一種突發MPSK 信號檢測與識別方法的設計與實現

位小記，張俊威，肖乃稼，柯曉東

（1.嘉興職業技術學院，浙江嘉興，314036；2.中國電子科技集團公司第三十六研究所，浙江嘉興，314033）

0 引言

在非合作通信中，從日益復雜的電磁環境中快速有效地識別調制樣式，估計信號的相關參數，是通信對抗和信號解調的首要環節。隨著數字通信技術的快速發展，調制技術越來越多樣，其中MPSK 信號以傳輸頻帶利用率高、抗干擾能力強等特性，在民用和軍事領域均具有十分廣泛的應用。無線通信網絡中，突發MPSK信號滿足用戶對傳輸系統自適應性、抗干擾性、保密性、隱蔽性的要求，備受青睞。突發信號具有捕獲難的優點，這大大增加了通信偵察方進行信號檢測、識別的難度。

近年來，有很多研究者對MPSK 調制信號的識別問題進行了大量的研究。文獻[1]中利用調制信號的相位直方圖統計特征，完成BPSK、QPSK、OQPSK信號調制樣式的識別，但是該方法抗噪性能差。文獻[2]中提出用高階累積量識別BPSK、QPSK、8PSK 信號，但是OQPSK 和QPSK、8PSK和π/4QPSK 信號無法區分。文獻[3]提出一種利用差分星座進行聚類分析的方法，識別8PSK 和π/4QPSK 信號調制樣式。文獻[4]提出了一種基于信號的四階、八階累積量作為特征識別，進行MPSK 調制信號的識別，但八階累積量運算復雜，不易于工程實現。

本文提出了一種基于累積自相關雙窗檢測和譜線特征的識別方法，對突發MPSK 信號進行調制方式識別和參數估計，主要包括基于累積自相關的信號段提取、譜線特征提取、分類識別三部分組成，流程如圖1 所示。設計基于USRP 的信號接收系統，完成相關算法的開發和驗證，通過測試不同信噪比下的識別率，驗證該算法的可行性和有效性。

圖1 突發MPSK 信號識別的結構框圖

1 信號模型

假設接收信號已進行載波恢復和定時同步處理，MPSK信號可表示為[5]：

上 式 中，a(k)表 示 發 射 的 碼 元 序 列，a(k) ∈{ei2π(m-1)/M,m=1,2,...M}，M表示信號調制的進制，文中的BPSK、QPSK 和8PSK 信號對應的M 分別為2，4，8；E代表信號的平均功率，?θ為載波相位差，n(k)為高斯白噪聲序列。

OQPSK 信號是為了抑制旁瓣，對QPSK 改進而成的，相位在o0

0和±90相位跳變，OQPSK 的基帶碼元可表示為：

對于π/4QPSK 信號，相鄰的碼元間相位差為45°，對應的基帶碼元可表示為：

2 突發信號檢測

突發MPSK 信號是間斷的、不連續的，在信號盲偵收處理中，首先需要檢測出突發信號的起始和終止時間點。雙窗滑動檢測法是通過檢測時域能量獲取突發信號起始和終止位置[6]，該算法抗噪能力弱，在信噪比較低條件下，虛警率較高，故本文采用基于累計自相關的雙滑動窗檢測方法實現突發MPSK 信號段提取。基于累積自相關的雙窗滑動檢測流程圖如圖2 所示，包括時域信號累積自相關、雙窗滑動檢測、信號段提取三個步驟。

圖2 基于累積自相關的雙窗滑動檢測框圖

一個碼元內信號采樣點間相關性強，而噪聲采樣點間、噪聲與信號采樣點間相關性弱，為了提升低信噪比下的檢測性能，故本文采用累積自相關的算法進行信號段的提取。該算法對樣本信號連續取M個采樣點s(n)，對相鄰兩個采樣點s(n) 和s(n+1)作互相關運算，得到自相關序列r(n)=s(n)s(n+1 )*，然后對r(n)累積求和，得到累積自相關R(n)序列。累積自相關R(n)序列計算公式如式(5)所示。

s(n)表示采樣點，n=0,1,2,3...N-M，N表示輸入IQ數據總采樣點數，M表示累積自相關的長度，M值大小關系到檢測數據段的精度和運算的實效性，過大會導致運算時間長，過小會導致檢測精度不高，增加虛警率，通過大量工程實踐，兼顧檢測的精度和運算的實效性，本文選擇M=128。

雙窗滑動檢測法的工作原理如圖3 所示，在1W窗和2W窗滑動的過程中，兩個窗內的累加能量比值m(k) 曲線會呈現一個三角波形，極大值位置處于噪聲段與信號段的交界處，也就是突發信號的起始或者終止時刻。圖3 為雙滑動窗檢測算法的原理示意圖，該算法具體實現步驟如下所述：

圖3 雙窗滑動檢測算法原理示意圖

(1) 使用公式(5)對輸入數據基帶IQ 數據計算得到累積自相關序列R(n)；

(2) 使用公式(6)和式(7)分別計算相鄰窗1W和2W內連續K點內數據的能量1w(k)和w2(k) ；

其中，K表示滑動窗的長度。

(3) 使用公式(8)計算窗口能量w1(k)和w2(k)的能量比，得到能量比曲線m(k)；

(4) 將能量曲線m(k) 序列與設定的門限th進行比較，若m(0k)>th，則認為突發信號出現，則k0為突發信號的起點，繼續進行比較，能量曲線m(1k)<-th，則1k點為突發信號的終點。

由公式(6)～式(8)可以看出，采用的能量曲線m(k) 消除了信道增益的影響，該值僅與采樣信號的信噪比有關。

本文首先對時域信號求累積自相關值，得到的相關R(n)序列，將R(n)序列作為雙滑動窗檢測算法的輸入數據，可有效改善低信噪比下，突發信號虛警率高的問題。實際的應用中能量曲線m(k) 的判決門限th的設置，會影響突發信號的檢測性能。本文判決門限th的計算方法如式(9)所示。

其中，Rmax表示的最大值，Rmin表示的最小值。

(5) 依據能量曲線m(k) 得到的信號起始點k0以及終止點1k，提取數據段序列s,(k) 。

3 特征提取與分類識別

首先明確本文所研究的調制類型目標集為MPSK 信號，對其信號特征和常用信號分類特征參數的分析可知，利用譜線特征是可以實現分類的[7]。文獻[8]中詳細分析了常見數字調制方式的平方譜、四次方譜的譜線特征，總結可得到表2 所示的各種常見數字調制方式與其對應特征譜線關系，其中f0表示信號載頻，bR表示調制速率。

表2 常見數字調制信號的特征譜線

對提取的信號進行正交變換，計算各信號的功率譜、平方譜和四次方譜，如圖4 ～圖8 所示。

圖4 BPSK 信號的譜線特征

圖5 QPSK 信號的譜線特征

圖6 OQPSK 信號的譜線特征

圖7 π/4QPSK 信號的譜線特征

圖8 8PSK 信號的譜線特征

通過深入研究信號的特性，本文采用雙窗滑動檢測技術，首先提取目標信號的有效數據，再計算其譜線特征，實現信號調制類型識別，進而估計出信號碼速率和載頻頻率，達到信號識別和參數估計的目的。為了適應實際情況中各種干擾條件下信號識別性能，本文從目標信號的調制特征參數入手，設計調制識別方案，其中N2 表示平方譜的譜線數，N4 表示四次方譜的譜線數，P2 表示歸一化后平方譜的譜線最大值，P4 表示歸一化后四次方譜的譜線最大值。調制類型識別算法流程如圖9 所示。

圖9 快速分類算法流程

MPSK 信號的高階譜具有對稱性，載波頻率估計可以采用離散譜線精確估計[8]，碼元速率的估計采用包絡譜線精確估計完成，至此我們完成了MPSK 信號的調制識別和參數估計。

4 基于USRP 的檢測與識別系統設計

USRP B205 設備是Ettus Research 公司推出的一款工業級軟件無線電設備。具有1 路輸入和1 路信號輸出，頻率覆蓋范圍為70MHz 到6GHz，收發通道最大瞬時帶寬為56MHz。USRP B205 支持硬件驅動程序UHD，開發人員可以調用UHD 的API 接口，通過USB 3.0 接口與計算機連接，實現對USRP 的頻率、帶寬、增益、基帶數據采集樣本大小等控制。

使用微型化數字接收處理機USRP B205，開發便攜式突發信號檢測與識別系統，用于無線電突發信號的接收、檢測與識別處理。系統通過USB 3.0 接口和綜合控制PC 機完成數據指令的交互。基于USRP 的檢測與識別系統由接收天線、GPS 接收機、小型化接收設備USRP 和上位機組成。基于USRP 的檢測與識別系統實物組成如圖10 所示。

圖10 基于USRP 的檢測與識別系統實物

天線接收無線電信號，經接收機AD 芯片進行信號采集、下變頻等處理后形成數字基帶數據，然后通過USB 接口送到上位機。通過調用數字信號處理算法來實現信號突發檢測、頻譜估計、譜線特征提取、類型識別等功能，并在控制軟件上顯示調制識別結果。

上位機綜合控制軟件界面由參數欄、功率譜圖、時頻圖、識別結果列表等組成，軟件包括信號采集控制模塊、時域檢測模塊、信號識別模庫和圖形顯示模塊等功能模塊。其中信號識別結果列表由統計結果和實時結果兩部分組成。統計結果是依據信號的頻率、類型、帶寬融合分析后的結果，而實時結果是單次目標數據識別的結果。綜合控制軟件的流程圖如圖11 所示，具體控制步驟如下：

圖11 綜合控制軟件的流程圖

（1）利用功率譜最大值保持功能，粗估信號帶寬和能量，據此設置采樣速率、信號頻率、增益、接收信號樣本數等，下發給USRP B205；

（2）上位機通過USB3.0 接收零中頻IQ 數據；并對接收到基帶IQ 數據進行基于累積自相關的雙窗滑動檢測，獲取有效的IQ 數據；

（3）對目標信號段IQ 數據進行FFT 運算，獲取功率譜數據并顯示，得到實時刷新的功率譜圖和時頻顯示圖，同時計算二次方譜、四次方譜和八次方譜特征，進行分類識別；

（4）根據信號類型識別結果，進行信號碼速率和載頻估計，完成信號的參數估計結果；并將識別結果進行列表顯示。

5 實驗驗證

搭建突發信號檢測與識別系統驗證平臺，對開發的實時處理算法進行驗證。系統驗證平臺如圖12 所示。

圖12 系統驗證平臺

分別設置SMV100A 信號源發射調制類型為BPSK、QPSK、OQPSK、π/4-QPSK、8PSK 的突發信號，信號碼元個數為256 個， 由USRP B205 接收機偵收處理，對接收到的信號進行在線識別。接收信號的實時功率譜如圖13 所示，信噪比從6dB 到15dB 按照1dB 步進遞增，在每個信噪比下進行100 次獨立的測試，并統計識別率，識別統計結果如圖14 所示。測試結果表明算法在低信噪比下識別性能良好。

圖13 BPSK 和OQPSK 信號的功率譜

圖14 不同信噪比下的信號識別率

6 結論

本文以突發MPSK 信號為目標，通過對MPSK 信號時頻特征的深入研究，在目標信號段提取的基礎上，采用譜線特征參數，設計一種分類器，較好地實現MPSK 信號快速識別，算法流程簡單，識別性能良好。設計一種基于USRP的信號接收處理平臺，在處理平臺上實現了該算法，并取得了良好效果。