基于软件无线电的调制识别算法研究.doc

基于软件无线电的调制识别算法研究Wen Su,Zhiyong Lei,Hanshan Li长春科技大学电子信息工程学院摘 要：为了解决调制标准问题中软件无线电自动识别过程复杂、识别率低这个问题，决策树技术被提出。在研究了数字信号特征的特点和特征参数的特点选后，我们需要选择合适的树状结构，在每节点确定特征参数并选择合适的判决门限。它对结果有一个很大的影响通过分析不同命令下参数的比较，然后我们得到最好的决策树。使用决策树对2ASK，4ASK，2PSK，4PSK，8 PSK，2FSK，4FSK信号选定为识别,得到了识别率在信噪比低于10dB的条件下超过85%。关键词：软件无线电，自动识别，数字调制信号，决策树1. 引言软件无线电由于开放性、灵活、多样性的特点，一直是通信领域的一个热点。软件无线电技术的特点决定了接收方需在同一平台识别其制度和内部变化。环境的多标准和多频带变化为接收方带来许多的困难。通信信号的自动识别多标准问题已经进行了展望。接收和识别信号和自动改变它们以适应解调模块是软件无线电的关键性工作。现在，互联网上已经有了很多通信信号的调制和识别方法。在工程应用中，我们如何能达到通信信号的自动识别具有非常重要的意义。本文针对通信信号的自动识别，通过拦截和捕获信号获得一个新的通信信号的调制和识别方法。现在的重点是在通信调制和识别研究过程中低信噪比条件下实现通信信号的自动调制和识别。2. 软件无线电调制技术原则软件无线电技术采用标准和高性能的高速公路，强调开放全面的可编程系统性能。它能通过升级软件改变硬件配置来实现扩展性能。从图1我们可以看到理想的软件无线电的成分。图1 理想软件无线电结构模型软件无线电是由天线、前端无线电频率、带宽(A / D-D / A)交换器、通用和专用DSP和其他软件组成。软件无线电由三部分组成：无线电频率低通数字采样形式,无线电频率带通数字采样形式和宽带带通数字采样形式。无线电频率低通数字采样形式的软件无线电还没实现，因为它需要高性能实现A/D变换和DSP。第二部分首先采用电交换过滤器得到窄带信号，然后根据必要的管理通过带通取样。无线电频带通数字样本形式仍然需要高要求来为A/D带宽工作。第三个形式采用重复混合频率，就像中频数字接收机形式。这些部分的主要特点是它需要更广泛的中频带宽，所有的解调通过软件实现。第三个形式是最简单的，仅需要最低性能的设备。所以我们选择第三种。过去，通信信号的无线电通讯方式使用预同意标准，使得系统保密性和抗干扰能力并不高，具有多功能，多标准广播特性发软件无线电，进行接收识别和自动变化到相应的模块进行解调成为软件无线电技术必须完成的工作。从前取决于人工识别方法，但是识别效率低，可以将信号类型也是有限的。目前，调制识别技术为通信信号一般分为两大类：一、基于判断理论的方法，利用概率理论为理论知识的基础，根据信号的统计特性通过计算、统计等，与适当的门限值进行比较，从而得到结果。二、基于统计理论的识别方法。首先从接收信号中提取其他特征参数之间的差异，然后根据提取的特征争论参数确定信号调制系统。由于该方法的统计识别不需要一定的假设，信号可以达到自我识别，更适合于拦截信号处理，所以本课题的实际选择调制识别的统计模式识别的方法来鉴别通信信号。统计模式识别方法。这种方法通常包括两部分，一部分是特征提取，它的功能是从提取的预先定义的特征中接收数据，也降低了模型表明多维度。另一个是模式识别，它的功能是要引导信号调制。一般来说，完成调制识别由四部分组成：信号采集、预处理、特征模型、信号识别，如图2所示。图2 基于模式识别的调制方式识别流程由于该方法不要求有一定的假设，信号可以达到自我识别，更适合截获信号处理，所以实际调制识别，使用这种方法。3. 自动识别3.1 调制识别的一般过程尽管通信信号调制识别方法是多种多样的,调制识别的问题，事实上调制识别问题是一个典型的模式识别问题，一般过程如图3所示图3识别过程信号预处理的主要作用是为下列过程提供适当的数据；特征提取部分是从信号序列中提取的调制识别的有用信息；分类和识别部分的主要功能是确定信号调制类型的关系。特征提取部分从输入信号序列后进行，从而调制识别有用的信息。3.2 识别方法的选择目前，有很多方法调制的模式识别，如：使用参数分布直方图，决策理论，使用高阶统计实现信号识别，神经网络分类器，类似于似然原理的方法。参数直方图方法是相对简单的，但只有在高信噪比的情况下才能得到更好的识别效果。高阶统计方法更适合于在较低的信噪比情况下的信号识别，但是这个方法需要精确的载波频率的先验条件。人工神经网络模式识别、神经网络分类技术不但具有较强的模式识别能力，而且还具有良好的稳定性、有效性、较高的识别率，但培训和学习的时间比较长。计算工作是巨大的，实时性很差。决策树。利用分类树，一个复杂的多级分类问题可以转变成一些简单的分类问题来解决。用于形式的分类，使分类的问题逐渐解决。因此，使用这种方法的决策理论。3.3比较鉴别的地位对于调制识别，人们可以在中频，或基带信号后，或软件接收机采样后进行。处理和计算量的困难更增加一次将更接近天线。然而采样后的数据，信息内容将更加丰富和识别会更简单。采样识别后将需要载波同步和比特同步，但目前不知道调制的时候很难达到同步。因此,本文关注于取样后的识别方法。3.4 参数选择通常，任何信号调制方式都可以用下面的通用数学方程式表示： (1)式中，是信号瞬时包络，是瞬时相位，瞬时频率是，不同的调制信号类型可通过和的区别显示。信号识别第一步,也是最重要一步是从接收信号提取信号的特征参数。这个数字调制信号，我们大多使用下列特征参数：零中心归一化瞬时幅度之谱密度的最大值 (2)式中，为采样点数，为零中心归一化瞬时幅度，由下式计算： (3)式中，而为瞬时幅度的平均值。用平均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响。为了识别FSK，ASK，PSK信号，我们需要设定一个判决门限，定义为。如果，是FSK信号；如果，是ASK或PSK信号。零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差。 (4)确定信号是否有绝对相位信息，从而区分ASK、2PSK、4PSK、8PSK、2FSK信号。零中心非弱信号段瞬时相位非线性分量的标准偏差 (5)和的区别在于是绝对相位的标准偏差，是直接相位（非绝对相位）的标准偏差，在数字调制中其主要用于区别是ASK信。用于识别ASK、AM信号或2PSK、2FSK、DSB、LSB、USB信号。零中心归一化瞬时幅度绝对值的标准偏差由下式定义： (6)确定信号是否包含绝对幅度信号。它用于区分2ASK信号或4ASK信号。零中心归一化非弱信号段瞬时频率绝对值的标准偏差 (7)式中：，。其中为数字信号的符号速率，为信号的瞬时频率。确定信号是否包含绝对频率信息。区分是2FSK信号还是4FSK信号。零中心正常信号弹瞬时相位的标准偏差 (8)4PSK信号和8PSK信号的最大不同之处在于4PKS有4个瞬时相位值，而8PSK有8个瞬时相位值。根据使用区分2PSK、4PSK、8PSK信号的理论，4PSK和8PSK信号的瞬时相位可以用下面的公式表示： (9) (10)式(9)中4PSK信号的瞬时相位有4个不同的值，这4个值等概且符号彼此相反。因此，零中心归一化瞬时相位绝对值不是常数。如果，由公式计算后只有两个不同的值，这两个值是等概且绝对值是相等的，符号相反。零中心归一化瞬时相位的绝对值是一个常数，关于8PSK信号的瞬时相位，由公式（9）和（10）计算后有四种不同值，这四个值是等概的且符号相反。零中心归一化瞬时相位绝对值不是一个常数，因此。通过设定一个合适的判决门限，我们可以区分4PSK和8PSK。4. 实验证明识别流程如图4所示：图4 识别命令流程这种特征提取的算法工作在弱信号，以避免特征提取的信噪比，在微弱信号提取（瞬时相位或频率）特征参数和确定估计特殊待遇。为此，选取的判决中，门限值是非常重要的。如果小，功能不多，如果选择太高，会导致有用相位缺失，使识别出错。是一般平等的。特征参数门限值的定义是在调制识别算法的基础上，从理论判决，每一个特征量是用来区分两类信号设为A和B。判断规则如下：(11) (11)当信号特征值大于门限值时，判决为A子集中的信号；否则，判决为B子集中的信号。选择最佳值的准则是使下面的平均概率最大（趋近于1）： (12)式中为在已知是A子集中的信号的条件下，用门限判决是A子集的正确概率；为在已知是B子集中的信号的条件下，用门限判决是B子集的正确概率。从图4中我们可以看出使用6个参数，区分2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、8PSK是非常容易的，判决门限很容易确定。通常用来区分4PSK和8PSK信号。使用上述参数分辨率高于85%。如表1所示。表1 信号平均分辨率对于数字调制识别，识别被特征参数比较顺序影响。因此，如何选择合适的认知过程是一个重要的研究内容。确认命令可以有几类，例如，首先比较特征参数，信号被分为两类：一类是2ASK和4ASK，其他类是2FSK、4FSK、4PSK和2PSK信号。2ASK和4ASK信号通过特征参数区分，2FSK、4FSK、4PSK和2PSK信号通过比较。可以分为两类：2PSK、4PSK和2FSK、4FSK。2PSK和4PSK信号可以用参数区分，2FSK和4FSK信号可以用参数区分。通过实验仿真，当信噪比为10dB时，这一比例仅为85%，识别是低于这个数字识别。当其他的命令的信噪比是10dB，识别率低于8