（计算机应用技术专业论文）短波通信中的数字调制信号识别.pdf

哈尔滨工程大学硕士学位论文 摘要 短波通信作为一种现代通信技术，虽然经历了几十年的发展历程，仍然 以其机动灵活、设备简单、通信距离远等优势，保持旺盛生命力。但由于短 波信道复杂，存在大量恶劣的噪声、信号种类多等特点，严重影响了接收人 员的工作。本文研究的短波通信中的数字调制信号识别算法就是针对短波通 信的以上特点，识别信号的调制类型，来改善接收人员的工作环境，提高他 们的工作效率。 本文首先介绍了常用的数字调制种类，给出一些常用调制信号的数学模 型，同时给出了调制信号基本参数的估计方法。 在特征提取部分采用了小波包分解与高阶累积量相结合的方法。小波包 变换可自由选择不同时间点、频率点上的时频分辨率，不同的调制信号小波 包分解后具有不同的能量分布。高斯白噪声大于二阶的累积量为零，有很好 的抑制噪声作用，对于能量分布相似的调制信号再用高阶累积量做特征对其 进行区分。因而，利用小波包变换和累积量相结合能有效地提取信号特征。 分类器设计部分重点研究了支持向量机分类器，构建了以支持向量机为 基础的分级分类器。支持向量机算法是基于结构风险最小化原则的，在小样 本情况下具有很大的优势，有较好的泛化推广能力。而分级分类器相比单级 分类器具有更低的计算复杂度和更快的分类器训练速度。 在理论研究的基础上，做了以现场采集的短波通信中的调制信号为源数 据的实验。在实验中，提取小波包分解和高阶累积量特征，利用以支持向量 机为基础的分级分类器进行分类，实现了多种信号在较大信噪比范围内的自 动识别。同时，对在不同信噪比下、采用不同核函数和不同分类方法时的性 能也做了实验，结果表明本文所提出的短波通信中的数字调制信号识别算法 有效可行。 关键词：调制识别；小波包；累积量：支持向量机；分级识别 a b s t r a c t t h es h o r t - w a v ec o m m u n i c a t i o nw h i c hi sak i n do fm o d e r nc o m m u n i c a t i o n t e c h n o l o g ym a i n t a i n sv i t a l i t yw i t ht h es u p e r i o r i t y o fi t sm o b i l ef l e x i b i l i t y , t h e d e v i c es i m p l i c i t ya n dr e m o t ec o m m u n i c a t i o n ，a l t h o u g hw i t ht h ed e v e l o p m e n to v e r s e v e r a ld e c a d e s h o w e v e r , t h es h o r t w a v ec o m m u n i c a t i o nh a ds e r i o u si m p a c to n t h ew o r ko ft h er e c e i v e r , b e c a u s eo fi t sc h a r a c t e ro fm a s s i v eb a dn o i s e sa n dm a n y k i n d s o fs i g n a l s t h ea l g o r i t h mo fd i g i t a lm o d u l a t i o ns i g n a lr e c o g n i t i o ni n s h o r t - w a v ec o m m u n i c a t i o ni ss t u d i e di nt h et h e s i sa c c o r d i n gt ot h e s ea b o v e c h a r a c t e r so fs h o r t - w a v ec o m m u n i c a t i o n , w h i c hw i l li m p r o v ew o r k i n gc o n d i t i o n s a n de n h a n c et h e i rw o r k i n ge f f i c i e n c y f i r s t l y , m a t h e m a t i c a lm o d e l so fc o m m o nd i g i t a lc o m m u n i c a t i o ns i g n a l s a l e i n t r o d u c e d , a tt h es a m et i m et h em e t h o d w h i c hi su s e dt oe s t i m a t et h e m o d u l a t i o ns i g n a l sp a r a m e t e r si sg i v e n t h ec o m b i n a t i o no fw a v e l e tp a c k e ta n dc u m u l a n t si su s e di nc h a r a c t e r i s t i c s e x t r a c t i o np a r t w a v e l e tp a c k e tc a nc h o o s ed i f f e r e n tp o i n t si nt i m e 、f r e q u e n c y p o i n t so nt h et i m e f r e q u e n c y r e s o l u t i o nf r e e l y , d i f f e r e n tm o d u l a t i o ns i g n a lw a v e l e t p a c k e td e c o m p o s i t i o nh a sd i f f e r e n te n e r g yd i s t r i b u t i o n t h ec u m u l a n t sp l a y a n i m p o r t a n tr o l ei nn o i s es u p p r e s s i o nb e c a u s eg a u s s i a nw h i t en o i s e sc u m u l a n t s i s z e r ow h e ni th a sm o r et h a ns e c o n d o r d e r a n di t c a nb eu s e dt oc l a s s i f yt h e m o d u l a t i o ns i g n a l sw h i c hh a v es i m i l a re n e r g yd i s t r i b u t i o n t h e r e f o r e ，t h em e t h o d o fc h a r a c t e r i s t i c se x t r a c t i o nw h i c hu s e st h ec o m b i n a t i o no fw a v e l e tp a c k e ta n d c u l u r n a n t sw o r k se f f e c t i v e l y t h ec l a s s i f i e rb a s e do ns u p p o r tv e c t o rm a c h i n e si sm a i n l ys t u d i e d ，a n dt h e h i e r a r c h i c a lc l a s s i f i e rb a s e do ns u p p o r tv e c t o rm a c h i n e s i sc o n s t r u c t e d t h e s u p p o r tv e c t o rm a c h i n e sb a s e do ns t r u c t u r a lr i s km i n i m i z a t i o nh a st r e m e n d o u s a d v a n t a g e si ns m a l ls a m p l e sa n db e t t e rg e n e r a l i z a t i o na b i l i t y t h i sh i e r a r c h i c a l m e t h o dh a sl o w e rc o m p u t a t i o n a lc o m p l e x i t ya n df a s t e rt r a i n i n gs p e e dt h a nt h e s i n g l e - s t a g ec l a s s i f i e r 0 nt h eb a s i so ft h e o r ys t u d y , t h ee x p e r i m e n tb a s e do nm o d u l a t i o ns i g n a l s 哈尔滨工程大学硕士学位论文 c o l l e c t e da tt h es c e n ei nt h es h o r t - w a v ec o m m u n i c a t i o ni sd o n e w i t hw a v e l e t p a c k e ta n dc u l u m a n t sb e i n gc h a r a c t e r i s t i c s ，h i e r a r c h i c a lc l a s s i f i e rb a s e do n s u p p o r tv e c t o rm a c h i n e sb e i n gc l a s s i f i e r , t h ee x p e r i m e n ts u c c e s s f u l l yr e a l i z e st h e a u t o m a t i cr e c o g n i t i o no fv a r i o u ss i g n a l si na l a r g es n rr a n g e a tt h es a m et i m e ， t h ep e r f o r m a n c ew i t hd i f f e r e n tk e m e lf u n c t i o n sa n dd i f f e r e n tm e t h o d st oc l a s s i f y i sg i v e n t h er e s u l t s p r e s e n t e di nt h i sp a p e rs h o wt h a tt h ed i g i t a lm o d u l a t i o n s i g n a l sr e c o g n i t i o ni ns h o r t w a v ec o m m u n i c a t i o n sa l g o r i t h mi sv e r ye f f e c t i v e k e y w o r d s ：m o d u l a t i o nr e c o g n i t i o n ；w a v e l e tp a c k e t ；c u m u l a n t s ；s u p p o r t v e c t o rm a c h i n e s ；h i e r a r c h i c a lr e c o g n i t i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下， 由作者本人独立完成的。有关观点、方法、数据和文献的引 用已在文中指出，并与参考文献相对应。除了文中已注明引 用的内容外，本论文不包换任何其它个人或者集体已经公开 发表的作品成果。对本文的研究做出重要贡献的个人和集体， 均己在文中以明确的方式注明。本人完全意识到本声明的法 律结果由本人承担。 作者( 签字) ： 日期：埘年 哈尔滨工程大学硕士学位论文 i i i r 第1 章绪论 1 1 论文研究的目的和意义 通信技术飞速发展，通信的规范和体系也在不停突破，而短波是人类最 早开发利用的无线电频段，短波通信是历史最为悠久的现代通信手段之一。 当人们为了追求通信容量和多种业务，不断地开发超短波、微波等更高的无 线电频段时，传统的长波、中波通信因为失去原有的优势，只能在特殊的场 合得到应用。而短波通信由于设备简单、开设方便、成本低、抗毁性强，特 别是具有远距离通信的优点，始终在通信领域中占有不可或缺的一席之地， 广泛地应用在气象、商业、外交等场合，是远距离通信指挥的重要手段之一 n 1 。但是短波通信存在多种衰落和多径延时，使其接受信号存在随机性和不 稳定性；从短波实际通信效果看，接受信号时强时弱，背景噪声大，信噪比 低，不宜进行高速传输数据等特点。为了使短波通信达到比较满意的通信效 果，人们在短波通信设备中采用了许多新技术，调制解调技术就是其中一种。 随着通信技术的进步和各种调制方式的发展，无线通信环境日益复杂。 现在的通信信号采用不同的调制方式和调制参数进行调制和通信。调制方式 是区分不同性质通信信号的一个重要特征。而要获得通信信号的信息内容， 首先必须知道信号的调制方式。给定一段接收的通信信号，调制识别的目的 就是在未知调制信息内容的前提下，判断出通信信号的调制方式，是非合作 通信领域的关键技术之一。 数字调制信号识别技术能够自动地识别通信信号的调制方式，它是构成 基于软件无线电的通用接收机和智能调制解调器的重要技术基础，在多体制 通信互联和软件无线电方面也有着十分重要的应用。尤其是近二十年来，计 算机技术、高速数字信号处理技术的工程实现有了保证，数字调制信号识别 技术在合作通信领域的重要地位以及在无线电应用中的价值也得到了进一步 的认识，这方面的研究也越来越受到国内外众多学者的重视。通信系统是依 靠经验丰富的操作人员借助于各种相关仪器，通过观测信号的波形和频谱等 来解译所测量的参数，也就是调制方式人工识别。显然，这种人工识别的方 哈尔滨工程大学硕士学位论文 法不能跟上通信技术发展的步伐，特别是当前国际形势十分复杂，通信技术 手段日益更新，因此，能够快速、准确的进行调制自动识别，具有十分重要 的意义。 1 2 国内外研究现状及分析 早期的调制识别方法是采用一系列不同调制方式的解调器，接收的高频 信号经变频为中频后，输人各解调器，获得可观察或可听的信号，再由操作 人员用耳机、示波器或频谱仪分析解调结果，人为地判定调制方式。人工参 与的识别需要有经验的操作人员，一般可以成功识别持续时间较长、码元速 率较低的幅度键控( a s k ) 信号和调制指数较大的频移键控( f s k ) 信号，但不能 识别需要相干处理的相移键控( p s k ) 信号。这种人工参与的识别方法，判决结 果包含人的主观因素在内，会因人而异，所能识别的调制类型也很有限旺1 。 近年来随着通信技术的发展，通信信号的体制、调制样式更加多样和复 杂，信号环境越来越密集，通常人工参与的识别方法显得无能为力，这就对 信号的调制识别提出了新的要求。经过几十年科技工作者的努力，人们逐渐 掌握了代理人工操作的新的调制识别技术，这种新技术不仅可以克服人工参 与识别时遇到的各种困难，而且对中心频率和带宽的估计误差、相邻信道串 音、噪声和衰落效应等干扰因素也具有较强的鲁棒性瞳1 。 对于调制方式的自动识别，目前国内外已经作了大量的研究工作，并发 表了不少研究成果。归纳起来，这些方法大致可以分为如下两种：判决理论 识别方法和统计模式识别方法。 1 2 1 判决理论识别方法 判决理论识别方法采用概率论和假设检验中的贝叶斯理论来解决信号的 识别问题。它根据信号的统计特性，通过理论分析与推导，得到检验统计量， 然后与一个合适的门限进行比较，从而形成判决准则。检验统计量的选取通 常基于使损耗函数( 即目标函数) 最小化的原则，采用优化或近似优化后的 变量，该变量多为似然比( l r ) 。 最早的判决理论识别方法有基于相位识别方法( p b c ) 和平方律识别法 2 哈尔滨工程大学硕士学位论文 ( s l c ) 等，这两种方法都针对b p s k 与q p s k 信号进行识别。基于相位识别 的方法直观地利用调制信号的相位不同，采用信号相位相减的办法获得检验 量，从而实现调制信号的识别。平方律识别法则是将接收到的调制信号进行 平方运算，这样b p s k 信号变为连续波信号c w ，而q p s k 信号则变为b p s k 信号，从而信号的频谱会发生相应的变化，据此可以区分出这两种信号。以 上两种方法运算简单，易于实现，只需简单地利用信号的一些特性即可，但 是只识别b p s k 和q p s k 信号，可识别的种类太少。 j e h i p p 于1 9 8 6 年提出了基于信号的各阶统计矩识别方法嘲，很大程 度上促进了自动识别方法研究的发展。这以后c d c h u n g 研究了全响应 c p - b f s k 中调制指数的识别问题h 1 。此算法假设信号的载波和时钟已经同步， 且接收信号的信噪比已知，这就需要在调制信号识别之前对这些参数进行估 计和跟踪。 s s s o ii m a n 等在h i p p 的基础上，于1 9 9 2 年提出一种基于数字相位 统计矩的识别方法聆1 ，可对各种m p s k 信号进行识别，其原理是利用m - p s k 信号相位的n 阶统计均值随m 单调递增的特性，由假设检验理论推导出判决 准则。该方法具有较好的识别性能，但此算法只用到了第n 阶统计均值，未 能充分利用信号的统计特性，故算法仍有改善之处。 1 9 9 0 年，c y h u a n g 等在文 6 中提出了准优化的对数似然比识别方法， 对m - p s k 信号进行识别。其主要思想是把调制识别问题转化为基于似然函数 或对数似然函数的假设检验过程，采用高斯白噪声干扰下m - p s k 的近似似然 比函数，利用相应的识别判决规则，到达或者接近最大似然意义下的最佳识 别性能。 d b o i t e a u 等提出了调制识别的广义似然比识别算法口1 。他们先对似然 比进行幂级数展开，然后对展开式中的未知参数做期望平均处理，这样得到 了基于高阶相关形式的识别统计量。 另外，徐立清等人研究了多径信道中的调制制式识别问题，其采用的方 法是盲均衡识别算法，。 运用判决理论进行识别的方法还有一些，其思路基本和上面的方法类似。 判决理论识别的优点是它从理论上保证了在贝叶斯最小误判代价准则下识别 结果是最优的，而且可以通过理论分析得到识别性能曲线。此识别的性能可 3 哈尔滨工程大学硕士学位论文 以作为理论性能上界，用来检验其它识别方法的性能。 需要指出的是判决理论识别方法在实际应用中存在两个严重的问题。第 一，在识别过程中要求己知的参数太多，包括载波频率、载波相位、波特率、 信噪比等；第二，由于未知参数的存在，使得似然比函数的计算表达式很复 杂，计算量大而难以处理。如果对似然比函数进行简化处理，又会导致分类 信息的丢失，降低识别性能。因此我们必须要寻找适应性更强的算法。 1 2 2 统计模式识别方法 这种方法不需要一定的假设条件，可以实现信号的盲识别，比较适合于 截获信号的处理，因此在实际的调制识别中，人们大多采用这种方法。 在基于统计模式识别方法的调制样式自动识别中，根据所提取特征的不 同，可分为如下几种方法： 1 、基于统计矩特征的方法 此方法目前常用的分类特征是信号瞬时幅度、相位和频率函数的各阶统 计矩特征。如e i m i c k e 等人采用幅度、相位和频率的标准差、峰度作为分类 特征口1 0 1 ：l o u i s 选择瞬时频率、相位和幅度的均值和各阶矩识别2 4 b f s k ， 2 4 b p s k ，1 6 6 4 q a m 和q p s k m s k 信号1 ：h i l l 则使用幅度和频率的均值 和2 3 4 阶中心矩分类调制类型u 2 3 等。 这类方法非常多，其中最有影响的是a k n a n d i 和h z z o u z 在1 9 9 5 1 9 9 8 年间提出的基于信号的瞬时幅度、相位和频率2 阶矩等七个关键特征，这些 特征对整个调制识别领域产生了很大的影响，是目前应用最广泛的特征n 纠引。 此外s w a m i 使用码元采样同步序列的功率归一化4 阶累积量分类m q a m ，m p s k 和m a s k 信号n l l 8 1 ，c h a n 等人利用包络的方差与其均值之比作为分类特征来 识别d s b ，s s b ，a m 和f m 信号引。 2 、基于直方图特征的方法 1 9 8 4 年，l i e d t k e 提出了一种数字调制识别方法啪1 ，这种方法使用信号 幅度直方图、频率直方图和差分相位直方图等作为分类特征参数，然后采用 模式识别的分类方法，将提取的特征参数与理想样本的特征参数相比较，按 最近原则进行信号自动分类。其缺点在于特征的维数太大，导致分类算法的 计算量大大增加，若降低直方图的分辨率会影响分类算法的识别能力，而且 哈尔滨工程大学硕士学位论文 只有在信噪比大于等于1 8 d b 时，才有较好的识别率：1 9 9 0 年，h u s e 等人采 用过零点间隔和相位差的直方图来分类信号c w ，m p s k 和m f s k ，当s n r 大于 等于1 5 d b 时，分类器有较好的识别率乜1 盘1 。 3 、基于变换域特征的方法 这类方法把信号变换到其它特征空间，利用新特征空间中的特征参数来 识别调制类型。典型的包括利用信号的傅立叶变换特征、高阶谱特征、小波 变换特征、信号的星座图特征和分形特征等来区分不同的调制信号。 w e a v e r 等人利用信号的频谱形状识别u s b ，l s b ， c w ，f s k ，m f s k 和 o o k 等短波通信信号，实际上是利用了信号的傅立叶变换域特征剀， g h a n i 使用高阶的傅立叶变换域特征周期图和高阶谱作为分类特征，可识别a m 、f m 、 a s k 、q p s k 和s s b - u s b 信号幢4 1 。m a r i n o v i c 等人对基带带通信号进行过采样， 以半个码元为一行构造特征矩阵，利用特征值分解来识别m s k q p s k ，但需要 知道码元的定时信息；还有利用信号幅度的概率函数的傅氏变换谱，相位直 方图的f f t 变换系数、基带信号复包络的归一化相关函数等特征来分类q a m 、 m p s k 和f s k 等信号昭钉。 文献 2 6 应用小波变换进行调制方式的识别，利用的是小波变换对信号 波形突变信息有较高的识别能力的性质。对于多频或多相及复合调制信号， 它们在码元跳变处必然发生调制参量突变，于是在小波变换结果中会出现局 部极值。由模极值出现的种类的数量就能识别出信号所属调制类型。 文献 2 7 使用模糊聚类算法从接收的有噪码元序列中重构信号的星座 图，把重构的星座图看作多值非均匀分布的空间随机场，然后利用贝叶斯分 类规则对q a m 信号分类。 文献 2 8 介绍了利用信号分形特征作为特征来识别信号调制类型。分形 是对没有特征长度但在具有一定意义下的自相似性图形和结构的总称，它具 有精细结构和在近似或统计意义下的某种自相似性，分形维数可定量描述分 形集的复杂性，由于每种调制类型的信号具有不同的复杂性，因此全局分形 维数和局部分形维数是一种较适宜的分类特征。 文献 2 9 3 0 提出了一种基于谱特征的通信信号调制方式自动识别新方 案，在不需要先验知识的情况下对卫星信道中常用的调制方式进行自动识别， 在信噪比大于5 d b 时其总体识别率达9 8 以上。 哈尔滨工程大学硕士学位论文 不： 信 统计模式识别方法由经典模式识别理论衍生而来，一般过程如图1 1 所 i 分类及决策 结果输出 图1 1 模式识别法的一般流程 基本框架包括三部分：信号预处理、特征提取部分和分类器部分。 信号预处理部分为后续处理提供合适的数据。信号预处理任务一般包括： 频率下变频、同向和正交分量分解、载频估计等。在多通道多发射源的环境 中，信号预处理部分要能有效地隔离信号，保证一次只有一个信号进入后续 的调制识别环节。 为了有效地实现分类识别，必须对原始的输入数据进行变换，得到最能 反映分类差别的特征。这些特征的提取和选择是非常重要的，它直接影响分 类器的设计和性能。理想情况下，经过提取和选择的特征参数应对不同的调 制类型具有明显的差别，然而在实际中却不容易找到那些具有良好分辨率的 特征，或受条件限制不能对它们进行测量，从而使特征提取和选择的任务复 杂化，因而特征提取和选择是调制识别系统中的重要内容。 分类识别是依据信号特征的观测值将其分到不同的类别中去，选择和确 定合适的判决规则和分类器结构，也是调制识别系统中的重要内容。 1 2 。3 两种识别方法比较 判决理论识别方法和统计模式识别方法各有所长，各有所短。判决理论 识别方法一般是基于调制信号的似然比函数分析，推导出判决准则。它在推 导中考虑了噪声的影响，更适合于低信噪比下的调制信号识别，并且在整个 识别过程中不需要训练样本。但该方法的判决规则是对某类具体的调制信号 的统计特性分析得到，只适用于该类调制信号的识别，识别范围较窄。统计 模式识别方法通常基于一定的信号样本得到特征参数及其判决门限，因此识 别结果容易受噪声的干扰。在高信噪比时，特征明显，易于提取，具有较好 的识别性能；而在低信噪比时，特征模糊，难于提取，识别效果较差。但其 6 哈尔滨工程大学硕士学位论文 理论分析简单，提取的特征适应性强，可用于多种类型的调制信号的识别。 1 2 4 发展动态 随着空间电磁环境的不断复杂，信息技术的日新月异，使得通信信号的 信号类型也随之越来越多，信道的保密性也越来越受到重视。在这样的情况 下，信号调制类型的识别难度也在不断增加。针对通信信号的调制方式识别 与盲接收机设计的研究，可以在如下方面进一步的研究： 1 ) 研究更接近真实通信系统的模型，目前的多数研究，建立的模型过于 理想化，在实际情况中是不适用的。例如，大多数文献假设数字调制的基带 信号是方波。在一般的窄带通信系统中，基带信号都使用成形滤波器进行了 成形滤波，这导致目前文献中提出的某些算法是完全不适用的。 2 ) 非线性调制方式识别的研究。非线性调制方式，例如m s k 、g m s k 信号 实际通信系统中应用很多，对此类信号的识别与盲接收机设计也应该加以研 究。 3 ) 在信号调制识别方面，除了基本调制方式，还有各种改进的调制方式。 例如，1 6 q a m 与v 2 9 调制方式，其星座中同样具有1 6 个中心点，而具体形 状是完全不同的。对类似的情况进行识别，即进一步详细分类是值得研究的。 4 ) 无线通信中的信道有可能存在多径、衰落，或者是有色噪声等不利因 素的影响。如何改进现有算法，以适应信道的变化，也是需要解决的问题。 5 ) 采用真实信号检验算法的性能。由仿真信号与真实通信信号必然有差 距。如果能获得更加丰富的信号源，对研究工作是有帮助的。 6 ) 研究基于d s p 或f p g a 的系统实现。对于硬件实现难点，一方面是基于 软件无线电结构的系统实现，另一方面是针对识别算法的简化。根据目前d s p 器件的功能，并不是任何算法都是适合实时识别的。如果希望能够进行实时 在线识别，必须研究如何改进现有算法，或者提出新算法。但这些问题都需 要很好的研究。 7 ) 算法的选择。研究各种算法都要以实用为目的，需要考虑实现的复杂 性与可能性，目前某些文献中提出的盲识别算法，需要大量的样本训练，如 果已知样本少，识别性能差。这限制了算法的应用范围。另外有些算法过于 复杂，不利于硬件实现。 哈尔滨工程大学硕士学位论文 8 ) 特征参数选取的问题。信号的基本参数就是瞬时包络、频率与相位。 目前很多方法选用的特征参数，都是a k n a n d i 与e e a z z o u z 提出的，实践 证明，这些参数是有效的。但是能否提取更有效的参数? 可以研究参照模式 识别中的特征参数提取的相关理论，提取更有效的特征参数。 因此，在面对更多的信号类型，在更复杂的信号环境中，在更低的信噪 比下的调制分类识别算法将是今后识别的发展方向。将来的识别研究会将神 经网络技术、流行的数学变换技术、高阶谱分析与调制识别技术结合，在充 分考虑到实际应用的基础上，实现识别效率和准确性的突破，将致力于克服 各方法的局限性，形成科学体系。需要指出的是，调制识别并不是一个孤立 的问题，它融合了信号检测与估计，特征选取，分类识别等内容，而这些内 容本身又构成了一个庞大的理论体系。因此要研究调制识别，往往只能把问 题细化，才能将问题做深。 1 3 研究内容及章节安排 1 3 1 主要研究内容 传统统计学所研究的是渐进理论，也就是当样本数目趋向无穷大时的极 限特性，但是在实际应用中该条件一般无法满足，因此一些理论上很成熟的 学习方法在实际中的表现却可能不尽如人意。例如神经网络就存在着一些难 以克服的问题，如何确定网络结构、过学习问题、局部极小点问题等，这从 本质上来说就是因为理论上需要无穷样本与实际中样本有限的矛盾造成的。 本文的研究重点：一是提高有限样本特别是小样本情况下不同调制类型 信号的识别率；二是提高低信噪比情况下不同调制类型信号的识别率。 本文首先给出一些常用调制信号的数学模型，然后介绍了调制信号基本 参数的估计方法，其中包括载频的估计方法、信号带宽的估计方法、符号速 率的估计方法。 特征提取部分主要研究了小波包和高阶累积量。小波包变换以严密的数 学理论和数值计算方法为基础，不仅对低频部分进行分解，而且对高频部分 也实施再分解。可在满足海森堡不确定性口妇原理的前提下，自由选择不同时 间点、频率点上的时频分辨率，从而可更简约地提取调制信号的特征。高斯 8 哈尔滨工程大学硕士学位论文 篁_ 置冒_ 昌暑宣昌宣昌宣宣罩i | _ 置暑；i 暑薯f 一 i n | 皇置宣葺暑i i 宣昌暑暑昌宣 白噪声大于二阶的累积量为零，故高阶累积量的方法有很好的抑制噪声作用。 对信号进行多帧平均，通过对信号进行小波包分解提取系数能量作为特征， 对于用小波包变换无法识别的调制信号再利用高阶累积量作为特征进行识 别。 分类器设计部分研究了支持向量机分类算法的原理，从理论上阐述了支 持向量机分类器的优越性。提出了一种以支持向量机为基础的分级分类器。 在仿真实验中分别研究了不同分类器、不同信噪比以及不同核函数下的识别 性能。充分说明了此方法的有效性。 1 3 2 章节安排 论文的章节安排为： 第l 章简要介绍了项目的立项依据、意义、国内外相关动态以及本文的 研究内容。 第2 章介绍调制信号的数学模型以及调制信号基本参数的估计方法。 第3 章介绍小波分析研究的背景、历史以及发展的前景；并介绍了小波 包的基本理论与性质；以及高阶累积量的相关知识。同时讲述了利用小波包 分解和高阶累积量进行特征提取的过程。 第4 章首先介绍了支持向量机的原理与应用，并同时给出了本文所设计 的以支持向量机为基础的分级分类器。 第5 章通过仿真实验验证了本文所设计算法的有效性。 最后，总结所做工作并对今后工作做了展望。 9 哈尔滨工程大学硕士学位论文 第2 章调制方式自动识别的理论基础 对于大多数数字传输系统来说，数字基带信号往往具有丰富的低频成分， 而实际的通信信道又具有带通特性，因此必须用数字信号来通过调制的方式， 使其能够通过带限的信道传输口羽。调制是通过某种方式将信号频率由一个频 率位置搬移到另一个较高的频率位置上去的过程。原始的基带信号经过调制 成为高频的调制信号，其实质是频谱搬移。 调制的方式很多，总的来说具有以下几个作用口盯； 1 ) 将消息变换为便于传送的形式。 2 ) 提高通信系统的性能，特别是抗干扰能力。 3 ) 有效的利用频带，可以实现信道的多路复用。 2 1 典型调制方式 目前常用的调制系统分为两大类：模拟调制系统与数字调制系统。所谓 模拟调制，就是调制信号为连续型的模拟信号：数字调制是调制信号为脉冲 型的数字信号m 1 。本文主要针对数字调制信号识别，数字调制就是用载波信 号的某些离散状态来表征所传递的信息，在接收端对载波信号的离散调制参 量进行检测。 已调信号s ( f ) 可表示为： s o ) = r e g ( t ) e x p ( j w 。t ) 】( 2 - 1 ) 其中，心= 2 万z 为载波角频率，g ( f ) 为s ( f ) 的复包络，它是已调信号所承载 的信息一调制信号m ( t ) 的函数，即 g ( t ) = g 肌( f ) 】( 2 - 2 ) 其中g f 】表示m ( ，) 到g ( ，) 的映射函数，由调制类型决定。我们定义信号的瞬 时幅度为a ( t ) ，即 a ( t ) = l g ( f ) i ( 2 - 3 ) 定义信号复包络g ( t ) 的幅角主值为信号的瞬时相位( f ) ，即非线性相位： 矽( f ) = a r g g ( t ) 】 ( 2 - 4 ) 哈尔滨工程大学硕士学位论文 瞬时频率由瞬时相位的导数计算求得： f ( t ) = 芴1 警( 2 - 5 ) 数字调制信号的调制方式主要有以下几类： 一、振幅键控a s k 振幅键控是正弦载波的幅度随着数字基带信号而变化的数字调制。当基 带信号为二进制时，为2 a s k 。 a s k 信号的复包络为： 9 9 ) = a c p ( t - n t , ) e x p ( j o o ) ( 2 - 6 ) 其中i2 瓦1 是码元周期，尺。是码元速率，又称波特率。p ( f ) 是脉冲波形， 一般采用矩形脉冲 ， p = 任筝c ( 2 - 7 ) 盘。 为幅度序列，对2 - a s k 信号，口。 0 , 1 ，对4 - a s k 信号 o ，l ，2 ，3 。 二、频移键控f s k 在频移键控中载波的频率受调制信号的控制。f s k 信号的数学表达式一 般可以写成： ( t ) = c o s c o d + a g ( t - n t ) v c o , t 】 ( 2 - 8 ) 式中，g ( r ) 是持续时间为z 的矩形脉冲，q 为信源给出的m 进制符号0 ，1 ， m l 。 f s k 信号的复包络为： g ( f ) = 彳。e x p ( j m 。t ) p ( t - n t , ) e x p ( j s o ) ( 2 - 9 ) 式中 ) 为频率序列，对2 - f s k 信号 一国，缈) ，对4 - f s k 信号 一3 0 ，一国，3 0 ) 。 三、相移键控p s k 所谓“相移键控 是利用载波的不同相位去表示数字信息。在相移键控 中，载波的相位随调制信号而改变。p s k 信号由于其较强的抗干扰能力是实 哈尔滨丁程大学硕士学位论文 际通信中用的较多的一类信号，例如通信信号、g p s 信号通常采用p s k 调制。 它的时域表达式如下： ( t ) = a c o s i 啡f + 缈( f ) l ( 2 一l o ) 其中9 ( f ) 定义如下： ) = 鲁阵a g ( f _ 蚓卜 o ，1 2 ，m - l ( 2 - 1 1 ) p s k 信号的复包络为： g ( t ) = 4 e x p ( j 痧) p ( t n t 。) e x p ( j 8 0 ) ( 2 - 1 2 ) 其中 丸 为相位序列，2 一p s k 信号：丸 o ，万 ：4 一p s k ：丸 o ，万，3 。 2 2 调制信号基本参数的估计 在调制识别的某些算法中常常需要粗估己调信号的某些参数值，例如信 号的载频、码速率、带宽等，有些参数值可以从信号的时域或者频域上得到。 l 、载频的估计 对信号载频的估计一般有时域的方法和频域的方法。时域方法是通过对 输入信号序列 x ( 船) 做过零检测，如果x ( ) 和x ( 吩+ 1 ) 有不同的符号，就可 以确定在时间段【啊f s ，( + 1 ) f s 】间存在零点，零点的位置可以用线性内插 公式计算 咖* + 鼎 由检测到的零点的时刻组成过零序列 o r ( i ) ) ，i = 1 ，2 ，m ，其中m 是检测 到的过零点数，定义 口( f ) 的一阶差分序列为过零间距序列 f l ( i ) ，即 夕( f ) = a ( i + 1 ) - a ( i ) ，i - - 1 ，2 ，m - 1 ( 2 1 4 ) 对于噪声中的单频信号，两个零点之间的距离 f l ( i ) = 0 5 + s ( f ) ( 2 - 1 5 ) 占( f ) 服从零均值分布。由e 占( 明= o ，可以得到 1 2 哈尔滨工程大学硕士学位论文 ( i ) = 古 ( 2 1 6 ) ，c 由此，可以由 p ( o ) 的均值估计z ，即 允：祟 ( 2 1 7 )z = 弓( 2 - 1 7 ) 2 ( f ) i = l 频域估计方法包括周期图法和频率中心方法。当信号具有显著的载频分 量时，可以采用周期图法估计载波频率。该方法以周期图的最大值所对应的 频率作为载波频率。周期图法适用于a m 和a s k 信号。而那些载波分量受到较 大抑制的信号，采用周期图方法估计载波频率可能产生较大误差。 若信号具有较好的谱对称性，可采用频率中心法来估计载波频率。假设 x ( k ) 是接收信号x ( n ) 的离散傅立叶变换，则 正= x ( 七) i ( 2 1 8 ) 还可以用载波同步法对调相类信号进行载波估计，将信号四次方( 或平 方) 后提取信号中的载波分量。假设调相信号为s ( t ) = ae o s ( c o 。+ 矽( f ) ) ，经四次 方后为： s 4 ( f ) = a 4 c o s 4 ( 吖+ 矽( f ) ) 4f 2 】9 、 = 鲁( 4 c o s ( 2 吐+ 2 ( f ) ) + 3 + c o s ( 4 吖+ 4 ( f ) ) ) 、 经过窄带滤波器滤波后，信号为a c o s ( 4 c _ a j + 4 0 ( t ) ) ，口为常数。当信号的 相位数不超过4 时，4 矽( f ) = 2 ，? 7 + 4 九，n 为整数，信号变为单频信号，然后 可以按照上面介绍的方法从时域或者频域对单频信号进行频率估计。 2 、信号带宽的估计 信号带宽的估计可按以下步骤进行： ( 1 ) 对信号的功率谱作中值滤波； ( 2 ) 选定阈值，阈值可以选为功率谱均值与其最大值的平均值： ( 3 ) 功率谱中大于该阈值的信号带宽作为信号的估计带宽。 3 、符号速率的估计 七一；珏荟 哈尔滨工程大学硕士学位论文 对于数字调制信号，可以估计信号的符号速率足。对于各种数字调制类 型，都可以得到其承载数字信息的幅度调制波形p ( n ) 。对于m a s k 信号，p ( n ) 是信号的瞬时幅度，对于m p s k 信号，p ( n 1 是信号的瞬时相位，对于i d f s k 信 号，p ( n ) 是信号的瞬时频率。符号速率足的估计，可按以下步骤进行： 1 ) 对p ( n ) 求三阶差分序列，并取绝对值，得到p ( 刀) 。 2 ) 计算p ( 刀) 的均值班，以3 肌，为门限，对p ( 玎) 序列进行判决。当 p ( 刀) 3 m 一判决器输出1 ，否则输出0 。 3 ) 记录阶越位置序列l ( n ) ，每个阶越点在序列，( 疗) 都体现为含有一个或 多个符号宽度的阶越带，以阶越带的中心作为转换点，得到符号位置转换序 y o t 。( n ) 。 4 ) 对l c ( 胛) 取一阶差分，得到差分序列乙( 刀) ，其长度为m 。 5 ) 令册= n f i n l 乙( 以) l ，计算序列 n t ( 门) = r o u n d i 乙( n ) n i ( 2 - 2 0 ) 其中n = 1 ，2 ，l ，r o u n d 】表示取最接近的整数。 6 ) 得到平均符号间距的估计 n d a 乙( 船) 二一衄、。， m = 昔一 吩( 疗) 一、， n = l 7 ) 最后由输入数据速率算出符号速率为 怠= 每 ( 2 - 2 2 ) b = 号 ( 2 一) 其中，疋为输入数据的速率。 因此，可以通过提取信号瞬时特征的方法对信号符号速率进行估计，但 这种方法受噪声影响较大，实用性不强。对调相信号的符号速率估计，可以 通过对信号进行平方，计算平方谱上零频附近的第一根谱线对应的值作为符 号速率的估计值。此外，对于信号幅度、频率和相位的跃变，利用小波变换 可以进行有效检测，也可对符号速率进行估计。 1 4 哈尔滨工程大学硕士学位论文 2 3 本章小结 本章是全文的理论基础性章节。首先介绍了调制的基本概念、作用，以 及调制方式的分类和各调制方式的数学模型，为后面介绍通信信号调制方式 的自动识别奠定了基础，并同时讲述了调制信号基本参数的提取和估计，其中 包括信号载波频率的估计、带宽的估计和数字调制信号符号速率的估计。 哈尔滨工程大学硕士学位论文 第3 章基于小波包和高阶累积量的特征提取 3 1 小波包变换 3 1 1 小波分析基本理论 傅里叶变换一直是信号处理领域中应用最广泛的一种分析手段。傅里叶 变换的基本思想是将信号分解成一系列不同频率的连续正弦波的叠加，或者 从另一个角度来说是将信号从时间域转换到频率域，对于许多情况，傅里叶 分析是能够很好地满足分析要求的。但傅里叶变换只是一种纯频域的分析方 法，它在频域里的定位是完全准确的( 即频域分辨率最高) ，而在时域无任何 定位性( 或无分辨能力) 。为了研究信号在局部时间范围的频域特征，1 9 4 6 年g a b o r 提出了著名的g a b o r 变换，之后进一步发