CN202918327U - 一种数字调制信号自动分类系统 - Google Patents

Abstract

本实用新型公开了一种数字调制信号自动分类系统，包括解调信号系统，预处理系统以及最大似然分类器，通信信号依次通过解调信号系统以及预处理系统处理完毕后，最后经最大似然分类器分析，能识别出通信信号调制方式，所述解调信号系统包括依次连接的混频器、模/数转换器和数字下变频器，通信信号经过混频器的多级混频之后，将通信信号转换为中频信号，中频信号经过模/数转换器之后变成数字信号，数字信号经过数字下变频器、抽取之后变成两路解调信号，所述预处理系统对解调信号再次经过数字下变频器，正交检波，匹配滤波和下采样的处理得到接收码元，接收码元进入最大似然分类器进行调制方式识别。能快速识别调制信号类型，提高识别正确率。

Description

一种数字调制信号自动分类系统

技术领域

本实用新型涉及无线电频谱监测领域，具体涉及一种数字调制信号自动分类系统。

背景技术

数字调制信号自动分类系统是无线电监测领域的关键技术之一，是国家科技重大专项“新一代宽带无线移动通信网”项目“传感器网络电磁频谱监测关键技术研究”子课题重点研究内容。

在军事和民用通信领域，都需要区分通信信号的性质，或监视信号的活动情况。由于通信信号的接收通常是在一个较大的频率范围内展开，接收机接收到的信号存在多种不同的调制方式。要正确的对这些信号进行解调、分析或者进行干扰，首先需要正确地识别信号的调制方式，然后采取相应的解调方法或干扰方法。在军事应用方面，例如电子侦察、威胁分析和电子干扰都需要对截获的敌方信号进行破译；在民用通信方面，随着软件无线电和智能无线电等技术的不断发展，未来的智能通信平台可以兼容多种通信方式，因此调制方式识别技术也是实现智能通信平台的关键技术。

目前，调制识别系统主要采用似然分类器，但是计算过程复杂，容易产生问题，准确率不高。

发明内容

为了克服上述现有技术的的缺点，本实用新型采用一种数字调制信号自动分类系统，该系统能快速识别调制信号类型，提高识别正确率。

本实用新型专利所采用的方案是：

一种数字调制信号自动分类系统，包括解调信号系统，预处理系统以及最大似然分类器，通信信号依次通过解调信号系统以及预处理系统处理完毕后，最后经最大似然分类器分析，能识别出通信信号调制方式。

优选的，所述解调信号系统包括依次连接的混频器、模/数转换器和数字下变频器，通信信号经过混频器的多级混频之后，将通信信号转换为中频信号，中频信号经过模/数转换器之后变成数字信号，数字信号经过数字下变频器、抽取之后变成两路解调信号。

优选的，所述预处理系统对解调信号再次经过数字下变频器，正交检波，匹配滤波和下采样的处理得到接收码元，接收码元进入最大似然分类器进行调制方式识别。

本实用新型的有益效果是：在军事领域，通信信号调制方式的识别是对敌方通信进行干扰或侦听的前提，一旦明确了调制类型，就可以估计调制参数，从而有针对性的制定侦察和反侦察策略。在民用领域，监测合法无线电电台是否严格遵守工作参数的限制，在非法电台和干扰信号查处时，快速识别信号类型，为频谱管理职能部门提供技术支持。

附图说明

为了更清楚地说明本实用新型实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为解调信号系统工作原理图。

图2为预处理系统的工作原理图。

图3为二维累积量方法原理框图。“LF-m”代表在第m种调制方式下训练得到的似然函数，“MAX”代表最大似然分类器。

具体实施方式

为了使本实用新型实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本实用新型。

参照图1-图3所述，一种数字调制信号自动分类系统，包括解调信号系统，预处理系统以及最大似然分类器，通信信号依次通过解调信号系统以及预处理系统处理完毕后，最后经最大似然分类器分析，能识别出通信信号调制方式。

优选的，所述解调信号系统包括依次连接的混频器、模/数转换器(A/D)和数字下变频器(DDC)，通信信号经过混频器的多级混频之后，将通信信号转换为中频信号，中频信号经过模/数转换器(A/D)之后变成数字信号，数字信号经过数字下变频器、抽取之后变成两路解调信号。

优选的，所述预处理系统对解调信号再次经过数字下变频器，正交检波，匹配滤波和下采样的处理得到接收码元，接收码元进入最大似然分类器进行调制方式识别。

本实用新型的工作原理：

接收机通过接收天线接收到信号s(t)，经过多级混频之后，将s(t)转换为中频信号(IF)，IF信号经过模数转换(A/D)之后变成数字信号s(n)，s(n)经过数字下变频、抽取之后变成I、Q两路信号，对它们进行匹配滤波和下采样得到接收码元。通过将接收码元序列映射到累积量域提取出二维累积量特征，最后将该特征代入事先训练好的最大似然分类器进行调制方式识别。

基于二维累积量的调制方法归纳如下：

1)4阶累积量的估计值可定义为：

其中y代表码元序列，并且

N表示码元序列长度。将

作为二维4阶累积量特征。在每种备择假设调制方式及特定的信道环境下，通过Monte Carlo实验得到二维累积量特征向量的训练样本序列

m代表第m种调制方式，Nt表示训练序列的长度。并且在每次Monte Carlo实验时所使用的码元序列长度都与实际的接收码元序列长度相一致。

2)假设现在有M种备择调制方式，用二维累积量特征向量的训练样本序列估计出二维累积量特征的均值向量与协方差矩阵可表示为

${\mathrm{\μ}}_C^m=\frac{1}{N_t}\underset{k=1}{\overset{N_t}{\mathrm{\Σ}}}{c}_{\mathrm{train}}^m\left(k\right),m=1,...,M$

$K_C^m=\frac{1}{N_t-1}\underset{k=1}{\overset{N_t}{\mathrm{\Σ}}}[c_{\mathrm{train}}^m\left(k\right)-{\mathrm{\μ}}_C]{[c_{\mathrm{train}}^m\left(k\right)-{\mathrm{\μ}}_C]}^T,m=1,...,M$

并由此确定在每种调制方式下，二维累积量特征的似然函数

${\mathrm{LF}}_{\mathrm{train}}\left(\tilde{C}\right|H_m)$

$=\frac{1}{2\mathrm{\π}\sqrt{\left|K_{C,\mathrm{train}}^m\right|}}\exp \{-\frac{1}{2}{[\tilde{C}-{\mathrm{\μ}}_{C,\mathrm{train}}^m]}^T\mathrm{inv}\left(K_{C,\mathrm{train}}^m\right)[\tilde{C}-{\mathrm{\μ}}_{C,\mathrm{train}}^m\left]\right\}$

3)将实际接收码元序列计算出的归一化多维累积量特征向量C代入最大似然分类器进行调制方式识别，即

$H^{*}=\arg \underset{m}{\max }\left\{{\mathrm{LF}}_{\mathrm{tram}}\left(\tilde{C}\right|H_m)\right\}.$

Claims (3)

1.一种数字调制信号自动分类系统，其特征在于，包括解调信号系统，预处理系统以及最大似然分类器，通信信号依次通过解调信号系统以及预处理系统处理完毕后，最后经最大似然分类器分析，能识别出通信信号调制方式。

2.根据权利要求1所述的一种数字调制信号自动分类系统，其特征在于，所述解调信号系统包括依次连接的混频器、模/数转换器和数字下变频器，通信信号经过混频器的多级混频之后，将通信信号转换为中频信号，中频信号经过模/数转换器之后变成数字信号，数字信号经过数字下变频器、抽取之后变成两路解调信号。

3.根据权利要求1所述的一种数字调制信号自动分类系统，其特征在于，所述预处理系统对解调信号再次经过数字下变频器，正交检波，匹配滤波和下采样的处理得到接收码元，接收码元进入最大似然分类器进行调制方式识别。

Images