CN108683622A - 一种基于信号平方谱平坦系数的调制识别方法 - Google Patents

一种基于信号平方谱平坦系数的调制识别方法 Download PDF

Info

Publication number
CN108683622A
CN108683622A CN201810495156.XA CN201810495156A CN108683622A CN 108683622 A CN108683622 A CN 108683622A CN 201810495156 A CN201810495156 A CN 201810495156A CN 108683622 A CN108683622 A CN 108683622A
Authority
CN
China
Prior art keywords
signal
square
flat
composing
identification method
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
Application number
CN201810495156.XA
Other languages
English (en)
Inventor
张君易
杜天宇
傅晓宇
熊文汇
叶辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810495156.XA priority Critical patent/CN108683622A/zh
Publication of CN108683622A publication Critical patent/CN108683622A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明公开一种基于信号平方谱平坦系数的调制识别方法，针对SDPSK和GMSK两种调制信的识别问题，对数字基带信号取平方后求频谱；在信号平方谱中找幅度最高的两根谱线；计算最高两根谱线之间的平坦系数F；选择合适的门限值对平坦系数进行判定以实现对两种调制信号的识别与区分；实现了在信噪比大于10dB的情况下，对SDPSK和GMSK两种信号的调制识别正确率超过99％，并且平方谱平坦系数的特征参数提取简单的效果。

Description

一种基于信号平方谱平坦系数的调制识别方法
技术领域
本发明属于数字信号处理领域，特别涉及一种SDPSK和GMSK信号调制识别技术。
背景技术
常规DPSK调制，由于相邻符号间发生180°相移，经限带后会出现包络为零的现象，这种现象在非线性信道中是不希望出现的，因为这种信号经过C类放大器放大时，会引起AM/AM和AM/PM两种非线性变换，使信号频谱扩展，其旁瓣会干扰临近频道的信号，同时信号失真，给解调带来困难。SDPSK(Symmetrical DPSK)就是能解决上述问题的调制方式。SDPSK和DPSK相比，除同样有误码率特性好、适合非相干解调的特点外，同时在限带传输时还具有包络起伏小的优点，因此得到了广泛的应用。
MSK信号的主要优点是包络恒定并且具有相对较窄的带宽，带外性能相比QPSK信号更好，频谱外功率谱密度下降较快，但其功率谱还是不够紧凑导致实际应用是带外衰减无法满足需求。MSK信号比QPSK带外衰减更好是由于MSK信号相位变化是连续的，以此角度出发，对MSK调制方式进行改进，让附加相位连续并且光滑，即附加相位是高次可微可以使信号功率谱更加紧凑。为了改善相位波动大的缺点，可以在MSK调制前先通过一个低通滤波器进行预滤波，该滤波器能够滤除矩形脉冲序列中的高频成分，这就是GMSK(GaussianFiltered Minimum Shift Keying)调制。GMSK实际是h＝0.5并且具有高斯脉冲响应的FSK信号，其信号功率谱比MSK信号更加紧凑，并且旁瓣宽度更小和衰减速度更快，同时，GMSK信号不仅可以和MSK信号一样进行相干检测，还能和FSK信号一样进行非相干检测。GMSK还具有很好的频谱利用率和抗干扰特性，因此应用范围十分广泛。
调制方式识别，是指在接收方未知信号调制方式的前提下，通过已接收到的信号，判断出信号的调制方式。调制方式是通信信号的一个重要特征，正确识别未知信号的调制方式，是后续信号处理工作如参数估计以及解调的先决条件。通信信号调制方式的自动识别在军事和民用领域都有十分广泛的应用，例如信号认证、干扰识别、频谱管理、通信监视和电子对抗等。调制识别方法主要分为判决理论识别方法和统计模式识别两种。判决理论识别方法基于概率论推导获得检验统计量从而设定合适的门限和判决准则，在实际理论的中具有最小的错误识别率，但是需要更多更精确的先验信息，如载波相位、载波频率、符号速率、信噪比等，因此适用的种类有限而且无法在非合作通信中使用。而统计模式识别方法通过提取信号特征来进行调制方式的分类，提取不同的特征和使用不同的分类器对应着不同的识别方法，该方法理论简单并且适用于更多的调制信号种类，在数字调制识别中得到更广泛的应用。
SDPSK和GMSK信号目前应用广泛，并且也是各方研究的重点，但国内外针对SDPSK和GMSK两种调制方式识别方面的研究却基本没有。
发明内容
为解决上述技术问题，本发明提出一种基于平方谱平坦系数的SDPSK和GMSK信号调制识别方法，提取信号平方谱中幅度最高的两根谱线直接的平坦系数，实现对两种调制信号的识别与区分。
本发明采用的技术方案为：一种基于信号平方谱平坦系数的调制识别方法，通过在数字基带信号平方谱中找幅度最高的两根谱线；计算这两根谱线之间的平坦系数F；根据设定门限值对平坦系数进行判定，对SDPSK与GMSK两种调制信号进行识别。
进一步地，还包括对天线接收到的模拟信号进行预处理得到数字基带信号，所述预处理过程为：经低噪声放大器将天线接收到的模拟信号放大，并带通滤波后再使用模数转换器将模拟信号转换为数字中频信号，对数字中频信号进行下变频得到数字基带信号。
进一步地，所述设定门限为3。
更进一步地，若F＜3，则判定该调制信号为SDPSK信号，否则是GMSK信号。
本发明的有益效果：一种基于信号平方谱平坦系数的调制识别方法，根据SDPSK和GMSK调制信号的平方谱特性，提取数字基带信号平方谱中幅度最高的两根谱线之间的平坦系数，并通过设置合适的判决门限实现对两种调制信号的识别和区分；本发明方法从信号的平方谱中提取特征参数，识别方式简单；同时在信噪比大于10dB的情况下，对SDPSK和GMSK两种调制信号的识别正确率超过99％，本发明方法识别正确率较高。
附图说明
图1为本发明实施例提供的识别流程图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
如图1所示为本发明实施例提供的识别流程图，包括以下步骤：
S1、对数字基带信号取平方后求其频谱得到信号的平方谱
经低噪声放大器将天线接收到的模拟信号放大，带通滤波后再使用模数转换器(Analog to Digital Converter，ADC)将模拟信号转换为数字中频信号，下变频得到数字基带信号。
假定数字基带信号为x(n)，n＝1,2,…m，则该信号取平方为x2(n)，n＝1,2,…m，之后求频谱即进行N点的离散傅里叶变换，表达式为：
其中旋转因子表达式为：
其中，n,k∈[0,N-1]，得到的X[k]就是所求基带信号的平方谱。
S2、在信号平方谱中找幅度最高的两根谱线
本实施例中幅度最高的两根谱线为信号平方谱曲线中谱峰的最高值和其谱峰附近噪声值的差值最大的两根谱线，谱峰附近噪声值为信号平方谱中谱峰区域外固定频率范围幅度值的平均值，固定频率范围为信号带宽的1/8。
根据SDPSK和GMSK调制信号平方谱的性质可知，幅度最高的两根谱线最高值对应的频率f1和f2的均值(f1+f2)/2为信号的2倍载波频率，所述幅度最高的两根谱线最高值对应的频率f1和f2的差值|f2-f1|为信号的符号速率。
本实施例中在2倍载波频率两边对称出现两根幅度最高的谱线，最高的两根谱线的最高值分别在所求N点信号平方谱的[1,N/2]和[N/2，N]范围内，其中，2倍载波频率点为信号平方谱的中点
S3、计算最高两根谱线之间的平坦系数F
平坦系数F为描述平方谱中幅度最高两根谱线之间曲线起伏状态的系数，该起伏状态为信号平方谱中2倍载频处附近幅度均值M0与两根谱线附近幅度均值M1、M2和的比值，表示为：
其中：
式中，X(f)为调制信号的平方谱；mean(X(f))表示求X(f)的平均数或者均值；fc为估计的2倍载频，fc＝(f1+f2)/2；f1和f2分别是平方谱中幅度最高两根谱线最高值对应的频率；Bw为信号带宽。
若平坦度系数F≈1，则表明两根谱线之间的平方谱基本平坦，若F＜1，说明两根谱线间的平方谱是下凹的，若F＞1，则两根谱线间的平方谱是上凸的。
S4、选择合适的门限值对平坦系数进行判定以实现对两种调制信号的识别与区分
对所求平坦系数F进行判定，本发明实施例中根据SDPSK和GMSK两种调制信号平方谱平坦系数规律选择判决门限为3。
若F＜3，则判定该信号为SDPSK信号，反之则判定信号是GMSK信号。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (4)

1.一种基于信号平方谱平坦系数的调制识别方法，其特征在于，通过在数字基带信号平方谱中找幅度最高的两根谱线；计算这两根谱线之间的平坦系数F；根据设定门限值对平坦系数进行判定，对SDPSK与GMSK两种调制信号进行识别。
2.根据权利要求1所述的一种基于信号平方谱平坦系数的调制识别方法，其特征在于，还包括对天线接收到的模拟信号进行预处理得到数字基带信号，所述预处理过程为：经低噪声放大器将天线接收到的模拟信号放大，并带通滤波后再使用模数转换器将模拟信号转换为数字中频信号，对数字中频信号进行下变频得到数字基带信号。
3.根据权利要求2所述的一种基于信号平方谱平坦系数的调制识别方法，其特征在于，所述设定门限为3。
4.根据权利要求3所述的一种基于信号平方谱平坦系数的调制识别方法，其特征在于，若F＜3，则判定该调制信号为SDPSK信号，否则是GMSK信号。
CN201810495156.XA 2018-05-22 2018-05-22 一种基于信号平方谱平坦系数的调制识别方法 Pending CN108683622A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810495156.XA CN108683622A (zh) 2018-05-22 2018-05-22 一种基于信号平方谱平坦系数的调制识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810495156.XA CN108683622A (zh) 2018-05-22 2018-05-22 一种基于信号平方谱平坦系数的调制识别方法

Publications (1)

Publication Number Publication Date
CN108683622A true CN108683622A (zh) 2018-10-19

Family

ID=63807470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810495156.XA Pending CN108683622A (zh) 2018-05-22 2018-05-22 一种基于信号平方谱平坦系数的调制识别方法

Country Status (1)

Country Link
CN (1) CN108683622A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111585662A (zh) * 2020-06-01 2020-08-25 中国科学院声学研究所东海研究站 一种调相信号的分类识别和参数估计方法及系统
CN112636781A (zh) * 2020-12-23 2021-04-09 电子科技大学 一种数字调制最优干扰信号的检测方法
CN114531328A (zh) * 2022-04-24 2022-05-24 四川轻化工大学 一种基于信号包络平坦度的调制格式识别方法
CN114566174A (zh) * 2022-04-24 2022-05-31 北京百瑞互联技术有限公司 一种优化语音编码的方法、装置、系统、介质及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090258597A1 (en) * 2008-04-09 2009-10-15 Kwang-Cheng Chen Method and apparatus for processing radio signals to identify an active system in a coexisting radio network
CN101631102A (zh) * 2009-04-10 2010-01-20 北京理工大学 一种跳频系统干扰样式识别技术
CN102571230A (zh) * 2011-12-22 2012-07-11 中国人民解放军总参谋部第六十三研究所 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090258597A1 (en) * 2008-04-09 2009-10-15 Kwang-Cheng Chen Method and apparatus for processing radio signals to identify an active system in a coexisting radio network
CN101631102A (zh) * 2009-04-10 2010-01-20 北京理工大学 一种跳频系统干扰样式识别技术
CN102571230A (zh) * 2011-12-22 2012-07-11 中国人民解放军总参谋部第六十三研究所 基于高阶统计量与信噪比盲估计的分布式协同信号识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范海波,杨志俊,曹志刚: "卫星通信常用调制方式的自动识别", 《通信学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111585662A (zh) * 2020-06-01 2020-08-25 中国科学院声学研究所东海研究站 一种调相信号的分类识别和参数估计方法及系统
CN111585662B (zh) * 2020-06-01 2021-09-07 中国科学院声学研究所东海研究站 一种调相信号的分类识别和参数估计方法及系统
CN112636781A (zh) * 2020-12-23 2021-04-09 电子科技大学 一种数字调制最优干扰信号的检测方法
CN112636781B (zh) * 2020-12-23 2022-03-15 电子科技大学 一种数字调制最优干扰信号的检测方法
CN114531328A (zh) * 2022-04-24 2022-05-24 四川轻化工大学 一种基于信号包络平坦度的调制格式识别方法
CN114566174A (zh) * 2022-04-24 2022-05-31 北京百瑞互联技术有限公司 一种优化语音编码的方法、装置、系统、介质及设备

Similar Documents

Publication Publication Date Title
CN108683622A (zh) 一种基于信号平方谱平坦系数的调制识别方法
Sills Maximum-likelihood modulation classification for PSK/QAM
CN104052702B (zh) 一种复杂噪声下数字调制信号的识别方法
CN106856463B (zh) Msk/gmsk相干解调处理系统
CN104301056B (zh) 一种基于信号特征分析的频谱监测方法
CN108512791B (zh) 基于定时频偏补偿的星载ais解调方法
CN103780462B (zh) 基于高阶累积量和谱特征的卫星通信信号调制识别方法
CN108134753B (zh) 宽带信号调制方式的识别方法
CN103199945B (zh) 一种低信噪比条件下认知无线电信号调制方式的识别方法
EP1083716A2 (en) Discrimination of modulation type
CN106027432B (zh) 一种基于信号瞬时频率部分相关函数的cpfsk码速率估计方法
CN104363194A (zh) 基于波形变换的psk调制识别方法
Lin et al. A deep convolutional network demodulator for mixed signals with different modulation types
US9106485B1 (en) System and method for FSK demodulation
CN109076038B (zh) 用于对频带中包含的信号的参数进行估计的方法
CN105763499B (zh) 一种基于信号瞬时频率滑动平均的cpfsk调制识别方法
CN115460048B (zh) 一种基于码元速率的msk调制识别方法、介质及装置
CN104507106A (zh) 8psk信号和pi/4-dqpsk信号的识别方法
Hatoum et al. GENERALIZED WAVELET-BASED SYMBOL RATE ESTIMATION FOR LINEAR SINGLECARRIER MODULATION IN BLIND ENVIRONMENT
Kubankova et al. Extended method of digital modulation recognition and its testing
CN109756439B (zh) 一种用于物理指纹提取的临近符号星座轨迹图生成方法
CN109547371B (zh) 基于准高次方谱的信号处理方法
Kuba et al. Automatic communication standard recognition in wireless smart home networks
Kubankova Design and analysis of new digital modulation classification method
CN111371715B (zh) 一种用于在低信噪比下识别ask类信号的特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20181019