CN115695119A - 一种ofdm与ocdm信号识别方法与系统 - Google Patents
一种ofdm与ocdm信号识别方法与系统 Download PDFInfo
- Publication number
- CN115695119A CN115695119A CN202211125350.1A CN202211125350A CN115695119A CN 115695119 A CN115695119 A CN 115695119A CN 202211125350 A CN202211125350 A CN 202211125350A CN 115695119 A CN115695119 A CN 115695119A
- Authority
- CN
- China
- Prior art keywords
- signal
- ofdm
- ocdm
- fuzzy function
- graph
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 46
- 238000013139 quantization Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Landscapes
- Complex Calculations (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明针对正交频分复用(OFDM)与正交啁啾复用(OCDM)两种信号的时域波形相似度较高,用传统方法无法有效识别的问题,提出了一种OFDM与OCDM信号识别方法及系统。该方法分为四个步骤:一、计算待识别信号的模糊函数切片及其频谱模值;二、将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;三、提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;四、根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。本发明避免了识别方法对训练样本的依赖性,可实现对仅具有细微差异的多载波信号的有效识别。
Description
技术领域
本发明属于信号识别与处理领域,具体涉及一种OFDM与OCDM信号识别方法及系统。
背景技术
OFDM(正交频分复用信号)是一种常用的多载波调制信号,已广泛应用于4G、5G通信系统中,其主要优点在于可以实现高数据速率传输,且实现复杂度较低,但也存在缺少频率分集增益、对符号间的干扰较为敏感等缺陷。OCDM(正交啁啾复用)是一种全新的多载波复合调制技术,将雷达中的线性调频技术与通信中的多载波技术相结合,可利用同一发射波形,同时实现目标探测与信息传输的双重功能,已成为水声通信、雷达一体化波形设计及6G化波形设计中的重要调制样式。该类信号利用线性调频信号作为载波实现调制信息,通过将每个符号的信息扩展到所有线性调频分量上,可以获得频率分集增益。对认知无线电、通信电子侦察而言,如何区分两种信号的类型,是后续调制方式识别、参数解调乃至个体识别的前提与基础。由于OFDM与OCDM信号的时域及频域特性较为接近,故识别特征的提取十分困难。目前,关于OCDM与OFDM信号的识别方案,尚未见公开发表。本发明从两类信号模糊函数切片的频谱差异入手,基于图域变换技术,提取其成生图及其最大子图的顶点数差异作为识别特征,首次给出两类信号的识别方法。结果表明,该方法可以极低信噪比下工作,具有较强的工程应用价值。
发明内容
本发明针对现有技术中的不足,提供一种OFDM与ODCM信号识别方法及系统。本发明在分析OFDM与OCDM信号的模糊函数切片频谱差异的基础上,通过均匀量化的方式,将其转换在具有一定顶点与边的无向图拓扑,并利用该图与其最大子图顶点数的差异作为分类特征,完成两类信号的识别。
为实现上述目的,本发明采用以下技术方案:
一种OFDM与OCDM信号识别方法,其特征在于,包括如下步骤:
步骤1:计算待识别信号的模糊函数切片及其频谱模值;
步骤2:将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;
步骤3:提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;
步骤4:根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。
为优化上述技术方案,采取的具体措施还包括:
进一步地,所述步骤1中,待识别信号r(t)表示为:
r(t)=s(t)+n(t),0≤t≤T
式中,s(t)表示待识多载波信号,n(t)为加性高斯白噪声,t表示时间取值,T表示信号的持续时间;考虑OFDM与OCDM两类多载波信号,其模糊函数f(τ,ξ)为:
式中,τ表示延时量,ξ为多普勒频移量,r*(t+τ)表示观测信号延时信号的共轭信号;对于任意非零延时切片,模糊函数τ0≠0,τ0是一个具体的延时量值;对模糊函数作傅立叶变换,得到相应的模糊函数切片的频谱模值为:
式中,ω是频域变量。
进一步地,所述步骤2中,首先将模糊函数切片的频谱模值F(ω)作归一化处理,得到其归一化频谱U(ω):
设量化级数为N0,对归一化频谱U(ω)进行均匀量化,得到量化后的样本Q(m):
式中,μ=0,1,...,N0-1;Q(m)用于将模糊函数切片的频谱模值进行图域变换;
将图的顶点v与量化区间[0,1]的子区间之间按如下规则进行映射:
得到对应的无向简单图G(V,E),其中V表示图所有顶点的集合,vμ+1表示第μ+1个顶点, E表示所有边的集合。
进一步地,所述步骤3中,以图G(V,E)及其最大子图Gm(Vm,Em)之间的顶点数差异κ=|length(G)-length(Gm)|作为OFDM与OCDM信号识别的识别特征,其中,length(G)表示图G(V,E)的顶点个数,length(Gm)表示子图Gm(Vm,Em)的顶点个数。
进一步地,所述步骤4中,若两个图之间的顶点数差异κ=0,则此时待识别信号判决为 OCDM信号;否则,若κ>0,待识别信号判决为OFDM信号。
本发明还提出了一种OFDM与OCDM信号识别系统,其特征在于,包括:
计算模块,用于计算待识别信号的模糊函数切片及其频谱模值;
图域转换模块,用于将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;
识别特征提取模块,用于提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;
判决模块,用于根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。
本发明还提出了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如上所述的一种OFDM与OCDM信号识别方法。
本发明还提出了一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如上所述的一种OFDM 与OCDM信号识别方法。
本发明的有益效果是:本发明对传统的正弦波基类OFDM信号与新型以线性调频基类 OCDM信号的识别问题进行了研究,通过均匀量化图特征变换的方式,将两类信号的模糊函数切片频谱模值转换到时图域,通过比较生成图与其最大子图顶点数差异,以实现两类信号的识别。本发明的提出,对增加新型电子侦察信号的信号识别能力具有重要价值,未来在非协作条件下侦察信号处理频率管理中具有很好的应用前景。
附图说明
图1是本发明的识别方法流程图。
图2a到图2c分别为OFDM信号模糊函数切片、模糊函数切片的频谱及其生成图。
图3a到3c分别为OCDM信号模糊函数切片、模糊函数切片的频谱及其生成图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
在未来6G通信感知一体化传输环境中,OCDM信号是一种备选的多载波体制,与传统4G 及5G中仍旧采用OFDM类多载波体制共存。这对通信侦察、认知无线电及软件无线电等智能化通信信号处理系统而言,提出了新的挑战。原因在于,这两类信号的时域波形具较高的相似度,加之噪声的影响,使用传统方法难以完成识别任务。本发明提供了一种新的处理视角,在分析两类信号模糊函数切片的旁瓣细微差异的基础上,提取其模糊函数切片作DFT变换,得到模糊函数切片的频谱,并将该频谱通过均匀量化的方式变换到图域,进而通过检测图的完全连接性来识别两类信号。
在一实施例中,本发明提出了如图1所示的OFDM与OCDM信号识别方法,具体包括以下内容。
一、模糊函数切片及其频谱的获取
待识别OFDM或OCDM信号r(t),可表示为:
r(t)=s(t)+n(t),0≤t≤T
式中,s(t)表示待识多载波信号,n(t)为加性高斯白噪声,t表示时间取值,T表示信号的持续时间。此处考虑OFDM与OCDM两类多载波信号,其模糊函数为:
式中,ω是频域变量。
二、基于均匀量化的图域变换
1、归一化:模糊函数切片的频谱模值F(ω)作归一化处理,得到其归一化频谱:
2、均匀量化:设量化级数为N0,对归一化后的模糊函数切片的频谱模值进行均匀量化,均匀量化后的序列可表示为:
式中,μ=0,1,...,N0-1;获取均匀量化序列的作用在于将观测信号的模糊函数切片的频谱模值进行图域变换,确定其与顶点的对应关系。
3、图映射:将图的顶点v与量化区间[0,1]的特定子区间(量化级)之间按如下规则进行映射为:
得到对应的无向简单图G(V,E),其中V表示图所有顶点的结合,vμ+1表示第μ+1个顶点, E表示所有边的结合。
三、识别特征定义
具体地,以图及最大子图顶点数差异特征作为的OFDM与OCDM信号识别的特征量。
定义:图G(V,E)及其最大子图Gm(Vm,Em)之间的包含关系,定义两个图之间顶点的差κ=|length(G)-length(Gm)|作为识别特征量,其中,length(G)表示图G的顶点个数。
四、分类识别
分类识别的规则为:若两个图之间顶点的差κ=0,则此时待识信号判决为OCDM信号;否则,若κ>0,待识信号判决为OFDM信号。
采用该规则的原因在于:由于两种待识信号的模糊函数切片的频谱模值均呈现窄带特性,一种近似为三角波,连续性好,其量化后的样本直方图的均匀性好,可以转换成完全图,而另一种近似为三角波与冲击函数之和,在最大值左右存在明显的跳变,导致其直方图中有一些柱形上的计数值为0,从而无法转换成完全图。均匀量化是一种线性变换,很好地保存了原始信号、量化信号与图之间的对应关系,故可以采用该规则进行有效的分类识别。
图2a到2c分别为OCDM信号模糊函数切片、模糊函数切片的频谱及其生成图。
图3a到3c分别为OFDM信号模糊函数切片、模糊函数切片的频谱及其生成图。
由图2a到2c和图3a到3c可见,两类信号的时域波形均呈现随机性,功率谱的变化规律也相差不大,其二次谱的主瓣存在细微差异,经过均匀量化后生成的图结构存在明显差别, OFDM信号的生成图为非完全图,而UFMC则为完全图,本发明就是依据这一细微差异设计两类信号的识别方法。
表1本方法在不同信噪比条件下的识别正确率统计
SNR(dB) | -20 | -19 | -17 | -15 | -13 | -11 | -9 | -7 | -5 |
OFDM | 100% | 100% | 100% | 100% | 100% | 100% | 100% | 100% | 100% |
OCDM | 76% | 92% | 94% | 99% | 100% | 100% | 100% | 100% | 100% |
表1是所提出的方法在不同信噪比条件下的识别正确率统计。仿真中信噪比SNR的范围为-20dB至-5dB,步长2dB,OFDM、OCDM的参数为:子载波的个数为16,脉冲持续时间为1e-6s;频斜率为1.6e+13Hz/s;图的顶点数为10。每种信噪比下各做100次仿真,分别对两种信号各自进行识别。由表1可见,在信噪比大于-13时,两种信号的识别正确率可达100%。
在另一实施例中,本发明提出了一种与前述OFDM与OCDM信号识别方法相对应的OFDM与 OCDM信号识别系统,包括:
计算模块,用于计算待识别信号的模糊函数切片及其频谱模值;
图域转换模块,用于将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;
识别特征提取模块,用于提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;
判决模块,用于根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。
在另一实施例中,本发明提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序使计算机执行如上所述的一种OFDM与OCDM信号识别方法。
在另一实施例中,本发明提出了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如上所述的一种 OFDM与OCDM信号识别方法。
在本申请所公开的实施例中,计算机存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。计算机存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。计算机存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种OFDM与OCDM信号识别方法,其特征在于,包括如下步骤:
步骤1:计算待识别信号的模糊函数切片及其频谱模值;
步骤2:将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;
步骤3:提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;
步骤4:根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。
4.如权利要求3所述的一种OFDM与OCDM信号识别方法,其特征在于:所述步骤3中,以图G(V,E)及其最大子图Gm(Vm,Em)之间的顶点数差异κ=|length(G)-length(Gm)|作为OFDM与OCDM信号识别的识别特征,其中,length(G)表示图G(V,E)的顶点个数,length(Gm)表示子图Gm(Vm,Em)的顶点个数。
5.如权利要求1所述的一种OFDM与OCDM信号识别方法,其特征在于:所述步骤4中,若两个图之间的顶点数差异κ=0,则此时待识别信号判决为OCDM信号;否则,若κ>0,待识别信号判决为OFDM信号。
6.一种OFDM与OCDM信号识别系统,其特征在于,包括:
计算模块,用于计算待识别信号的模糊函数切片及其频谱模值;
图域转换模块,用于将模糊函数切片的频谱模值通过均匀量化的方式转换到图域,获得其图拓扑表示;
识别特征提取模块,用于提取模糊函数切片的频谱模值的生成图与其最大子图之间的顶点数差异,作为识别特征;
判决模块,用于根据两个图之间的顶点数差异,进行OFDM与OCDM信号的判决。
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如权利要求1-5任一项所述的一种OFDM与OCDM信号识别方法。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如权利要求1-5任一项所述的一种OFDM与OCDM信号识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211125350.1A CN115695119B (zh) | 2022-09-15 | 2022-09-15 | 一种ofdm与ocdm信号识别方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211125350.1A CN115695119B (zh) | 2022-09-15 | 2022-09-15 | 一种ofdm与ocdm信号识别方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115695119A true CN115695119A (zh) | 2023-02-03 |
CN115695119B CN115695119B (zh) | 2024-05-31 |
Family
ID=85062823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211125350.1A Active CN115695119B (zh) | 2022-09-15 | 2022-09-15 | 一种ofdm与ocdm信号识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115695119B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140070983A1 (en) * | 2012-09-13 | 2014-03-13 | Raytheon Company | Extracting spectral features from a signal in a multiplicative and additive noise environment |
WO2014144831A1 (en) * | 2013-03-15 | 2014-09-18 | DGS Global Systems, Inc. | Systems, methods, and devices having databases for electronic spectrum management |
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 |
CN114580470A (zh) * | 2022-02-21 | 2022-06-03 | 金陵科技学院 | 基于非均匀量化图特征的ofdm与ufdm多载波信号识别方法 |
-
2022
- 2022-09-15 CN CN202211125350.1A patent/CN115695119B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140070983A1 (en) * | 2012-09-13 | 2014-03-13 | Raytheon Company | Extracting spectral features from a signal in a multiplicative and additive noise environment |
WO2014144831A1 (en) * | 2013-03-15 | 2014-09-18 | DGS Global Systems, Inc. | Systems, methods, and devices having databases for electronic spectrum management |
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 |
CN114580470A (zh) * | 2022-02-21 | 2022-06-03 | 金陵科技学院 | 基于非均匀量化图特征的ofdm与ufdm多载波信号识别方法 |
Non-Patent Citations (4)
Title |
---|
Y. A. ELDEMERDASH等: "A Robust Modulation Classification Method for PSK Signals Using Random Graphs", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》, vol. 68, no. 2, 31 December 2019 (2019-12-31) * |
安金坤;田斌;易克初;于全;: "OFDM信号的多重分形谱特征盲识别算法", 华南理工大学学报(自然科学版), no. 07, 15 July 2011 (2011-07-15) * |
王磊;姬红兵;史亚;: "基于模糊函数特征优化的雷达辐射源个体识别", 红外与毫米波学报, no. 01, 15 February 2011 (2011-02-15) * |
许程成;周青松;张剑云;谌诗娃;: "导数约束平滑条件下基于模糊函数特征的雷达辐射源信号识别方法", 电子学报, no. 07, 15 July 2018 (2018-07-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115695119B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109167746B (zh) | 连续波与脉冲信号快速识别装置 | |
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 | |
CN114268526B (zh) | 基于图的度特征的bpsk及qpsk信号调制识别方法 | |
CN107171994B (zh) | 无线电引信信号识别和重构系统及方法 | |
CN116359851A (zh) | 一种基于融合网络的雷达有源干扰检测识别方法及装置 | |
CN116506043A (zh) | 一种psk数字调制通信信号的受扰状态识别方法、系统、设备及介质 | |
Sisi et al. | Carrier frequency and symbol rate estimation based on cyclic spectrum | |
CN101588191A (zh) | 无线电信号认知方法及设备 | |
CN115695119B (zh) | 一种ofdm与ocdm信号识别方法与系统 | |
CN107340504B (zh) | 基于frft域峰值特性的压制干扰存在性检测方法 | |
CN108600137B (zh) | 一种基于反向传播神经网络的新型多载波识别方法 | |
CN114580470A (zh) | 基于非均匀量化图特征的ofdm与ufdm多载波信号识别方法 | |
CN112364823B (zh) | 5g多载波信号识别方法 | |
CN105959035B (zh) | 一种直扩信号截获检测方法 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
Huang et al. | Modulation identification method based on time-frequency analysis and support vector machine | |
CN109361632B (zh) | 基于谱相关的多径boc信号的参数盲估计方法 | |
CN115184876A (zh) | 一种基于小波变换及波形整形的2fsk信号参数估计方法 | |
CN115225440B (zh) | 基于图最大度特征的cr信号调制识别方法及系统 | |
CN112462344A (zh) | 通过时频域变换处理提取雷达信号脉内特征参数的方法 | |
CN116055262B (zh) | 基于同步挤压小波变换的通信信号载频盲估计方法、系统及介质 | |
CN112578360B (zh) | 一种基于变换域提取雷达信号脉内特征参数的方法 | |
CN112491764A (zh) | 一种基于瞬时特征空中模拟信号的识别方法 | |
CN115277322B (zh) | 基于图及持续性熵特征的cr信号调制识别方法及系统 | |
CN112083448B (zh) | 面向卫星导航系统的干扰信号分类识别特征提取方法及系统 |
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 |