基于动态理想解的信号调制识别方法

本发明涉及信息与通信工程领域，具体涉及利用多目标决策分析进行信号调制方 式识别的方法。

通信信号一般要经过调制之后才进行传输，因此，它的调制方式成为了通信对抗 目标的重要特征之一。准确识别出截获的通信信号调制方式，既是提取通信对抗目标特征 参数，完成解调并获取通信信息的必然要求，也是后续进行针对性的电子干扰所必经途径。 随着通信技术水平的快速发展，通信信号传播环境的日益复杂，通信信号本身的调制方式 也越来越复杂，传统的人工识别方式已经不适用。1969年4月，C.S.Waver等人发表了第一篇 研究自动调制识别的论文《采用模式识别技术实现调制类型的自动分类》，从而拉开了信号 自动调制方式识别研究的大幕。自动调制识别的出现克服了传统人工识别的缺点，能够有 效、实时、准确地对通信信号调制方式进行识别。目前，调制识别主要有两种方式，分别是基 于似然函数的决策理论方法和基于特征参数的模式识别方法。前者在假设信号满足某种分 布条件的前提下，利用统计似然特征进行判决。而后者则先进行信号的特征提取，然后再利 用不同的分类器进行判决。由于后者的适用范围更广，普适性和灵活性更强，而成为目前常 用的方法。

基于特征参数的模式识别方法的基本步骤如图1所示。其中，信号预处理是为后续 提取特征参数提供满足要求的信号，如：混频、滤波、采样、等；而提取的信号特征主要分为： (1)瞬时特征，如：瞬时幅度、瞬时频率、瞬时相位；(2)统计特征，如：高阶累积量、循环谱； (3)分形特征，如：分形盒维数、多重分形谱；(4)变换域特征，如：小波系数、分数阶傅里叶 谱；(5)熵特征，如：香农熵、指数熵；等等；当特征参数提取完毕之后，分类器的设计也是十 分重要的，其好坏将直接影响到识别正确率。目前，分类器主要有基于判决树的方法、基于 支持向量机的方法和基于神经网络的方法。其中，基于判决树的方法是一种基础的、比较成 熟的方法，实时性好，但是它的难点在于如何正确确定判决门限和判决准则；而基于神经网 络和支持向量机的方法不需要确定判决门限和判决准则，适应性强、智能水平高，但是计算 量相对较高，速度慢。本发明为解决上述分类器的不足，以多属性决策理论为依据，提出了 一种基于动态理想解的信号调制方式识别方法，其思路是将多个特征参数看成一个整体， 建立一个系统判决，实现对调制方式的分类。本发明能够有效地避免特征参数的判决门限 选取问题，以及特征参数的多次利用问题。同时，由于计算量小，不需要类似神经网络的训 练过程，因此，实时性也能够得到保证。

本发明是采用数字信号处理的方式来实现的，其算法步骤如图2所示，具体如下：

1.将截获的射频信号混频到中频，经中放后进行数字采样、数字正交混频，得到数 字复信号s(n)为：

其中，fc为中频频率；ts＝1/fs，fs为采样频率，要求fs＞4fc；Ns为采样点数。然后对 s(n)进行快速傅里叶变换(FFT)，得到S(n)，即：

S(n)＝FFT(s(n))

2.针对待判决的M种调制方式来确定N个特征参数为评价指标。

(1)设待判决的模拟调制方式有5种，即M＝5，分别是：幅度调制(AM)、双边带调制 (DSB)、下边带调制(LSB)、上边带调制(USB)和频率调制(FM)；则确定3个特征参数为评价指 标，即N＝3，分别是：

①幅度谱峰值γmax

其中，acn(n)表示零中心归一化瞬时幅度，acn(n)的计算公式如下所示：

其中，

②谱对称性P

其中，PL表示s(n)的下边带功率，PU表示s(n)的上边带功率，即：

其中，

③信号包络方差与均值平方之比R

其中，σ2表示信号包络a(n)的方差；μ2表示信号包络均值的平方。

(2)设待判决的数字调制方式有6种，即M＝6，分别是：二进制幅移键控(2ASK)、四 进制幅移键控(4ASK)、二进制相移键控(2PSK)、四进制相移键控(4PSK)、二进制频移键控 (2FSK)和四进制频移键控(4FSK)；则确定5个特征参数为评价指标，即N＝5，分别是：

①幅度谱峰值γmax

其中，acn(n)表示零中心归一化瞬时幅度，acn(n)的计算公式如下所示：

其中，

②平均幅度A

③瞬时幅度标准差σaa

④瞬时相位标准差σap

其中，a_t是判断弱信号段的幅度判决门限电平；c是高于门限a_t的样本点数目，c≤N_s；a_n(n)＝a(n)/m_α；是经过零中心化处理后瞬时相位的非线性分量，在载波完全同步时有：

⑤瞬时频率标准差σaf

式中，f(n)表示瞬时频率。

3.针对每一种调制方式和每一个特征参数来确定其对应的正理想解C_ij和负理想解以及各特征参数对应的权值w_i，i＝1，...，N，j＝1，...，M。

对每个特征参数来说，其对应每种调制样式的正理想解和负理想解都是不同的。因此，需要针对每种待判决调制方式，进行这N个特征参数的理论分析。如果能够通过理论分析得到某种调制方式下的某个特征参数解析结果，那么直接设定正理想解为该种调制方式对应的该特征参数理想值(即解析结果)。对于无法通过理论分析得到正理想解的部分信号，则采用仿真计算来得到其正理想解C_ij。设定完正理想解后，再确定每个C_ij所对应的为所有待判决调制方式对应第i种特征参数的正理想解中与C_ij差距最大的数值。然后，根据待识别调制方式差异，确定每种特征参数的权值w_i。

4.根据第2步确定的N个特征参数，对经过第1步处理后得到的s(n)和S(n)进行特 征参数的提取，得到待识别信号的N个特征参数估计值hi，i＝1，...，N。

5.分别计算提取的特征参数hi到M种待判决调制方式的正、负理想解的距离。其 中，到正理想解的距离为：

到负理想解的距离为：

6.分别计算各待判决调制方式的得分Dj如下：

最后，确定最高得分Dj所对应的待判决调制方式为最终判决结果。

图1是调制方式识别的基本原理图。

图2是本发明的实现框图。

图3是实施例中对载波进行调制的正弦信号。

图4是实施例中混频到中频的待识别已调幅度调制信号。

图5是实施例中的正理想解。

图6是实施例中的负理想解。

图7是不同信噪比下的幅度调制(AM)识别结果。

下面结合附图及实施例对本发明做详细说明，具体以模拟调制识别为例：

本发明的基于动态理想解的信号调制识别方法的总体流程如图2所示，包括以下 步骤：

1.将截获的已调射频信号混频到中频，经中放后进行数字采样、数字正交混频，得 到数字复信号s(n)为：

其中，fc＝3MHz；ts＝1/fs，fs＝20MHz；Ns＝10000。然后对s(n)进行快速傅里叶变换 (FFT)，得到S(n)，即：

S(n)＝FFT(s(n))

对载波进行调制的信号为正弦信号sin(2πfmt)，fm＝10KHz，如图3所示。混频到中 频的待识别已调幅度调制信号如图4所示。

2.待判决的模拟调制方式有5种，即M＝5，分别是：幅度调制(AM)、双边带调制 (DSB)、下边带调制(LSB)、上边带调制(USB)和频率调制(FM)，确定3个特征参数为评价指 标，即N＝3，分别是

①信号包络方差与均值平方之比R

其中，σ2表示信号包络a(n)的方差；μ2表示信号包络均值的平方。

②谱对称性P

其中，PL表示s(n)的下边带功率，PU表示s(n)的上边带功率，即：

其中，

③幅度谱峰值γmax

其中，acn(n)表示零中心归一化瞬时幅度，acn(n)的计算公式如下所示：

其中，

3.针对每一种调制方式和每一个特征参数来确定其对应的正理想解C_ij和负理想解以及各特征参数对应的权值w_i，i＝1，...，N，j＝1，...，M。其中，正理想解C_ij如图5所示，负理想解如图6所示；权值w₁＝w₃＝0，分别对应于特征参数R和γ_max，权值w₂＝100，对应于特征参数P。

4.根据第2步确定的3个特征参数，对经过第1步处理后的待识别信号s(n)和S(n) 进行特征参数的提取，得到待识别信号的3个特征参数估计值hi，i＝1，...，3。

5.分别计算提取的特征参数hi到5种待判决调制方式的正、负理想解的距离。其 中，到正理想解的距离为：

到负理想解的距离为：

6.分别计算各待判决调制方式的得分Dj如下：

最后，确定最高得分Dj所对应的待判决调制方式为最终判决结果。不同信噪比下 的幅度调制(AM)识别结果如图7所示。