改进的通信调制信号谱相关识别方法

20

高　翔,李敬辉,黄高明

改进的通信调制信号谱相关识别方法

电子信息对抗技术 第24卷

2009年1月第1期

中图分类号:TN97111　　　　　　　文献标志码:A　　　　　　　文章编号:1674-2230(2009)01-0020-05　　

改进的通信调制信号谱相关识别方法

高　翔,李敬辉,黄高明

(海军工程大学电子工程学院,武汉430033)

摘要:传统谱相关分类法利用不同信号在α截面上所表现的不同谱相关特征可对通信信号进行分类,需要提取六种特征参数。文章结合小波分析法估计信号的码元宽度Ts,利用谱相关提取的三种特征参数,可对常见八类调制信号进识别。仿真表明,果。

关键词:谱相关;特征参数;调制方式;小波变换

SignalModulationMode

BasedonSpectralCorrelation

GAOXiang,LIJing2hui,HUANGGao2ming

(ElectronicEngineeringCollege,NavalUniversityofEngineering,Hubei430033,China)

Abstract:Thetraditionalmethodofspectralcorrelationshouldgetsixcharacteristicparameterstoclassifycommunicationsignal.Threecharacteristicparameterswithspectralcorrelationcouldusedtoidentifyeightkindsofcommoncommunicationsignalsinthispaperwhichiscombinedwithcodewidthgetfromwavelettransform.Andsimulationshowsthatthismethodisproper.

Keywords:spectralcorrelation;characteristicparameter;modulationmode;wavelettransform

1　引言

常规功率谱分析是二维分析,不同的通信调

制信号其功率谱可能相同(如BPSK与QPSK信号)。而加入谱相关循环频率α截面谱的谱相关密度函数,可以在三维空间中将功率谱交迭在一起的信号有效地分离鉴别;在抗干扰方面,谱相关分析可利用信号的背景噪声在循环频率α非零处没有谱特征的特点,摆脱背景噪声的影响[9]。鉴于以上特点,可以利用通信信号其一阶或二阶统计特征常表现出的时间周期性,即谱相关的周期特征对调制信号进行识别。

谱相关理论由Gardner创立[1]至今,已出现不少运用谱相关理论对信号进行处理的文章。Vu2

cicDesimir[2]利用谱相关理论对MPSK信号进行分

析,DordeC.Simic[3]运用离散傅里叶变换对MSK信号进行谱相关分析。国内罗利春[4]针对Gard2ner原创文献中关于谱相关的物理功能论述不充

分进行了讨论与补充。另外,张晓林[5]、皮兴宇[6]、韩国栋[7]等人也运用谱相关理论对信号进行谱相关分析。传统的谱相关调制信号识别方法,为了对信号进行有效识别,需要提取六种特征参数。本文由小波分析法的局部性特点,在空间局部上判别出信号码元的跳变点[8],通过计算相邻跳变点之间的最小间隔,可以分析估算出信号的码元宽度Ts。结合这一特点,本文选取谱相关的三种特征参数,提出一种改进的通信信号识别

收稿日期:2008-06-04;修回日期:2008-06-23

作者简介:高翔(1982-),男,山东莱西人,硕士研究生,研究方向为通信对抗情报分析与处理;李敬辉(1955-),男,辽宁辽阳人,教授、硕

()士生导师,主要研究方向为电子战效能评估、电子战作战辅助决策等;黄高明1972-,男,湖南道县人,副教授、硕士生导师,

工学博士,主要研究方向为电子战信号处理、盲信号处理、无源探测和电子战系统作战仿真等。

电子信息对抗技术 第24卷

2009年1月第1期

高　翔,李敬辉,黄高明

改进的通信调制信号谱相关识别方法

21

方法。

表1　六类特征参数在不同调制信号下的取值

k

l

c

d

v

r

2　传统调制信号的谱相关识别方法

设一通信调制信号为x(t),其循环自相关函

)的傅里叶变换:数Rαx(τ

Sx(f)=

α

AMDSBSSBASKFSKBPSKMSK

20024000

110

1101/100

>0.8<0.1/0.4～0.6>0.8<0.1<0.1<1

//////>1

/////

∫

∞

-∞

)eRx(τ

α

πτ-j2f

dτ(1)

≥3

2

即为循环谱密度(或谱相关密度函数)。式中α=

n/T称为信号的循环频率,另外:)=limRx(τ

α

≥3≥2≥2

≥6

<6<6

T→∞

T

2

-

2

)eRx(t,τ

3

πα-j2t

dt=

π-j2≤1

limlim

T→∞

TT

x(t)2

-

2

(tt=

T→∞

-

2

xt+

-j2αt

)x(t-)eπdt

22

(2)

1,,理论上至少选取四种特征参数可将八种信号完全识别开来。但现实情况是,通信信号处于含噪环境中,上述提到的v、d、r三类参数在小噪比情况下稳定性较差,可利用价值不高;而对于BPSK与QPSK这两种调制信号,其fS2xc(f)在f轴上的归一化下降值都比较小,特征比较接近,较难区分。这就需要另一稳定的特征参数来弥补这一不足,在此背景下作者提出了一种改进的通信调制信号谱相关识别方法。

)为信号x(t)自相关函数。对周期函Rx(t,τ

)可以用傅里叶级数展开,即:数Rx(t,τ

∞

)=Rx(t,

τ

n=-∞

∑R

α

x

(τ)e

jn

T

∞

t

=

n=-∞

∑R

α

x

(τ)e

απj2t

(3)

α

定义Cx(f)为谱相干系数,是指在与处的谱分量的相关程度,其表达式为:

3　改进的识别方法

3.1　信号识别的其本思路

本文选取谱相关的三类特征参数k、l、c作为分类参数,其识别流程如图1所示:

Cx(f)=

α

()

ααSx(f+α/2) Sx(f-α/2)

α

(4)

不同类型的通信调制信号在谱相关图的α

轴和f轴,及它们各自的谱相干系数所表现出的特征不同,文献[9]中提到的利用信号谱相关方法所需的特征参数包括:

(1)频谱在f轴上出现δ脉冲数量k;(2)Sαx(f)在α轴上的周期谱线分布数量l;

(3)Sαx(f)在α轴上的周期谱线平均能量v;

α(4)调制信号的谱相干系数Cx(f)的最大值

c;

图1　调制信号识别流程图

(5)Sx(f)在α=±2fc处的最大归一化下降

α

值d;

αα(6)C2fc处的x(f)的最大值与Sx(f)在α=±最大归一化下降值的比值r。

表1为八种通信调制信号六类特征参数的取值情况[7]。

结合表1各特征参数的取值,通过计算幅度谱中δ脉冲函数,可以将FSK信号识别出来;当脉冲数k=2时,通过比较Sαx(f)在α轴上的周期谱线分布数量l可将AM与ASK信号区别出;当脉冲数k=2时,当l<2时,可将DSB与SSB区别出。在lΕ2时,BPSK、QPSK和MSK三种调制信

22

高　翔,李敬辉,黄高明

改进的通信调制信号谱相关识别方法

电子信息对抗技术 第24卷

2009年1月第1期

号无法区分,需要借助另一特征参数才能将剩下的三种调制信号识别出。在进行谱相关分析时,我们发现:BPSK信号与QPSK信号在循环频率α取不同值时的谱相关密度函数Sαx(f)取值不同。

下面对BPSK与QPSK信号进行谱相关分析。BPSK(二进制相位键控信号)表达式如下:

x(t)=

∞

n=-∞

制信号进行识别区分。下面我们要做的就是利用调制信号的小波分析法提取调制信号的码元宽度TS这一特征参数。

∑ang(t-nTs)cosωct

∞

(5)

其谱相关密度函数为:

Sx(f)=

α

∫

-∞

)eRx(τ

α

πτ-j2f

dτ=

4Ts

[G(f-fc+

αα) G3(f-fc-)+

22

G(f+fc+

Ts

α)

(22

(6)

小波变换的定义是把基本小波函数ψ(t)做

位移τ后,再在不同尺度下与待分析的信号做内积:

)=Ws(α,τ

α=n为偶数3

)+[G(f-fc+) G(f+fc-4Ts22G(f+fc+

) G3(f-fc-)]

22

+∞-∞

3

S(t)ψ(

)dt,α>0

α

(8)

α=±2fc+　　　　　　　n为奇数

Ts

式中G(f)为矩形脉冲函数g(t)的傅里叶变换:

π)(

(7)G(f)=

πf

则BPSK信号循环频率α截面的计算机仿真图,如图2所示。

　3表示复数共轭。

BPSK信号的小波变换表示为:

)=WBPSK(α,τ

∑ag(t--∞n=-∞

n

+∞

∞

nTs)

(9)

α

在某一尺度α0下,如果存在一点(α0,τ0)使(ατ)得=0,则称点(α0,τ0)是局部极值点,τ9(ατ)=0在τ=τ0上有一个模极大值τ9

点。如果对τ0的某一邻域内的任意点τ,有

)|Φ|Ws(α|Ws(α0,τ0,τ0)|,则称(α0,τ0)为小波

ψ3(cosωct

)dt

变换的模极大值点。BPSK信号的小波变换在同一码元或者相邻码元相同时,小波变换系数值为

恒定。当小波函数覆盖信号跳变位置时,小波变换系数值发生变化,且与前后码元的小波变换系数值不相同。信号在码元跳变处的小波变换模取得极大值。设一BPSK信号为:1001011101,其小波分析如图4所示。

其在t1、t2、t3、t4、t5、t6时刻分别分析出跳变点,则各个相邻跳变点的最小时间间隔:

tmin=min{t2-t1,t3-t2,t4-t3,t5-t4,t6-t5}

图2　BPSK信号循环频率α截面仿真图

同理,可仿真出QPSK信号的循环频率α截面图,如图3所示。

对比图2、3可以看出,QPSK信号仅在α=n/

TS处存在周期谱,BPSK信号在α=n/TS和α=±2fc+n/TS处都存在周期谱特征,且两种信号的周期谱表现出不同的波形特征,本文即根据此特点并结合特征参数c对BPSK、QPSK与MSK调

(10)

电子信息对抗技术 第24卷

2009年1月第1期

高　翔,李敬辉,黄高明

改进的通信调制信号谱相关识别方法

23

tmin值即为信号的码元估计宽度TS

。

上,因此具有很好的降噪性能。由表2的仿真结果可以看出,本文所提出的改进的通信调制信号谱相关识别方法,在较低的信噪比条件下,仍具有较高的识别率

。

图4　码元跳变点检测图

3.3　,改进

的通信调制信号特征参数的提取流程如图5所示

。

图6　调制信号识别流程图

5　结论

任何一种单一的信号分析方法都有其局限

性,在噪声条件下,仅仅利用信号的谱相关分析法对调制信号进行识别具有一定的困难。由于小波分析法具有空间局部性特点,其在估计数字调制信号码元宽度方面具有其它分析方法不具有的优势,且小波分析法也具有很好的抗噪性能,本文在此其础上,结合小波分析法的特点,提取通信调制信号谱相关的三种特征参数作为调制信号识别的识别参数。仿真结果证明,此种方法是有效的,具有良好的应用前景。参考文献:

[1]　GardnerWA.SpectralCorrelationofModulatedSignals,

PARTI:AnalogModulation[J].IEEETransonComm,1987,35(6):584-594.

[2]　VucicDesimir.SpectralCorrelationofPSKSignals[J].

TELSIKS,1999(10):273-276.

[3]　DordeCSimic.TheStripSpectralCorrelationAlgorithm

forSpectralCorrelationEstimationofDigitallyModulatedSignals[J].TELSIKS,1999(10):277-280.

[4]　罗利春.谱相关的原理、功能与截面谱表示[J].物

图5　特征参数提取流程图

利用提取出的调制信号码元宽度TS,完整的识别流程如图6所示。

运用本文提出的谱相关识别方法,对八种常见的调制信号进行仿真试验,在SNR=5dB和10dB时,准确的识别概率如表2所示。

表2　不同信噪比下的识别概率

AMDSB

SSBASKFSKBPSKMSKQPSK

5dB91%92%90%91%92%91%90%93%10dB94%95%94%95%94%95%95%96%

对含噪声的信号进行小波分析估计其码元宽

度时,小波变换可以把噪声均匀地分布在频率轴

24

高　翔,李敬辉,黄高明

改进的通信调制信号谱相关识别方法

电子信息对抗技术 第24卷

2009年1月第1期

理学报,2002,51(10):2177-2181.

[5]　张晓林.基于循环谱理论的BPSK直扩信号检测

[J].信息技术,2004,28(8):30-32.

[6]　皮兴宇.AM和MPSK信号的谱相关分析[J].空军

[9]　朱庆厚.无线电监测与通信侦察[M].北京:人民邮

电出版社,2005.

[10]　何楚斌.信号调制方式自动识别的谱相关方法

[J].物探化探计算技术,2005,27(1):70-74.

[11]　吴大正.信号与线性系统分析[M].北京:高等教

雷达学报,2003,17(1):7-9.

[7]　韩国栋.调制分析与识别的谱相关方法[J].系统工

育出版社,2001.

[12]　飞思科技产品研发中心.MATLAB6.5辅助小波分

程与电子技术,2001,23(3):34-36.

[8]　ChanYT,PlewsJW,HoKC.SymbolRateEstimation

bytheWaveletTransform[C]//ISCAS,1997:177-180.

析与应用[M].北京:电子工业出版社,2003.

(上接第4页)

[3]　KohBS,LeeHS.DetectionofSymbolSignals[J].

ElectronicLetters,1993,29(3)-[4]　郑文秀,.QAM,2006,20(5):7-12.

[5]　黄知涛,周一宇,姜文利.一种相位编码序列恢复方

[]WTheCumulantTheoryofCy2

Time2SeriesPartII:DevelopmentandAppli2cation[J].IEEETransactionsonSignalProcessing,1994,42(12):3409-3429.

[8]　BosikBS.TheSpectralDensityofACodeDigitalSignal

[J].TheBellSystemTechnicalJournal,1972,51(4):921-932.

法[J].信号处理,2002,18(2):141-146.

[6]　张贤达,保铮.非平稳信号分析与处理[M].北京:

(上接第8页)

SNRthd的降低有所趋缓,中间会有一定长度(约2

～4倍的伪码周期)的平台期(即L增加,SNRthd却保持不变),平台期的长度随L的增加而增加;(2)随着k的增加,SNRthd总体呈下降趋势(这和图5中随着k的减小峰均比下降的趋势是一致的),且k每增加1倍,SNRthd约降低1～2dB

。

的扩频调制比远小于1的长码DS通信系统。本文主要针对长码DS信号的伪码周期估计问题展开了研究,提出的基于自相关差分累积量的估计算法能够在一定低的信噪比下完成对伪码周期的估计;如果事先能够对DS信号的伪码周期和信息码元宽度有所估计的话,算法性能可以达到最佳。参考文献:

[1]　资晓军,等.基于四阶累积量的二次谱法检测DS-SS伪码周期[J].电子信息对抗技术,2006,21(1):18-21.

[2]　张天骐,等.直扩信号伪码周期的谱检测[J].电波科

学学报,2001,16(4):518-521.

[3]　沈振惠.基于四阶累积量的直接序列扩频信号多参

数估计[J].南通工学院学报(自然科学版),2004,3

图6　不同条件下的估计门限信噪比

(4):110-113.

[4]　BrianMSadler.EstimationandDetectioninNonGaussian

NoiseUsingHigherOrderStatistics[J].IEEETransactionsonsignalprocessing,1994,42(10):2729-2737.[5]　冯富强,等.低信噪比条件下DS信号的检测和参数

6　结束语

随着通信方对隐蔽性的要求越来越高,DS信号的码周期将越来越长,这必将会出现越来越多

估计[J].通信学报,2002,23(9):63-68.

本文来源：https://www.bwwdw.com/article/krem.html