基于谱分析的通信信号调制识别与参数估计研究.pdf

《基于谱分析的通信信号调制识别与参数估计研究.pdf》由会员分享，可在线阅读，更多相关《基于谱分析的通信信号调制识别与参数估计研究.pdf（74页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、西南交通大学硕士学位论文基于谱分析的通信信号调制识别与参数估计研究姓名：赵晓迪申请学位级别：硕士专业：微电子学与固体电子学指导教师：冯全源20100401西南交通大学硕士研究生学位论文第1 页曼曼曼曼曼曼,H aiI I IIII II I II I1 皇曼曼皇曼鼍曼曼曼曼曼鼍鼍摘要通信信号的调制方式识别和调制参数估计对于军用电子对抗以及民用频谱监管都具有极其重要的意义。算法相对简单而且识别效果好的调制方式识别方案是目前调制识别领域的趋势和主流。信号的频域分析相比之下具有良好的抗噪特性和相对简单的算法实现，所以将信号的谱分析应用在信号的调制方式识别和参数估计中是本文主要的研究内容。旨在以相对简

2、易的算法实现多种调制信号的识别和参数估计，本文研究的调制信号类别有：2 A S K,4 A S K,2 F S K,4 F S K,B P S K,Q P S K,O Q P S K 和P F 4 Q P S K。本文分析了各种调制信号的功率谱，平方谱，四次方谱以及循环谱，通过数学推导和实际仿真验证，归纳出一套调制信号在谱变换域的分类特征，提出基于谱分析的调制信号识别方案。然后分别对信号的各种特征参数在变信噪比环境下进行仿真和验证，证实特征参数的分类性能。考虑到算法的实时性，信号谱估计的算法完全基于F F T 快速变换，并且给出了算法的具体实现步骤。然后，从特征参数抗噪声性，识别范围和算法复杂

3、度三方面和经典的D M R A s 算法做了比较，证实了谱分析在调制识别应用中的优越性。另外，本文针对通信领域常用的六种调制方式：2 A S K,4 A S K,2 S K,4 F S K,B P S K 和Q P S K信号，进行了载频估计和码元速率估计研究和算法改进。对于载频不抑制的A S K 信号，载频估计采用对信号变换域谱搜索谱峰的方式得到载频估计值，然后在变信噪比环境下，仿真验证了载频估计算法在不同信噪比下的识别率。对于B P S K Q P S K 的载频估计，利用B P S K 信号平方谱和Q P S K 信号四次方谱分别在两倍载频和四倍载频处存在离散谱线的特征进行载频估计，然后

4、利用相关累积提升信号信噪比的方法改进载频估计算法。仿真表明，改进后信噪比要求降低8d B 左右。对于码元估计，针对A S K，F S K 信号其瞬时幅度和瞬时频率与基带信号相对应的特点，采用差分算法替代小波变换提取信号瞬时参数的跳变点信息，然后通过谱分析得到码元速率的估计值，最后仿真验证其在变信噪比环境下的识别率。对于B P S K Q P S K 信号，采用延迟相乘构造码元信息序列的方式替代瞬时频率序列改进算法，仿真验证改进后将信噪比要求降低5d B，同时降低了运算量。最后利用循环谱理论，讨论研究了其基于循环谱的参数估计方法。关键词：调制识别；谱分析；载频估计；码元速率估计西南交通大学硕士研

5、究生学位论文第1 I 页。=：m m=m mn：=：=mm=：=：m=II m-!曼A b s t r a c tM o d u l a t i o nr e c o g n i t i o na n de s t i m a t i o no fc o m m u n i c a t i o ns i g n a li si m p o r t a n tf o re l e c t r o n i cw a r f a r ea n ds p e c t r t m ap o l i c i n g T h e r ei sn om a t u r ep r o j e c tt os o

6、 l v et h ep r o b l e mo fm o d u l a t i o nr e c o g n i t i o n,b e c a u s eo f t h ee x i s to f c o n t r a d i c t i o nb e t w e e na n t i-n o i s ep e r f o r m a n c ea n dc o m p l e x i t y A na l g o r i t h mw h i c hi ss i m p l ea n do fg o o dr e c o g n i t i o np e r f o r m a n

7、 c ei st h em a i n s t r e a mo ft h er e s e a r c h T b i sp a p e rf o c u so ns p e c t r a la n a l y s i sO ns i g n a lu s e df o rt h em o d u l a t i o nr e c o g n i t i o na n de s t i m a t i o no fc o m m u n i c a t i o ns i g n a l，b e c a u s es p e c t r a la n a l y s i sh a v es

8、o m ea d v a n t a g e sa so p p o s e dt oa l g o r i t h mb a s e do nt r a n s i e n tc h a r a c t e r i s t i c sa n dh i g h e ro r d e rt h e o r y T h ea i mi st or e a l i z em o d u l a t i o nr e c o g n i t i o na n de s t i m a t i o no fc o m m u n i c a t i o ns i g n a l、历廿las i m p

9、l e s tm e t h o d T h es i g n a lr e f e r e dt oi nt h ep a p e ri s：2 A S K,4 A S K,2 F S K,4 F S K,B P S K,Q P S K,O Q P S Ka n dP I 4 Q P S K。1 1 1 ep a p e ra n a l y s ea l lk i n d so fm o d u l a t i o ns i g n a l s，i n c l u d i n gs q u a r es p e c t r u m，t h ef o u r t hp o w e rs p

10、e c t r u ma n dc y c l i cs p e c t r a ld e n s i t y,a n ds u n lu pas e to fc h a r a c t e r i s t i cp a r a m e t e rb a s e do ns p e c m t m，a n da c c o m p l i s ham e t h o do fm o d u l a t i o nr e c o g n i t i o nw h i c hi sv a l i d a t e da c c o r d i n gt om a t h e m a t i c a

11、lr e a s o n i n ga n dp r o b l e ms o l v i n ga n ds i m u l a t i o n T h ep e r f o r m a n c eo fc h a r a c t e r i s t i cp a r a m e t e ru n d e rv a r i a b l es n ri ss i m u l a t e da n di sv a l i d a t e df o rm o d u l a t i o nr e c o g n i t i o n C o n s i d e r i n gr e a l-t i

12、m i n go fa l g o r i t h m，F F Ti su s e df o re s t i m a t i o no fs i g n a ls p e c t r u m，a n dt h es p e c i f i cs t e p sa r ee x p r e s s e d T h e nt h ep a p e rm a k e sac o m p a r a t i o nw i t hD M R A si nt h ec o n t e x to fa n t i-n o i s ep e r f o r m a n c e，a r e ao fr e c

13、 o g n i t i o na n da l g o r i t h mc o m p l e x i t yt oa p p r o v et h es u p e r i o r i t yo f s p e c t r a la n a l y s i s I na d d i t i o n,t h i sp a p e ra c c o m p l i s h e st h ee s t i m a t i o no fc a r r i e rf r e q u e n c ya n dc h i pr a t ef o rs i xk i n d so fb a s i cm

14、 o d u l a t i o ns i g n a l s：2 A S K,4 A S K,2 F S K,4 F S K,B P S K,Q P S I CF o rt h eA S Ks i g n a l so fw h i c ht h ec a r r i e rf r e q u e n c yi sn o tr e s t r a i n e d,s e a r t h i n gt h ep e a kv a l u ei ni t ss p e c t r u mC a l le s t i m a t et h ec a T i e rf r e q u e n c y

15、,a n di t sa n t i-n o i s ep e r f o r m a n c ei sv e r yg o o d,t h e ns i m u l a t i o ni sd o n eu n d e rt h ev a r i a b l es n rt ov e n f yt h er e c o g n i t i o nr a t e f o rt h eB P S K Q P S Ks i g n a l s，c a r r i e rf r e q u e n c yi se s t i m a t e db a s eo nt h ef a c tt h a

16、ts q u a r es p e c t r u mo fB P S Ka n dT h ef o u r t hp o w e rs p e c t r u mo fQ P S Ke x i s t ss p e c t r a ll i n ew h i c hs i g n st h ec a r r i e rf r e q u e n c y A i ma tt h ep r o b l e mo fn o i s ep o w e ri n c r e a s i n gi np o w e rs p e c t r u m a l g o r i t h mi sm a d e

17、w o r kb e t t e r、析mt h em e t h o do fa c c u m u l a t i n g I tm a k e sc l e a rt h a tt h er e q u i r m e n to f s n rd e s c e n d 8d B f o re s t i m a t i o n，b a s e do nt h ef a c tt h a ti n s t a n t a n e o u sp a r a m e t e r so fA S K,F S Ki si na c c o r dw i t hi t sb a s es i g

18、n a l，a n du s i n gt h et e m p o r a ld i f f e r e n c ee x t r a c tt h ei n f o r m a t i o no fb a s es i g n a lj u m pi n s t e a do fh a a rw a v e l e tt r a n s f o r m T h e nt h es i m u l a t i o ni sd o n eu n d e rt h ev a r i a b l es i l tt ov m r yt h er e c o g n i t i o nr a t e

19、 F o rB P S K Q P S K,t h es p e c t r a ll i n ei ns p e c t u mo f j u m pd a t as i g n st h ec h i pr a t e A l g o r i t h mi sm a d ew o r kb e t t e r I tm a k e sc l e a rt h a tt h er e q u i r e m e n to fS N Rd e s c e n d s5d Ba n dr e q u i r e sl e s so p e r a n d F i n a l l y,e s t

20、i m a t i o nb a s e do nc y c l i cs p e c t r a li sd i s c u s s e da n dr e s e a r t h e d K e y w o r d s：M o d u l a t i o nR e c o g n i t i o n；S p e c t r a lA n a l y s i s；E s t i m a t i o no fC a r r i e rF r e q u e n c y,E s t i m a t i o no fS y m b o lR a t e西南交通大学学位论文版权使用授权书本学位论文作

21、者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1 保密口，在年解密后适用本授权书；2 不保密口，使用本授权书。(请在以上方框内打“”)学位论文作者签名：篓烈指导老师签名：日期：为加、幺，夕日期：彤形a协f 岬l 西南交通大学学位论文创新性声明本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已

22、经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下：本文运用传统的信号分析和现代信号分析理论相结合的方式，对各种调制方式的通信信号在信号的频谱变换域进行了相关的研究，通过理论推导和实际仿真找出了区别各种调制类型的信号谱域上的特征，并且对于在较低信噪比下，对于调制信号的载频和码元速率估计问题都提出了切实可行的方案，并且进行了仿真验证。噍过坦f、I；西南交通大学硕士研究生学位论文第1 页1 1 课题背景第1 章绪论随着通信技术的进步和各种调制方式的发展，无线通信环境日益复杂。现在的通信信号在很宽

23、的频带内采用不同的调制方式和调制参数进行调制和通信。如何识别这些信号，判别其调制方式并提取其调制参数，在军事和民用领域都是重要的研究课题。通信信号识别就是在八十年代兴起的一门技术，目的就在于识别信号的调制类型并提取调制参数。目前，这门技术在军用和民用中都得到重视。在军事领域内，电子战是现代战争的第四个战场。通信对抗是电子战的重要组成部分，包括截获、检测、识别和定向测位对方的信号，进而破译对方的通信信息或进行通信干扰。而通信信号调制方式识别是实现干扰和侦听的前提。只有正确识别对方信号的调制方式才有可能进一步估计相关调制参数，建立无线电接收机和干扰机。同时，采用调制识别技术可以提高接收机的自动化程

24、度，增强实时侦听能力。在民用领域内，随着无线电通信技术的发展，出现了多种通信体系共存，各种标准竞争激烈的现象，频带资源紧张的问题越来越严重。软件无线电以其很强的灵活性和开放性，在很大程度上缓解了这个问题。而软件无线电接收机要实现多频带、多调制信号的自动接收，也需要先进行信号的调制模式识别和信号带宽、传输速率等参数估计才能正确接收。综上所述，信号调制识别技术是一种随着现代信息技术发展而形成的一种关键技术，而信号的自动识别又随着现代信号智能处理技术和D S P 技术的发展已开始逐渐成为现实。本章研习了国内外该领域的研究现状，分析了不同发展阶段，识别技术的逐渐发展情况，详细研讨不同信号调制识别技术的

25、优缺点，并提出了自己的研究内容和意义。1 2 国内外研究现状与成果通信信号调制识别最早是利用人工进行识别的。该方法采用一系列不同调制方式的解调器，接收的高频信号经变频为中频后，输入各解调器，获得可观察或可听的信号。操作人员利用耳机、示波器或频谱仪观察信号的中频时域波形、信号频谱、瞬时幅度、瞬时频率和信号的声音，人为地判定调制方式。人工参与的识别需要有经验的操作人员，一般可以成功识别持续较长时间、码元速率较低的幅度键控(A S K)信号和调制指数较大的频移键控(F S K)信号，但不能识别需要相干处理的相移键控(P K S)信号。这种人工参与的识别方法，判决结果包含人的主观因素在内，会因人而异，

26、所能识别的调制类型也很有限，只有码元速率较低的幅度键控(A S K)信号和频移键控(F S K)信号。随着微电子技术和信息处理技术的发展，利用计算机代理人工识别信号的调制类型成为可能。调制方式的自动识别最早出现于1 9 6 9 年4 月，C S W a v e r 等四名作者在斯坦福大学技术报告上发表了一篇名为采用模式识别技术实现调制类型的自动分类的文章，从此信号调制方式识别技术开始发展起来。国内对于调制信号识别的研究起步相对较晚，大多数文献理论都是基于国外文献，识西南交通大学硕士研究生学位论文第2 页曼n；Ji liii|jiiii l 曼曼曼曼曼曼曼曼别算法也多是几种算法的综合运用。另外，

27、识别算法的验证都是都过计算机仿真实现，信道为A W G N 信道。对于算法的硬件实现来说，随着微电子技术发展，芯片集成度的提高使算法实现成为可能，国外率先进行了实践，而国内只是停留在计算机在线分析阶段，并没有硬件实现实时分析。近2 0 多年来，在通信信号调制识别领域，相继发展出各种各样的信号调制识别算法，不同算法之间从算法复杂度，识别性能，实现难度等不同方面都有不同的差异，下面将简要阐述一下在该领域国内外的发展现状。纵观近些年相关文献，信号调制自动识别的文章可以按识别特征量分类，大体说来包括：基于信号瞬时特征量的信号识别；谱相关相关理论识别；小波变换识别；基于高阶累积量识别；基于时频分布识别；

28、模糊识别；以及这些识别技术综合运用的识别。1 基于信号瞬时特征量的信号识别基于信号瞬时特征的信号识别是在信号预处理中，进行I Q 分解后，得到信号的瞬时幅值，瞬时频率，瞬时相位，然后得到信号的五个特征参数【l】，这五个参数最早由A k N a n d i和E E h z z o u z 提出。最早被用于模拟信号调制识别，分类器采用比较简单的阈值判决理论的方式区分调制信号类型，之后两人扩充识别范围，在五个特征参数基础上增加四个特征参数，利用其九个特征参数能识别模拟调制信号和一些基本的数字调制信号【2 J，例如A S K 2,A S K 4，F S K 2，F S K 4，P S K 2，Q P

29、S K 之后在文献【3 J 中，再次将识别算法改进，利用人工神经网络分类器替代决策树的方式，增强了算法识别率。关注模拟数字信号调制识别，发现利用基于瞬时特征量和神经网络分类器结构的识别算法，在信噪比不低于l O d B 情况下，识别性能良好。基于瞬时信号的信号调制识别算法特征提取简单，特征参数的描述基本上是时域及其功率谱形式的二阶描述，易于硬件实现特征参数采集，但是由于瞬时特征受信道噪声影响比较严重，在识别中对信噪比要求较严格，一般要求信道信噪比在1 0 d B 上识别效果比较好，识别调制方式种类多，基本的模拟调制信号和常用的数字调制信号都能识别，但是Q h M，M S K 等信号不能识别，需

30、要另作考虑。分类器用神经网络实现时，利用大样本对网络进行训练确定权值后，和基于阈值的判决分类器相比，识别率有很大提升。国内文献有一部分是基于瞬时特征五个特征参数的识别算法，在特征选取上，没有太大的变化，都利用经典的五个参数(r m a，嚷口，吒厂，a，厂)，在此基础上，利用先进的支持向量机分类器【4】，可以更好的优化识别率，但是基于时域特征向量的识别方法对信道噪声要求严格，一般要求信噪比在10 d B 上才能正确识别，这是此类算法比较致命的缺点。文献【5 j 将信号的高阶累积量作为支持向量机的识别输入，由于高斯白噪声的三阶以上高阶累积量为零，所以将信道建模为高斯白噪声信道，此识别算法能很好的抑

31、制噪声的影响，有效地消除载波频率偏移、相位抖动。并且分级式的识别方案能有效减少计算量，在工程上有很高的使用价值。在高斯白噪声信道，信噪比7 d B 条件下，有效识别率达到9 7 3。2 基于谱相关理论的识别方法基于瞬时特征的识别方法，虽然算法简单，特征提取容易，能识别调制信号种类较多，但是由于特征参数由时域的瞬时提取得到，所以在收到噪声干扰情况下，识别效果不佳，一些变换域的特征提取方法能有效的抑制噪声在特征参数提取时的误差，因为其变换域特西南交通大学硕士研究生学位论文第3 页曼曼曼鼍曼曼I I I 一一一；一I I I 一。一I I I 鼍毫曼曼鼍曼皇征往往和时域的噪声信号不相关。通信基带信号

32、，可以看成随机信号，被载波调制后，大多数文献把其作为平稳随机信号进行分析，实际上将调制信号作为非平稳随机信号更加准确，G a r d n e rW A 最先将非平稳随机信号的分析方法循环平稳分析方法【6】用于对模拟调制信号和数字调制信号的识别中【7】【别。循环平稳信号是一种统计参数随时间呈周期性变化的信号。根据特征参数的不同，可进一步分为一阶(均值)、二阶(相关函数)、高阶(高阶累积量)循环平稳。由基带信号调制的通信调制信号，利用其高阶的统计特征，其循环平稳特征能反应出不同的调制类型。文献【9】【1o】1 l】中，G a r d n e r W A 推导出模拟调制信号和数字调制信号的谱相关函数

33、，并且在三维坐标上绘制出信号的谱相关函数图形，通过分析不同调制信号的谱相关函数图形上谱峰个数，以及排列方式，可以区分不同的调制方式。谱相关图形由信号频率和循环频率组成二维平面，其谱峰标识的频率点是调制载频和码速率的函数表达式，所以通过谱分析可以进行调制信号参数估计。由于谱相关函数能将被噪声淹没的信号检测出来，所以若将调制信号的谱相关特性作为识别特征向量，将有很好的噪声抑制效果，由于当时微电子技术的约束，G a r d n e r W A 的谱分析理论由于运算量比较大，只是停留在理论阶段。基于谱相关理论的信号识别文献了层出不穷，文献【1 2】采用了频域平滑周期图法估计循环谱，选取信号的S+X(0

34、)截面谱中谱峰个数为特征，提出了一种调制信号识别算法，在信噪比0 d B D E 条件下能很好的分辨B P S K,Q P S K,L F M。F S K 2 信号，平均识别率达到9 7。文献 13】利用谱相关函数的4 个特征参数结合判决理论，对A S K 2,A S K 4 P S K 2 P S K 4，F S K 2，F S K 4，六种调制信号进行识别，识别结果在信噪比5 d B 条件下，平均识别率不低于9 0。3 基于小波变换的信号识别K C H o W P r o k o p i w 和YT C h a l l【1 4 J 采用小波变换方法，计算某一固定尺度下小波变换的绝对值，根据

35、峰值电平数和直流电平数来分类M P S K 信号和M F S K 信号，在S N R=6 d B 时，M P S K 信号的识别正确率 1 9 0 2；在S N R=1 0 d B 时，M F S K 信号的识别正确率 9 1 9。文献【l 副采用小波变换对M P S K 和M F S K 信号进行了分类，在S N R=1 5 d B 时，M P S K 信号的识别正确率8 3；在S N R=1 0 d B 时，M F S K 信号的识别正确率9 3。文献t】采用多分辨分析的M a l l a t 算法，计算不同分解水平下的能量作为特征，送入基于信任函数的分类器进行识别，并对C W,2 A S

36、 K,4 A S K,2 P S K,4 P S K,2 F S K,4 F S K 共7 种方式进行了仿真，在5 d B时，识别正确率9 1 7 5；在1 0 d B 时，识别正确率9 5 1。并提出了采用二阶和四阶累积量，基于判决树方法的分层结构分类器。4 基于高阶累积量的信号识别信号的高阶累积量分析和小波变换一样也是一种现代谱分析技术，但是一般情况下我们将信道建模为高斯白噪声信道，但当我们需要对非高斯类信号处理时，我们需要用到高阶累积量来描述这类信号。所以，调制信号的高阶累积量十分明显的区别于信道噪声的累积量。文献【l7 J 对调制信号进行二阶，四阶，以及四阶上累积量提取，并且用判决树进

37、行调制类型识别。文献【l8】在低信噪比条件下，对6 中基本的数字调制信号进行高阶矩和高阶累积量特征参数抽取，并且利用B P 神经网络分类进行识别，在信噪比4 d B 下，识别率达到9 8。5 基于时频分布的信号识别短时傅立叶分析能有效的提取瞬时信号的频率成分，对于调制信号来说，整个信号段西南交通大学硕士研究生学位论文第4 页|l ii aiI 皇的傅立叶分析不能很好的体现信号跳变类型，而短时傅立叶变换则能克服经典傅立叶变换的缺点，通过短时傅立叶变换，提取调制信号在幅度，频率，和相位上的瞬时变化特征，并利用这些特征对数字调制喜好进行识别。文献【1 9 2 0 2，对信号经过短时傅立叶变换后，提取

38、出信号的5 个特征量：谱宽因子，短时频谱峰数，短时相位峰数，零中心归一化非弱信号的标准偏差，零中心归化瞬时幅度绝对值的标准偏差，利用判决树的方式对基本数字调制信号进行识别，在O d B 信噪比下平均识别率达到9 0。6 综合识别针对特征参数的选取，利用时域特征和变换域特征对不同调制信号的表征能力不同，选取一组综合的特征参数，达到对在更低信噪比情况下，识别出更多的信号调制信号的目的。现在文献大多在借鉴前人的基础上瞄J，提出自己的一套特征参数组以及判觉树顺序或分类器。对于分类器，现在趋势是利用智能网络分类，支持向量机是最佳选择，因为支持向量机和神经网络相比，只需要少量样本。1 3 本文的主要工作本

39、文针对目前通信信号常用的8 种数字调制方式，将信号谱分析运用在信号的调制识别和参数估计中。通过对信号谱域特征分析研究，归纳出一套基于谱分析的分类识别参数，通过比较证实参数的优越性。调制信号码元速率估计从瞬时参数携带码元信息着手，理论推导并且仿真验证了一套基于谱分析的码元速率估计算法，然后改进该算法使得算法能在更低信噪比下估计码元速率。对于信号的载频估计，运用相关累积的方法改进算法后，也扩大了算法的信噪比适用范围。所有算法从理论推导到仿真验证证实其实用性。全文分为四章，各章主要内容概述如下。第1 章交待了本文的选题背景，介绍了国内外的研究现状和成果，明确文章的主要研究目标。第2 章对全文的理论背

40、景做个简单阐述，包括信号采样模型，谱估计的方法以及信号瞬时参数提取的方法。然后在此基础上，分别对各种数字调制信号进行谱分析，分析内容包括信号功率谱，乘方谱，包络谱，循环谱。通过对信号的谱分析，找到能够用于调制类型分类的特征，例如谱线，谱形状等。为本文后续的信号识别和参数估计章节做好理论铺垫。第3 章主要基于信号谱分析理论，提出一组用于调制信号识别的谱域的参数，在变信噪比环境下对特征参数进行仿真，得到基于决策树的调制信号识别流程框架。首先以先类间后类内的思想，结合调制信号谱特征分析，提出调制识别的特征参数以及具体算法，然后在变信噪比环境下，对参数的识别效果进行仿真，最后给出整体识别流程的框架图。

41、最后，将谱分析的识别方法和D M R A s 算法进行比较，得出基于谱分析调制识别算法在识别信号种类，低信噪比环境下，和算法复杂度方面都具有其优越陛。第4 章对常用的数字调制信号A S K,F S K,B P S K Q P S K 信号的载频和码元速率估计算法做了研究分析和仿真验证。对于载频估计，将没有载频抑制的信号，如A S K 直接采用功率谱提取谱峰的方法估计载频，这样算法简单快速。对于F S K 存在多根谱线的信号，采用先进行信号互相关，然后谱分析的方式将谱线凸显出来，利于载频和频偏的估计。对于载频抑制的信号，例如B P S K Q P S K，采用信号乘方后提取离散谱线的方法估计载频

42、。由于西南交通大学硕士研究生学位论文第5 页乘方加大了噪声对估计效果的影响，所以本文利用相关运算的特性改进了载频估计的算法，使得能够在更低信噪比环境下估计载频。对于码元速率估计，利用提取信号瞬时参数跳变序列中携带的码元信息(A S K 为瞬时幅度，F S K，P S K 为瞬时频率)进行谱分析完成码元速率的估计。然后对于B P S K Q P S K 信号，采用了延迟相乘法改进了码元速率估计算法，仿真验证了其算法在改进后在信噪比要求减低5 d B，同时减少了运算量。最后，讨论了采用循环谱理论运用在信号参数估计中的应用。西南交通大学硕士研究生学位论文第6 页第2 章通信调制信号的谱分析本章节对本

43、文要研究的数字调制信号建立了基本的数学模型，讨论了其功率谱，二次方谱，四次方谱，并且运用循环平稳理论，将采样后的调制信号建模成循环平稳信号，分析调制信号在循环频率域下的调制特征。在实际电磁波环境中，信噪比往往很低，噪声直接以加和的方式叠加在信号上，信号的时域波形被噪声淹没，难以辨识。单一利用时域特征的方法难以在低信噪比下得到较好的识别效果。不同调制信号功率谱上的差异表现在谱峰个数，谱线平坦度，有无冲激分量，主瓣和旁瓣形状等，信号频谱中有更优于在时域上区别不同调制信号的谱特征。相比之下，在信号频域进行信号处理提取特征比在时域上提取更能减小信道噪声的影响，在较低的信噪比环境下，提取出来的特征仍然健

44、壮。2 1 调制信号谱分析的理论基础2 1 1 调制信号的采样模型对于采集到的调制信号，实现算法的一系列运算包括特征参数的计算，参数的估计等，必然是数字信号处理的范畴，将通信信号采样变成离散信号后，算法的实现完全由D S P 硬件实现。由于数字信号处理的灵活性，将A D 部分靠近射频端，用数字信号处理的方式替代一些灵活性差的模拟环节，将是软件无线电发展的趋势。对于本文所研究的内容，也属于软件无线电范畴。电子对抗类型的软件无线电结构如下：图2-1 软件无线电结构示意图【2 3 1由图2-1 示，软件无线电结构上分成五个部分：宽带多频段天线，R F 部分，宽带A D部分，D S P 软件算法处理部

45、分和信息输出部分。本文研究的数学对象是A D 采样后的调制信号离散序列。宽带天线对空间信息实时接收，然后进入R F 部分。由于射频信号的频带中心在G H z 数量级，直接采样不仅硬件上无法实现，而且也提高了实时处理的难度，这时可以利用R F 部分将射频信号下变频至A D 采样容许的频带之内。本文研究对象即是下变频后经过A D 采样后的数字信号序列。为了研究需要，如未特别说明，模型的参数统一为：采样频率：6 0 M H z；下变频后频带中心频率：6 M H z；基带信号的比特率：2 M H z；采样类型为基于N y q u i s t 的低通采样，数据点数2 0 4 8 点。采样模型的可行性分析

46、：将基带信号频率中心降频至6 M H z，考虑到基带信号带宽为两倍比特率即为4 M H z，下变频后信号的频谱图如下：西南交通大学硕士研究生学位论文第7 页曼量曼曼曼曼曼曼!Immmmmm 皇曼!曼曼曼笪!曼曼曼曼曼曼曼曼曼皇曼曼曼量曼曼曼量曼曼曼曼曼曼曼鼍J最小采样频率：狮。、I、八，-、。rOf6 M H z图2-2 周期采样引起的频谱搬移示意图周期性采样导致频谱以采样频率为周期的频谱延拓效应如图2-2，虚线频谱为经过采样后，负频谱周期性拓展后的频谱，由图看出，为保证频谱延拓不产生频谱的混叠而满足的最小采样频率为2 唯(f 抖f)。f 为基带信号的带宽，将基带信号调伟J U)U 载频后，带

47、宽变为原来的两倍。采用模型参数，采样频率达到1 6 M I-亿即可达到频谱不混叠的低通采样。所以选取的6 0 M I-亿采样满足要求，并且过采样了。对于6 0 M H Z 的采样频率，过采样会产生冗余信息。这些冗余信息对于信号调制方式识别是有用的，越多的采样点，越能精确的描述信号被调制后产生的包括幅度、相位和频率的改变。根据A Z Z O U K 的文献中的D M R A s 算法【l 郊】，在计算信号的瞬时参数时，应该采用过采样以提取信号瞬时参数信息。采样频率保证一个载波周期采样8 1 0 个点为佳，所以综合考虑，对于下变频值为6 M H Z 的信号，采样频率选定为6 0 M H Z 既满足

48、了低通采样的N y q u i s t 间距，又保证了在研究信号瞬时参数时最大化的提取出信号的调制信息。如无特殊说明，本文所有仿真曲线的信号模型参数均为：采样频率：6 0 M H z；载波频率：6 M H z；基带信号的比特率：2 M H z，对于F S K，频偏为2 M H Z。2 1 2 信号的谱估计算法对于采集的有限长度信号的样本点序Y Ux(n)，甩=1，2，3 M，其有限样本的功率谱密度估计式如下：S，(厂)=，f=1，2，3 M(2-1)式(2 1)按照序列的D F T 变换后，在对应的频率点上计算其幅值平方然后归一化。变换后f 变量为频率下标，其下标间隔代表的频率量(频率分辨率)

49、灯为e M。上述功率谱估计方法称为周期图法，数据序列的有限长度直接决定了谱估计的质量，进行估计的数据序列越长则估计效果越好，但是数据处理速度越慢。另一方面，由于是对一段数据进行估计，潜在的对原数据序列进行了矩形加窗，会引起功率谱泄漏，将原来集中在某一频率点的功率分散到很宽的频带上。将上述算法进行一些改进，针对长序列大计算量和估计性能的矛盾，可以采用B a r t l e t t西南交通大学硕士研究生学位论文第8 页方法 2 4】：首先将M 点序列平分成K 段序列，每段长度为M，则将原序列分成K 段：五c 咒，=砌+泌，其中：z：之二皇然后对于每一段数据，计算其周期图：s(i)x()=，f=1，

50、2，3 M(2 2)最后，将K 段数据的周期图做平均，得到B a r t l e t t 方法的功率谱估计：s 口，(厂)=吉D(厂)(2 3)对于相同长度N 点的序列，B a r t l e t t 方法的谱估计比直接N 点估计的效果要好，估计方差减小为直接估计的K 倍，但是由于分段后减小了D F T 处理的点数，故频率分辨率也减低了K 倍。由于矩形窗旁瓣分量较大，衰减缓慢，所以对直接截断的序列进行谱估计泄漏比较严重，这样不利于提取频谱峰值。改进的方法是采用首先对数据进行加窗的方式，然后对加窗序列进行谱估计。以下是几种常用的时间窗函数【拥。1)矩形窗：叫豁)叫，矽(厂)：s i n(z _