短波頻段單載波和多載波信號(hào)識(shí)別

萬 莎，徐 彪

（國家無線電監(jiān)測中心福建監(jiān)測站，廈門 361004）

短波頻段單載波和多載波信號(hào)識(shí)別

萬 莎，徐 彪

（國家無線電監(jiān)測中心福建監(jiān)測站，廈門 361004）

本文針對(duì)單載波和多載波信號(hào)的類間識(shí)別，使用DB3小波分解提取待識(shí)別信號(hào)的特征向量，研究分析經(jīng)過短波監(jiān)聽系統(tǒng)截獲的實(shí)際傳輸信號(hào)。結(jié)果表明，所提取的特征向量在識(shí)別實(shí)際采樣信號(hào)時(shí)具有良好的性能。

調(diào)制識(shí)別；小波；實(shí)采信號(hào)

1 引言

數(shù)字通信信號(hào)的自動(dòng)識(shí)別一直是通信領(lǐng)域的熱點(diǎn)，自1969年C. S. Waver在斯坦福大學(xué)技術(shù)報(bào)告上發(fā)表第一篇關(guān)于調(diào)制方式自動(dòng)識(shí)別的論文[1]以來，國內(nèi)外學(xué)者對(duì)信號(hào)的調(diào)制識(shí)別做了大量研究，提出了許多優(yōu)異的算法。調(diào)制識(shí)別是信號(hào)截取和信號(hào)恢復(fù)過程中的重要環(huán)節(jié)，它不是對(duì)一個(gè)信號(hào)的完整描述，而是提取到使信號(hào)可以區(qū)分于其他數(shù)學(xué)信號(hào)的那些“特別”的信息，也就是說，特征提取的主要目的就是盡可能提取其有別于其他類別的信息。采用不同調(diào)制方式的信號(hào)，提取到不同取值的特征參數(shù)，就單載波和多載波的調(diào)制識(shí)別而言，國內(nèi)外涌現(xiàn)出來大量的文獻(xiàn)[2-8]。Akmouche W[2]較早提出了高斯信道下的單載波和多載波的分類算法，他采用4階的高階統(tǒng)計(jì)量作為信號(hào)的特征參數(shù)，區(qū)分待識(shí)別信號(hào)；埃及的拉沙·馬赫拉薩維[3]采用倒頻分析和支持向量機(jī)對(duì)包括OFDM、PSK，MSK，F(xiàn)SK和QAM在內(nèi)的各種數(shù)字調(diào)制方式進(jìn)行了識(shí)別；默罕默德[4]基于二階統(tǒng)計(jì)量區(qū)分OFDM和單載波線性數(shù)字信號(hào)（Single Carrier Linear Digitally）；張路平[5]通過對(duì)循環(huán)自相關(guān)函數(shù)進(jìn)行分析，實(shí)現(xiàn)OFDM信號(hào)和單載波信號(hào)的盲識(shí)別；張傳忠[6]采用小波脊線識(shí)別OFDM和單載波信號(hào)，在低信噪比和短波中等信道下取得較好的識(shí)別效果。

本文以區(qū)分在短波監(jiān)測工作中實(shí)際偵查到的單載波和多載波信號(hào)為目的，基于小波分解的多分辨率特性，分析同一小波分解尺度下單載波與多載波的細(xì)節(jié)分量，實(shí)現(xiàn)單載波和多載波信號(hào)的類間識(shí)別。

2 短波數(shù)據(jù)采集

遠(yuǎn)距離短波通信的傳輸介質(zhì)是電離層，電離層不穩(wěn)定性使得短波傳播的復(fù)雜性，表現(xiàn)為多普勒頻移、多徑時(shí)延和瑞利衰落。為了獲取短波頻段的待分析數(shù)據(jù)，通常有兩種方法，一種是通過信道建模，另一種是通過由天線、天線共用器和接收機(jī)構(gòu)成的監(jiān)測系統(tǒng)直接獲取。

短波信道經(jīng)典模型有Watterson模型和ITS模型，Watterson模型將短波信道當(dāng)作平穩(wěn)信道來處理，采用均勻抽頭延遲線對(duì)輸入信號(hào)進(jìn)行時(shí)延來等效多徑傳播效應(yīng)，將一個(gè)輸入信號(hào)變?yōu)橛邢迶?shù)量的相互相關(guān)的離散信號(hào)的組成，適用于帶寬小于12kHz的窄帶信號(hào)；ITS是通過長期研究和信道實(shí)測得出來的抽象的數(shù)學(xué)模型，是廣義的Watterson模型，由Vogler和Hoffmeyer提出，信號(hào)的有效帶寬可以提高到1MHz，是短波寬帶信道模型。Watterson模型的時(shí)變響應(yīng)函數(shù)為

式中，i為傳播路徑個(gè)數(shù)，一般取值為1～6；Ti為路徑時(shí)延，一般取值為0.5ms～5ms；Gi(t)為增益函數(shù)。

3 小波分解和特征參數(shù)提取

利用小波的多尺度特性，對(duì)待識(shí)別信號(hào)進(jìn)行多層小波分解，提取到信號(hào)在不同分辨率下的特征向量，從而解決傅里葉變換不能解決的許多問題，因此，小波變換被稱為“數(shù)學(xué)顯微鏡”。3層小波分解示意圖如圖1所示，對(duì)信號(hào)S進(jìn)行小波分解，首先將S分成低頻a1和高頻d1成兩個(gè)部分。低頻a1是信號(hào)的慢部分，它描述的信號(hào)的輪廓，占大部分的信息；高頻d1描繪的是信號(hào)的迅速部分，是信號(hào)細(xì)節(jié)，占所有信息的小部分。當(dāng)下一層被分解時(shí)，只對(duì)上一層的低頻部分a1進(jìn)行進(jìn)一步分解，將a1分解成低頻a2和高頻d2兩部分，而對(duì)高頻部分不再分解。隨著分解層數(shù)的增加，分辨率也變得越來越高，不同調(diào)制方式的信號(hào)細(xì)節(jié)在同一分解水平下的差異將越來越明顯。

圖1 3層小波分解示意圖

本文采用Daubechies小波對(duì)待分析信號(hào)進(jìn)行分解，這是種局部特性較好的緊支型小波，通常縮寫為DBN，N表示小波消失矩的數(shù)目，N數(shù)目的大小反映出小波的平滑性和集中性，N越大，消失矩越大，對(duì)應(yīng)的濾波器越平坦，但是計(jì)算速度慢。

圖2 單載波和多載波的小波分解

使用DB3小波對(duì)信號(hào)進(jìn)行3層小波分解，不同調(diào)制方式的信號(hào)經(jīng)過小波3層分解后得到的細(xì)節(jié)信息dm(m=1,2,3)如圖2所示。圖2表示信號(hào)經(jīng)過小波分解后細(xì)節(jié)分量，從下到上依次為d1,d2,d3，若dm幅度隨著m的增加呈現(xiàn)出增加的趨勢(shì)，說明信號(hào)的變化大；若dm幅度呈現(xiàn)出減小的趨勢(shì)，則說明被分析信號(hào)的變化小。圖2（a-c）是單載波的小波分解圖，分析縱軸坐標(biāo)可以看出，隨著小波分解層數(shù)的增加，細(xì)節(jié)分量dm的幅值逐漸減小，縱坐標(biāo)范圍由d1時(shí)的±2減小到0值附近。圖2（d）是多載波的小波分解，隨著分解層數(shù)的，dm幅度呈現(xiàn)出增大的趨勢(shì)，表現(xiàn)為縱坐標(biāo)刻度從0.2附近增大到±2。

由信號(hào)的調(diào)制原理可知，多載波信號(hào)由多路單載波信號(hào)調(diào)制而成，隨著對(duì)信號(hào)的多層小波分解，反映出信號(hào)細(xì)節(jié)分量的幅值逐漸增大。而單載波信號(hào)是由一個(gè)載波調(diào)制而成，對(duì)單載波信號(hào)進(jìn)行小波分解時(shí)，反映出信號(hào)細(xì)節(jié)分量的幅值逐漸減小。多載波和單載波不同信號(hào)的細(xì)節(jié)分量dm出現(xiàn)相反的變化趨勢(shì)，可以利用該特征作為識(shí)別單載波信號(hào)和多載波信號(hào)的分類特征。

4 仿真分析

利用DB3小波對(duì)信號(hào)進(jìn)行N層分解后，用dk（k=1,2N）表示第k層的細(xì)節(jié)分量，求每層分量中最大的模值，用d'k=|max(dk)|表示。區(qū)分單載波和多載波的特征參數(shù)定義為

4.1 基于小波分解的類間識(shí)別

MATLAB環(huán)境下，采用Watterson模型，設(shè)多徑路數(shù)為4，信噪比取值為0～20dB，單載波和多載波信號(hào)的V值進(jìn)行仿真結(jié)果如圖3所示。

圖3 單載波和多載波的V值

圖3中，單載波的特征參數(shù)V值取值為正，而多載波的特征參數(shù)V值取值為負(fù)，可以有效的區(qū)分單載波和多載波信號(hào)。

4.2 對(duì)實(shí)際數(shù)據(jù)的類間識(shí)別

利用監(jiān)測系統(tǒng)，在協(xié)作或者非協(xié)作條件下采集到的數(shù)字信號(hào)，通過了實(shí)際電離層鏈路傳輸，包含信道的時(shí)延、衰落及多普勒效應(yīng)等特征，用小波分解對(duì)實(shí)際采樣信號(hào)進(jìn)行分析，無需復(fù)雜的建模過程，但確是貼近實(shí)際工作的有效做法。本節(jié)驗(yàn)證小波分解識(shí)別單載波信號(hào)和多載波信號(hào)的可行性。對(duì)12類已知調(diào)制類型的單、多載波信號(hào)進(jìn)行小波分解，求其信號(hào)的V值，見表1。

表1 實(shí)際短波頻段信號(hào)V值

表1中，單載波信號(hào)的V值為正數(shù)，多載波的V值為負(fù)數(shù)，與3.1節(jié)的理論分析相符。驗(yàn)證了利用小波分解后求得的特征參數(shù)V值，可用于短波頻段的單載波和多載波信號(hào)識(shí)別。

5 結(jié)束語

小波分解的多尺度特性可以用來獲取信號(hào)的多層細(xì)節(jié)特征，單載波和多載波的調(diào)制原理決定了這兩類調(diào)制信號(hào)在相同的分解水平下得到不同的分解細(xì)節(jié)。本文研究了小波分解識(shí)別實(shí)際采用信號(hào)的可行行，驗(yàn)證了特征參數(shù)V值可用于短波頻段實(shí)際采樣信號(hào)的識(shí)別。

[1] C.S.Weaver．Automatic classification of modulation types by pattern recognition [J].Stanford Electronics Laboratories，Technical Report NO.1892-1，April 1969．

[2] Akmouche W.Detection of multicarrier mudulationss using 4th-order cumulants[C].IEEE military comuunications conference,Atlantic,USA,Oct 31-Nov 3,1999.

[3] Rasha M. Al-Makhlasawy ,et al. Automatic Modulation Recognition in OFDM Systems using Cepstral Analysis and Support Vector Machines[J].Journal of Telecommunications System & Management,December 03,2012.

[4] Mohamed Firdaoussi, et al.Recognition of OFDM and SCLD Signals Based on Second-Order Statistics[M].Advances in Ubiquitous Networking 2,pp.321-329,04 November 2016.

[5] 張路平，王建新，馬平．多徑信道下OFDM信號(hào)和單載波信號(hào)的盲識(shí)別[J]．宇航學(xué)報(bào)，2012,09

[6] 張傳忠等．基于小波脊線的OFDM與單載波信號(hào)識(shí)別[J]．信號(hào)處理，2011,7

[7] 曹鵬，彭華，董延坤等．一種基于循環(huán)前綴的OFDM盲檢測及參數(shù)估計(jì)算法[J]．信息工程大學(xué)學(xué)報(bào)，2010,11(2)

[8] 孫志國．多徑信道下多載波調(diào)制盲識(shí)別算法[J]．電子與信息學(xué)報(bào)，2010,32(7): 1756-1759

Recogniton of Multi Carrier Signal and Single Carrier Signal in Shortwave Band

Wan Sha, Xu Biao
（State Fujian Station of Radio Monitoring Center, Xiamen, 361004）

This paper discusses the inere-class recogniton of Multi carrier signal and Single carrier signal which is intercepted by Shortwave monitoring system. In this paper, the dB3 wavelet is used for feature extraction.Simulation results shows that the proposed feature classi fi er have good performances in actual signals.

recogniton; wavelet; actual signals

10.3969/J.ISSN.1672-7274.2017.08.027

TN92文獻(xiàn)標(biāo)示碼：A

1672-7274（2017）08-0068-03