CN112543159B - 一种噪声调频信号识别方法 - Google Patents
一种噪声调频信号识别方法 Download PDFInfo
- Publication number
- CN112543159B CN112543159B CN202011368450.8A CN202011368450A CN112543159B CN 112543159 B CN112543159 B CN 112543159B CN 202011368450 A CN202011368450 A CN 202011368450A CN 112543159 B CN112543159 B CN 112543159B
- Authority
- CN
- China
- Prior art keywords
- signal
- modulation signal
- noise frequency
- frequency modulation
- judgment
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/22—Demodulator circuits; Receiver circuits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提出了一种噪声调频信号识别方法,属于通讯技术领域。本发明利用噪声调频在频谱和能量分布上的特点,对其内在特征进行提取和判断,以达到能够准确识别噪声调频信号的目的。具体来说,依次进行数字MPSK调制信号判断、数字MASK调制信号判断、数字MFSK调制信号判断,以及模拟调制判断,利用同周期的两个跳频信号的互斥性递归分选剩余的跳频信号。本发明经过信号时域和频域提取特征,借助谱线和频谱进行参数估计,并根据优先级逐步确认的方法进行噪声调频信号识别,具有算法简洁、计算量小、特征提取较为容易、工程实现难度小的优点。
Description
技术领域
本发明属于通讯技术领域,特别是指一种噪声调频信号识别方法。
背景技术
噪声调频技术作为一种遮盖式通信干扰手段已经应用在电子对抗领域。其主要原理是借助随机噪声产生调频信号,用以淹没遮盖有用信号,以达到干扰通信的目的。
目前,针对常规数字调制信号的分类识别已经有较多研究,但是对于区分干扰信号的方法还存在一定的空白。对于噪声调频信号,由于信号的随机性强,且覆盖范围大,功率较为平坦,所以常用数字信号特征提取技术,如瞬时相关估计,速率估计以及星座图判决等方法已经不能够提取噪声调频信号的瞬时特征,无法计算其相关性,难以提取其调制特征信息。加之由于其属于调频信号,具有一定的调频信号幅度不变的特征,易于同非调幅调制信号混淆,所以依靠常规调制特征分析手段对噪声调频信号进行检测识别具有一定的局限性。故亟需一种能够克服以上缺陷,准确提取噪声调频信号的特征的方法,对其进行检测识别。
发明内容
本发明的目的是克服上述现有技术中存在的缺陷,提出一种噪声调频信号识别方法,该方法利用噪声调频在频谱和能量分布上的特点,对其内在特征进行提取和判断,以达到能够准确识别噪声调频信号的目的。
为实现上述目的,本发明采取的技术方案为:
一种噪声调频信号识别方法,包括以下步骤:
(1)数字MPSK调制信号判断,具体方式为:
(1a)依据瞬时幅度特征计算符号速率;
(1b)对2次、4次、8次、16次的幂次谱进行谱线搜索,缩小MSPK信号判别范围;
(1c)数据经过符号同步,与标准MPSK类信号星座图匹配,如果不能够匹配成功,则进行MASK调制判断,如果匹配成功,则该信号为非噪声调频信号;
(2)数字MASK调制信号判断,具体方式为:
(2a)依据瞬时幅度特征计算符号速率;
(2b)对瞬时幅度进行直方图统计,得到峰值个数;
(2c)数据经过ASK信号符号同步,并根据直方图峰值个数进行相应MASK类信号星座图匹配,如果不能够匹配成功,则进行MFSK调制判断,如果匹配成功,则该信号为非噪声调频信号;
(3)数字MFSK调制信号判断,具体方式为:
(3a)依据瞬时频率特征计算符号速率;
(3b)对瞬时频率进行直方图统计,得到峰值个数;
(3c)数据经过FSK信号符号同步,并根据直方图峰值个数进行相应MFSK类信号星座图匹配,如果不能够匹配成功,则进行模拟调制判断,如果匹配成功,则该信号为非噪声调频信号;
(4)模拟调制判断,具体方式为:
(4a)计算信号频谱;
(4b)获得信号瞬时特征;
(4b)计算信号同FM能量匹配度,如果能够同FM信号匹配成功,则进行噪声调频判断,否则该信号为非噪声调频信号;
(5)噪声调频信号特征确认,具体方式为:
(5a)根据噪声调频信号功率谱无明显谱线存在的特点,对信号功率谱进行谱线搜索,如果没有搜索到谱线,则进行瞬时频率计算,如果搜索到谱线,则判断该信号为非噪声调频信号;
(5b)对瞬时频率进行功率谱计算,并确认是否有谱线存在,如果存在,则不是噪声调频信号,如果不存在,则继续对功率谱进行特征计算;
(5c)对瞬时频率的功率谱,计算能量出现的拐点及角度;
(5d)由于噪声调频信号其瞬时频率为高斯白噪声,带内能量分布平坦,带内带外能量拐点明显,角度接近直角,故以这三个特点作为判断依据,如果有两个拐点,且拐点角度值接近直角,能量波动微弱,则判断其是噪声调频信号。
进一步的,步骤(1)、(2)和(3)中所述的数据经过基于内插滤波的反馈型符号同步算法,与标准数字调制信号星座图以聚类点数匹配重合度上进行信号调制样式判断。
进一步的,步骤(4)中FM能量匹配是以去除外层FM调制后,计算得到的功率谱与FM信号进行能量相关系数作为匹配准则。
进一步的,步骤(5)中,拐点及角度的计算是通过累积包络,判断相邻点间角度变换来寻找拐点。
本发明与现有技术相比,具有以下优点:
1. 本发明经过信号时域和频域提取特征,借助谱线和频谱进行参数估计,根据优先级逐步确认的方法,解决了现有方法无法区分数字信号与噪声调频信号的问题,以达到能够准确识别噪声调频信号的目的。
2. 本发明算法简洁,计算量小,特征提取较为容易,工程实现难度小。
具体实施方式
以下结合具体实例,对本发明的技术方案做进一步的详细描述。
一种噪声调频信号识别方法,包括以下步骤:
步骤1)数字MPSK调制信号判断:
步骤1a)依据瞬时幅度特征计算符号速率;
步骤1b)对2次、4次、8次、16次等幂次谱进行谱线搜索,缩小MSPK信号判别范围;
步骤1c)数据经过符号同步,与标准MPSK类信号星座图匹配,如果不能够匹配成功,则进行MASK调制判断,否则该信号为非噪声调频信号。
步骤2)数字MASK调制信号判断:
步骤2a)依据瞬时幅度特征计算符号速率;
步骤2b)对瞬时幅度进行直方图统计,得到峰值个数;
步骤2c)数据经过ASK信号符号同步,并根据直方图峰值个数进行相应MASK类信号星座图匹配,如果不能够匹配成功,则进行MFSK调制判断,否则该信号为非噪声调频信号。
步骤3)数字MFSK调制信号判断:
步骤3a) 依据瞬时频率特征计算符号速率;
步骤3b) 对瞬时频率进行直方图统计,得到峰值个数;
步骤3c) 数据经过FSK信号符号同步,并根据直方图峰值个数进行相应MFSK类信号星座图匹配,如果不能够匹配成功,则进行模拟调制判断,否则该信号为非噪声调频信号。
步骤4)模拟调制判断:
步骤4a)计算信号频谱;
步骤4b)获得信号瞬时特征;
步骤4b)计算信号同FM能量匹配度,如果能够同FM信号匹配成功,则进行噪声调频判断,否则该信号为非噪声调频信号。
步骤5)噪声调频信号特征确认:
步骤5a)根据噪声调频信号功率谱无明显谱线存在,对信号功率谱进行谱线搜索,如果没有搜索到则进行瞬时频率计算,否则判断为非噪声调频信号;
步骤5b)对瞬时频率进行功率谱计算,并确认是否有谱线存在,如果存在,那么不是噪声调频信号,如果不存在,则继续对功率谱进行特征计算;
步骤5c)对瞬时频率的功率谱进行计算能量出现的拐点及角度;
步骤5d)由于噪声调频信号其瞬时频率为高斯白噪声,带内能量分布平坦,带内带外能量拐点很明显,角度接近直角,以上三个特点作为判断依据,如果有两个拐点,且拐点角度值接近直角,能量波动微弱,则认为是噪声调频信号。
总之,本发明利用噪声调频在频谱和能量分布上的特点,对其内在特征进行提取和判断,以达到能够准确识别噪声调频信号的目的。本发明经过信号时域和频域提取特征,借助谱线和频谱进行参数估计,并根据优先级逐步确认的方法进行噪声调频信号识别,具有算法简洁、计算量小、特征提取较为容易、工程实现难度小的优点。
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不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其他各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.一种噪声调频信号识别方法,其特征在于,包括以下步骤:
(1)数字MPSK调制信号判断,具体方式为:
(1a)依据瞬时幅度特征计算符号速率;
(1b)对2次、4次、8次、16次的幂次谱进行谱线搜索,缩小MSPK信号判别范围;
(1c)数据经过符号同步,与标准MPSK类信号星座图匹配,如果不能够匹配成功,则进行MASK调制判断,如果匹配成功,则该信号为非噪声调频信号;
(2)数字MASK调制信号判断,具体方式为:
(2a)依据瞬时幅度特征计算符号速率;
(2b)对瞬时幅度进行直方图统计,得到峰值个数;
(2c)数据经过ASK信号符号同步,并根据直方图峰值个数进行相应MASK类信号星座图匹配,如果不能够匹配成功,则进行MFSK调制判断,如果匹配成功,则该信号为非噪声调频信号;
(3)数字MFSK调制信号判断,具体方式为:
(3a)依据瞬时频率特征计算符号速率;
(3b)对瞬时频率进行直方图统计,得到峰值个数;
(3c)数据经过FSK信号符号同步,并根据直方图峰值个数进行相应MFSK类信号星座图匹配,如果不能够匹配成功,则进行模拟调制判断,如果匹配成功,则该信号为非噪声调频信号;
(4)模拟调制判断,具体方式为:
(4a)计算信号频谱;
(4b)获得信号瞬时特征;
(4b)计算信号同FM能量匹配度,如果能够同FM信号匹配成功,则进行噪声调频判断,否则该信号为非噪声调频信号;
(5)噪声调频信号特征确认,具体方式为:
(5a)根据噪声调频信号功率谱无明显谱线存在的特点,对信号功率谱进行谱线搜索,如果没有搜索到谱线,则进行瞬时频率计算,如果搜索到谱线,则判断该信号为非噪声调频信号;
(5b)对瞬时频率进行功率谱计算,并确认是否有谱线存在,如果存在,则不是噪声调频信号,如果不存在,则继续对功率谱进行特征计算;
(5c)对瞬时频率的功率谱,计算能量出现的拐点及角度;
(5d)由于噪声调频信号其瞬时频率为高斯白噪声,带内能量分布平坦,带内带外能量拐点明显,角度接近直角,故以这三个特点作为判断依据,如果有两个拐点,且拐点角度值接近直角,能量波动微弱,则判断其是噪声调频信号。
2.根据权利要求1所述的一种噪声调频信号识别方法,其特征在于,步骤(1)、(2)和(3)中所述的数据经过基于内插滤波的反馈型符号同步算法,与标准数字调制信号星座图以聚类点数匹配重合度上进行信号调制样式判断。
3.根据权利要求1所述的一种噪声调频信号识别方法,其特征在于,步骤(4)中FM能量匹配是以去除外层FM调制后,计算得到的功率谱与FM信号进行能量相关系数作为匹配准则。
4.根据权利要求1所述的一种噪声调频信号识别方法,其特征在于,步骤(5)中,拐点及角度的计算是通过累积包络,判断相邻点间角度变换来寻找拐点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011368450.8A CN112543159B (zh) | 2020-11-30 | 2020-11-30 | 一种噪声调频信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011368450.8A CN112543159B (zh) | 2020-11-30 | 2020-11-30 | 一种噪声调频信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112543159A CN112543159A (zh) | 2021-03-23 |
CN112543159B true CN112543159B (zh) | 2022-04-22 |
Family
ID=75016417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011368450.8A Active CN112543159B (zh) | 2020-11-30 | 2020-11-30 | 一种噪声调频信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112543159B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
CN103607361A (zh) * | 2013-06-05 | 2014-02-26 | 西安电子科技大学 | Alpha稳定分布噪声下时频重叠信号的参数预估方法 |
CN104714925A (zh) * | 2015-02-02 | 2015-06-17 | 北京工业大学 | 一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法 |
CN108933611A (zh) * | 2018-07-31 | 2018-12-04 | 西北工业大学 | 基于环境感知的噪声隐蔽水声通信方法及相应装置 |
CN109545188A (zh) * | 2018-12-07 | 2019-03-29 | 深圳市友杰智新科技有限公司 | 一种实时语音端点检测方法及装置 |
CN109839618A (zh) * | 2019-03-15 | 2019-06-04 | 北京应用物理与计算数学研究所 | 低信噪比雷达信号识别方法、计算机可读存储介质及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457890B (zh) * | 2013-09-03 | 2016-06-08 | 西安电子科技大学 | 一种有效识别非高斯噪声下数字调制信号的方法 |
IL250253B (en) * | 2017-01-24 | 2021-10-31 | Arbe Robotics Ltd | A method for separating targets and echoes from noise, in radar signals |
CN107948107B (zh) * | 2017-11-16 | 2021-04-20 | 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 |
CN111147102B (zh) * | 2019-12-25 | 2021-08-03 | 南京理工大学 | 基于频率调制信号的低信噪比码捕获方法 |
-
2020
- 2020-11-30 CN CN202011368450.8A patent/CN112543159B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
CN103607361A (zh) * | 2013-06-05 | 2014-02-26 | 西安电子科技大学 | Alpha稳定分布噪声下时频重叠信号的参数预估方法 |
CN104714925A (zh) * | 2015-02-02 | 2015-06-17 | 北京工业大学 | 一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法 |
CN108933611A (zh) * | 2018-07-31 | 2018-12-04 | 西北工业大学 | 基于环境感知的噪声隐蔽水声通信方法及相应装置 |
CN109545188A (zh) * | 2018-12-07 | 2019-03-29 | 深圳市友杰智新科技有限公司 | 一种实时语音端点检测方法及装置 |
CN109839618A (zh) * | 2019-03-15 | 2019-06-04 | 北京应用物理与计算数学研究所 | 低信噪比雷达信号识别方法、计算机可读存储介质及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112543159A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108134753B (zh) | 宽带信号调制方式的识别方法 | |
CN108718288B (zh) | 基于卷积神经网络的数字信号调制模式识别方法 | |
CN107948107B (zh) | 一种基于联合特征的数字调制信号分类方法 | |
CN107947830A (zh) | 一种可抵抗多径干扰的射频指纹识别方法 | |
CN102916917A (zh) | 基于切片双谱和小波变换的fsk信号个体识别方法 | |
CN112003803B (zh) | 一种vhf、uhf频段航空电台信号的侦收设备 | |
CN108173792B (zh) | 基于差分星座轨迹图的无线设备瞬态特征提取与识别方法 | |
CN111814777A (zh) | 一种基于特征量分级的调制样式识别方法 | |
CN116257752A (zh) | 一种信号调制样式识别方法 | |
CN108683622A (zh) | 一种基于信号平方谱平坦系数的调制识别方法 | |
CN112543159B (zh) | 一种噪声调频信号识别方法 | |
Zhao et al. | Automatic modulation recognition based on multi-dimensional feature extraction | |
CN109660475B (zh) | 一种非合作相位编码水声通信信号自主辨识方法 | |
He et al. | Parameter estimation of communication signal in alpha-stable distribution noise environment | |
CN104883328A (zh) | 一种自适应短波跳频通信系统信道估计方法 | |
CN112865882B (zh) | 一种抗频偏的dmr对讲机信号快速识别方法 | |
CN108270703A (zh) | 一种通信信号数字调制类型识别方法 | |
CN116232823A (zh) | 基于多级盲数字接收机联合的幅相调制信号识别方法 | |
CN111245756B (zh) | 基于级联svm和全数字接收机的复合信号调制识别方法 | |
CN106936744B (zh) | 基于动态理想解的信号调制识别方法 | |
Hazza et al. | A novel approach for automatic classification of digitally modulated signals in HF communications | |
CN112636781B (zh) | 一种数字调制最优干扰信号的检测方法 | |
Azim et al. | Modulation classification based on modified Kolmogorov-Smirnov test | |
Tian et al. | A Radio Frequency Fingerprint Extraction Method Based on Adaptive Filter | |
CN113162879B (zh) | 一种联合特征提取的调制信号识别方法 |
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 |