RU2510077C2 - Method and apparatus for automatic detection of radio signal keying types - Google Patents

Abstract

FIELD: radio engineering, communication.

SUBSTANCE: apparatus has an antenna, an analogue-to-digital converter, a unit for generating in-phase and quadrature signal components, a cumulant calculating unit and a neural network unit.

EFFECT: automatic detection of types of keying radio signals in conditions without high-accuracy carrier frequency synchronisation for a wider range of types of keying.

2 cl, 3 dwg

Description

Область техники, к которой относится изобретениеFIELD OF THE INVENTION

Изобретение относится к области обработки и распознавания радиосигналов, в частности к распознаванию вида и параметров манипуляции радиосигналов, и может быть использовано в радиотехнических устройствах для распознавания амплитудной, амплитудно-фазовой, фазовой и частотной манипуляции радиосигналов.The invention relates to the field of processing and recognition of radio signals, in particular to recognition of the type and parameters of manipulation of radio signals, and can be used in radio engineering devices for recognition of amplitude, amplitude-phase, phase and frequency manipulation of radio signals.

Уровень техникиState of the art

Известен способ распознавания сигналов с фазовой манипуляцией в условиях многолучевого распространения [RU 2274956, дата публикации 20.04.2006 г.], в котором принятый радиосигнал оцифровывают, определяют значение тактовой и несущей частоты, формируют синфазную и квадратурную составляющую, выделяют отсчеты выборки синфазной и квадратурной составляющих радиосигнала, взятые в отсчетные моменты времени, определяемые значением тактовой частоты. После чего корректируют отсчеты выборки синфазной и квадратурной составляющих радиосигнала в комплексном виде, используя градиентный алгоритм настройки коэффициентов корректора. Затем выборку оценок разбивают на заданное число кластеров, равное позиционности распознаваемых сигналов, и вычисляют значения функционала ошибки кластеризации, сравнивают полученные значения и принимают решение о принадлежности к классу по минимуму значения функционала ошибки.There is a method of recognizing signals with phase shift keying in multipath conditions [RU 2274956, publication date 04/20/2006], in which the received radio signal is digitized, the clock and carrier frequencies are determined, the in-phase and quadrature components are formed, and the samples of the in-phase and quadrature components are extracted radio signals taken at reference time points determined by the value of the clock frequency. After that, the samples of the in-phase and quadrature components of the radio signal are adjusted in a complex manner using the gradient algorithm for adjusting the corrector coefficients. Then, the sample of estimates is divided into a given number of clusters equal to the positionality of the recognized signals, and the values of the clustering error functional are calculated, the obtained values are compared, and a decision is made whether or not the error functional values belong to the class.

Недостатком данного способа является необходимость высокоточной оценки тактовой и несущей частоты и применимость данного способа только для радиосигналов с фазовой манипуляцией.The disadvantage of this method is the need for a high-precision estimate of the clock and carrier frequencies and the applicability of this method only for radio signals with phase shift keying.

Также известно устройство для распознавания радиосигналов [RU 2368075, опубликовано 20.09.2009 г.], состоящее из частотного и амплитудного детекторов, блока клиппирования, блоков сравнения, преобразователей аналог-код, блока логической обработки и устройств свертки спектра входного радиосигнала, которое обеспечивает распознавание различных видов модуляции и манипуляции радиосигналов.Also known is a device for recognizing radio signals [RU 2368075, published September 20, 2009], consisting of frequency and amplitude detectors, a clipping unit, comparison units, analog-to-code converters, a logic processing unit, and spectrum convolution devices for inputting a radio signal, which provides recognition of various types of modulation and manipulation of radio signals.

Недостатком работы данного устройства является необходимость высокоточной синхронизации по несущей частоте на этапе детектирования для обеспечения эффективного распознавания радиосигналов.The disadvantage of this device is the need for high-precision synchronization of the carrier frequency at the detection stage to ensure effective recognition of radio signals.

Наиболее близким к предлагаемому изобретению по максимальному количеству сходных признаков является известный способ и устройство для классификации типа модуляции в условиях многолучевого распространения [US 20100098193, Pub. Date: 22.04.2010, APPARATUS AND METHOD FOR CLASSIFYING MODULATIONS IN MILTIPATH ENVIRONMENTS], заключающийся в том, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты С₄₀, $${С}_{21}^2$$

и признак классификации $$\left|\frac{{С}_{40}}{{С}_{21}^2}\right|$$

, по максимальному радиусу флуктуации которого производят определение типа манипуляции путем сравнения с пороговым значением Т. Данный способ и устройство позволяют различать сигналы с одночастотной модуляцией (single carrier - SC) от сигналов с многочастотной модуляцией (orthogonal frequency division multiplexing - OFDM).Closest to the proposed invention by the maximum number of similar features is a known method and device for classifying the type of modulation in multipath conditions [US 20100098193, Pub. Date: 04/22/2010, APPARATUS AND METHOD FOR CLASSIFYING MODULATIONS IN MILTIPATH ENVIRONMENTS], which consists in the fact that the received analog radio signal is sampled in time and quantized in level, the in-phase and quadrature components of the digitized samples of the signal are formed, according to the values of the common-mode and quadrature components n signal counts are calculated cumulants C ₄₀ , $${\mathrm{FROM}}_{21}^2$$

and classification sign $$|\; |\; |\frac{{\mathrm{FROM}}_{40}}{{\mathrm{FROM}}_{21}^2}|\; |\; |$$

, whose maximum radius of fluctuation determines the type of manipulation by comparing with the threshold value T. This method and device make it possible to distinguish signals with single frequency modulation (single carrier - SC) from signals with multi-frequency modulation (orthogonal frequency division multiplexing - OFDM).

Рассмотренный способ и устройство для классификации типа модуляции в условиях многолучевого распространения принят за прототип.The considered method and device for classifying the type of modulation in multipath conditions is adopted as a prototype.

Данный способ не требует высокоточной синхронизации по несущей частоте, но позволяет распознавать только два класса сигналов - с одночастотной модуляцией и многочастотной модуляцией, что не позволяет достигнуть указанного ниже технического результата при использовании прототипа.This method does not require high-precision synchronization by the carrier frequency, but allows only two classes of signals to be recognized - with single-frequency modulation and multi-frequency modulation, which does not allow to achieve the technical result indicated below when using the prototype.

Раскрытие изобретенияDisclosure of invention

В основу изобретения положена задача, заключающаяся в создании способа и устройства автоматического распознавания типов манипуляции радиосигналов, лишенных вышеизложенных недостатков, и в которых обеспечивается расширение класса распознаваемых сигналов с цифровой модуляцией в условиях отсутствия высокоточной синхронизации по несущей частоте радиосигнала.The basis of the invention is the task of creating a method and apparatus for automatically recognizing types of manipulation of radio signals devoid of the above disadvantages, and which provide an extension of the class of recognizable signals with digital modulation in the absence of high-precision synchronization on the carrier frequency of the radio signal.

Указанный технический результат достигается тем, что в известном способе классификации типов модуляции в условиях многолучевого распространения, заключающегося в том, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты С₄₀, $${С}_{21}^2$$

и признак классификации $$\left|\frac{{С}_{40}}{{С}_{21}^2}\right|$$

, по максимальному радиусу флуктуации которого производят определение типа манипуляции путем сравнения с пороговым значением Т, после формирования синфазной и квадратурной составляющей оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты С₄₀, С₂₀, С₂₂, значения которых подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов С₄₀, С₂₀, С₂₂ сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая в автоматическом режиме распознает сигналы с амплитудной (AM), амплитудно-фазовой (КАМ), фазовой (ФМ) и частотной (ЧМ) манипуляцией.The specified technical result is achieved by the fact that in the known method for classifying modulation types under multipath conditions, namely, the received analog radio signal is sampled in time and quantized in level, the in-phase and quadrature components of the digitized samples of the signal are formed, according to the values of the in-phase and quadrature components n - of the signal counts, cumulants C _{40 are} calculated, $${\mathrm{FROM}}_{21}^2$$

and classification sign $$|\; |\; |\frac{{\mathrm{FROM}}_{40}}{{\mathrm{FROM}}_{21}^2}|\; |\; |$$

, the maximum radius of fluctuations of which is used to determine the type of manipulation by comparing with the threshold value T, after the formation of the in-phase and quadrature component of the digitized samples of the signal, the cumulants C ₄₀ , C ₂₀ , C _{22 are} calculated from the values of the in-phase and quadrature component of the n-samples of the signal, the values of which are fed to the pre-trained by backpropagation cumulant values of C _40, C _20, C ₂₂ signals the training sample neural multilayer perceptron type network, which automatically detects signals with amplitude (AM), the amplitude-phase (QAM), phase (PM) and frequency (FM) manipulation.

Заявленный способ реализуется в виде заявляемого устройства автоматического распознавания типов манипуляции радиосигналов, в котором, в отличие от известного, содержащего последовательно соединенные антенну, аналого-цифровой преобразователь (АЦП), обеспечивающий дискретизацию по времени и квантование по уровню радиосигнала, блок формирования синфазной и квадратурной составляющей сигнала (БРС), блок расчета кумулянтов (БРК), обеспечивающий расчет по значениям синфазной и квадратурной составляющей n-отсчетов сигнала кумулянтов С₄₀ и $${С}_{21}^2$$

, блок расчета признака классификации $$\left|\frac{{С}_{40}}{{С}_{21}^2}\right|$$

(БРПК), контурный фильтр (КФ), блок расчета максимального радиуса флуктуации признака классификации $$\left|\frac{{С}_{40}}{{С}_{21}^2}\right|$$

(БРМР), блок порогового сравнения (БПС), на выходе которого формируется решение о виде модуляции, после прохождения сигнала через БРС, в БРК производится расчет значений кумулянтов С₄₀, С₂₀ и С₂₂, а вместо БРПК, КФ, БРМР и БПС, вводится блок нейронной сети (БНС), обеспечивающий определение типа манипуляции сигнала, состоящий из i-ячеек входного слоя, j-ячеек промежуточного слоя, k-ячеек выходного слоя, причем каждая ячейка предыдущего слоя соединена весовой связью с каждой ячейкой последующего, каждая ячейка слоев БНС состоит из последовательно соединенных сумматора и нелинейного преобразователя, выход каждой ячейки выходного слоя является индикатором типа манипуляции и соединен с логическим устройством МАХ, обеспечивающим сравнение значений сигналов ячеек выходного слоя и выдачу на выход БНС опознавательного сигнала, соответствующего найденному типу манипуляции.The claimed method is implemented in the form of the claimed device for automatic recognition of types of manipulation of radio signals, in which, in contrast to the known one containing a series-connected antenna, an analog-to-digital converter (ADC), which provides time sampling and quantization by the level of the radio signal, a block for generating in-phase and quadrature components the signal (BRS), the cumulant calculation unit (DBK), providing the calculation of the values of the in-phase and quadrature component of n-samples of the cumulant signal C ₄₀ and $${\mathrm{FROM}}_{21}^2$$

, classification attribute calculation unit $$|\; |\; |\frac{{\mathrm{FROM}}_{40}}{{\mathrm{FROM}}_{21}^2}|\; |\; |$$

(BRPK), loop filter (CF), unit for calculating the maximum radius of fluctuation of a classification attribute $$|\; |\; |\frac{{\mathrm{FROM}}_{40}}{{\mathrm{FROM}}_{21}^2}|\; |\; |$$

(BRMR), a threshold comparison unit (BPS), at the output of which a decision is made about the type of modulation, after the signal passes through the BRS, the values of cumulants C ₄₀ , C ₂₀ and C ₂₂ are calculated in the DBK, and instead of the BRPK, KF, BRMR and BPS , a neural network unit (BNS) is introduced, which provides a type of signal manipulation, consisting of i-cells of the input layer, j-cells of the intermediate layer, k-cells of the output layer, and each cell of the previous layer is connected by weight to each cell of the subsequent one, each cell layers of bns consists of sequentially Connections adder and a nonlinear inverter, the output of each output layer is an indicator of cell type and is coupled with manipulation logic device MAX providing comparison values of the signals output layer cells and output to the output BNS identification signal corresponding to the found type of manipulation.

Благодаря введению в известный способ и устройство совокупности существенных отличительных признаков, заявляемый способ позволяет расширить класс распознаваемых сигналов с цифровой модуляцией в условиях отсутствия высокоточной синхронизации по несущей частоте радиосигнала.Due to the introduction into the known method and device of a combination of essential distinguishing features, the claimed method allows to expand the class of recognizable signals with digital modulation in the absence of high-precision synchronization on the carrier frequency of the radio signal.

Данный технический эффект достигается за счет использования новых параметров сигнала (кумулянтов С₂₀ и С₂₂) в качестве признаков распознавания и применения для принятия решения предварительно обученной нейронной сети типа многослойный персептрон, которая показывает высокую эффективность построения многомерных разделяющих поверхностей. В соответствии со следствием из теоремы Колмогорова-Арнольда-Хехт-Нильсена любую многомерную функцию нескольких переменных можно представить с помощью двухслойной нейронной сети с прямыми полными связями фиксированной размерности [Hecht-Nielsen R. Kolmogorov's Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987, Vol.3, pp.11-13].This technical effect is achieved through the use of new signal parameters (cumulants C ₂₀ and C ₂₂ ) as signs of recognition and application for decision making of a pre-trained neural network such as a multilayer perceptron, which shows high efficiency in constructing multidimensional separating surfaces. In accordance with the corollary of the Kolmogorov-Arnold-Hecht-Nielsen theorem, any multidimensional function of several variables can be represented using a two-layer neural network with direct full connections of fixed dimension [Hecht-Nielsen R. Kolmogorov's Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987, Vol. 3, pp. 11-13].

Краткое описание чертежейBrief Description of the Drawings

Для лучшего понимания заявленного изобретения далее приводится его подробное описание с соответствующими чертежами.For a better understanding of the claimed invention the following is a detailed description with the corresponding drawings.

Фиг.1 - схема устройства автоматического распознавания типов манипуляции радиосигналов.Figure 1 - diagram of a device for automatic recognition of types of manipulation of radio signals.

Фиг.2 - схема блока нейронной сети.Figure 2 - block diagram of the neural network.

Фиг.3 - схема ячейки нейронной сети.Figure 3 - cell diagram of a neural network.

Осуществление изобретенияThe implementation of the invention

Заявленный способ автоматического распознавания типов манипуляции радиосигналов заключается в последовательном выполнении следующих действий:The claimed method of automatic recognition of types of manipulation of radio signals consists in sequentially performing the following actions:

1. Принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню.1. The received analog radio signal is sampled in time and quantized in level.

2. Формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала.2. Form in-phase and quadrature components of the digitized samples of the signal.

3. По значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты С₄₀, С₂₀, С₂₂:3. Based on the values of the in-phase and quadrature components of the n-samples of the signal, the cumulants С ₄₀ , С ₂₀ , С ₂₂ are calculated:

$${С}_{\mathrm{4,0}}={Е}_{\mathrm{4,0}}-3\cdot {\left({Е}_{\mathrm{2,0}}\right)}^2$$

, $${\mathrm{FROM}}_{4.0}=E_{4.0}-3\cdot {\left(E_{2.0}\right)}^2$$

,

С_2,0=Е_2,0,C _2.0 = E _2.0 ,

$${С}_{\mathrm{2,2}}={Е}_{\mathrm{2,2}}-{\left({Е}_{\mathrm{2,0}}\right)}^2-2{\left({Е}_{\mathrm{1,1}}\right)}^2$$

, $${\mathrm{FROM}}_{2.2}=E_{2.2}-{\left(E_{2.0}\right)}^2-2{\left(E_{\mathrm{1,1}}\right)}^2$$

,

где $${Е}_{a,b}=\frac{1}{N}{\displaystyle \sum _{k=1}^N\left(x_k^a\cdot {({\overline{x}}_k)}^b\right)}$$

- совместный момент порядка а+b; х и $$\overline{x}$$

- синфазная и квадратурная составляющие сигнала; N - количество отсчетов сигнала.Where $$E_{a,b}=\frac{\mathrm{one}}{N}{\displaystyle \sum _{k=\mathrm{one}}^N\left(x_k^a\cdot {({\overline{x}}_k)}^b\right)}$$

- joint moment of order a + b; x and $$\overline{x}$$

- in-phase and quadrature components of the signal; N is the number of samples of the signal.

4. Значения рассчитанных кумулянтов $${\tilde{N}}_{40}$$

, $${\tilde{N}}_{20}$$

, $${\tilde{N}}_{22}$$

и принятого сигнала подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов $${\tilde{N}}_{40}$$

, $${\tilde{N}}_{20}$$

, $${\tilde{N}}_{22}$$

сигналов обучающей выборки нейронную сеть типа многослойный персептрон.4. The values of the calculated cumulants $${\tilde{N}}_{40}$$

, $${\tilde{N}}_{\mathrm{twenty}}$$

, $${\tilde{N}}_{22}$$

and the received signal are fed to the previously trained by the method of back propagation of errors by the values of cumulants $${\tilde{N}}_{40}$$

, $${\tilde{N}}_{\mathrm{twenty}}$$

, $${\tilde{N}}_{22}$$

signals of a training sample a neural network of the multilayer perceptron type.

5. Нейронная сеть в автоматическом режиме распознает сигналы с амплитудной (AM), амплитудно-фазовой (КАМ), фазовой (ФМ) и частотной (ЧМ) манипуляцией и выдает на выход соответствующее значение.5. The neural network in automatic mode recognizes signals with amplitude (AM), amplitude-phase (QAM), phase (FM) and frequency (FM) manipulation and outputs the corresponding value.

Предварительное обучение нейронной сети осуществляется с использованием метода обратного распространения ошибки в следующей последовательности.Preliminary training of the neural network is carried out using the method of back propagation of error in the following sequence.

Формируется обучающая выборка, состоящая из N сигналов с AM, КАМ, ФМ и ЧМ вида Х_i⇒Т_j, где X_i - i-й сигнал обучающей выборки, Т_j - тип манипуляции данного сигнала, i=1…N, j=1…M, M - количество типов манипуляции сигналов в обучающей выборке (количество нейронов выходного слоя нейронной сети).A training sample is formed, consisting of N signals with AM, QAM, FM and FM of the form X _i ⇒T _j , where X _i is the i-th signal of the training sample, T _j is the type of manipulation of this signal, i = 1 ... N, j = 1 ... M, M - the number of types of signal manipulation in the training set (the number of neurons in the output layer of the neural network).

По данным обучающей выборки производится обучение нейронной сети по критерию малости ошибки выходного слоя. Настраиваемыми параметрами нейронной сети являются весовые связи ее ячеек.According to the training sample, the neural network is trained according to the criterion of small error of the output layer. Configurable parameters of the neural network are weighted connections of its cells.

По результатам обучения, при подаче на вход сигнала с модуляцией Т_j, на выходе ячейки j выходного слоя нейронной сети формируется значение, равное 1, а на всех остальных 0.According to the learning results, when a signal with modulation T _{j is} applied to the input, a value of 1 is formed at the output of cell j of the output layer of the neural network, and 0 on all the others.

Заявленное устройство автоматического распознавания типов манипуляции радиосигналов работает следующим образом.The claimed device for automatic recognition of types of manipulation of radio signals works as follows.

Схема устройства автоматического распознавания типов манипуляции радиосигналов представлена на Фиг.1.The scheme of the device for automatic recognition of types of manipulation of radio signals is presented in figure 1.

Принимаемый на антенну 1 радиосигнал, тип модуляции которого необходимо определить, поступает на АЦП 2, где дискретизируется по времени и квантуется по уровню. Далее с выхода АЦП 2 оцифрованный сигнал поступает на вход БРС 3, где формируется синфазная I и квадратурная Q составляющие сигнала, которые с выхода БРС 3 поступают на вход БРК 4. В блоке БРК 4 производится расчет значений кумулянтов С₄₀, С₂₀, С₂₂ по n-отсчетам синфазной и квадратурной составляющих сигнала. Значения кумулянтов С₄₀, С₂₀, С₂₂ с выхода БРК 4 поступают на вход БНС 5.The radio signal received at antenna 1, the modulation type of which must be determined, is fed to ADC 2, where it is sampled in time and quantized in level. Further, from the output of the ADC 2, the digitized signal is fed to the input of the BRC 3, where the in-phase I and quadrature Q components of the signal are formed, which from the output of the BRC 3 are fed to the input of the BRK 4. In the block BRK 4, the values of the cumulants C ₄₀ , C ₂₀ , C ₂₂ are calculated according to n-samples of the in-phase and quadrature components of the signal. The values of the cumulants C ₄₀ , C ₂₀ , C ₂₂ from the output of the DBK 4 are fed to the input of the BNS 5.

БНС 5 представляет собой i-ячеек входного слоя 6, j-ячеек промежуточного слоя 7, k-ячеек выходного слоя 8 и логического устройства МАХ 11. Каждая ячейка предыдущего слоя БНС 5 соединена весовой связью с каждой ячейкой последующего слоя. Значения весов связей ячеек слоев 6, 7 и 8 определяются в процессе предварительного обучения. Каждая ячейка слоя 6, 7 и 8 состоит из последовательно соединенных сумматора 9 и нелинейного преобразователя 10. Нелинейный преобразователь 10 реализует функцию типа сигмоиды. На каждую ячейку входного слоя 6 поступают значения кумулянтов С₄₀, С₂₀, С₂₂ в виде сигналов соответствующего уровня (амплитуды), которые складываются в сумматоре 9 с соответствующими весами, полученный сигнал с выхода сумматора 9 поступает на нелинейный преобразователь 10, с которого полученный после преобразования сигнал поступает на вход каждой ячейки промежуточного слоя 7. Преобразование сигналов в ячейках слоя 7 и 8 аналогично преобразованию в ячейках слоя 6, за исключением того, что сигнал с выхода каждой ячейки выходного слоя 8 поступает на логическое устройство МАХ 11.BNS 5 represents i-cells of the input layer 6, j-cells of the intermediate layer 7, k-cells of the output layer 8 and the logic device MAX 11. Each cell of the previous layer of the BNS 5 is connected by weight connection to each cell of the subsequent layer. The values of the link weights of the cells of layers 6, 7 and 8 are determined in the process of preliminary training. Each cell of layer 6, 7 and 8 consists of a series-connected adder 9 and a non-linear converter 10. Non-linear converter 10 implements a function of the sigmoid type. For each cell of the input layer 6, the values of the cumulants C ₄₀ , C ₂₀ , C ₂₂ are received in the form of signals of the corresponding level (amplitude), which are added up in the adder 9 with the corresponding weights, the received signal from the output of the adder 9 is fed to a non-linear converter 10, from which after conversion, the signal goes to the input of each cell of the intermediate layer 7. The conversion of signals in the cells of layer 7 and 8 is similar to the conversion in the cells of layer 6, except that the signal from the output of each cell of the output layer 8 is received t on the logical device MAX 11.

Логическое устройство МАХ 11 сравнивает сигналы с выходов ячеек выходного слоя 8. Каждая ячейка выходного слоя 8 соответствует определенному типу манипуляции. На выходе логического устройства МАХ 11 формируется опознавательный сигнал, соответствующий тому типу манипуляции, с ячейки которого поступил максимальный сигнал.The logic device MAX 11 compares the signals from the outputs of the cells of the output layer 8. Each cell of the output layer 8 corresponds to a certain type of manipulation. At the output of the logic device MAX 11, an identification signal is generated corresponding to the type of manipulation from the cell of which the maximum signal was received.

Преимущество изобретения состоит в том, что по сравнению с прототипом заявленный способ и устройство позволяет решать задачу автоматического распознавания типов манипуляции радиосигналов в условиях отсутствия высокоточной синхронизации по несущей частоте для более широкого класса типов манипуляции. Заявляемые способ и устройство позволяют распознавать различные виды одночастотной манипуляции (AM, КАМ, ФМ и ЧМ) с вероятностью не ниже 0.8 при отношении сигнал/шум не хуже 12 дБ и отсутствия высокоточной синхронизации по несущей частоте.An advantage of the invention is that, compared with the prototype, the claimed method and device allows to solve the problem of automatic recognition of types of manipulation of radio signals in the absence of high-precision synchronization of the carrier frequency for a wider class of types of manipulation. The inventive method and device can recognize various types of single-frequency manipulation (AM, QAM, FM and FM) with a probability of at least 0.8 with a signal-to-noise ratio of no worse than 12 dB and the absence of high-precision synchronization in the carrier frequency.

Claims (2)

1. Способ автоматического распознавания типов манипуляции радиосигналов, заключающийся в том, что принятый аналоговый радиосигнал дискретизируют по времени и квантуют по уровню, формируют синфазную и квадратурную составляющие оцифрованных отсчетов сигнала, по значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты, по значениям которых производят определение типа манипуляции, отличающийся тем, что по значениям синфазной и квадратурной составляющей n-отсчетов сигнала рассчитывают кумулянты C₄₀, C₂₀, C₂₂, значения которых подаются на предварительно обученную методом обратного распространения ошибки по значениям кумулянтов C₄₀, C₂₀, C₂₂, сигналов обучающей выборки нейронную сеть типа многослойный персептрон, которая в автоматическом режиме распознает сигналы с амплитудной (АМ), амплитудно-фазовой (КАМ), фазовой (ФМ) и частотной (ЧМ) манипуляцией.1. A method for automatically recognizing types of manipulation of radio signals, namely, that the received analog radio signal is sampled by time and quantized by level, the in-phase and quadrature components of the digitized samples of the signal are formed, the cumulants are calculated from the values of the in-phase and quadrature components of the n-samples of the signal, according to the values of which they determine the type of manipulation, characterized in that the cumulants C ₄₀ , C ₂₀ , C are calculated from the values of the in-phase and quadrature components of the n-samples of the signal ₂₂ , the values of which are fed to the pre-trained by the method of back propagation of errors by the values of the cumulants C ₄₀ , C ₂₀ , C ₂₂ , the signals of the training sample, a neural network of the multilayer perceptron type, which automatically recognizes signals with amplitude (AM), amplitude-phase (KAM ), phase (FM) and frequency (FM) manipulation. 2. Устройство автоматического распознавания типов манипуляции радиосигналов, содержащее последовательно соединенные, антенну, аналого-цифровой преобразователь (АЦП), обеспечивающий дискретизацию по времени и квантование по уровню радиосигнала, блок формирования синфазной и квадратурной составляющей сигнала (БРС), блок расчета кумулянтов (БРК), обеспечивающий расчет по значениям синфазной и квадратурной составляющей n-отсчетов сигнала кумулянтов, отличающийся тем, что в БРК производится расчет значений кумулянтов C₄₀, C₂₀ и C₂₂, и наличием блока нейронной сети (БНС), обеспечивающего определение типа манипуляции сигнала, состоящего из i-ячеек входного слоя, j-ячеек промежуточного слоя, k-ячеек выходного слоя, причем каждая ячейка предыдущего слоя соединена весовой связью с каждой ячейкой последующего, каждая ячейка слоев БНС состоит из последовательно соединенных сумматора и нелинейного преобразователя, выход каждой ячейки выходного слоя является индикатором типа манипуляции и соединен с логическим устройством МАХ, обеспечивающим сравнение значений сигналов ячеек выходного слоя и выдачу на выход БНС опознавательного сигнала, соответствующего найденному типу манипуляции. 2. A device for automatically recognizing types of manipulation of radio signals, comprising a series-connected antenna, an analog-to-digital converter (ADC), which provides time sampling and quantization by the level of the radio signal, a block for generating an in-phase and quadrature component of the signal (BRS), and a unit for calculating cumulants (BRK) , providing the calculation of the values of the in-phase and quadrature component of n-samples of the cumulant signal, characterized in that in DBK the calculation of the values of the cumulants C ₄₀ , C ₂₀ and C ₂₂ , and the presence of m block of the neural network (BNS), which determines the type of manipulation of the signal, consisting of i-cells of the input layer, j-cells of the intermediate layer, k-cells of the output layer, and each cell of the previous layer is connected by weight connection with each cell of the next, each cell of the layers The BNS consists of a series-connected adder and a nonlinear converter, the output of each cell of the output layer is an indicator of the type of manipulation and is connected to a MAX logic device that provides a comparison of the signal values of the output cells th layer and issuing output BNS identification signal corresponding to the found type of manipulation.

Images