CN116506043A - 一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 - Google Patents
一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 Download PDFInfo
- Publication number
- CN116506043A CN116506043A CN202310265537.XA CN202310265537A CN116506043A CN 116506043 A CN116506043 A CN 116506043A CN 202310265537 A CN202310265537 A CN 202310265537A CN 116506043 A CN116506043 A CN 116506043A
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- interference
- psk
- entropy
- 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.)
- Pending
Links
- 230000006854 communication Effects 0.000 title claims abstract description 56
- 238000004891 communication Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001228 spectrum Methods 0.000 claims abstract description 189
- 230000003595 spectral effect Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 33
- 230000001186 cumulative effect Effects 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000009825 accumulation Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 22
- 238000004088 simulation Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 12
- 238000012706 support-vector machine Methods 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 2
- 102000016550 Complement Factor H Human genes 0.000 description 1
- 108010053085 Complement Factor H Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
一种PSK数字调制通信信号的受扰状态识别方法、***、设备及介质,方法包括:首先对不同调制类型信号的特征参数进行分析,包括频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数进行分析,得到用于受扰状态识别的特征参数;其次根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰;其***、设备和介质能够对PSK数字调制通信信号的受扰状态进行识别;识别更全面准确,能够提升后续检测、定位的精度。
Description
技术领域
本发明属于通信信号抗干扰技术领域,具体涉及一种PSK数字调制通信信号的受扰状态识别方法、***、设备及介质。
背景技术
随着通信技术的不断发展,电磁环境愈加复杂,无线通信面临着通信质量的威胁。由于通信过程电磁空间的开放性,在接收己方通信信号时不可避免的会接收到干扰信号,包含各种各样的无意干扰和恶意干扰。无意干扰主要包括一些自然现象带来的干扰和设备间的相互干扰。恶意干扰指人为辐射的信号,对接收机进行扰乱、破坏和欺骗,使其无法得到有效信息。通信***无法避免无意干扰,却可以通过一定手段抑制这类干扰。但是恶意干扰会对通信***造成严重的影响,导致己方接收到的通信信号质量变差,无法获取有效信息,影响后续检测、定位等工作的精度,从而无法达到预期的军事目的。所以,深入研究通信抗干扰技术对无线通信技术意义重大。干扰检测是抗干扰中的一个重要环节,其目的是要对接收信号是否存在干扰进行判断,将结果反馈给发射机或者指挥中心,为后续采取有效的抗干扰措施至关重要。
现有的通信信号受扰判断的几种常见方法的基本原理:能量检测法,首先根据干扰信号是否存在做出两种假设,在无干扰信号存在时计算信号能量并设定判决门限,然后计算接收信号的能量与判决门限值进行比较,若大于门限值判断干扰存在;循环平稳检测方法,利用信号的循环平稳特性以及相关性来判断是否存在干扰。
现有技术对干扰检测算法大多针对仅有干扰信号与噪声存在的情况,少数技术考虑到通信信号或考虑的通信信号单一的问题。实际中发送方会根据信道的质量发送适合传输的调制类型的通信信号,达到传输有效信息的目的。如果受到敌方干扰信号的影响就使得己方无法获取有效信息,影响后续检测、定位等工作的精度。另外有些技术基于提前对几种干扰信号特征的分析,来达到受扰判断的目的,识别不够准确,影响后续抗干扰效果。
中国专利CN112838909B提出了一种基于高斯眼图纹理熵特征的通信干扰检测方法,主要解决现有干扰检测方法在低干信比下检测率低,检测时间较长的问题。其实现步骤是:(1)生成待检测无线通信信号的高斯眼图;(2)计算高斯眼图的纹理熵特征;(3)设定干扰检测检验统计量;(4)进行检验判决,得到干扰检测结果。该发明具有在高干信比和低干信比下干扰检测概率较高,检测速度快的优点,有效的克服了现有干扰检测方法存在的在低干信比下检测概率低和检测时间过长的问题。但是,首先,该专利仅考虑了有用信号和干扰信号存在的情况,其次,该专利利用眼图的熵对PSK类信号实现受扰状态识别,不能对BPSK、QPSK、8PSK各自的受扰状态识别。
发明内容
为了克服上述现有技术存在的不足,本发明的目的在于提出了一种PSK数字调制通信信号的受扰状态识别方法、***、设备及介质,通过对相移键控(PSK)通信信号特征,包括信号的频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值特征的分析,确定不同调制类型信号稳定的特征参数及其值的稳定范围,以判断信号是否受到干扰,能够快速识别受扰信息,识别更全面准确,提升后续检测、定位的精度。
为实现上述目的,本发明采取的技术方案为:
一种PSK数字调制通信信号的受扰状态识别方法,具体包括如下步骤:
步骤一、对不同调制类型信号的特征参数进行分析,包括对频谱对称性P、频谱离散峰个数Peak-num、时域幅值熵Ha、功率谱熵Hf及高阶累积量比值F1、F2、F8的特征参数的分析,得到用于受扰状态识别的特征参数;
步骤二、根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰。
所述步骤一中对频谱对称性的特征参数进行分析如下:
频谱对称性P即通信信号的频谱是否关于载波频率对称的反映
式中,
其中,PU、PL分别表示信号上边带和下边带的频谱,上边带以载波频率进行划分;
当信号频谱对称,则频谱对称性P的理论值为0;根据PSK类信号具有以载波频率为中心的对称频谱,不受干扰影响时,维持频谱对称性;得出当信号受到压制性干扰且干扰的频点不在信号载波频率处,则PSK类信号频谱的谱特性改变,谱的对称性被破坏;
所述步骤一中对频谱离散峰个数Peak-num即信号频域离散谱的个数分析如下:
首先对频谱数据进行预处理:用{R(fi),i=1,2,···,N}的每个频点fi处的谱值与fi-A~fi-B及fi+A~fi+B中2m个最大值的均值求比值得到谱R'(f):
然后进行谱线提取,得到频谱离散峰个数Peak-num;PSK类信号的频谱没有离散谱,不受干扰影响时,PSK类信号谱峰个数Peak-num等于0。
所述步骤一中对时域幅值熵Ha分析如下:
设接收信号为r(t),用采样率fs对其采样获得r(n),其中n=1,2,···,N,N为总的采样点数;信号的瞬时幅度可以表示为:a(n)=|r(n)|;利用信号的瞬时幅度可以求得信号得时域幅值熵:
对瞬时幅度a(n)作归一化处理
则信号的时域幅值熵为
式中,为各幅值能量占总能量的比例;
时域幅值熵Ha表征数字信号幅度值能量的分散程度,幅度值能量越分散,时域幅值熵越大,幅度值能量越集中,该值越小;PSK类信号在调制过程中根据相位变化传递信息,其幅度值能量均匀分布在采样区间内,不受干扰影响时,幅值熵的值稳定;
所述步骤一中对功率谱熵Hf分析如下:
接收信号离散采样后为r(n),利用周期图法计算得到信号的功率谱X(w)为:
式中,R(w)为r(n)的傅里叶变换,则r(n)功率谱熵:
功率谱熵Hf表征数字信号能量的分散程度,反映数字信号功率谱线个数,功率谱熵越大,说明信号的谱线个数越多,功率谱熵越小,谱线越少;对于PSK类信号,其功率谱只有连续谱分量,其能量较分散,不受干扰影响时,PSK的Hf较稳定,而如果信号受到干扰,其功率谱能量分散度会受到破坏,即Hf发生波动影响。
所述步骤一中对高阶累积量比值F1、F2、F8分析如下:
高斯随机变量对应的高阶累积量为零,而非高斯随机变量对应的高阶累积量不为零,对于包含高斯白噪声的数字信号和不加噪的数字信号,所对应的高阶累积量理论上相同;
对于一个具有零均值的复随机过程X(t),将其高阶矩定义为:
Mpq=E[X(t)(p-q)X*(t)q] (1-8)
累积量定义为:
Cpq=Cum{X(t),···,X(t),X*(t),···,X*(t)} (1-9)
其中,X(t)为p-q项,X*(t)项为q项,Cum为累积矩,*表示共轭;
各阶累积量与矩的关系如下:
C20=M20 (1-10)
C21=M21 (1-11)
C40=M40-3M20 2 (1-12)
C42=M42-|M20|2-2M21 2 (1-13)
C60=M60-15M40M20+30M20 3 (1-14)
由于信号s(t)与高斯白噪声n(t)两者独立,根据累积量的性质可得:
Cum(r(t))=Cum(s(t))+Cum(n(t)) (1-16)
而零均值高斯白噪声大于二阶的累积量值为零,则上式可以表示为:Cum(r(t))=Cum(s(t));
已调信号通过高斯信道,由于噪声的叠加,接收信号的理论模型为:
其中,E为调制是码元的能量,ak为能量归一化后的数字码元序列,Ts为码元周期,ωc为载波频率,θ为载波初相位,其中码元取值等概率出现;n(t)为零均值高斯白噪声;接收信号的相位、载频、定时达到同步后,对接收信号进行下变频处理,定时采样后,PSK类信号的理论高阶累积量如表1:
表1PSK类信号的理论高阶累积量
|C20| | |C21| | |C40| | |C41| | |C42| | |C60| | |C63| | |
BPSK | E | E | 2E2 | 2E2 | 2E2 | 16E3 | 13E3 |
QPSK | 0 | E | E2 | 0 | E2 | 0 | 4E3 |
8PSK | 0 | 0 | 0 | 0 | E2 | 0 | 4E3 |
表1中信号高阶累积量均与E有关,相同调制方式的信号的高阶累积量存在差异;构建与高阶累积量比值相关的特征参数,以消除E对同种调制类型信号间高阶累积量比值的影响:
其中,
所述步骤二根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰,具体如下:
1)确定PSK类信号特征参数无干扰时的稳定范围:
分别在比特信噪比为8-20dB时计算确定BPSK、QPSK和8PSK信号特征参数在无干扰时的稳定范围,在每个比特信噪比下分别进行不少于50次的特征参数计算,取其均值作为该比特性信噪比下的特征参数值;在生成BPSK、QPSK和8PSK基带信号时码元随机生成,基带信号的过采样率为8;得到频谱对称性P、频谱离散峰个数Peak-num、时域幅值熵Ha、功率谱熵Hf及高阶累积量比值F1、F2、F8在比特信噪比为8-20dB内的特征参数稳定范围,如表2
表2PSK类信号特征参数无干扰时的稳定范围
Peak_num | P | Ha | Hf | F1 | F2 | F8 | |
BPSK | 0 | (-0.05,0.05 | )(4.4,4.55 | )(3.6,4.5 | (0.9,1.1) | - | - |
QPSK | 0 | (-0.05,0.05 | )(4.5,4.6) | (3.6,4.5 | (0.9,1.2 | (0.6,1.05 | - |
8PSK | 0 | (-0.05,0.05 | )(4.5,4.6) | (3.0,4.4 | - | - | (14.6,15.5) |
2)以表2中PSK特征参数无干扰时稳定范围为判断信号是否受扰的依据,对PSK类信号均选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵为受扰判断使用的特征参数,对BPSK调制类型在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1为受扰判断使用的特征参数,QPSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F2为受扰判断使用的特征参数,8PSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F8作为其受扰识别特有的特征参数;当一个或多个特征参数值超出范围则判定信号受扰。
基于上述识别方法的PSK数字调制通信信号的受扰状态识别***,包括:
输入模块:用于提供***需要的先验条件,即信号调制方式;输入接收信号的采样数据。
特征参数计算模块:计算接收信号的特征参数,用于后续的受扰状态识别。
输出模块:利用输入信号的调制方式,调用对应的受扰状态识别算法,输出信号受扰状态。
基于上述识别方法的PSK数字调制通信信号的受扰状态识别设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现步骤一至二任一项所述的PSK数字调制通信信号的受扰状态识别方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时能够对PSK数字调制通信信号的受扰状态进行识别。
相对于现有技术,本发明的有益效果在于:
1、本发明所提出的方法是考虑到通信信号、噪声与干扰信号同时存在的情况下的受扰状态识别,在使用人员只能知道干扰信号属于PSK类的情况下,设计了针对PSK类信号通用的受扰状态识别方法,同时可对BPSK、QPSK与8PSK信号分别进行受扰状态识别;快速获取受扰信息,实用性强,提升后续检测、定位的精度。
2、P、Peak-num、Ha及Hf是关于PSK类信号稳定的可以反映其特征的特征参数,并且当PSK类信号受到干扰时,会导致其中至少一个或多个特征参数的值发生变化;PSK类信号受到单音或多音干扰时会改变信号的频谱峰值个数;PSK类信号受到脉冲干扰时,由于脉冲干扰的特性,会使信号的时域具有突发特征、频域出现频谱的展宽,使得PSK类信号的P、Ha及Hf明显改变;PSK类信号受到线性调频干扰和窄带干扰时,使得信号频域受到影响,对信号的Hf产生影响;受到信号干扰时,干扰信号使得信号的高阶累积量信息发生变化,特征参数F1、F2及F8较不受扰时产生改变;识别更全面准确。
3、通过大量仿真实验,本发明对每种调制类型的受扰判断算法,在比特信噪比为5dB以上,干信比-3dB以上受扰状态判断正确率达98%以上;对PSK类调制类型的受扰判断算法,在比特信噪比为5dB以上,干信比-1dB以上受扰状态判断正确率达98%以上。
附图说明
图1是频谱预处理前后效果图,其中:图1(a)为频谱预处理前效果图,图1(b)为频谱预处理前效果图。
图2是BPSK、QPSK、8PSK特征参数随信噪比变化曲线,其中:图2(a)为BPSK特征参数随信噪比变化曲线,图2(b)为QPSK特征参数随信噪比变化曲线,图2(c)为8PSK特征参数随信噪比变化曲线。
图3是BPSK受单音干扰后时域频域波形图,其中:图3(a)为BPSK受单音干扰后时域波形图,图3(b)为BPSK受单音干扰后频域波形图,图3(c)为BPSK受多音干扰后时域波形图,图3(d)为BPSK受多音干扰后频域波形图,图3(e)为BPSK受线性调频干扰后时域波形图,图3(f)为BPSK受线性调频干扰后频域波形图,图3(g)为BPSK受窄带干扰后时域波形图,图3(h)为BPSK受窄带干扰后频域波形图,图3(i)为BPSK受脉冲干扰后时域波形图,图3(j)为BPSK受脉冲干扰后频域波形图。
图4是BPSK信号受单音干扰参数变化曲线,其中:图4(a)为BPSK信号受单音干扰参数Ha变化曲线,图4(b)为BPSK信号受单音干扰参数Hf变化曲线,图4(c)为BPSK信号受单音干扰参数P变化曲线,图4(d)为BPSK信号受单音干扰Peak-num变化曲线,图4(e)为BPSK信号受单音干扰高阶累积量特征F1变化曲线。
图5是BPSK信号受多音干扰参数变化曲线,其中:图5(a)为BPSK信号受单音干扰参数Ha变化曲线,图5(b)为BPSK信号受单音干扰参数Hf变化曲线,图5(c)为BPSK信号受单音干扰参数P变化曲线,图5(d)为BPSK信号受单音干扰Peak-num变化曲线,图5(e)为BPSK信号受单音干扰高阶累积量特征F1变化曲线。
图6是BPSK信号受线性调频干扰参数变化曲线,其中:图6(a)为BPSK信号受线性调频干扰参数Ha变化曲线,图6(b)为BPSK信号受线性调频干扰参数Hf变化曲线,图6(c)为BPSK信号受线性调频干扰参数P变化曲线,图6(d)为BPSK信号受线性调频干扰Peak_num变化曲线,图6(e)为BPSK信号受单音干扰高阶累积量特征F1变化曲线。
图7是BPSK信号受窄带干扰参数变化曲线,其中:图7(a)为BPSK信号受窄带干扰参数Ha变化曲线,图7(b)为BPSK信号受窄带干扰参数Hf变化曲线,图7(c)为BPSK信号受窄带干扰参数P变化曲线,图7(d)为BPSK信号受窄带干扰Peak_num变化曲线,图7(e)为BPSK信号受窄带干扰高阶累积量特征F1变化曲线。
图8是BPSK信号受脉冲干扰参数变化曲线,其中:图8(a)为BPSK信号受脉冲干扰参数Ha变化曲线,图8(b)为BPSK信号受脉冲干扰参数Hf变化曲线,图8(c)为BPSK信号受脉冲干扰参数P变化曲线,图8(d)为BPSK信号受脉冲干扰Peak_num变化曲线,图8(e)为BPSK信号受脉冲干扰高阶累积量特征F1变化曲线。
图9是QPSK信号受单音干扰参数变化曲线,其中:图9(a)为QPSK信号受单音干扰参数Ha变化曲线,图9(b)为QPSK信号受单音干扰参数Hf变化曲线,图9(c)为QPSK信号受单音干扰参数F1变化曲线,图9(d)为QPSK信号受单音干扰F2变化曲线。
图10是QPSK信号受多音干扰参数变化曲线,其中:图10(a)为QPSK信号受多音干扰参数Ha变化曲线,图10(b)为QPSK信号受多音干扰参数Hf变化曲线,图10(c)为QPSK信号受多音干扰参数F1变化曲线,图10(d)为QPSK信号受多音干扰F2变化曲线。
图11是QPSK信号受线性调频干扰参数变化曲线,其中:图11(a)为QPSK信号受线性调频干扰参数Ha变化曲线,图11(b)为QPSK信号受线性调频干扰参数Hf变化曲线,图11(c)为QPSK信号受线性调频干扰参数F1变化曲线,图11(d)为QPSK信号受线性调频干扰F2变化曲线。
图12是QPSK信号受窄带干扰参数变化曲线,其中:图12(a)为QPSK信号受窄带干扰参数Ha变化曲线,图12(b)为QPSK信号受窄带干扰参数Hf变化曲线,图12(c)为QPSK信号受窄带干扰参数F1变化曲线,图12(d)为QPSK信号受窄带干扰F2变化曲线。
图13是QPSK信号受脉冲干扰参数变化曲线,其中:图13(a)为QPSK信号受脉冲干扰参数Ha变化曲线,图13(b)为QPSK信号受脉冲干扰参数Hf变化曲线,图13(c)为QPSK信号受脉冲干扰参数F1变化曲线,图13(d)为QPSK信号受脉冲干扰F2变化曲线。
图14是8PSK信号受单音干扰特征参数变化曲线,其中:图14(a)为8PSK信号受单音干扰参数Ha变化曲线,图14(b)为8PSK信号受单音干扰参数Hf变化曲线,图14(c)为8PSK信号受单音干扰参数F8变化曲线。
图15是8PSK信号受多音干扰特征参数变化曲,其中:图15(a)为8PSK信号受多音干扰参数Ha变化曲线,图15(b)为8PSK信号受多音干扰参数Hf变化曲线,图15(c)为8PSK信号受多音干扰参数F8变化曲线。
图16是8PSK信号受线性调频干扰特征参数变化曲线,其中:图16(a)为8PSK信号受线性调频干扰参数Ha变化曲线,图16(b)为8PSK信号受线性调频参数Hf变化曲线,图16(c)为8PSK信号受线性调频干扰参数F8变化曲线。
图17是8PSK信号受窄带干扰特征参数变化曲线,其中:图17(a)为8PSK信号受窄带干扰参数Ha变化曲线,图17(b)为8PSK信号受窄带干扰参数Hf变化曲线,图17(c)为8PSK信号受窄带干扰参数F8变化曲线。
图18是8PSK信号受脉冲干扰特征参数变化曲线,其中:图18(a)为8PSK信号受脉冲干扰参数Ha变化曲线,图18(b)为8PSK信号受脉冲干扰参数Hf变化曲线,图18(c)为8PSK信号受脉冲干扰参数F8变化曲线。
图19是PSK类受扰状态识别算法准确率,其中:图19(a)基于决策树,图19(b)基于SVM。
图20是基于决策树不同调制信号受扰状态识别算法准确率,其中:图20(a)为BPSK信号受扰状态识别算法准确率,图20(b)为QPSK信号受扰状态识别算法准确率,图20(c)为QPSK信号受扰状态识别算法准确率。
图21是基于SVM不同调制信号受扰状态识别算法准确率,其中:图21(a)为BPSK信号受扰状态识别算法准确率,图21(b)为QPSK信号受扰状态识别算法准确率,图21(c)为QPSK信号受扰状态识别算法准确率。
具体实施方式
下面结合附图对本发明进一步详细说明。
一种PSK数字调制通信信号的受扰状态识别方法,具体包括如下步骤:
步骤一、对不同调制类型信号的特征参数进行分析,选取其用于受扰状态识别的特征参数,特征参数及分析如下:
(1)频谱对称性P分析
频谱对称性即通信信号的频谱是否关于载波频率对称的反映
式中,
其中,PU、PL分别表示信号上边带和下边带的频谱,上边带以载波频率进行划分;
当信号频谱对称,则频谱对称性P的理论值为0;根据PSK类信号具有以载波频率为中心的对称频谱,不受干扰影响时,维持频谱对称性;当信号受到压制性干扰且干扰的频点不在信号载波频率处,则PSK类信号频谱的谱特性改变,谱的对称性被破坏;
(2)频谱离散峰个数Peak-num即信号频域离散谱的个数分析;
首先对频谱数据进行预处理:用{R(fi),i=1,2,···,N}的每个频点fi处的谱值与fi-A~fi-B及fi+A~fi+B中2m个最大值的均值求比值得到谱R'(f),
然后进行谱线提取,得到频谱离散峰个数Peak-num;PSK类信号的频谱没有离散谱,不受干扰影响时,PSK类信号谱峰个数Peak-num等于0;效果图如图1;
(3)时域幅值熵Ha分析;
设接收信号为r(t),用采样率fs对其采样获得r(n),其中n=1,2,···,N,N为总的采样点数;信号的瞬时幅度可以表示为:a(n)=|r(n)|;利用信号的瞬时幅度可以求得信号得时域幅值熵:
对瞬时幅度a(n)作归一化处理
则信号的时域幅值熵为
式中为各幅值能量占总能量的比例;
时域幅值熵Ha表征数字信号幅度值能量的分散程度,幅度值能量越分散时域幅值熵越大,幅度值能量越集中该值越小;PSK类信号在调制过程中根据相位变化传递信息,其幅度值能量均匀分布在采样区间内,不受干扰影响时,幅值熵的值稳定;
(4)对功率谱熵Hf分析
接收信号离散采样后为r(n),利用周期图法计算得到信号的功率谱X(w)为:
式中R(w)为r(n)的傅里叶变换,则r(n)功率谱熵:
功率谱熵Hf表征数字信号能量的分散程度,反映数字信号功率谱线个数,功率谱熵越大说明信号的谱线个数越多,功率谱熵越小谱线越少;对于PSK类信号,其功率谱只有连续谱分量,其能量较分散,不受干扰影响时,PSK的Hf较稳定,而如果信号受到干扰,其功率谱能量分散度会受到破坏,即Hf会波动,波动超出信号稳定范围就证明有干扰的影响;
(5)高阶累积量比值F1、F2、F8分析
高斯随机变量对应的高阶累积量为零,而非高斯随机变量对应的高阶累积量不为零,对于包含高斯白噪声的数字信号和不加噪的数字信号,他们所对应的高阶累积量在理论上是相同的,提取加噪信号的高阶累积量作为信号特征可以最大限度地削弱噪声对信号的影响;
对于一个具有零均值的复随机过程X(t),其高阶矩定义为:
Mpq=E[X(t)(p-q)X*(t)q] (1-8)
累积量定义为:
Cpq=Cum{X(t),···,X(t),X*(t),···,X*(t)} (1-9)
其中,X(t)为p-q项,X*(t)项为q项,Cum为累积矩,*表示共轭;
各阶累积量与矩的关系如下:
C20=M20 (1-10)
C21=M21 (1-11)
C40=M40-3M20 2 (1-12)
C42=M42-|M20|2-2M21 2 (1-13)
C60=M60-15M40M20+30M20 3 (1-14)
由于信号s(t)与高斯白噪声n(t)两者独立,根据累积量的性质可得:
Cum(r(t))=Cum(s(t))+Cum(n(t)) (1-16)
根据零均值高斯白噪声大于二阶的累积量值为零,则上式可以表示为:Cum(r(t))=Cum(s(t));
已调信号通过高斯信道,由于噪声的叠加,接收信号的理论模型为:
其中,E为调制是码元的能量,ak为能量归一化后的数字码元序列,Ts为码元周期,ωc为载波频率,θ为载波初相位,其中码元取值等概率出现;n(t)为零均值高斯白噪声;接收信号的相位、载频、定时达到同步后,对接收信号进行下变频处理,定时采样后,PSK类信号的理论高阶累积量如下:
表1PSK类信号的理论高阶累积量
|C20| | |C21| | |C40| | |C41| | |C42| | |C60| | |C63| | |
BPSK | E | E | 2E2 | 2E2 | 2E2 | 16E3 | 13E3 |
QPSK | 0 | E | E2 | 0 | E2 | 0 | 4E3 |
8PSK | 0 | 0 | 0 | 0 | E2 | 0 | 4E3 |
表1中信号高阶累积量均与E有关,相同调制方式的信号的高阶累积量存在差异;构建与高阶累积量比值相关的特征参数,以消除E对同种调制类型信号间高阶累积量比值的影响:
其中,
二、根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰。
1)确定PSK特征参数无干扰时的稳定范围:
分别在比特信噪比为8-20dB,步进2dB时计算确定BPSK、QPSK和8PSK信号特征参数在无干扰时的稳定范围,在每个比特信噪比下分别进行不少于50次的特征参数计算,取其均值作为该比特性信噪比下的特征参数值;在生成BPSK、QPSK和8PSK基带信号时码元随机生成,数字通信信号为码速0.5Mbps、相邻频率间隔为2倍码速、成型滤波器选择根升余弦滤波器其滚降系数为0.5的基带信号;基带信号的过采样率为8;得到频谱对称性P、频谱离散峰个数Peak-num、时域幅值熵Ha、功率谱熵Hf及高阶累积量比值F1、F2、F8的平均值作为该类信号在此SNR(信噪比)条件下的特征参数稳定范围:
表2PSK类信号特征参数无干扰时的稳定范围
Peak_num | P | Ha | Hf | F1 | F2 | F8 | |
BPSK | 0 | (-0.05,0.05 | )(4.4,4.55 | )(3.6,4.5 | (0.9,1.1) | - | - |
QPSK | 0 | (-0.05,0.05 | )(4.5,4.6) | (3.6,4.5 | (0.9,1.2 | (0.6,1.05 | - |
8PSK | 0 | (-0.05,0.05 | )(4.5,4.6) | (3.0,4.4 | - | - | (14.6,15.5) |
2)以表2中PSK特征参数无干扰时稳定范围为判断信号是否受扰的依据,对PSK类信号均选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵为受扰判断使用的特征参数,对BPSK调制类型在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1为受扰判断使用的特征参数,QPSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F2为受扰判断使用的特征参数,8PSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F8作为其受扰识别特有的特征参数;当一个或多个特征参数值超出范围则判定信号受扰。BPSK、QPSK、8PSK特征参数随信噪比变化曲线如图2。
下面结合仿真实验,进行特征参数受扰分析
1.BPSK信号受扰特征参数变化情况
分析图2稳定特征参数的受扰变化情况,用单音干扰、多音干扰、线性调频干扰、窄带干扰及脉冲干扰进行仿真分析。
(1)单音干扰对BPSK各特征参数的影响
BPSK信号受到单音干扰,其中单音干扰与BPSK信号干信比为8dB,单音干扰频率为2KHz。信号时域频域波形图如图3:
分别仿真BPSK信号特征参数受到单音干扰时的变化情况,如图4。
单音干扰的频域特点是在信号频率处有一离散谱,而BPSK的频谱不含离散谱,所以BPSK受到单音干扰后频谱会出现一根离散谱线,使得Peak-num=1,同时对BPSK信号Hf产生影响,随着信干比的增加Hf减小。单音干扰对信号的Ha有影响,单音干扰使得信号的时域能量变得分散,并且随着干扰功率的增加信号的时域能量更加分散,Ha增加,但其波动较小。单音干扰对BPSK高阶累积量特征F1影响明显。单音干扰对信号频谱对称性P几乎没有影响。
(2)多音干扰对BPSK各特征参数的影响
BPSK信号受到多音干扰,其中多音干扰与BPSK信号干信比为8dB,多音干扰频率为10KHz、100KHz、150KHz。信号时域频域波形图如图3:
分别仿真BPSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选四个特征参数受到多音干扰时的变化情况。多音干扰信号的频率为10KHz、100KHz、150KHz。
多音干扰对信号时域幅值有影响,故信号的时域能量熵发生变化。多音干扰使信号时域能量变得集中,时域幅值熵值减小,但其值变化较小。由于多音干扰的频域特点是在信号频率处有多个离散谱,而BPSK的频谱不含离散谱,所以BPSK受到多音干扰后会出现多根离散谱线。多音干扰对BPSK高阶累积量特征F1影响明显。多音干扰对信号对称性几乎没有影响。如图5。
(3)线性调频信号对BPSK各特征参数的影响
BPSK信号受到线性调频信号干扰,其中干扰与BPSK信号干信比为8dB。信号时域频域波形图如图3。
分别仿真BPSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选四个特征参数受到线性扫频干扰时的变化情况。线性调频信号的扫频速度为100MHz/s,起始频点为1KHz。
线性调频信号在频域中波形的近似为矩形,不含离散谱,故受扰后信号频谱没有离散谱。线性调频表现出较宽带宽干扰样式故对信号的频谱对称性影响较大,对功率谱熵有较大影响。线性调频干扰对信号的时域能量熵有影响,参数值较无干扰时变化较小。对信号的高阶累积量影响较大。如图6。
(4)窄带干扰对BPSK各特征参数的影响
BPSK信号受到线性调频信号干扰,其中干扰与BPSK信号干信比为8dB。信号时域频域波形图如图3:
分别仿真BPSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选四个特征参数受到窄带干扰时的变化情况。窄带信号为码速10Kbps、载频5KHz的BPSK调制信号。
由于该窄带干扰同为BPSK调制信号,故对BPSK通信信号的时域幅值熵影响小,也不会影响频域的离散谱线个数。干扰信号的带宽很窄,对信号频谱对称性几乎没有影响,但其对BPSK信号的功率谱熵和高阶累积量F1产生了较大的影响。如图7。
(5)脉冲干扰对BPSK各特征参数的影响
BPSK信号受到线性调频信号干扰,其中干扰与BPSK信号干信比为8dB。信号时域频域波形图如图3:
分别仿真BPSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选四个特征参数受到脉冲干扰时的变化情况。脉冲干扰为三角脉冲、脉冲数量为4。
由于脉冲干扰在时域表现为具有突发性且持续一段时间,故脉冲干扰对信号的时域幅度熵影响较大。信号在时域能量较集中,变换到频域则出现一定的频率展宽,所以会影响通信信号的对称性、功率谱熵,不会导致通信信号的频谱具有离散谱。对信号高阶累积量特征F1影响较大。如图8所示。
2.QPSK信号受扰特征参数变化情况,QPSK时域频域波形图见图13;
由于QPSK的频谱特性与BPSK相同均为连续谱、不含离散谱线,同时只有单音干扰和多音干扰会对信号的频谱离散峰个数造成影响,故对QPSK受扰对特征参数的影响分析将不再分析频谱峰值个数。根据上对BPSK信号受扰分析,可以得到频谱对称性受到线性调频干扰及脉冲干扰的影响。故对QPSK特征参数值受扰变化只分析Ha、Hf、F1、F2。
(1)单音干扰对QPSK各特征参数的影响
QPSK信号受到单音干扰,其中单音干扰与QPSK信号干信比为8dB,单音干扰频率为2KHz。
分别仿真QPSK信号(载频1KHz)所选四个特征参数受到单音干扰时的变化情况,单音干扰信号的频率0.2KHz。
单音干扰对QPSK信号的时域能量熵有影响,并且随着干扰功率的增加信号的时域能量更加分散,时域幅值熵值增加,但其波动较小。单音干扰对QPSK高阶累积量特征F1影响明显,对F2干信比要大于8dB以上才能与信号区分。单音干扰对信号对称性几乎没有影响。如图9。
(2)多音干扰对QPSK各特征参数的影响
QPSK信号受到多音干扰,其中干扰与QPSK信号干信比为8dB。
分别仿真QPSK信号(载频1KHz)所选四个特征参数受到多音干扰时的变化情况。
多音干扰对QPSK信号的时域能量熵有影响,但其波动较小。多音干扰对QPSK高阶累积量特征F1、F2影响明显。多音干扰对信号功率谱熵有影响,且随着干信比的增加Hf减小,如图10所示。
(3)线性调频信号对QPSK各特征参数的影响
QPSK信号受到线性调频信号干扰,其中干扰与QPSK信号干信比为8dB。
分别仿真QPSK信号(载频1KHz)所选四个特征参数受到线性扫频干扰时的变化情况。线性调频信号的扫频速度为100MHz/s,起始频点为1KHz。
线性调频干扰对QPSK信号的时域能量熵有影响,参数值波动较小。对信号功率谱熵值影响大,且随着干信比的增加Hf增加。线性调频表现出较宽带宽干扰样式故对信号的频谱对称性影响较大。对信号的高阶累积量参数F1影响较大。如图11。
(4)窄带干扰对QPSK各特征参数的影响
QPSK信号受到窄带信号干扰,其中干扰与QPSK信号干信比为8dB。
分别仿真QPSK信号(载频1KHz)所选四个特征参数受到窄带干扰时的变化情况。窄带信号为码速10Kbps、载频5KHz的QPSK调制信号。
窄带干扰对QPSK通信信号的时域幅值熵影响较小。由于窄带信号使得信号功率谱上具有较窄的突起,故其对信号功率谱熵影响大,且随着干信比的增加,Hf明显增加。其对通信信号的高阶累积量参数F1产生了较大的影响。如图12。
(5)脉冲干扰对QPSK各特征参数的影响
QPSK信号受到脉冲干扰,其中干扰与QPSK信号干信比为8dB。
分别仿真QPSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选四个特征参数受到脉冲干扰时的变化情况。脉冲干扰为三角脉冲、脉冲数量为4。
由于脉冲干扰在时域表现为具有突发性且持续一段时间,故脉冲干扰对信号的时域幅度熵影响较大。信号在时域能量较集中,变换到频域则出现一定的频率展宽,所以会影响通信信号的对称性和功率谱熵。对信号高阶累积量特征F1、F2影响大。如图13。
3.8PSK信号受扰特征参数变化情况
由于8PSK的频谱为连续谱、不含离散谱线,从上述内容得知只有单音干扰和多音干扰会对信号的频谱离散峰个数造成影响,故本小节对8PSK受扰对特征参数的影响分析将不再分析频谱峰值个数。频谱对称性受到线性调频干扰及脉冲干扰的影响,故本小节对8PSK特征参数值受扰变化只分析Ha、Hf与F8。
(1)单音干扰对8PSK各特征参数的影响
分别仿真8PSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选特征参数受到单音干扰时的变化情况。
已知8PSK信号的功率谱无离散谱,受到单音干扰后导致其功率谱出现一个离散谱线,从而影响Hf,使得Hf较无干扰时小。并且随着干信比的增加,Hf变小。单音干扰使得信号的时域能量改变,随着干扰功率的增加信号的时域能量更加分散,Ha增加,但其干信比在8dB以上才可以与无干扰时区分,并且波动较小。如图14。
(2)多音干扰对8PSK各特征参数的影响
分别仿真8PSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选特征参数受到单音干扰时的变化情况。
多音干扰导致接收信号的频谱由连续谱和多个离散峰两部分组成,所以功率谱熵变小。多音干扰使得信号的时域能量改变,随着干扰功率的增加信号的时域能量比无干扰时集中,Ha减小,但其较无干扰时波动小。多音干扰使得F8变化大。如图15。
(3)线性调频干扰对8PSK各特征参数的影响
分别仿真8PSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选特征参数受到线性干扰时的变化情况。
线性调频干扰很大程度上改变的信号的频谱特性,所以功率谱熵变化大。信号受到多音干扰后F8波动明显。如图16。
(4)窄带干扰对8PSK各特征参数的影响
分别仿真8PSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选特征参数受到窄带干扰时的变化情况。
窄带干扰很大程度上改变的信号的频谱特性,使得功率谱熵变化大。信号受到窄带干扰后F8波动明显。窄带干扰对时域幅值熵有影响,但其与无干扰时值差异较小。如图17。
(5)脉冲干扰对8PSK各特征参数的影响
分别仿真8PSK信号(信号码速0.5Mbps、采样率4MHz、信号持续时间10ms、载频1KHz)所选特征参数受到脉冲干扰时的变化情况。
脉冲干扰在时域表现为具有突发性且持续一段时间,故脉冲干扰对信号的时域幅度熵影响大。信号在时域能量较集中,变换到频域则出现一定的频率展宽,所以会影响通信信号的对称性、功率谱熵。对信号高阶累积量特征F8影响较大。如图18。
本发明的效果可以通过下面的仿真实验进一步证明。
定义数据集1为BPSK的测试数据,包含BPSK不受干扰时200个数据和分别受五种干扰的数据各100个,共700个数据。定义数据集2为QPSK的测试数据,包含QPSK不受干扰时200个数据和分别受五种干扰的数据各100个,共700个数据。定义数据集3为8PSK的测试数据,包含8PSK不受干扰时200个数据和分别受五种干扰的数据各100个,共700个数据。定义数据集4为数据集1-3的合集。进行仿真,仿真内容与结果:
利用MATLAB生成仿真信号,其中通信信号的码速为0.5Mbps、采样率4MHz,频偏在-12KHz到10KHz步进为100Hz。单音干扰、多音干扰、线性调频干扰、脉冲干扰、窄带干扰的相关参数从下表随机选择。其中多音干扰仿真数据采用4个频点,从下表3频点参数中随机不重复的选取四个值。
表3干扰信号参数表
测试数据为每种调制类型信号无干扰时200个数据,其中每种调制方式受五种干扰信号的数据分别各100个数据。定义数据集1-3分别为BPSK、QPSK、8PSK的测试数据,定义数据集4为数据集1-3的合集。
仿真实验一
根据表2对每类信号设置基于决策树的受扰状态识别算法,对PSK受扰状态识别算法进行仿真。PSK类信号的受扰状态识别算法使用数据集4的信号分析验证其准确率。结果如图19所示。
通过上述实验可以证明所选参数的稳定性。PSK类通信信号干扰状态识别算法在比特信噪比8dB以上时,干信比-5dB准确率达80%,干信比在-5dB以上准确率在90%以上。且随着干信比的增加受扰识别准确率增加。
仿真实验二
根据表1对每种调制类型信号设置基于决策树的受扰状态识别算法,对每种调制类型信号的决策树性能进行分析。测试数据为数据集1-3。
对于每种调制类型通信信号的受扰状态识别率,当比特信噪比8dB以上时,干信比在-10dB时BPSK、QPSK、8PSK的受扰状态识别正确率在80%,其中8PSK准确率达98%。在干信比-5dB时准确率提升,达到95%。随着干信比的增加受扰识别准确率增加。如图20所示。
仿真实验三
对PSK调制类型受扰状态识别训练SVM(支持向量机)模型,训练数据重新生成,采样率适配为码速的八倍,频偏在-12KHz到12.5KHz步进为500Hz。单音干扰、多音干扰、线性调频干扰、脉冲干扰、窄带干扰的相关参数从下表随机选择。其中多音干扰仿真数据采用4个频点,从下表4参数中随机不重复的选取四个值。测试集为4。
表4用于SVM训练的干扰信号参数表
结果如图19所示。
仿真实验四
对每种调制类型受扰状态识别分别训练SVM(支持向量机)模型,训练数据与实验三相同。
测试数据为数据集1-3,测试集利用SVM模型受扰状态识别准确率为下图所示:
测试集利用SVM模型受扰状态识别准确率如图21所示。
对于每种调制类型通信信号的受扰状态识别率,当比特信噪比在5dB以上时,每种调制类型的受扰状态识别率均高于基于决策树算法的准确率,达到80%。在干信比-3dB以上时,准确率达90%。干信比高于-3dB,每种调制类型的受扰状态识别率达98%以上。
Claims (10)
1.一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,具体包括如下步骤:
步骤一、对不同调制类型信号的特征参数进行分析,包括对频谱对称性P、频谱离散峰个数Peak-num、时域幅值熵Ha、功率谱熵Hf及高阶累积量比值F1、F2、F8的特征参数的分析,得到用于受扰状态识别的特征参数;
步骤二、根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰。
2.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤一中对频谱对称性的特征参数进行分析如下:
频谱对称性P即通信信号的频谱是否关于载波频率对称的反映
式中,
其中,PU、PL分别表示信号上边带和下边带的频谱,上边带以载波频率进行划分;
当信号频谱对称,则频谱对称性P的理论值为0;根据PSK类信号具有以载波频率为中心的对称频谱,不受干扰影响时,维持频谱对称性;得出当信号受到压制性干扰且干扰的频点不在信号载波频率处,则PSK类信号频谱的谱特性改变,谱的对称性被破坏。
3.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤一中对频谱离散峰个数Peak-num即信号频域离散谱的个数分析如下:
首先对频谱数据进行预处理:用{R(fi),i=1,2,···,N}的每个频点fi处的谱值与fi-A~fi-B及fi+A~fi+B中2m个最大值的均值求比值得到谱R'(f):
然后进行谱线提取,得到频谱离散峰个数Peak-num;PSK类信号的频谱没有离散谱,不受干扰影响时,PSK类信号谱峰个数Peak-num等于0。
4.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤一中对时域幅值熵Ha分析如下:
设接收信号为r(t),用采样率fs对其采样获得r(n),其中n=1,2,···,N,N为总的采样点数;信号的瞬时幅度可以表示为:a(n)=|r(n)|;利用信号的瞬时幅度可以求得信号得时域幅值熵:
对瞬时幅度a(n)作归一化处理
则信号的时域幅值熵为
式中,为各幅值能量占总能量的比例;
时域幅值熵Ha表征数字信号幅度值能量的分散程度,幅度值能量越分散时域幅值熵越大,幅度值能量越集中该值越小;PSK类信号在调制过程中根据相位变化传递信息,其幅度值能量均匀分布在采样区间内,不受干扰影响时,幅值熵的值稳定。
5.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤一中对功率谱熵Hf分析如下:
接收信号离散采样后为r(n),利用周期图法计算得到信号的功率谱X(w)为:
式中,R(w)为r(n)的傅里叶变换,则r(n)功率谱熵:
功率谱熵Hf表征数字信号能量的分散程度,反映数字信号功率谱线个数,功率谱熵越大说明信号的谱线个数越多,功率谱熵越小谱线越少;对于PSK类信号,其功率谱只有连续谱分量,其能量较分散,不受干扰影响时,PSK的Hf较稳定,而如果信号受到干扰,其功率谱能量分散度会受到破坏,即Hf发生波动影响。
6.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤一中对高阶累积量比值F1、F2、F8分析如下:
高斯随机变量对应的高阶累积量为零,而非高斯随机变量对应的高阶累积量不为零,对于包含高斯白噪声的数字信号和不加噪的数字信号,所对应的高阶累积量理论上相同;
对于一个具有零均值的复随机过程X(t),将其高阶矩定义为:
Mpq=E[X(t)(p-q)X*(t)q] (1-8)
累积量定义为:
Cpq=Cum{X(t),···,X(t),X*(t),···,X*(t)} (1-9)
其中,X(t)为p-q项,X*(t)项为q项,Cum为累积矩,*表示共轭;
各阶累积量与矩的关系如下:
C20=M20 (1-10)
C21=M21 (1-11)
C40=M40-3M20 2 (1-12)
C42=M42-|M20|2-2M21 2 (1-13)
C60=M60-15M40M20+30M20 3 (1-14)
由于信号s(t)与高斯白噪声n(t)两者独立,根据累积量的性质可得:
Cum(r(t))=Cum(s(t))+Cum(n(t)) (1-16)
而零均值高斯白噪声大于二阶的累积量值为零,则上式可以表示为:Cum(r(t))=Cum(s(t));
已调信号通过高斯信道,由于噪声的叠加,接收信号的理论模型为:
其中,E为调制是码元的能量,ak为能量归一化后的数字码元序列,Ts为码元周期,ωc为载波频率,θ为载波初相位,其中码元取值等概率出现;n(t)为零均值高斯白噪声;接收信号的相位、载频、定时达到同步后,对接收信号进行下变频处理,定时采样后,PSK类信号的理论高阶累积量如表1:
表1 PSK类信号的理论高阶累积量
表1中信号高阶累积量均与E有关,相同调制方式的信号的高阶累积量存在差异;构建与高阶累积量比值相关的特征参数,以消除E对同种调制类型信号间高阶累积量比值的影响:
其中,
7.根据权利要求1所述的一种PSK数字调制通信信号的受扰状态识别方法,其特征在于,所述步骤二根据频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵及高阶累积量比值的特征参数,确定PSK特征参数无干扰时的稳定范围,判定信号是否受扰,具体如下:
1)确定PSK类信号特征参数无干扰时的稳定范围:
分别在比特信噪比为8-20dB时计算确定BPSK、QPSK和8PSK信号特征参数在无干扰时的稳定范围,在每个比特信噪比下分别进行不少于50次的特征参数计算,取其均值作为该比特性信噪比下的特征参数值;在生成BPSK、QPSK和8PSK基带信号时码元随机生成,基带信号的过采样率为8;得到频谱对称性P、频谱离散峰个数Peak_num、时域幅值熵Ha、功率谱熵Hf及高阶累积量比值F1、F2、F8在比特信噪比为8-20dB内的特征参数稳定范围,如表2
表2 PSK类信号特征参数无干扰时的稳定范围
2)以表2中PSK特征参数无干扰时的稳定范围为判断信号是否受扰的依据,对PSK类信号均选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵为受扰判断使用的特征参数,对BPSK调制类型在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1为受扰判断使用的特征参数,QPSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F2为受扰判断使用的特征参数,8PSK在选择频谱对称性、频谱离散峰个数、时域幅值熵、功率谱熵基础上增加选择F1和F8作为其受扰识别特有的特征参数;当一个或多个特征参数值超出范围则判定信号受扰。
8.基于权利要求1至7所述识别方法的PSK数字调制通信信号的受扰状态识别***,其特征在于,包括:
输入模块:用于提供***需要的先验条件,即信号调制方式;输入接收信号的采样数据。
特征参数计算模块:计算接收信号的特征参数,用于后续的受扰状态识别。
输出模块:利用输入信号的调制方式,调用对应的受扰状态识别算法,输出信号受扰状态。
9.基于权利要求1至7所述所述识别方法的PSK数字调制通信信号的受扰状态识别设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现权利要求1至6任一项所述的PSK数字调制通信信号的受扰状态识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时能够对PSK数字调制通信信号的受扰状态进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310265537.XA CN116506043A (zh) | 2023-03-18 | 2023-03-18 | 一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310265537.XA CN116506043A (zh) | 2023-03-18 | 2023-03-18 | 一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116506043A true CN116506043A (zh) | 2023-07-28 |
Family
ID=87320839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310265537.XA Pending CN116506043A (zh) | 2023-03-18 | 2023-03-18 | 一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116506043A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194900A (zh) * | 2023-09-25 | 2023-12-08 | 中国铁路成都局集团有限公司成都供电段 | 一种基于自适应感知的设备运行轻量化监测方法及*** |
CN117411754A (zh) * | 2023-12-15 | 2024-01-16 | 大尧信息科技(湖南)有限公司 | 基于决策树综合判决的数字信号调制识别方法及*** |
-
2023
- 2023-03-18 CN CN202310265537.XA patent/CN116506043A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194900A (zh) * | 2023-09-25 | 2023-12-08 | 中国铁路成都局集团有限公司成都供电段 | 一种基于自适应感知的设备运行轻量化监测方法及*** |
CN117411754A (zh) * | 2023-12-15 | 2024-01-16 | 大尧信息科技(湖南)有限公司 | 基于决策树综合判决的数字信号调制识别方法及*** |
CN117411754B (zh) * | 2023-12-15 | 2024-03-08 | 大尧信息科技(湖南)有限公司 | 基于决策树综合判决的数字信号调制识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116506043A (zh) | 一种psk数字调制通信信号的受扰状态识别方法、***、设备及介质 | |
Like et al. | Signal classification in fading channels using cyclic spectral analysis | |
CN113225102B (zh) | 一种基于随机连续相位调制信号的低信噪比码捕获方法 | |
Petrova et al. | Multi-class classification of analog and digital signals in cognitive radios using support vector machines | |
CN102546061B (zh) | 基于小波变换的自适应时频空穴检测方法 | |
CN101771652B (zh) | 基于幅值比例因子的限幅预留子载波降低papr的方法及*** | |
CN106357574A (zh) | 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 | |
CN103780462A (zh) | 基于高阶累积量和谱特征的卫星通信信号调制识别方法 | |
CN106936743B (zh) | 一种电力线通信***脉冲噪声抑制方法 | |
WO2001031872A1 (en) | Radio communication system based on cepstral modulation | |
CN112364729A (zh) | 基于特征参数与bp神经网络的调制识别方法 | |
CN108052956A (zh) | 一种大气湍流下无线光通信副载波调制星座图识别方法 | |
CN101588191B (zh) | 无线电信号认知方法及设备 | |
CN106789760A (zh) | 一种抗干扰的单载波信道估计与均衡方法与装置 | |
CN106506427A (zh) | 一种基于folp的stbc‑ofdm信号盲识别方法 | |
CN116257752A (zh) | 一种信号调制样式识别方法 | |
CN101442512B (zh) | Ofdm信号的识别方法 | |
Sobolewski et al. | Universal nonhierarchical automatic modulation recognition techniques for distinguishing bandpass modulated waveforms based on signal statistics, cumulant, cyclostationary, multifractal and fourier-wavelet transforms features | |
CN113569773A (zh) | 基于知识图谱和Softmax回归的干扰信号识别方法 | |
CN116684033B (zh) | 一种无人机***灵巧干扰方法及装置 | |
CN104883328A (zh) | 一种自适应短波跳频通信***信道估计方法 | |
Nawaz et al. | Stealthy jammer detection algorithm for wide-band radios: A physical layer approach | |
CN114143156B (zh) | 浅海脉冲噪声和稀疏多途信道下ofdm-mfsk信号盲解调方法及*** | |
CN113242201B (zh) | 基于生成分类网络的无线信号增强解调方法及*** | |
CN104468426A (zh) | Lte上行信道估计方法及*** |
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 |