CN116804736A - 一种调制类型识别工程化实现方法及计算机可读存储介质 - Google Patents
一种调制类型识别工程化实现方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116804736A CN116804736A CN202310799067.5A CN202310799067A CN116804736A CN 116804736 A CN116804736 A CN 116804736A CN 202310799067 A CN202310799067 A CN 202310799067A CN 116804736 A CN116804736 A CN 116804736A
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- smoothed
- bandwidth
- peak
- 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 73
- 238000001228 spectrum Methods 0.000 claims abstract description 190
- 238000009499 grossing Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- UXFQFBNBSPQBJW-UHFFFAOYSA-N 2-amino-2-methylpropane-1,3-diol Chemical compound OCC(N)(C)CO UXFQFBNBSPQBJW-UHFFFAOYSA-N 0.000 claims description 21
- 101150035093 AMPD gene Proteins 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000010363 phase shift Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005314 correlation function Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供了一种调制类型识别工程化实现方法及计算机可读存储介质,对常用的六种雷达信号调制模式进行识别。对接收脉冲的FFT结果实施频谱轨迹平滑,突出信号调制特征。将自动多尺度峰值查找算法应用到雷达常用信号调制模式识别中,提取频谱的峰值特性,有益于具有单峰值、双峰值、多峰值频谱特征的调制类型识别。采用自动带宽定位方法,用于定位窄带宽信号或宽带宽信号,频谱可以是对称的或非对称的。利用频谱对称度测量,分离识别具有非对称频谱特征的调制模式。对输入脉冲先平方或四次方运算后,再求其相关函数的FFT,并结合频谱轨迹平滑,可以进行BPSK或QPSK的识别。本发明实现了低信噪比条件下调制类型识别的目的。
Description
技术领域
本发明涉及调制类型识别信号处理技术领域,具体而言,涉及一种调制类型识别工程化实现方法及计算机可读存储介质。
背景技术
常见的六种雷达信号脉内调制方式分别为单载频脉冲NS、线性调频LFM、非线性调频NLFM、二进制相移键控BPSK、正交相移键控QPSK、二进制数字频率调制信号2FSK。调制模式识别是雷达信号接收解调的前提条件,在雷达信号分析处理领域具有重要意义。
针对单信号调制模式识别,国内外主要有基于决策理论和基于特征提取的识别方法。基于决策理论的识别方法通常会涉及到载频的精确估计、瞬时频率或者瞬时相位的等参数计算,如果参数估计或者计算不准确,将影响调制类型的识别率。受噪声影响较大的是瞬时频率和瞬时相位,尤其是那些载波受到抑制的调制方式对噪声更加敏感,等效于低信噪比接收,需要更复杂的方法来进行辅助,否则将导致在低信噪比下识别能力不高的问题。现阶段比较热门的基于信号特征提取的识别方法,如循环谱分析、高价累计量分析、人工神经网络、聚类和小波变换等方法,调制识别效果较好,但计算复杂度也较高,工程实现具有一定难度。
发明内容
本发明旨在至少解决现有技术中存在现有调制模式识别方法计算复杂度较高,实际工程实现难度大的技术问题。
为此,本发明第一方面提供了一种调制类型识别工程化实现方法。
本发明第二方面提供了一种计算机可读存储介质。
本发明提供了一种调制类型识别工程化实现方法,包括以下步骤:
S1、对接收的中频脉冲信号进行FFT变换,得到脉冲的频谱;
S2、对S1得到的脉冲的频谱实施频谱轨迹平滑;
S3、采用自动多尺度峰值查找算法AMPD,查找平滑后频谱的前若干个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰;当平滑后频谱存在单峰时,判决接收信号为单载频脉冲信号;当平滑后频谱存在双峰时,判决接收信号为二进制数字频率调制信号;当平滑后频谱既不存在单峰也不存在双峰时,进行下一步;
S4、通过自动搜索定位的方法确定信号的位置,其中,平滑后频谱的最大值定位信号部分,平滑后频谱的均值接近于底噪,将平滑后频谱的最大值和均值之差作为搜索幅度范围,靠近信号和底噪的分界点,从而定位信号带宽,得到带宽内信号;
S5、对带宽内信号频谱进行归一化处理,将归一化处理后信号沿中点对折,计算带宽内信号频谱的对称度,并判断对称度是否超出阈值;若对称度超出阈值,则判断频谱左右不对称,判决接收信号为非线性调频信号;否则,进行下一步;
S6、将带宽内信号频谱划分为左、中、右三段,分别获取三段频谱的峰值,若中段频谱峰值最小,则判决接收信号为线性调频信号;否则,进行下一步;
S7、对接收的中频脉冲信号进行平方运算得到平方运算信号,并对平方运算信号求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,判断频谱轨迹平滑后的结果信号是否存在谐波单音;若存在谐波单音,则判决接收信号为二进制相移键控信号;否则,进行下一步;
S8、对接收的中频脉冲信号进行四次方运算得到四次方运算信号,并对四次方运算信号求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,判断频谱轨迹平滑后的结果信号是否存在谐波单音,若存在谐波单音,则判决接收信号为正交相移键控信号;否则,判决接收信号为其他信号。
根据本发明上述技术方案的一种调制类型识别工程化实现方法,还可以具有以下附加技术特征:
在上述技术方案中,步骤S2中,对S1得到的脉冲的频谱实施频谱轨迹平滑的方法包括:
通过对FFT变换后得到的频谱的逐点多次扫描来实现平均,每一个频谱平滑结果由当前接收脉冲频谱与之前脉冲频谱均值再求平均得到:
其中,k为当前脉冲个数,k£K_MAX,K_MAX为轨迹平滑次数上限;fft_avg(k,n)为第k次轨迹平滑平均值;fft_avg(k-1,n)为第k-1次轨迹平滑平均值;fft_out(k,n)为第k个脉冲FFT变换后得到的频谱。
在上述技术方案中,步骤S3中,所述算法AMPD的实现过程包括:
S31、计算输入信号x=[x1,x2,...,xi,...,xN}的局部极大值标度图,并用L′N的矩阵M来表示;
S32、对矩阵M按行求和并求取向量γ=[γ1,γ2,...,γk,...,γL]全局最小值的尺度因子λ=arg min(γ);
S33、将M矩阵中大于尺度因子l的部分去除,得到新的矩阵Mr=(mk,i),k∈{1,2,...,λ);
S34、按列计算Mr矩阵的标准差,矩阵Mr中满足标准差为0的点即为AMPD算法对应局部极大值点,即平滑后频谱的极值点。
在上述技术方案中,步骤S3中,查找平滑后频谱的前五个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰。
在上述技术方案中,步骤S3中:
若第一、二极值点幅度差超过最大门限,则平滑后频谱存在单峰,判决接收信号为单载频脉冲信号;若第一、二极值点幅度差在最小门限范围内,同时满足第二、三极值点幅度差超过最大门限,且第三、四极值点和第四、五极值点幅度差都在最小门限范围内,则平滑后频谱存在双峰,判决接收信号为二进制数字频率调制信号;否则,平滑后频谱既不存在单峰也不存在双峰,进行步骤S4。
在上述技术方案中,步骤S4中,将平滑后频谱fft_avg的最大值和均值之差Dist_meanmax作为搜索幅度范围,最大值位置为idx_max,寻找idx_max左边比idx_max点小Dist_meanmax的点,若找到记录为idx_left,若未找到则加上固定步进继续寻找idx_left,idx_left到idx_max之间为左边带宽;寻找idx_max右边比idx_max点小Dist_meanmax的点,若找到记录为idx_right,若未找到则加上固定步进继续寻找idx_right,idx_max到idx_right之间为右边带宽,左边带宽和右边带宽合并为定位的带宽内信号fft_BW。
在上述技术方案中,步骤S5中,计算带宽内信号频谱的对称度的方法包括:将带宽内信号频谱沿中点将右边信号对折到左边,原左边信号为data_left,右边对折后的信号为data_right,计算两个信号上对应点之差的平方和的均值即为带宽内信号频谱的对称度ck,计算方法为:
ck=sum((abs(data_left-data_right)).^2)/(N/2)
其中,N为参与计算的数据总点数。
在上述技术方案中,步骤S7中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S71、查找平滑后频谱的峰值;
S72、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S73、计算除带宽内信号以外的频谱点的均值;
S74、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S75、当平滑后频谱的信号带宽低于限值、步骤S71获得的峰值与步骤S73获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为二进制相移键控信号。
在上述技术方案中,步骤S8中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S81、查找平滑后频谱的峰值;
S82、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S83、计算除带宽内信号以外的频谱点的均值;
S84、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S85、当平滑后频谱的信号带宽低于限值、步骤S81获得的峰值与步骤S83获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为正交相移键控信号。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述技术方案中任一项所述的调制类型识别工程化实现方法。
综上所述,由于采用了上述技术特征,本发明的有益效果是:
本发明为了抑制噪声对识别效果的影响,采用频谱轨迹平滑和信号平方(四次方)FFT相关的方法,可以提高计算特征量的信噪比,同时充分利用雷达信号六种常见的脉内调制方式的频谱特征差异,采用多尺度峰值查找算法AMPD、对称度测量、自动带宽定位、分段峰值特征提取等方法,逐个分离识别测试集中的各个调制模式,计算量不大,可在现有的硬件架构上得以实现。
具体地,由于频谱轨迹平滑和相关算法对信号噪声具有重要抑制作用,本发明在低噪声下对常见的六种雷达信号脉内调制方式具有较高的识别率。通过MATLAB仿真结果表明,轨迹平滑50次,信噪比在-10dB以上时,本方法对NS、LFM、NLFM、BPSK、2FSK五种信号的调制识别正确率达到95%以上,抗噪性能强;对于受噪声影响较大的QPSK信号,信噪比在-3dB以上时,识别率可达95%,具有一定的抗噪性能。同时,本发明采用的变换、平滑、搜索、特征提取计算量均不大,可以在现有的DSP+FPGA硬件架构上进行工程化实现。该方法不需要预先进行载频估计,也无需计算瞬时载频和瞬时相位,也能提取各调制模式特征,达到调试识别的目的。相比于神经网络、聚类、小波变换等调制识别方法而言,此方法复杂度低,可实现性强。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述及附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的一种调制类型识别工程化实现方法的流程图;
图2是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的频谱轨迹平滑结果图;
图3是本发明一个实施例的一种调制类型识别工程化实现方法中AMPD算法流程图;
图4是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的AMPD峰值查找结果图;
图5是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的自动带宽定位结果图;
图6是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的频谱对称度测量结果图;
图7是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的分段峰值特征提取结果图;
图8是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的BPSK信号平方相关频谱和轨迹平滑结果图;
图9是本发明一个实施例的一种调制类型识别工程化实现方法中仿真的QPSK信号四次方相关频谱和轨迹平滑结果图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其它不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图9来描述根据本发明一些实施例提供的一种调制类型识别工程化实现方法和计算机可读存储介质。
本申请的一些实施例提供了一种调制类型识别工程化实现方法。
本发明第一个实施例提出了一种调制类型识别工程化实现方法,为了降低特征量中噪声对调制模式的影响,该方法在不需要对信号实施载频估计和瞬时频率(相位)计算的情况下,充分利用接收信号的频谱特性,可以在低信噪比下对测试集为单载频脉冲NS、线性调频LFM、非线性调频NLFM、BPSK调制、QPSK调制、2FSK调制的六种信号进行调制类型识别,如图1所示,具体包括以下步骤:
S1、对接收的中频脉冲信号sig_in(含噪声)进行FFT变换,得到第k个脉冲的频谱fft_out(k,n),其中,n=1,2,...,N_fft,N_fft为FFT点数。
S2、对S1得到的脉冲的频谱实施频谱轨迹平滑。具体地,在步骤S2中,对S1得到的脉冲的频谱fft_out(k,,n)实施频谱轨迹平滑的方法包括:
通过对FFT变换后得到的频谱的逐点多次扫描来实现平均,每一个频谱平滑结果由当前接收脉冲频谱与之前脉冲频谱均值再求平均得到,可以达到不增加存储资源的目的。具体的计算公式如下:
其中,k为当前脉冲个数,k≤K_MAX,K_MAX为轨迹平滑次数上限;fft_avg(k,n)为第k次轨迹平滑平均值;fft_avg(k-1,n)为第k-1次轨迹平滑平均值;fft_out(k,n)为第k个脉冲FFT变换后得到的频谱。
该步骤可以抵消噪声随机性,凸显信号本身的频谱特征。仿真的频谱轨迹平滑结果如图2所示,由于输入脉冲噪声较大,单个脉冲的频谱几乎很难肉眼分辨是哪种类型的信号,经过50次轨迹平滑后,单音的峰值特性、非线性调频的非对称特性和BPSK的钟型频谱变得逐渐清晰。
S3、采用自动多尺度峰值查找算法AMPD,查找平滑后频谱的前若干个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰;当平滑后频谱存在单峰时,判决接收信号为单载频脉冲信号;当平滑后频谱存在双峰时,判决接收信号为二进制数字频率调制信号;当平滑后频谱既不存在单峰也不存在双峰时,进行下一步。
具体地,AMPD算法是Felix Scholkmann于2012年提出的,AMPD算法本身开发用于周期或准周期信号的峰值检测,在本实施例中将其用于测试集中的单载频脉冲和2FSK信号的极值点检测。
如图3所示,所述算法AMPD的实现过程包括:
S31、计算输入信号x=[x1,x2,...,xi,...,xN}的局部极大值标度图(localmaxima scalogram,LMS),并用L′N的矩阵M来表示矩阵M如下所示:
其中,矩阵M的尺度因子k∈{1,2,...,L),矩阵M的采样点i∈{1,2,...,N};具体地:
S32、对矩阵M按行求和并求取向量γ=[γ1,γ2,...,γk,...,γL]全局最小值的尺度因子λ=arg min(γ);
S33、将M矩阵中大于尺度因子l的部分去除,得到新的矩阵Mr=(mk,i),k∈{1,2,...,λ};
S34、按列计算Mr矩阵的标准差,矩阵Mr中满足标准差为0的点即为AMPD算法对应局部极大值点,即平滑后频谱的极值点。
仿真的AMPD峰值查找结果如图4所示,可以理解的是,在根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰中,所指相邻极值点指的是按查找顺序进行排列的相邻关系。
在一些实施例中,查找平滑后频谱的前五个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰。选取的极值点数量可以按需灵活调整。
具体地,步骤S3中:
若第一、二极值点(对应图4中的1、2)幅度差超过最大门限,则平滑后频谱存在单峰,判决接收信号为单载频脉冲NS信号。
若第一、二极值点幅度差在最小门限范围内,同时满足第二、三极值点(对应图4中的2、3)幅度差超过最大门限,且第三、四极值点和第四、五极值点(对应图4中的4、5)幅度差都在最小门限范围内,则平滑后频谱存在双峰,判决接收信号为二进制数字频率调制2FSK信号;否则,平滑后频谱既不存在单峰也不存在双峰,进行步骤S4。
其中,各门限范围为根据单载频脉冲NS信号和二进制数字频率调制2FSK信号的频谱特性进行设置。
S4、通过自动搜索定位的方法确定信号的位置,其中,平滑后频谱的最大值定位信号部分,平滑后频谱的均值接近于底噪,将平滑后频谱的最大值和均值之差作为搜索幅度范围,靠近信号和底噪的分界点,从而定位信号带宽,得到带宽内信号;
具有一定带宽的信号频谱图可以大致分为信号部分和底噪部分,由于输入信号的信噪比和信号幅度大小均未知,故通过自动搜索定位的方法来确定信号的大概位置,频谱最大值定位信号部分,频谱均值接近于底噪,最大值和均值之差的搜索范围靠近信号和底噪的分界点。具体地,在步骤S4中,将平滑后频谱fft_avg的最大值和均值之差Dist_meanmax作为搜索幅度范围,最大值位置为idx_max,寻找idx_max左边比idx_max点小Dist_meanmax的点,若找到记录为idx_left,若未找到则加上固定步进继续寻找idx_left,idx_left到idx_max之间为左边带宽;寻找idx_max右边比idx_max点小Dist_meanmax的点,若找到记录为idx_right,若未找到则加上固定步进继续寻找idx_right,idx_max到idx_right之间为右边带宽,左边带宽和右边带宽合并为定位的带宽内信号fft_BW。
其中,按固定步进自动搜索是为了防止带宽返回空值,导致定位失败。仿真的自动带宽定位结果如图5所示。
S5、对带宽内信号fft_BW频谱进行归一化处理得到normdata,将归一化处理后信号normdata沿中点对折,计算带宽内信号频谱的对称度ck,并判断对称度是否超出阈值;若对称度超出阈值即ck≥CK_MAX,则判断频谱左右不对称,判决接收信号为非线性调频信号NLFM;否则,进行下一步;可以理解的是,将归一化处理后信号normdata沿中点对折时,既可以将右边信号对折到左边,也可以将左边信号对折到右边。
在一个具体实施例中,在步骤S5中,计算带宽内信号频谱的对称度的方法包括:将由带宽内信号频谱进行归一化处理后得到的normdata沿中点将右边信号对折到左边,原左边信号为data_left,右边对折后的信号为data_right,计算两个信号上对应点之差的平方和的均值即为带宽内信号频谱的对称度ck,计算方法为:
ck=sum((abs(data_left-data_right)).^2)/(N/2)
其中,N为参与计算的数据总点数,对应点即为同一横坐标在原左边信号data_left和右边对折后的信号data_right对应的点。仿真的频谱对称度测量结果如图6所示。
S6、将带宽内信号频谱划分为左、中、右三段,分别获取三段频谱的峰值max_left、max_mid、max_right,若中段频谱峰值max_mid最小,则判决接收信号为线性调频LFM信号;否则,进行下一步;
具体地,观测LFM、BPSK、QPSK三种信号的频谱,发现BPSK和QPSK的频谱从带宽中心往左右两边呈下降趋势,而LFM则趋于平顶,且在下降前出现左右两个类似峰值的点,因此考虑将频谱划分为左、中、右三段,并进行峰值特性的比较。仿真的分段峰值特征提取结果如图7所示。
S7、对接收的中频脉冲信号sig_in进行平方运算得到平方运算信号sig_square,并对平方运算信号sig_square求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,频谱轨迹平滑的方法与步骤S2相同,判断频谱轨迹平滑后的结果信号是否存在谐波单音;若存在谐波单音,则判决接收信号为二进制相移键控信号BPSK;否则,进行下一步;
具体地,步骤S7中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S71、查找平滑后频谱的峰值;
S72、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S73、计算除带宽内信号以外的频谱点的均值;
S74、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S75、当平滑后频谱的信号带宽低于限值、步骤S71获得的峰值与步骤S73获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为二进制相移键控信号。
仿真的BPSK信号平方相关频谱和轨迹平滑结果如图8所示。
S8、对接收的中频脉冲信号进行四次方运算得到四次方运算信号,并对四次方运算信号求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,频谱轨迹平滑的方法与步骤S2相同,判断频谱轨迹平滑后的结果信号是否存在谐波单音,若存在谐波单音,则判决接收信号为正交相移键控信号QPSK;否则,判决接收信号为其他信号。
具体地,步骤S8中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S81、查找平滑后频谱的峰值;
S82、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S83、计算除带宽内信号以外的频谱点的均值;
S84、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S85、当平滑后频谱的信号带宽低于限值、步骤S81获得的峰值与步骤S83获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为正交相移键控信号。
仿真的QPSK信号四次方相关频谱和轨迹平滑结果如图9所示。
需要说明的是,本实施例的调制类型识别仅针对常见的六种雷达信号脉内调制方式(NS、LFM、NLFM、BPSK、QPSK、2FSK),若测试集在该范围内,可以直接使用本实施例提供的方法,若涉及更多更复杂的调制方式识别,则需要引入其他的信号特征和识别技术,来达到具体应用的目的。
在本实施例提出的方法中,对接收脉冲的FFT结果按照轨迹平滑公式的公式实施频谱轨迹平滑,用于抑制接收噪声对调制类型识别的影响。将自动多尺度峰值查找算法AMPD应用到雷达常用信号调制模式识别中,可以准确提取频谱的峰值特性,有益于具有单峰值、双峰值、多峰值频谱特征的调制类型识别。本实施例的自动带宽定位方法,可以用于定位窄带宽信号,也可以定位宽带宽信号,频谱可以是对称的,也可以是非对称的。利用频谱对称度测量,分离识别具有非对称频谱特征的调制模式,如非线性调频信号NLFM。对输入脉冲先平方或四次方运算后,再求其相关函数的FFT,并结合频谱轨迹平滑,进行BPSK或QPSK两种调制类型的识别,充分利用了调相信号隐含的周期性和自相关函数检测信号隐含周期性时对噪声的抑制作用,从而达到低信噪比条件下调制类型识别的目的。
本发明第二个实施例提出了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例所述的调制类型识别工程化实现方法。
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实例。而且,描述的具体特征、结构、材料或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。
凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种调制类型识别工程化实现方法,其特征在于,包括以下步骤:
S1、对接收的中频脉冲信号进行FFT变换,得到脉冲的频谱;
S2、对S1得到的脉冲的频谱实施频谱轨迹平滑;
S3、采用自动多尺度峰值查找算法AMPD,查找平滑后频谱的前若干个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰;当平滑后频谱存在单峰时,判决接收信号为单载频脉冲信号;当平滑后频谱存在双峰时,判决接收信号为二进制数字频率调制信号;当平滑后频谱既不存在单峰也不存在双峰时,进行下一步;
S4、通过自动搜索定位的方法确定信号的位置,其中,平滑后频谱的最大值定位信号部分,平滑后频谱的均值接近于底噪,将平滑后频谱的最大值和均值之差作为搜索幅度范围,靠近信号和底噪的分界点,从而定位信号带宽,得到带宽内信号;
S5、对带宽内信号频谱进行归一化处理,将归一化处理后信号沿中点对折,计算带宽内信号频谱的对称度,并判断对称度是否超出阈值;若对称度超出阈值,则判断频谱左右不对称,判决接收信号为非线性调频信号;否则,进行下一步;
S6、将带宽内信号频谱划分为左、中、右三段,分别获取三段频谱的峰值,若中段频谱峰值最小,则判决接收信号为线性调频信号;否则,进行下一步;
S7、对接收的中频脉冲信号进行平方运算得到平方运算信号,并对平方运算信号求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,判断频谱轨迹平滑后的结果信号是否存在谐波单音;若存在谐波单音,则判决接收信号为二进制相移键控信号;否则,进行下一步;
S8、对接收的中频脉冲信号进行四次方运算得到四次方运算信号,并对四次方运算信号求自相关后进行FFT变换,对FFT变换结果实施频谱轨迹平滑,判断频谱轨迹平滑后的结果信号是否存在谐波单音,若存在谐波单音,则判决接收信号为正交相移键控信号;否则,判决接收信号为其他信号。
2.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S2中,对S1得到的脉冲的频谱实施频谱轨迹平滑的方法包括:
通过对FFT变换后得到的频谱的逐点多次扫描来实现平均,每一个频谱平滑结果由当前接收脉冲频谱与之前脉冲频谱均值再求平均得到:
其中,k为当前脉冲个数,K_MAX为轨迹平滑次数上限;fft_avg(k,n)为第k次轨迹平滑平均值;fft_avg(k-1,n)为第k-11次轨迹平滑平均值;fft_out(k,n)为第k个脉冲FFT变换后得到的频谱。
3.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S3中,所述算法AMPD的实现过程包括:
S31、计算输入信号x=[x1,x2,...,xi,...,xN]的局部极大值标度图,并用L×N的矩阵M来表示;
S32、对矩阵M按行求和并求取向量γ=[γ1,γ2,...,γk,...,γL]全局最小值的尺度因子λ=argmin(γ);
S33、将M矩阵中大于尺度因子l的部分去除,得到新的矩阵Mr=(mk,i),k∈{1,2,...,λ};
S34、按列计算Mr矩阵的标准差,矩阵Mr中满足标准差为0的点即为AMPD算法对应局部极大值点,即平滑后频谱的极值点。
4.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S3中,查找平滑后频谱的前五个极值点,根据相邻极值点之间的幅度差判断平滑后频谱是否存在单峰或存在双峰或既不存在单峰也不存在双峰。
5.根据权利要求4所述的一种调制类型识别工程化实现方法,其特征在于,步骤S3中:
若第一、二极值点幅度差超过最大门限,则平滑后频谱存在单峰,判决接收信号为单载频脉冲信号;若第一、二极值点幅度差在最小门限范围内,同时满足第二、三极值点幅度差超过最大门限,且第三、四极值点和第四、五极值点幅度差都在最小门限范围内,则平滑后频谱存在双峰,判决接收信号为二进制数字频率调制信号;否则,平滑后频谱既不存在单峰也不存在双峰,进行步骤S4。
6.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S4中,将平滑后频谱fft_avg的最大值和均值之差Dist_meanmax作为搜索幅度范围,最大值位置为idx_max,寻找idx_max左边比idx_max点小Dist_meanmax的点,若找到记录为idx_left,若未找到则加上固定步进继续寻找idx_left,idx_left到idx_max之间为左边带宽;寻找idx_max右边比idx_max点小Dist_meanmax的点,若找到记录为idx_right,若未找到则加上固定步进继续寻找idx_right,idx_max到idx_right之间为右边带宽,左边带宽和右边带宽合并为定位的带宽内信号fft_BW。
7.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S5中,计算带宽内信号频谱的对称度的方法包括:将带宽内信号频谱沿中点将右边信号对折到左边,原左边信号为data_left,右边对折后的信号为data_right,计算两个信号上应点之差的平方和的均值即为带宽内信号频谱的对称度ck,计算方法为:
ck=sum((abs(data_left-data_right)).^2)/(N/2)
其中,N为参与计算的数据总点数。
8.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S7中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S71、查找平滑后频谱的峰值;
S72、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S73、计算除带宽内信号以外的频谱点的均值;
S74、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S75、当平滑后频谱的信号带宽低于限值、步骤S71获得的峰值与步骤S73获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为二进制相移键控信号。
9.根据权利要求1所述的一种调制类型识别工程化实现方法,其特征在于,步骤S8中,判断频谱轨迹平滑后的结果信号是否存在谐波单音的方法包括:
S81、查找平滑后频谱的峰值;
S82、按照S4中的方法定位平滑后频谱的信号带宽,得到带宽内信号;
S83、计算除带宽内信号以外的频谱点的均值;
S84、采用自动多尺度峰值查找算法AMPD查找平滑后频谱的前两个极值点;
S85、当平滑后频谱的信号带宽低于限值、步骤S81获得的峰值与步骤S83获得的均值的差值超过限值,并且平滑后频谱前两个极值点超过限值时,判定频谱轨迹平滑后的结果信号存在谐波单音,判决接收信号为正交相移键控信号。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的一种调制类型识别工程化实现方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310799067.5A CN116804736A (zh) | 2023-06-30 | 2023-06-30 | 一种调制类型识别工程化实现方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310799067.5A CN116804736A (zh) | 2023-06-30 | 2023-06-30 | 一种调制类型识别工程化实现方法及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116804736A true CN116804736A (zh) | 2023-09-26 |
Family
ID=88080628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310799067.5A Pending CN116804736A (zh) | 2023-06-30 | 2023-06-30 | 一种调制类型识别工程化实现方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116804736A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289236A (zh) * | 2023-11-27 | 2023-12-26 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
-
2023
- 2023-06-30 CN CN202310799067.5A patent/CN116804736A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289236A (zh) * | 2023-11-27 | 2023-12-26 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
CN117289236B (zh) * | 2023-11-27 | 2024-02-09 | 成都立思方信息技术有限公司 | 短时雷达信号脉内调制类型识别方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108548957B (zh) | 基于循环调制频谱和分段互相关相结合的双谱分析方法 | |
CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及系统 | |
CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
KR101235059B1 (ko) | 레이더 신호 변조 형태 식별 장치 및 방법 | |
CN116804736A (zh) | 一种调制类型识别工程化实现方法及计算机可读存储介质 | |
CN105071830B (zh) | 一种直扩信号的检测识别方法 | |
CN106357574A (zh) | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 | |
CN107561497A (zh) | Fsk及多种非线性调频信号识别及参数估算方法 | |
CN113702703B (zh) | 一种微弱信号检测识别方法及系统 | |
CN115659136A (zh) | 基于神经网络的无线干扰信号波形识别方法 | |
CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
CN116032709B (zh) | 无先验知识fsk信号盲解调和调制特征解析方法及装置 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN115166650B (zh) | 一种雷达信号识别与参数估计方法和系统 | |
CN111490956A (zh) | 一种基于一阶循环平稳性的mfsk调制识别方法 | |
CN114650108B (zh) | 一种变换域通信系统信号的检测方法及系统 | |
CN111611686A (zh) | 一种通信信号时频域的检测方法 | |
CN110602009A (zh) | 基于cfar准则的bpsk盲分析结果的可信性评估方法 | |
CN109709581A (zh) | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 | |
WO2003017250A1 (en) | 2-phase pitch detection method and appartus | |
CN114444538B (zh) | 一种改进的线谱自动提取方法 | |
Ma et al. | Time of arrival estimation for underwater acoustic signal using multi-feature fusion | |
CN105629254B (zh) | 一种目标微动特征相干激光探测效果量化评价方法 | |
CN110060700B (zh) | 基于参数谱估计的短序列音频分析方法 | |
CN112929053B (zh) | 一种跳频信号特征提取与参数估计方法 |
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 |