技术领域
[0001] 本
发明涉及通信技术,具体涉及一种基于包络平方谱分析的调制识别方法及装置。
背景技术
[0002] 作为
信号检测和信号解调的中间步骤,调制识别在军用和民用通信中均承担着重要的
角色。目前,调制识别方法主要分为基于似然函数的识别方法和基于特征提取的识别方法两类。基于似然函数的识别方法将调制识别看作复合假设检验问题,通过对信号的似然函数进行处理得到用于分类的特征量,然后输入分类器进行比较完成调制识别功能,这类方法从贝叶斯估计的意义上能够得到最优的分类效果,但是需要较多的先验信息,且对模式失配和参数偏差问题比较敏感。而基于特征提取的
模式识别方法则是将调制识别视为模式识别问题,对于确定的调制样式集合,首先选择用于分类的特征参数及分类规则,对已知调制类型的通信信号样本集进行训练,从而得到最优的分类器。由于基于特征提取的模式识别方法易于实现,不需要很多先验信息,因此在很难得到信号先验信息的非协作通信中应用更为广泛。
[0003] 1992年,Reichert.J最早提出了基于高阶累计量的调制识别方法,这种方法利用高斯白噪声的高阶累积量为零的特点提高了对高斯白噪声的鲁棒性。2000年,Mobasseri提出利用信号
星座图的形状作为识别特征,不同调制信号的星座图的唯一性使得该类方法易于扩展到更多调制类型的信号识别应用中。
[0004] 但是,在非协作通信中,接收者无法得知关于发送信号的任何先验信息,接收信号不是理想的基带信号。在信号中常见的一些非理想干扰因素包括多径及非同步过
采样引起的码间干扰、参数估计载波频 率偏差、载波
相位偏差及信道时延等。这些非理想接收可能会影响用于识别的似然函数或判别特征。比如,码间干扰会引起星座点的交叉
混叠,而载波
频率和相位偏差会导致信号星座图的连续和定向旋转,从而导致很多基于星座图的识别
算法不能再直接应用。同样,信号的一些高阶累积量也会受到影响从而导致识别性能有所下降。目前有许多关于
载波频率和相位估计以及码间干扰消除方法的研究,但是目前很多识别方法的性能很大程度上依赖于载波频率和相位估计效果及码间干扰消除程度,使得识别
稳定性有所下降。而在实际非协作通信中,非同步的
过采样引起的码间干扰很难被完全地消除,这会严重影响识别性能。
发明内容
[0005] 针对
现有技术中的
缺陷,本发明提供一种基于包络平方谱分析的调制识别方法及装置,用于克服在非协作通信中存在码间干扰、载波频率和相位偏差等干扰时稳定性降低、识别率下降的问题,以提高识别方法的抗干扰能
力。
[0006] 第一方面,本发明提供了一种基于包络平方谱分析的调制识别方法,包括:
[0007] 将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号;
[0008] 获取所述预处理信号的包络平方谱以及识别特征;
[0009] 比较所述识别特征与判决
门限,以识别出所述待识别信号的调制方式。
[0010] 可选地,所述待识别信号为复基带PSK和QAM信号,采用以下公式表示:
[0011] y(t)=ej(2πΔft+θ)s(t)+w(t);
[0012] 式中,Δf和θ分别表示载波
频率偏差和载波相位偏差;s(t)表示发送信号;w(t)表示均值为零序、方差为 的加性基带复高斯白噪声,且 s(t)与w(t)相互独立。
[0013] 可选地,所述待识别信号过采样后得到接收采样信号序列,采用以下公式表示:
[0014] y(n)=ej(2πΔft+θ)s(n)+w(n);
[0015] 式中,y(n)表示接收采样信号序列;s(n)表示发送信号的采样序列;w(n)表示w(t)的采样序列。
[0016] 可选地,所述预处理信号采用以下公式表示:
[0017]
[0018] 式中,|y(n)|表示计算复数y(n)的幅度, Re和Im分别为复数y(n)的实况和
虚部;max{|y(n)|}表示计算序列y(n)中的最大值; 表示y(n)的均值。
[0019] 可选地,所述获取所述预处理信号的包络平方谱以及识别特征的步骤包括:
[0020] 计算所述预处理信号的包络的平方函数,然后对该所述包络的平方函数进行零均值化与离散傅立叶变化得到包络平方谱幅度;
[0021] 所述包络平方谱幅度采用以下公式表示:
[0022]
[0023] 式中,F{·}表示对·进行离散
傅立叶变换。
[0024] 可选地,所述获取所述预处理信号的包络平方谱以及识别特征的步骤中,所述识别特征为峰谱比,通过以下步骤获取:
[0025] 对所述包络平方谱进行零均值化处理;
[0026] 对零均值化处理的包络平方谱进行离散傅立叶变化得到包络平方谱幅度;
[0027] 获取所述包络平方谱幅度的最大值及其对应频率ωm;
[0028] 计算[0,ωm)频段范围内的谱质心Psc,并计算所述最大值与谱质心 之比即峰谱比[0029] 可选地,所述判决门限通过以下步骤获取:
[0030] 根据所述待处理信号过采样后的采样信号序列分别分析PSK和QAM信号的包络平方谱的峰谱比的理论值;
[0031] 根据两个理论值获取差别门限Rthr。
[0032] 第二方面,本发明
实施例还提供了一种基于包络平方谱分析的调制识别装置,所述装置包括:
[0033] 预处理信号获取模
块,用于将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号;
[0034] 识别特征获取模块,用于获取所述预处理信号的包络平方谱以及识别特征;
[0035] 调制方式获取模块,用于比较所述识别特征与判决门限,以识别出所述待识别信号的调制方式。
[0036] 可选地,所述预处理信号获取模块中待处理信号为复基带PSK和QAM信号,采用以下公式表示:
[0037] y(t)=ej(2πΔft+θ)s(t)+w(t);
[0038] 式中,Δf和θ分别表示载波频率偏差和载波相位偏差;s(t)表示发送信号;w(t)表示均值为零序、方差为 的加性基带复高斯白噪声,且s(t)与w(t)相互独立;
[0039] 所述预处理信息获取模块还用于过采样所述待处理信号以得到接收采样信号序列,采用以下公式表示:
[0040] y(n)=ej(2πΔft+θ)s(n)+w(n);
[0041] 式中,y(n)表示接收采样信号序列;s(n)表示发送信号的采样序列;w(n)表示w(t)的采样序列;
[0042] 所述预处理信息获取模块采用以下公式表示所述预处理信号:
[0043]
[0044] 式中,|y(n)|表示计算复数y(n)的幅度, Re和Im分别为复数y(n)的实况和虚部;max{|y(n)|}表示计算序列y(n)中的最大值; 表示y(n)的均值。
[0045] 可选地,所述识别特征获取模块用于通过以下步骤获取峰谱比:
[0046] 计算所述预处理信号的包络的平方函数,然后对该所述包络的平方函数进行零均值化与离散傅立叶变化得到包络平方谱幅度;
[0047] 所述包络平方谱幅度采用以下公式表示:
[0048]
[0049] 式中,F{·}表示对·进行
离散傅立叶变换;
[0050] 获取所述包络平方谱幅度的最大值及其对应频率ωm;
[0051] 计算[0,ωm)频段范围内的谱质心Psc,并计算所述最大值与谱质心之比即峰谱比[0052] 由上述技术方案可知,本发明通过将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号;获取所述预处理信号的包络平方谱以及识别特征;比较所述识别特征与判决门限,以识别出所述待识别信号的调制方式。本发明通过利用待识别信号的包络平方谱,将载波频率和相信偏差及时延的影响完全消除,从而无需估计这些未知参数,提高了识别时的稳定性;通过获取包络平方谱的最大值及其相应的频率,从而可以得到谱质心得到识别特征峰谱比,使用谱质心可以增强对噪声的鲁棒性。另外,包络平方谱中包含了码间干扰的稳态特征信息,通过结合码单干扰信息构建识别特征,具有较好的抗干扰能力且无需额外设计以消除码间干扰。
附图说明
[0053] 通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
[0054] 图1是本发明实施例提供的一种基于包络平方谱分析的调制识别方法流程示意图;
[0055] 图2是PSK信号的包络平方谱示意图;
[0056] 图3是QAM信号的包络平方谱示意图;图4是本发明实施例提供的一种基于包络平方谱分析的调制识别装置框。
具体实施方式
[0057] 为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0058] 第一方面,本发明实施例提供了一种基于包络平方谱分析的调制识别方法,如图1所示,包括:
[0059] S1、将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号;
[0060] S2、获取所述预处理信号的包络平方谱以及识别特征;
[0061] S3、比较所述识别特征与判决门限,以识别出所述待识别信号的调制方式。
[0062] 为体现本发明实施例提供的一种基于包括平方谱分析的调制识别方法的优越性,下面结合实施例对本发明提供的调制识别方法作详细说明。
[0063] 首先,介绍S1、将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号的步骤。
[0064] 本发明实施例中,假设非协作通信的待识别信号采用复基带PSK(Phase-shift keying,
相移键控调制)和QAM(Quadrature Amplitude Modulation,
正交振幅调制)信号,采用以下公式表示:
[0065] y(t)=ej(2πΔft+θ)s(t)+w(t); (1)
[0066] 式(1)中,Δf和θ分别表示载波频率偏差和载波相位偏差;s(t)表示发送信号;w(t)表示均值为零序、方差为 的加性基带复高斯白噪声,且s(t)与w(t)相互独立。
[0067] 上文中,s(t)采用以下公式表示:
[0068]
[0069] 式(2)中,ε表示符号时延偏差;T表示符号周期;Ak与φk分别表示第k个符号的幅度和相位;g(t-kTs-εT)表示成形脉冲信号g(t)经过(k+ε)T延时后的信号。
[0070] 本发明实施例中以升余弦成形脉冲信号为例,滚降因子α。
[0071] 对复基带PSK和QAM信号进行过采样(过采样是指,使用远大于奈奎斯特
采样频率的频率对
输入信号进行采样,通常为44.1或者48kHz),得到接收采样信号序列,采用以下公式表示:
[0072] y(n)=ej(2πΔft+θ)s(n)+w(n); (3)
[0073] 将式(2)代入式(3)可得:
[0074]
[0075] 式(4)中,g(n)和w(n)分别表示g(t)和w(t)的采样序列;Ts表示采样周期;P为过采样率,
[0076] 对接收采样信号序列进行预处理,包括归一化与零均值化。其中零均值化是指将接收采样信号序列y(n)中的每一项都减去它们的平均值 从而得到预处理信号如下式所示:
[0077]
[0078] 式中,|y(n)|表示计算复数y(n)的幅度, Re和Im分别为复数y(n)的实况和虚部;max{|y(n)|}表示计算序列y(n)中的最大值; 表示y(n)的均值。
[0079] 其次,介绍S2、获取所述预处理信号的包络平方谱以及识别特征 的步骤。
[0080] 计算预处理信号yp(n)的包络的平方函数,进行零均值化得到:
[0081]
[0082] 式(6)中,Ay2(n)表示yp(n)的包络的平方函数;Ay(n)为零均值化后的预处理信号。
[0083] 然后对零均值化后的包络平方进行离散傅立叶变化得到包络平方谱幅度如下式所示:
[0084]
[0085] 式(7)中,F{·}表示对·进行离散傅立叶变换。
[0086] 本发明实施例中包络平方谱包含以下特点:包络平方谱包含两部分。各个符号的包络信息以及码间干扰部分产生的
频谱;成型脉冲信号g(n)使得Ay(w)中含有一根对应符号率的峰值谱线;在Ay(w)中码间干扰部分很难通过闭式表达式(闭式表达式是由初等函数经过有限次的初等运算复合而成)表示。本发明实施例中通过二次多项式拟合可得到该部分频谱中心的近似表示。若g(n)为滚降因子α的升余弦函数,码间干扰部分对应的频谱中心为 其中f(α)=1.068+0.1278α+0.6971α2。实际应用中,如图2所示,PSK信号为恒包络,各个符号对应的包络谱为零。如图3所示,QAM各个符号对应的包络焦距在低频。结合码间干扰部分频谱,PSK信号与QAM信号的包络平方谱的频谱
重心是不一样的。
[0087] 最后,介绍S3、比较所述识别特征与判决门限,以识别出所述待识别信号的调制方式。
[0088] 获取包络平方谱Ay(w)的最大值即包络平方谱的谱峰,找出对应的频率
位置ωm:
[0089] Ay(wm)=max{Ay(w)}。 (8)
[0090] 计算在[0,ωm)频段范围内的谱质心Psc:
[0091]
[0092] 然后计算所述最大值与谱质心之比即峰谱比
[0093] 本发明实施例中还需要设置判决门限Rthr。该判决门限Rthr根据PSK信号与QAM信号的特征理论值Rsc,psk和Rsc,qam设定。
[0094] 理论情况下, 可以得出Rsc,qam>2。本发明实施例中可以设定判决门限Rthr=2。
[0095] 最后接收采样序列的特征Rsc和判决门限Rthr进行比较判决:当Rsc>Rthr时,发送信号的调制方式为QAM,否则,发送信号的调制方式为PSK。
[0096] 第二方面,本发明实施例还提供了一种基于包络平方谱分析的调制识别装置,如图4所示,所述装置包括:
[0097] 预处理信号获取模块M1,用于将接收到的待识别信号进行过采样、归一化和零均值化,以获得预处理信号;
[0098] 识别特征获取模块M2,用于获取所述预处理信号的包络平方谱以及识别特征;
[0099] 调制方式获取模块M3,用于比较所述识别特征与判决门限,以识别出所述待识别信号的调制方式。
[0100] 可选地,所述预处理信号获取模块M1中待处理信号为复基带PSK 和QAM信号,采用以下公式表示:
[0101] y(t)=ej(2πΔft+θ)s(t)+w(t);
[0102] 式中,Δf和θ分别表示载波频率偏差和载波相位偏差;s(t)表示发送信号;w(t)表示均值为零序、方差为 的加性基带复高斯白噪声,且s(t)与w(t)相互独立;
[0103] 所述预处理信息获取模块还用于过采样所述待处理信号以得到接收采样信号序列,采用以下公式表示:
[0104] y(n)=ej(2πΔft+θ)s(n)+w(n);
[0105] 式中,y(n)表示接收采样信号序列;s(n)表示发送信号的采样序列;w(n)表示w(t)的采样序列;
[0106] 所述预处理信息获取模块采用以下公式表示所述预处理信号:
[0107]
[0108] 式中,|y(n)|表示计算复数y(n)的幅度, Re和Im分别为复数y(n)的实况和虚部;max{|y(n)|}表示计算序列y(n)中的最大值; 表示y(n)的均值。
[0109] 可选地,所述识别特征获取模块用于通过以下步骤获取峰谱比:
[0110] 计算所述预处理信号的包络的平方函数,然后对该所述包络的平方函数进行零均值化与离散傅立叶变化得到包络平方谱幅度;
[0111] 所述包络平方谱幅度采用以下公式表示:
[0112]
[0113] 式中,F{·}表示对·进行离散傅立叶变换;
[0114] 获取所述包络平方谱幅度的最大值及其对应频率ωm;
[0115] 计算[0,ωm)频段范围内的谱质心Psc,并计算所述最大值与谱质心之比即峰谱比[0116] 由上可以看出,本发明实施例提供的调制识别装置基于上文所述的调制识别方法实现,因而可以解决同样的技术问题,并取得相同的技术效果,在此不再一一赘述。
[0117] 应当注意的是,在本实施例公开的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合,例如,可以将一些部件组合为单个部件,或者可以将一些部件进一步分解为更多的子部件。
[0118] 本发明的各个部件实施例可以以
硬件实现,或者以在一个或者多个处理器上运行的
软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用
微处理器或者
数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,
计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网
网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
[0119] 应该注意的是,上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附
权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0120] 以上实施方式仅适于说明本发明,而并非对本发明的限制,有关 技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的
专利保护范围应由权利要求限定。