（信号与信息处理专业论文）小波包调制信号分类识别方法的研究.pdf

杭州电子科技大学硕士学位论文 摘要 自多载波调制技术出现以来，实现多载波信号的自动识别引起了研究人员的关注。小波 包调制是一种基于小波包变换的新型多载波调制技术，具有频谱利用率高，抗多径干扰和码 间干扰能力强，易于实现多速率传输等特性。本论文以小波包调制信号和o f d m 信号为研究 对象，通过提取合适的特征参数，在三种常用的通信仿真信道( 包括加性高斯白噪声信道、 瑞利衰落信道和频率选择性衰落信道) 下，对小波包调制信号和o f d m 信号的分类识别进行 研究。论文主要研究工作及创新如下： 1 系统地综述了小波包调制和o f d m 调制的基本原理和实现方法，在此基础上，基于 小波包调制信号和o f d m 信号在分数阶傅里叶变换域分布的不同，利用图像成形技术，对接 收信号的分数阶傅里叶变换域分布图进行处理，分别在加性高斯白噪声信道、瑞利衰落信道 和频率选择性衰落信道中，探讨了小波包调制信号和o f d m 信号的分数阶傅里叶变换域分布 的特征参数，利用支持向量机，提出了基于支持向量机的小波包调制信号识别方法，实现了 这两种多载波调制信号的分类识别。计算机仿真结果，验证了该算法的有效性和稳定性。 2 利用小波包调制信号和o f d m 信号的双谱分析的二次相位耦合不同，提出了基于双 谱估计的小波包调制信号识别方法。双谱分析能充分反映二次相位耦合的特性，通过提取反 映两者双谱差异的特征参数，实现这两种多载波调制信号的分类识别。仿真实验结果表明， 在加性高斯白噪声信道、瑞利衰落信道和频率选择性衰落信道中，该算法具有良好的分类性 能和较高的稳健性。 关键词：特征参数，调制识别，多载波调制，小波包调制，o f d m 调制，双谱分析，图像成 形技术 杭州电子科技大学硕士学位论文 a b s t r a c t m a n yr e s e a r c h e r sb e g i nt o c o n c e r nt h er e a l i z a t i o no fs i g n a la u t o m a t i ci d e n t i f i c a t i o no f m u l t i - c a r r i e rm o d u l a t i o na f t e rt h e a p p e a r a n c eo fm u l t i - c a r d e rm o d u l a t i o n w a v e l e tp a c k e t m o d u l a t i o ni san e wt y p eo fm u l t i c a r r i e rm o d u l a t i o nt e c h n o l o g i e sw h i c hb a s e do nw a v e l e tp a c k e t t r a n s f o r m ，i th a st h ea d v a n t a g e so fh i g hs p e c t r u mu t i l i z a t i o n ，g o o da n t i - m u l t i p a t hi n t e r f e r e n c ea n d a n t i - i n t e r s y m b o li n t e r f e r e n c ea b i l i t y , a l s oe a s yt or e a l i z i n gm u l t i - r a t et r a n s m i s s i o ne t c i nt h i st h e s i s ， t h ew a v e l e t p a c k e tm o d u l a t i o n ( w p m )s i g n a l s a n d o r t h o g o n a lf r e q u e n c y d i v i s i o n m u l t i p l e x i n g ( o f d m ) s i g n a l sa r es e r v e da sr e s e a r c ht a r g e t s b ye x t r a c t i n gt h es u i t a b l ep a r a m e t e ro f as i g n a l ，t h i st h e s i si st or e a l i z et h ei d e n t i f i c a t i o nb e t w e e nw a v e l e tp a c k e tm o d u l a t i o ns i g n a la n d o f d ms i g n a li nt h ea d d i t i v eg a u s s i a nw h i t ec h a n n e l ，r a y l e i g hf a d i n gc h a n n e la n df r e q u e n c y s e l e c t i v ef a d i n gc h a n n e l 1 b a s e do nt h ed i f f e r e n c eo fw a v e l e tp a c k e tm o d u l a t i o ns i g n a la n do f d ms i g n a li nt h e f r a c t i o n a lf o u r i ed o m a i nd i s t r i b u t i o n ，t h ep i c t u r eo fr e c e i v e ds i g n a l sf r a c t i o n a lf o u r i ed o m a i n d i s t r i b u t i o ni sp r o c e s s e db yt h ei m a g ef o r m i n gt e c h n o l o g y i na d d i t i v eg a u s s i a nw h i t en o i s ec h a n n e l ， r a y l e i g hf a d i n gc h a n n e la n df r e q u e n c ys e l e c t i v ef a d i n gc h a n n e l ，t h ec h a r a c t e r i s t i cp a r a m e t e r so ft h e f o r m e dp i c t u r eo ff r a c t i o n a lf o u r i ed o m a i nd i s t r i b u t i o na r ed i s c u s s e d ，i na d d i t i o n ，s i g n a lr e c o g n i t i o n m e t h o do fw a v e l e tp a c k e tm o d u l a t i o n ，w h i c hi sb a s e do ns u p p o r tv e c t o rm a c h i n e ，i sp r o p o s e d t h e m o d u l a t i o ni d e n t i f i c a t i o nb e t w e e no f d ma n dw p mi sf i n a l l ys t u d i e d t h ee f f e c t i v e n e s so f - t h i s m e t h o di sd o n eb yt h ec o m p u t e rs i m u l a t i o n s 2 t h eb a s i cp r i n c i p l e sa n dr e a l i z a t i o no fw a v e l e tp a c k e tm o d u l a t i o na n do f d ma r ei n t r o d u c e d a c c o r d i n gt ot h en o n - - l i n e a ra n dq u a d r a t i cp h a s e - c o u p l i n g , t h et h e o r yo fb i s p e c t r u ma n a l y s i si s a p p l i e dt oe x t r a c tt h ec l a s s i f i c a t i o nf e a t u r ea n dt h ew a v e l e tp a c k e tm o d u l a t i o ns i g n a li si d e n t i f i e di n t h ea d d i t i v eg a u s s i a nc h a n n e l ，r a y l e i g hf a d i n gc h a n n e la n d f r e q u e n c y s e l e c t i v ec h a n n e l s i m u l a t i o nr e s u l t ss h o wt h a tg o o dp e r f o r m a n c ei so b t a i n e d k e y w o r d s ：f e a t u r ep a r a m e t e r , m o d u l a t i o ni d e n t i f i c a t i o n ，m u l t i - c a r r i e rm o d u l a t i o n ，w a v e l e tp a c k e t m o d u l a t i o n ，o f d mm o d u l a t i o n ，b i s p e c t r u ma n a l y s i s ，i m a g ef o r m i n gt e c h n o l o g y 杭州电子科技大学硕士学位论文 第1 章绪论 1 1 引言 随着经济、文化、科技的发展以及生活质量的提升，人们对信息的获取越来越迫切，对 通信方式的要求也越来越高。通信信号的调制方式多种多样，经历了从模拟到数字、从简单 到复杂的演变过程。随时随地、高速率、高质量的无线数据传输已经成为未来无线通信的发 展趋势。传统的单载波数字调制技术已然不能再满足要求，因此，人们提出了多载波调伟j ( m c m ， m u l t i - c a r r i e rm o d u l a t i o n ) 技术n 1 。多载波调制技术比较于以往的单载波调制技术，具有 高效的频谱利用率和抗多径衰落等优良性能，得到了人们的广泛关注，成为未来通信领域的 核心传输技术之一。 由于实际要传输的信号( 基带信号) 所占据的频带通常是从低频开始的，而实际通信信 道往往都是带通的，要在这种情况下进行通信，就必须对基带信号进行调制，实现基带信号 频谱的搬移，以适合实际信道的传输。在非协作通信系统中，接收端事先并不知道调制信号 的相关知识，但要确认其传输的信息，就必对信号进行解调处理。在不知道调制方式的前提 下，首要的是确定信号的调制方式以及调制参数，所以产生了调制识别技术。调制识别技术 不仅在军用领域很重要，而且在民用领域也应用广泛。在军事领域中，通过它获得的信号参 数和性质，应用到电子干扰、电子对抗与反对抗等方面；在民用领域中，通过它，有关职能 部门可以确定通信系统中未知干扰信号的性质，实现对通信系统的监视和管理；它在软件无 线电( s d r ，s o f t w a r ed e f i n e dr a d i o ) 系统中也得到应用，自动识别通信信号的调制方式， 实现自适应接收信号。 以往，人们对调制识别技术的研究，主要集中在对单载波调制信号的调制类型的识别与 参数估计，对多载波调制信号的研究也主要局限于正交频分复用调制( o f d m ，o r t h o g o n a l f r e q u e n c yd i v i s i o nm u l t i p l e x i n g ) 信号跚，对另一种新型的多载波调制方式小波包调 制却很少涉及。小波包调制( w p m ，w a v e l e tp a c k e tm o d u l a t i o n ) d 1 与其他调制方式相比，在 抗干扰能力、频谱效率、传输速率等方面具有明显优势，将在未来无线通信领域扮演重要的 角色。本论文将探讨和研究小波包调制信号的特征参数和识别方法。 1 2 调制识别技术概述 1 2 1 调制识别的背景及框架 数字调制信号识别是通信领域的一个重要的研究课题，在现实生活中有着广阔的应用前 景。以往，主要依靠人工识别调制类别。但它效率低、因人而异且损害工作人员的健康，已 经难以适应日益复杂的通信要求。因此，调制类别的自动识别就显得特别的重要，而且，也 是目前研究的热点。 杭州电子科技大学硕士学位论文 由于数字通信信号与噪声一般为随机过程，再加上未知的信道衰落和多径干扰，给定备 择的调制方式集合后，调制信号识别实质是一个典型的具有多个未知参数的多元模式识别问 题，其一般流程如图1 1 。 图1 1 调制信号识别的框架结构 调制信号识别的框架包括四个部分：信号采集、预处理、特征提取、分类器设计与性能 测试。 信号采集部分获取到达接收机的需要识别的调制信号。预处理部分为后续的处理提供合 适的处理数据。信号预处理的任务主要包括：频率下变频、正交和同相分量分解、载波估计 等。为了实现调制类型的识别，必须提取能反映信号调制方式差异的特征参数。特征提取部 分通常提取调制信号的时域或变换域特征。时域特征主要包括信号的瞬时相位、瞬时幅度、 瞬时频率以及其他统计参数。变换域特征则主要包括频域、时频域和其他变换域特征，较常 见的是功率谱、谱相关函数、时频分布以及小波域的特征等。分类器根据选择的特征参数实 现调制方式的分类识别。 1 2 2 调制识别的基本方法 根据分类器的不同，可将调制识别技术分为四类，即统计模式识别方法、基于最大似然 理论的方法、基于支持向量机的方法和基于人工神经网络的方法。统计模式识别方法是以调 制信号的某些参量为基础，构造统计量作为分类的依据，并将构造的统计量与待识别的调制 类型集合对应的参量比较，做最小距离判决。基于决策理论的方法用概率论和假设检验的观 点研究调制识别问题，其本质是依据相似程度对信号的调制类别进行判断。人工神经网络， 通过数学和物理的方法，模拟人类大脑的识别功能，具有信息分布式存储等优点，在调试识 别领域得到广泛应用。支持向量机理论是最近几年才被重视并广泛应用的一种基于统计学习 理论的机器学习算法，可在小样本情况下，实现调制类型的自动识别。 1 2 3 研究现状 1 基于统计模式识别的方法 调制信号的自动识别是一个很典型的模式识别问题，可通过统计模式识别的方法来处理。 利用统计模式识别方法来处理这类问题时，需要提取调制方式的某些特征参数分类依据。提 取统计模式识别方法所用的特征参数，主要从以下几个方面考虑： ( 1 ) 时域特征参数 调制信号在时域的特征参数主要有瞬时幅度、瞬时频率、瞬时相位、矩、高阶累积量、 高阶循环累积量、自相关、熵等。， j i ey a n g ，x u n m e n gw a n g 等人在文献 4 中提取了零中心归一化瞬时幅度谱密度的最大值 2 杭州电子科技大学硕士学位论文 、归一化瞬时幅度的峰值彪、归一化瞬时频率的峰值必等特征参数识别出了5 种模拟 调制信号( a m 、f m 、d s b 、u s b 、l s b ) 和4 种数字调制信号( a s k 2 、f s k 2 、p s k 2 、p s k 4 ) ，该 方法在信噪比( s n r ，s i g n a lt on o i s er a t i o ) 大于l o d b 时具有良好的识别效果。c h a i t h a n y a 等人在文献 5 中，利用二阶矩m ，。，四阶矩m 蛇等特征参数在加性高斯白噪声 ( a w g n ，a d d i t i v ew h i t eg a u s s i a nn o i s e ) 信道中成功的识别了2 - p a m 、4 - p a m 、8 - p l 、4 - p s k 、 o - q p s k 、8 - p s k 、1 6 - q a m 、3 2 一q a m 和6 4 - q a m 信号。 高阶累积量也是一种常用到的识别调制信号的特征参数。文献 6 利用高阶累积量的特征 向量( q o ，q l ，g 2 ，) ，完成了对4 a s k 、8 a s k 、8 q a m 、b p s k 、q p s k 和8 p s k 信号的分类。 文献 7 利用累积量特征i i i c 4 2 l 和i c 4 。i a c , 2 i 区分了m p s k 信号，并且在文献的最后作者提出 “在短波信道中，高阶累积量作为分类特征具有良好的抗衰落性能 。a d o b r e 等人提出了用 四阶、六阶、八阶循环累积量识别出了q a m 、p s k 和a s k 信号嘲。 利用小波变换和自相关，吴杰等人实现了q a m 、p s k 、f s k 信号的分类，该方法结合了小 波变换和二阶统计量的性质，减少了运算量m 。在文献 1 0 中，p a r i s 等人利用熵作为特征参 数实现了调制信号的自动识别。 时域特征参数不仅可以用来识别单载波调制信号，对于多载波调制信号，这些参数也同 样适用。根据多载波调制信号在时域上的渐近高斯性，文献 1 1 ，1 2 利用高阶矩实现了瑞利 衰落信道下多载波调制信号( o f d m 信号和w p m 信号) 与单载波调制信号的分类。同样，利用 高阶累积量，也能实现多载波调制信号与单载波调制信号的分类识别口3 。t 4 , 1 6 。根据o f d m 信号 和w p m 信号循环平稳性的不同，赵玲在文献 1 6 中，提出了一种基于循环自相关的方法，解 决了在a w g n 信道、瑞利衰落信道和频率选择性衰落信道中的这两种多载波调制信号之间的识 别问题。为了消除载波间干扰和符号间干扰，o f d m 信号在调制过程中通常会复制有效数据的 末端作为循环前缀加入到o f d m 符号中，而w p m 信号在调制过程不需要加入循环前缀。所以， 这两者的自相关特性不同。李双霞等人在文献 1 7 中利用自相关特性的不同，识别了o f d m 信 号和w p m 信号。 ( 2 ) 频域特征参数 信号的频域特征参数在调制识别中也常用，主要包括：功率谱，高次方谱，高阶谱，循 环谱等。 杨志俊等人在文献 1 8 中利用信号的功率谱、四次方谱、瞬时频率归一化分布等特征量 实现了在a w g n 信道下b p s k ，q p s k ，o q p s k ，万4 q p s k ，m s k ，f s k ，f m ，c w 信号的分类识别，总体识 别率达9 5 以上。在c c i r - 5 4 9 2 p o o r p a t h 信道下，文献 1 9 对信号的功率谱进行估计， 提取每一频率分量对整个频谱内能量“贡献”的大小这一谱特征，对f s k 信号和p s k 信号的 进行了分类，在s n r 6 d b 时，成功识别达到9 3 以上。针对功率谱不包含相位信息的缺陷， z h o n gz h a n g 等人提出了一种基于双谱特征的调制识别算法，实现了在低信噪比下b p s k 、 o q p s k 、m s k 、g m s k 信号的识别啪1 。根据调制信号的循环平稳特性，文献 2 1 ，2 2 提取信号的 循环谱特征，完成了单载波调制信号的分类。t a n gx i a n g h o n g 等人将功率谱峰度作为特征参 杭州电子科技大学硕士学位论文 量实现了小波调制信号、小波包调制信号与o f d m 信号的识别n 2 j 5 i 。 ( 3 ) 变换域特征参数 信号的时频分析，是一个十分重要的信号处理领域，其研究对象主要是非平稳信号，描 述信号的频谱如何在时间上变化。w i g n e r - v il l e 分布、小波变换、分数阶傅里叶变换等是常 用的时频分析方法，可以构造调制信号在时频域或其他变换域的特征参数。 袁晔等人在文献 2 3 中，提取了信号的w i g n e r - v i l l e 分布的一阶时间矩和c r o s s m a r g e n a u h i l l 分布的局部时频域特征作为分类特征向量，识别了b a s k 、q a s k 、b f s k 、q f s k 、 b p s k 、q p s k 信号。文献 2 4 提出一种新的基于s m o o t h - w i n d o w e dw i g n e r - v i l l e 分布的调制 识别算法，成功的识别出了f s k 和a s k 信号。 小波分析在时域和频域上同时具有良好的局部化特性，能够自适应的调整时频窗口的大 小。信号的高频部分，时间窗口窄，频率窗口宽，使得时间分辨率较高而频率分辨率较低； 信号的低频部分与高频部分正好相反。小波变换提取信号特征时主要采用两种方法：一种是 对信号进行多分辨率分析，提取信号各频段的特征向量；另一种是对信号进行连续小波变换， 得到模极大值，然后提取奇异点特征。文献 2 5 ，2 6 ，2 7 采用的第一种方法，实现了多种模拟 调制信号和单载波数字调制信号的识别，文献 2 8 ，2 9 则采用的是第二种方法，实现了q a m ， m p s k ，m f s k 的分类识别。陈健等人结合了这两种方法：对信号进行多分辨分析，实现了m f s k 信号与m p s k 信号、m q a m 信号的类间识别以及m f s k 信号和m q 枷信号的类内识别；根据m p s k 信号相位突变时，相应位置模极大值的不同峰值，完成了m p s k 信号的类内识别咖1 。 小波调制信号的子载波是由基小波伸缩、平移实现的，而o f d m 信号的子载波是正( 余) 弦函数叠加合成的。所以，小波调制信号有“时频变”性，而o f d m 信号没有这种特性。x i a n g h o n g t a n g 等人根据“时频变”特性的不同，将2 + 4 阶自适应优化核分布的时频混合矩( f 2 9 0 4 ) 作为 分类特征，识别了这两种多载波调制信号m 3 。在文献 3 2 中，李双霞等人证明o f d m 信号在分 数阶傅里叶变换域聚集成一个类似的圆形，而w p m 信号在分数阶傅里叶变换域的分布却呈现 出一个类似的菱形，并且将聚集的面积s 作为特征参量，实现了两者的分类。 ( 4 ) 星座图特征参数 星座图是信号矢量端点的分布，可作为识别信号的依据。s h a h m o h a m m a d i 等人在文献 3 3 中，利用星座图实现了q a m 信号和p s k 信号的分类。m o b a s s e r i 等人提出了一种基于星座图 的调制识别算法，完成了在a w g n 信道下v 2 9 、v 2 9 一f a l l b a c k 、8 - p s k 和1 6 一q a m 的识别幽1 。 o f d m 系统通常采用的m p s k 或m q a m 作为子载波的调制方式，闫继业等人设计了一种基于重建 星座图的分类器，将样本集映射为若干个与调制阶数一一对应的具有单峰性质的子集，通过 子集的个数和单峰中心位置判定调制阶数和调制方式，实现了o f d m 信号子载波调制类型的判 别3 5 1 。 ( 5 ) 基于分型的特征参数 调制信号是一种时间函数，通过信号的波形就能识别出它的调制类型。分形是对没有特 征长度却又有自相似性的图形和结构的总称，具有结构精细和自相似等特性。分形维数可描 杭州电子科技大学硕七学位论文 述分形集的复杂度，常用的是盒维数和信息维数。前者反映了分形集的几何尺度情况，后者 体现分形集在分布上的信息。 吕铁军等人将盒维数和信息维数作为分类特征，实现了c w 、b f s k 、q f s k 、b p s k 和q p s k 5 种信号的调制类型判别，并且提出基于分形维数的分类器设计简单，识别率高，有较好的工 程应用价值口6 1 。文献 3 7 首先将六阶累积量c 6 ，作为特征参量，将m s k g m s k 、o q p s k 和 b p s k q p s k 区分开，然后利用瞬时相位盒维数和复信号实部的盒维数，分别实现了m s k 和g m s k ， b p s k 和q p s k 的识别，仿真实验证明s n r 7 d b 时，各信号的识别成功率都较高。 2 基于最大似然理论的方法 最大似然理论可用来研究调制识别问题。首先计算信号的似然函数，得到分类的充分统 计量，然后与选定的门限值进行比较从而识别出调制样式。这种方法需要明确信号的某些参 数，如分布函数的均值、方差以及分布形式等。由于接收机工作在非协作通信系统中，无法 确定系统中所用信号的具体信息，所以构造的似然比函数中一般都含有未知参数。根据处理 未知参数方法的不同，形成了不同的分类准则，如最大似然比( m l r ，m a x i m u ml i k e l i h o o dr a t i o ) 准则、平均似然比( a l r ，a v e r a g el i k e l i h o o dr a t i o ) 准则、混合似然比( h l r ，h y b r i d l i k e l i h o o dr a t i o ) 准则、广义似然比( g l r ，g e n e r a l i z e dl i k e l i h o o dr a t i o ) 准则等。 文献 3 8 使用m l r 准则实现了m q a m 信号之间的分类。孟玲玲针对瑞利衰落信道上m p s k 信号难以识别的情况，提出了一种基于m l r 准则的方法，对瑞利信道的参数进行了估计，完 成了b p s k 和q p s k 信号的调制识别。张炜等人在文献 4 0 中提出了一种基于a l r 准则的调 制识别算法，通过对接收信号的离散化和对主要参数的简化近似，解决了m p s k 信号的调制识 别问题。在文献 4 1 中，基于似然比的调制识别算法用到了h l r 准则，在多径衰落信道下实 现了b p s k 和q p s k 信号的分类。文献 4 2 ，4 3 提出了依据准混合似然比( q h l r ，q u a s ih y b r i d l i k e l i h o o dr a t i o ) 准则的分类器，实现了数字调制信号的调试类型识别。文献 4 4 提出了 一种基于g l r 准则和a l r 准则的调制识别算法，在a w g n 信道下完成了b p s k 和q p s k 信号的识 别。 3 基于人工神经网络的方法 人工神经网络，也简称为神经网络，通过对人脑的联想记忆、形象思维等能力的模拟和 抽象，实现学习、识别、记忆等与人脑相似的信息处理功能。神经网络具有很强的自组织性、 自学习性、容错性、非线性、鲁棒性等特点，能够实现传统的模式识别理论所无法完成的模 式信息处理工作。因此，神经网络突破了传统模式识别技术的束缚，开辟了模式识别发展的 新途径。径向基函数神经网络( r b f ，r a d i a lb a s i sf u n c t i o n ) 和基于误差反向传播算法 ( b p ，b a c kp r o p a g a t i o n ) 的人工神经网络是目前应用较多的神经网络。 a r u l a m p a l a m 等人在文献 4 5 中，用神经网络的方法实现了a s k 2 、a s k 4 、m s k 、f s k 2 、f s k 4 、 p s k 2 和p s k 4 等7 种调制信号的分类，并且证明在s n r i o d b 时，准确率可达1 0 0 。s h i n t a r o t a i r a 将采样点瞬时幅度作为分类特征，采用三层神经网络的方法实现了1 6 一q a m 、6 4 一q a m 和 2 5 6 - q a m 的类内识别h 引。 杭州电子科技大学硕士学位论文 神经网络分类器，可自动选取判决门限，具有自学习、自适应能力，可以获得更高的识 别率。但它也有明显的缺点，如实时性差，需要较多的训练样本等。 4 基于支持向量机的方法 支持向量机( s v m ，s u p p o r tv e c t o rm a c h i n e ) 是2 0 世纪9 0 年代中期发展起来的一种基 于统计学习理论( s l t ，s t a t i s t i c a ll e a r n i n gt h e o r y ) 的机器学习算法。引入s v m 理论后， 调制信号的分类识别，可以在样本有限和低信噪比的条件下得到很高的分辨率，从而为数字 调制信号识别领域提供了一种很实用的方法。 文献 4 7 将累积量特征l c 柏i i q ：l 、l c 6 ，1 2 i c 4 2 1 。应用到支持向量机分类器中，实现了2 a s k 、 4 a s k 、8 a s k 、4 p s k 、8 p s k 和1 6 q a m 的调制类型识别。t a b a t a b a e i 等人也用支持向量机分类器 实现了4 - a s k 、8 - p s k 和8 - f s k 信号的分类h 引。文献 4 9 提取了调制信号的小波域特征，用支 持向量机分类器，完成了单载波调制信号( 1 6 q a m 、6 4 q a m 和o p s k ) 与o f d m 信号的调制类型识 别。 1 3 小波包调制技术概述 小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过近1 0 年的探索研 究，重要的数学形式化体系已经建立，理论基础更加完善。小波分析应用的领域十分广泛， 包括：图像处理、语音处理、信号分析、无线通信等。将数学中的小波包理论和无线通信中 的多载波调制技术相结合，得到了一种新的多载波调制方式小波包调制技术。小波包调 制信号基于小波包变换，用紧支的小波函数作为信号的子载波，可取得较好的抗窄带干扰和 多径干扰的性能嘞1 。 l i n d s e y 等人首先提出了小波包调制的概念，并且推导了小波包调制信号的带宽效率和 功率谱密度的相关公式瞄。m i ny a n g 等人在文献 5 2 中，提出了一种h u b e r 信道估计算法， 在非高斯信道中，估计出了小波包调制系统的各项参数。在多载波调制系统中，峰均功率比 ( p a p r ，p e a k t o a v e r a g ep o w e rr a t i o ) 都比较高，容易破坏子载波间的正交性。文献 5 3 ，5 4 采用线性规划和小波包树剪枝的方法减小小波包调制系统的p a p r ，取得了良好的效果，提高 了系统的性能。y i f e n gz h a n g 实现了一种基于小波包调制的多载波c d m a 系统陆1 ，文献 5 6 将小波包调制应用到m i m o 系统中。 多载波调制系统比单载波调制系统具有更高的抗干扰能力和频谱利用率。目前，多载波 调制方案中，最引人注目的是o f d m 和小波包调制( w p m ) 两种调制技术。o f d m 信号基于传统 的傅里叶变换，将正( 余) 弦函数作为子载波，各子载波保持正交并相互重叠。而小波包调 制信号则是基于小波包变换的，用紧支的小波函数作为子载波。二者相比，小波包调制技术 更为优越，主要表现在：可灵活的划分子信道；信号功率主要集中于主瓣，可有效降低信道 间干扰和符号间干扰；在多径衰落信道中，抗干扰能力更强，误码性能更高等。 1 4 本论文研究的主要内容 小波包调制作为一种新型的多载波调制技术，从它提出之日起，人们对小波包调制信号 的识别与参数估计就引起了高度的关注。 6 杭州电了：科技大学硕十学位论文 本文主要将两种多载波调制信号叫f d m 信号和w p m 信号作为研究对象，提取特征 参数，并以特征参数为依据，实现w p m 信号的分类识别。本文的主要研究内容如下： 1 、根据o f d m 信号和w p m 信号在分数阶傅里叶变换域分布的不同，以图像处理的方法对 多载波信号在分数阶域的分布结果进行成形处理，利用支持向量机作为分类器，探讨在a w g n 信道、瑞利衰落信道、频率选择性衰落信道下的o f d m 信号和w p m 信号的特征参数选取和分类 识别的问题。 2 、基于o f d m 信号与w p m 信号的双谱差异，利用非高斯a r 模型法估计多载波调制信号的 双谱，提取反映调制类型的特征参数，验证这些参数在a w g n 信道、瑞利衰落信道、频率选择 性衰落信道下的稳定性和差异性，解决w p m 信号与o f d m 信号的分类识别问题。 全文共分5 章，内容安排如下： 第1 章绪论。主要介绍调制识别技术的背景、基本框架和研究现状，总结调制识别的种 类。然后简要介绍小波包调制技术，并对其优点进行了概括。 第2 章多载波调制技术及信道模型。主要介绍o f d m 系统的基本原理及实现方法，小波包 变换的理论，小波包调制技术的原理和实现方法，以及两种多载波调制信号性能比较。同时 重点介绍了三种常用信道模型：a w g n 信道、瑞利衰落信道、频率选择性衰落信道。 第3 章基于支持向量机的小波包调制信号识别。重点介绍o f d m 信号和w p m 信号的分数阶 傅里叶变换域分布图的成形技术，以及图像边缘的拟合方法，在此基础上，提取两者的分数 阶傅里叶变换域分布图像的特征参数，利用支持向量机实现分类，并给出仿真实验数据。 第4 章基于双谱估计的小波包调制信号识别。主要介绍双谱估计的基本理论及实现方法， 重点讨论了在三种信道下o f d m 信号和w p m 信号双谱的差异，提取特征参数，实现分类识别， 并给出了验证算法性能的仿真数据。 第5 章结束语，总结和评价整个研究工作，并对进一步研究作出了展望。 7 杭州电子科技大学硕士学位论文 第2 章多载波调制技术及信道模型 2 1 引言 无线信道中存在多径效应和时变性，使得发射信号经多次反射、折射和散射等到达接收 机，造成衰落和时延扩展啼刀。当时延扩展跟传输信号的符号周期可比拟时，数字通信系统就 会造成符号间干扰( i s i ，i n t e r - s y m b o li n t e r f e r e n c e ) ，严重影响传输性能。传统克服i s i 的方法主要是在单载波调制方式中加入时域均衡技术。这种方法增加了系统的复杂度，不容 易实现。多载波调制( m c m ，m u l t i - c a r r i e rm o d u l a t i o n ) 提出于2 0 世纪六十年代，它的出现 为解决i s i 提供了一种新的方法。 多载波调制技术把信道划分为许多相互正交的子信道，通过各子信道相互独立的传输数 据，单路高速串行数据流将变成多路低速并行数据流。m c m 增大了传输信号的符号周期，但 是信道的时延扩展是一定的，所以，多载波调制系统可在不增加复杂度的情况下大幅度的降 低i s i 。 目前，多载波调制主要分为两类：一类是基于离散傅里叶变换的，另一类基于小波变换 小波包变换，前者主要包括离散多音调制( d m t ，d i s c r e t em u l t i t o n e ) 和正交频分复用( o f d m ， o r t h o g o n a lf r e q u e n c yd i v i s i o nm u l t i p l e x i n g ) 等，后者主要包括m 频带小波调制( m w m ， m - b a n dw a v e l e tm o d u l a t i o n ) 、小波调制( w m ，w a v e l e tm o d u l t i o n ) 、多小波包调制( 姗p m ， m u l t i w a v e l e tp a c k e tm o d u l a t i o n ) 以及小波包调制( w p m ，w a v e l e tp a c k e tm o d u l a t i o n ) 等。在这些多载波调制技术中，o f d m 和w p m 最受关注，也是本章介绍的重点。 2 2o f d m 技术 传统的频分复用( f d m ，f r e q u e n c yd i v i s i o nm u l t i p l e x i n g ) ，将频带分为若干不相交的 子频带来传输并行数据流，在接收端用一组滤波器分离出来。这种方法简单、直接，但是频 谱的利用率低，子频带之间要留有足够的保护间隔以防止相邻子频带间的干扰。o f d m 系统中 的子频带相互正交，并且有1 2 带宽的重叠，在接收端通过相关解调技术分离出来。因此， 与传统的频分复用系统相比，o f d m 系统的频带利用率可提高近一倍，最大限度地利用频带资 源，如图2 1 所示。 信道l23456789 qqq 公q 频率 ( a ) 传统的频分复用( f d m ) 8 杭州电子科技大学硕士学位论文 信道 频率 ( b ) 正交频分夏用( o f d m ) 图2 1 传统频分复用与o f d m 的信道分配示意图 2 2 1o f d m 信号的表示 一个o f d m 符号之内包括多个经过调制的子载波的合成，其中每个子载波都可以受到相移 键控( p s k ) 或者正交幅度调制( q a m ) 的调制。如果表示子信道个数，表示o f d m 的符号 周期，d i ( f = o ，1 ，2 ，n 一1 ) 是分配给每个子信道的数据符号，五表示第o 个子载波的载波频 率，则0 f d m 调制信号可以表示为： s o ) = d ie x p ( j 2 7 9 f ：f ) ，f 【o ，刀 ( 2 1 ) 其中，z = 以+ i t ，表示第f 个子载波的载波频率。 由式( 2 1 ) 可以看出，每个子载波在一个0 f d m 符号周期内都包含整数倍个周期，而且相 邻子载波之间相差了一个周期。这一特性可以用来解释子载波之间的正交性，即： l r e x p ( j 2 万( z + ；) 力e x p ( 一_ ，2 石( z + 予) d a r t = 三：二： ( 2 2 ) 对式( 2 1 ) 进行采样。假设0 f d m 一个符号周期丁内含有个样值，则： t = 蚂 ( 2 3 ) 其中，瓦表示采样间隔。采样后，一式( 2 1 ) 可改写为： 殴= j ( 螺) = 以e x p ( j 2 1 0 ：线) ( 2 4 ) o f d m 信号通常用复数等效基带信号来描述。令五= 0 ，于是： 旷丢n - i 露唧学一一- 亿5 ) 可看出，s k 等效为对面进行离散傅里叶反变换( i d f t ) 。在接收端， 数据符号d i ，可以对以进行离散傅里叶变换( d f t ) ： 4=篓&exp(一学，0 1 r s ， 厂 啼信道变化快于基带信号变化 号周艉厂 ，徽璧萎鬻巍p 信道相干时间e 频率选择性衰落( b s b c ，延迟扩 一一、 _ 展小于符号周期 厂 黜魍弋厂、 - 黼驴胁跳搬好 信道相干带宽忍 图2 9 无线信道的四种主要衰落效应 如果想实现小波包调制信号的识别与特征参数估计，需要对传输信号的信道进行模拟。 为了使实验仿真接近实际信道，在本论中，主要涉及三种常用的通信信道模型：加性高斯白 噪声( a w g n ) 信道、瑞利平坦衰落信道以及频率选择性衰落信道。 2 5 1a w g n 信道 a w g n 信道是最简单和最常用的无线通信信道，如图2 1 0 所示。 ! ) 一，、 ， l 7 夕 川) 于 f ) = s ( f ) + w ( t ) 图2 1 0a w g n 信道模型 在此信道模型中，s ( f ) 是发送信号，w ( t ) 是方差为盯2 、均值为0 的加性高斯白噪声，接 收信号表示为： r ( t ) = s ( t ) + w ( t ) ( 2 2 4 ) 2 5 2 瑞利衰落信道 在无线通信中，如果接收机与发射机做相对运动，接收机接收到的信号会发生频率偏移 1 7 杭州电子科技大学硕士学位论文 现象。当两者靠近时，接收到的信号的实际频率会低于发射机发射的原始频率；当两者远离 时，情况正好相反。这种频率偏移现象称为多普勒效应。对于电磁波而言，发射机与接收机 相对运动的速度决定了多普勒效应造成的频率偏移，可表达为： 石= 万v c o s e ( 2 2 5 ) 式中，厶为多普勒效应产生的频率偏移量，y 表示发射机和接收机相对运动的速度，力为发 射机发射的载波的波长，矽是入射电波与移动方向的夹角。 在整个频带上，如果无线信道都具有线性相位和相对恒定增益，那么接收信号就会经历 平坦衰落。这种信道被称为平坦衰落信道，是一种最基本的衰落信道，其特性如图2 11 所示。 h ( t ，r ) s ( f ) 厂 0 l s ( f ) h ( t ，f ) n 0f0 t + ff ( ( i 图2 1 1 平坦衰落信道特性 在平坦衰落信道中，信道的多径时延扩展f 与发送信号的符号周期之比很小，因此 办( 印。) j i l ( f ) ，也就是说办( f ) 可近似认为无附加延迟。 平坦衰落信道主要有两个模型：s u z u k i 信道模型和c l a r k e 信道模型，前者把大尺度衰 落和小尺度衰落结合在一起分析，而后者仅仅只考虑小尺度衰落的情况。本文采用c l a r k e 信 道模型，主要研究小尺度衰落的情况。c l a r k e 信道模型也常称为瑞利衰落信道。经此信道传 输后，接收信号的幅度服从瑞利分布，因此，接收信号可表示为： ，( f ) = r