK信号，图4所示的就是OQPSK信号和QPSK信号的平方谱，QPSK信号的谱峰个数较多且远大于2，而OQPSK信号的谱峰个数可以明显的看出来只有两个；(C5)计算中频复信号瞬时特征量中的归一化瞬时幅度的谱密度最大值gammar_dB，将gammar_dB与设定好的判决门限th1进行比较，若gammar_dB≤th1，则信号为MFSK调制大类，若gammar_dB＞th1，则执行下一步；(C6)计算中频复信号的高阶统计量FX，将FX与设定好的判决门限th2比较，若FX≥th2，则为8PSK信号，若FX＜th2，则信号为MQAM调制大类。这里通过对信号频谱、平方谱以及四次方谱的谱峰分析，可以识别出2ASK信号、BPSK信号、QPSK信号、OQPSK信号，再通过对瞬时特征量中的归一化瞬时幅度的谱密度最大值gammar_dB以及高阶统计量FX的判决，可以识别出8PSK信号以及MFSK和MQAM调制大类。通过这样的步骤，不用将所有的参数都计算出来，只要能够识别出信号，就可以不用再计算其他参数了，并且上述步骤中，将容易处理、识别的信号优先识别，使得识别的过程更为优化、平均识别速度更快。

作为本发明的优选方案，所述步骤C5中归一化瞬时幅度的谱密度最大值gammar_dB按如下公式计算得出：

图5就是各信号的瞬时特征量中的归一化瞬时幅度的谱密度最大值gammar_dB曲线，从图中我们可以明显的看出，8PSK信号以及MQAM调制大类的16QAM信号、32QAM信号、64QAM信号、128QAM信号、256QAM信号的gammar_dB值明显高于MFSK调制大类的MSK信号、2FSK信号、4FSK信号、8FSK信号的gammar_dB值，判决门限th1可以取-26～-42之间的任意值，为了判决结果更准确，我们可以取-30～-40之间的任意值。

优选地，所述步骤C6中高阶统计量FX按如下公式计算得出：

参阅图6，从图中我们可以明显看出，8PSK信号的FX值明显高于MQAM调制大类的16QAM信号、32QAM信号、64QAM信号、128QAM信号、256QAM信号的FX值，判决门限可以取12.6～15.1之间的任意值，为了判决解决更准确，我们可以取13～14.5之间的任意值。

参阅图7，由MFSK调制原理可知，2FSK信号有2个频率状态，4FSK信号有4个频率状态，8FSK信号有8个频率状态，MSK信号有两个频率状态，但两频率间隔较小，因此可根据瞬时频率下频率集的个数(即谱峰个数)判定当前信号的频率调制阶数。故本发明中优选地，所述的步骤D中，按如下步骤对MFSK调制大类进行类内识别：(D11)对MFSK调制大类信号进行功率谱估计并进行归一化处理后得到功率谱估计序列；(D12)计算功率谱估计序列对应的差分序列值；(D13)搜索谱峰得到谱峰个数n，若谱峰个数n＜2，则为MSK信号；若2≤n＜3，则为2FSK信号；若3≤n＜5，则为4FSK信号，若n≥5，则为8FSK信号。为了排除弱信号起伏的影响，在对差分序列进行符号判决之前，可以设定门槛值λ(P_x)，所述的步骤D12中，仅计算信号能量大于门槛值λ(P_x)的功率谱估计序列对应的差分序列值，这样识别起来更准确，精确度更高。

参阅图8，MQAM调制大类的信号经过一系列处理后，由于载波相位的存在，抽取后的信号在星座图上会发生旋转，如果再考虑到残余载波的影响，这时的信号在星座图上会显示为一个或多个环带。故在有相位旋转和残余载频的情况下，可基于信号模值方差对MQAM调制大类的信号进行调制识别。具体地，所述的步骤D中，(D21)对中频复信号依次经过下变频、符号率估计、码元同步处理后执行下一步，这些处理技术属于通信信号处理中的通用技术，这里就不再详细赘述；(D22)提取最佳采样点，获得信号的星座图，记M阶QAM信号的星座图为b(n)，符号序列的长度为N，然后将信号序列按如下公式归一化处理：

由于调制信号的符号服从独立同分布，因此可以判断星座图中约有4N/M个符号来自最小环带，所以只要把所有的b(n)模值即B(n)从小到大排序，并从最小端截取4N/M长度，即可完成最小环带符号的粗略提取。理想情况下同一个环带内的z′(n)相等，其方差为零，比来自不同环带的z′(n)的方差要小的多，因此，本发明中将M分别取16、32、64、128、256值，然后将每个M对应的方差都计算出来，观察方差的变化来进行信号的识别。具体地，(D23)将B(n)按从小到大排序记为z′(1)≤z′(2)≤…≤z′(N)；从最小端分别截取[4N/16]、[4N/32]、[4N/64]、[4N/128]、[4N/256]项形成新的数列，并计算这五个数列的方差S₁₆、S₃₂、S₆₄、S₁₂₈、S₂₅₆；(D24)若S₂₅₆＜＜S₁₂₈，说明[4N/256]项均来自最小环带且[4N/128]～[4N/256]项并非来自最小环带，所以可以很明确的得知：MQAM信号的阶段M取256，下面的判断方法同理，就不在详细赘述，仅说明判断步骤；若S₁₂₈<<S₆₄，则MQAM信号的阶段M取128；若S₆₄＜＜S₃₂，则MQAM信号的阶段M取64；若S₃₂＜＜S₁₆，则MQAM信号的阶段M取32；否则MQAM信号的阶段M取16。

下面是按照上述步骤，针对{2ASK、BPSK、QPSK、8PSK、OQPSK、2FSK、4FSK、8FSK、MSK(GMSK)、16QAM、32QAM、64QAM、128QAM、256QAM}调制下不同参数的信号的调制识别结果如下表所示：

上表中针对{2ASK、BPSK、QPSK、8PSK、OQPSK、2FSK、4FSK、8FSK、MSK、16QAM、32QAM、64QAM、128QAM、256QAM}给出了识别结果。其中，滤波器一列指截获的信号所采用的发送滤波器类型及成型因子，raise指升余弦滤波器、sqrt指根升余弦滤波器、gauss指高斯滤波器；SNR一列指要达到当前的识别率所需要的最低信噪比，可以看出ASK、MPSK信号识别所需的SNR比MFSK、MQAM更低。

从仿真结果可以看出，本发明提出的算法不仅可识别出的信号调制类型很多，且针对每一种信号下，参数设定范围也较大，如MPSK信号的发送滤波器可为升余弦滤波器和根升余弦滤波器，且系数可从0.1变化到1；如针对2ASK信号，不仅滤波器参数变化范围大，调制深度从100％到30％进行变化时算法也能够识别。本发明考虑了信号参数对识别算法的影响，信号参数包括发送滤波器类型及成型因子、符号率、调制深度(针对ASK信号)、调制频偏(针对MFSK信号)等等，本发明提出的算法能适应大范围内的参数变化，仍可达到较高的识别率，适用范围更广，非常实用。

Claims

1.一种基于联合特征的数字调制信号分类方法，包括如下步骤：

(A)接收端对截获到的信号经ADC采样后得到中频实信号；

(B)对中频实信号进行预处理得到中频复信号；

(C)获取中频复信号的瞬时特征量、高阶统计量、谱特征，并根据这些特征对信号进行识别，若识别出的信号为2ASK信号、BPSK信号、QPSK信号、OQPSK信号、8PSK信号，则分类结束；若识别出的信号为MFSK或MQAM调制大类，则执行下一步；

(D)对MFSK或MQAM调制大类进行类内识别，识别出当前调制大类下的调制阶数M后分类结束；

所述的步骤B中按如下步骤进行预处理：

(B1)记中频实信号为x(t)，对中频实信号进行希尔伯特变换得到解析信号z(t)＝x(t)+j·y(t)，其中y(t)为x(t)的希尔伯特变换；

(B2)对解析信号z(t)进行功率归一化处理得到中频复信号

后输出，表达式如下：

所述的步骤C中按如下步骤进行处理：

(C1)计算中频复信号的频谱并搜索谱峰，若谱峰个数为1个，则为2ASK信号；若谱峰个数不为1，执行下一步；

(C2)计算中频复信号的平方谱并搜索谱峰，若谱峰个数为1个，则为BPSK信号；若谱峰个数不为1，执行下一步；

(C3)计算中频复信号的四次方谱并搜索谱峰，若谱峰个数为1个，执行步骤C4；若谱峰个数不为1，执行步骤C5；

(C4)判断中频复信号的平方谱谱峰个数，若谱峰个数为2，则为OQPSK信号，若谱峰个数不为2，则为QPSK信号；

(C5)计算中频复信号瞬时特征量中的归一化瞬时幅度的谱密度最大值gammar_dB，将gammar_dB与设定好的判决门限th1进行比较，若gammar_dB≤th1，则信号为MFSK调制大类，若gammar_dB>th1，则执行下一步；

(C6)计算中频复信号的高阶统计量FX，将FX与设定好的判决门限th2比较，若FX≥th2，则为8PSK信号，若FX＜th2，则信号为MQAM调制大类；

判决门限th1取-30～-40之间任意值，判决门限th2取13-14.5之间任意值；

所述的步骤D中，按如下步骤对MFSK调制大类进行类内识别：

(D11)对MFSK调制大类信号进行功率谱估计并进行归一化处理后得到功率谱估计序列；

(D12)计算功率谱估计序列对应的差分序列值；

(D13)搜索谱峰得到谱峰个数n，若谱峰个数n<2，则为MSK信号；若2≤n<3，则为2FSK信号；若3≤n<5，则为4FSK信号，若n≥5，则为8FSK信号；

设定门槛值λ(P_x)，所述的步骤D12中，仅计算信号能量大于门槛值λ(P_x)的功率谱估计序列对应的差分序列值。

2.如权利要求1所述的基于联合特征的数字调制信号分类方法，其特征在于：所述步骤C5中归一化瞬时幅度的谱密度最大值gammar_dB按如下公式计算得出：

3.如权利要求2所述的基于联合特征的数字调制信号分类方法，其特征在于：所述步骤C6中高阶统计量FX按如下公式计算得出：

4.如权利要求1所述的基于联合特征的数字调制信号分类方法，其特征在于：所述的步骤D中，

(D21)对中频复信号依次经过下变频、符号率估计、码元同步处理后执行下一步；

(D22)记M阶QAM信号的星座图为b(n)，符号序列的长度为N，将信号序列按如下公式归一化处理：

(D23)将B(n)按从小到大排序记为z′(1)≤z′(2)≤…≤z′(N)；从最小端分别截取[4N/16]、[4N/32]、[4N/64]、[4N/128]、[4N/256]项形成新的数列，并计算这五个数列的方差S₁₆、S₃₂、S₆₄、S₁₂₈、S₂₅₆；

(D24)若S₂₅₆＜＜S₁₂₈，则MQAM信号的阶段M取256；若S₁₂₈＜＜S₆₄，则MQAM信号的阶段M取128；若S₆₄＜＜S₃₂，则MQAM信号的阶段M取64；若S₃₂＜＜S₁₆，则MQAM信号的阶段M取32；否则MQAM信号的阶段M取16。