CN116232823A - 基于多级盲数字接收机联合的幅相调制信号识别方法 - Google Patents
基于多级盲数字接收机联合的幅相调制信号识别方法 Download PDFInfo
- Publication number
- CN116232823A CN116232823A CN202310045694.XA CN202310045694A CN116232823A CN 116232823 A CN116232823 A CN 116232823A CN 202310045694 A CN202310045694 A CN 202310045694A CN 116232823 A CN116232823 A CN 116232823A
- Authority
- CN
- China
- Prior art keywords
- signal
- phase
- amplitude
- signals
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001360 synchronised effect Effects 0.000 claims abstract description 16
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 230000010355 oscillation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 230000005236 sound signal Effects 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 claims description 6
- 238000011105 stabilization Methods 0.000 claims description 6
- 238000007493 shaping process Methods 0.000 claims description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 4
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 102100026758 Serine/threonine-protein kinase 16 Human genes 0.000 claims description 3
- 101710184778 Serine/threonine-protein kinase 16 Proteins 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种基于多级盲数字接收机联合的幅相调制信号识别方法。本发明通过采用多级不同结构类型接收机环路提取信号瞬时信息,利用瞬时信息统计相应瞬时特征,根据不同类型信号相同特征间的差异性对信号类型进行逐一区分,能够提高包含{单音信号、语音信号、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK}信号集合的信号识别能力。本发明接收机内部同步环路具有一定的频偏捕获与跟踪能力,能够得到更加稳定的信号瞬时信息;且根据不同特征区分信号的方式充分利用了信号独有的特点;信噪比高于10dB,识别模型对单音信号、语音信号、QPSK、8PSK、16QAM、16APSK、32QAM、32APSK的识别率均能达到90%以上。因此本发明具有复杂度低、识别率高、鲁棒性强等特点。
Description
技术领域
本发明主要针对幅相调制信号QPSK、8PSK、16QAM、32QAM、16APSK、32APSK,以及单音信号、语音信号,不同信号间的识别问题,提出一种基于多级盲数字接收机联合的信号识别算法。
背景技术
在非协作通信过程中,针对捕获信号的调制类型识别对后续信号处理起到决定性的影响。目前,多进制幅相混合调制如MAPSK及MQAM因具备频谱利用率高等优势,被广泛应用于卫星传输技术方向。
基于多级盲数字接收机联合的幅相调制信号识别算法旨提出一种以决策树作为模型架构,不同分支设计不同结构的接收机环路提取稳定瞬时特征信息的方式,利用信号瞬时信息统计相应特征,通过级联的方式根据相应特征对信号种类进行逐一区分。这种采用多级不同结构类型接收机环路提取特征的方法,针对非合作环境中,捕获信号参数未知,或者信号可能经过成形滤波处理等复杂情况下,特征信息提取的效果依然稳定。同时,采用不同类型特征对信号逐一区分的方式充分利用了不同类型信号相同特征间差异性明显这一特点。研究的信号类型以幅相混合调制信号为主,同时加入了P波段存在的单音信号与语音信号,发明设计的模型具备准确区分单音信号、语音信号与多类幅相混合调制信号的能力。
发明内容
本发明的目的是提高包含{单音信号、语音信号、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK}信号集合的信号识别能力,提出一种基于多级盲数字接收机联合的幅相调制信号识别方法。该算法模型通过采用多级不同结构类型接收机环路提取信号瞬时信息,利用瞬时信息统计相应瞬时特征,根据不同类型信号相同特征间的差异性对信号类型进行逐一区分。在信噪比高于10dB的环境下,本发明提出的算法识别模型对单音信号、语音信号、QPSK、8PSK、16QAM、16APSK、32QAM、32APSK的识别率均能达到90%以上。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1、经过ADC处理的数字信号进入不同接收机后首先做参数估计处理,包括中心频率估计以及码元速率估计,根据参数估计结果对信号进行重采样、匹配滤波、码元同步处理,处理后的信号将经过不同载波同步结构以提取稳定瞬时信息;
步骤2、信号经过载波同步鉴相部分为反正切鉴相环法的接收机,提取信号同相分量信息与瞬时频率。利用同相分量信息统计同相极性匹配度α,通过α与阈值T0比较,将单音信号、语音信号与其他信号进行区分。利用瞬时频率统计瞬时频率方差δ,通过δ与阈值T1比较,将单音信号与语音信号进行区分;
步骤3、将未判断出具体类型的其他信号继续经过载波同步鉴相部分为针对MPSK信号改进的极性判决环法的接收机,对跟踪稳定后的同相和正交信息与本地单幅度且8个相位等分2π角频率的8PSK星座点做模板匹配,利用单模等间隔相位分布的模板匹配度β与阈值T2比较,将信号集分为{QPSK、8PSK}与{16QAM、16APSK、32QAM、32APSK}两类。再将同相和正交信息与本地QPSK模板做模板匹配,利用单模等间隔相位分布的模板匹配度ε与阈值T3比较,将QPSK与8PSK进行区分;
步骤4、将未判断出具体类型的信号继续经过载波同步鉴相部分为高阶幅相调制信号的d次方判决环法的接收机,对跟踪稳定后的同相和正交信息与本地相位分布模板做模板匹配,利用匹配度η与阈值T4比较,将信号分为{16QAM、16APSK}与{32QAM、32APSK}两个集合。两个集合分别利用提取的信号瞬时幅度统计幅度轨迹跳变区间方差μ1、μ2,与阈值T5、T6比较,对16QAM与16APSK及32QAM与32APSK进行区分。
步骤1具体实现如下:
1-1.接收信号模型如下:
单音信号模型为:
语音信号模型为:
幅相调制信号集合包括QPSK、8PSK、16QAM、32QAM、16APSK、32APSK,共6种调制类型,其通用信号模型为:
1-2.接收信号经过ADC处理后得到信号序列s(n)做参数估计。本发明中信号信息提取的流程中存在闭环的载波同步,因此对中心频率估计精度的要求不高,所以在信号调制类型未知的情况下,采用对信号序列s(n)做快速傅里叶变换得到功率谱,遍历整个信号功率谱选取峰值最高位置作为估计的信号中心频率的方式对信号载波频率进行粗估计。信号的符号速率估计采用包络谱估计的方式,将信号与自身共轭相乘来消除相位信息,获得瞬时幅度信息,其中信号包络中包含了直流分量,需要消除直流分量后再做快速傅里叶变换,将包络谱中冲激谱线位置对应的数值作为估计得到的信号符号速率
1-3.本发明中码元同步采用Gardner算法,Gardner算法可以不要求改变本地采样时钟位置来实现码元同步,算法通过插值运算得到最佳采样位置,保证进入载波同步的信号约一倍采样,降低载波同步的计算量,同时提高信号信噪比。利用估计的符号速率调节码元同步部分的环路滤波器,可以保证码元同步部分的环路跟踪性能稳定。
经过定时同步的信号采样率为四倍经过载波同步的信号采样率约等于/>利用估计的符号速率/>调节定时同步环路与载波同步环路中的环路带宽参数,可以保证信号特征提取过程中参数近似归一化,这样处理可以保证针对截获信号参数波动范围较大的情况下,特征提取方式依然可以达到稳定的效果,整体特征提取流程保证全自动且无需人为干预。
1-4.本发明设计的模型中分级接收机信息提取部分利用不同类型信号经过相同鉴相方式的载波同步环路提取的信号信息间存在差异这一特点,根据分级提取的信号幅度、相位与频率信息来统计相应的信号特征,载波同步环路作为模型中分级接收机的关键模块设计了不同鉴相方式的环路。
载波同步部分的同步环路结构为科斯塔斯(Costas)环法。假定载波同步前的信号无噪声影响,则经过抽样的实信号可以表示为:
步骤2具体实现如下:
2-1.相较于其他类型信号,单音信号与语音信号具备幅度信息单极性的特点,且相较于单音信号频率恒定,语音信号的瞬时频率时变,选择采用如式(7)的具备快速捕获信号瞬时频率能力的鉴相方式可以提取信号的单极性或双极性信息,以及瞬时频率信息。
ud(n)=atan2(sq(n),si(n)) (7)
其中ud(n)表示鉴相输出结果,atan表示可返回数字的反正切值的函数。
2-2.相较于幅相混合调制信号基带信息为非恒包络的双极性信息,单音信号为单一载波的正弦波信号,语音信号为瞬时频率时变的信号,两种信号在去掉载波后时域体现为单极性,根据这一差异,利用鉴相部分为反正切鉴相环法的接收机中的载波同步对截获信号进行载波捕获。当载波同步后,单音信号与语音信号同相支路分量为单极性信息,而幅相混合调制信号因为存在相位跳变,其同相支路分量为双极性信息。假定x1(n)表示信号经过接收机处理后输出的第n个星座点分布结果,则:
2-3.单音信号与语音信号之间的识别主要利用单音信号为单一载波,语音信号为瞬时频率时变这一差异,单音信号瞬时频率振荡平缓且近似常数,语音信号瞬时频率振荡幅度较大,统计接收机中载波同步瞬时频率跟踪结果的方差δ,根据瞬时频率方差δ对两种信号进行区分。
步骤3具体实现如下:
3-1.针对单模的调相信号QPSK、8PSK与多幅度调相信号MAPSK、MQAM的识别,选用一种改进的可以稳定提取单幅值信号相位信息的鉴相方式,如式(10)的鉴相方式可以稳定提取单幅度信号的瞬时幅度与瞬时相位信息。
3-2.信号预处理阶段对信号幅度做了归一化处理,相较于高阶的APSK信号与QAM信号,单一幅度的PSK信号利用接收机同步更容易稳定,接收机对QPSK与8PSK信号跟踪在较低信噪比下依然可以还原理想的QPSK与8PSK星座图。首先对跟踪稳定后的同相和正交信息与本地单幅度且8个相位等分2π角频率的8PSK星座点做模板匹配,利用单模等间隔相位分布的模板匹配度β将信号集分为{QPSK、8PSK}与{16QAM、16APSK、32QAM、32APSK}两类,具体计算公式如式(11)所示:
式(11)中,与/>分别表示信号经过接收机提取的同相分量与正交分量,Ξ8PSK表示8PSK星座图模板,星座图模板指以理想星座图中每个星座点为圆心,r为半径的分布区域。匹配度β初始化为0,半径r=0.25,每有一个星座点位于Ξ8PSK范围内,统计结果β+1/N。利用匹配度β将QPSK、8PSK与其他信号进行区分。
3-3.QPSK相较8PSK少4种调制相位,利用这一特征可以将二者进行区分。利用单模等间隔相位分布模板匹配度ε将QPSK与8PSK区分,具体计算公式如式(12)所示:
ΞQPSK表示QPSK星座图模板,与Ξ8PSK同理,且匹配度ε初始化为0,半径r=0.25。
步骤4具体实现如下:
4-1.对于16QAM、16APSK、32QAM、32APSK的识别,采用的鉴相器如下:
其中,与/>分别表示同相分量si(n)与正交分量sq(n)的d次方,且常数d针对{16QAM、16APSK}与{32QAM、32APSK}两个集合内部进行区分时具备不同含义。16QAM与16APSK进行区分时d=3,如式(14)所示。
16APSK与16QAM两种信号星座图与分别经过三次方运算后,星座点分布更加发散,内外圆半径幅度相差变大,且外圆分布点与传统QPSK信号相似,相对的信噪比更高,同时内圆的功率接近零,可以利用外圆分布点对相位误差进行更新,相较于一般极性判决鉴相器,这种选择高信噪比星座点进行跟踪的方式更加稳定。
32APSK信号与32QAM信号进行区分时d=4,如式(15)所示,鉴相方式具备与16QAM与16APSK相似的特点。
4-2.对于{16QAM、16APSK、32QAM、32APSK}信号集合的识别,由于星座点情况复杂且密集,全部星座点进行模板匹配会受噪声影响较大,本发明采用选取部分区域星座点的方式进行模板匹配,首先将集合分为{16QAM、16APSK}与{32QAM、32APSK}两类。当符号等概率分布的情况下,信号每个星座点分布的符号个数近似相等,统计理想基带信号星座点瞬时相位位于{±π/4、±3π/4}区域的个数占总点数比例如表1所示:
由于受噪声和相偏影响,信号的瞬时相位不会与理想情况完全重合,夹角θ作为统计特征时的允许偏移角度,{-π/4、-3π/4、π/4、3π/4}±θ为相位分布模板的相位分布角度范围。
其中,Ξphase表示相位分布模板,本发明设计的模板中设定允许偏移相位θ=π/32,相位分布模板匹配度η初始化为0。利用匹配度η将信号分为{16QAM、16APSK}与{32QAM、32APSK}两个集合。
4-3.高阶幅相混合调制信号存在多幅度的特点,本发明通过幅度轨迹差异对信号进行区分。理想情况下,对星座图中的星座点按幅度进行逐点升序排序,每个幅度的星座点个数为ki,i=1,2,…,P,P为幅度情况个数,信号幅度轨迹跳变位置Lj,j=1,…,P-1与符号个数N、信号进制M之间的关系为:
将信号集{16QAM、16APSK、32QAM、32APSK}中的信号进制M与幅度个数P逐一代入式(17),具体信号幅度轨迹跳变位置Lj如表2。
观察表2可以发现{16QAM、16APSK}与{32QAM、32APSK}两类信号内都存在幅度情况上的差别,不同幅度分配的星座点数不同带来了信号幅度轨迹跳变位置上差异,利用这一特点可以对两类信号进行类间识别。
首先对鉴相器输出的信息幅度|xm(n)|进行排序得到信息序列Dm(n),计算信息序列Dm(n)的曲率Cm(n):
其中,m=3与m=4分别表示信号经过两种不同接收机的数据结果。
选定用于区分信号的轨迹跳变位置Lj,统计曲率分布Cm(n)在轨迹跳变位置Lj附近P个数据点的方差的对数作为信号识别的特征参数μk,表达式如下:
这里16QAM与16APSK的区分利用Lj=3N/4,获得幅度轨迹跳变区间方差μ1;32QAM与32APSK的区分利用Lj=3N/8,获得幅度轨迹跳变区间方差μ2,由于QAM信号在轨迹跳变位置Lj存在幅度跳变而APSK信号在轨迹跳变位置Lj幅度恒定,所以QAM信号的特征参数μk明显大于APSK信号的特征参数μk,根据这一特征分别对两个集合进行识别。
本发明有益效果如下:
1.接收机内部同步环路具有一定的频偏捕获与跟踪能力,相比传统的基于统计信号特征的识别算法的分类模型,能够得到更加稳定的信号瞬时信息;
2.根据不同特征区分信号的方式充分利用了信号独有的特点;
3.信噪比高于10dB,识别模型对单音信号、语音信号、QPSK、8PSK、16QAM、16APSK、32QAM、32APSK的识别率均能达到90%以上。
综上所述。本发明算法具有复杂度低、识别率高、鲁棒性强等特点,并且在低信噪比及带有频偏情况下,仍有较高识别率的优点。
附图说明
图1信号识别模型设计;
图2接收机的幅度、相位及频率信息提取流程图;
图3同相极性匹配度α随信噪比变化的曲线;
图4瞬时频率方差δ随信噪比变化的曲线;
图58PSK模板匹配度β随信噪比变化的曲线;
图6QPSK模板匹配度ε随信噪比变化的曲线;
图7相位分布匹配度η随信噪比变化的曲线;
图8幅度轨迹跳变区域方差μ1随信噪比变化的曲线;
图9幅度轨迹跳变区域方差μ2随信噪比变化的曲线。
图10不同信噪比下,三种算法的识别率
具体实施方式
下面结合附图对本发明的具体实施例做进一步的说明。
步骤1、完整的基于多级盲数字接收机联合的幅相调制信号识别算法模型如图1所示,其中信号s(n)进入不同接收机经过中心频率估计、码元速率估计、重采样、匹配滤波以及码元同步处理的流程如图2所示;
步骤2、图1中接收机A为载波同步鉴相部分为反正切鉴相环法的接收机,利用接收机A处理信号得到同相极性匹配度α与瞬时频率方差δ,比较α与阈值T0,区分单音信号、语音信号与其他信号,同时,比较δ与阈值T1,区分单音信号与语音信号;
步骤3、图1中接收机B为载波同步鉴相部分为针对MPSK信号改进的极性判决环法的接收机,利用接收机B处理信号得到单模等间隔相位分布的8PSK模板匹配度β与单模等间隔相位分布的QPSK模板匹配度ε,比较β与阈值T2,区分QPSK、8PSK与其他信号,同时,比较ε与阈值T3,区分QPSK与8PSK;
步骤4、图1中接收机C与接收机D为载波同步鉴相部分为高阶幅相调制信号的d次方判决环法的接收机,接收机C中d=3,接收机D中d=4,利用接收机C处理信号得到相位分布匹配度η,利用接收机C与接收机D处理信号分别得到幅度轨迹跳变区域方差μ1与μ2。比较η与阈值T4,将信号归为{16QAM、16APSK}与{32QAM、32APSK}两类,比较μ1与阈值T5,区分16QAM与16APSK,比较μ2与阈值T6,区分32QAM与32APSK。
步骤1具体实现如下:
1-3.码元同步设计采用Gardner算法,其中插值滤波器选用4阶的立方拉格朗日多项式结构,环路滤波器选用二阶环路滤波器结构。
步骤2具体实现如下:
2-1.各信号的同相极性匹配度α随信噪比变化的曲线如图3所示,取T0=0.7作为阈值,当α>T0时,判为单音或语音信号,反之则为其他信号。
2-2.单音与语音两种信号的瞬时频率方差δ随信噪比变化如图4所示,取T1=0.6e-5作为阈值,当δ>T1时,判为语音信号,反之则为单音信号。
步骤3具体实现如下:
3-1.不同信号的模板匹配度β随信噪比变化的曲线如图5,理想情况下QPSK与8PSK的匹配度β近似1,由于受噪声影响,QPSK与8PSK的匹配度β随信噪比下降而下降,这里选取T2=0.55作为阈值,当β>T2时,判为QPSK或8PSK信号,反之则为其他信号。
3-2.8PSK与QPSK的模板匹配度ε随信噪比变化的曲线如图6,理想情况下QPSK匹配度ε近似1,8PSK匹配度ε近似0.5,由于受噪声影响,QPSK与8PSK的匹配度ε随信噪比下降而下降,选取T3=0.6作为阈值,当ε>T3时,判为QPSK信号,否则为8PSK信号。
步骤4具体实现如下:
4-1.各种信号的相位分布模板匹配度η随信噪比变化的曲线如图7,理想情况下16APSK与16QAM的匹配度η近似0.5,由于受相位噪声影响,16APSK与16QAM的匹配度η随信噪比下降而下降,这里选取T4=0.26作为阈值,当η>T4时,判为{16QAM、16APSK}信号,反之为{32QAM、32APSK}信号。
4-2.幅度轨迹跳变区间方差μ1随信噪比变化的曲线如图8,取T5=-16作为阈值,当μ1>T5时,判为16QAM信号,否则为16APSK信号。
4-3.幅度轨迹跳变区间方差μ2随信噪比变化的曲线如图9,取T6=-16作为阈值,当μ2>T6时,判为32QAM信号,否则为32APSK信号。
实施例:
实验信号集中单音信号与语音信号为天线采集的P波段实际卫星信道信号,QPSK、8PSK、16QAM、16APSK、32QAM、32APSK为中国电子科技集团某研究所提供的实际卫星信号,由于信号信噪比较高,这里默认为不含噪声的信号。具体参数为:码元速率范围2k~200kbps,信号频偏范围为0~0.01倍符号速率,采样点数16384,其中,幅相混合调制信号经过升余弦脉冲成型滤波器,成型系数为0.8。通过MATLAB 2020对采集信号添加带限高斯白噪声,信噪比为6~20dB。
分别采用本发明提出的算法与《密集信号环境下基于星座轨迹图调制识别算法》(文献1)、《一种抗频偏的卫星幅相调制信号识别算法》(文献2)两篇期刊中的识别算法在MATLAB 2020软件下对信号进行识别仿真测试。每次测试进行1000次蒙特卡洛实验,并统计正确识别个数,计算识别率,三种算法的识别率如图10所示。
观察图10可以看出,信噪比高于10dB,本发明提出的识别模型对单音信号、语音信号、QPSK、8PSK、16QAM、16APSK、32QAM、32APSK的识别率均能达到90%以上。在不相同信噪比下,针对同一调制类型信号采用本发明中算法的识别效果均优于其他两种算法的识别结果;信噪比8dB时,其他两种算法已不具备针对部分高阶调制信号类型的识别能力,但本发明中算法仍具有75%以上的识别率。且文献1及文献2提出的算法不具备区分{单音信号、语音信号}以及同幅度{QPSK、8PSK}的能力。因此,本发明中的识别算法整体效果优于文献1及文献2提出的识别算法。
最后需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (6)
1.基于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于该方法通过采用多级不同结构类型接收机环路提取信号瞬时信息,利用瞬时信息统计相应瞬时特征,根据不同类型信号相同特征间的差异性对信号类型进行逐一区分。
2.根据权利要求1所述的于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于该方具体包括以下步骤:
步骤1、经过ADC处理的数字信号进入不同接收机后首先做参数估计处理,包括中心频率估计以及码元速率估计,根据参数估计结果对信号进行重采样、匹配滤波、码元同步处理,处理后的信号将经过不同载波同步结构以提取稳定瞬时信息;
步骤2、信号经过载波同步鉴相部分为反正切鉴相环法的接收机,提取信号同相分量信息与瞬时频率;利用同相分量信息统计同相极性匹配度α,通过α与阈值T0比较,将单音信号、语音信号与其他信号进行区分;利用瞬时频率统计瞬时频率方差δ,通过δ与阈值T1比较,将单音信号与语音信号进行区分;
步骤3、将未判断出具体类型的其他信号继续经过载波同步鉴相部分为针对MPSK信号改进的极性判决环法的接收机,对跟踪稳定后的同相和正交信息与本地单幅度且8个相位等分2π角频率的8PSK星座点做模板匹配,利用单模等间隔相位分布的模板匹配度β与阈值T2比较,将信号集分为{QPSK、8PSK}与{16QAM、16APSK、32QAM、32APSK}两类;再将同相和正交信息与本地QPSK模板做模板匹配,利用单模等间隔相位分布的模板匹配度ε与阈值T3比较,将QPSK与8PSK进行区分;
步骤4、将未判断出具体类型的信号继续经过载波同步鉴相部分为高阶幅相调制信号的d次方判决环法的接收机,对跟踪稳定后的同相和正交信息与本地相位分布模板做模板匹配,利用匹配度η与阈值T4比较,将信号分为{16QAM、16APSK}与{32QAM、32APSK}两个集合;两个集合分别利用提取的信号瞬时幅度统计幅度轨迹跳变区间方差μ1、μ2,与阈值T5、T6比较,对16QAM与16APSK及32QAM与32APSK进行区分。
3.根据权利要求2所述的于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于步骤1具体实现如下:
1-1.接收信号模型如下:
单音信号模型为:
语音信号模型为:
幅相调制信号集合包括QPSK、8PSK、16QAM、32QAM、16APSK、32APSK,共6种调制类型,其通用信号模型为:
1-2.接收信号经过ADC处理后得到信号序列s(n)做参数估计,采用对信号序列s(n)做快速傅里叶变换得到功率谱,遍历整个信号功率谱选取峰值最高位置作为估计的信号中心频率的方式对信号载波频率进行粗估计;信号的符号速率估计采用包络谱估计的方式,将信号与自身共轭相乘来消除相位信息,获得瞬时幅度信息,其中信号包络中包含了直流分量,需要消除直流分量后再做快速傅里叶变换,将包络谱中冲激谱线位置对应的数值作为估计得到的信号符号速率
1-4.设计的分级接收机信息提取部分利用不同类型信号经过相同鉴相方式的载波同步环路提取的信号信息间存在差异这一特点,根据分级提取的信号幅度、相位与频率信息来统计相应的信号特征,载波同步环路作为模型中分级接收机的关键模块设计不同鉴相方式的环路;
载波同步部分的同步环路结构为科斯塔斯环法;假定载波同步前的信号无噪声影响,则经过抽样的实信号可以表示为:
4.根据权利要求3所述的于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于步骤2具体实现如下:
2-1.选择采用如式(7)的具备快速捕获信号瞬时频率能力的鉴相方式提取信号的单极性或双极性信息,以及瞬时频率信息;
ud(n)=atan2(sq(n),si(n)) (7)
其中ud(n)表示鉴相输出结果;
2-2.相较于幅相混合调制信号基带信息为非恒包络的双极性信息,单音信号为单一载波的正弦波信号,语音信号为瞬时频率时变的信号,两种信号在去掉载波后时域体现为单极性,根据这一差异,利用鉴相部分为反正切鉴相环法的接收机中的载波同步对截获信号进行载波捕获;当载波同步后,单音信号与语音信号同相支路分量为单极性信息,而幅相混合调制信号因为存在相位跳变,其同相支路分量为双极性信息;假定x1(n)表示信号经过接收机处理后输出的第n个星座点分布结果,则:
2-3.单音信号与语音信号之间的识别主要利用单音信号为单一载波,语音信号为瞬时频率时变这一差异,单音信号瞬时频率振荡平缓且近似常数,语音信号瞬时频率振荡幅度较大,统计接收机中载波同步瞬时频率跟踪结果的方差δ,根据瞬时频率方差δ对两种信号进行区分。
5.根据权利要求2或4所述的于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于步骤3具体实现如下:
3-1.针对单模的调相信号QPSK、8PSK与多幅度调相信号MAPSK、MQAM的识别,选用如式(10)的鉴相方式能够稳定提取单幅度信号的瞬时幅度与瞬时相位信息;
3-2.首先对跟踪稳定后的同相和正交信息与本地单幅度且8个相位等分2π角频率的8PSK星座点做模板匹配,利用单模等间隔相位分布的模板匹配度β将信号集分为{QPSK、8PSK}与{16QAM、16APSK、32QAM、32APSK}两类,具体计算公式如式(11)所示:
式(11)中,与/>分别表示信号经过接收机提取的同相分量与正交分量,Ξ8PSK表示8PSK星座图模板,星座图模板指以理想星座图中每个星座点为圆心,r为半径的分布区域;匹配度β初始化为0,半径r=0.25,每有一个星座点位于Ξ8PSK范围内,统计结果β+1/N;利用匹配度β将QPSK、8PSK与其他信号进行区分;
3-3.QPSK相较8PSK少4种调制相位,利用这一特征将二者进行区分;利用单模等间隔相位分布模板匹配度ε将QPSK与8PSK区分,具体计算公式如式(12)所示:
ΞQPSK表示QPSK星座图模板,与Ξ8PSK同理,且匹配度ε初始化为0,半径r=0.25。
6.根据权利要求5所述的于多级盲数字接收机联合的幅相调制信号识别方法,其特征在于步骤4具体实现如下:
4-1.对于16QAM、16APSK、32QAM、32APSK的识别,采用的鉴相器如下:
其中,与/>分别表示同相分量si(n)与正交分量sq(n)的d次方,且常数d针对{16QAM、16APSK}与{32QAM、32APSK}两个集合内部进行区分时具备不同含义;16QAM与16APSK进行区分时d=3,如式(14)所示;
32APSK信号与32QAM信号进行区分时d=4,如式(15)所示,鉴相方式具备与16QAM与16APSK相似的特点;
4-2.对于{16QAM、16APSK、32QAM、32APSK}信号集合的识别,采用选取部分区域星座点的方式进行模板匹配,首先将集合分为{16QAM、16APSK}与{32QAM、32APSK}两类;当符号等概率分布的情况下,信号每个星座点分布的符号个数近似相等,统计理想基带信号星座点瞬时相位位于{±π/4、±3π/4}区域的个数占总点数比例,具体如下:
16QAM类位于坐标对角线点的占比情况为1/2;
16APSK类位于坐标对角线点的占比情况为1/2;
32QAM类位于坐标对角线点的占比情况为1/4;
32APSK类位于坐标对角线点的占比情况为1/4;
由于受噪声和相偏影响,信号的瞬时相位不会与理想情况完全重合,夹角θ作为统计特征时的允许偏移角度,{-π/4、-3π/4、π/4、3π/4}±θ为相位分布模板的相位分布角度范围;
其中,Ξphase表示相位分布模板,模板中设定允许偏移相位θ=π/32,相位分布模板匹配度η初始化为0;利用匹配度η将信号分为{16QAM、16APSK}与{32QAM、32APSK}两个集合;
4-3.通过幅度轨迹差异对信号进行区分;理想情况下,对星座图中的星座点按幅度进行逐点升序排序,每个幅度的星座点个数为ki,i=1,2,…,P,P为幅度情况个数,信号幅度轨迹跳变位置Lj,j=1,…,P-1与符号个数N、信号进制M之间的关系为:
将信号集{16QAM、16APSK、32QAM、32APSK}中的信号进制M与幅度个数P逐一代入式(17),具体信号幅度轨迹跳变位置Lj如下所示;
16QAM类的幅度个数为3,幅度轨迹跳变位置为Lj,j=1,…,P-1;
16APSK类的幅度个数为2,幅度轨迹跳变位置为N/4,3N/4;
32QAM类的幅度个数为5,幅度轨迹跳变位置为N/8,3N/8,4N/8,6N/8;
32APSK类的幅度个数为3,幅度轨迹跳变位置为N/8,4N/8;
因此能够发现{16QAM、16APSK}与{32QAM、32APSK}两类信号内都存在幅度情况上的差别,不同幅度分配的星座点数不同带来了信号幅度轨迹跳变位置上差异,利用这一特点可以对两类信号进行类间识别;
首先对鉴相器输出的信息幅度|xm(n)|进行排序得到信息序列Dm(n),计算信息序列Dm(n)的曲率Cm(n):
其中,m=3与m=4分别表示信号经过两种不同接收机的数据结果;
选定用于区分信号的轨迹跳变位置Lj,统计曲率分布Cm(n)在轨迹跳变位置Lj附近P个数据点的方差的对数作为信号识别的特征参数μk,表达式如下:
这里16QAM与16APSK的区分利用Lj=3N/4,获得幅度轨迹跳变区间方差μ1;32QAM与32APSK的区分利用Lj=3N/8,获得幅度轨迹跳变区间方差μ2,由于QAM信号在轨迹跳变位置Lj存在幅度跳变而APSK信号在轨迹跳变位置Lj幅度恒定,所以QAM信号的特征参数μk明显大于APSK信号的特征参数μk,根据这一特征分别对两个集合进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045694.XA CN116232823A (zh) | 2023-01-30 | 2023-01-30 | 基于多级盲数字接收机联合的幅相调制信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045694.XA CN116232823A (zh) | 2023-01-30 | 2023-01-30 | 基于多级盲数字接收机联合的幅相调制信号识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116232823A true CN116232823A (zh) | 2023-06-06 |
Family
ID=86590410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310045694.XA Pending CN116232823A (zh) | 2023-01-30 | 2023-01-30 | 基于多级盲数字接收机联合的幅相调制信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116232823A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155748A (zh) * | 2023-10-27 | 2023-12-01 | 四川轻化工大学 | 基于多维幅度分布特征的调制格式识别方法 |
-
2023
- 2023-01-30 CN CN202310045694.XA patent/CN116232823A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155748A (zh) * | 2023-10-27 | 2023-12-01 | 四川轻化工大学 | 基于多维幅度分布特征的调制格式识别方法 |
CN117155748B (zh) * | 2023-10-27 | 2024-01-23 | 四川轻化工大学 | 基于多维幅度分布特征的调制格式识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106899531B (zh) | 一种识别卫星通信信号调制方式的方法 | |
CN106998586B (zh) | 一种高动态环境中无线通信系统的同步捕获方法 | |
Jajoo et al. | Blind signal modulation recognition through clustering analysis of constellation signature | |
CN107948107A (zh) | 一种基于联合特征的数字调制信号分类方法 | |
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 | |
US20050008101A1 (en) | Computationally efficient demodulation for differential phase shift keying | |
CN110113278A (zh) | 一种基于全数字接收机的调制方式识别方法 | |
CN111343116B (zh) | 密集信号环境下基于星座轨迹图的调制识别方法 | |
CN112399551B (zh) | 一种面向短时突发信号的高精度同步方法 | |
CN108683622A (zh) | 一种基于信号平方谱平坦系数的调制识别方法 | |
CN108650203B (zh) | 一种基于侦察接收机的调制模式识别方法 | |
CN116707558A (zh) | 基于多级动态盲数字接收机的数模混合信号识别方法 | |
CN115047501B (zh) | 一种适用于boc调制的卫星导航授权信号估计方法 | |
CN112565127B (zh) | 基于残差网络和频域图形的测控信号调制识别方法 | |
CN112565126B (zh) | 一种基于接收机多维特征模数混合信号的调制识别方法 | |
CN114584444B (zh) | 一种基于循环矩特征的Multi-h CPM调制指数估计方法 | |
JP2001111644A (ja) | 変調方式自動識別受信機 | |
Su et al. | Dual-use of modulation recognition techniques for digital communication signals | |
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 | |
Mutz et al. | Costas loop and FFT based BPSK demodulation for pulsed radar receivers | |
US8477876B2 (en) | Fast blind channel search | |
Yin et al. | Modulation classification of MQAM signals based on density spectrum of the constellations | |
CN114285708B (zh) | 一种基于盲数字接收机与拟合优度检验的识别方法 | |
Su et al. | Comparison and simulation of digital modulation recognition algorithms | |
CN116566782A (zh) | 一种基于类星座图特征的连续相位信号调制识别方法 |
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 |