2023年基于决策理论的数字调制信号识别.doc

基于决策理论的数字调制信号识别 发布时间:2023年10月31日 点击次数:292 来源: 电子设计应用   作者:张　鸣，韦惠民，闫红梅，张　军          摘　要：由于多调制的存在,对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式,因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一。文中研究了6种常用数字调制信号识别的特征参数集,并采用决策树判别方法进行分类识别。仿真结果说明,在SNR≥5dB时,识别正确率在99%以上,且当SNR≥20dB时,识别正确率到达100%。其特点是,算法简单,识别正确率高,到达了自动分类识别的目的,并有利于实现识别的实时化。 关键词： 数字调制识别; 瞬时信息; 特征参数; 决策树 引　言 随着近代通信技术的进步和各种调制方式的变化开展,在如今多频段、多功能、多体制的通信条件下,对于一个通信信号进行接收解调的前提条件是识别该信号的调制样式及其参数。目前通信信号调制识别方法多种多样,但调制识别问题实际上是一种典型的模式识别问题,其一般过程如图1所示。 图1 一般调制识别过程的结构框图 调制识别过程包括3个局部：信号预处理局部,为后续处理提供适宜的数据;特征提取局部,从数据中提取信号的时域特征或变换域特征;分类识别局部,判断信号调制类型的附属关系,即选择和确定适宜的判决规那么和分类器。 文中在特征提取局部针对2ASK,2FSK,2PSK,4ASK,4FSK,4PSK 6种数字调制信号,提取了4个基于瞬时幅度、瞬时频率、瞬时相位统计特性的参数,即参数A、参数F、零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σap和瞬时频率平方的均值σf2。在分类识别局部采用算法简单、计算量小、易于编程、实时性好的决策树判断方法。 特征参数集 在4个特征参数中,零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σap主要用于区分二、四进制的PSK信号。其余3个特征参数分析如下。 参数A 参数A是基于信号瞬时幅度的统计参数,由(1)式定义 式中Ns为取样点数;a(i)为瞬时幅度。 参数A主要用来区分是MASK信号还是MFSK或MPSK信号。因为对于MASK信号,其包络是不恒定的,即瞬时幅度不为常数,参数A也就不为零;而对于MFSK信号,其包络恒定,瞬时幅度为常数,参数A为零;对于MPSK信号,虽然受信道带宽的限制,在相位变化时刻会产生幅度突变,但其参数A接近零。所以通过选择适宜的门限t1(A),就可以将MASK信号与MFSK或MPSK信号加以区分。 参数A还可以用来进一步区分是2ASK信号还是4ASK信号。通过设置适当的门限t2(A),就可以实对二、四进制的ASK信号的区分。 参数F 参数F是基于瞬时频率的统计参数,由(2)式定义 　　 式中f(i)是信号的瞬时频率。因为对FSK信号其瞬时频率只有2 个或4个值,其紧致性较差,即参数F 值较小;而对PSK信号其瞬时频率具有较高的紧致性,即参数F 值较大,所以可以通过设置适当的门限t(F)来判别是FSK信号还是PSK信号。 瞬时频率平方的均值σf2 瞬时频率平方的均值可以用来区分2FSK信号和4FSK信号。因为对2FSK信号,它的瞬时频率只有2 个值而对4FSK信号,其瞬时频率有4 个值,因此2FSK信号瞬时频率平方的均值小于4FSK信号瞬时频率平方的均值。通过设置适当的门限可判断是2FSK信号还是4FSK信号。 分类识别 决策树识别 根据上述4个特征参数,首先用参数A将6种调制信号分为(2ASK) (4ASK)和(2FSK,4FSK,2PSK,4PSK)3类;其次用参数F将2FSK,4FSK,2PSK,4PSK信号分为(2FSK,4FSK)和(2PSK,4PSK)两类;最后用σf2区分FSK信号和4FSK信号,用σap区分2PSK信号和4PSK信号。决策树识别分类如图2所示。 特征门限值确实定 对基于决策理论的调制识别算法,每个特征参数都是用来区分两个信号子集A,B的,且判决规那么为 A>t(x)<B 即当信号特征值x 大于门限值t(x) 时,判为A子集中的信号;当x 小于门限值t(x)时,那么判为B子集中的信号。选择t(x)的最正确门限值的准那么是使下面的平均概率最大(趋近于1) 图2 　数字调制信号的自动识别流程 式中P[A(topt(x))/ A]为在是A子集中的信号的条件下,用门限topt (x)判决是A子集的正确概率;P [B(topt(x))/ B]为在是B子集中的信号的条件下,用门限topt(x) 判决是B子集正确概率。 仿真结果 本系统仿真考虑2ASK,4ASK,2FSK,4FSK,2PSK,4PSK共6种调制类型,在Matlab6. 1仿真环境下完成。仿真过程包括：调用MatlaB工具箱中的调制解调专用函数产生所需要的调制信号,提取特征参数,测试决策树识别正确率。上述4 个特征参数随信噪比的变化如图3所示。 图3　特征参数随信噪比的变化 (a) 参数A　(b) 参数F 　(c) 参数σf2 　(d) 参数σap 仿真试验中假设载波同步,采用的调制信号的载波频率Fc为150kHz,采样频率Fs为1200kHz ,码元速率Fd 为12.5k字符/s,FSK信号的频偏与码速率相同,码元个数N 取为20,噪声采用高斯白噪声。这里载波频率较低是因为假设调制信号已经过中频的下变频处理,码元个数较少是为了方便识别正确率的统计。特征参数AF ,σap,σ2的门限t1(A),t2(A),t(F),t(σap),t(σf2)分别取0.35,0.65,10,0.2 ,0.015。仿真结果见表1。 表1　数字调制信号识别仿真结果 结　论 针对上述6种常见数字调制方式识别的问题,文中提取了3个新的特征参数。仿真结果说明：在SNR≥5dB时,识别正确率可到达99%以上,且当SNR≥20dB时,识别正确率到达100%。本算法不但在低信噪比条件下识别正确率高,而且在进行识别的过程中,用到的特征参数较少。但是,文中的算法只适用于在基带数字信号中。对于0,1或0,1,2 ,3出现概率相同且载频同步的情况,今后将在适用范围及载频估计上作进一步的研究