CN1141824C - 无需先验知识的常用数字信号调制方式的自动识别方法 - Google Patents

Abstract

本发明属于通信技术领域，涉及一种无需先验知识的常用数字信号调制方式的自动识别方法。本发明通过A1参数首先分离出噪声，再识别出CW信号，其后对信号进行预处理，分离出模拟信号或未知的非恒包络信号，随后用瞬时频率归一化参数中的Cp将信号分为调频信号和调相信号，调频信号用瞬时频率归一化参数中的峰值数Nf进行分类，调相信号通过平方谱和四次方谱进行分类。通过对BPSK、QPSK、OQPSK、pi/4QPSK、MSK、FSK、FM、CW的仿真表明：其总体识别率达95%以上。本发明具备算法简单、识别速度快捷、识别率高并能达到实用的特点。

Description

无需先验知识的常用数字信号调制方式的自动识别方法

技术领域

本发明属于通信技术领域，特别涉及常用数字信号调制方式的自动识别方法。

背景技术

信号的自动调制识别技术有很高的实用价值。在民用方面，有关当局为了实施有效的无线电频谱管理，常常需要监视民用信号的传输，以便对它们保持控制或者发现和监视未注册登记的发射机；此时，信号认证、干扰识别等都涉及调制的自动识别。在军事和国家安全方面，调制自动识别技术应用更为广泛。任何国家的通信情报系统为了获取通信情报，首先要澄清信号的调制方式，之后才能实施正确解调以及随后的信息处理和分析；在电子战中，为实施电子对抗、电子反对抗、威胁探测、报警、目标捕获和寻的等，都需要通过调制识别技术查清相关通信或电子信号的参数和性质。

现有的通信系统都是根据特定用途和特定应用环境来设计的。不同的通信系统间存在着工作频段、调制方式的差异，导致不同系统间难以实现互通，形成了通信装备品种杂、系列多、互通差、协同难的局面，很难适应未来信息时代方便快捷进行信息交换的需要。针对这样一个现状，1992年5月，Joe.Mitola在美国国家远程系统会议上首次提出了“软件无线电(Software Radio)”的概念。软件无线电系统的目标之一就是通信自动化。通过信号调制方式的自动识别及其它一些相应手段，最终可以实现不同通信系统间的互连互通。因此，信号的自动调制识别是一项富于挑战性的课题。

埃及开罗军事技术学院电子电气工程系E.E.Azzouz和英国格拉斯哥市斯特拉斯克莱德大学(University of Strathclyde)电子电气工程系A.K.Nandi联合编著的《Automatic Modulation Recognition of Communication Signals》一书详细论述了对模拟信号和数字信号的识别方法；另外该书还评述了近年来发表的许多自动调制识别方法。其中的数字调制识别方法工作流程如图1所示，包括以下步骤：

1)假设处理数据是数字调制信号

2)计算γ_max，如果其值小于门限 那么判定是移频键控(FSK)信号，则计算σ_af，如果大于该门限，则将其它信号归为一类，计算σ_ap；

3)计算σ_af，如果其值小于门限

那么判定为二频移频键控(FSK2)信号，反之为四频移频键控(FSK4)信号；

4)计算σ_ap，如果其值大于门限

那么判定为四相移相键控(PSK4)信号，反之则计算σ_dp；

5)计算σ_dp，如果其值大于门限 判定为二相移相键控(PSK2)信号，反之，为ASK信号；

6)对ASK信号计算σ_aa，如果其值大于门限 判定为四进制幅度键控(ASK4)信号，反之，为二进制幅度键控(ASK2)信号。

该方法各步骤相关参数说明如下：

1.该方法中零中心归一化瞬时幅度的功率谱密度的最大值γ_max为：

γ_max＝max{DFT[a_cn(i)]}²/N_s

式中，N_s为取样点数，a_cn(i)为零中心归一化瞬时幅度，a_cn(i)＝a_n(i)-1，a_n(i)＝a(i)/m_a， $m_a=\frac{1}{N_s}\underset{i=1}{\overset{\mathrm{Ns}}{\mathrm{\Σ}}}a\left(i\right)$ 为瞬时幅度a(i)的均值。

参数γ_max主要用来区分是恒包络信号还是非恒包络的信号，因为对调频(FM)、载波(CW)、FSK信号其瞬时幅度为常数(恒定不变)，所以它的零中心归一化瞬时幅度a_cn(i)≈0，对应其谱密度也就为零。而对调幅(AM)、残余边带(DSB)、移相键控(PSK)等信号，由于其瞬时幅度不为恒定值，所以谱密度不为零。假设判决门限为 判决规则如下： ${\mathrm{\γ}}_{\max }\≤t_{{\mathrm{\γ}}_{\max }}$ 时，判为恒包络信号； ${\mathrm{\γ}}_{\max }>t_{{\mathrm{\γ}}_{\max }}$ 时，判为非恒包络信号

2.该方法中的非弱信号段零中心归一化瞬时频率的绝对标准差σ_af为： ${\mathrm{\σ}}_{\mathrm{af}}=\sqrt{\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}{f}_N^2\left(i\right)-{\left(\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}\right|f_N\left(i\right)\left|\right)}^2}$ 式中，a_t是判断弱信号段的一个幅度门限，C是在全部取样数据N_s中属于非弱信号的个数，f_N(i)＝f_m(i)/f_c，f_m(i)＝f(i)-m_f， $m_f=\frac{1}{N_s}\underset{i=1}{\overset{\mathrm{Ns}}{\mathrm{\Σ}}}f\left(i\right),$ f_c为数字信号的中频，f(i)为信号的瞬时频率。

该参数σ_af用来区分是2FSK信号还是4FSK信号。因为2FSK信号的瞬时频率只有两个值，所以它的零中心归一化瞬时频率的绝对值是常数，则其标准差σ_af≈0，而4FSK信号的瞬时频率有四个值，所以它的零中心归一化瞬时频率的绝对值不为常数，合理设定判决门限

就可以区分这两种信号。

3.该方法中的非弱信号段零中心瞬时相位非线性分量的绝对标准差σ_ap为： ${\mathrm{\σ}}_{\mathrm{ap}}=\sqrt{\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}{\mathrm{\φ}}_{\mathrm{NL}}^2\left(i\right)-{\left(\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}\right|{\mathrm{\φ}}_{\mathrm{NL}}\left(i\right)\left|\right)}^2}$ 式中，φ_NL(i)是经零中心化处理后瞬时相位的非线性分量，在载波完全同步时，φ_NL(i)＝φ(i)-φ₀，其中 ${\mathrm{\φ}}_0=\frac{1}{N_s}\underset{i=1}{\overset{\mathrm{Ns}}{\mathrm{\Σ}}}\mathrm{\φ}\left(i\right).$ σ_ap用来区分有相位变化的信号中DSB、BPSK信号还是其它信号。因为DSB和BPSK的φ_NL只有-π/2和π/2两个取值，不含绝对相位信息。通过选取合适的门限 就可以区分这两类信号。

4.该方法中的非弱信号段零中心瞬时相位非线性分量的直接标准差σ_dp为： ${\mathrm{\σ}}_{\mathrm{dp}}=\sqrt{\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}{\mathrm{\φ}}_{\mathrm{NL}}^2\left(i\right)-{\left(\frac{1}{c}\underset{a_n\left(i\right)>a_t}{\mathrm{\Σ}}{\mathrm{\φ}}_{\mathrm{NL}}\left(i\right)\right)}^2}$ 式中，σ_dp用来区分调制信号有无相位变化，可以门限设

区分PSK、FSK、FM、DSB、SSB与AM、ASK、CW调制信号。

5.该方法中的中心归一化瞬时幅度的绝对标准差σ_aa为： ${\mathrm{\σ}}_{\mathrm{aa}}=\sqrt{\frac{1}{N_s}\underset{i=1}{\overset{\mathrm{Ns}}{\mathrm{\Σ}}}{a}_{\mathrm{cn}}^2\left(i\right)-{\left(\frac{1}{N_s}\underset{i=1}{\overset{\mathrm{Ns}}{\mathrm{\Σ}}}\right|a_{\mathrm{cn}}\left(i\right)\left|\right)}^2}$ 式中，σ_aa主要用来区分是2ASK信号还是4ASK信号。因为2ASK信号的幅度绝对值是一常数，不含幅度信息，所以有σ_aa≈0。而4ASK信号的幅度绝对值不是常数，仍含有幅度信息，所以σ_aa≠0。假设其判决门限为

该方法存在以下不足：

1.该方法的算法依赖于先验知识，比如说信号准确的载波频率、载波相位、波特率、码元同步及信号采样率与信号码元成整数倍关系等；但实际情况这些参数很难得到，或者只能估计得到准确性较差值，这些参数的误差对信号特征及其判决影响很大。

2.侧重于理论研究，并没有考虑实际调制信号的调制参数的影响，因此其建立的数学模型本身就有较大的误差，可行性不佳。

3.该方法及其它很多文献可以识别信号调制种类有限，要求接收的必须是其讨论范围中的信号，当未知信号是该范围中的调制方式时，可以识别，而当未知信号不是讨论范围中的调制方式时，会误判。

4.并没有对噪声进行有效的分离，这点很重要，因为在实际的通信信号识别中，噪声的分离是第一步的，如果不对其进行分离，无法实现识别的自动化。

5.没有对使用最多的QPSK、OQPSK及pi/4QPSK信号进行分类，而只是简单地将其分为一类。

发明内容

本发明的目的是为克服已有技术的不足，提出一种无需先验知识的常用数字信号调制方式的自动识别方法，使其具有算法简单、识别速度快捷、识别率高并能达到实用的特点。

本发明提出的一种无需先验知识的常用数字信号调制方式的自动识别方法，其特征在于，包括以下步骤：

1)接收待处理数据；

2)分离噪声：计算加性高斯白噪声的A1、A2参数，判断A1、A2的值是否大于门限T_A1，如果大于T_A1，那么该数据是通信信号，进入下一步处理；如果小于门限T_A1，那么判定该数据是噪声，结束流程；

3)计算载波因子的Rcw参数，判断Rcw值是否大于门限T_Rcw，如果大于该门限，判定该数据为CW信号，结束流程；否则，仍作为未知信号进入下一步处理；

4)估计该未知信号的带宽及载频，对信号进行带通滤波，并将该信号变频到合适的频段；

5)对该未知信号计算R参数；

6)如果R参数的值大于门限T_R，将该未知信号归类为模拟信号或未知的非恒包络信号，结束流程；如果小于门限T_R，则仍作为未知信号进入下一步处理；

7)对该未知信号计算瞬时频率归一化参数中的Cp，如果小于门限T_Cp，将信号归类为调频信号，包括调频及移频键控信号；反之，归类为调相信号；

8)对调频信号计算信号瞬时频率归一化参数中的峰值数Nf，如果等于2，则信号为FSK信号，否则为FM信号，结束流程；

9)对调相信号进行平方处理，计算功率谱；

10)计算平方处理后功率谱的载波因子参数Rcw1，如果大于门限T_2S，判定为BPSK信号，结束流程；反之，进入下一步处理；

11)计算信号四次方功率谱的N4参数，如果N4＝2，则为pi/4 QPSK信号，结束流程；如果N4＝0，则归类为未知的恒包络信号，结束流程；如果N4＝1，则为QPSK和OQPSK信号，进入下一步处理；

12)计算信号平方功率谱的速率指示参数F_2r，如果F_2r＝1，判定为QPSK信号，否则为OQPSK信号，结束处理流程。

本发明有以下几个方面优点：

1.本发明的方法不依赖于先验知识，包括信号滚降系数或调制指数、信噪比、准确载波频率、载波相位、码元同步等；全面考虑了最常用调制参数对信号特征及调制识别的影响，建立的数学模型与实际非常相近，识别率高；

2.提出一组鲁棒性强的特征参数用于识别，其中首次提出了瞬时频率归一化分布参数和AWGN因子参数，其特征明显，分类效果好；

3.充分考虑了信号识别的完备性，即：当未知信号是识别集合中的元素时，能正确识别，当未知信号不是识别集合中的元素时，也能给出相应的分类指示；

4.有效地对噪声进行识别分离。

5.处理的数据特征提取和算法所用的判决规则简单，关于调制方式的判决可以在很短的时间内完成，完全可以在线分析。

本发明达到的良好效果：

在现代通信系统中最常用的是数字调制技术而非模拟调制技术，因此，对数字调制方式的识别是现代调制识别的主流。本发明研究了基于谱分析的通信信号调制方式自动识别，提出了一组具有鲁棒性强的特征参数，本发明的特点是无需先验知识，能对加性高斯白噪声(AWGN)信道中的常用通信调制方式：BPSK、QPSK、OQPSK、pi/4 QPSK、最小移频键控(MSK)、FSK、FM、CW等信号进行自动识别，并对其它种类的调制信号进行分类。仿真结果表明：其总体识别率达95％以上。

附图说明

图1为已有的一种数字调制自动识别方法流程图。

图2为本发明的数字调制自动识别方法流程图。

具体实施方式

本发明提出的一种无需先验知识的常用数字信号调制方式的自动识别方法，结合附图及实施例详细说明如下：

本发明的调制方式的自动识别方法总体流程如图2所示，包括以下步骤：

1.接收待处理数据；

2.分离噪声：计算加性高斯白噪声(AWGN)的A1、A2参数，判断A1、A2的值是否大于门限T_A1，如果大于T_A1，那么该数据是通信信号，进入下一步处理；如果小于门限T_A1，那么判定该数据是噪声，结束流程；

3.计算载波因子的Rcw参数，判断Rcw值是否大于门限T_Rcw，如果大于该门限，判定该数据为CW信号，结束流程；否则，仍作为未知信号进入下一步处理；

4.估计该未知信号的带宽及载频，对信号进行带通滤波，并将该信号变频到合适的频段；

5.对该未知信号计算R参数；

6.如果R参数的值大于门限T_R，将该未知信号归类为模拟信号或未知的非恒包络信号，结束流程；如果小于门限T_R，则仍作为未知信号进入下一步处理；

7.对该未知信号计算信号瞬时频率归一化参数中的Cp，如果小于门限T_Cp，将信号归类为调频信号，包括调频(FM)及移频键控(FSK)信号；反之，如果大于门限T_Cp，将该信号归类为调相信号，包括BPSK、QPSK、OQPSK、pi/4 QPSK、8相移相键控(8PSK)等；

8.对调频信号计算信号瞬时频率归一化参数中的峰值数Nf，如果等于2，则信号为FSK信号，否则为FM信号，结束流程；

9.对调相信号进行平方处理，计算功率谱；

10.计算平方处理后功率谱的CW因子参数Rcw1，如果大于门限T_2S，判定为BPSK信号，结束流程；反之，进入下一步处理；

11.计算信号四次方功率谱的N4参数，如果N4＝2，则为pi/4 QPSK信号，结束流程；如果N4＝0，则归类为未知的恒包络信号，结束流程；如果N4＝1，则为QPSK和OQPSK信号，进入下一步处理；

12.计算信号平方功率谱的速率指示参数F_2r，如果F_2r＝1，判定为QPSK信号，否则为OQPSK信号，结束处理流程。

上述各流程步骤的详细实现方法说明如下：

1、加性高斯白噪声(AWGN)因子参数A1、A2的计算方法：

A1＝(E2-E1)/E1、A2＝(E3-E2)/E1。其中E1是未知信号功率谱的均值， $E1=\frac{1}{N}\underset{n=1}{\overset{n}{\mathrm{\Σ}}}F\left(n\right),$ F(n)是信号的功率谱；E2是高于E1的功率谱分量值部分的均值；E3是高于E2的功率谱分量值部分的均值，计算经过大量的仿真统计表明：当处理信号的样点数大于2048点时，为AWGN时，其值均在0.7～1.5范围内；当为信号时，A1、A2之值大于2。

2、载波因子Rcw的计算方法对未知信号功率谱F(n)(1≤n≤N)，搜索出最大值F_max及次大值F_sec定义最大值和次大值的比为载波因子Rcw，R_cw＝F_max/F_sec。显然，当Rcw的值大于门限T_Rcw时，可判定其为载波信号CW。

3、带宽、载频估计及数字变频实现方法的详细流程如下：

(1)用计算AWGN因子时得到的信号功率谱F(n)的均值E1及小于E1部分的功率谱再次求均值E4；

(2)设定门限T_sn＝(E1+E4)*0.5，作为带内信号和噪声的判决门限；

(3)对功率谱F(n)从序号1开始按顺序往上搜索，如果F(n)中连续有四次大于T_sn，则记该位置为pos1；

(4)对功率谱F(n)从序号N/2开始往下搜索F(n)，如果F(n)中连续有四次大于T_sn，则记该位置为pos2；

(5)设定起始数字频率F1＝pos1-(pos2-pos1)*0.15；

(6)设定截止数字频率F2＝pos2+(pos2-pos1)*0.15；

(7)设定信号数字带宽BW＝F2-F1，数字载频F0＝(F1+F2)*0.5；

(8)在频域对信号进行理想带通滤波，即：对小于F1和大于F2部分的信号FFT得到的复序列S(n)置0；

(9)对信号进行频域数字变频，即：对S(n)进行相应的移位，使其满足，F0＝0.15*N；其中N为信号处理长度；

(10)对S(n)进行IFFT变换，得到滤波、变频后的时域信号s(n)，后续步骤的所有处理均是对该信号s(n)进行的。

4、R参数的计算方法

R参数反应信号包络的变化程度，R参数的推导及其特性在Y.T.CHAN and L.G.GADBOIS“Identification of The Modulation Type of Signal”Signal Processing 16(1989)，pp149～154，North-Holland.文献中有详细的说明，该文献给出R参数的如下特征：AM、单边带调幅(SSB)、DSB等包络变化剧烈的信号，R参数的值也较大；FM、FSK、PSK、CW等信号包络变化较小，R参数的值也较小；通过R参数，可以很好地将这两类信号分类。

5、瞬时频率归一化参数中Cp及Nf的计算方法

未知信号因其准确的载频未知，因此其瞬时相位、瞬时频率存在误差而不可信，而作为统计量的经过数字滤波的信号瞬时频率分量出现概率能较好地反映信号的性能。本发明首次提出该参数，其实现方法如下；

(1)信号s(n)＝x(n)+i*y(n)的瞬时相位的公式如下： $\mathrm{\φ}\left[n\right]=\arctan \left(\frac{y\left(n\right)}{x\left(n\right)}\right)---(1\≤n\≤N)$

(2)对瞬时相位进行相位去卷叠。相位去卷叠算法是给模2π相位序列φ(n)加上如下校正相位序列C_k(n)

其中C_k(0)＝0，得到去卷叠后的相位序列θ(n)＝φ(n)+C_k(n)；

(3)去卷叠后的相位序列消除线性相位，得到信号的瞬时频率f₁(n)： $f_1\left(n\right)=f_{11}\left(n\right)-\frac{1}{N}\underset{1}{\overset{N}{\mathrm{\Σ}}}{f}_{11}\left(n\right),$

其中，f₁(n)为相位序列的差分序列f₁₁(n)＝θ(n)-θ(n-1)；

(4)对f₁(n)进行绝对值大于π/2的统计，得到的统计次数C_p小于门限T_Cp时，判为没有相位跳变的信号，当C_p大于门限时，判为移相信号。

(5)对没有相位跳变的信号的f₁(n)中绝对值大于π/2的值进行插值处理，消除因噪声突变引起的相位突变，插值处理后得到f₂(n)，插值处理的方法是：

(6)对f₂(n)进行归一化处理得到信号的归一化频率f(n)： $f\left(n\right)=\frac{f_2\left(n\right)}{\underset{i=1}{\overset{N}{\mathrm{Max}}}\left(\mathrm{abs}\left(f_2\left(i\right)\right)\right)}$

(7)对f(n)进行分布统计，得到峰值个数Nf。

6、四次方功率谱的N4参数的计算方法信号四次方处理具体步骤如下：

(1)对复信号s(n)＝x(n)+i*y(n)；实部和虚部分别平方，得到新的序列x2(n)和y2(n)，令s2(n)＝x2(n)+i*y2(n)，对其FFT变换，得到S2(n)＝X2(n)+i*Y2(n)

(2)对复数序列S2(n)中序号小于F1的部分清0，以消除信号滚降对以后处理的影响。

(3)对复数序列S2(n)，进行频域数字下变频，即：按式S2D(n)＝S2(n-F1)对该复数序列移位，得到新的序列S2D(n)(0＜n＜N+1)

(4)对S2D(n)进行IFFT变换，得到复时域信号s2(n)＝x2(n)+i*yd(n)信号。

(5)对sd(n)的实部和虚部分别平方，得到s4(n)＝x4(n)+i*y4(n)

(6)对s4(n)进行FFT变换，得到频域信号S4(n)＝X4(n)+i*Y4(n)

(7)对S4(n)求功率谱P4(n)＝(X4(n))²+(Y4(n))²

(8)对F4(n)序列中序号小于F1的部分清0；

(9)搜索F4(n)序列，得到极大值MAX，次大值SEC，和第三大值THD

(10)如果MAX/THD足够大，大于门限T_N4，证明有一条离散谱分量，N4＝1；

(11)如果SEC/THD也大于门限T_N4，证明有两条离散谱分量，N4＝2；

(12)否则，没有足够大的离散谱分量，N4＝0；

7、速率指示参数F_2r的计算方法速率指示参数F_2r的具体算法如下：

(1)对处理数据s(n)＝x(n)+i*y(n)，求包络 $p2\left(n\right)=\sqrt{x^2\left(n\right)+y^2\left(n\right)}$

(2)对包络数据求对数p1(n)＝1n(p2(n))

(3)对p1(n)序列FFT运算，得到复数序列P1(n)P1(n)＝P1_r(n)+i*P1_i(n)

(4)对P1(n)求模 $P\left(n\right)=\sqrt{{P1}_r^2\left(n\right)+{P1}_i^2\left(n\right)}$

(5)从0到BW点，对P(n)搜索，求出极大值max及其的位置pos

(6)对极大值附近区域求平均 $\mathrm{comp}=0.1*(\underset{\mathrm{pos}-9}{\overset{\mathrm{pos}-5}{\mathrm{\Σ}}}P\left(i\right)+\underset{\mathrm{pos}+5}{\overset{\mathrm{pos}+9}{\mathrm{\Σ}}}P\left(i\right))$

(7)再与极大值进行比较max/comp，如果其值大于门限T_Rate，说明有码元速率指示F_2r＝1，否则F_2r＝0。

本发明提出的一种无需先验知识的常用数字信号调制方式的自动识别方法实施例的步骤如上所述，不再复述。

本实施例以实际通信系统中最常用的BPSK、QPSK、OQPSK、pi/4 QPSK、FSK、FM、CW等信号及AWGN为例，进行调制方式的自动识别计算机仿真，使用随机序列作为数字调制信号的信源。调制信号码元速率、载波频率、取样频率进行了归一化，分别选定为1、1.5、10。用均值为0正态分布的随机数发生器产生加性高斯白噪声AWGN序列。FSK信号调制指数从0.5到2，步进为0.25；PSK信号的滚降系数从0.3到1.0，步进为0.1；SNR变化范围从6dB到24Db，步进为2dB。每个识别样本用4096个样点。每个识别样本仿真400次。仿真平台操作系统是WIN2000，采用VC进行编程，其中，嵌套了intel公司的信号处理软件包。仿真中各判决门限的值是基于大量仿真统计得到的，其具体设定如下：

加性高斯白噪声的A1、A2参数的判决门限T_A1＝2；

载波因子的Rcw门限T_Rcw＝100

R参数值的门限T_R＝0.62

信号瞬时频率归一化参数中的Cp的门限T_Cp＝5

平方处理后功率谱的载波因子参数Rcw1的门限T_2S＝5

信号平方功率谱的速率指示参数的门限T_Rate＝20

PSK信号中离散谱分量个数Nf检测门限T_N4＝3

Claims (4)

1、一种无需先验知识的常用数字信号调制方式的自动识别方法，其特征在于，包括以下步骤：

1)接收待处理数据；

2)分离噪声：计算加性高斯白噪声的A1、A2参数，判断A1、A2的值是否大于门限T_A1，如果大于T_A1，那么该数据是通信信号，进入下一步处理；如果小于门限T_A1，那么判定该数据是噪声，结束流程；

3)计算载波因子的Rcw参数，判断Rcw值是否大于门限T_Rcw，如果大于该门限，判定该数据为CW信号，结束流程；否则，仍作为未知信号进入下一步处理；

4)估计该未知信号的带宽及载频，对信号进行带通滤波，并将该信号变频到合适的频段；

5)对该未知信号计算R参数；

6)如果R参数的值大于门限T_R，将该未知信号归类为模拟信号或未知的非恒包络信号，结束流程；如果小于门限T_R，则仍作为未知信号进入下一步处理；

7)对该未知信号计算信号瞬时频率归一化参数中的Cp，如果小于门限T_Cp，将信号归类为调频信号，包括调频及移频键控信号；反之，如果大于门限T_Cp，将该信号归类为调相信号；

8)对调频信号计算信号瞬时频率归一化参数中的峰值数Nf，如果等于2，则信号为FSK信号，否则为FM信号，结束流程；

9)对调相信号进行平方处理，计算功率谱；

10)计算平方处理后功率谱的载波因子参数Rcw1，如果大于门限T_2S，判定为BPSK信号，结束流程；反之，进入下一步处理；

11)计算信号四次方功率谱的N4参数，如果N4＝2，则为pi/4 QPSK信号，结束流程；如果N4＝0，则归类为未知的恒包络信号，结束流程；如果N4＝1，则为QPSK和OQPSK信号，进入下一步处理；

12)计算信号平方功率谱的速率指示参数F_2r＝1，判定为QPSK信号，否则为OQPSK信号，结束整个处理流程。

2、如权利要求1所述的自动识别方法，其特征在于，所说的加性高斯白噪声因子参数A1、A2实现方法为：

A1＝(E2-E1)/E1、A2＝(E3-E2)/E1，其中E1是未知信号功率谱的均值， $E1=\frac{1}{N}\underset{n=1}{\overset{n}{\mathrm{\Σ}}}F\left(n\right),$ F(n)是信号的功率谱；E2是高于E1的功率谱分量值部分的均值；E3是高于E2的功率谱分量值部分的均值。

3、如权利要求1所述的自动识别方法，其特征在于，所说的瞬时频率归一化参数中Cp及峰值数Nf的具体实现方法为：

(1)信号s(n)＝x(n)+i*y(n)的瞬时相位的公式如下： $\mathrm{\φ}\left[n\right]=\arctan \left(\frac{y\left(n\right)}{x\left(n\right)}\right);(1\≤n\≤N)$

(2)对瞬时相位进行相位去卷叠，相位去卷叠算法是给模2π相位序列φ(n)加上如下校正相位序列C_k(n)：

其中C_k(0)＝0，得到去卷叠后的相位序列θ(n)＝φ(n)+C_k(n)；

(3)去卷叠后的相位序列消除线性相位，得到信号的瞬时频率f₁(n)： $f_1\left(n\right)=f_{11}\left(n\right)-\frac{1}{N}\underset{1}{\overset{N}{\mathrm{\Σ}}}{f}_{11}\left(n\right),$

其中，f₁(n)为相位序列的差分序列f₁₁(n)＝θ(n)-θ(n-1)；

(4)对f₁(n)进行绝对值大于π/2的统计，得到的统计次数C_p小于门限T_Cp时，判为没有相位跳变的信号，当C_p大于门限T_Cp时，判为移相信号；

(5)对没有相位跳变的信号的f₁(n)中绝对值大于π/2的值进行插值处理，消除因噪声突变引起的相位突变，插值处理后得到f₂(n)，插值处理的方法是：

(6)对f₂(n)进行归—化处理得到信号的归—化频率f(n)： $f\left(n\right)=\frac{f_2\left(n\right)}{\underset{i=1}{\overset{N}{\mathrm{Max}}}\left(\mathrm{abs}\left(f_2\left(i\right)\right)\right)}$

(7)对f(n)进行分布统计，得到其峰值数Nf。

4、如权利要求1所述的自动识别方法，其特征在于，所说的速率指示参数F_2r的具体算法如下：

(1)对处理数据s(n)＝x(n)+i*y(n)，求包络数据 $p2\left(n\right)=\sqrt{x^2\left(n\right)+y^2\left(n\right)}$

(2)对包络数据求对数p1(n))＝1n(p2(n))

(3)对p1(n)序列进行FFT运算，得到复数序列P1(n)

P1(n)＝P1_r(n)+i*P1_i(n)

(4)对P1(n)求模 $P\left(n\right)=\sqrt{{P1}_r^2\left(n\right)+{P1}_i^2\left(n\right)}$

(5)从0到BW点，对P(n)搜索，求出极大值max及其的位置pos

(6)对极大值附近区域求平均 $\mathrm{comp}=0.1*(\underset{\mathrm{pos}-9}{\overset{\mathrm{pos}-5}{\mathrm{\Σ}}}P\left(i\right)+\underset{\mathrm{pos}+5}{\overset{\mathrm{pos}+9}{\mathrm{\Σ}}}P\left(i\right))$

(7)再与极大值进行比较max/comp，如果其值大于门限T_Rate，则有码元速率指示F_2r＝1，否则F_2r＝0。

Images