（通信与信息系统专业论文）通信信号调制识别技术研究.pdf

摘要随着通信科学的不断发展，信号调制类型识别和参数估计技术得到了越来越广泛的应用。本文首先介绍了信号识别技术的研究内容、发展历史和趋势，阐述了本文研究的目的和意义。然后在单载波数字信号识别研究的基础上，针对目前o f d m 信号调制识别研究比较少的现状，本文重点研究了o f d m 信号盲识别与参数估计技术。针对高斯信道环境，提出了一种利用小波变换区分o f d m 信号与单载波数字信号的方法，同时根据一般o f d m 信号具有循环酊缀的特性，通过检测信号做自相关运算后是否存在相关峰来区分o f d m 信号与模拟信号。经过计算机仿真验证，这两种算法都具有较高的识别性能；针对多径信道环境，对已有算法进行改进，提出一种基于四阶累积量的o f d m 信号盲识别算法，具有一定的抗多径能力，并有效地提高了识别性能；最后介绍了o f d m 时域及频域参数估计技术，提出了一种新的信号有效带宽盲估计算法，该方法具有简单，估计精度高的优点。关键词：信号调制类型识别参数估计o f d m小波变换高阶累积量a b s t r a c tw i t ht h ei n c r e a s i n gd e v e l o p m e n to ft e l e c o m m u n i c a t i o ns c i e n c e ，t h et e c h n o l o g yo fs i g n a lm o d u l a t i o ni d e n t i f i c a t i o na n dp a r a m e t e re s t i m a t i o nh a sw i d ea p p l i c a t i o n si nm a n yf i e l d s a tt h eb e g i n n i n go ft h i sp a p e r , t h er e s e a r c hc o n t e n t 、h i s t o r y 、t r e n da n dp u r p o s eo fs i g n a li d e n t i f i c a t i o na r ei n t r o d u c e d t h e n ，t h ei d e n t i f i c a t i o no fo f d ms i g n a li sr e s e a c h e dd e e p l yw h i l es i n g l ec a r r i e r ( s c ) d i g i t a ls i g n a lr e c o g n i t i o nb r i e f l yi n t r o d u c i n g f i r s t l y ，am e t h o du s i n gw a v e l e tt r a n s f o r mi sp r o p o s e dt od i s t i n g u i s ho f d mf r o ms cs i g n a l s ，a n dam e t h o do fc l a s s i f i c a t i o nb e t w e e ns i n g l e c a r r i e rm o d u l a t i o n sa n do f d mi sg i v e n ，w h i c hb a s e do nt h ef a c tt h a to f d ms i g n a l sh a v ec y c l i cp r e f i x e s t h er e s u l t so fc o m p u t e rs i m u l a t i o ns h o wb o t ho ft h ea l g o r i t h m sh a v eg o o dp e r f o r m a n c e s s e c o n d l y , o na n a l y s i n gt h et r a d i t i o n a la l g o r i t h m ，an e wa l g o r i t h mb a s e do nf o u r t h o r d e rc u m u l a n ti sp r e s e n t e d ，w h i c hw o r k sw e l li nm u l t i - p a t he n v i r o n m e n t a tl a s t ，t i m e - p a r a m e t e r sa n db a n d w i d t he s t i m a t i o na r es t u d i e d ，a n dab l i n db a n d w i d t he s t i m a t i o na l g o r i t h mi sp r o p o s e d ，w h i c hi ss i m p l ea n da c c u r a t e k e yw o r d ：i d e n t i f i c a t i o no fs i g n a lm o d u l a t i o ne s t i m a t i o no fp a r a m e t e r so f d mw a v e l e tt r a n s f o r mh i g h e ro r d e re u m u l a n t西安电子科技大学学位论文独创性( 或创新性) 声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容。可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。( 保密的论文在解密后遵守此规定)本学位论文属于保密，在一2 婢解密后适用本授权书。本人签名：型导师签名：趣日期趣翌生l 毖1日期塑亟! ：! 里第一章绪论第一章绪论随着人类社会的不断进步，人们对信息的需求与同俱增，信息已成为一种重要的社会资源和财富。在这种背景之下，通信技术在最近几十年得到了飞速的发展，并具有更广阔的发展前景。信息与通信科学已成为促进世界文明进步的一股重要的推动力量。众所周知，信息的传递是通过它的物质载体电信号来实现的，而无线电信号是以电磁波的形式在空间传播的，为减小各种噪声的干扰以保证信号不失真传输，在实际传输中发射信号不是在基带传输的，而是以不同的调制类型在不同的频率上进行传送的。而随着通信技术的不断发展，产生了各种各样的调制方式。在某些境况下，如在电子信息战、信号频谱监测管理和软件无线电系统中，需要在未知调制信息的自仃提下，判断通信信号的调制方式，并估计相应的调制参数，才能进行解调。这就是信号调制识别技术。1 1 信号识别技术的产生及应用领域早期的调制识别方法是由操作人员借助仪器，通过观测分析接收信号的时域波形和频谱形状，判断信号的调制方式，然后选择相应的解调器进行解调，这种凭肉眼观察的方法可靠性很差。随后比较常用的方法是采用多个不同调制体制的解调器同时对同一接收信号进行解调，对解调结果进行分析，若某一解调器的输出具有明显的可懂比特信息或帧结构，则认为该解调器采用的调制样式与接收信号一致，该解调器的输出就是解调后的信号。以往的通信系统由于调制类型单一、简单，上述方法是可行的。但当通信设备采用新的调制方式，而侦察方没有相应解调设备时，这种方法是无效的。即使有，侦察方也必须准备很多不同调制体制的解调设备，随着硬件设备量线性增加，性能代价比下降。随着无线通信技术，特别是数字通信技术的快速发展，信号调制方式种类越来越多，变得越来越复杂，以前这些方法己无能为力。因此，信号调制类型识别技术得到了迅速的发展。目自i ，信号识别技术已有很多研究成果，但随着新的信号调制类型不断出现，更多更复杂的调制方式将被广泛应用于各种通信系统中，这对信号识别技术提出了更高的要求，但也自着更广泛的应用日，j 景。信号识别技术的应用主要集中在以f 领域【l 】：1 、自适应调制：在自适应调制系统中，发射信号的调制方式会随信道状态的不同产生变化，接收端为了正确解调信号，需要知道发射信号的调制信息。发送信令是最简单的方式，即通过在一个包内发送包含有调制信息的控制符号到接收通信信号凋制识别技术研究机，接收机对其进行解调就可以获得调制方式。但是这种方式是以牺牲有用信息的带宽为代价的。如果发射信号中不包含调制参数信息，就可以减小额外的开销，这时就需要通过信号盲识别技术对接收信号的检测，获得信号的参数以便进行解调。2 、情报截获、电子信息战：在现代战争中，为获取敌方的情报，接收机必须首先获得接收信号的调制方式，为解调器提供正确的参数进行解调，才能进行信息的破解工作。调制识别技术还有助于监视战场的电磁频谱活动，以保障友方通信，同时干扰和破坏敌方通信，实现电子对抗的目的。3 、通信监视、频谱管理：在民用方面，政府部门通过调制识别技术对通信频谱进行监视和管理，防止非法用户私自占用无线频谱或干扰合法用户，保证正常通信的进行。采用调制识别技术可以提高对不同性质用户的区分能力，确定未知干扰信号的性质，实现通信监视的自动化。4 、软件无线电：软件无线电技术解决了现存多种无线通信系统难以互融的问题。由于它特有的多功能、多体制特性，软件无线电接收机中必须首先识别接收信号的调制类型并估计相关参数，才能选择合适的解调软件对信号进行解调。调制识别技术是软件无线电关键技术之一。信号调制类型识别的一般流程如图1 1 所示。特征提取确定判决信号参数信号接收中频变换+和选择+规则并分估计类图1 1 信号谚j 别流程1 、信号接收信号通过天线进入接收机，经过功率放大、模拟滤波、混频等处理后，输出一个中频信号。2 、中频变换中频变换就是通过频谱搬移，消除中频信号中的载波信息，得到基带信号。这一过程可通过模拟或数字的方式来实现，如果a d 的位置在中频变换之前，那么中频变换是通过数字下变频来实现的；如果a d 变换在中频变换之后，那么中频变换就是通过模拟下变频完成的。3 、特征量提取和选择由于接收的信号特征不明显，为了有效地实现信号分类，必须对接收数据进行某种统计或变换，得到最能反映不同调制信号本质差别的特征量。这些特征量的提取和选择将直接影响判决器的设计方案及性能。理想情况下，提取和选择的特征量要求对不同调制类型有明显的分离性，然而在实际中却常常不易找到这些第一章绪论特征量，或受条件限制不能对它们进行测量，这就使特征量提取和选择的任务复杂化。因此，必须通过对时域、频域或其它变换域信号特点的深入研究，选择能够明显体现信号特征、易于提取的信息作为特征量。因此，识别特征量的的提取和选择是信号调制识别系统中最重要的部分之一。4 、确定判决规则并分类分类问题是在待识别数据集合的基础上确定合适的判决规则和分类器结构，再根据被识别对象特征的估计值，按照一定的分类规则设定判决门限，将信号判决到某个调制类别中。5 、参数估计得到信号调制类型后，再估计信号的相关参数，最终对数据进行解调处理。1 2 信号识别的发展和研究现状1 9 6 9 年4 月，c s w a v e r 等人在斯坦福大学发表了第一篇研究信号调制识别的论文采用模式识别技术实现调制类型的自动分类。此后有大量的研究成果不断问世，由于数字通信已成为通信技术的主流，对数字调制信号识别的研究现在已成为主要趋势。近些年来不断有新的信号处理技术，如人工神经网络、小波理论、谱相关理论被应用到该领域的研究中，使信号识别技术得到了蓬勃的发展。总体来说，调制信号识别方法主要有两大类：最大似然法和模式识别法【27 1 。1 、基于最大似然的方法最大似然法又称为判决理论法。它是在决策理论的框架内，采用概率论和复合假设检验理论，分析信号的统计特性并推导出检验统计量，由判决准则实现调制模式的自动识别。这种方法需要确切知道信号的某些先验信息，例如分布函数的形式和均值、方差等。最大似然法已取得的成果有：l i e d t k e 采用决策理论和统计模式识别的方法对数字调制信号进行分类1 2 】，这种识别系统不仅实现非常复杂，而且只有在信噪比比较高的条件下，才能够有效的对a s k ，f s k 矛n p s k 信号分类。a p o l y d o r o s 矛l k k i m提出了次优的对数似然比方法判别数字调相信号的调制模式【3 1 ，但仅能识另i j b p s k和q p s k 信号，在0 d b ，输入数据长度为1 0 0 点时，b p s k 矛t l q p s k 信号的识别率将近1 0 0 。s o l i m a n 使用相位似然比分类m p s k 信号1 4j 。w e iw e n 币1 用复码元序列的平均似然函数比分类q a m 信号【5 1 。b e i d a s 在对平均似然比函数中的未知频率做平均后，导出基于高阶相关分析的m f s k 信号分类方法1 6 j 。b o i t e a u 等人提出了用于调制识别的广义似然比分类结构1 7 】，他们对似然比函数的处理方法在本质上与k i m 的方法是一致的，只不过处理的顺序不同：k i m 先对似然比函数中的未知参数作平均，再对平均后的表达式中的自然指数项作幂级数展丌近似，而b o i t e a u 贝, i j 先作幂级数展开，4一通信信号调制识别技术研究然后对展开式中的未知参数作期望平均处理，后者导致了基于高阶相关形式的分类统计量。p a r i s 把一般方法与盲均衡结合研究了多径信道中的调制识别问题悼j 。鲍丹等人提出了一种瑞利衰落信道下f s k 信号的调制分类方法，由被高斯白噪声污染的f s k 信号复包络导出似然函数，由此得到最优分类器，有效地解决了衰落信道下的f s k 信号调制分类问题一j 。2 、基于模式识别的方法模式识别法是由模式识别理论得到的，其识别系统一般分为两部分：特征值提取和模式匹配。特征提取部分是从原始数据中提取对调制模式识别有用的参数信息，它可视为一种映射关系，即从输入的信号序列映射到选定的特征空间。模式匹配部分的主要功能则是将所提取的参数与己知的调制模式参数进行比较和判断，完成信号识别。模式识别法取得的成果有：l i e d k e 等人利用幅度、频率和相位的直方图分类通信信号f l o 】。a k n a n d i 和e e a z z o u z 基于从信号的瞬时时频域信息中提取特征参数，分别对模拟调制信号和数字调制信号进行了识别【1 1 l 【1 2 】。该方法充分利用了信号的多种信息，可以识别的信号类型多且识别性能好。w o n g e l a k n a n d i 随后又对该方法进行了改进【l3 1 ，增加了信号的统计参数和训练序列，识别率在0 d b 时达到9 8 0 。b o u d r e a u 基于信号瞬时特征参数，对混合调制类型识别进行了研剜4 j ，在5 d b 时，识别率三7 1 7 。黄春琳采用n a n d i 提出的识别特征，采用神经网络方法对数字和模拟调制信号进行识别i l 引1 1 6 1 。l i a n gh o n g 等人采用小波变换方法，计算原始信号和幅度归一化信号在固定尺度参数下小波变换的绝对值，利用电平数识别q a m 、p s k ；g l f s k 信号1 1 7 】，在c n r = 5 d b 时，信号识别率9 7 6 ，在c n r = 2 0 d b 时，信号识别率 9 9 7 。h ok c等采用小波变换方法，计算某固定尺度小波变换的绝对值，根据峰值电平数和直流电平数来区分m p s k s f i m f s k 信号，在c n r = 6 d b 时，m p s k 信号的识别率9 0 2 ，在c n r = 1 5 d b 时，m f s k 信号的识别率之9 1 9 1 1 8 1 。蒋盘林采用小波变换对m p s k 和m f s k 信号进行分类，在c n r = 1 3 d b 时，m p s k 信号的识别率芝8 3 ，在c n r - - 1 5 d b 时，m f s k 信号的识别率三9 3 【1 9 j 。吕铁军采用多分辨分析的m a l l a t 算法，计算不同分解水平下的能量作为特征，送入基于信任函数的分类器进行识别，对c w 、2 a s k 、4 a s k 、2 p s k 、4 p s k 、2 f s k s h 4 f s k 等7 种调制方式进行分类【2 ，在5 d b 时，识别率芝9 1 ，在1 0 d b 时，识别率芝9 2 。胡建伟等人提出了出一种基于小波变换的多径信道下m p s k 信号的调制分类算法1 2 ，在5 d b 时，识别率9 0 。r e i c h e r t j 最早用高阶累积量识别信号1 2 引，并给出了对2 a s k 、b p s k 、q p s k 、2 f s k 和m s k 等信号的识别率。s w a m i 等人采用四阶累积量对b p s k 、4 a s k 、1 6 q a m；9 1 8 p s k 采用判决树方法进行了识别【2 3 j ，在l o d b 时，识别率三9 5 。s p o o n e r 打破只使用四阶累积量的局限，提出用六阶循环累积量对信号进行识别1 2 引，在9 d b s d 采样第一章绪论点为5 0 0 0 点时，对6 4 q a m 和1 6 q a m 信号采用四阶和六阶循环累积量的识别率分别为8 1 矛1 1 9 0 ，对q p s k g l l 6 q a m 的识别率分别为9 7 和1 0 0 。d o b r e 在s p o o n e r 的理论基础上，提出综合应用四阶、六阶和八阶循环累积量对信号进行识别2 5 】【2 6 j ，并给出了识别不同信号的特征参数选取思想：用四阶循环累积量识别信号的调制类型，用八阶循环累积量区分信号调制阶数。陈卫东对基于高阶累积量的信号识别方法做了大量的研究，先后提出了基于四阶累量不变量特征、多径累量不变量特征和循环累量不变量特征的数字调制识别算法【27 | 。m o b a s s e r i 采用聚类方法重建接收信号的星座图，以星座图的形状作为识别特征对m p s k 平i i m q a m 数字调制信号进行识别 2 8 1 ，在1 0 d b 时，对q p s k 、8 p s k 和1 6 q a m 信号的识别率分别达到9 5 、1 0 0 ；乖n 9 5 。詹亚锋等人提出了一种m 。q a m信号的识别算法1 2 9 1 ，首先从接收信号中估计出波特率、载波频率这些参数，然后进行插值、解卷、聚类，最后得到识别结果。仿真表明，在信噪比大于8 d b 且码元数目大于4 0 0 时，识别率超过了9 5 。g a r d n e r 对模拟和数字调制信号采用谱相关理论进行了研究 3 0 】。谱相关理论是研究一类特殊的非平稳过程周期平稳过程的理论。对于通信信号来说，周期性来自信号的采样、调制和编码等一系列处理过程，利用不同信号谱相关特性的不同，可识别信号的调制类型，并可进行参数估计。此外，还有很多对信号识别分类的方法，由于篇幅有限，这罩就不再介绍了。最大似然法与模式识别法相比，似然比调制分类在理论上保证了在贝叶斯最小误差代价准则下分类结果是最优的。似然比分类性能可作为理论性能上限，用来检验模式识别调制分类方法的性能，帮助判断分类特征选取的合理性，这是最大似然法的优点。但它也有很多缺点：与模式识别方法相比，最大似然法分析过程很复杂，需要更多的先验知识。已有的似然比分类算法，大都是对码元同步采样序列进行处理，这就隐含着要知道信号的载频、码速率、码元定时，甚至匹配滤波器所需的基带成型脉冲形式，而在实际中这些信息往往不可知；未知参数的存在，导致似然比分类的充分统计量表达式很复杂，计算量大，难于实时处理。为此需要简化似然比函数。但简化的结果又导致了分类信息的丢失、调制类型及分类性能的下降；似然比分类方法对模型失配和参数偏差比较敏感。似然比分类一般建模噪声为高斯分布，且己知信噪比等参数，当实际信道噪声为非高斯，或存在多径影响，以及信噪比参数估计偏差时，似然比分类性能会急剧下刚2 1 。o f d m 是一种具有很高频带利用率的多载波调制技术，它具有抗多径能力强、适合高速数据传输等优点，在通信领域讵在得到越来越广泛的应用。因此对于o f d m 的调制类型盲识别及参数盲估计的研究成为了一个急需解决的问题，也是本文研究的重点。w a l t e ra k m o u c h e 对高斯噪声信道环境下的o f d m 信号和单载波信号分类识别进行了研究1 3 1 ，基于高斯信号的四阶累积量等于零，而非高斯信号的6一通信信号凋制识别技术研究四阶累积量不为零这一特性，可在白噪声环境下对o f d m 信号和单载波信号进行有效分类，并对o f d m 信号的时域和频域参数盲估训3 2 j1 33 j 进行了深入的研究。此外，b i nw a n g 提出了一种基于高阶矩的o f d m 信号调制盲识别算法p 4 | ，在s n r 高于0 d b时识别率大于9 5 ，但复杂度较高。刘鹏提出了一种基于4 阶累积量的多径信道下o f d m 调制类型盲识别算法i lj ，在多径矛d s n r = 0 d b 的条件下，o f d m 信号的正确识别率达到9 7 。他还分别提出了多径环境下o f d m 信号的时域和频域参数盲估计算法【3 5 】【3 6 】，都具有较好的性能。1 3 本文的主要工作和安排从现有的成果可以看出，针对单载波信号的调制识别技术的研究很多，也比较成熟了。而针对o f d m 信号的识别和参数估计的研究比较少，研究的也不是很深入。针对o f d m 技术被r 益重视的现状，本文重点研究了o f d m 信号的调制类型盲识别和参数盲估计，同时对单载波信号的调制识别做一定的介绍。对信号的调制类型盲识别，本文分别采用小波变换和高阶累积量的方法研究，并分别提出了新的o f d m 信号识别算法。针对参数盲估计，本文提出了一种新的o f d m 信号带宽估计方法。第二章首先介绍了利用小波变换区分一般单载波数字信号q a m 、p s k 和f s k的方法【l7 1 ，并在此基础上提出了一种基于小波变换的o f d m 信号与单载波数字信号分类方法，并利用大多数o f d m 信号具有循环前缀的特性区分o f d m 信号与模拟信号。经过仿真表明，这两种算法都具有良好的识别性能。第三章首先介绍了传统的基于高阶累积量的信号识别方法，并对文献 1 】的方法进行了改进，提出了一种基于四阶累积量的多径信道下o f d m 信号识别算法。仿真表明，该算法具有较好的抗多径干扰能力。第四章首先介绍了o f d m 信号时域和频域参数盲估计。o f d m 信号的时域参数包括信号的符号长度、符号有效时i 日j 长度以及保护间隙长度；频域参数主要是o f d m 信号的有效带宽，然后提出了一种新的o f d m 信号带宽估计方法。第五章总结了全文的工作成果，并对今后的工作进行展望，提出下一步研究的思路。第二章基t d , 波变换的调制识别方法第二章基于小波变换的调制识别方法2 1 引言小波分析是1 9 8 4 年以来在m e y e r 、m a l l a t 和d a u b e c h i e s 等人的奠基工作基础上迅速发展起来的一门新兴学科，它由是傅罩叶分析发展而来的。小波变换在信号特征提取方面具有独特优势，它对瞬变信号有很好的检测能力，因此，基于小波变换的信号调制识别技术正在受到广泛的重视。o f d m 信号作为一种多载波调制方式，由于信号特征不易提取，所以针对o f d m 的调制类型识别算法很少。本章在l i a n gh o n g 和纪勇等人工作【 j 【”j 的启发下，提出一种基于小波变换的区分o f d m 信号与单载波数字信号的盲识别算法，为了保证算法的完备性，再利用一般o f d m 信号具有循环前缀的特性提出一种区分具有循环前缀的o f d m 信号与模拟单载波信号的盲识别方法，这样就可以把o f d m 信号与大多数单载波信号区分歼，与传统的方法相比，本章提出的方法具有算法简单、直接可以在中频处理的优点。本章首先介绍基于小波变换的单载波数字信号识别方法，然后提出o f d m 信号的识别方法。2 2 小波基础【3 8 】 3 9 1在信号处理方面，傅罩叶变换是不可缺少的分析工具，但是傅罩叶变换的致命弱点是只能用于平稳信号的分析，对具有鲜明局部特性的信号就无能为力了。而实际的通信信号很多都具有非平稳特性，非平稳信号的统计特性是随时间变化的，那么对非平稳信号的主要焦点便集中到其局部统计性能上。因此对非平稳信号而言，傅早叶变换不再是有效的数学分析工具，信号局部性能的分析必须依靠信号的局部变换。另一方面，信号的局部性能需要使用时域和频域的二维联合表示才能得到精确的描述。在这一意义上，常将非平稳信号的二维分析称为时频信号分析。加窗傅罩叶变换如短时傅罩叶变换( s t f t ) 虽然能做局部分析，但是也有一定的局限性，它们无法满足币交性，且窗口大小固定，冈而不能敏感反映信号的突变。小波分析优于傅里叶分析之处在于它的时间域和频率域同时具有良好的局域化性质，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。它在时域和频域同时具有良好的局部化性质。这种特性讵符合低频信号变化缓慢而高频信号变化迅速的特点，使小波变换具有对信号的自适应能力。而且，小波变换适当离散化后能构成标准通信信号调制识别技术研究正交系。因此小波分析特别适用于分析突变信号，被誉为信号分析的“数学显微镜”。小波变换被看成是调和分析这一数学领域半个世纪以来的工作结晶，已广泛地用于各个行业。可以说，传统上使用傅罩叶分析的地方，都可以用小波变换取代，不能用傅罩叶分析的地方，小波变换发挥了巨大的作用。以下简单介绍的小波分析原理：设( ，) ( 尺) ( ( 尺) 表示平方可积的实数空问，即能量有限的空间) ，其傅罩叶变换为( 缈) 。当( 国) 满足允许条件( 完全重构条件) ：q = 上肾国一( 2 1 )时，我们称( f ) 为一个基本小波或母小波( m o t h e rw a v e l e t ) 。后，就可以得到一个小波序列。对于连续的情况，小波序列为：哪) 2 南y ( 等h 圳。、i i其中，a 为伸缩因子，f 为平移因子。对于离散的情况，小波序列为：y ，o ) = 2 j 2 j ( 2 t k )，k z将| ；f ，( f ) 经伸缩和平移( 2 - 2 )( 2 - 3 )对于任意的函数s ( t ) l 2 ( r ) 的连续小波变换为：嘶一2 南+ l 等肘即帆( f ) )( 2 4 )其逆变换为：m ) = 毒上+ 丘知咖( 等) 圳f( 2 - 5 )小波变换的时频窗为： f - a a v ，f + a a l u x ( c o o - a 汐) a ，( c o o + 痧) 口 ，其时频窗口中心为：( r ，o ) o a ) 。小波变换的基函数。是母函数( f ) 经过时间平移和尺度伸缩的结果。由于尺度参数a 的作用，小波基函数虬，( f ) 的包络随a 而变化。对于一给定的窗函数y ( f ) ，若尺度参数a l ，则基函数相当于将窗函数拉伸，使窗口的时域宽度增大；而a l 相当于将窗函数在频域压缩，频率带宽变小；而a l 时将窗函数在频域拉伸，频率带宽增大。尺度参数c 大对应于低频端，其频率分辨率高、时白j 分辨率低；反之，尺度参数小对应于高频端，其频率分辨率低，时间分辨率高。这正说明小波变换具第二章基丁小波变换的调制识别方法9一有多分辨率特性和在时频域都具有良好的局部分析能力。这正是它优于傅罩叶变换和加窗傅罩叶变换的地方。平移参数z 的作用仅使小波基函数在时间轴上滑动。f蘩沁蕊心阏图2 1 小波变换的时频网格图2 3 利用小波变换对单载波数字信号进行识别t调制类型的识别一般分为两大类：类间识别和类内识别。所谓“类间识别 是指不同类型的调制方式之间的分类识别，女i j f s k 、p s k 矛i q a m 等调制类型之间的分类；而“类内识别”则是指在同一调制类型内进一步区分，即调制类型相同而调制阶数不同信号间的区分，女n b p s k ，q p s k 之间的区分。小波变换在这两类识别中都得到了广泛的应用。l i a n gh o n g 币1 k c h o 利用小波变换对q a m 、p s k 和f s k信号进行类间识别【i7 j 取得了良好的效果。在此基础上，h ok c 、p r o k o p i ww 矛i c h a ny t 采用小波变换方法来对m p s k 和m f s k 信号进行类内识别【1 8 】，通过检测小波变换后由于相位变化产生的峰值数目来区分m p s k 信号，通过检测小波变换后的直流电平数目来区分m f s k 信号。蒋盘林采用小波变换对m p s k 和m f s k 信号进行了分类【l 引。胡建伟等人提出了一种基于小波变换的多径信道下m p s k 信号的调制分类算法1 2 ，利用相邻码元的相位差关系对m p s k 信号分类，具有良好的抗多径衰落的能力。由于本文提出的o f d m 信号识别算法是在l i a n gh o n g 和h ok c 方法启发下产生的，因此本节对h ok c 的基于小波变换识：q a m 、p s k 矛i j f s k 信号的方法做以介绍。常用的单载波数字调制方式有p s k 、f s k 和q a m ，它们的通用模型为【1 7 】1 4 0 1 ：x ( f ) = s ( f ) + s ( t )( 2 6 )其中，s ( t ) 为高斯加性白噪声，s ( ，) 为复信号，它的形式依赖于调制方式。根据调制方式的不同，s ( ，) 可以有以下的形式：通信信号调制识别技术研究2 x ts 脒( ，) = a z w 女e 知肛g ( t 一织) ，哌= g 。百，i = o ，2 m 一，( 2 7 )七础m e 。e j 2 x ( f + a a ) g ( t - k n 馘= h 竽) 卜观朋仁8 ，蛳( ，) - 。c k e j 2 ”l g ( t - k nc 2 ( 4 + ( 2 9 )a k ，b k = 2 i m l ，i = 0 ，l ，2 m l其中，a 为接收信号的幅度，、馘和c 。是发送信号的映射，它们决定了信号的调制类型。r 是符号周期，为载波频率，a f 为频率偏移，m 为调制阶数。利用连续小波变换：c w t ( a ，r ) = 卜( ，) 沙+ ( t ) d t = 下1 卜( f ) ( t - r ) d t( 2 1 0 )。、a 。a5 t j q a m 信号做小波变换。a 为尺度因子，f 为平移因子，上标幸表示求复共轭。母小波选用h a a r 4 , 波：i ，一0 5 ， 0缈( f ) ： 一，d ， d 5( 2 11 )【0 ，其- g如果小波变换i 夏i a 1 在信号的同一码元内或者变换区间内的相邻码元相同时，q a m 信号的小波变换如下：i c w a m ( a , r ) i _ | 去 魍啪衍一扎邶加刚斫) i= 等s i n2 ( 等) s i = 厅珥( 2 - 1 2 )如果信号小波变换x l x i n 存在码元变化，则q a m 信号的小波变换如下：l c 小一i 一献鸟( 4 + 尼渺训击+ 从，+ 风衍一f ( 钆+ 风) 竹) 衍：熹k 删i 脾；) + 乳( 2 一一p 胁；) l ( 2 - 1 3 )婢a仍，c p , + ，分别为第f 和第升1 个码元相位，并且在d ( 设d 。i t 。f d 。m 。j幽2 9o f d m 信号日单载波数字调制信号分类的实现流样通信信号调制识别技术研究2 4 3o f d m 信号和单载波数字调制信号的分类实验仿真仿真的环境基于a w g n 信道，所采用的信号模型如下：表1 仿真条件信号类型数值d v b to f d m 信号2 kf f t 模式，非分层传输模式，o f d mq p s k ，1 4 保护间隔长度，2 3 内编码码率，瓦= 2 2 4 p sl = o 2 5t t , = 2 8 0p s ，载波频率7 0 m h z 4 2 1 。q a m2 5 6 q a m ，符号率1 0 k s ，载波频率1 m h z 。f s kb f s k ，符号率1 0 k s ，载波频率1 m h z ，频差2 0 k h z 。p s kb p s k ，符号率1 0 k s ，载波频率1 m h z 。仿真中o f d m 、q a m 、p s k 和f s k 信号的具体参数如表1 所示，小波变换选用h a a r 小波基，中值滤波器窗口的长度取2 0 ，每个信噪比点作1 0 0 次m o n t e c a r l o 实验，每次实验取1 0 0 0 个采样点，然后求其均值，得到不同信噪比下信号的平均方差，如图2 1 0 所示。0 0 1 50 0 1口0 0 5iii 上 _ 山li lj j _ 5 妒i i h i 旷”个。i 。l 竹，一。矽b f s k畚一b p s k睁q a m一卜o f d m崤骘第二章基7 4 , 波变换的调制识别方法1 9_ 一可见其f 确识别率都随采样点数的增加而提高，在2 0 0 0 个点时几乎达到1 0 0 。该算法不需要知道任何先验知识，能够对信号进行盲识别。此外与a k m o u c h e算法相比，它可以在中频完成，节省了中频变换处理。暑1 0 0兰9 8刁乞9 6h薹9 4卫29 2立暑9 0- - - e - o f d mv sq a m01 口2 03 0s n r ( d b )图2 i1 不同信噪比一f o f d m 信号正确识别率9 0图2 1 2 不同采样长度的o f d m 信号识别率( s n r = 0 d b )2 5o f d m 信号和模拟调制信号的分类方法2 5 1 提出算法上节的方法可以把o f d m 信号和单载波数字信号分类。但众所周知，单载波信号不仅有数字调制方式，还有模拟调制方式，女i a m 、d s b 等，如果把上一节的方法用于模拟信号，会得到什么结果呢? 对模拟信号按前面的方法做两次小波变换，仿真结果盘f l 图2 1 3 所示，可见信号包络呈现出很大的随意性，与图2 8 相似。因为模拟信号没有“码元”的概念，它的包络幅值的取值是任意的，即使在一个很小的时间范围内，信号的变化也可能很大，而不像数字信号那样包络幅值的取值仅限定在个有限的集合内，在一个时i 日j 周期内是恒定的。所以在同一个变换区间内，变换结果的幅度也会相差很大。通过实验可以证明，用2 4 节的方法无法区别通信信号惆制u5 别技术研究栈拟信e j o f d m 信号。、m 住实阿、：重信- t ，模拟f 二号也足常川的。崮此为了正确识别o i i ) m ( i 一寸，避免o f d m 信q ，模拟信哳昆淆，必颁在川上节方法分炎o f d m信号和牛载波数亨调制佑弓后冉进行o f d m ( 言号和模拟信弓的区分，找到台迁的分类特征量。二后嘉匡君肋) = ；乏j 圳卜r ( m + i ) )f 2 _ 3 咖) = 髁? 陋3 2其i 。月m ) 和p ) 分别是数据的移动臼相关和与十目关运算窗内的信号功牢。是移动衡的仃置。，( ，) 星移动宙内的第，个数据，对是仙“出的有效时刮长度，是移动窗长度。q f m ) 足得到的j 化移动相关和序列。膏山以下方法估计【1 ”：第一章菇丁小波变换的调制识别力法汹“溉嚣 k = l 2 , 3 lp 功r 。( e ) = ( r ( ? ) + r ( h ) )( 2 - 3 4 )( 炉；艺( 川) 2 + ，“+ k ) l ) ( 2 - 3 5 )其l l 】r ，州( ) 是相关长度从1 到l 时的白相关结粜，t 足可娈的相关长度。p 怫。( t ) 是对应数据的功率。m 足当时测试数据游的长度，l 是有效叫叫度的 ，一训范m 。峰值位胃膏就是以采样r s 个数表示的柏效时川长度。而模拟信号mr 没有确环前缀，埘它做同样的盱勺运算无法，”生自相天峰，如幽21 5 所示。因此可以利丌1 0 f d m g 号 一时域上存在的这种差删区分v o f d m 信弓rj 模拟信号；h 0 j “1 -o f d m ；号栏拟信号幽215o f d m 、号刊模拟信，j 信号自相咒后幅度曲线rs n r - 3 0 d b )提l _ ；的具体的算法足阿先对输入竹号先做功率归化处理，然后按文献3 5 1的山法则信号做臼相关运算，冉对所得结果训箅方著，如果是o f d m 信号，会产牛梢天峰，州应的数据方筹就比较人，而对应于模拟信号的办差就比较小。最后设定个判决i h ，犬于眩f j 限判为o f d m f j 号，反之则判为模拟信号。2 52 0 f d m 信弓羊模拟信弓分类试验仿真o f d m 信号的仿真模型采h 表1 中的o f d m 模型，模拟信号秉片j d s b s c 信号，载波频率为1 m i l z 。为了产生相戈峰需要较多的采样点参与远锋。判决f 】限的选择j 243 节相h 。每个信嗡比点作1 0 0 次m o n t e c a r l o 实验，每组输入数据分别珥j (】0 0 0 015 0 0 0 f 1 1 2 0 0 0 0 个采样一l ，1 导到的o f d m4 ；i 号l l 确口i 别率如r 图所不。通信信号调制识别技术研究s n r ( d b )图2 1 6不同信噪比和采样点数卜o f d m 信号识别率可见该算法在0 d b 时的f 确识别率在7 0 以上，而大于5 d b 时，正确识别率逐渐达到1 0 0 ，说明该算法具有较好的识别性能，但需要的采样数据较多。同时由图2 1 6 可知，采样点数分别为1 0 0 0 0 、1 5 0 0 0 和2 0 0 0 0 时，识别率变化不大，说明采样点数的增加对识别性能的提高影响不大。需要特别指出的是，该方法仅适用于具有循环前缀的o f d m 信号。该算法不需要知道任何先验知识，可以在中频完成。它与上一节算法配合使用，能够把o f d m 信号与大多数单载波数字信号区分开，具有较好的识别性能和完备| 生。2 6 小结本章主要介绍了基于小波变换的信号调制类型识别方法。首先简单介绍了小波的基本概念和原理，然后给出利用小波变换区分单载波数字信号的方法。重点研究了o f d m 信号的识别方法。根据经过两次小波变换后包络方差的不同提出了一种o f d m 信号与单载波数字信号区分的方法，0 d b 时，j 下确识别率大于9 0 。并基于一般o f d m 信号具有循环前缀的特性，对接收信号做白相关运算，再求方差来检验是否存在相关峰，进而能区分o f d m 信号与模拟信号。本章的方法能把o f d m 信号与常用的单载波数字信号与模拟信号相区分，算法具有完备性和较好的识别性能。下图是本章方法的流程图。第二章基丁小波变换的调制识别方法接收信号图2 17o f d m 信号识别流程图第二章基丁高阶累积晕的信号识别算法垄第三章基于高阶累积量的信号识别算法上一章介绍了基于小波变换的信号调制识别技术。实际上高阶统计量也是被广泛采用的一种方法。本章首先介绍了高阶累积量的基本概念和性质，并给出利用高阶累积量分类单载波信号的方法。但传统的方法仅适用于a w g n 信道，而实际中多径效应是普遍存在的。本章研究多径信道下o f d m 信号的识别，提出了一种基于四阶累积量的多径信道下o f d m 信号识别方法。3 1 高阶累积量基础3 1 1 高阶矩与高阶累积量的定义及基本性质【2 7 1 4 3 1 4 4 1我们常用的信号处理方法是以二阶统计量( 时域为相关函数、频域为功率谱)作为数学分析工具的。但它们存在一些缺点，例如它们不能辨识非最小相位系统、对加性噪声敏感、一般只能处理加性白噪声的观测数据。而使用高阶统计量就可以克服这些缺点。高阶统计量是描述随机过程高阶( 2 阶以上) 统计特性的一种数学工具，包括高阶累积量和高阶矩以及它们的谱一高阶矩谱和高阶累积量谱这四种主要统计量。高阶统计量分析是近几年国内外信号处理领域内的一个前沿课题。高阶统计量被广泛应用于所有需要考虑非高斯性、非最小相位性、有色噪声、非线性或循环平稳性的各类问题中。自从r e i c h e r tj 提出用高阶累积量识别信号后【2 2 1 ，基于高阶统计量的信号识别方法得到了迅速的发展。s w a m i 等利用四阶累积量对b p s k 、4 a s k 、1 6 q a m 和8 p s k 采用判决树方法进行了识别【2 3 1 。s p o o n e r 提出用六阶循环累积量对信号进行识别【2 4 】。d o b r e 在s p o o n e r 的理论基础上，提出综合应用四阶、六阶和八阶循环累积量对信号进行识别【2 5 j 。陈卫东在前人工作的基础上，通过对信号累积不变量特征的分析，深入研究了m p s k 、m a s k 矛g m q a m 数字通信信号的调制识别问题1 2 儿。他提出基于累积量分析的盲信噪比和参考相位估计算法，并利用4 阶累积量构造累积不变量特征对m p s k 信号进行了识别，利用6 阶累积不变量特征对m a s k 子类和方形m q a m 子类进行识别，具有抗高斯噪声能力，且对信号星座图的平移、尺度和相位旋转变换具有不变性，并利用连续降阶的方法扩大了信号识别的调制阶数，但以更高的信噪比要求为代价。a k m o u c h e g j 用四阶累积量区分o f d m 信号和单载波数字信号f 3 。本章研究基于高阶累积量的o f d m 信号识别方法。首先介绍高阶累积量的定义和性质，然后给出利用高阶累积量进行信号识别的方法。2 6_ _ 一通信信号调制识别技术研究对于单个随机变量x ，定义其特征函数为：r1( 缈) = 1 f ( x ) e 川。d x = e lg 胛l( 3 1 )o l -j其中， ) 为随机变量x 的概率密度函数。q