基于LabVIEW的信號調制識別研究與應用

費聿寧

本文基于LabVIEW的信號調制識別系統，應用分類識別中，研究調制信號的特征參數提取技術，結合參數特征，提出基于決策樹的方法識別調制信號，且性能良好，并在LabVIEW環境良好應用調制信號識別技術。

【關鍵詞】LabVIEW 特征提取 調制識別

隨著信息技術的迅猛發展，通信環境日益復雜，其中調制通信信號的方式多種多樣，但調制參數不盡相同，人們想要監管和辨別這些信號，于是，信號調制識別應運而生。信號調制識別在通信中能獲得廣泛的認可，主要用于集中在宇宙探索、衛星通信、頻譜監測、軍事電子對抗等領域。研究的關鍵是選取分類特征參數的和設計識別分類器。基于此，本文主要完成基于LabVIEW軟件平臺的調制識別算法研究并給予實踐和驗證。

1 LabVIEW實現常見通信信號的調制

1.1 模擬信號調制仿真

模擬信號的調制方式可以按照調制器頻譜實際變化程度分為線性調制和非線性調制特性。線性調制是指輸出已調信號的幅度，并呈現出正比例變化。非線性調制包括頻率調制和相位調制。

1.2 數字調制信號的LabVIEW仿真

隨著通信寬帶的加大，數字通信技術應運而生，數字調制采用微處理器的模擬調制方式，通訊鏈路中的任何不足均可以借助于軟件，可以加密信息，并通過誤差校準技術，使得通信的數據更為可靠，另外還可以借助DSP，減少分配給每個用戶的有效帶寬。大大提高頻帶利用率。數字調制主要通過對載波的振幅、頻率、相位進行鍵控來實現即振幅鍵控ASK、頻移鍵控FSK和相位鍵控PSK.其中，線性調制包括振幅鍵控，而非線性的有頻移鍵控和相位鍵控，同時由于數字信號的碼元固定，給數字通信帶來了很多新的方法。

2 信號調制識別中參數的分類識別

調制信號參數識別的過程包括信號預處理、特征參數提取和分類識別三個重要部分。

2.1 信號預處理

信號預處理是信號調制識別過程的基礎，因為普通信號不能直接被識別，信號預處理能為之后的信號處理提供更恰當精準的數據。信號預處理分為數字化信號，載波頻率估計、射頻信號下變頻處理、碼元速率估計及同相正交分解等過程。

2.2 特征參數提取

特征參數提取是指從信號預處理完成后，從信號中提取的參數，這些參數能夠反映出信號本質特征的時頻域或者變換域，能夠給調制識別提供依據，是信號調制識別的核心部分。

2.3 分類識別

分類識別中最重要的是選擇分類器結構和確定分類準則。分類識別和特征參數提取一樣，是信號調制識別過程中的核心部分，是指在調制信號過程中獲得特征參數后分類識別信號。整個調制識別系統的性能往往決定于分類器的選擇，一般選用決策樹結構，這種分類器結構簡單，運行起來方便易行。

3 搭建及驗證基于LabVIEW設計并實現的信號調制識別系統

本文通過選取基于時域瞬時參數的特征參數，實現對2ASK、4ASK、2FSK、4FSK、2PSK和4PSK信號的調制識別。 我們采用labVIEW 2012的仿真環境，參數為：載波頻率150KHz，載波幅度A=I，采樣率2.4MHz，碼元速率12.5K字符/秒，碼元數目32比特，加入高斯白噪聲，達成了信噪比10到30dB可調。因為有的特征參數取值過于大，所以本次將得到的線性特征參數映射到對數域，并且縮放處理了部分數據，這樣做既保證了不改變數據的本質又方便對比和觀察。

3.1 零中心歸一化瞬時幅度譜密度最大值

通過表1可知，2FSK信號、4FSK信號、2PSK信號和4PSK信號之間有顯著的分界線，2FSK信號、4FSK信號在零中心歸一化瞬時幅度譜密度最大值上要大于2PSK信號和4PSK信號，而這種情況出現的原因多為FSK信號在進行頻率轉換時候非線性的相位也隨之有所改變。

由表1可知，采用門限5.5可以十分準確地區分出MFSK和MPSK兩個信號集。

3.2 零中心歸一化瞬時幅度緊致性（四階矩）

通過表2可以得出，當信噪比為15dB時，2ASK信號、4ASK信號的分界線相鄰，在部分情況下，2ASK信號和4ASK信號的零中心歸一化瞬時幅度緊致性值將出現交叉現象。

由表2結合仿真曲線可知，在大部分情況下，采用門限2.7可以做到準確區分出2ASK和4ASK兩個信號。

3.3 零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差

通過表3可知，當信噪比為15dB時，2FSK信號和4FSK信號的分界線相鄰，在部分情況下，2FSK信號和4FSK信號的零中心非弱信號段瞬時相位非線性分量絕對值的標準偏差值出現交叉現象。

由表3可知，在大部分情況下，采用門限20可以準確區分出2FSK和4FSK兩個信號。

3.4 零中心非弱信號段瞬時相位非線性分量的標準偏差

2PSK信號、4PSK信號在部分仿真點上有著數據交叉，但不是很多，通過合理的門限能夠較為正確地將2PSK信號、4PSK信號分成兩子集。在大部分情況下，采用門限1.0可以準確區分出2PSK、4PSK兩個信號。

驗證結果表明系統運行準確，從而證明了本文提出的信號調制識別算法的正確性以及算法應用到實際工程中的有效性。

4 結論

根據以上仿真所得到的門限值，建立決策樹分類結構。對未知信號集合進行1000次仿真分類，在信噪比大于10dB的情況下，識別率還是比較令人滿意的。隨著信噪比的增加，識別率也有了很大的提升，在30dB及以上的信噪比條件下，信號的識別率在95%以上。

參考文獻

[1]E.E.Azzouz and A.K.Nandi，‘'Automatic Modulation Recognition of Communication Signals”，Kluwer Academic Publishers，1996.

[2]Azzouz E E，Nandi A K.Automatic modulation recognition--I[J].Joumal of the Franklin Institute，1997，334（02）：241-273.

作者簡介

費聿寧（1993-），男，山東省日照市人。大學本科學歷。研究方向為通信。

作者單位

山東科技大學 山東省日照市 250000