CN110086554A - 一种基于频谱感知的信号识别方法 - Google Patents
一种基于频谱感知的信号识别方法 Download PDFInfo
- Publication number
- CN110086554A CN110086554A CN201811366599.5A CN201811366599A CN110086554A CN 110086554 A CN110086554 A CN 110086554A CN 201811366599 A CN201811366599 A CN 201811366599A CN 110086554 A CN110086554 A CN 110086554A
- Authority
- CN
- China
- Prior art keywords
- signal
- amplitude
- wavelet
- mfsk
- wavelet transformation
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种基于频谱感知的信号识别方法,针对空间待检测信号在小波域的信号特征,根据不同信号的小波变换信号特征不同,建立了基于小波变换的非线性门限分类器,通过对待检测信号进行调制参数盲估计、调制方式自动识别、盲解调算法研究与测试,实现对空间目标典型信号的检测分类,并通过对截获某数传通信信号MPSK/OQPSK/MQAM调制方式的自动识别,验证了该算法的有效性和系统的可行性,本发明能够及时截获或者发现空间通信信号,并感知到待检测信号的发射天线位置,以及通信体制、通信频率、功率、调制方式等参数,并根据其它已知先验信息确定信号特性。
Description
技术领域
本发明属于信号检测技术领域,具体涉及一种基于频谱感知的信号识别方法。
背景技术
频谱感知技术是获取空间无线电信号特征的主要技术手段,本方法分析了频谱感知技术在空间卫星网络中的应用模型,主要内容是未知待检测信号先验信息的情况下,利用通用无线电信号接收机,基于软件无线电思想,采用数字信号处理方法,通过对接收无线电信号的频谱监测、信号搜索、参数估计、调制方式自动识别、盲接收等关键技术研究,获取无线电信号特征和信息内容。
分析目前常用的几种频谱检测技术,在不需要知道待检测信号先验信息的情况下进行频谱检测。针对能量检测在低信噪比情况下,检测性能低下;高阶统计量检测、循环平稳特征检测算法计算量大,计算周期长等问题,提出了基于小波域特征谱的自适应门限判决技术,有效解决在低信噪比,采样率低的情况下,有效完成频谱监测、参数估计、调制方式自动识别等功能。
发明内容
本发明的目的是提供一种基于频谱感知的信号识别方法,能够及时截获或者发现空间通信信号,并感知到待检测信号的发射天线位置,以及通信体制、通信频率、功率、调制方式等参数,并根据其它已知先验信息确定信号特性。
本发明所采用的技术方案是,一种基于频谱感知的信号识别方法,具体按照以下步骤实施:
步骤1、根据星上截获的中频采样信号频谱分析、带通滤波预处理,将预处理信号进行离散小波变换,得到采样信号的小波域离散谱特征;
步骤2、根据小波域离散谱特征对MPSK、MFSK和QAM 3类信号进行类间分类,得到{MPSK}、{MFSK}和{QAM 3}信号集合;
步骤3、在集合{MFSK}内,通过小波变换幅值直方图中的阶数不同对MFSK信号进行类间识别;
步骤4、在集合{MPSK}内,提取测试信号小波变换幅值,并取其尖峰,对其进行直方图统计分析,对MPSK信号进行类间识别;
步骤5、在集合{QAM 3}内,比较接收信号的小波变换幅值均值的最大幅度,对QAM信号进行类间识别。
本发明的特点还在于,
步骤1具体按照以下步骤实施:
步骤1.1、以MPSK信号为例,设信源信号为,其中,D(t)为低通信号,t为连续时间变量,wc为载波频率,为初始相位,当带宽时,其低通等效信号为为实信号s(t)的复包络,则信源信号表示为:
其中,j=1,2,…,N,A为信号幅度;
步骤1.2、待检测信号的离散小波变换系数表示为:
式中,k=t/Ts,Ts为采样时间,a为伸缩因子,n为平移因子,ψ*为小波函数基,即由同一母小波函数ψ(n)经过伸缩平移后得到的一组函数序列,当(i-1)T+a/2≤n≤iT-a/2时,T为一个信号周期,当信号不发生相位改变,此时将式(1)式代入式(2)中,经过计算得到离散小波变换系数为:
其中,i=1,2,…,N,
此时从式(3)看出,信号小波变换幅值与平移因子n无关;
步骤1.3、当时,T为一个信号周期,小波变换系数的幅值为:
其中,S为归一化小波幅度,当a、ωc确定时,此时小波变换系数的幅值为一定值;
当n=iT时,信号相位发生改变,此时信号小波变换幅值的绝对值变为:
其中,α为相位变化值,
这里定义|wa,n|为小波变换系数幅值,其中|wa,n|=|DWT(a,n)|;
比较式(4)和式(5)看到,伸缩因子a一定的情况下,信号小波变换幅值的大小只在信号相位变化的时候发生改变,其他时候小波变换幅值保持不变;当时伸缩因子a的值也很小时:
此时小波变换幅值会出现极大值,而噪声部分的小波变换模值分布仍然呈现出Gaussian白噪声分布。
步骤2具体按照以下步骤实施:
对信号进行归一化后再进行小波变换得到|wa,n|=|DWT(a,n)|,计算|wa,n|的方差,QAM信号的|wa,n|的方差理想化为零,对于MFSK信号,|wa,n|仍是多阶函数的变量,所以,|wa,n|的方差大于零,因此,在类间识别时选取|wa,n|作为分类特征,类间信号分类步骤如下:
步骤2.1、对信号进行小波变换,得到小波变换幅值;
步骤2.2、计算小波变换幅方差;
步骤2.3、与门限值进行比较,对MPSK信号和QAM/MFSK信号进行分类,建立子集Qmpsk{MPSK}、Q1{QAM,MFSK};
步骤2.4、对Q1信号归一化后,计算小波变换幅值;
步骤2.5、计算小波变换幅方差;
步骤2.6、将信源信号小波变换幅方差与门限值进行比较,对Q1{QAM,MFSK}、QAM信号和MFSK信号进行分类,建立子集Qmfsk{MFSK}、Qqam{QAM}。
步骤3具体如下:
MFSK信号的类内识别作为一种理想情况,MFSK信号的CWT是多阶函数,由频率变化产生M个不同的直流分量,因此,调制的阶数通过CWT直方图中的阶数来确定,如果有M个尖峰出现,输入就判为MFSK。
步骤4具体如下:
由于MPSK信号的M个相位突变具有对称性,其引起的尖峰有M-1个取值,相应地,这M-1个取值中相近的两个所对应的高斯分布也会相互重叠,因此提取测试信号小波变换后的系数值,并取其尖峰,对其进行直方图统计分析,如果结果中含有M-1个高斯分布,就判定该调制信号为MPSK信号。
步骤5具体如下:
QAM信号的小波变换系数幅值类似于幅度归一化的PSK信号的小波变换系数幅值,由于零度相位变化时出现的尖峰,|wa,n|的均值用来确定载频,不同阶数的QAM信号其|wa,n|均值的最大值不同,通过比较接收信号的|wa,n|均值最大幅度,识别出信号的调制阶数。
本发明的有益效果是,针对空间待检测信号在小波域的信号特征,根据不同信号的小波变换信号特征不同,建立了基于小波变换的非线性门限分类器,通过对待检测信号进行调制参数盲估计、调制方式自动识别、盲解调算法研究与测试,实现对空间目标典型信号的检测分类,实现对无线电信号特征提取。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明一种基于频谱感知的信号识别方法,依托某信号监测系统硬件平台,根据系统接收机输出A/D采样信号进行信号分析,具体按照以下步骤实施:
步骤1、根据星上截获的中频采样信号频谱分析、带通滤波预处理,将预处理信号进行离散小波变换,得到采样信号的小波域离散谱特征,具体按照以下步骤实施:
步骤1.1、以MPSK信号为例,设信源信号为,其中,D(t)为低通信号,t为连续时间变量,wc为载波频率,为初始相位,当带宽时,其低通等效信号为为实信号s(t)的复包络,则信源信号表示为:
其中,j=1,2,…,N,A为信号幅度;
步骤1.2、待检测信号的离散小波变换系数表示为:
式中,k=t/Ts,Ts为采样时间,a为伸缩因子,n为平移因子,ψ*为小波函数基,即由同一母小波函数ψ(n)经过伸缩平移后得到的一组函数序列,当(i-1)T+a/2≤n≤iT-a/2时,T为一个信号周期,当信号不发生相位改变,此时将式(1)式代入式(2)中,经过计算得到离散小波变换系数为:
其中,i=1,2,…,N,
此时从式(3)看出,信号小波变换幅值与平移因子n无关;
步骤1.3、当时,T为一个信号周期,小波变换系数的幅值为:
其中,S为归一化小波幅度,当a、ωc确定时,此时小波变换系数的幅值为一定值;
当n=iT时,信号相位发生改变,此时信号小波变换幅值的绝对值变为:
其中,α为相位变化值,
这里定义|wa,n|为小波变换系数幅值,其中|wa,n|=|DWT(a,n)|;
比较式(4)和式(5)看到,伸缩因子a一定的情况下,信号小波变换幅值的大小只在信号相位变化的时候发生改变,其他时候小波变换幅值保持不变;当时伸缩因子a的值也很小时:
此时小波变换幅值会出现极大值,而噪声部分的小波变换模值分布仍然呈现出Gaussian白噪声分布;
步骤2、根据小波域离散谱特征对MPSK、MFSK和QAM 3类信号进行类间分类,得到{MPSK}、{MFSK}和{QAM 3}信号集合,具体按照以下步骤实施:
对信号进行归一化后再进行小波变换得到|wa,n|=|DWT(a,n)|,计算|wa,n|的方差,QAM信号的|wa,n|的方差理想化为零,对于MFSK信号,|wa,n|仍是多阶函数的变量,所以,|wa,n|的方差大于零,因此,在类间识别时选取|wa,n|作为分类特征,类间信号分类步骤如下:
步骤2.1、对信号进行小波变换,得到小波变换幅值;
步骤2.2、计算小波变换幅方差;
步骤2.3、与门限值进行比较,对MPSK信号和QAM/MFSK信号进行分类,建立子集Qmpsk{MPSK}、Q1{QAM,MFSK};
步骤2.4、对Q1信号归一化后,计算小波变换幅值;
步骤2.5、计算小波变换幅方差;
步骤2.6、将信源信号小波变换幅方差与门限值进行比较,对Q1{QAM,MFSK}、QAM信号和MFSK信号进行分类,建立子集Qmfsk{MFSK}、Qqam{QAM};
步骤3、在集合{MFSK}内,通过小波变换幅值直方图中的阶数不同对MFSK信号进行类间识别,具体如下:
MFSK信号的类内识别作为一种理想情况,MFSK信号的CWT是多阶函数,由频率变化产生M个不同的直流分量,因此,调制的阶数通过CWT直方图中的阶数来确定,如果有M个尖峰出现,输入就判为MFSK;
步骤4、在集合{MPSK}内,提取测试信号小波变换幅值,并取其尖峰,对其进行直方图统计分析,对MPSK信号进行类间识别,具体如下:
由于MPSK信号的M个相位突变具有对称性,其引起的尖峰有M-1个取值,相应地,这M-1个取值中相近的两个所对应的高斯分布也会相互重叠,因此提取测试信号小波变换后的系数值,并取其尖峰,对其进行直方图统计分析,如果结果中含有M-1个高斯分布,就判定该调制信号为MPSK信号;
步骤5、在集合{QAM 3}内,比较接收信号的小波变换幅值均值的最大幅度,对QAM信号进行类间识别,具体如下:
QAM信号的小波变换系数幅值类似于幅度归一化的PSK信号的小波变换系数幅值,由于零度相位变化时出现的尖峰,|wa,n|的均值用来确定载频,不同阶数的QAM信号其|wa,n|均值的最大值不同,通过比较接收信号的|wa,n|均值最大幅度,识别出信号的调制阶数。
本发明一种基于频谱感知的信号识别方法,采用小波变换的信号处理方法,通过对接收下行无线电信号的频谱在线监测、信号搜索、参数估计、调制方式自动识别,及时截获或者发现空间通信信号,并感知到待检测信号的发射天线位置,以及通信体制、通信频率、功率、调制方式等参数,并根据其它已知先验信息确定信号特性,实现对无线电信号特征提取。
Claims (6)
1.一种基于频谱感知的信号识别方法,其特征在于,具体按照以下步骤实施:
步骤1、根据星上截获的中频采样信号频谱分析、带通滤波预处理,将预处理信号进行离散小波变换,得到采样信号的小波域离散谱特征;
步骤2、根据小波域离散谱特征对MPSK、MFSK和QAM 3类信号进行类间分类,得到{MPSK}、{MFSK}和{QAM 3}信号集合;
步骤3、在集合{MFSK}内,通过小波变换幅值直方图中的阶数不同对MFSK信号进行类间识别;
步骤4、在集合{MPSK}内,提取测试信号小波变换幅值,并取其尖峰,对其进行直方图统计分析,对MPSK信号进行类间识别;
步骤5、在集合{QAM 3}内,比较接收信号的小波变换幅值均值的最大幅度,对QAM信号进行类间识别。
2.根据权利要求1所述的一种基于频谱感知的信号识别方法,其特征在于,所述步骤1具体按照以下步骤实施:
步骤1.1、以MPSK信号为例,设信源信号为,其中,D(t)为低通信号,t为连续时间变量,wc为载波频率,为初始相位,当带宽时,其低通等效信号为为实信号s(t)的复包络,则信源信号表示为:
其中,j=1,2,…,N,A为信号幅度;
步骤1.2、待检测信号的离散小波变换系数表示为:
式中,k=t/Ts,Ts为采样时间,a为伸缩因子,n为平移因子,ψ*为小波函数基,即由同一母小波函数ψ(n)经过伸缩平移后得到的一组函数序列,当(i-1)T+a/2≤n≤iT-a/2时,T为一个信号周期,当信号不发生相位改变,此时将式(1)式代入式(2)中,经过计算得到离散小波变换系数为:
其中,i=1,2,…,N,
此时从式(3)看出,信号小波变换幅值与平移因子n无关;
步骤1.3、当时,T为一个信号周期,小波变换系数的幅值为:
其中,S为归一化小波幅度,当a、ωc确定时,此时小波变换系数的幅值为一定值;
当n=iT时,信号相位发生改变,此时信号小波变换幅值的绝对值变为:
其中,α为相位变化值,
这里定义|wa,n|为小波变换系数幅值,其中|wa,n|=|DWT(a,n)|;
比较式(4)和式(5)看到,伸缩因子a一定的情况下,信号小波变换幅值的大小只在信号相位变化的时候发生改变,其他时候小波变换幅值保持不变;当时伸缩因子a的值也很小时:
此时小波变换幅值会出现极大值,而噪声部分的小波变换模值分布仍然呈现出Gaussian白噪声分布。
3.根据权利要求2所述的一种基于频谱感知的信号识别方法,其特征在于,所述步骤2具体按照以下步骤实施:
对信号进行归一化后再进行小波变换得到|wa,n|=|DWT(a,n)|,计算|wa,n|的方差,QAM信号的|wa,n|的方差理想化为零,对于MFSK信号,|wa,n|仍是多阶函数的变量,所以,|wa,n|的方差大于零,因此,在类间识别时选取|wa,n|作为分类特征,类间信号分类步骤如下:
步骤2.1、对信号进行小波变换,得到小波变换幅值;
步骤2.2、计算小波变换幅方差;
步骤2.3、与门限值进行比较,对MPSK信号和QAM/MFSK信号进行分类,建立子集Qmpsk{MPSK}、Q1{QAM,MFSK};
步骤2.4、对Q1信号归一化后,计算小波变换幅值;
步骤2.5、计算小波变换幅方差;
步骤2.6、将信源信号小波变换幅方差与门限值进行比较,对Q1{QAM,MFSK}、QAM信号和MFSK信号进行分类,建立子集Qmfsk{MFSK}、Qqam{QAM}。
4.根据权利要求3所述的一种基于频谱感知的信号识别方法,其特征在于,所述步骤3具体如下:
MFSK信号的类内识别作为一种理想情况,MFSK信号的CWT是多阶函数,由频率变化产生M个不同的直流分量,因此,调制的阶数通过CWT直方图中的阶数来确定,如果有M个尖峰出现,输入就判为MFSK。
5.根据权利要求3所述的一种基于频谱感知的信号识别方法,其特征在于,所述步骤4具体如下:
由于MPSK信号的M个相位突变具有对称性,其引起的尖峰有M-1个取值,相应地,这M-1个取值中相近的两个所对应的高斯分布也会相互重叠,因此提取测试信号小波变换后的系数值,并取其尖峰,对其进行直方图统计分析,如果结果中含有M-1个高斯分布,就判定该调制信号为MPSK信号。
6.根据权利要求3所述的一种基于频谱感知的信号识别方法,其特征在于,所述步骤5具体如下:
QAM信号的小波变换系数幅值类似于幅度归一化的PSK信号的小波变换系数幅值,由于零度相位变化时出现的尖峰,|wa,n|的均值用来确定载频,不同阶数的QAM信号其|wa,n|均值的最大值不同,通过比较接收信号的|wa,n|均值最大幅度,识别出信号的调制阶数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811366599.5A CN110086554B (zh) | 2018-11-16 | 2018-11-16 | 一种基于频谱感知的信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811366599.5A CN110086554B (zh) | 2018-11-16 | 2018-11-16 | 一种基于频谱感知的信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110086554A true CN110086554A (zh) | 2019-08-02 |
CN110086554B CN110086554B (zh) | 2021-09-28 |
Family
ID=67412906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811366599.5A Active CN110086554B (zh) | 2018-11-16 | 2018-11-16 | 一种基于频谱感知的信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110086554B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110808932A (zh) * | 2019-11-06 | 2020-02-18 | 苏州大学 | 基于多分布测试数据融合的多层感知器快速调制识别方法 |
CN112737992A (zh) * | 2020-09-23 | 2021-04-30 | 青岛科技大学 | 一种水声信号调制方式自适应类内识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110033A1 (en) * | 1998-02-12 | 2009-04-30 | Lot 41 Acquisition Foundation, Llc | Multicarrier sub-layer for direct sequence channel and multiple-access coding |
CN104796366A (zh) * | 2015-04-10 | 2015-07-22 | 长春理工大学 | 通信信号制式识别系统及方法 |
CN104820975A (zh) * | 2015-05-19 | 2015-08-05 | 湖南省湘电试研技术有限公司 | 一种同步卫星山火监测弱信号分层去噪方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN108282428A (zh) * | 2018-01-23 | 2018-07-13 | 大连理工大学 | 一种无需先验知识的常用通信信号调制方式的自动识别方法 |
-
2018
- 2018-11-16 CN CN201811366599.5A patent/CN110086554B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110033A1 (en) * | 1998-02-12 | 2009-04-30 | Lot 41 Acquisition Foundation, Llc | Multicarrier sub-layer for direct sequence channel and multiple-access coding |
CN104796366A (zh) * | 2015-04-10 | 2015-07-22 | 长春理工大学 | 通信信号制式识别系统及方法 |
CN104820975A (zh) * | 2015-05-19 | 2015-08-05 | 湖南省湘电试研技术有限公司 | 一种同步卫星山火监测弱信号分层去噪方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN108282428A (zh) * | 2018-01-23 | 2018-07-13 | 大连理工大学 | 一种无需先验知识的常用通信信号调制方式的自动识别方法 |
Non-Patent Citations (1)
Title |
---|
王柳: "宽带无线电通信信号中的调制识别", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110808932A (zh) * | 2019-11-06 | 2020-02-18 | 苏州大学 | 基于多分布测试数据融合的多层感知器快速调制识别方法 |
CN112737992A (zh) * | 2020-09-23 | 2021-04-30 | 青岛科技大学 | 一种水声信号调制方式自适应类内识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110086554B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
US9042496B1 (en) | Signal modulation scheme determination through an at least fourth-order noise-insensitive cumulant | |
CN107948107B (zh) | 一种基于联合特征的数字调制信号分类方法 | |
KR101722505B1 (ko) | 입력 신호의 변조 형태 인식 방법 및 장치 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN106330805B (zh) | 一种信号调制方式自动识别方法及系统 | |
CN111814777B (zh) | 一种基于特征量分级的调制样式识别方法 | |
CN100521670C (zh) | 一种多进制频移键控信号的检测和分析方法 | |
CN106357575A (zh) | 一种多参数联合估计的干扰类型识别方法 | |
CN110086554A (zh) | 一种基于频谱感知的信号识别方法 | |
WO2021109672A1 (zh) | 一种噪声增强射频指纹识别方法及装置 | |
US20190044767A1 (en) | Method For Estimating Parameters Of Signals Contained In A Frequency Band | |
HL et al. | Automatic digital modulation recognition using minimum feature extraction | |
CN115664905A (zh) | 基于多域物理层指纹特征的Wi-Fi设备识别系统及方法 | |
CN105763499A (zh) | 一种基于信号瞬时频率滑动平均的cpfsk调制识别方法 | |
Kubankova et al. | Extended method of digital modulation recognition and its testing | |
Salam et al. | A unified practical approach to modulation classification in cognitive radio using likelihood-based techniques | |
CN111814703B (zh) | 一种非重构条件下基于hb的信号联合特征提取方法 | |
CN111404852B (zh) | 基于振幅和频谱幅度特征的调制方式识别方法 | |
Hatoum et al. | GENERALIZED WAVELET-BASED SYMBOL RATE ESTIMATION FOR LINEAR SINGLECARRIER MODULATION IN BLIND ENVIRONMENT | |
CN106936744B (zh) | 基于动态理想解的信号调制识别方法 | |
JP2003244263A (ja) | 信号処理装置 | |
Sümen et al. | Multi-Channel Learning with Preprocessing for Automatic Modulation Order Separation | |
CN104009951B (zh) | 基于多尺度小波变换的信号调制方式识别方法和系统 | |
Giesbrecht et al. | Modulation recognition for real HF signals |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |