共信道時頻重疊的數字信號調制識別方法

陳思南，龔曉峰，陳利波

(四川大學 電氣信息學院，四川 成都 610065)

0 引 言

近年來，隨著無線電通信環境的日益復雜化，通信信號的自動調制識別也隨之引起了越來越多的關注[1]。日益密集的通信環境使得無線電頻譜監測接收機在同一個信道中有時會捕獲到多個時頻重疊的信號分量，這將給后續的信號處理帶來很多的困難[2,3]。因此，研究共信道時頻重疊的數字信號調制識別具有重要的實際意義和應用價值。

目前已有的多信號調制識別方法主要分為信號的分離識別[4,5]和直接提取待識別多信號的特征這兩種方法。其中文獻[6]利用循環頻率特征時頻重疊雙信號進行了有效識別，但前提是必須保證分量信號的載頻和符號速率不同；文獻[7]采用了四階循環累積量特征的識別方法，對時頻重疊多信號進行了有效識別，但在低信噪比的情況下識別率不高；文獻[8]提出的利用信號的瞬時自相關特性和譜相關特征的方法，能夠在低信噪比情況下得到較高的識別率，但是可識別信號的類型僅限于MPSK信號。針對這些問題，本文通過數字信號提取高階累積量特征和瞬時特征值，實現了由4種數字信號組合而成的10種數字調制雙信號的有效分類，并在較低信噪比的情況下獲得了較高的識別率。

1 信號模型

在實際應用中，接收機接收到信號往往夾雜著一些噪聲，收到的受噪聲污染過的數字調制信號模型[9]可以表示為

(1)

式中：n=1,2,3,…,N,N為發送碼元序列的長度，Es為發送碼元波形的功率，hn為發送的碼元序列，g(t)以及Ts分別表示發送的碼元波形和寬度，fc和θc是載波的頻率和相位，假設n(t)是與信號相互獨立的復高斯白噪聲，且均值為零。

首先對接收機得到的原始信號進行相應的預處理，從而得到經過定時同步、載波頻率和相位同步以及下變頻處理后的基帶信號，可以將其復數形式表示如下

(2)

根據數字信號不同的調制方式，分別將MASK和MPSK兩種數字調制信號經過下變頻處理后的信號表示為

(3)

(4)

式(3)表示的是MASK信號，式(4)表示的是MPSK信號，其中M表示調制方式為M進制。

根據上面構建的信號模型，將本文研究的時頻重疊的雙信號表示如下

r(t)=s1(t)+s2(t)+n(t)

(5)

式中：s1(t) 和s2(t) 分別表示2ASK、4ASK、QPSK、8PSK其中的任意一種調制方式的數字信號。

2 特征參數分析

2.1 高階累積量

k階平穩隨機過程{x(t)}的k階累積量[10]定義如下

Ckx(τ1,τ2,…,τk-1)=
cum(x(t+τ1),x(t+τ2),…x(t+τk-1))

(6)

式中：cum(.)表示求累積量。

對于一個均值為零的復平穩隨機信號x(t)，它的p階混合矩定義為

Mpq=E[x(t)p-qx*(t)q]

(7)

式中：E[.]表示求期望運算，*表示對隨機序列取共軛運算，q表示其取共軛序列的個數。

因此，隨機信號的二階、四階和六階累積量分別表示如下

C20=cum(x,x)=M20

(8)

(9)

C41=cum(x,x,x,x*)=M41-3M20M21

(10)

(11)

(12)

在式(5)所表示的雙信號模型中信號s1(t)、信號s2(t) 以及高斯白噪聲n(t)均為相互獨立的，所以根據高階累積量的半不變性可得

cum(r(t))=cum(s1(t))+cum(s2(t))+cum(n(t))

(13)

由于零均值高斯白噪聲大于二階累積量的值為零，所以可以將式(13)改寫成

cum(r(t))=cum(s1(t))+cum(s2(t))

(14)

從式(14)中可以看出從高階累積量中提取的特征參數不受噪聲的影響，因此該方法能夠有效地抑制噪聲，并對信號的調制方式進行識別。假設s1(t)和s2(t)兩個信號的功率相同且未知，用符號Es表示。并且利用式(8)～式(12)計算出10種待識別的數字雙信號的二階累積量和四階累積量見表1。

表1 待識別信號二階、四階累積量的理論值

2.2 瞬時特征值

由表1可以看出MASK類時頻重疊雙信號的高階累積量比較相近，所以很難利用高階累積量的特征將其有效識別。針對這個問題，考慮采用 “零中心歸一化瞬時幅度絕對值的標準偏差[11]”這個瞬時特征參數對該子類進行識別，定義如下

(15)

式中：N為采樣點數，Acn(i)為零中心歸一化的瞬時幅度。

因為不同的MASK信號的瞬時幅度變化有很大的不同，進制數越多，其零中心歸一化瞬時幅度標準偏差的值也越大，所以利用此特征參數可以輕松地將由2ASK和4ASK組成的3種時頻重疊雙信號有效地識別。

3 調制方式識別

3.1 特征參數提取

為了避免相位抖動對高階累積量產生的影響，因此選用高階累積量的絕對值。同時為了消除信號功率大小對高階累積量產生的影響，所以高階累積量的特征參數采用了比值的形式[12]。本文提取的4個高階累積量特征參數如下

(16)

(17)

(18)

(19)

本文將這些基于高階累積量的特征參數用于時頻重疊雙信號識別。根據式(14)以及表1的高階累積量的理論值，計算各特征參數的理論值見表2。

3.2 算法步驟

利用表2中的4個特征參數再結合瞬時特征參數σaa共5個特征參數，并采用決策樹判決方法對10種時頻重疊的雙數字信號進行識別，如圖1所示：

(1)先對信號進行預處理。

(2)利用特征參數F1將信號分為{2ASK+2ASK，2ASK+4ASK，4ASK+4ASK }、{QPSK+QPSK，QPSK+8PSK，8PSK+8PSK}和{2ASK+QPSK，2ASK+8PSK，4ASK+QPSK，4ASK+8PSK}3類。

(3)再利用特征參數F2識別出QPSK+QPSK，QPSK+8PSK，8PSK+8PSK。

表2 待識別信號累積量參數的理論值

(4)然后利用特征參數σaa識別出2ASK+2ASK，2ASK+4ASK，4ASK+4ASK。

(5)接著利用特征參數F3將剩下的信號分為{2ASK+QPSK，4ASK+QPSK}和{2ASK+8PSK，4ASK+8PSK}兩類。

(6)最后利用特征參數F4識別出2ASK+QPSK，4ASK+QPSK，2ASK+8PSK，4ASK+8PSK。

至此，所有10種數字雙信號調制方式的識別全部完成。

圖1 信號識別分類

4 仿真結果

4.1 特征參數對比

根據上述分析，對本文提出的算法進行計算機仿真實驗。設信號的載波頻率是150 kHz，其采樣率為1200 kHz，碼速率為12 kHz，截取信號的碼元個數為2048。用計算機對該算法進行10 000次的獨立蒙特卡洛實驗，并取平均值作為最終結果。圖2為10種雙信號在不同信噪比下特征參數F1的值，可以看出其很明顯將這10種信號分為了3個子類。圖3為第一個子類中的3種雙信號在不同信噪比下特征參數F2的值，從中可以看出在信噪比大于-5 dB時，參數F2逐漸趨于穩定，并且接近理論值，說明該特征參數可以將QPSK+QPSK、QPSK+8PSK、8PSK+8PSK這3類雙信號有效區分。

圖2 特征參數F1的值

圖4是特征參數σaa在不同信噪比下的值，雖然瞬時特征值受信噪比影響較大，但是從圖中可以看出在信噪比大于0 dB時該特征參數已經可以有效地識別出2ASK+2ASK、2ASK+4ASK、4ASK+4ASK這3類信號。圖5為不同信噪比下特征參數F3的值，可以看出其很明顯將剩下的4類待識別信號分為了兩個子類。

圖6和圖7是2ASK+QPSK、4ASK+QPSK、2ASK+8PSK和4ASK+8PSK這4類信號的特征參數F4的值，從中可以看出這4類信號可以在較低的信噪比下被特征參數F4有效分類。

圖4 特征參數σaa的值

圖5 特征參數F3的值

圖6 QPSK和MASK的F1值

4.2 不同信噪比下的識別正確率

根據圖2～圖7的仿真結果并設置相應的最佳門限值，對該算法進行10 000次的獨立實驗，得到的10種時頻重疊雙信號在不同信噪比下的最終識別結果如圖8所示。

圖7 8PSK和MASK的F4值

圖8 不同信噪比下的識別率

從仿真結果中可以得到在信噪比為5 dB的情況下，信號的平均識別率已經達到99%，并且在信噪比大于10 dB的情況下，平均識別率已經達到了100%。表3是將文獻[7]和文獻[8]的算法與本文算法進行對比，可以看出本文算法在增加識別種類的情況下，信號識別正確率仍然有所提高。

表3 不同方法識別類型和識別效果對比

5 結束語

本文將數字信號的高階累積量特征值與瞬時特征參數相結合，應用在與功率相同的時頻重疊雙信號的調制識別。利用高階累積量對噪聲的不敏感性和MASK的瞬時特征值可分性強的特點，有效地將10種時頻重疊雙信號進行分類。本文的算法對比與已有算法增加了2ASK和4ASK兩種可識別信號的類型，并且實驗結果表明在低信噪比為0 dB情況下將信號的平均識別率提高到了91.13%。但是針對信號功率不同和載頻不同的情況，以及時頻重疊多信號的數字調制識別還需進一步研究，并且在識別率方面仍然存在一定的提升空間。

[1]WANG Lanxun,GUO Shuting,JIA Cengjuan.The digital modulation recognition technique based on the wavelet envelope difference[J].Application of Electronic Technique,2017,43(2):95-98(in Chinese).[王蘭勛,郭淑婷,賈層娟.基于小波包絡差異性的數字調制方式識別技術[J].電子技術應用,2017,43(2):95-98.]

[2]ZHI Yajing,CHEN Xiao,CAI Tingting.Blind separation method of single channel time-frequency overlapped gauss amplitude modulation signals[J].Science Technology and Enginee-ring,2016,16(1):204-208(in Chinese).[支亞京,陳曉,蔡婷婷.單通道時頻重疊高斯調幅通信信號盲分離方法[J].科學技術與工程,2016,16(1):204-208.]

[3]LI Bingbing,MA Hongshuai,LIU Mingqian.Carrier frequency estimation method of time-frequency overlapped signals with alpha-stable noise[J].Journal of Electronics & Information Technology,2014,36(4):868-874(in Chinese).[李兵兵,馬洪帥,劉明騫.Alpha穩定分布噪聲下時頻重疊信號的載波頻率估計方法[J].電子與信息學報,2014,36(4):868-874.]

[4]Lu W,Zhang B.Single channel time-varying amplitude LFM interference blind separation using MHMPSO particle filtering[C]//IEEE International Conference on Signal and Image Processing Applications,2013:425-430.

[5]Pang L,Tang B.Single channel blind signal separation of time-frequency overlapped signals based on independent component analysis[C]//International Conference on Communications,Circuits and Systems.IEEE,2013:147-151.

[6]ZHAO Yufeng,CAO Yujian,JI Yong,et al.Modulation identification for single-channel mixed communication signals based on cyclic frequency features[J].Journal of Electronics & Information Technology,2014,36(5):1202-1208(in Chinese).[趙宇峰,曹玉健,紀勇,等.基于循環頻率特征的單信道混合通信信號的調制識別[J].電子與信息學報,2014,36(5):1202-1208.]

[7]LI Kuangdai,GUO Lili,SHI Rong,et al.Modulation recognition method for single-channel time-frequency overlapped MPSK signals[J].Fire Control & Command Control,2010,35(2):150-153(in Chinese).[李曠代,郭黎利,石榮,等.單信道時頻重疊MPSK信號的調制識別方法[J].火力與指揮控制,2010,35(2):150-153.]

[8]ZENG Chuangzhan,JIA Xin.A modulation recognition me-thod for time-frequency overlapped MPSK signals in single channel[J].Science Technology and Engineering,2016,16(5):172-176(in Chinese).[曾創展,賈鑫.一種單信道時頻重疊多進制數字相位調制信號調制識別方法[J].科學技術與工程,2016,16(5):172-176.]

[9]GUO Juanjuan,YIN Hongdong,JIANG Lu,et al.Recognition of digital modulation signals via high-order cumulants[J].Communication Technology,2014,47(11):1255-1260(in Chinese).[郭娟娟,尹洪東,姜璐,等.利用高階累積量實現數字調制信號的識別[J].通信技術,2014,47(11):1255-1260.]

[10]LIU Mingzhu,ZHAO Yue,SHI Lin,et al.Researchon recognition algorithm of digital modulation by higher order cumulants[C]//Fourth International Conference on Instrumentation and Measurement,Computer,Communication and Control,2014:686-690.

[11]HUANG Yong.Simulation research and implementation of automatic modulation recognition algorithm of communication signal[D].Chengdu:University of Electronic Science and Technology of China,2013:7-10(in Chinese).[黃勇.通信信號的自動調制識別算法仿真研究與實現[D].成都:電子科技大學,2013:7-10.]

[12]ZHAO Xiongwen,GUO Chunxia,LI Jingchun.Mixed recognition algorithm for signal modulation schemes by high-order cumulants and cyclic spectrum[J].Journal of Electro-nics & Information Technology,2016,38(3):674-680(in Chinese).[趙雄文,郭春霞,李景春.基于高階累積量和循環譜的信號調制方式混合識別算法[J].電子與信息學報,2016,38(3):674-680.]