CN112422465A - 一种信号调制识别设备 - Google Patents
一种信号调制识别设备 Download PDFInfo
- Publication number
- CN112422465A CN112422465A CN201910954965.7A CN201910954965A CN112422465A CN 112422465 A CN112422465 A CN 112422465A CN 201910954965 A CN201910954965 A CN 201910954965A CN 112422465 A CN112422465 A CN 112422465A
- Authority
- CN
- China
- Prior art keywords
- signals
- broadband
- signal
- frequency
- spectrum
- 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
- 238000001228 spectrum Methods 0.000 claims abstract description 88
- 238000006243 chemical reaction Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 238000012952 Resampling Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种信号调制识别设备，采用带通采样模式，采集宽带信号并完成模拟信号的数字化，采样速率低，能够最大可能的保证数据的有效位，宽带信号在宽带检测模块中经过短时傅立叶分析、平滑降噪、宽带降噪和门限检测后，通过频谱瞬时特征和频谱连续特征联合判证识别，将疑似信号从含有大量干扰和无用信号的宽带频谱中筛选出来，减轻了后端处理压力，有效提高了识别效率；通过数字下变频模块实现了数字正交变频和基带滤波功能；调制识别模块基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数对宽带信号进行调制识别，有效提高了识别的准确性。
Description
技术领域
本发明属于通信设备技术领域，涉及一种信号调制识别设备。
背景技术
随着现代通信技术的快速发展，自动识别通信信号的调制方式在民用领域、军用领域，尤其是国家安全方面有着非常广泛的应用，因此调制识别已成为信号分析与处理领域中一个非常重要的研究方向。
调制信号的识别方法可分为两大类：一类是判决理论方法，另一类则是统计模式识别方法。前者是采用假设检验理论去解决信号分类问题，通常根据信号的统计特性，基于代价函数最小化原则，导出统计检验量，以形成判决准则。此类方法适用于具体某类调制信号的识别，识别范围窄。后者则通常将分类系统划分为两个子系统：特征提取子系统，将预定义的特征从数据中提取出来；模式识别子系统，识别信号所对应的分类。
现有的信号调制识别设备在宽带接收的情况下，由于强信号强干扰的存在，无法针对某一信号进行最佳接收，造成接收信号信噪比较差，对信号盲检测带来了很大的困难，容易造成弱信号丢失，同时，由于采集的信号能量非常多，造成后端处理压力大，识别效率低，并且，现有的调制识别算法中，分类特征识别参数较为单一，识别准确性低。
发明内容
本发明的目的在于提供一种信号调制识别设备，识别准确性高，识别效率高。
本发明的目的可以通过以下技术方案实现：
一种信号调制识别设备，包括服务器以及通过PCle总线与服务器连接的采集卡和GPU卡，所述采集卡连接有信号输入接口，所述服务器连接有网络输出接口；
所述信号输入接口的输入宽带信号为L波段的射频信号；
所述采集卡用于采集宽带信号，并完成宽带信号检测，获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数，然后通过PCIe总线传递给服务器；
所述服务器根据窄带信号的频点、带宽参数，从宽带信号中估计出窄带信号的调制速率，完成多路窄带信号的数字下变频，并根据窄带信号数量动态调整数字下变频的路数，通过PCIe总线传递给GPU卡；
所述GPU卡用于对多路窄带信号数据进行处理，识别多路窄带信号的调制方式，并将识别结果传输回服务器；
所述网络输出接口用于将窄带信号数量、频点、带宽参数、调制速率、调制方式按照网络接口格式进行输出。
进一步地，所述采集卡包括宽带采集模块和宽带检测模块。
所述宽带采集模块，采用带通采样模式，采集宽带信号并完成模拟信号的数字化；
所述宽带检测模块，完成对宽带信号中窄带疑似信号的检测、分类，并获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数的计算。
进一步地，所述宽带检测模块包括时频分析单元、瞬时频谱缓存单元、累计频谱缓存单元、自适应门限生成单元、降噪处理单元、频谱瞬时特征识别单元、频谱连续特征识别单元和联合判证单元；
所述时频分析单元，采用短时傅立叶变换算法对宽带信号进行高分辨率的时频分析，获取宽带信号内所有信号的频率和时间变化关系，得到信号当前的瞬时频谱；
所述瞬时频谱缓存单元，用于缓存时频分析单元每次得到的瞬时频谱；
所述累计频谱缓存单元，用于缓存时频分析单元在设定时间内得到的所有瞬时频谱，组成设定时长的数据矩阵，形成连续频谱；
所述自适应门限生成单元，采用基于滑动高斯窗卷积的自适应门限生成算法，生成窄带信号的判决门限，利用自动门限对宽带信号进行检测，在瞬时频谱上进行平滑；
所述降噪处理单元，根据连续频谱中检测出的能量点在时频域上的连续性和规律性来进行宽带降噪处理，排除其中的离散噪声；
所述频谱瞬时特征识别单元，用于提取识别频谱瞬时特征；
所述频谱连续特征识别单元，用于提取识别频谱连续特征；
所述联合判证单元，根据提取信号的瞬时频谱特征和连续频谱特征，分析信号在设定时间内的连续频谱特征变化，并对变化规律进行频率间隔和时间间隔的测算，对剩下的疑似窄带信号进行进一步的分类和判证。
进一步地，所述服务器包括数字下变频模块和网络封装模块；
所述数字下变频模块，用于实现宽带信号的正交变频和基带滤波功能；
所述网络封装模块，用于将数据按照网络接口格式进行封装后输出。
进一步地，所述数字下变频模块包括正交变频单元、抽取滤波单元和数字重采样单元；
所述正交变频单元，采用数字混频正交变换或基于多相滤波器的数字正交变换方法实现宽带信号的正交变频；
所述抽取滤波单元，根据现有数字下变频(DDC)芯片的滤波分级结构，并结合FPGA的速度和资源设计三级结构实现抽取滤波从2～128变换；
所述数字重采样单元，采用拉格朗日插值算法，通过多相低通滤波结构对宽带信号进行数字重采样。
进一步地，所述GPU卡包括多组调制识别模块，所述调制识别模块基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数，通过调制识别算法对宽带信号进行调制识别。
本发明的有益效果：本发明提供的信号调制识别设备，采用带通采样模式，采集宽带信号并完成模拟信号的数字化，采样速率低，能够最大可能的保证数据的有效位，宽带信号在宽带检测模块中经过短时傅立叶分析、平滑降噪、宽带降噪和门限检测后，通过频谱瞬时特征和频谱连续特征联合判证识别，将疑似侦测信号从宽带信号中大量的干扰和无用信号中筛选出来，减轻了后端处理压力，有效提高了识别效率；通过数字下变频模块在数字电路中实现了正交变频和基带滤波功能；调制识别模块基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数，通过调制识别算法对宽带信号进行调制识别，有效提高了识别的准确性。
附图说明
下面结合附图和具体实施例对本发明作进一步详细描述。
图1是本发明的系统示意图。
图2是本发明宽带检测模块的示意图。
图3是本发明数字下变频模块的示意图。
图4是本发明调制识别算法流程示意图。
图5是本发明对PM二次调制信号调制识别示意图。
图6是本发明对FM二次调制信号调制识别示意图。
图7是本发明调制识别模块的软件实现流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本发明提供了一种信号调制识别设备，包括服务器以及通过PCle总线与服务器连接的采集卡和GPU卡，采集卡连接有信号输入接口，服务器连接有网络输出接口。
其中，信号输入接口的输入宽带信号为L波段的射频信号。
采集卡用于采集宽带信号，并完成宽带信号检测，获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数，然后通过PCIe总线传递给服务器。
服务器根据窄带信号的频点、带宽参数，从宽带信号中估计出窄带信号的调制速率，完成多路窄带信号的数字下变频，并根据窄带信号数量动态调整数字下变频的路数，通过PCIe总线传递给GPU卡。
GPU卡用于对多路窄带信号数据进行处理，识别多路窄带信号的调制方式，并将识别结果传输回服务器。
网络输出接口用于将窄带信号数量、频点、带宽参数、调制速率、调制方式按照网络接口格式进行输出。
具体的，采集卡包括宽带采集模块和宽带检测模块。
其中，宽带采集模块，采用带通采样模式，采集宽带信号并完成模拟信号的数字化。带通采样模式与低通采样模式相比，其采样速率更低，能够最大可能的保证数据的有效位。
宽带检测模块，完成对宽带信号中窄带疑似信号的检测、分类，并获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数的计算。
如图2所示，宽带检测模块包括时频分析单元、瞬时频谱缓存单元、累计频谱缓存单元、自适应门限生成单元、降噪处理单元、频谱瞬时特征识别单元、频谱连续特征识别单元和联合判证单元。
时频分析单元，采用短时傅立叶变换(STFT)算法对宽带信号进行高分辨率的时频分析，获取宽带信号内所有信号的频率和时间变化关系，得到信号当前的瞬时频谱。
具体地，短时傅立叶变换算法如下：
根据短时傅立叶变换的定义：
其频率能量分布为：
SPECX(t,f)＝|STFTX(t,f)|2
固定窗函数不动，让信号数据沿着时间轴进行滑动，则STFT的定义可等效写为：
将上式中的时间离散化，取t＝mT,τ＝nT，则信号x(n)加窗后的DTFT表示为：
因DFT是DTFT的频率离散化，将
代入上式，即可求得离散短时傅立叶变换为：
相应的瞬时频谱为：
SPECX(n,k)＝|STFTX(n,k)|2。
瞬时频谱缓存单元，用于缓存时频分析单元每次得到的瞬时频谱，瞬时频谱体现的是信号在某一时刻的频谱特征。
累计频谱缓存单元，用于缓存时频分析单元在设定时间内得到的所有瞬时频谱，组成设定时长的数据矩阵，形成连续频谱，连续频谱体现的是信号在一段时间内频谱特征的阶段变化。
自适应门限生成单元，采用基于滑动高斯窗卷积的自适应门限生成算法，生成窄带信号的判决门限，利用自动门限对宽带信号进行检测，在瞬时频谱上进行平滑，滤除大部分的噪声干扰，可作为宽带信号中窄带信号判决的准确依据。
具体地，自适应门限生成算法如下：
宽带信号经过时频分析后，可得到其功率谱Y(n)。取M点高斯离散窗序列：
其中，
fs是采样频率，N是FFT窗长，BW是高斯窗等效带宽；考虑到侦测信号都是窄带信号，为取得最好的加权效果，α＝2，并且对G(m)归一化：
则门限为：
为了排除大带宽的强信号对附近弱信号的影响，需要对Y(n)进行简单的阀值限制，即：
经阀值处理后的Y′(n)与G′(n)卷积后的序列η′(n)即为最后实际的底噪估计值，并在底噪估计值上加上1-2dB的固定值作为窄带信号的判决门限。
降噪处理单元，自动门限在瞬时频谱上进行平滑后，并不能对时间轴上连续的噪声干扰进行过滤，这些离散噪声会破坏信号时域特征，造成虚警漏警，而离散噪声在时频空间上是随机分散的，很难形成类似信号的连续性和规律性，因此可根据连续频谱中检测出的能量点在时频域上的连续性和规律性来进行宽带降噪处理，排除其中的离散噪声。经宽带降噪进一步滤除噪声后，为下一步特征识别提供了良好的条件。
频谱瞬时特征识别单元，用于提取识别频谱瞬时特征。频谱瞬时特征是指所有信号在当前时刻的信号带宽、带内能量分布、谱峰的位置、数量、大小关系和谱峰间的频率间隔等。
频谱连续特征识别单元，用于提取识别频谱连续特征。频谱连续特征是指各个信号在设定时间内占用的时长、出联间隔、谱峰位置、带宽变化等特征，可以排除大量孤立噪声、广播信号、扫频信号等无用信号。
联合判证单元，根据提取信号的瞬时频谱特征和连续频谱特征，分析信号在设定时间内的连续频谱特征变化，并对变化规律进行频率间隔和时间间隔的测算，对剩下的疑似窄带信号进行进一步的分类和判证，判断该时刻信号是否具有相应的FSK调制特征、PSK调制特征、链路信号的导频特征和同步头特征等等，并依据这些特征对信号进行分类，判断该信号是否为连续调制信号还是具有同步头的链路信号，然后将这些信号的带宽参数、载波频率、初判信号类型输出。
服务器包括数字下变频模块和网络封装模块。
数字下变频模块，用于实现宽带信号的正交变频和基带滤波功能。
如图3所示，数字下变频模块包括正交变频单元、抽取滤波单元和数字重采样单元。
正交变频单元，采用数字混频正交变换或基于多相滤波器的数字正交变换方法实现宽带信号的正交变频。
抽取滤波单元，根据现有数字下变频(DDC)芯片的滤波分级结构，并结合FPGA的速度和资源设计三级结构实现抽取滤波从2～128变换。
数字重采样单元，采用拉格朗日插值算法，通过多相低通滤波结构对宽带信号进行数字重采样。
网络封装模块，用于将数据按照网络接口格式进行封装后输出。
GPU卡包括多组调制识别模块。
调制识别模块，基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数，通过调制识别算法对宽带信号进行调制识别。
其中，分类特征识别参数选取如下：
通过对载波分量的测量将有载波分量信号类识别出来。在我们的待识别信号集中AM信号、FSK信号(非连续相位)和外调制为PM的二次调制信号是有单频载波分量存在的，并且AM、PCM-BPSK-PM和PCM-QPSK-PM信号有一个载波分量，2FSK、4FSK和PCM-2FSK-PM分别有2个、4个和5个载波分量。
然后，通过多种方式对信号包络起伏的测量，将剩余信号集中的信号分为3大类：包络起伏明显较大的调幅信号，即DSB和SSB信号；成型造成一定程度包络起伏的PSK信号(包括BPSK、QPSK、UQPSK、8PSK和OQPSK)；基本无包络起伏的FM(包括PCM-FM和FM-FM)、MSK、FQPSK信号。
对于DSB和SSB调制信号，进一步通过其包络进行区分，DSB有更大的包络起伏；也可以由他们的平方谱进行区分，因为DSB信号对载波只有π跳变，其平方谱在2倍载频处有很强的单频分量，而SSB信号则无此特征。
在成型PSK信号子类中，进一步通过包络起伏程度将OQPSK信号区分出来，OQPSK信号相比其它PSK信号包络起伏明显较小；而BPSK、QPSK和8PSK信号，通过其非线性变换后的谱特征进行区分：通过检测信号平方谱2倍载频位置是否有单频分量可以将BPSK和QPSK/8PSK区分开；通过对信号四次方谱4倍载频处单频分量的检测将QPSK信号和8PSK信号区别开来。UQPSK信号根据平衡因子的取值不同，其信号特性介于BPSK和QPSK之间，对于项目中的参数取值范围，其更接近于BPSK，需要在较高的信噪比下使用包络参数区分。
在FM、MSK和FQPSK子类中，通过对信号平方谱单频分量的检测可以将模拟调制FM(包括PCM-FM和FM-FM)信号和数字调制MSK/FQPSK区别开来；MSK和FQPSK信号在较高信噪比下通过对四次方谱4倍载频处单频分量强度的检测来进行区分。
调制识别算法如图4所示，其中，N1为信号功率谱单频分量数量；Q2为平方谱2倍载频处单频分量幅度值；Q2_max为平方谱幅度最大值；Q4为四次方谱4倍载频处单频分量幅度值；γmax为零中心归一化瞬时幅度谱密度的最大值；R为包络特征参数。
如图5和图6所示，对于外调制为PM和FM的二次调制信号先分别对其进行PM和FM解调，再按上述过程对其进行内调制识别。
调制识别模块的软件实现流程如图7所示，首先接收到的是低中频实信号，对低中频实信号进行直接的频谱分析便于分析载波数量，从而用于首先将AM/PM/FSK信号区别出来；之后根据其他模块送来的载波和带宽估计值对实信号进行下变频滤波得到近似零中频的IQ信号，再根据带宽估计值对IQ信号进行抽取，以在各种带宽条件下都得到近似的过采样倍数，便于后面谱分析模块的统一处理；IQ信号也可以很方便地进行包络的求取，R参数直接由包络得到，对包络的谱分析用于求得参数。在整个模块内部，二次调制子模块和主模块是同时工作的，当主模块判定为FM信号、PM信号时，同时输出选通信号SEL使两子模块识别结果有效。
本发明提供的信号调制识别设备，采用带通采样模式，采集宽带信号并完成模拟信号的数字化，采样速率低，能够最大可能的保证数据的有效位，宽带信号在宽带检测模块中经过短时傅立叶分析、平滑降噪、宽带降噪和门限检测后，通过频谱瞬时特征和频谱连续特征联合判证识别，将疑似侦测信号从宽带信号中大量的干扰和无用信号中筛选出来，减轻了后端处理压力，有效提高了识别效率；通过数字下变频模块在数字电路中实现了正交变频和基带滤波功能；调制识别模块基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数，通过调制识别算法对宽带信号进行调制识别，有效提高了识别的准确性。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.一种信号调制识别设备，其特征在于，包括服务器以及通过PCle总线与服务器连接的采集卡和GPU卡，所述采集卡连接有信号输入接口，所述服务器连接有网络输出接口；
所述信号输入接口的输入宽带信号为L波段的射频信号；
所述采集卡用于采集宽带信号，并完成宽带信号检测，获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数，然后通过PCIe总线传递给服务器；
所述服务器根据窄带信号的频点、带宽参数，从宽带信号中估计出窄带信号的调制速率，完成多路窄带信号的数字下变频，并根据窄带信号数量动态调整数字下变频的路数，通过PCIe总线传递给GPU卡；
所述GPU卡用于对多路窄带信号数据进行处理，识别多路窄带信号的调制方式，并将识别结果传输回服务器；
所述网络输出接口用于将窄带信号数量、频点、带宽参数、调制速率、调制方式按照网络接口格式进行输出。
2.根据权利要求1所述的一种信号调制识别设备，其特征在于，所述采集卡包括宽带采集模块和宽带检测模块；
所述宽带采集模块，采用带通采样模式，采集宽带信号并完成模拟信号的数字化；
所述宽带检测模块，完成对宽带信号中窄带疑似信号的检测、分类，并获取宽带信号中的窄带信号数量和每个信号的频点、带宽参数的计算。
3.根据权利要求2所述的一种信号调制识别设备，其特征在于，所述宽带检测模块包括时频分析单元、瞬时频谱缓存单元、累计频谱缓存单元、自适应门限生成单元、降噪处理单元、频谱瞬时特征识别单元、频谱连续特征识别单元和联合判证单元；
所述时频分析单元，采用短时傅立叶变换算法对宽带信号进行高分辨率的时频分析，获取宽带信号内所有信号的频率和时间变化关系，得到信号当前的瞬时频谱；
所述瞬时频谱缓存单元，用于缓存时频分析单元每次得到的瞬时频谱；
所述累计频谱缓存单元，用于缓存时频分析单元在设定时间内得到的所有瞬时频谱，组成设定时长的数据矩阵，形成连续频谱；
所述自适应门限生成单元，采用基于滑动高斯窗卷积的自适应门限生成算法，生成窄带信号的判决门限，利用自动门限对宽带信号进行检测，在瞬时频谱上进行平滑；
所述降噪处理单元，根据连续频谱中检测出的能量点在时频域上的连续性和规律性来进行宽带降噪处理，排除其中的离散噪声；
所述频谱瞬时特征识别单元，用于提取识别频谱瞬时特征；
所述频谱连续特征识别单元，用于提取识别频谱连续特征；
所述联合判证单元，根据提取信号的瞬时频谱特征和连续频谱特征，分析信号在设定时间内的连续频谱特征变化，并对变化规律进行频率间隔和时间间隔的测算，对剩下的疑似窄带信号进行进一步的分类和判证。
4.根据权利要求1所述的一种信号调制识别设备，其特征在于，所述服务器包括数字下变频模块和网络封装模块；
所述数字下变频模块，用于实现宽带信号的正交变频和基带滤波功能；
所述网络封装模块，用于将数据按照网络接口格式进行封装后输出。
5.根据权利要求4所述的一种信号调制识别设备，其特征在于，所述数字下变频模块包括正交变频单元、抽取滤波单元和数字重采样单元；
所述正交变频单元，采用数字混频正交变换或基于多相滤波器的数字正交变换方法实现宽带信号的正交变频；
所述抽取滤波单元，根据现有数字下变频（DDC）芯片的滤波分级结构，并结合FPGA的速度和资源设计三级结构实现抽取滤波从2～128变换；
所述数字重采样单元，采用拉格朗日插值算法，通过多相低通滤波结构对宽带信号进行数字重采样。
6.根据权利要求1所述的一种信号调制识别设备，其特征在于，所述GPU卡包括多组调制识别模块，所述调制识别模块基于不同调制方式信号的频谱特征并辅以时域波形特征选取分类特征识别参数，通过调制识别算法对宽带信号进行调制识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910954965.7A CN112422465B (zh) | 2019-10-09 | 2019-10-09 | 一种信号调制识别设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910954965.7A CN112422465B (zh) | 2019-10-09 | 2019-10-09 | 一种信号调制识别设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112422465A true CN112422465A (zh) | 2021-02-26 |
| CN112422465B CN112422465B (zh) | 2021-10-22 |
Family
ID=74780231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910954965.7A Active CN112422465B (zh) | 2019-10-09 | 2019-10-09 | 一种信号调制识别设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112422465B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114268526A (zh) * | 2021-12-21 | 2022-04-01 | 金陵科技学院 | 基于图的度特征的bpsk及qpsk信号调制识别方法 |
| CN114500202A (zh) * | 2022-02-15 | 2022-05-13 | 东南大学 | 一种msk解扩解调的fpga低资源实现方法 |
| CN115225440A (zh) * | 2022-07-08 | 2022-10-21 | 金陵科技学院 | 基于图最大度特征的cr信号调制识别方法及系统 |
| CN115603800A (zh) * | 2022-12-14 | 2023-01-13 | 成都川美新技术股份有限公司（Cn） | 一种基于多维特征发现与识别卫星弱信号的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102710572A (zh) * | 2012-07-06 | 2012-10-03 | 江苏省邮电规划设计院有限责任公司 | 一种通信信号的特征提取与调制识别方法 |
| CN105721371A (zh) * | 2016-02-19 | 2016-06-29 | 徐州坤泰电子科技有限公司 | 一种基于循环谱相关的常用数字调制信号识别方法 |
| CN106911603A (zh) * | 2017-03-07 | 2017-06-30 | 北京工业大学 | 一种宽带监测模式下模拟信号调制类型实时识别方法 |
| CN107612587A (zh) * | 2017-06-20 | 2018-01-19 | 西安电子科技大学 | 一种用于跳频非合作通信中跳频信号的参数估计方法 |
| US20180098293A1 (en) * | 2016-10-03 | 2018-04-05 | Qualcomm Incorporated | System and method that facilitates a coexistence of fifth generation new radio resource technology with narrowband internet-of-things technology |
| US10003483B1 (en) * | 2017-05-03 | 2018-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Biologically inspired methods and systems for automatically determining the modulation types of radio signals using stacked de-noising autoencoders |
| CN110113278A (zh) * | 2019-04-30 | 2019-08-09 | 杭州电子科技大学 | 一种基于全数字接收机的调制方式识别方法 |
| CN110175560A (zh) * | 2019-05-24 | 2019-08-27 | 哈尔滨工程大学 | 一种雷达信号脉内调制识别方法 |
-
2019
- 2019-10-09 CN CN201910954965.7A patent/CN112422465B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102710572A (zh) * | 2012-07-06 | 2012-10-03 | 江苏省邮电规划设计院有限责任公司 | 一种通信信号的特征提取与调制识别方法 |
| CN105721371A (zh) * | 2016-02-19 | 2016-06-29 | 徐州坤泰电子科技有限公司 | 一种基于循环谱相关的常用数字调制信号识别方法 |
| US20180098293A1 (en) * | 2016-10-03 | 2018-04-05 | Qualcomm Incorporated | System and method that facilitates a coexistence of fifth generation new radio resource technology with narrowband internet-of-things technology |
| CN106911603A (zh) * | 2017-03-07 | 2017-06-30 | 北京工业大学 | 一种宽带监测模式下模拟信号调制类型实时识别方法 |
| US10003483B1 (en) * | 2017-05-03 | 2018-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Biologically inspired methods and systems for automatically determining the modulation types of radio signals using stacked de-noising autoencoders |
| CN107612587A (zh) * | 2017-06-20 | 2018-01-19 | 西安电子科技大学 | 一种用于跳频非合作通信中跳频信号的参数估计方法 |
| CN110113278A (zh) * | 2019-04-30 | 2019-08-09 | 杭州电子科技大学 | 一种基于全数字接收机的调制方式识别方法 |
| CN110175560A (zh) * | 2019-05-24 | 2019-08-27 | 哈尔滨工程大学 | 一种雷达信号脉内调制识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| PEI S C: "STFT With Adaptive Window Width Based on the Chirp Rate", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
| SUBBARAO M V: "Spectrum sensing in cognitive radio networks using time–frequency analysis and modulation recognition", 《MICROELECTRONICS, ELECTROMAGNETICS AND TELECOMMUNICATIONS》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114268526A (zh) * | 2021-12-21 | 2022-04-01 | 金陵科技学院 | 基于图的度特征的bpsk及qpsk信号调制识别方法 |
| CN114268526B (zh) * | 2021-12-21 | 2023-05-26 | 金陵科技学院 | 基于图的度特征的bpsk及qpsk信号调制识别方法 |
| CN114500202A (zh) * | 2022-02-15 | 2022-05-13 | 东南大学 | 一种msk解扩解调的fpga低资源实现方法 |
| CN114500202B (zh) * | 2022-02-15 | 2024-01-26 | 东南大学 | 一种msk解扩解调的fpga低资源实现方法 |
| CN115225440A (zh) * | 2022-07-08 | 2022-10-21 | 金陵科技学院 | 基于图最大度特征的cr信号调制识别方法及系统 |
| CN115225440B (zh) * | 2022-07-08 | 2023-05-26 | 金陵科技学院 | 基于图最大度特征的cr信号调制识别方法及系统 |
| CN115603800A (zh) * | 2022-12-14 | 2023-01-13 | 成都川美新技术股份有限公司（Cn） | 一种基于多维特征发现与识别卫星弱信号的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112422465B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112422465B (zh) | 一种信号调制识别设备 | |
| JP6026531B2 (ja) | レーダー用デジタル受信機を用いるレーダーパルス検出 | |
| Hwang et al. | Sinusoidal modeling and prediction of fast fading processes | |
| CN108134753B (zh) | 宽带信号调制方式的识别方法 | |
| CN105207965B (zh) | 一种vhf/uhf频段的调制自动识别方法 | |
| Boudreau et al. | A fast automatic modulation recognition algorithm and its implementation in a spectrum monitoring application | |
| CN110113278B (zh) | 一种基于全数字接收机的调制方式识别方法 | |
| CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
| CN111200569B (zh) | 一种宽带信号检测识别方法及装置 | |
| CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及系统 | |
| De Vito et al. | Prototype of an automatic digital modulation classifier embedded in a real-time spectrum analyzer | |
| CN104796366A (zh) | 通信信号制式识别系统及方法 | |
| Laghate et al. | USRP N210 demonstration of wideband sensing and blind hierarchical modulation classification | |
| CN117169664A (zh) | 一种局放传感器抗干扰系统及方法 | |
| US20050227626A1 (en) | Broadband frequency agile signal characterization | |
| Xu et al. | Individual radio transmitter identification based on spurious modulation characteristics of signal envelop | |
| EP3154212B1 (en) | Subband-based modulation tester and corresponding method | |
| CN115396270B (zh) | 基于数据类型识别的调频信号时频同步系统及方法 | |
| Bao et al. | Spectrum segmentation for wideband sensing of radio signals | |
| CN103051401A (zh) | 基于小波的认知无线电频谱感知方法 | |
| Digdarsini et al. | FPGA implementation of automatic modulation recognition system for advanced SATCOM system | |
| Kubankova et al. | Extended method of digital modulation recognition and its testing | |
| Lakhdari et al. | Hybrid blind symbol rate estimation for linearly modulated signals | |
| CN106375040A (zh) | 一种基于fpga频谱监测带宽内任意频率点实时解调实现方法 | |
| CN112636781B (zh) | 一种数字调制最优干扰信号的检测方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 201612 202-1, building 35, No. 258, Xinzhuan Road, Songjiang District, Shanghai Applicant after: Shanghai Yayuan Electronics Co.,Ltd. Address before: 201612 202-1, building 35, No. 258, Xinzhuan Road, Songjiang District, Shanghai Applicant before: SHANGHAI ARROWPOINT ELECTRONIC Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |