《非高斯噪声下数字调制信号识别方法.pdf》由会员分享,可在线阅读,更多相关《非高斯噪声下数字调制信号识别方法.pdf(14页珍藏版)》请在专利查询网上搜索。
1、(10)申请公布号 CN 102882819 A (43)申请公布日 2013.01.16 C N 1 0 2 8 8 2 8 1 9 A *CN102882819A* (21)申请号 201210324087.9 (22)申请日 2012.09.04 H04L 27/00(2006.01) (71)申请人西安电子科技大学 地址 710071 陕西省西安市太白南路2号 (72)发明人李兵兵 刘明骞 曹超凤 孙珺 (74)专利代理机构北京科亿知识产权代理事务 所(普通合伙) 11350 代理人汤东凤 (54) 发明名称 非高斯噪声下数字调制信号识别方法 (57) 摘要 本发明公开了一种基于广义分。
2、数阶傅里叶 变换(GFRFT)和分数低阶Wigner-Ville分布 (FLOWVD)的数字调制识别新方法,其步骤为:对 接收到的信号先经过采样然后通过希尔伯特变换 进行信号的复包络的恢复;计算信号基于GFRFT 的零中心归一化瞬时幅度谱密度的最大值;计算 信号的FLOWVD幅度的最大值作为特征量;采用基 于判决树的分类器,通过数据处理和设置门限及 比较判决将不同调制方式的信号识别出来。在非 高斯Alpha稳定分布噪声下,本发明不仅性能明 显优于传统方法并且具有较高的识别率和良好的 稳健性。 (51)Int.Cl. 权利要求书3页 说明书8页 附图2页 (19)中华人民共和国国家知识产权局 (。
3、12)发明专利申请 权利要求书 3 页 说明书 8 页 附图 2 页 1/3页 2 1.非高斯噪声下数字调制信号的识别方法,包括如下步骤: (1)对接收到的信号y(t)进行预处理,即先经过采样得到yn,然后通过希尔伯特变 换进行信号的复包络的恢复; (2)计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r 1 : r 1 max|GFRFTa cn (i),p 2 /N s 式中,N s 个采样点,为瞬时幅度a(i)的平均值;p为分数 阶傅里叶变换的阶数; (3)采用分类器1,设置信号集的判决门限为: 其中 lim 为区分相邻信号或信号集Y 1 ,Y 2 的门限值,max(r Y1 。
4、)为Y1的特征量均值的最 大值,min(r Y2 )为Y2的特征值最小值的均值。将信号集合2ASK、16QAM、2FSK、MSK、QPSK 分为2ASK、16QAM和2FSK、MSK、QPSK三类; (4)求2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r 2 : 并特征量r 2 作为分类器2输入的特征参数; (5)采用分类器2,判决门限设置为: 其中 lim 为区分相邻信号或信号集Y 1 ,Y 2 的门限值,为Y 1 的特征量均值的最 大值,为Y 2 的特征值均值的最小值。因此,MSK信号与2FSK信号的判决门限3和 2FSK信号与QPSK信号的判决门限4可将2FSK、MSK。
5、和QPSK信号识别出来。 (6)计算各个信号的正确识别率。 2.根据权利要求书1中所述的非高斯噪声下数字调制信号的识别方法,其中步骤(2) 所述的计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r 1 ,按如下步骤进 行: 2.1计算信号x(t)的分数阶傅立叶变换(Fractional Fourier Transform,FRFT),其 表达式为: 式中,K (t,u)为分数阶傅立叶变换的核函数,其表达式为: 其中,k取整数,F 表示角度分数阶傅里叶变换算子,p/2为旋转角度,p为 旋转因子,( )为冲击函数。为了将Alpha稳定分布噪声的幅值合理映射到有限区间,同 时使信号的相位保。
6、持不变,计算信号的广义分数阶傅里叶变换(Generalized Fractional 权 利 要 求 书CN 102882819 A 2/3页 3 Fourier Transform,GFRFT),其表达式为: 其中,为一非线性变换,H()为希尔伯特变换。 2.2假定第i时刻接收信号的幅度为a(i),把N s 个采样点组成一个帧,则基于GFRFT的 零中心归一化瞬时幅度谱密度的最大值为: max max|GFRFTa cn (i),p 2 /N s 式中,为瞬时幅度a(i)的平均值;p为分数阶傅里叶变换的 阶数;用均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响。 3.根据权利要求书1。
7、中所述的非高斯噪声下数字调制信号的识别方法,其中步骤(4) 所述的求2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r 2 ,按如下步骤进行: 计算信号的分数低阶Wigner-Ville分布(Fractional Lower Wigner-Ville Distribution,FLOWVD),其表达式为: 其中x |x| a+1 /x * |x| a-1 x,当x为实数时,x |x| a sgn(x),x - (x * ) - (x ) * 。 当a0时QPSK信号的分数低阶Wigner-Ville分布为: 式中,其中是 时对应的相位; 其中是时对应的相位。则QPSK信号的FLO。
8、WVD 幅度的最大值有以下关系: 当a0时2FSK信号的分数低阶Wigner-Ville分布为: 则2FSK信号的FLOWVD幅度的最大值有以下关系: 当a0时MSK信号的分数低阶Wigner-Ville分布为: 权 利 要 求 书CN 102882819 A 3/3页 4 则MSK信号的FLOWVD幅度的最大值有以下关系: 权 利 要 求 书CN 102882819 A 1/8页 5 非高斯噪声下数字调制信号识别方法 技术领域 0001 本发明属于通信技术领域,具体涉及一种非高斯Alpha稳定分布噪声下数字调制 信号识别方法,可用于对Alpha稳定分布噪声下的数字调制信号的调制方式类型进行识。
9、 别。 背景技术 0002 数字调制信号识别就是在未知接收信号信息的前提下,确定数字信号的调制方 式和相应的参数,从而为信号解调提供必要的参数及信息,因此数字调制识别在军事和民 用领域都有着非常重要的应用。传统的数字调制识别是假设背景噪声服从高斯分布,以 便于对信号进行分析计算,但在实际的无线通信系统中往往存在一些非高斯分布的噪声, 这些噪声具有显著尖峰脉冲状波形和较厚概率密度函数拖尾,以美国南加州大学尼卡斯 (Nikias)教授为代表的研究者在充分研究各种随机过程模型后,发现Alpha稳定分布模型 是描述这类随机信号的一种更有效的噪声模型。因此,研究在Alpha稳定分布噪声背景下 的数字调制。
10、识别方法具有实际的工程意义。 0003 近年来,已有学者对Alpha稳定分布噪声模型下的数字调制识别进行了一定的 研究,但研究还很少。参见杨伟超,赵春晖,成宝芝.Alpha稳定分布噪声下的通信信 号识别J.应用科学学报,2010,28(2):111-114.。这种方法以分形盒维数作为识别特 征,在Alpha稳定分布噪声背景下对信号进行了识别,但该方法仅能在一定混合信噪比范 围内适用且识别性能较差;由于Alpha稳定分布噪声下的信号不具有二阶或二阶以上的 统计量,参见贺涛.数字通信信号调制识别若干新问题研究D.博士论文.电子科 技大学,2007.这种方法采用低阶量进行了调制识别的研究,但该方法识。
11、别性能较差;参 见赵春晖,杨伟超,杜宇.采用分数低阶循环谱相干系数的调制识别J.应用科学学 报,2011,29(6):565-570.和赵春晖,杨伟超,马爽.基于广义二阶循环统计量的通信信 号调制识别研究J.通信学报,2011,32(1):144-150.这两种方法提出了分数低阶循环谱 相干系数和广义二阶循环统计量的方法对数字调制信号进行识别,但该方法计算复杂度较 高且循环谱指数b的设定缺少智能方法而导致普适性较差。因此,以上的方法不适合在实 际的无线信道中应用。 发明内容 0004 本发明的目的是克服上述已有技术的不足,提供了一种Alpha稳定分布噪声下数 字调制识别的新方法,以提高在考虑滚。
12、降滤波以及噪声特征指数变化的情况下数字调制信 号的识别率。本发明选取常用的2ASK(Binary Amplitude Shift Keying,二进制振幅键 控)、QPSK(Quaternary Phase Shift Keying,四进制相移键控)、16QAM(16 Quadrature Amplitude Modulation,16正交幅度调制)、2FSK(Binary Frequency Shift Keying,二进 制移频键控)、MSK(Minimum Frequency Shift Keying,最小移频键控)这5种数字调制信 号作为待识别信号集。 说 明 书CN 10288281。
13、9 A 2/8页 6 0005 实现本发明目的的技术方案,包括如下步骤: 0006 (1)对接收到的信号y(t)进行预处理,即先经过采样得到yn,然后通过希尔伯 特变换进行信号的复包络的恢复; 0007 (2)计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r 1 : 0008 r 1 max|GFRFTa cn (i),p 2 /N s 0009 式中,N s 个采样点,为瞬时幅度a(i)的平均值;p为 分数阶傅里叶变换的阶数; 0010 (3)设置信号集的判决门限10和判决门限2将信号集合2ASK、16QAM、 2FSK、MSK、QPSK分为2ASK、16QAM和2FSK、MSK。
14、、QPSK三类,则门限2的设置为: 0011 0012 其中,max( 16QAM )为16QAM信号的特征量均值 16QAM 的最大值,min( 2ASK )为2ASK 信号的特征值均值 2ASK 的最小值。 0013 (4)计算2FSK、MSK、QPSK信号的FLOWVD的最大值作为特征量r 2 : 0014 0015 其中为分数低阶Wigner-Ville分布的幅度最大值; 0016 (5)通过设置判决门限对这2FSK、MSK、QPSK信号进行识别,判决门限设置为: 0017 0018 其中 lim 为区分相邻信号或信号集Y 1 ,Y 2 的门限值,为Y 1 的特征量均值的 最大值,为Y。
15、 2 的特征值均值的最小值。 0019 (6)本发明采用基于判决树的分类器,通过数据处理和设置门限及比较判决将不 同调制方式的信号识别出来,其具体流程如流程图所示。 0020 本发明与现有技术相比具有如下优点: 0021 1)本发明利用信号的零中心归一化瞬时幅度的GFRFT的最大值作为特征值将信 号集2ASK、2FSK、MSK、QPSK、16QAM分成了2ASK、16QAM和2FSK、MSK、QPSK三类,这样 即可以解决Alpha稳定分布噪声下的信号不具有二阶或二阶以上的统计量的问题,又可以 从时域到频域显现出信号的特征,提高了信号的识别性能; 0022 2)本发明利用FLOWVD幅度的最大。
16、值作为特征参数将2FSK、MSK、QPSK分开,分数 变换仅改变随机过程的幅度信息,而没有改变它的频率和相位信息,便于频域分析。当a 0时,所有的幅度信息消失,变成相位分数低阶协方差。这样不仅提高了识别性能,而且降低 了方法的计算复杂度。 0023 仿真结果表明,在Alpha稳定分布噪声的特征指数1.5,未考虑滚降滤波条件 下,混合信噪比5dB时,信号的识别率均达到90%以上;在升余弦滚降滤波器的滚降系数 0.35,噪声的特征指数1.5时,在混合信噪比大于12dB情况下,本发明可以对5 种数字调制信号实现有效地识别;在相同的仿真实验环境和相同的码元速率、载波频率、频 偏、采样频率、采样点数等信。
17、号参数设置条件下,本发明具有比现有的方法具有更高的识别 说 明 书CN 102882819 A 3/8页 7 率和较低的计算复杂度,说明在Alpha稳定分布噪声下,本方法具有良好的稳健性。 附图说明 0024 图1中是本发明非高斯噪声下数字调制识别方法的流程图; 0025 图2中是本发明在噪声的特征指数1.5,未考虑滚降滤波条件下,对5种数字 调制信号进行识别的结果图; 0026 图3中是本发明在混合信噪比为10dB,未考虑滚降滤波条件下,考察噪声的特征 指数值在(1,2)区间内变化对识别效果影响的图形; 0027 图4中是本发明5种数字调制信号的成形滤波器采用升余弦滚降滤波器,取滚降 系数0。
18、.35,当噪声的特征指数1.5时,信号的识别结果图; 具体实施方式 0028 本发明的具体实现步骤如下: 0029 步骤1,对接收到的信号y(t)进行预处理,即先经过采样得到yn,然后通过希尔 伯特变换进行信号的复包络的恢复; 0030 步骤2,计算信号x(t)的分数阶傅立叶变换(Fractional Fourier Transform,FRFT),其表达式为: 0031 0032 式中,K (t,u)为分数阶傅立叶变换的核函数,其表达式为: 0033 0034 其中,k取整数,F 表示角度分数阶傅里叶变换算子,p/2为旋转角 度,p为旋转因子,()为冲击函数。为了将Alpha稳定分布噪声的幅。
19、值合理映射到有 限区间,同时使信号的相位保持不变,计算信号的广义分数阶傅里叶变换(Generalized Fractional Fourier Transform,GFRFT),其表达式为: 0035 0036 其中,为一非线性变换,H()为希尔伯特变换。 0037 计算基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为: 0038 max max|GFRFT cn (i),p 2 /N s 0039 式中,为瞬时幅度a(i)的平均值;p为分数阶傅里叶变 换的阶数;用均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响。 0040 步骤3,设置信号集的判决门限10和判决门限2将信号集合2。
20、ASK、16QAM、 2FSK、MSK、QPSK分为2ASK、16QAM和2FSK、MSK、QPSK三类,则门限2的设置为: 说 明 书CN 102882819 A 4/8页 8 0041 0042 其中,max( 16QAM) 为16QAM信号的特征量均值 16QAM 的最大值,min( 2ASK )为2ASK 信号的特征值均值 2ASK 的最小值。 0043 步骤4,计算信号的分数低阶Wigner-Ville分布(Fractional Lower Wigner-Ville Distribution,FLOWVD),其表达式为: 0044 0045 其中x |x| a+1 /x * |x| 。
21、a-1 x,当x为实数时,x |x| a sgn(x),x - (x * ) - (x ) * 。 0046 当a0时QPSK信号的分数低阶Wigner-Ville分布为: 0047 0048 0049 0050 式中,其中是 时对应的相位; 0051 其中是 时对应的相位。则QPSK信号的FLOWVD幅度为: 0052 0053 0054 0055 其中,的最大值取时,则QPSK信号的FLOWVD幅度的最大值 有以下关系: 0056 说 明 书CN 102882819 A 5/8页 9 0057 当a0时2FSK信号的分数低阶Wigner-Ville分布为: 0058 0059 则2FSK信。
22、号的FLOWVD幅度为: 0060 0061 0062 0063 假设nm,当时频率为f n ,时频率为f m , 即有则: 0064 0065 0066 0067 其中,是t的 有界函数,则2FSK信号的FLOWVD幅度为: 0068 0069 0070 0071 0072 0073 0074 因此,2FSK信号的FLOWVD幅度的最大值有以下关系: 0075 0076 当a0时MSK信号的分数低阶Wigner-Ville分布为: 0077 0078 0079 说 明 书CN 102882819 A 6/8页 10 0080 则MSK信号的FLOWVD幅度为: 0081 0082 0083 。
23、0084 0085 其中a k+/2 -a k-/2 的取值为1和0,t0,当a k+/2 -a k-/2 -1时,则 为t的单调递减函数,当t时有h(t)0则有 0086 0087 0088 0089 则MSK信号的FLOWVD幅度的最大值有以下关系: 0090 0091 步骤5,通过设置判决门限对这2FSK、MSK、QPSK信号进行识别,判决门限设置为: 0092 0093 其中 lim 为区分相邻信号或信号集Y 1 ,Y 2 的门限值,为Y 1 的特征量均值的 最大值,为Y 2 的特征值均值的最小值。 0094 步骤6,本发明采用基于判决树的分类器,通过数据处理和设置门限及比较判决将 不。
24、同调制方式的信号识别出来,其具体流程如流程图所示。 0095 仿真内容与结果: 0096 为了验证本文方法的有效性,通过MATLAB仿真软件进行仿真实验,其所使用的仿 真条件为:待识别的信号集为2ASK、2FSK、MSK、QPSK、16QAM这5种数字调制信号,噪声为 加性标准SS分布噪声,对于SS分布噪声来说,由于不存在有限的二阶矩,致使噪声的 说 明 书CN 102882819 A 10 7/8页 11 方差变得没有意义,因此采用混合信噪比(MSNR)。已调信号的码元速率为10kBaud,载波 频率为30kHz,2FSK信号的频偏为0.5倍的载波频率,采样频率为120kHz,信号采样点数为。
25、 1024,p的取值为0.875。 0097 仿真在噪声的特征指数1.5,未考虑滚降滤波条件下,对5种数字调制信号进 行如图1所示的流程进行识别,得到每个信号的正确识别率,即正确识别的次数与总的次 数之比,蒙特卡洛仿真次数为500次的实验结果如图2所示。从图2中可以看出,在不同的 混合信噪比下,基于广义分数阶傅里叶变换和分数低阶Wigner-Ville分布的识别方法取 得了较好的识别结果,当混合信噪比5dB时,所识别信号的识别率均达到90%以上。这说 明所提的调制识别方法在Alpha稳定分布噪声下具有良好的性能。 0098 仿真在混合信噪比为10dB,未考虑滚降滤波条件下,考察噪声的特征指数值。
26、在 (1,2)区间内变化对识别效果的影响,蒙特卡洛仿真次数为500次的实验结果如图3所示。 从图3中可以看出,在的取值范围内,5种数字调制信号的正确识别率均大于90%;并且 随着值的逐渐增大,该识别方法的识别性能基本上逐渐提高。这主要是因为Alpha稳定 分布噪声的特征指数决定了噪声脉冲特性的程度,值越小,噪声分布的拖尾就越厚, 因而脉冲特性越显著,对识别方法的稳定性影响也就越大,当值较大(1.5)时,噪 声对该方法的稳定性的影响不是很明显,并且当2时,即为高斯噪声情况下,该识别方 法也有良好的识别性能。 0099 仿真5种数字调制信号的成形滤波器采用升余弦滚降滤波器,根据工程经验,在 这里取。
27、滚降系数0.35,当噪声的特征指数1.5时,蒙特卡洛仿真次数为500次的 实验结果如图4所示。从图4中可以看出,在升余弦滚降滤波器的滚降系数0.35,噪 声的特征指数1.5时,在混合信噪比大于12dB情况下,所提方法可以对5种数字调制 信号实现有效地识别。说明了该方法具有较好的稳健性。 0100 表1和表2分别是在在相同的仿真实验环境和相同的码元速率、载波频率、频偏、 采样频率、采样点数等信号参数设置,噪声的特征指数1.5及未考虑滚降滤波时,混合 信噪比分别在10dB和15dB情况下,本发明与贺涛方法和赵春晖方法的识别结果和计算复 杂度对比表。从表1和表2中可以看出,虽然本方法的计算复杂度比贺。
28、涛方法的计算复杂 度高,但是在混合信噪比为10dB和15dB条件下,本文方法的识别率比贺涛方法的识别率均 有了显著性地提高。针对本方法和赵春晖方法,由于加法次数基本相同,则计算复杂度主要 集中在乘法次数上面,并且所以本方法的计算复杂度比赵春 晖方法的计算复杂度低。在混合信噪比为10dB条件下,本文方法的识别率比赵春晖方法的 识别率有了明显地提高;在混合信噪比为15dB条件下,对于2ASK信号的识别率比赵春晖方 法的识别率也有了提高。由此可以说明,本识别方法优于贺涛的方法和赵春晖的方法。 说 明 书CN 102882819 A 11 8/8页 12 0101 0102 表1三种不同方法的识别率对比 0103 0104 表2三种不同方法的计算复杂度对比 说 明 书CN 102882819 A 12 1/2页 13 图1 图2 说 明 书 附 图CN 102882819 A 13 2/2页 14 图3 图4 说 明 书 附 图CN 102882819 A 14 。