CN102904847A - 一种双重消噪的基于瞬时信息的信号调制识别方法 - Google Patents

Abstract

本发明公开了一种双重消噪的基于瞬时信息的信号调制识别方法，使用对接收信号提取的瞬时参数双重消噪（巴特沃兹线性消噪+小波消噪）的方法，并选取合适的特征参数，从而设计出更合适的算法。本发明比传统的仅采用一种消噪方式的基于瞬时信息的数字信号的自动调制识别方式在相同的信噪比条件下有较高的识别率。

Description

一种双重消噪的基于瞬时信息的信号调制识别方法

技术领域

本发明涉及信号的调制识别技术，具体涉及一种基于线性滤波消噪和小波消噪同时使用的调制识别方法，以实现一种能够简单有效的提高数字信号的自动调制识别的方法。

背景技术

近年来，信息科学技术迅猛发展，在社会各个领域得到越来越广泛的应用。而通信是信息产业中发展最为迅速、进步最快的行业。其中，无线通信具有设备简单、易携带、易操作、架设方便等优点，成为通信领域近年来发展最快的技术之一。为了充分利用信道容量，满足用户的不同需求，无线通信信在传输的过程中采用了不同的调制方式。

调制方式是区分不同性质通信信号的一个重要特征。随着用户需求的日益多样化，通信信号的调制方式也逐渐增多，且变得越来越复杂。早期的通信中一般采用模拟调制方式，而随着数字技术的日渐发展和成熟，现在的通信***中多采用数字调制方式。

随着数字调制方式的增多，各种采用不同调制方式的通信***之间的互联互通就成为亟待解决的关键问题。为了对不同通信***的通信信号进行正确的解调，就需要正确的判断出接收信号的调制方式以及信号参数等。通信信号的调制识别就是用于解决这一问题的。调制识别的基本任务是在多信号环境和有干扰的环境下，由未知调制信息的接收信号确定出通信信号的调制方式和其他调制参数，从而进一步分析和处理信号提供的依据。

发明内容

技术问题：如何提供一种简单有效的基于瞬时信息的数字信号自动调制识别方法，使***能够较快识别出接收信号的调制方式的同时，还具有在较低信噪比的环境下有较高的识别率。

技术方案：一种双重消噪的基于瞬时信息的信号调制识别方法，包括以下几个步骤：

S1、设定发送方输入信号为二进制或四进制序列，采用2ASK、4ASK、2FSK、4FSK、2PSK、4PSK或16QAM的方式进行调制输出；

S2、接收方对收到的已调信号进行预处理，首先对接收到的已调信号提取瞬时参数，然后采用巴特沃兹线性滤波器对提取的瞬时参数进行消噪，最后再采用小波消噪方法对已经除去大的毛刺的瞬时参数再次消噪；

S3、提取特征参数；

S4、确定各个特征参数的门限值；

S5、根据各个特征参数的门限值判定调制信号的调制类型。

所述步骤S3中提取的特征参数包括：

特征参数一：零中心归一化的瞬时幅度绝对值的标准偏差σ_aa：

${\mathrm{\σ}}_{\mathrm{aa}}=\sqrt{{\frac{1}{N}\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{A}_{\mathrm{cn}}^2\left(i\right)\right)-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\right|A_{\mathrm{cn}}\left(i\right)\left|\right)}^2}$

其中，A_cn(i)=A_n(i)-1；

特征参数二：信号瞬时幅度值的平方与方差之比Ra：

Ra=u_a ²/d_a

其中，u_a代表信号瞬时幅度的均值，d_a代表瞬时幅度的方差；

特征参数三：零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σ_ap：

${\mathrm{\σ}}_{\mathrm{ap}}=\sqrt{\frac{1}{c}\left(\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}{\mathrm{\φ}}_{\mathrm{NL}}^2\left(i\right)\right)-{\left(\frac{1}{c}\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}\right|{\mathrm{\φ}}_{\mathrm{NL}}\left(i\right)\left|\right)}^2}$

其中，φ_NL(i)=φ(i)-φ₀为零中心化的瞬时相位的非线性分量，为非线性相位分量的均值，φ(i)为去混叠后的非线性相位分量；

A(i)是数字信号的瞬时幅度，N是截取的数字信号的长度，a_i为判断信号是否为非弱信号的判决门限，低于此值时瞬时相位会对噪声非常敏感，所以要取非弱信号段的值，c为采样点中非弱信号的个数；

特征参数四：信号瞬时相位均值的平方与方差之比Rp：

Rp=u_p ²/d_p

其中，u_p代表信号瞬时相位的均值，d_p代表信号瞬时相位的方差；

特征参数五：信号瞬时相位的均值的平方与方差之比Rf：

Rf=u_f ²/d_f

其中，u_f代表信号瞬时频率的均值，d_f代表信号瞬时频率的方差；

特征参数六：零中心非弱信号段瞬时频率非线性分量绝对值的标准偏差σ_fa：

${\mathrm{\σ}}_{\mathrm{fa}}=\sqrt{\frac{1}{c}\left(\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}{f}_N^2\left(i\right)\right)-{\left(\frac{1}{c}\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}\right|f_N\left(i\right)\left|\right)}^2}$

其中，f_N(i)=f_c(i)/r_b，f_c(i)=f(i)-m_f，f(i)是数字信号的瞬时频率。

对接收到的已调信号进行预处理：首先对接收到的已调信号提取瞬时参数，由于噪声带来的影响，提取的瞬时参数带有很多毛刺，我们先采用巴特沃兹线性滤波器对提取的瞬时参数进行消噪（此次消噪不会改变瞬时参数的各种特性），然后再采用小波消噪方法对已经除去大的毛刺的瞬时参数再次消噪（此次消噪主要消除瞬时参数中细微的毛刺），此后达到的消噪效果理论上应该比单独使用其中一种的消噪效果要强；

与其它的技术相比，本发明具有以下的优点：本发明中对接收信号提取的特征参数采用双重消噪（巴特沃兹+小波消噪）的方法，使得计算出的特征参数更为准确；在分类识别中，相比于常用的采用固定门限的方式，本发明中采用的是自适应门限方法，能在一定程度上提高识别率。

附图说明

结合附图阅读本发明的以下详细描述，可以更好地理解本发明及其优点和其他特征，其中：

附图1示出了基本的调制识别过程框图；

附图2示出了本发明中使用的调制识别过程图；

附图3示出了本发明中设计的调制识别算法的流程图。

具体实施方式

为了使本发明的技术方案更加清楚明白，下面结合附图对本发明进行进一步的详细说明。

首先说明：本发明中要识别的信号为如下七种信号：2ASK、4ASK、2FSK、4FSK、2PSK、4PSK、16QAM.

附图1为基本的调制识别过程框图。

附图2是在调制识别的整个阶段，各个步骤之间的先后顺序关系。

附图3所示的是在调制识别的分类识别阶段，各特征参数的分类情况。

其具体的工作原理如下：

1、特征参数一零中心归一化的瞬时幅度绝对值的标准偏差σ_aa用来区分含有绝对幅度信息的信号和不含绝对幅度信息的信号，本方法中要识别的七种信号中，含有绝对幅度信息的信号有：4ASK和16QAM；不含绝对幅度信息的信号有：2ASK、2FSK、4FSK、2PSK和4PSK；

2、特征参数二信号瞬时幅度值的平方与方差之比Ra用来区分含有幅度信息的信号和不含幅度信息的信号，即可将含有幅度信息的信号2ASK从不含幅度信息的信号2FSK、4FSK、2PSK和4PSK区别出来；

3、特征参数三零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σ_ap用来区分含有绝对相位信息的信号和不含有绝对相位信息的信号，即可将不含绝对相位信息的2PSK从4PSK、2FSK和4FSK中区分出来；

4、特征参数四信号瞬时相位均值的平方与方差之比Rp用来区分含有相位信息的信号和不含相位信息的信号，可以将4ASK和16QAM区别开来；

5、特征参数五信号瞬时相位的均值的平方与方差之比Rf用来区分含有频率信息的信号和不含频率信息的信号，可以将不含频率信息的4PSK从2FSK和4FSK中区分开来；

6、特征参数六零中心非弱信号段瞬时频率非线性分量绝对值的标准偏差σ_fa用来区分含有绝对频率信息的信号和不含绝对频率信息的信号，可以将2FSK和4FSK区分开来。

Claims (2)

1.一种双重消噪的基于瞬时信息的信号调制识别方法，其特征在于包括以下步骤：

S1、设定发送方输入信号为二进制或四进制序列，采用2ASK、4ASK、2FSK、4FSK、2PSK、4PSK或16QAM的方式进行调制输出；

S2、接收方对收到的已调信号进行预处理，首先对接收到的已调信号提取瞬时参数，然后采用巴特沃兹线性滤波器对提取的瞬时参数进行消噪，最后再采用小波消噪方法对已经除去大的毛刺的瞬时参数再次消噪；

S3、提取特征参数；

S4、确定各个特征参数的门限值；

S5、根据各个特征参数的门限值判定调制信号的调制类型。

2.根据权利要求1所述的一种双重消噪的基于瞬时信息的信号调制识别方法，其特征在于：步骤S3中提取的特征参数包括：

特征参数一：零中心归一化的瞬时幅度绝对值的标准偏差σ_aa：

${\mathrm{\σ}}_{\mathrm{aa}}=\sqrt{{\frac{1}{N}\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{A}_{\mathrm{cn}}^2\left(i\right)\right)-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\right|A_{\mathrm{cn}}\left(i\right)\left|\right)}^2}$

其中，A_cn(i)=A_n(i)-1；

特征参数二：信号瞬时幅度值的平方与方差之比Ra：

Ra=u_a ²/d_a

其中，u_a代表信号瞬时幅度的均值，d_a代表瞬时幅度的方差；

特征参数三：零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σ_ap：

${\mathrm{\σ}}_{\mathrm{ap}}=\sqrt{\frac{1}{c}\left(\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}{\mathrm{\φ}}_{\mathrm{NL}}^2\left(i\right)\right)-{\left(\frac{1}{c}\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}\right|{\mathrm{\φ}}_{\mathrm{NL}}\left(i\right)\left|\right)}^2}$

其中，φ_NL(i)=φ(i)-φ₀为零中心化的瞬时相位的非线性分量，

为非线性相位分量的均值，φ(i)为去混叠后的非线性相位分量,

A(i)是数字信号的瞬时幅度，N是截取的数字信号的长度，a_i为判断信号是否为非弱信号的判决门限，低于此值时瞬时相位会对噪声非常敏感，所以要取非弱信号段的值，c为采样点中非弱信号的个数；

特征参数四：信号瞬时相位均值的平方与方差之比Rp：

Rp=u_p ²/d_p

其中，u_p代表信号瞬时相位的均值，d_p代表信号瞬时相位的方差；

特征参数五：信号瞬时相位的均值的平方与方差之比Rf：

Rf=u_f ²/d_f

其中，u_f代表信号瞬时频率的均值，d_f代表信号瞬时频率的方差；

特征参数六：零中心非弱信号段瞬时频率非线性分量绝对值的标准偏差σ_fa：

${\mathrm{\σ}}_{\mathrm{fa}}=\sqrt{\frac{1}{c}\left(\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}{f}_N^2\left(i\right)\right)-{\left(\frac{1}{c}\underset{A_n\left(i\right)>a_i}{\mathrm{\Σ}}\right|f_N\left(i\right)\left|\right)}^2}$

其中，f_N(i)=f_c(i)/r_b，f_c(i)=f(i)-m_f，

f(i)是数字信号的瞬时频率。

Images