CN111585662B - 一种调相信号的分类识别和参数估计方法及*** - Google Patents
一种调相信号的分类识别和参数估计方法及*** Download PDFInfo
- Publication number
- CN111585662B CN111585662B CN202010484531.8A CN202010484531A CN111585662B CN 111585662 B CN111585662 B CN 111585662B CN 202010484531 A CN202010484531 A CN 202010484531A CN 111585662 B CN111585662 B CN 111585662B
- Authority
- CN
- China
- Prior art keywords
- signal
- communication
- signals
- communication signal
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明涉及调相信号的分类识别和参数估计技术领域,提供了一种调相信号的分类识别和参数估计方法及***,其方法包括:S1:信号与噪声分离,实现通信信号在噪声背景下的精确提取;S2:通信信号与其他干扰信号的分类识别,实现宽带的通信信号与窄带信号和调频信号的分类识别;S3:调相信号与其他信号的分类识别,在多种通信信号中识别出调相信号;S4:调相信号类内识别,计算调相信号的平方谱,按照平方谱的谱峰特征差异性识别出BPSK和QPSK信号;S5:针对通信信号进行参数修正,估计出通信信号的参数。解决了现有的海洋声信道由于采用时频双扩展信道,带宽窄、多普勒频移大和背景噪声强,影响通信信号时域特征和频域特征的稳定性的问题。
Description
技术领域
本发明涉及调相信号的分类识别和参数估计技术领域,尤其涉及一种调相信号的分类识别和参数估计方法及***,适用于水声时频双扩展衰弱信道下,对先验较少或者全盲通信信号的检测、识别分类和参数估计有很好的应用前景。
背景技术
伴随新型海洋技术和海洋装备的发展,水下海洋装备应用于多种作业现场,多种设备间为了实现信息交互和共享,需要进行高速可靠数据传输。通信声呐,特别是高速通信声呐,广泛应用于多种设备,实现多种平台间的数据和信息共享。对水下声学通信信号进行监测,深入解析国内外通信声呐的信号体制,完成通信信号的检测、分类识别和通信信息的破译,实现水下数据透明传输,是水下安防和国防安全的需要。
海洋声信道是典型的时频双扩展信道,其特点是:带宽窄、多普勒频移大和背景噪声强,这严重影响通信信号时域特征和频域特征的稳定性。
发明内容
针对上述问题,本发明的目的在于提供一种调相信号的分类识别和参数估计方法及***,为提高通信信号的识别概率,本算法提取通信信号鲁棒性好、性能稳定的特征参数,按照多参数联合估计的方法,降低水声衰落信道对识别算法影响。按照信号与噪声分类识别、宽带通信信号与窄带信号和调频信号分类识别、调相信号与其他通信信号分类识别、调相信号类内识别和通信信号参数修正五步骤完成调相信号的分类识别。
信号与噪声分类识别中,自适应感知通信信号的中心频率和带宽,快速计算每帧信号的信噪比,联合三个特征参数实现信号在噪声背景下的精确提取。快速计算信号中心频率变化率和信号的带宽变化特征参数,实现宽带水声通信信号与窄带信号和调频信号分类识别。调相信号与其他通信信号分类识别是计算频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种水声通信信号中识别出调相信号。调相信号类内识别是通过计算通信信号的平方谱,按照平方谱的谱峰特征差异性识别出BPSK和QPSK。联合信号的频谱和平方谱,对通信信号中心频率、带宽、脉宽和码率修正,估计出最终通信信号的参数。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种调相信号的分类识别和参数估计方法,包括以下步骤:
S1:针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取;
S2:针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别;
S3:针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号;
S4:针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号;
S5:针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数。
进一步地,在步骤S1中,还包括:
S12:针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽;
进一步地,在步骤S2中,进一步包括:
S21:针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
S22:针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
S23:针对于中心频率进行建模,建模为为线性模型,Fc=k×Fci+b,采用最小二乘法估计系数k,b。
进一步地,在所述步骤S3中,还包括计算所述通信信号的频谱的对称性、频谱的平坦系数,具体为:
S31:频谱的对称性系数KF,是用于表征所述通信信号频谱关于中心频率的对称性的特征参数,具体为:
其中,Eb是下频带能量,Eu是上频带能量,Index_max是信号的中心频率,计算得到频谱的对称性系数KF为:
KF=Eb/Eu
S32:频谱的平坦系数,是衡量频谱能量分布的参数,具体为:
进一步地,步骤S4中,还包括:计算所述调相信号的平方谱,具体为:
S41:接收所述通信信号的分帧处理,采集长度为N点的信号[x(0),x(1),…x(N-1)],计算所述通信信号的平方信号为:
y(n)=x2(n)
S42:计算所述通信信号的平方谱为:
进一步地,在步骤S5中,还包括:
在所述通信信号的平方谱中搜索尖脉冲信号,根据所述尖脉冲信号的位置,精确修正所述通信信号的载波频率和通信码率。
一种调相信号的分类识别和参数估计***,包括:信号噪声分离模块,宽带通信信号检测提取模块,调相信号分类识别模块,调相信号类内识别模块和通信信号参数估计模块;
信号噪声分离模块,用于针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取;
宽带通信信号检测提取模块,用于针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别;
调相信号分类识别模块,用于针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号;
调相信号类内识别模块,用于针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号;
通信信号参数估计模块,用于针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数。
进一步地,所述信号噪声分离模块,还包括:
谱峰搜索单元,用于针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽;
进一步地,所述宽带通信信号检测提取模块,还包括:
带宽变化统计单元,用于针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
中心频率变化统计单元,用于针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
中心频率建模单元,用于针对于中心频率进行建模,建模为为线性模型,Fc=k×Fci+b,采用最小二乘法估计系数k,b;
所述调相信号分类识别模块,还包括:
对称性系数计算单元,用于计算频谱的对称性系数KF,用于表征所述通信信号频谱关于中心频率的对称性的特征参数,具体为:
其中,Eb是下频带能量,Eu是上频带能量,Index_max是信号的中心频率,计算得到频谱的对称性系数KF为:
KF=Eb/Eu
平坦系数计算单元,用于计算频谱的平坦系数,是衡量频谱能量分布的参数,具体为:
进一步地,所述调相信号类内识别模块,还包括:
所述通信信号参数估计模块,还包括:
尖脉冲信号修正单元,用于在所述通信信号的平方谱中搜索尖脉冲信号,根据所述尖脉冲信号的位置,精确修正所述通信信号的载波频率和通信码率。
与现有技术相比,本发明的有益效果是:
通过按照信号提取、大类识别、类内识别的设计方法,完成了调相信号的分类识别,并估计其多个参数。本发明信号处理流程共分为五步骤,分别是信号与噪声分类识别、宽带通信信号与窄带信号和调频信号分类识别、调相信号与其他通信信号分类识别、调相信号类内识别和通信信号参数修正。每个信号处理流程环节,分析、提取多个稳定的信号特征量,实现复杂水声环境下,调相信号识别和参数估计都有较高的正确率。
附图说明
图1为本发明一种调相信号的分类识别和参数估计方法整体处理框图;
图2为本发明一种调相信号的分类识别和参数估计方法判决树结构图;
图3为本发明BPSK时域波形图;
图4为本发明BPSK时频图;
图5为本发明QPSK时域波形图;
图6为本发明QPSK时频图;
图7为本发明一种调相信号的分类识别和参数估计***的整体结构图;
图8为本发明一种调相信号的分类识别和参数估计***中的信号噪声分离模块的结构图;
图9为本发明一种调相信号的分类识别和参数估计***中的宽带通信信号检测提取模块的结构图;
图10为本发明一种调相信号的分类识别和参数估计***中的调相信号分类识别模块的结构图;
图11为本发明一种调相信号的分类识别和参数估计***中的调相信号类内识别模块的结构图;
图12为本发明一种调相信号的分类识别和参数估计***中的通信信号参数估计模块的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性工作前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本发明的应用场景是:水下海洋装备应用于多种作业现场,多种设备间为了实现信息交互和共享,需要进行高速可靠数据传输。通信声呐,特别是高速通信声呐,广泛应用于多种设备,实现多种平台间的数据和信息共享。对水下声学通信信号进行监测,深入解析国内外通信声呐的信号体制,完成通信信号的检测、分类识别和通信信息的破译,实现水下数据透明传输,是水下安防和国防安全的需要。海洋声信道是典型的时频双扩展信道,其特点是:带宽窄、多普勒频移大和背景噪声强,这严重影响通信信号时域特征和频域特征的稳定性。因此,必须找到一种调相信号的分类识别和参数估计方法,能够提高通信信号的识别概率。
基于以上应用场景,本发明的核心思路为:提供一种适用于水下声学相干通信中调相(相移键控)信号分类识别和参数估计算法,其在不需要先验知识的前提下,自动感知、识别出通信信号的调制方式,并估计出信号的带宽、中心频率、脉宽和通信码率四个参数。本算法共分为四步完成信号的分类识别和参数估计。首先,宽带通信信号检测和提取阶段,完成通信信号在背景噪声中分离和提取。该算法提取通信信号频谱中心频率变化率、频率带宽、信噪比三个特征参数,自动感知并提取宽带通信信号,并估计信号的脉宽。其次,调相信号分类识别,在宽带通信信号中提取出调相信号。对提取的宽带通信信号,计算其频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,感知识别调相信号,估计信号的中心频率和带宽。再次,调相信号类内识别,是对调相信号类内进一步细分的过程,主要用于识别BPSK和QPSK信号。计算信号平方谱,根据平方谱的谱峰特征差异性,识别出BPSK和QPSK信号。最后,通信信号特征参数的精细修正,综合估计信号频谱和平方谱的特征参数,估计通信码率,并修正中心频率和带宽,实现通信信号的分类识别和特征参数估计。
本发明的一个显著特点是:在不需要先验知识的前提下,自动感知并识别通信信号的调制方式,并给出信号的特征参数,为后级信号盲解调和信息破译提供前期基础。
本发明在中国南海做了试验验证,在海底布放水声通信信号记录潜标,采集记录声学信号。记录潜标采用宽频段、大动态范围的接收机设计,能够采集50kHz以下的声波信号。试验过程中,发射了多种体制的通信信号,设计的信号覆盖多种频段、多种通信码率。
实施例一
如图1中的调相信号的分类识别和参数估计方法的整体处理框图和如图2中的调相信号的分类识别和参数估计方法的判决树结构图所示,本实施例提供了一种调相信号的分类识别和参数估计方法,包括:
S1:针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取。
具体地,在本实施例中,本发明首先要做的事情就是去除掉通信信号中的噪声,针对于每一帧的通信信号联合通信信号的中心频率、带宽和信噪比进行噪声的去除。
步骤S1中还包括步骤:
S12:针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽。
S2:针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别。
具体地,在本实施例中,在针对于通信信号去除掉噪声之后,需要去除掉其他干扰信号,通过计算信号的中心频率变化率和带宽变化特征参数,来实现宽带的通信信号与窄带信号和调频信号的识别,去除掉包括窄带信号和调频信号在内的其他干扰信号,保留下宽带的通信信号。
步骤S2的具体步骤为:
S21:针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
S22:针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
S23:针对于中心频率进行建模,建模为线性模型,Fc=k×Fci+b,采用最小二乘法估计系数k,b。
S3:针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号。
具体地,在本步骤中,主要是筛选出调相信号,去除掉其他信号。
在所述步骤S3中,还包括计算所述通信信号的频谱的对称性、频谱的平坦系数,具体为:
S31:频谱的对称性系数KF,是用于表征所述通信信号频谱关于中心频率的对称性的特征参数,具体为:
其中,Eb是下频带能量,Eu是上频带能量,Index_max是信号的中心频率,计算得到频谱的对称性系数KF为:
KF=Eb/Eu
S32:频谱的平坦系数,是衡量频谱能量分布的参数,具体为:
S4:针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号。
计算所述调相信号的平方谱,具体为:
S41:接收所述通信信号的分帧处理,采集长度为N点的信号[x(0),x(1),…x(N-1)],计算所述通信信号的平方信号为:
y(n)=x2(n)
S42:计算所述通信信号的平方谱为:
S5:针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数。
在步骤S5中,还包括:
在所述通信信号的平方谱中搜索尖脉冲信号,根据所述尖脉冲信号的位置,精确修正所述通信信号的载波频率和通信码率。
本发明充分利用海上试验数据对BPSK和QPSK进行的详细分析和数学统计,识别率优于90%以上,参数估计误差小于5%。BPSK声学信号时域波形如图3所示,时频波形图如图4所示,QPSK声学信号时域波形如图5所示,时频波形图如图6所示。
实施例二
如图7所示,本实施例提供了一种调相信号的分类识别和参数估计***,包括:信号噪声分离模块1,宽带通信信号检测提取模块2,调相信号分类识别模块3,调相信号类内识别模块4和通信信号参数估计模块5;
信号噪声分离模块1,用于针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取;
宽带通信信号检测提取模块2,用于针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别;
调相信号分类识别模块3,用于针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号;
调相信号类内识别模块4,用于针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号;
通信信号参数估计模块5,用于针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数。
进一步地,所述信号噪声分离模块1,还包括:
谱峰搜索单元12,用于针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽;
进一步地,所述宽带通信信号检测提取模块2,还包括:
带宽变化统计单元21,用于针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
中心频率变化统计单元22,用于针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
中心频率建模单元23,用于针对于中心频率进行建模,建模为为线性模型,Fc=k×Fci+b,采用最小二乘法估计系数k,b;
进一步地所述调相信号分类识别模块3,还包括:
对称性系数计算单元31,用于计算频谱的对称性系数KF,用于表征所述通信信号频谱关于中心频率的对称性的特征参数,具体为:
其中,Eb是下频带能量,Eu是上频带能量,Index_max是信号的中心频率,计算得到频谱的对称性系数KF为:
KF=Eb/Eu
平坦系数计算单元32,用于计算频谱的平坦系数,是衡量频谱能量分布的参数,具体为:
进一步地,所述调相信号类内识别模块4,还包括:
进一步地,所述通信信号参数估计模块5,还包括:
尖脉冲信号修正单元51,用于在所述通信信号的平方谱中搜索尖脉冲信号,根据所述尖脉冲信号的位置,精确修正所述通信信号的载波频率和通信码率。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种调相信号的分类识别和参数估计方法,其特征在于,包括以下步骤:
S1:针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取;
S2:针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别;
S3:针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号;
S4:针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号;
S5:针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数;
在步骤S1中,还包括:
S11:对所述通信信号进行分帧处理,采集长度为N点的所述通信信号[x(0),x(1),…x(N-1)],通过快速傅里叶变换计算每帧的所述通信信号的频谱其中W是傅里叶旋转因子,n和N为大于等于0的整数;
S12:针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽;
2.根据权利要求1所述的调相信号的分类识别和参数估计方法,其特征在于,在步骤S2中,进一步包括:
S21:针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
S22:针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
S23:针对于中心频率进行建模,建模为线性模型,Fc=aFci+b,采用最小二乘法估计线性模型的系数a,b。
5.根据权利要求1所述的调相信号的分类识别和参数估计方法,其特征在于,在步骤S5中,还包括:
在所述通信信号的平方谱中搜索尖脉冲信号,根据所述尖脉冲信号的位置,精确修正所述通信信号的载波频率和通信码率。
6.一种调相信号的分类识别和参数估计***,包括:信号噪声分离模块,宽带通信信号检测提取模块,调相信号分类识别模块,调相信号类内识别模块和通信信号参数估计模块;
信号噪声分离模块,用于针对于输入的通信信号进行信号与噪声的分离,对所述通信信号进行分帧处理,获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比,联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取;
宽带通信信号检测提取模块,用于针对于所述通信信号与其他干扰信号的分类识别,计算信号的中心频率变化率和带宽变化特征参数,实现宽带的所述通信信号与窄带信号和调频信号的分类识别;
调相信号分类识别模块,用于针对于所述通信信号中的调相信号与其他信号的分类识别,计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数,根据三个特征参数在多种所述通信信号中识别出所述调相信号;
调相信号类内识别模块,用于针对于所述调相信号类内识别,计算所述调相信号的平方谱,按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号;
通信信号参数估计模块,用于针对所述通信信号进行参数修正,联合所述通信信号的频谱和所述平方谱,对所述通信信号的中心频率、带宽、脉宽和码率进行修正,估计出最终的所述通信信号的参数;所述信号噪声分离模块,还包括:
分帧处理单元,用于对所述通信信号进行分帧处理,采集长度为N点的所述通信信号[x(0),x(1),…x(N-1)],通过快速傅里叶变换计算每帧的所述通信信号的频谱其中W是傅里叶旋转因子,n和N为大于等于0的整数;
谱峰搜索单元,用于针对于每一帧的所述通信信号的频谱进行谱峰搜索,查找X(k)的最大值,确定其位置Index_max,并计算带宽;
7.根据权利要求6所述的调相信号的分类识别和参数估计***,其特征在于,所述宽带通信信号检测提取模块,还包括:
带宽变化统计单元,用于针对于每一帧所述通信信号计算所述通信信号的带宽,具体地:第i帧所述通信信号的带宽为:Delta_fi=Lu-Lb,统计多帧所述通信信号的带宽变化;
中心频率变化统计单元,用于针对于每一帧所述通信信号计算所述通信信号的中心频率,具体地:第i帧所述通信信号的中心频率为:Fci=Index_max,统计多帧所述通信信号的中心频率变化;
中心频率建模单元,用于针对于中心频率进行建模,建模为线性模型,Fc=aFci+b,采用最小二乘法估计线性模型的系数a,b;
所述调相信号分类识别模块,还包括:
对称性系数计算单元,用于计算频谱的对称性系数KF,用于表征所述通信信号频谱关于中心频率的对称性的特征参数,具体为:
其中,Eb是下频带能量,Eu是上频带能量,Index_max是信号的中心频率,计算得到频谱的对称性系数KF为:
KF=Eb/Eu
平坦系数计算单元,用于计算频谱的平坦系数,是衡量频谱能量分布的参数,具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010484531.8A CN111585662B (zh) | 2020-06-01 | 2020-06-01 | 一种调相信号的分类识别和参数估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010484531.8A CN111585662B (zh) | 2020-06-01 | 2020-06-01 | 一种调相信号的分类识别和参数估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111585662A CN111585662A (zh) | 2020-08-25 |
CN111585662B true CN111585662B (zh) | 2021-09-07 |
Family
ID=72116081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010484531.8A Active CN111585662B (zh) | 2020-06-01 | 2020-06-01 | 一种调相信号的分类识别和参数估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111585662B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814777B (zh) * | 2020-09-15 | 2020-12-08 | 湖南国科锐承电子科技有限公司 | 一种基于特征量分级的调制样式识别方法 |
CN114826850B (zh) * | 2022-04-21 | 2022-11-25 | 中国人民解放军国防科技大学 | 基于时频图和深度学习的调制识别方法、装置及设备 |
CN115065580B (zh) * | 2022-07-28 | 2024-04-02 | 成都华日通讯技术股份有限公司 | 一种宽带下Link16数据链识别及参数估计方法 |
CN116166935B (zh) * | 2023-04-26 | 2023-08-25 | 中铁第一勘察设计院集团有限公司 | 面向铁路通信的多源背景信号识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106059969A (zh) * | 2016-06-16 | 2016-10-26 | 中国科学院信息工程研究所 | 一种基于包络平方谱分析的调制识别方法及装置 |
US9516490B1 (en) * | 2016-04-20 | 2016-12-06 | Tm Ip Holdings, Llc | Identifying devices with transpositional modulation |
CN107124381A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种数字通信信号调制方式自动识别方法 |
CN107561497A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | Fsk及多种非线性调频信号识别及参数估算方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN108683622A (zh) * | 2018-05-22 | 2018-10-19 | 电子科技大学 | 一种基于信号平方谱平坦系数的调制识别方法 |
-
2020
- 2020-06-01 CN CN202010484531.8A patent/CN111585662B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9516490B1 (en) * | 2016-04-20 | 2016-12-06 | Tm Ip Holdings, Llc | Identifying devices with transpositional modulation |
CN106059969A (zh) * | 2016-06-16 | 2016-10-26 | 中国科学院信息工程研究所 | 一种基于包络平方谱分析的调制识别方法及装置 |
CN107124381A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种数字通信信号调制方式自动识别方法 |
CN107561497A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | Fsk及多种非线性调频信号识别及参数估算方法 |
CN107948107A (zh) * | 2017-11-16 | 2018-04-20 | 成都玖锦科技有限公司 | 一种基于联合特征的数字调制信号分类方法 |
CN108683622A (zh) * | 2018-05-22 | 2018-10-19 | 电子科技大学 | 一种基于信号平方谱平坦系数的调制识别方法 |
Non-Patent Citations (1)
Title |
---|
水声信号的调制制式识别研究;万莎;《厦门大学工程硕士学位论文》;20170630;第一章、第三至四章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111585662A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及*** | |
CN109495410B (zh) | 高动态pcm/fm信号载波频率精确估计方法 | |
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN108243130B (zh) | 解调方法、装置、频谱检测仪及计算机可读存储介质 | |
CN111059066B (zh) | 一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法 | |
CN112511477A (zh) | 一种基于星座图和深度学习的混合卫星通信调制识别方法及*** | |
CN105071830B (zh) | 一种直扩信号的检测识别方法 | |
CN106357575A (zh) | 一种多参数联合估计的干扰类型识别方法 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN102006252B (zh) | 一种单音信号识别方法 | |
CN101588191A (zh) | 无线电信号认知方法及设备 | |
CN116804736A (zh) | 一种调制类型识别工程化实现方法及计算机可读存储介质 | |
CN112033656A (zh) | 一种基于宽带谱处理的机械***故障检测方法 | |
CN102307166B (zh) | 一种信噪比估计方法 | |
CN109660475B (zh) | 一种非合作相位编码水声通信信号自主辨识方法 | |
CN116961799A (zh) | 一种基于时频域分布特征的信号干扰检测方法 | |
CN115659136A (zh) | 基于神经网络的无线干扰信号波形识别方法 | |
CN115396270B (zh) | 基于数据类型识别的调频信号时频同步***及方法 | |
CN110190917A (zh) | 一种LTE230MHz电力无线专网的频谱空洞感知方法、装置及设备 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
CN112202696B (zh) | 基于模糊自编码器的水声信号自动调制识别方法 | |
CN112838909B (zh) | 基于高斯眼图纹理熵特征的通信干扰检测方法 | |
CN113537061A (zh) | 二维正交振幅调制信号的格式识别方法、装置及存储介质 | |
Batra et al. | A study of automatic modulation classification for rayleigh fading channel | |
CN108243131A (zh) | 解调方法、装置、频谱检测仪及计算机可读取存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |