畢業(yè)設計--無線電信號調制方式識別技術研究

1、<p>　　無線電信號調制方式識別技術研究</p><p>　　A Study on the Modulation Mode Recognition for Wireless Signals</p><p>　　學 院（系）： 信息與通信工程學院 </p><p>　　專 業(yè)：電子信息工程（英語強化）</p><p&

2、gt;<b>　　摘 要</b></p><p>　　在通信領域，為有效提高信道利用率，常采用調制技術來實現基帶信號到頻帶信號的變換。調制識別是在先驗知識有限及有噪聲干擾的前提下，對采集到的信號進行有效的調制方式識別的技術，是通信信號分析過程中一個至關重要的環(huán)節(jié)。近年來，伴隨通信技術日新月異的發(fā)展，調制技術也日趨向多元化和復雜化發(fā)展，這為調制識別帶來新的挑戰(zhàn)，對在多種調制信號并存的復雜

3、環(huán)境下的調制識別提出了更高的要求。</p><p>　　在了解歸納當前研究背景及實際應用發(fā)展的前提下，本文研究了基于調制信號的瞬時特征及高階累積量特征的識別算法，將調制識別的整個流程在MATLAB環(huán)境下進行了仿真與實現。在分類器的選擇上本文采用決策樹分類器，基于對不同調制信號的不同特征值的分析比較，并在考慮減少計算量的前提下，合理設置了不同的判決點與判決門限。</p><p>　　仿真結果

4、表明，基于瞬時特征的識別算法在信噪比為10dB以上時有著較為理想的識別率；基于高階累積量的識別算法則能有效地削減噪聲的干擾，在信噪比較低時也有著很好的識別率。</p><p>　　關鍵詞：調制識別；瞬時特征；高階累積量；決策樹分類器；</p><p>　　A Study on the Modulation Mode Recognition for Wireless Signals</

5、p><p><b>　　Abstract </b></p><p>　　In the field of communication, the modulation technology is used to realize the conversion from the baseband signal to the frequency band signal to inc

6、rease the use rate of channel efficiently. Modulation recognition is the technology to recognize the modulation type of the collected signals validly, with limited prior knowledge and noise interference, it is a very imp

7、ortant process during the analysis of communication signals. In recent years, with the fast development of communication technolo</p><p>　　After the understanding and collection of the current research backg

8、round the development of actual use, this paper studies the modulation recognition algorithms based on the instantaneous characteristics of signals and high order cumulant characteristics of signals, and make simulation

9、and implementation of the entire process of modulation recognition under Matlab environment. In the choice of classifier this paper chooses the decision tree classifier, with the analysis of the value of differen</p&g

10、t;<p>　　The simulation results show that the recognition algorithm based on instantaneous characteristic has ideal recognition rate when signal-to-noise ratio(SNR) is more than 10dB,the recognition algorithm based

11、 on high order cumulant can effectively reduce the noise interference, and has good recognition rate when signal to noise ratio (SNR) is low.</p><p>　　Keywords: modulation recognition, instantaneous feature,

12、 high order accumulation, decision tree classifier;</p><p><b>　　目 錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractII</p><p><b>　　1 緒論

13、1</b></p><p>　　1.1 調制識別技術的概念1</p><p>　　1.2 調制識別技術的應用1</p><p>　　1.2 調制方式識別技術的發(fā)展2</p><p>　　1.2.1 研究發(fā)展歷史2</p><p>　　1.2.2 當前主要識別技術概論3</p>

14、<p>　　1.3調制方式識別流程概述4</p><p>　　1.4 本文的主要工作5</p><p>　　2 調制方式識別基礎理論7</p><p>　　2.1調制的基本理論7</p><p>　　2.1.1調制的概念7</p><p>　　2.1.2調制方式的分類7</p>&

15、lt;p>　　2.2常用的模擬調制方式8</p><p>　　2.2.1幅度調制（AM）8</p><p>　　2.2.2抑制載波雙邊帶調幅（DSB）9</p><p>　　2.2.3單邊帶調制（SSB）9</p><p>　　2.2.4頻率調制（FM）9</p><p>　　2.2.5相位調制（PM）

16、10</p><p>　　2.3常用的數字調制方式10</p><p>　　2.3.1 幅度鍵控調制（MASK）10</p><p>　　2.3.2頻移鍵控調制（MFSK）10</p><p>　　2.3.3相移鍵控調制（MPSK）11</p><p>　　2.3.4正交振幅調制（MQAM）11</p

17、><p>　　2.4正交變換理論11</p><p>　　2.5 常用特征參數12</p><p>　　(1) 幅度特征參數12</p><p>　?。?）頻率特征參數13</p><p>　　(3) 相位特征參數13</p><p>　　(4) 頻譜特征參數14</p>

18、<p>　　2.6決策樹分類器14</p><p>　　2.7本章小結15</p><p>　　3 基于瞬時特征的調制方式識別16</p><p>　　3.1 算法的基本原理16</p><p>　　3.1.1特征參量簡介16</p><p>　　3.1.2特征參量的提取16</p>

19、<p>　　3.2 分類閾值的確定18</p><p>　　3.3識別的流程24</p><p>　　3.4 計算機仿真結果25</p><p>　　3.5 本章小結27</p><p>　　4 基于高階累積量的調制識別28</p><p>　　4.1 算法的基本原理28</p>

20、<p>　　4.1.1 高階累積量的定義和描述28</p><p>　　4.1.2 特征參量的提取29</p><p>　　4.2特征參數分類閾值的確定29</p><p>　　4.3 識別的流程33</p><p>　　4.3計算機仿真結果36</p><p>　　4.4 本章小結37<

21、/p><p><b>　　結 論38</b></p><p>　　參 考 文 獻39</p><p><b>　　致 謝41</b></p><p><b>　　1 緒論</b></p><p>　　1.1 調制識別技術的概念</

22、p><p>　　自古以來，通信技術便是人類社會發(fā)展變革的象征之一，代表著人類的不懈追求與理想。從先民們的烽火狼煙、鴻雁傳書到近代社會的電報電話，乃至今日以互聯(lián)網為代表飛速發(fā)展的信息社會。一部人類社會發(fā)展史，亦伴隨著通信技術發(fā)展的每一個腳印。</p><p>　　人類社會時刻離不開通信，通信是指信息的相互傳遞與交流，在實際通信過程中對通信的要求是要確保信息的準確快速、安全有效[1]。在無線電通信

23、領域，調制技術是關鍵之一。為達到提高信道利用率、延長信號傳輸距離、降低信道噪聲等技術要求，人們常常采用調制技術，實現從基帶信號到頻帶信號的變換。隨著通信技術的發(fā)展與人們需求的不斷增長，調制方式和類型日益復雜化、多元化，調制技術經歷了由模擬到數字，由簡單到復雜的發(fā)展變化過程。</p><p>　　應運而生的調制識別技術是一種識別在接收機處接收到的信號類型的技術[2]。在信號處理過程中，它介于信號檢測與信號解調中間。

24、調制識別是在接收端對所獲取的信號的調制方式進行識別的技術，以獲取有用的傳輸信息，是對信號進行下一步的智能處理，實現有效的監(jiān)管及利用的關鍵步驟。</p><p>　　1.2 調制識別技術的應用</p><p>　　調制識別技術應用廣泛，一直以來都是國內外學者的研究熱點。無論是在軍用國家安全領域還是在民用領域，無線電信號的調制方式識別技術都起著至關重要的作用。</p><

25、p>　　在軍用國家安全領域，調制識別技術主要應用于電子偵察及電子對抗，它是對敵方的通信實施有效的偵聽或干擾的重要前提。在這種非協(xié)作通信的背景下，實時且識別精度有保障的調制識別技術能夠迅速正確地提取出所攔截信號的調制方式及其相應的參數，下一步的加工處理后便很有可能得出有用的軍事情報。同時因為軟件無線電技術的迅速發(fā)展，在軍事環(huán)境中通信過程的靈活性大大增加，敵方的信號調制方式及參數可靈活更改。這就對我們及時發(fā)現變化，及時加以調整進行重新

26、識別的能力提出更高的要求。這些方面都決定了調制識別技術的重要性。</p><p>　　在民用領域，調制識別技術的主要應用價值包括無線電頻譜管理、無線電監(jiān)測等和信號確證等[3]。為防止一些用戶對無線電頻譜的非法干擾和利用，以使合法用戶的權益得到保障，保證其通信的正常運行，無線電管理部門需要統(tǒng)一管理無線電頻譜資源，即無線電頻譜管理。無線電監(jiān)測是指相關部門針對無線電通信設備的發(fā)射頻率、發(fā)射帶寬等基本參量進行有效的監(jiān)管測

27、量，進行聲音信號的監(jiān)聽及進行干擾信源的定位等。</p><p>　　在實施無線電監(jiān)測的過程中，采用有效的調制方式識別技術，能夠更好地區(qū)分不同性質的用戶，確定未知干擾信號的性質，可以有效提高監(jiān)測設備對不同性質用戶的區(qū)分能力，更好的確定未知干擾信號的性質，使管理人員下一步解決問題時有更多參考和依據。</p><p>　　1.2 調制方式識別技術的發(fā)展</p><p>　

28、　1.2.1 研究發(fā)展歷史</p><p>　　早期傳統(tǒng)的調制識別方法往往都是利用人工的手段來實現的，這不僅對技術工作人員的知識和經驗，同時也對如頻譜分析儀、信號接收機等專業(yè)設備有著較高的要求[4]。技術工作人員首先要對各種調制信號的特征進行較為完備的掌握。這些特征包括聲音、圖形或可以提取出的其它形式的參數。操作人員根據這些不同的特征來對通信信號的調制方式進行鑒別，技術工作人員的個人經驗在判斷調制方式過程中起著重

29、要作用。</p><p>　　通常在進行識別時，技術工作人員首先將接收到的高頻信號進行變頻到中頻信號，通過對接收機輸出信號的時域波形進行觀察，以及對頻譜分布形狀的推理或通過其他形式的特征來利用經驗判斷接收信號采用的調制方式，初步的判別后選擇相應的解調器嘗試解調，若不成功則進行重新識別，直至最后成功識別出接收信號的調制方式。直至能夠解調出判斷為有用的情報信息。</p><p>　　然而人工手

30、段來識別信號的調試方式有很大的局限性。一方面能夠依據經驗來判別的信號調試方式有限，操作繁瑣且正確識別率沒有保障[5]；另一方面隨著調制技術的飛速發(fā)展及在數字調制日益重要的前提下，這種傳統(tǒng)的人工調試識別方法的作用越來越顯得有限。同時，在調制方式識別的工作中，也面臨著不斷增長的對工作人員負擔的減輕及工作效率的提高的需求。此種背景下，自動調制識別技術發(fā)展迅速。</p><p>　　調制識別技術已有幾十年的發(fā)展歷史。調制

31、方式自動識別領域的第一篇論文，是C.S.Weaver等人在Stanford大學技術報告上發(fā)表的一篇論文——《采用模式識別技術實現調制類型的自動分類》[6]。這篇論文提出信號的調制方式識別技術本質上是一個模式識別問題的概念。自此以后便有大量的學者在調制識別領域做了不同的研究和嘗試，提出很多調制識別的新的思路和方法。</p><p>　　在20 世紀 90 年代中后期，Elsayed Azzouz 和 Asoke K

32、umar Nandi 在調制識別領域做出了大量研究和重大的貢獻，他們提出了針對七種模擬調制信號的識別算法， 針對六種數字調制信號的識別算法，針對十三種模擬或數字調制信號的識別算法，并發(fā)表了一系列專著[7~9]。</p><p>　　在1984年，Liedtke提出了采用信號幅度、頻率以及差分相位直方圖的方法實現對數字信號的良好分類。</p><p>　　在1998年，BasselF.Bei

33、das和Charles L.Weber兩人提出了用高階相關域的方法來進行MFSK信號分類的方法，理論上實現了MFSK調制信號的類內識別。Swami等人利用信號的累積量特征來對MPSK信號進行分類，實現了對2PSK與4PSK的良好識別。M. L D. Wong和A. K. Nandi兩人在2001年發(fā)表論文，論文表明在信噪比為0dB時的自動調制識別正確率能夠達到98%。</p><p>　　1.2.2 當前主要識別

34、技術概論</p><p>　　調試識別技術應用廣泛，遍及社會生活的多個領域，廣大的科研工作者也在理論和實踐中提出了眾多用于實現調制方式識別的方法。目前來看，眾多的方法主要分為兩大類別：最大似然方法和模式識別方法[10]，二者中模式識別方法更容易實現。</p><p><b>　　一、最大似然方法</b></p><p>　　最大似然方法是將通信

35、信號的調制類型視為通信信號的部分統(tǒng)計信息的一個參數，用尋找其似然方程最大值的方法來進行估計，從而得到較為準確的識別結果。</p><p>　　在最大似然方法的構架下，調制方式識別可視為多重假設檢驗問題。按照所選取的模型，現有的文獻中共有三種基于似然的調試方式識別方法，它們分別是：廣義似然比檢驗 ( GLRT)、平均似然比檢驗 ( ALRT)、混合似然比檢驗 ( HLRT)[11]。</p><

36、p><b>　　二、模式識別方法</b></p><p>　　在模式識別方法中，關鍵步驟就是選擇合適的分類特征與判決準則。特征提取模塊對信號的各種特征進行提取，分類器模塊對信號的調制類型進行判決。信號可提取的特征有很多，常用的包括瞬時參數特征、高階累積量特征、頻譜相關特征、星座形狀特征以及小波變換幅度特征等。分類器也種類繁多，常用的有決策樹分類器、神經網絡分類器、支持向量分類器以及最小

37、距離分類器等。</p><p>　　在眾多的特征以及分類器中，提取信號的瞬時參數特征計算量小，決策樹分類器實現起來較為容易，所以實際應用中常選取這兩者進行結合來應用。這類算法的基本思想是提取出經過預處理的通信信號的瞬時特征，包括瞬時幅度、瞬時相位與瞬時頻率信息等并使用特征參數將相應的特征加以量化，在對樣本進行訓練后可以得到比較適用的判決門限來進行調制方式的識別。</p><p>　　上述的

38、這種算法的關鍵是選取合適的特征參數判別門限，理想的判決門限可以使得每個提取的特征參數都有著很好的分類特性，進而實現整體的準確分類；相反若判決門限選取不當，即使偏差的范圍不大，也會使最終的正確識別率有著很快的下降。因此，需要合理且慎重地選擇特征參數的門限值，在這個過程中通常有以下一些注意事項：</p><p>　　1、對比不同的特征參數，盡量選擇區(qū)分特性明顯的特征參數來區(qū)分具體的兩類或更多種類的信號。</p&

39、gt;<p>　　2、增加訓練樣本的次數，使確定的判決門限可靠性更好，減少因為偶然因素帶來偏差的可能性。</p><p>　　3、在確定識別流程時，將區(qū)分特性好的特征參數置于決策樹的上端，以避免識別過程中錯誤的累積。</p><p>　　綜合比較當前的一些主要的文獻，目前在調制識別領域有著為數不少的算法，但是目前還沒有一套公認的效果良好的通用識別算法，很多好的思想方法在實際應

40、用中往往受到很多限制，依然有待進一步的研究發(fā)展。</p><p>　　利用神經網絡來解決調制識別的問題是近年來研究的熱點。人工神經網絡（Artificial Neural Network，ANN）是發(fā)展迅速的人工智能學科的一個分支，隨著不斷的深入發(fā)展，在模式識別、預測估計、自動控制、智能機器人、醫(yī)學、生物、經濟等各個領域都得到了廣泛的應用。神經網絡模型是一種非線性系統(tǒng)，它模擬人類大腦神經系統(tǒng)工作的特點建立簡單的模

41、型，來實現信息的分布式存儲和大規(guī)模自適應并行處理，且系統(tǒng)容錯性高[12]。人工神經網絡能夠應用于模式識別問題，是因為其學習能力的突出，在不確定性模式識別問題的研究方面有著優(yōu)秀的表現。常見的如反向傳播（Back Propagation，BP）網絡、徑向基函數（Radial Basis Function，RBF）網絡、霍普菲爾德(Hopfield) 神經網絡、高階神經網絡、及模糊神經網絡等在模式識別與分類問題中都有一定的應用。其中 BP 神

42、經網絡是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W絡，因其理論基礎成熟、網絡結構清晰而得到廣泛應用，長期以來一直是神經網絡分類器中的研究熱點。BP神經網絡網絡自身存在學習速率緩慢、往往存在冗余性、不穩(wěn)定性等缺點，RBF神</p><p>　　多學科的互相滲透不斷地促進通信信號調制識別技術的發(fā)展，小波變化、高階譜分析等各種理論在調制識別技術的應用，不斷的為此領域做出新的貢獻。</p><p>　　

43、1.3調制方式識別流程概述</p><p>　　將無線電通信信號調制方式識別的基本方法用圖1.1所示的一般性原理框圖來表示，分析圖1.1可知，無線電通信信號調制方式的識別主要由以下幾個基本環(huán)節(jié)組成[13]：</p><p>　　圖1.1 無線電信號調制方式識別的一般原理過程</p><p>　?。?）信號獲取環(huán)節(jié)：利用接收機接收到達的通信信號。</p>

44、<p>　?。?）中頻變換與信號預處理環(huán)節(jié)：對接收信號進行下變頻處理以得到中頻信號，并進行正交同相分量分解、載頻估計等一系列預處理，為下一步信號的分析處理提供合適的信號。</p><p>　?。?）特征提取環(huán)節(jié)：此環(huán)節(jié)是調制方式識別的關鍵環(huán)節(jié)。原始數據只有經過一系列的處理后，才能夠提取出一些比較有價值、分類效果明顯的特征。常用的調制識別時域特征主要包括信號的瞬時幅度、瞬時相位及瞬時頻率的直方圖或統(tǒng)計

45、參數；通信信號的變換域特征主要包括信號的頻譜特性等。不同的特征選擇和提取都對應著不同的分類器的選擇和設計。理想的情況下，不同調制方式的信號有著區(qū)分特性明顯的特征，然而當我們在實際應用時往往會發(fā)現區(qū)分度最好的特征不是那么容易被發(fā)現，或者經常存在囿于各種實際條件的限制而難以提取特征的情況。上述這些困難使得通信信號特征參數的選擇和提取變成一個復雜的問題。</p><p>　　在長期的實踐中，我們發(fā)現比較好的參數一般情況

46、下需要滿足以下幾個條件：第一、不同調制方式產生的信號對應的參數的分類特性好；第二、所提取的參數的抗噪性能和抗衰落性能比較好；第三、所提取的參數的計算量小，實際應用性強。在計算機技術突飛猛進的背景下，在參數提取的環(huán)節(jié)中計算量已不是限制性的問題，信噪比較高的情況下，我們主要關心的問題是參數的分布，在低信噪比條件下的無線電調制方式識別，則前面所述兩點都要考慮。</p><p>　?。?）分類器設計與分類決策環(huán)節(jié)：在提取

47、到分類性能好的特征的觀察值之后，就要選擇合適的方法來將識別對象分類到相應的類別中。經過近些年不斷的發(fā)展，現有常見的的分類器主要包括三種：基于決策論的識別方法、基于統(tǒng)計模式的識別方法以及基于人工神經網絡（ANN）的識別方法。</p><p>　　基于決策論的識別方法是從概率和符合假設檢驗的觀點出發(fā)來對調試識別問題進行研究；基于統(tǒng)計模式的識別方法主要是使用信號的瞬時特征的直方圖來構造特征向量，再使用線性分類器實現信號

48、不同調制方式的歸類；神經網絡分類器是近年來得到了迅速發(fā)展的一類方法，它對人類大腦的神經元進行模擬，在自適應性、容錯性、穩(wěn)健性等方面都表現出優(yōu)秀的性能，利用神經網絡分類器能夠獲得很高的識別率。</p><p>　　1.4 本文的主要工作</p><p>　　據前文介紹，無線電信號的調制識別技術至關重要。目前存在各種方法思路來解決接收信號的調制識別問題。如利用信號的頻譜特征、利用信號的高階累積

49、量特征、利用小波變換的方法等。</p><p>　　在第二章中，首先對調制的概念及各種調制信號的模型做了詳細的介紹，這是理解并進行全部調制識別工作的基礎。然后對常用的調制識別的特征參數及其特點進行了介紹。也引進了調制識別工作中用到的正交變換理論與決策樹分類器的相關知識。</p><p>　　在前述相關理論方法的基礎上，本文對常用的幾種數字調制信號進行了分類識別。</p>&l

50、t;p>　　第三章中，提取了九種數字信號的一些瞬時特征，設計了一套分類的流程，并通過仿真結果發(fā)現在信噪比大于10dB時有著良好的分類效果，在低信噪比下表現的性能欠佳。</p><p>　　第四章中，引進了信號的高階累積量，由理論得知高階累積量可以有效的抑制信號中的噪聲。在本章中提取了六種常用數字信號的五個高階累積量特征，實現了分類識別。仿真結果表明，使用高階累積量的分類識別方法在低信噪比下也有很高的識別率，

51、有效的避免了噪聲對識別的影響。</p><p>　　2 調制方式識別基礎理論</p><p>　　2.1調制的基本理論</p><p>　　2.1.1調制的概念</p><p>　　在天線理論中，我們可以知道如果要將電路中的高頻電流的能量全部轉換為空中的電磁波能量，對天線的尺寸的要求是四分之一波長。而多數需要傳輸的基帶信號其頻率都很低，如果

52、將它們直接轉換為用于發(fā)射的電磁波，實際中是無法實現的。</p><p>　　另外我們需要將為不同用戶服務的信號搭載在不同的載頻之上，以實現在同一介質（空間）中的正常傳輸，同時也可以提高信號在傳輸過程中的抗干擾性能[14]。</p><p>　　因此，將需要進行傳輸的基帶信號搭載在一個具有較高頻率的載頻上的過程稱為調制。調制在無線電通信過程中是必不可少的，不同用戶的信息可以調制在不同的載頻之

53、上，與調制技術相對應是在接收端將基帶信號還原出來的解調技術。調制與解調是無線通信系統(tǒng)中必不可少的關鍵技術，在電子測量雷達、遙測遙控、導航等多個領域都得到了廣泛的應用。</p><p>　　2.1.2調制方式的分類</p><p>　　信號調制方式從總體上可以分為載波調制和脈沖調制兩大種類。</p><p><b>　?、佥d波調制</b><

54、/p><p>　　在調制時我們一般選擇正弦波作為載波，正弦波具有產生容易、比較穩(wěn)定、頻譜簡單等優(yōu)點。正弦波調制又可以分為模擬調制方式和數字調制方式。正弦波的三個重要的參數是幅度、相位和頻率，在無線電通信信號進行調制時，分別將基帶信號搭載在這三個參數之上來產生不同的調制形式。</p><p><b>　?、诿}沖調制</b></p><p>　　脈沖調

55、制是指使用脈沖串或者數字信號本身作為載波去參與調制。脈沖調制由兩種形式組成，一種形式是用波形連續(xù)的調制信號來對脈沖載波的參數(如幅度、寬度等)進行控制的的脈沖無編碼調制，常見的形式如PAM、PWM、PPM等。另一種形式是用波形連續(xù)的調制信號的數字化形式（通過模/數轉換)來形成一系列脈沖組的脈沖編碼調制，如PCM、ΔM等[15]。</p><p>　　圖2.1 調制方式的分類</p><p&g

56、t;　　2.2常用的模擬調制方式</p><p>　　2.2.1幅度調制（AM）</p><p>　　幅度調制是正弦載波的幅度隨著調制信號做線性變化的過程[16]，在生活中人們常用超外差接收機來收聽調幅廣播信號，幅度調制的時域表達式為：</p><p><b>　?。?.1）</b></p><p>　　在上式中， 表示

57、調制信號， 表示外加的直流分量。 是載波信號的角頻率， 是載波信號的初始相位。用包絡檢波的方法很容易恢復出原始信號，但必須要滿足：</p><p><b>　?。?.2）</b></p><p>　　才能夠保證進行包絡檢波時不會發(fā)生失真，否則將會出現過調幅而帶來失真。</p><p>　　對（2.1）式進行傅里葉變換，對調幅信號的頻域特性進行分

58、析，可以得到：</p><p><b>　?。?.3）</b></p><p>　　在式（2.3）中 為 的頻譜。由此式我們可以得知，幅度調制的結果由載頻、上邊帶和下邊帶組成，條幅波形所占有的頻譜的寬度是調制信號最高頻率的兩倍。</p><p>　　2.2.2抑制載波雙邊帶調幅（DSB）</p><p>　　因為在AM調

59、制中載波不攜帶任何信息，要傳送的信息僅僅由邊帶攜帶，載波的功率是沒有得到利用的。將直流分量去除后，我們得到一種更有效利用可用傳輸功率的調制方式，即抑制載波雙邊帶調幅：</p><p><b>　?。?.4）</b></p><p>　　在是確知信號的情況下，已調信號的頻譜為：</p><p><b>　　（2.5）</b>

60、</p><p>　　它的頻譜帶寬與AM調制信號是一樣的。</p><p>　　2.2.3單邊帶調制（SSB）</p><p>　　雙邊帶信號的兩個邊帶包含著同樣的信息，故在傳輸信息的過程中只需要發(fā)送其中一個就足夠了，因此我們可以得到一種非常有效地提高信道利用率的調制方式，即單邊帶調制（SSB），下邊帶（LSB）信號的表達式：</p><p>

61、;<b>　?。?.6）</b></p><p>　　與此對應的上邊帶（USB）信號：</p><p><b>　　（2.7）</b></p><p>　　上式中的為的希爾伯特變換：</p><p><b>　?。?.8）</b></p><p>　　“

62、?”表示進行卷積，希爾伯特變換的實質是對此信號進行的移相。</p><p>　　2.2.4頻率調制（FM）</p><p>　　在頻率調制中，載波的瞬時頻率與輸入信號的幅度成正比。它的數學表達式為：</p><p><b>　　（2.9）</b></p><p>　　將上式進行展開并化簡：</p><

63、p><b>　?。?.10）</b></p><p>　　式中，從式中我們可以知道在實現FM調制時首先要對信號進行積分然后對經過積分后的信號取正弦或余弦。</p><p>　　2.2.5相位調制（PM）</p><p>　　相位調制的載波相位與輸入信號的幅度成正比。頻帶相位調制器（PM Modulator Passband）用輸入的基帶信

64、號對載波進行相位調制。假設輸入信號是，輸出信號是，則輸入信號與輸出信號的關系可以用下式來表示：</p><p><b>　?。?.11）</b></p><p>　　其中為初始相位，是相位調制常數。</p><p>　　當時，式（2.11）將變?yōu)槿缦碌谋磉_式：</p><p><b>　?。?.12）</

65、b></p><p><b>　　稱為相位調制指數。</b></p><p>　　2.3常用的數字調制方式</p><p>　　2.3.1 幅度鍵控調制（MASK）</p><p>　　幅度鍵控調制（MASK）是用數字基帶信號的變化對正弦波載波的幅度進行控制的調制方式。M進制幅移鍵控調制的時域表達式如下：</

66、p><p><b>　?。?.13）</b></p><p>　　上式中， 表示M進制幅度序列，為調制信號的波形， 表示碼元周期， 表示進行調制的載波頻率。</p><p>　　2.3.2頻移鍵控調制（MFSK）</p><p>　　頻移鍵控調制（MFSK）是用數字基帶信號的變化來控制正弦波載波的頻率的調制方式。對于M進制頻

67、移鍵控調制，它的時域表達式如下：</p><p><b>　　（2.14）</b></p><p>　　在上式中，、、的定義同2.3.1，表示載波的頻率偏移。</p><p>　　2.3.3相移鍵控調制（MPSK）</p><p>　　相移鍵控調制（MPSK）是用數字基帶信號的變化來控制正弦波相位變化的調制方式。對于M進

68、制頻移鍵控調制，它的時域表達式如下：</p><p><b>　?。?.15）</b></p><p>　　上式中，、、的定義同2.3.1，表示載波信號在 時刻的相位，而且，表示初始相位。</p><p>　　2.3.4正交振幅調制（MQAM）</p><p>　　正交振幅調制（MQAM）是利用兩路獨立的基帶信號對兩個相

69、互正交的同頻載波進行抑制載波雙邊帶調幅，利用已調信號頻譜在同一帶寬內的正交性，可以實現兩路并行數字信息的傳輸。它的時域表達式如下：</p><p>　?。?.16） </p><p>　　上式中，表示信號的載波幅度，表示信號的相位。</p><p><b>　　2.4正交變換理論</b></p>&

70、lt;p>　　在物理上能夠實現的信號都是實信號，經過調制的通信信號亦然。實信號的頻譜具有共軛對稱性，即滿足：</p><p><b>　　（2.17）</b></p><p>　　由式（2.17）可知，對于實信號，它的正負頻率的幅度分量對稱，而相位分量相反，因此我們可以從實信號的頻譜中取出一半來提取信號的全部信息，來達到節(jié)省頻帶的目的。通常的我們取信號的右半個頻

71、譜來代表整個信號，在不丟失信息的前提下對信號進行完全的描述。</p><p>　　我們將實信號的頻譜的右半部分所對應的信號定義為復信號，也稱作信號的解析表示[17]，則可以表示為：</p><p><b>　?。?.18）</b></p><p>　　在上式中，是實信號的Hilbert變換，且有：</p><p><

72、;b>　?。?.19）</b></p><p>　　將式（2.18）寫成極坐標形式：</p><p><b>　?。?.20）</b></p><p><b>　　信號的瞬時幅度：</b></p><p><b>　?。?.21）</b></p>

73、<p><b>　　信號的瞬時相位：</b></p><p><b>　?。?.22）</b></p><p>　　在這里我們需要注意的一點是，在求信號的相位序列時，需要進行去混疊和去線性相位運算。</p><p>　　2.5 常用特征參數</p><p>　　在這一節(jié)，將列舉一些常用的

74、信號的特征參數，并進行簡要的說明[18-20]。</p><p>　　(1) 幅度特征參數</p><p>　　常用的信號幅度特征參數包括：</p><p>　　信號非弱部分中心歸一化瞬時幅度的標準差</p><p>　　用來反映信號瞬時幅度分布的起伏變化情況，一般情況下是用來區(qū)分有無幅度的調制信號的一個特征參數。例如AM調制信號與FM調制信

75、號，ASK調制信號與FSK和PSK調制信號。它的表達式如下：</p><p><b>　　(2.23)</b></p><p>　　在式（2.23）中，表示信號非弱部分采樣點的個數，表示取非弱信號段，為用來定義信號的非弱信號段的閾值。表示信號非弱部分中心歸一化瞬時幅度的值，它的定義：，，其中表示信號非弱部分的瞬時幅度，且有 。表示經過功率歸一化的信號，對做Hilber

76、t變換即可得到，是信號非弱部分瞬時幅度的平均值，，表示非弱信號段瞬時幅度的平均值。</p><p>　　信號中心歸一化瞬時幅度的峰度 </p><p>　　用來表征信號瞬時幅度分布的緊致性，它在區(qū)分數字調制中的GMSK信號與ASK信號、2ASK和4ASK與AM調制信號方面有很好的性能。它的表達式如下：</p><p><b>　　(2.24)</b&

77、gt;</p><p>　　上式中的定義同式（2.23）。</p><p><b>　?。?）頻率特征參數</b></p><p>　　信號非弱部分中心歸一化瞬時頻率絕對值的標準差</p><p>　　用來表征信號的瞬時頻率的起伏狀態(tài)，一般情況下是用來區(qū)分信號有無頻率調制信息的一個特征參數，如區(qū)分FSK信號與ASK信號和

78、PSK信號。它的計算過程如下:</p><p><b>　?。?.25）</b></p><p>　　在上式中，的定義同式（2.23），為信號非弱部分中心歸一化瞬時頻率，其計算過程如下：</p><p>　　，。 （2.26）</p><p>　　(3) 相位特征參數</p>

79、<p>　　信號非弱部分瞬時相位非線性分量絕對值的標準差</p><p>　　常用來區(qū)別有相位信息的信號與無相位信息的信號于在區(qū)分如PSK信號和FSK信號，ASK信號和QAM信號等時有著很好的表現。它的計算過程如下式：</p><p><b>　　（2.27）</b></p><p>　　上式中與的定義與式(2.23)中相同，表示

80、信號非弱部分瞬時相位非線性分量，非線性意味著已經去除了載波對相位積累的影響，的計算過程見下式：</p><p><b>　?。?.28）</b></p><p>　　上式中表示求相位，是信號的載波或中心頻率，一般情況下能夠通過以下式來估計：</p><p><b>　?。?.29）</b></p><p

81、>　　式中是采樣頻率，為經過采樣后信的號的離散傅里葉變換（DFT），N是DFT變換中的點數。</p><p>　　(4) 頻譜特征參數</p><p><b>　　信號功率譜</b></p><p>　　信號的功率譜可以直觀的反映出調制后信號中各種頻率分量的功率分布情況，不同信號的頻譜有單譜峰和多譜峰的區(qū)別，頻譜起伏程度也有很大的不同，因

82、此譜峰數和頻譜形狀也可以用來進行這些信號之間的分類識別。</p><p><b>　　2.6決策樹分類器</b></p><p>　　調制識別技術中，在對經預處理后的信號提取分類性能良好的特征參數后，就要選取合適的分類器來實現最終識別的目的。在本文中采用了決策樹分類器來進行調制信號的歸類判決。</p><p>　　決策樹分類器采用多級分類結構，

83、在模式識別中應用較早，它可以通過多個判決點的一級一級分解將復雜的問題簡單化，大大降低整體識別的難度。在具有很好的分類性能的前提下，每個特征參數可以用來進行多次判決[21]。圖2.2給出決策樹分類器的一般結構：</p><p>　　圖2.2 決策樹的一般結構</p><p>　　圖2.2為決策樹的一般結構與工作原理。一般的，一個決策樹分類器由根節(jié)點、中間節(jié)點與葉節(jié)點組成。圖2.2中節(jié)點1為

84、根節(jié)點，節(jié)點2、3、7為中間節(jié)點，節(jié)點4、5、6、8、9都是葉節(jié)點。</p><p>　　決策樹分類器用于信號的調制方式識別時，根節(jié)點為要進行分類識別的所有信號；中間節(jié)點對應著某一用于分類特征參數；葉節(jié)點為已完成歸類的不同調制方式的信號。</p><p>　　一般情況下，在每個中間節(jié)點，所對應的特征參數會取一個門限值，決策樹分類器將不同調制信號的參數值與門限值進行比較，以判別出如何進入下一

85、層。因為決策樹每次只對一個特征參數進行比較的特性，故算法簡單容易實現，但是也對特征參數的區(qū)分特性提出較高的要求。</p><p>　　2.7本章小結 </p><p>　　本章主要對調制方式識別的各種基本知識做了簡要介紹，這是理解并進行所有下一步工作的基礎。</p><p>　　對調制的概念做了簡要的介紹，并歸類總結了常見的信號調制方式。</p>

86、<p>　　介紹并解釋了常用的模擬調制方式與數字調制方式的信號模型。</p><p>　　介紹了信號處理過程中的正交變換理論。</p><p>　　介紹了常用來進行調制方式識別的特征參數。</p><p>　　介紹了決策樹分類器，詳細的分析了其工作原理及流程，解釋了其在調制識別過程中的應用價值。</p><p>　　3 基于瞬時

87、特征的調制方式識別</p><p>　　3.1 算法的基本原理 </p><p>　　3.1.1特征參量簡介</p><p>　　在對九種常用數字信號進行分析的基礎上，提取出M1、M2、Mp1、Mp2、Mf1、Mf2六個基于信號瞬時特征提取的參數，并進行了分類識別。</p><p>　　以上六個特征參數，由對信號波形的一系列處理而得到

88、。其中M1、M2為對信號波形的幅度特性分析處理后得到的相關參數；Mf1、Mf2為對信號波形的頻率特性分析處理后得到的相關參數；Mp1、Mp2為對信號波形的相位特性分析處理后得到的相關參數。這些特征參數在仿真時發(fā)現對所研究的幾種數字調制信號有較好的分類特性，故經一系列處理加以提取。</p><p>　　3.1.2特征參量的提取</p><p>　　下面介紹以上六個特征參數對信號處理的過程。&

89、lt;/p><p>　　假設原始信號為，有：</p><p><b>　?。?.1）</b></p><p>　　其中由對進行Hilbert變換而得到， 為用于進行下一步處理的解析信號。</p><p><b>　　①特征參數的提取</b></p><p><b>　　

90、（3.2）</b></p><p>　　其中N表示信號采樣點的個數。</p><p><b>　?。?.3）</b></p><p>　　式（3.3）表示對求滑動平均得到,式中 ，即平均窗口長度為。</p><p><b>　?。?.4）</b></p><p>

91、　　由式（3.4）便得到特征參數 </p><p><b>　?、谔卣鲄档奶崛?lt;/b></p><p>　　在①中的基礎上，有：</p><p><b>　　（3.5）</b></p><p>　　對求滑動平均得到,其中，平均窗口為5：</p><p><b>　

92、?。?.6）</b></p><p><b>　?。?.7）</b></p><p>　　進而由式（3.7）便得到特征參數。</p><p><b>　　③特征參數的提取</b></p><p>　　（3.8） </p><p>　　式（3.8）中

93、表示信號的采樣頻率，表示的微分。</p><p>　　對求滑動平均，其中，平均窗口為4：</p><p><b>　　（3.9）</b></p><p>　　再對進行與①中提取時對進行的同樣的處理，即得到特征參數。</p><p><b>　?、芴卣鲄档奶崛?lt;/b></p><

94、p>　　對③中進行如下處理，得到：</p><p><b>　　（3.10）</b></p><p>　　再對進行與①中提取時對進行的同樣的處理，即得到特征參數。</p><p><b>　?、萏卣鲄档奶崛?lt;/b></p><p><b>　?。?.11）</b><

95、;/p><p>　　為信號的瞬時相位。由得到其微分。</p><p>　　對中大于或小于的值進行修正，記為。</p><p><b>　?。?.12）</b></p><p><b>　　（3.13）</b></p><p>　　在MATLAB中使用mod函數使的取值范圍為。&l

96、t;/p><p>　　對求滑動平均，其中，平均窗口為4：</p><p><b>　?。?.14）</b></p><p><b>　?。?.15）</b></p><p>　　接下來對進行與①中提取對進行的同樣的處理，即得到特征參數。</p><p><b>　?、尢?/p>

97、征參數的提取</b></p><p><b>　?。?.16）</b></p><p>　　再對進行與①中提取時對進行的同樣的處理，即得到特征參數。</p><p>　　3.2 分類閾值的確定</p><p>　　在MATLAB平臺上，對仿真產生的九種數字調制信號進行上述六種特征參數的提取，畫出九種數字調制信

98、號不同的特征參數隨信噪比變化的對比圖，來確定合適的分類閾值。信噪比變化范圍為1dB-30dB,步長為1dB。</p><p>　　在仿真中，設置數字調制信號的采樣頻率為12KHz，載波頻率為2KHz,碼元速率為500B，仿真時每次產生300個符號，使用加性高斯白噪聲對仿真產生的調制信號進行處理。</p><p>　　下面給出六個特征參數用于確定分類閾值的仿真圖，然后進行統(tǒng)一的分析，并確定每

99、個判決點的閾值。</p><p>　　圖3.1 特征參數M1隨信噪比變化曲線</p><p>　　圖3.2 特征參數M2隨信噪比變化曲線</p><p>　　圖3.3 特征參數Mf1隨信噪比變化曲線</p><p>　　圖3.4 特征參數Mf2隨信噪比變化曲線</p><p>　　圖3.5 特征參數Mp1隨信

100、噪比變化曲線（1）</p><p>　　圖3.6 特征參數Mp1隨信噪比變化曲線（2）</p><p>　　圖3.7 特征參數Mp2隨信噪比變化曲線</p><p><b>　　①. M1</b></p><p>　　對圖3-2進行觀察對比，可為特征參數M1設置兩個閾值0.190與0.320，以將九種信號分為三類：&

101、lt;/p><p>　?、?ASK、4ASK信號 若M1>0.320</p><p>　?、?FSK、4FSK、8FSK、2PSK、4PSK、8PSK信號 若M1<0.200 </p><p>　?、?6QAM信號 M1為其他值</p><p><b>　　②. M2</b></p&g

102、t;<p>　　對圖3-3進行觀察對比，可為特征參數M2設置閾值0.310，用來識別2ASK信號與4ASK信號，即若M2<0.310，將信號識別為2ASK信號，若M2>0.310，將信號識別為4ASK信號。</p><p><b>　　③. Mf1</b></p><p>　　對圖3-4進行觀察對比，可為特征參數Mf1設置閾值0.200，用來

103、進行2FSK、4FSK、8FSK、2PSK、4PSK、8PSK信號的分類。若滿足Mf1>0.200，則判定信號為2FSK、4FSK、8FSK信號，否則判定信號為2PSK、4PSK、8PSK信號。</p><p><b>　　④. Mf2</b></p><p>　　對圖3-5進行觀察對比，可為特征參數Mf2設置閾值0.420用來進行2FSK、4FSK、8FSK信

104、號的分類。若滿足Mf2<0.420，則判定為8FSK信號，否則判定為2FSK、4FSK信號。</p><p>　　⑤. Mp1 (1)</p><p>　　在仿真過程中發(fā)現特征參數Mp1對4FSK、8FSK信號有一定的區(qū)分特性，故在識別過程中用來進行二者的分類。對圖3-6進行觀察對比，在此為特征參數Mp1設置閾值0.400，若滿足Mp1>0.400，判定信號為8FSK信號，否則

105、判定信號為4FSK信號。</p><p>　　⑥. Mp1 (2)</p><p>　　在這里用特征參數Mp1來進行MPSK信號的類內識別，對圖3-7進行觀察對比，可知為特征參數Mp1設置閾值0.420可將2PSK信號與4PSK、8PSK信號區(qū)分開來，即若滿足Mp1<0.420，判定信號為2PSK信號，否則判定信號為4PSK、8PSK信號。</p><p>&

106、lt;b>　?、? Mp2</b></p><p>　　對圖3-8進行觀察對比，可知為特征參數Mp2設置閾值0.400可有效區(qū)分4PSK信號與8PSK信號。若滿足Mp2>0.400，判定信號為8PSK信號，否則判定信號為4PSK信號。</p><p><b>　　3.3識別的流程</b></p><p>　　圖3.8

107、九種數字調制信號的識別流程圖</p><p><b>　　具體的識別過程：</b></p><p>　?、?將原始信號進行Hilbert變換，得到用于處理的解析信號。</p><p>　?、?提取九種數字調制信號的特征參數M1，若滿足M1>0.320,判定為2ASK信號或4ASK信號；若滿足M1<0.200,判定為2PSK、4PSK

108、、8PSK、2FSK、4FSK、8FSK信號；若M1為其他值，則判定為16QAM信號。</p><p>　?、?提取特征參數M2來進行2ASK、4ASK信號的分類識別。若滿足M2<0.310，判定為2ASK信號，否則判定為4ASK信號。</p><p>　　④.提取特征參數Mf1來進行2PSK、4PSK、8PSK、2FSK、4FSK、8FSK信號的分類識別。若滿足Mf1<0.2

109、00，判定為2FSK、4FSK、8FSK信號，否則判定為2PSK、4PSK、8PSK信號。</p><p>　?、荩崛√卣鲄礛f2來進行2FSK、4FSK、8FSK信號的分類識別。若滿足Mf2<0.420，判定為2FSK信號，否則判定為4FSK、8FSK信號。</p><p>　　⑥．提取特征參數Mp1來進行4FSK、8FSK信號的分類識別。若滿足Mp1<0.400，判定為

110、4FSK信號，否則判定為8FSK信號。</p><p>　　⑦.提取特征參數Mp1來進行2PSK、4PSK、8PSK信號的分類識別，在整個識別流程中Mp1在兩個判決點上出現。此時若滿足Mp1<0.420，判定為2PSK信號，否則判定為4PSK、8PSK信號。</p><p>　?、?提取特征參數Mp2來進行4PSK、8PSK信號的分類識別。若滿足Mp2<0.400，判定為4PS

111、K信號，否則判定為8PSK信號。至此，已完成對九種數字調制信號的整個分類過程。</p><p>　　3.4 計算機仿真結果</p><p>　　表3.1 九種數字信號在不同信噪比下的識別率</p><p>　　圖3.9 九種數字調制信號的識別率</p><p>　　對圖3.9進行分析可知，在信噪比較低時，這種調制識別方案表現出來的性能很差

112、。8FSK信號在信噪比小于8dB時基本上不能成功識別，在信噪比大于10dB時識別率能夠達到80%以上，其余八種數字調制信號在信噪比大于5dB時識別率均在60%以上，在信噪比大于9dB時識別率均在95%以上。九種信號的識別成功率在信噪比大于11dB時均在95%以上?？梢娫撜{制識別方案在一定的信噪比以上有較好的分類識別表現，但抗噪性能差，在低信噪比的條件下識別成功率低。</p><p><b>　　3.5

113、本章小結</b></p><p>　　本章對九種數字調制信號的瞬時特征進行了分析與提取，對原始信號進行一系列的處理，得到六個特征參數進行分類識別。設置了不同特征參數分類的閾值與整體的識別流程，并進行了仿真，測試識別成功率。結果表明該種調制識別方案能夠實現對九種數字調制信號的分類，但不足之處為低信噪比條件下表現差，抗噪性能有待進一步的提升。</p><p>　　4 基于高階累積量

114、的調制識別</p><p>　　4.1 算法的基本原理</p><p>　　4.1.1 高階累積量的定義和描述</p><p>　　二階統(tǒng)計量是比較傳統(tǒng)的信號處理過程中的數學分析工具，時域為相關函數，頻域為功率譜。但是二階統(tǒng)計量有著自身的局限性，同時對加性噪聲比較敏感。</p><p>　　高階累積量是近年來信號處理領域中的一個比較熱門的課題

115、，高階累積量在需要考慮非最小相位性、非高斯性、有色噪聲等各種問題中都得到了很廣泛的應用。</p><p>　　在調制識別領域，高階累積量在實際應用中表現出了很好的性能。一方面通信信號的高階累積量中富含各種統(tǒng)計信息，容易找到分類特性好的特征參數；另外，在大于二階時，零均值高斯白噪聲的高階累積量為零，這也就意味著所處理信號的高階累積量等同于有用信號的高階累積量，可以有效的抑制噪聲。</p><p&

116、gt;　　假設 為一個零均值的復隨機過程，它的p階混合矩定義如下：</p><p><b>　?。?.1）</b></p><p>　　式（4-1）中“*”表示信號的共軛。下面給出實際應用中信號各階累積量的估計：</p><p><b>　?。?.3）</b></p><p><b>