CN111740930B - 基于多特征分层处理的多类型非合作水声信号识别方法 - Google Patents

基于多特征分层处理的多类型非合作水声信号识别方法 Download PDF

Info

Publication number
CN111740930B
CN111740930B CN202010867881.2A CN202010867881A CN111740930B CN 111740930 B CN111740930 B CN 111740930B CN 202010867881 A CN202010867881 A CN 202010867881A CN 111740930 B CN111740930 B CN 111740930B
Authority
CN
China
Prior art keywords
signal
underwater acoustic
power spectrum
autocorrelation
data sequence
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
Application number
CN202010867881.2A
Other languages
English (en)
Other versions
CN111740930A (zh
Inventor
方世良
刘清宇
魏阳杰
王晓燕
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010867881.2A priority Critical patent/CN111740930B/zh
Publication of CN111740930A publication Critical patent/CN111740930A/zh
Application granted granted Critical
Publication of CN111740930B publication Critical patent/CN111740930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2602—Signal structure
    • H04L27/2604—Multiresolution systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
    • H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
    • H04L27/38—Demodulator circuits; Receiver circuits
    • H04L27/3845—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier
    • H04L27/3854—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier using a non - coherent carrier, including systems with baseband correction for phase or frequency offset

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于多特征分层处理的多类型非合作水声信号识别方法，包括获取水声通信信号数据序列；利用信号的功率谱线谱特征，对信号进行第一层信号识别；利用平方信号的功率谱线谱特征进行第二层信号识别；利用信号的自相关峰特征进行第三层信号识别。本发明不易受水声信道影响的稳健特征，通过分层处理架构，充分利用了不同特征对各调制类型的区分度，提高了识别准确度，能够满足实际应用需求。

Description

基于多特征分层处理的多类型非合作水声信号识别方法
技术领域
本发明涉及一种基于多特征分层处理的多类型水声通信信号识别方法，属于音频分析技术领域。
背景技术
通信信号调制类型识别是进一步获取截获信号参数信息的基础，是非合作通信信号截获处理的关键环节。目前调制类型识别方法可分为两大类：基于最大似然假设检验的判决理论方法和基于特征提取的统计模式识别方法。
基于最大似然假设检验的方法是通过计算接收信号的似然函数，将似然函数与门限阈值相比较，从而识别出信号的类型。最大似然的方法是贝叶斯意义上的最优分类算法，但在实际应用时存在两个问题：一是需要已知较多的信号参数，不适用于非合作处理；二是未知参数的存在导致似然比函数计算表达式非常复杂，无法计算，而简化处理又会导致分类信息的丢失，降低识别性能。
基于特征提取的统计模式识别方法是通过特定的方式提取信号的时域特征或者变换域特征，通过特征的特性差异实现信号识别，相比最大似然比识别方法性能不一定最优，但对已知信息依赖性小，更具实用性。
统计模式识别性能依赖于所提特征对各类信号的差异性，差异性越大，分类识别性能越好。
在水声通信信号非合作截获处理领域，由于接收通信信号种类多、参数范围宽，一种特征、一种方法难以适应多种水声通信信号类型的有效识别。另外，由于水声信道的时变空变特性，影响了基于信号幅度或相位特征的常规通信信号识别方法的性能。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于多特征分层处理的多类型非合作水声信号识别方法，采用功率谱线谱、相关峰等不易受水声信道影响的稳健特征，设计分层处理架构，逐层提取相应特征并进行辨识，实现2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM 共6种水声通信信号的类型识别，满足实际应用需求。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于多特征分层处理的多类型非合作水声信号识别方法，采用多特征分层处理架构，实现2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM 共六种水声通信信号的类型识别。其多特征分别是原始接收信号功率谱线谱特征、平方信号功率谱线谱特征，以及信号自相关峰特征；多特征分层处理架构是逐级采用不同的特征，识别出该特征区分度较高的水声通信信号类型，剩余类型留到下一层识别，直到识别完毕，分层处理方式如下：
第一层采用信号功率谱线谱特征实现2FSK、4FSK与其他类型通信信号的识别，若识别为2FSK或4FSK则识别结束，否则进入下一层识别。
第二层采用平方信号功率谱线谱特征实现BPSK或DSSS-BPSK类与QPSK或OFDM类的识别。
第三层采用信号自相关峰特征实现BPSK与DSSS-BPSK的分类识别，或QPSK与OFDM的分类识别。
具体包括以下步骤：
步骤S1、获取水声信号原始数据序列
Figure 515855DEST_PATH_IMAGE001
，
Figure 544991DEST_PATH_IMAGE002
为接收的信号 长度，水声信号原始数据序列中含有2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM 6种类型之一 的水声信号，对水声信号原始数据序列
Figure 877490DEST_PATH_IMAGE003
去除直流分量得到去除直流分量后的水声信 号数据序列
Figure 562549DEST_PATH_IMAGE004
。
步骤S2、利用信号功率谱线谱特征，根据去除直流分量后的水声信号数据序列进行水声信号的第一层信号识别，其具体实现步骤如下：
步骤S21、首先根据步骤S1中得到的去除直流分量后的水声信号数据序列
Figure 241792DEST_PATH_IMAGE004
计算离散功率谱一
Figure 453331DEST_PATH_IMAGE005
：
Figure 192617DEST_PATH_IMAGE006
Figure 364972DEST_PATH_IMAGE007
其中，
Figure 349371DEST_PATH_IMAGE008
,l为离散频率索引，
Figure 415416DEST_PATH_IMAGE009
表示虚数单位，即
Figure 325603DEST_PATH_IMAGE010
为
Figure 985254DEST_PATH_IMAGE004
的离散 傅里叶变换，关于
Figure 271879DEST_PATH_IMAGE011
共轭对称，因此功率谱一
Figure 499422DEST_PATH_IMAGE005
只需计算
Figure 580511DEST_PATH_IMAGE012
的正 频率部分。
步骤S22、对
Figure 55354DEST_PATH_IMAGE005
进行中值滤波平滑运算，以去除
Figure 647135DEST_PATH_IMAGE005
中的强线谱分量，得到去 除强线谱分量的功率谱一
Figure 156614DEST_PATH_IMAGE013
，即：
Figure 674183DEST_PATH_IMAGE014
其中，
Figure 370743DEST_PATH_IMAGE015
为工作频段
Figure 497706DEST_PATH_IMAGE016
对应的离散频率序号，
Figure 596112DEST_PATH_IMAGE017
为工作频段
Figure 284582DEST_PATH_IMAGE018
对应的离散频率序 号，
Figure 140543DEST_PATH_IMAGE019
，
Figure 307082DEST_PATH_IMAGE020
，
Figure 823776DEST_PATH_IMAGE021
为采样频率，round()表示四舍五 入取整，medfilt表示中值滤波运算。
步骤S23、对
Figure 417569DEST_PATH_IMAGE022
进一步进行平均平滑运算，得到功率谱平滑谱一
Figure 760825DEST_PATH_IMAGE023
，并将离散功率谱一
Figure 465476DEST_PATH_IMAGE024
与功率谱平滑谱一
Figure 538474DEST_PATH_IMAGE025
相减，得到去除背景功率谱一
Figure 864020DEST_PATH_IMAGE026
，即：
Figure 756890DEST_PATH_IMAGE027
这里| |表示取绝对值运算。
步骤S24、计算去除背景功率谱一
Figure 202914DEST_PATH_IMAGE028
中满足下式关系的 点数：
Figure 130419DEST_PATH_IMAGE029
其中，
Figure 331593DEST_PATH_IMAGE030
表示求标准差运算，
Figure 478803DEST_PATH_IMAGE031
为判决门限一，统计过判决门限一的点数为
Figure 56415DEST_PATH_IMAGE032
，每个过判决门限一的功率谱线判决为初步判决线谱。
步骤S25、对初步判决线谱进行规范化处理：将相邻过门限点合并为1根线谱，得到 所求离散功率谱一
Figure 572847DEST_PATH_IMAGE005
的线谱个数一。
步骤S26、若
Figure 373236DEST_PATH_IMAGE034
，则水声信号原始数据序列
Figure 895485DEST_PATH_IMAGE003
含有2FSK信号，若
Figure 797582DEST_PATH_IMAGE035
，则
Figure 74979DEST_PATH_IMAGE003
含有4FSK信号，本次识别处理结束，否则进行下一层判断。
步骤S3、利用平方信号的功率谱线谱特征进行第二层信号识别，其具体实现步骤如下：
步骤S31、对水声信号原始数据序列
Figure 492054DEST_PATH_IMAGE003
进行平方运算得到平方水声信号数据序 列
Figure 381775DEST_PATH_IMAGE036
，去除直流成分，计算其功率谱二
Figure 810482DEST_PATH_IMAGE037
，并根据功率谱二
Figure 524360DEST_PATH_IMAGE038
估计出
Figure 366414DEST_PATH_IMAGE038
中包含的线谱个数二
Figure 620678DEST_PATH_IMAGE039
，若
Figure 742042DEST_PATH_IMAGE040
，则判断水声信号原始数据序列
Figure 298925DEST_PATH_IMAGE003
含有BPSK信号或DSSS-BPSK信号，否则判断
Figure 362696DEST_PATH_IMAGE003
含有QPSK信号或OFDM信号。
步骤S4、利用信号的估计自相关峰特征进行第三层信号识别，其具体实现步骤如下：
步骤S41、计算水声信号原始数据序列
Figure 420651DEST_PATH_IMAGE003
的自相关估计幅度值
Figure 151847DEST_PATH_IMAGE041
，
Figure 614052DEST_PATH_IMAGE041
的计算公式如下：
Figure 932163DEST_PATH_IMAGE042
其中，
Figure 465913DEST_PATH_IMAGE043
表示对
Figure 582773DEST_PATH_IMAGE003
延时
Figure 74934DEST_PATH_IMAGE044
点后取共轭，
Figure 50981DEST_PATH_IMAGE045
表示求共轭运算，| |表示 取绝对值运算。
步骤S42、对
Figure 418115DEST_PATH_IMAGE041
进行滑动平均，得到自相关平滑估计二
Figure 123902DEST_PATH_IMAGE046
，并将自相关估计幅度值
Figure 521386DEST_PATH_IMAGE047
与自相关平滑估计二
Figure 312624DEST_PATH_IMAGE048
相减，得到去除背景的自相关估计值二
Figure 955220DEST_PATH_IMAGE049
，即：
Figure 515515DEST_PATH_IMAGE050
步骤S43、计算去除背景的自相关估计值二
Figure 349479DEST_PATH_IMAGE049
中满足 下式关系的点数：
Figure 96855DEST_PATH_IMAGE051
其中，
Figure 713781DEST_PATH_IMAGE052
为判决门限二，每个过判决门限二时刻点作为初步判决自相关峰所在 点，过判决门限二的自相关峰的位置索引记为
Figure 361538DEST_PATH_IMAGE053
,
Figure 366403DEST_PATH_IMAGE054
,
Figure 866654DEST_PATH_IMAGE055
,
Figure 349588DEST_PATH_IMAGE056
。
步骤S44、对初步判决自相关峰进行规范化处理：将连续过门限点合并为1根自相关峰，即若：
Figure 385940DEST_PATH_IMAGE057
=
Figure 561706DEST_PATH_IMAGE058
=
Figure 345991DEST_PATH_IMAGE056
=
Figure 39141DEST_PATH_IMAGE059
=常数
则，
Figure 897375DEST_PATH_IMAGE060
,
Figure 273737DEST_PATH_IMAGE061
,
Figure 420684DEST_PATH_IMAGE056
,
Figure 245421DEST_PATH_IMAGE062
索引对应的自相关峰根数合并为1根自相关峰，统计出 自相关估计幅度值
Figure 20479DEST_PATH_IMAGE063
中的自相关峰个数三
Figure 944572DEST_PATH_IMAGE064
。
步骤S45、若
Figure 641133DEST_PATH_IMAGE065
，则判断
Figure 302184DEST_PATH_IMAGE003
含有BPSK信号，若
Figure 338273DEST_PATH_IMAGE066
，则判断
Figure 495585DEST_PATH_IMAGE003
含有DSSS-BPSK信号，若
Figure 476179DEST_PATH_IMAGE067
，则判断
Figure 580401DEST_PATH_IMAGE003
含有QPSK信号，若
Figure 267734DEST_PATH_IMAGE068
，则判断
Figure 168518DEST_PATH_IMAGE003
含有OFDM信号，即：
Figure 511775DEST_PATH_IMAGE069
步骤S5、信号识别过程结束。
优选的：步骤S1中对水声信号数据序列
Figure 482005DEST_PATH_IMAGE003
去除直流分量：
Figure 86162DEST_PATH_IMAGE070
其中，
Figure 788539DEST_PATH_IMAGE071
为
Figure 478146DEST_PATH_IMAGE003
的直流分量，
Figure 487952DEST_PATH_IMAGE072
。
优选的：步骤S22中的中值滤波运算方法是以
Figure 87561DEST_PATH_IMAGE073
为中心，用
Figure 23156DEST_PATH_IMAGE074
共
Figure 200059DEST_PATH_IMAGE075
点序列中的排序中值作为
Figure 184196DEST_PATH_IMAGE022
的值，
Figure 966207DEST_PATH_IMAGE075
为 中值滤波窗口长度。
优选的：判决门限一
Figure 367976DEST_PATH_IMAGE031
设置为2-4之间。
优选的：判决门限二
Figure 173121DEST_PATH_IMAGE052
设置为2-4之间。
本发明相比现有技术，具有以下有益效果：
本发明针对现有技术对水声通信信号类型识别的不足，采用分层处理模式，充分利用不同特征对各调制类型的区分度，逐级识别出各类调制类型，提高识别准确度。在识别特征的选取上，针对水声通信信号经过水下信道传播后存在的瞬时幅度、相位畸变，优选稳健性较高的功率谱线谱与自相关峰两类特征，降低了瞬时畸变的影响，能够满足实际应用需求。并且，本发明方法运算量较小，且不需要任何先验参数信息，能够满足工程上对常用水声通信信号进行快速稳健识别要求。
附图说明
图1为本发明的方法的具体识别流程图；
图2为根据本发明方法在不同信噪比下的识别性能；
图3为根据本发明方法在不同数据长度下的识别性能。
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价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于多特征分层处理的多类型非合作水声通信信号识别方法，如图1所示，包括以下步骤：
步骤S1、获取水声信号原始数据序列
Figure 23266DEST_PATH_IMAGE001
，
Figure 456521DEST_PATH_IMAGE002
为接收的信号 长度，该数据中含有2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM 6种类型之一的水声通信信 号，首先去除
Figure 671602DEST_PATH_IMAGE003
的直流分量得到去除直流分量后的水声信号数据序列
Figure 557518DEST_PATH_IMAGE004
，即：
Figure 712818DEST_PATH_IMAGE070
（1）
其中，为
Figure 589824DEST_PATH_IMAGE003
的直流分量，
Figure 228616DEST_PATH_IMAGE072
。
步骤S2、利用信号功率谱线谱特征，进行第一层信号识别，其具体实现步骤如下：
步骤S21、首先根据步骤S1中得到的去除直流分量后的水声信号数据序列
Figure 686142DEST_PATH_IMAGE004
计算离散功率谱一
Figure 795787DEST_PATH_IMAGE005
，计算过程如下。
Figure 946146DEST_PATH_IMAGE076
（2）
Figure 275496DEST_PATH_IMAGE007
（3）
其中，
Figure 208817DEST_PATH_IMAGE077
为离散频率索引，
Figure 674433DEST_PATH_IMAGE009
表示虚数单位，即
Figure 231579DEST_PATH_IMAGE010
为
Figure 844963DEST_PATH_IMAGE004
的离散 傅里叶变换，关于
Figure 378712DEST_PATH_IMAGE011
共轭对称，因此功率谱一
Figure 964415DEST_PATH_IMAGE005
只需计算
Figure 955111DEST_PATH_IMAGE012
的正 频率部分。
步骤S22、对
Figure 993474DEST_PATH_IMAGE078
进行中值滤波平滑运算，以去除
Figure 268598DEST_PATH_IMAGE078
中的强线谱分量，得到 去除强线谱分量的功率谱一
Figure 974385DEST_PATH_IMAGE013
，即：
Figure 106290DEST_PATH_IMAGE014
（4）
其中，
Figure 195731DEST_PATH_IMAGE015
为工作频段
Figure 743387DEST_PATH_IMAGE016
对应的离散频率序号，
Figure 38102DEST_PATH_IMAGE017
为工作频段
Figure 606486DEST_PATH_IMAGE018
对应的离散频率序 号，
Figure 681758DEST_PATH_IMAGE019
，
Figure 871255DEST_PATH_IMAGE020
，
Figure 958160DEST_PATH_IMAGE021
为采样频率，round()表示四舍五 入取整，medfilt表示中值滤波运算，其计算方法是以
Figure 697446DEST_PATH_IMAGE073
为中心，用
Figure 728856DEST_PATH_IMAGE074
共
Figure 883894DEST_PATH_IMAGE075
点序列中的排序中值作为
Figure 949939DEST_PATH_IMAGE022
的值，
Figure 96012DEST_PATH_IMAGE075
为 中值滤波窗口长度，通常取奇数。
步骤S23、对
Figure 755663DEST_PATH_IMAGE022
进一步进行平均平滑运算，得到功率谱平滑谱一
Figure 776709DEST_PATH_IMAGE023
，并将离散功率谱一
Figure 697260DEST_PATH_IMAGE024
与功率谱平滑谱一
Figure 716032DEST_PATH_IMAGE025
相减，得到去除背景功率谱一
Figure 925296DEST_PATH_IMAGE026
，即：
Figure 45305DEST_PATH_IMAGE027
（5）
这里| |表示取绝对值运算。
步骤S24、计算去除背景功率谱一
Figure 695730DEST_PATH_IMAGE028
中满足下式关系的 点数：
Figure 947719DEST_PATH_IMAGE079
（6）
其中，
Figure 706597DEST_PATH_IMAGE030
表示求标准差运算，
Figure 69445DEST_PATH_IMAGE031
为判决门限一，统计过判决门限一的点数为
Figure 839955DEST_PATH_IMAGE032
，每个过判决门限一的功率谱线判决为初步判决线谱。
步骤S25、对初步判决线谱进行规范化处理：将相邻过门限点合并为1根线谱，得到 所求功率谱一
Figure 764311DEST_PATH_IMAGE005
的线谱个数一
Figure 744905DEST_PATH_IMAGE033
。
步骤S26、若
Figure 583548DEST_PATH_IMAGE034
，则
Figure 536461DEST_PATH_IMAGE003
含有2FSK信号，若
Figure 192570DEST_PATH_IMAGE035
，则
Figure 362258DEST_PATH_IMAGE003
含有4FSK信号，本 次识别处理结束，否则进行下一层判断。
步骤S3、利用平方信号功率谱的线谱特征，对信号进行第二层信号识别，其具体实现步骤如下：
步骤S31、对水声信号原始数据序列
Figure 598067DEST_PATH_IMAGE003
进行平方运算得到平方水声信号数据序 列
Figure 405486DEST_PATH_IMAGE036
，去除直流成分，计算其功率谱二
Figure 842284DEST_PATH_IMAGE037
，并根据功率谱二
Figure 797470DEST_PATH_IMAGE038
估计出
Figure 807277DEST_PATH_IMAGE038
中包含的线谱个数二
Figure 361DEST_PATH_IMAGE039
，若
Figure 935956DEST_PATH_IMAGE040
，则判断水声信号原始数据序列
Figure 581701DEST_PATH_IMAGE003
含有BPSK信号或DSSS-BPSK信号，否则判断
Figure 392269DEST_PATH_IMAGE003
含有QPSK信号或OFDM信号。
步骤S4、利用信号的自相关特征进行第三层信号识别，其具体实现步骤如下：
步骤S41、计水声信号原始数据序列算
Figure 439859DEST_PATH_IMAGE003
的自相关估计幅度值
Figure 484038DEST_PATH_IMAGE041
，
Figure 351500DEST_PATH_IMAGE041
的计算公式如下
Figure 998382DEST_PATH_IMAGE042
（7）
其中，
Figure 401944DEST_PATH_IMAGE043
表示对
Figure 617025DEST_PATH_IMAGE003
延时
Figure 971783DEST_PATH_IMAGE044
点后取共轭，
Figure 625618DEST_PATH_IMAGE045
表示求共轭运算，| |表示 取绝对值运算。
步骤S42、对
Figure 382221DEST_PATH_IMAGE041
进行滑动平均，得到自相关平滑估计二
Figure 606353DEST_PATH_IMAGE046
，并将自相关估计幅度值
Figure 510724DEST_PATH_IMAGE047
与自相关平滑估计二
Figure 374775DEST_PATH_IMAGE048
相减，得到去除背景的自相关估计值二
Figure 720306DEST_PATH_IMAGE049
，即：
Figure 401823DEST_PATH_IMAGE050
（8）
步骤S43、计算自相关估计值二
Figure 403277DEST_PATH_IMAGE049
中满足下式关系的 点数：
Figure 634800DEST_PATH_IMAGE051
（9）
其中，
Figure 162734DEST_PATH_IMAGE052
为判决门限二，一般取3，每个过判决门限二时刻点作为初步判决自相 关峰所在点，过判决门限二的自相关峰的位置索引记为
Figure 890518DEST_PATH_IMAGE053
,
Figure 176006DEST_PATH_IMAGE054
,
Figure 37652DEST_PATH_IMAGE055
,
Figure 29879DEST_PATH_IMAGE056
。
步骤S44、对初步判决自相关峰进行规范化处理：将连续过门限点合并为1根自相 关峰，得到所求自相关估计幅度值
Figure 489416DEST_PATH_IMAGE041
中的自相关峰个数三，记为
Figure 324517DEST_PATH_IMAGE064
。
步骤S45、若
Figure 599641DEST_PATH_IMAGE065
，则判断
Figure 774270DEST_PATH_IMAGE003
含有BPSK信号，若
Figure 234070DEST_PATH_IMAGE066
，则判断
Figure 166254DEST_PATH_IMAGE003
含有DSSS-BPSK信号，若
Figure 808851DEST_PATH_IMAGE067
，则判断
Figure 165883DEST_PATH_IMAGE003
含有QPSK信号，若
Figure 140792DEST_PATH_IMAGE068
，则判断
Figure 153747DEST_PATH_IMAGE003
含有OFDM信号。
步骤S5、信号识别过程结束。
根据以上详细描述的基于多特征分层处理的多类型非合作水声通信信号自动识别方法，下面以一个仿真实验来验证本发明的效果。
仿真信号参数设置为：信号的采样频率为
Figure 895307DEST_PATH_IMAGE080
，BPSK、QPSK信号的载波频 率为
Figure 543064DEST_PATH_IMAGE081
，符号频率为
Figure 688874DEST_PATH_IMAGE082
，2FSK、4FSK信号的载波中心频率为
Figure 985864DEST_PATH_IMAGE083
，载波最小频率 间隔为200Hz，则2FSK信号的两个载波频率分别为
Figure 468797DEST_PATH_IMAGE084
与
Figure 410209DEST_PATH_IMAGE085
，4FSK信号的四个载 波频率分别为
Figure 320396DEST_PATH_IMAGE086
、
Figure 606146DEST_PATH_IMAGE084
、
Figure 299295DEST_PATH_IMAGE085
与
Figure 688688DEST_PATH_IMAGE087
，符号频率均为
Figure 566515DEST_PATH_IMAGE082
。OFDM信号的 中心载波频率与符号速率设置与BPSK信号相同，且OFDM信号的子载波个数为32个，子载波 的调制样式为QPSK，OFDM信号的循环前缀长度为四分之一有效OFDM符号长度。DSSS信号为 DSSS-BPSK信号，其载波频率与符号速率设置与BPSK信号相同，且伪码阶数为3阶，每个码片 时间内的载波个数为2，伪码序列为m序列。噪声类型为加性高斯白噪声。处理频带范围为 500Hz~4.5kHz，中值滤波窗口长度为5，平滑处理窗口长度为5，处理门限Th1=3。采用蒙特卡 洛方法测试性能，仿真实验次数为500次。
图2所示为本发明所提方法在不同信噪比下对各调制类型的识别率，信号处理长度N为4096。从图中可以看出，当信噪比大于0dB时，该分类器对信号的识别率均在60%以上，当信噪比大于5dB时，该分类器对信号的识别率均在80%以上，而当信噪比低于0dB时分类器对2FSK/4FSK有良好的识别效果。图3所示为0dB信噪比时，数据长度对该识别器的识别性能影响图，从该图中可以看出，随着点数的增加，本发明识别性能有所提高，这是由于积分时间的增加提高了傅里叶变换处理增益，线谱信噪比提升，特征稳定性提高。实际应用时，并不是选择的长度越大越好，而是需要从通信信号帧长度、处理器性能两个方面综合考虑，选择合适的处理长度。
从实施例的结果可以看出，本发明估计方法在无先验信号参数的情况下，能够有效识别出水声通信常用的2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM六类水声通信信号类型，适用于快速稳健识别要求。本发明不易受水声信道影响的稳健特征，通过分层处理架构，充分利用了不同特征对各调制类型的区分度，提高了识别准确度，能够满足实际应用需求。
以上所述仅是本发明的优选实施方式，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于多特征分层处理的多类型非合作水声信号识别方法，其特征在于，包括以下步骤：
步骤S1、获取水声信号原始数据序列
Figure 526847DEST_PATH_IMAGE001
，
Figure 745338DEST_PATH_IMAGE002
为接收的信号长度， 水声信号原始数据序列中含有2FSK、4FSK、BPSK、DSSS-BPSK、QPSK、OFDM 6种类型之一的水 声信号，对水声信号原始数据序列
Figure 604710DEST_PATH_IMAGE003
去除直流分量得到去除直流分量后的水声信号数 据序列
Figure 10284DEST_PATH_IMAGE004
；
步骤S2、利用信号功率谱线谱特征，根据去除直流分量后的水声信号数据序列进行水声信号的第一层信号识别，其具体实现步骤如下：
步骤S21、首先根据步骤S1中得到的去除直流分量后的水声信号数据序列
Figure 544295DEST_PATH_IMAGE004
计算离 散功率谱一
Figure 23818DEST_PATH_IMAGE005
：
Figure 788512DEST_PATH_IMAGE006
Figure 743698DEST_PATH_IMAGE007
其中，
Figure 986461DEST_PATH_IMAGE008
,l为离散频率索引，
Figure 586070DEST_PATH_IMAGE009
表示虚数单位，即
Figure 82517DEST_PATH_IMAGE010
为
Figure 462682DEST_PATH_IMAGE004
的离散傅里 叶变换，关于
Figure 181240DEST_PATH_IMAGE011
共轭对称，因此功率谱一
Figure 25568DEST_PATH_IMAGE005
只需计算
Figure 804168DEST_PATH_IMAGE012
的正频率 部分；
步骤S22、对
Figure 671630DEST_PATH_IMAGE005
进行中值滤波平滑运算，以去除
Figure 85556DEST_PATH_IMAGE005
中的强线谱分量，得到去除强 线谱分量的功率谱一
Figure 394177DEST_PATH_IMAGE013
，即：
Figure 671575DEST_PATH_IMAGE014
其中，
Figure 557491DEST_PATH_IMAGE015
为工作频段
Figure 149010DEST_PATH_IMAGE016
对应的离散频率序号，
Figure 640034DEST_PATH_IMAGE017
为工作频段
Figure 864166DEST_PATH_IMAGE018
对应的离散频率序号，
Figure 971799DEST_PATH_IMAGE019
，
Figure 429325DEST_PATH_IMAGE020
，
Figure 40435DEST_PATH_IMAGE021
为采样频率，round()表示四舍五入取 整，medfilt表示中值滤波运算；
步骤S23、对
Figure 692259DEST_PATH_IMAGE022
进一步进行平均平滑运算，得到功率谱平滑谱一
Figure 818347DEST_PATH_IMAGE023
，并将离散功率谱一
Figure 220509DEST_PATH_IMAGE024
与功率谱平滑谱一
Figure 686125DEST_PATH_IMAGE025
相减，得到去除背景功率谱一
Figure 804123DEST_PATH_IMAGE026
，即：
Figure 588146DEST_PATH_IMAGE027
其中，| |表示取绝对值运算；
步骤S24、计算去除背景功率谱一
Figure 59579DEST_PATH_IMAGE028
中满足下式关系的点 数：
Figure 442018DEST_PATH_IMAGE029
其中，
Figure 75125DEST_PATH_IMAGE030
表示求标准差运算，
Figure 113488DEST_PATH_IMAGE031
为判决门限一，统计过判决门限一的点数为
Figure 513246DEST_PATH_IMAGE032
， 每个过判决门限一的功率谱线判决为初步判决线谱；
步骤S25、对初步判决线谱进行规范化处理：将相邻过门限点合并为1根线谱，得到所求 离散功率谱一
Figure 359979DEST_PATH_IMAGE005
的线谱个数一
Figure 258927DEST_PATH_IMAGE033
；
步骤S26、若
Figure 581324DEST_PATH_IMAGE034
，则水声信号原始数据序列
Figure 394559DEST_PATH_IMAGE003
含有2FSK信号，若
Figure 689274DEST_PATH_IMAGE035
，则
Figure 54397DEST_PATH_IMAGE003
含有4FSK信号，本次识别处理结束，否则进行下一层判断；
步骤S3、利用平方信号的功率谱线谱特征进行第二层信号识别，其具体实现步骤如下：
步骤S31、对水声信号原始数据序列
Figure 739456DEST_PATH_IMAGE003
进行平方运算得到平方水声信号数据序列
Figure 917234DEST_PATH_IMAGE036
，去除直流成分，计算其功率谱二
Figure 128772DEST_PATH_IMAGE037
，并根据功率谱二
Figure 602479DEST_PATH_IMAGE038
估计出
Figure 774834DEST_PATH_IMAGE038
中包含的线谱个数二
Figure 257768DEST_PATH_IMAGE039
，若
Figure 28541DEST_PATH_IMAGE040
，则判断水声信号原始数据序列
Figure 204307DEST_PATH_IMAGE003
含有BPSK信号或DSSS-BPSK信号，否则判断
Figure 988592DEST_PATH_IMAGE003
含有QPSK信号或OFDM信号；
步骤S4、利用信号的估计自相关峰特征进行第三层信号识别，其具体实现步骤如下：
步骤S41、计算水声信号原始数据序列
Figure 275217DEST_PATH_IMAGE003
的自相关估计幅度值
Figure 163145DEST_PATH_IMAGE041
，
Figure 244234DEST_PATH_IMAGE041
的计 算公式如下：
Figure 125602DEST_PATH_IMAGE042
其中，
Figure 747076DEST_PATH_IMAGE043
表示对
Figure 725397DEST_PATH_IMAGE003
延时
Figure 649490DEST_PATH_IMAGE044
点后取共轭，
Figure 909833DEST_PATH_IMAGE045
表示求共轭运算；
步骤S42、对
Figure 944785DEST_PATH_IMAGE041
进行滑动平均，得到自相关平滑估计二
Figure 777611DEST_PATH_IMAGE046
，并将自相关估计幅度值
Figure 997240DEST_PATH_IMAGE047
与自相关平滑估计二
Figure 853201DEST_PATH_IMAGE048
相减，得到去除背景的自相关估计值二
Figure 816478DEST_PATH_IMAGE049
，即：
Figure 279644DEST_PATH_IMAGE050
步骤S43、计算去除背景的自相关估计值二
Figure 545540DEST_PATH_IMAGE049
中满足下式 关系的点数：
Figure 13431DEST_PATH_IMAGE051
其中，
Figure 390185DEST_PATH_IMAGE052
为判决门限二，每个过判决门限二时刻点作为初步判决自相关峰所在点，过 判决门限二的自相关峰的位置索引记为
Figure 197604DEST_PATH_IMAGE053
,
Figure 24615DEST_PATH_IMAGE054
,
Figure 589588DEST_PATH_IMAGE055
,
Figure 599395DEST_PATH_IMAGE056
；
步骤S44、对初步判决自相关峰进行规范化处理：将连续过门限点合并为1根自相关峰，即若：
Figure 589217DEST_PATH_IMAGE057
=
Figure 790391DEST_PATH_IMAGE058
=
Figure 170557DEST_PATH_IMAGE056
=
Figure 981124DEST_PATH_IMAGE059
=常数
则，
Figure 28715DEST_PATH_IMAGE060
,
Figure 400790DEST_PATH_IMAGE061
,
Figure 940356DEST_PATH_IMAGE056
,
Figure 587238DEST_PATH_IMAGE062
索引对应的自相关峰根数合并为1根自相关峰，统计出自相 关估计幅度值
Figure 725221DEST_PATH_IMAGE041
中的自相关峰个数三
Figure 940301DEST_PATH_IMAGE063
；
步骤S45、若
Figure 295059DEST_PATH_IMAGE064
，则判断
Figure 745632DEST_PATH_IMAGE003
含有BPSK信号，若
Figure 502236DEST_PATH_IMAGE065
，则判断
Figure 888218DEST_PATH_IMAGE003
含有DSSS-BPSK信号，若
Figure 963228DEST_PATH_IMAGE066
，则判断
Figure 951912DEST_PATH_IMAGE003
含有QPSK信号，若
Figure 500705DEST_PATH_IMAGE067
，则判 断
Figure 916643DEST_PATH_IMAGE003
含有OFDM信号， 即：
Figure 980414DEST_PATH_IMAGE068
步骤S5、信号识别过程结束。
2.根据权利要求1所述基于多特征分层处理的多类型非合作水声信号识别方法，其特 征在于：步骤S1中对水声信号数据序列
Figure 648156DEST_PATH_IMAGE003
去除直流分量：
Figure 677554DEST_PATH_IMAGE069
其中，
Figure 467655DEST_PATH_IMAGE070
为
Figure 956405DEST_PATH_IMAGE003
的直流分量，
Figure 755734DEST_PATH_IMAGE071
。
3.根据权利要求2所述基于多特征分层处理的多类型非合作水声信号识别方法，其特 征在于：步骤S22中的中值滤波运算方法是以
Figure 138174DEST_PATH_IMAGE072
为中心，用
Figure 771281DEST_PATH_IMAGE073
共
Figure 573758DEST_PATH_IMAGE074
点序列中的排序中值作为
Figure 911199DEST_PATH_IMAGE022
的值，
Figure 148145DEST_PATH_IMAGE074
为中值滤波窗口长度。
4.根据权利要求3所述基于多特征分层处理的多类型非合作水声信号识别方法，其特 征在于：判决门限一
Figure 811207DEST_PATH_IMAGE031
设置为2-4之间。
5.根据权利要求4所述基于多特征分层处理的多类型非合作水声信号识别方法，其特 征在于：判决门限二
Figure 572752DEST_PATH_IMAGE052
设置为2-4之间。
CN202010867881.2A 2020-08-26 2020-08-26 基于多特征分层处理的多类型非合作水声信号识别方法 Active CN111740930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010867881.2A CN111740930B (zh) 2020-08-26 2020-08-26 基于多特征分层处理的多类型非合作水声信号识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010867881.2A CN111740930B (zh) 2020-08-26 2020-08-26 基于多特征分层处理的多类型非合作水声信号识别方法

Publications (2)

Publication Number Publication Date
CN111740930A CN111740930A (zh) 2020-10-02
CN111740930B true CN111740930B (zh) 2020-11-24

Family

ID=72658830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010867881.2A Active CN111740930B (zh) 2020-08-26 2020-08-26 基于多特征分层处理的多类型非合作水声信号识别方法

Country Status (1)

Country Link
CN (1) CN111740930B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082691A1 (en) * 2009-10-05 2011-04-07 Electronics And Telecommunications Research Institute Broadcasting system interworking with electronic devices
KR101675963B1 (ko) * 2012-09-06 2016-11-15 한국전자통신연구원 무선통신 시스템에서의 변조방식 분류 장치 및 방법
CN103199945B (zh) * 2013-03-29 2016-06-01 南京信息职业技术学院 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
CN110059555B (zh) * 2019-03-14 2021-04-20 中国人民解放军战略支援部队信息工程大学 基于多分辨谱图分水岭图像分割及决策树的信号调制分类识别方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN111740930A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN108831499B (zh) 利用语音存在概率的语音增强方法
CN110782910B (zh) 一种高检出率的啸叫音频检测系统
WO2017202292A1 (zh) 一种回声时延跟踪方法及装置
CN111585662B (zh) 一种调相信号的分类识别和参数估计方法及系统
CN105785324B (zh) 基于mgcstft的线性调频信号参数估计方法
CN108509377A (zh) 一种基于沿特征提取的脉冲信号到达时间与脉宽估计方法
CN108243130A (zh) 解调方法、装置、频谱检测仪及计算机可读存储介质
CN103021405A (zh) 基于music和调制谱滤波的语音信号动态特征提取方法
CN109061591B (zh) 一种基于序贯聚类的时频线谱检测方法
CN111740930B (zh) 基于多特征分层处理的多类型非合作水声信号识别方法
CN111540381B (zh) 一种基于随机森林的话音模拟调制特征识别方法
CN115378776A (zh) 一种基于循环谱参数的mfsk调制识别方法
CN116804736A (zh) 一种调制类型识别工程化实现方法及计算机可读存储介质
CN114613391B (zh) 一种基于半带滤波器的鼾声识别方法及装置
CN114268393B (zh) 一种基于连通分量个数特征的认知无线电频谱感知方法
CN111147168B (zh) 一种功率谱和统计融合的信号检测方法
CN105959035B (zh) 一种直扩信号截获检测方法
CN114152329B (zh) 一种水声信号谱峰检测方法
CN108243131A (zh) 解调方法、装置、频谱检测仪及计算机可读取存储介质
CN114944975B (zh) 一种基于fpga处理的信号调制类型实时识别方法
CN112636781B (zh) 一种数字调制最优干扰信号的检测方法
Grimaldi et al. Automatic modulation classification and measurement of digitally modulated signals
Wisdom et al. On spectral noncircularity of natural signals
CN115994301A (zh) 基于循环谱截面特征的舰船辐射噪声线谱稳健提取方法
CN115456035B (zh) 基于对角相关局部积分双谱的射频指纹识别方法

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
GR01 Patent grant
GR01 Patent grant