頻偏穩健的分級調制分類算法

馮 祥,梁偉洋

(空軍第一航空學院,河南 信陽 464000)

1 引 言

信號調制制式的自動分類是軟件無線電、認知無線電的重要技術基礎[1,2],由于其在軍事和民用通信系統中的廣泛應用前景,調制分類的研究一直引起人們的極大興趣。目前研究這一問題的方法可歸納為兩類[3],即似然函數法和模式識別法。基于判決理論的似然函數法在加性高斯白噪聲環境下,將調制識別的問題看成復合假設檢驗的問題,利用最大似然估計來達到識別的目的[4]。模式識別的方法一般分為3個步驟[3]:樣本的獲取和預處理,特征分析及提取,模式匹配和結果判決。文獻[2,5-7]通過提取樣本的高階累積量、高階循環累積量識別特征實現對PSK、QAM等調制類型的分類,取得了較好的試驗結果。但這些文獻沒有考慮頻偏等因素的影響。本文在Rayleigh衰落信道下,研究了存在頻偏時ASK、PSK、SQAM等調制類型的分類問題。

2 信號模型及算法描述

考慮頻偏的情況下,觀測樣本可以表示為

在存在載波頻偏的情況下,由于頻偏引起的相位旋轉將使觀測樣本的星座圖失去調制類型信息,隨著觀測樣本的增加,樣本的星座點將充滿單位圓,此時直接從觀測樣本中提取分類特征將不能有效識別其調制類型。將式(1)進行如下變換:

先不考慮噪聲的影響,可以得到:

表1 衰落信道下備擇分類集合的累積量Table 1 The cumulants of the candidate for modulation types under fading channel

為了對子集合{2SQAM,4ASK,8ASK}進行分類,定義反映樣本幅度信息的分類特征σa:

由于2SQAM星座的絕對值相等、符號相反,所以它不具有絕對幅度信息(σa=0);而4ASK和8ASK具有絕對幅度信息,為了進一步區分4ASK和8ASK,對樣本作絕對值、中心化、歸一處理后,4ASK對應的星座變為2ASK,仍然采用分類特征 σa進行分類。圖1顯示了算法的具體實現。

圖1 基于四階累積量分層調制分類算法Fig.1 Hierarchical modulation classification algorithm based on 4-order cumulants

3 性能仿真

為了驗證圖1描述算法性能,我們對算法進行了仿真試驗。信道采用 Jakes模型,載波頻率為900MHz,移動臺的移動速度為10 m/s,碼元速率為300 ksymbol/s,歸一化多普勒頻率為1×10-4。圖2給出了在歸一化頻偏 fcT=0.1時信號調制方式的正確識別率隨信噪比變化曲線。從圖中我們可以看出,在低信噪比時,算法存在門限效應。在觀測樣本為500、信噪比約為8.4dB時,正確識別率達到0.9;信噪比大于14dB時,算法的正確識別率接近1。為了對比,圖中還給出了Rayleigh信道下無頻偏時的性能曲線,可以看出由于頻偏的存在造成約3.6dB的信噪比損失。

圖2 分級分類算法性能(Rayleigh信道)Fig.2 The performance of the hierarchical classification algorithm under Rayleigh fading channel

圖3給出了Rayleigh信道下,歸一化載波頻率偏差對分類算法的性能的影響,信噪比為14dB。在歸一化頻偏fcT≤0.1時,算法的性能變化較小;當fcT≤0.2時,算法的正確識別率大于0.9;隨著歸一化頻偏fcT的進一步增加,分層算法性能顯著下降,并且觀測樣本越多,對頻偏越敏感。這是由于觀測樣本數量越多,使我們假設的幀不變衰落信道的條件只能近似滿足,對分類算法的性能影響越大。

圖3 載波頻率偏差對分類算法性能的影響(SNR=14dB)Fig.3 The effect of frequency offsets on the performance of the classification algorithm(SNR=14dB)

4 結束語

本文在Rayleigh信道下,研究了頻偏存在情況下的調制分類問題,通過對觀測樣本進行非線性變換,消除了由于頻偏引起的相位旋轉的影響。變換后觀測樣本的星座圖與變換前相比較,僅僅旋轉固定的相位-2πfcT,仍然保持原來對應調制方式星座圖的形狀。通過定義高階累積量和幅度特征,提出了一種分層調制分類算法。仿真結果表明,在正確識別率為0.9時,與無頻偏比較,算法有約3.6dB的信噪比損失。在歸一化頻偏小于0.2時,算法具有較好的性能。

[1] Kim K,Spooner C M,Akbar I,et al.Specific emitter identification for congnitive radio with application to IEEE 802.11[C]//Proceedings of 2008 IEEE Global Telecommunications Conference.New Orleans,LO:IEEE,2008:1-5.

[2] Zhang Q,Dobre O A,Rajan S,et al.On the second-order cyclostationarity for joint signal detection and classification in cognitive radio systems[C]//Proceedings of 2009 IEEE Canadian Conference on Electrical and Computer Engineering.St.John′s,NL:IEEE,2009:204-208.

[3] Dobre O A,Abdi A,Bar-Ness Y,et al.A survey of automatic modulation classification techniques:classical approaches and new trends[J].IET Communications,2007,1(4):137-156.

[4] Hameed F,Dobre O A,Popescu D C.Likelihood-based modulation classification:On the computational complexity and performance bounds[J].IEEE Transactions on Wireless Communications,2009,52(8):206-217.

[5] Swami A,Sadler BM.Hierarchical Digital Modulation Classification Using Cumulants[J].IEEE Transactions on Communications,2000,48(3):416-429.

[6] Punchihewa A,Dobre O A,RajanS,et al.Cyclostationarity-based algorithm for blind recognition of OFDM and single carrier linear digital modulations[C]//Proceedings of IEEE International Symposium on Personal,Indoor and Mobile Radio Communications.Athens,Greece:IEEE,2007:1-5.

[7] Spooner C M.On the utility of sixth-order cyclic cumulants for RF signal classification[C]//Proceedings of the 34th Asilomar Conference on Signals,Systems,and Computers.Pacific Grove,USA:IEEE,2001:890-897.

[8] 張賢達.現代信號處理[M].2版.北京:清華大學出版社,2002.ZHANG Xian-da.Modern Signal Processing[M].2nd ed.Beijing:Tsinghua University Press,2002.(in Chinese)