通信信号自动调制识别的算法文献翻译.docVIP

通信信号自动调制识别的算法Asoke K. Nandi，Senior Member，IEEE，E. E. Azzouz 摘要：这篇文章介绍了数字信号和模拟信号的两种调制识别算法。第一种算法是利用决策论的方法，用一系列的的决定来鉴定不同类型的调制方式。第二种算法是利用人工神经网络（ANN）这种新途径来确定调制识别程序。计算机仿真了加有一系列高斯噪声的不同类型的有限带宽的模拟和数字调制信号，利用先进的算法进行了测量。信号的信噪比为15分贝（SNR）时利用已发现的决策论算法进行测量，总成功率达94％，而利用人工神经网络算法，整体成功率达96％以上。 关键词：模拟和数字调制，人工神经网络，自动调制识别。 I．导论 在一些调制识别中[1] - [6]只使用模拟调制的方法，[7]–[11]只使用数字调制方法,，还有其它[12]–[14]是数字与模拟方法都用到了。以下是对最近推出的模拟和数字调制信号运算法则的概述。利特克[12]利用决策论与模式识别的方法来区分一些模拟和数字信号。这些调制识别被分为AM，2ASK（幅移键控），2PSK（相移键控），4PSK，2FSK（频移键控）。利用硬件来实现这些调制方法是非常复杂的。据称，在信噪比≥18分贝时才能获得无差错调制识别。在[13]中容德拉尔提出了利用模式识别的调制识别方法。调制类型可以根据识别方法分为AM，单边带（SSB），2ASK，2PSK，2FSK和4FSK。人们通过了4096个例子对这些方法进行了评估。这些被测试的方法成功率都在90%以上，除了SSB（83%）和FSK4（88%）。在[13]中对相应信噪比的测量成功率只字不提。[14]按照模式识别方法，此识别可分为AM，双边带（DSB），SSB，FM，2ASK，4ASK，2PSK，4PSK，2FSK和4FSK。他们声称在信噪比≥40分贝时测量结果令人满意。但在信噪比为10分贝时除了4FSK的正确率为7%外其它所有数字调制正确率差不多都为0%。在信噪比为15分贝时以下几种调制方法的正确率还是可以的，其中4FSK（56％），2FSK（84％），4ASK（87％）。在[12]-[14]中介绍的模式识别的方法是值得注意的，这种识别方法需要持续的提供信号，因此，处理的时间可能会很长；这就导致了模式识别方法在离线分析中的使用。然而，[12]-[14]试图来区分数字以及模拟技术。 II．决策论方法 建议在本段中基于调制信号识别的基础上，对模拟和数字调制的全局过程作个概括。首先，把Kfs长的截获信号帧分成M个连续部分，每部分为2048个样本（相当于1.76毫秒），这样便可得出公式M=Kfs/N，这里fs为采样率。 每一部分的分类 从不同种类调制需要的主要特征提取和调制分类谈起。 1）主要特征提取：在上面提到的所有调制识别中都包括这样三个重要的参数：瞬时幅度，相位和抽样信号的频谱（除射频信号产生的对称谱）。这四个主要特征不仅在模拟调制中用到，在数字调制中也同样用到；它们最大的价值在于测量功率密度谱中心的瞬时幅度，瞬时非线性信号相位上升部分绝对值的标准差，以及射频信号对称频谱的比例。其中的两个关键特征在[10]的数字调制识别中和这里都谈到了。如[10]中提到的信号的瞬时振幅绝对价值标准差和瞬时频率的信号绝对价值标准差都是相同的。对于提到的数字与模拟调制识别的全局过程，这里有三个新的关键特征需要介绍下，它们是： ·对振幅信号归为中心瞬时标准差的上升段，它被定义为： 在这里是指在时间时刻的瞬时中心标准值，是速率为1200kHz的采样信号，是在时刻的幅值，是样本数目且必须大于，如果样本数目低于，那么在采集带限2PSK和4PSK的瞬时幅值时就会受到影响。 ·标准化的瞬时幅值被定义为： ·标准化的瞬时频率被定义为： 其中，是归一瞬时频率，定义为，在这里是频率截取的信号。 值得注意的是，本文所提到的和比率与[6]和[10]中写到的有一点点修改。但这点差别不会影响[6]和[10]中的结果。被修改为。比率被修改为，这里，，并且是采样速率为150kHz的样本。做出这样的修改只是为了避免人工神经网络（ANN）算法运行时间过长。 2）调制分类的步骤：基于决策论上对于调制做出的详细分类步骤，见流程图1。在决策论算法中，每一个关键特征通常是通过和适当的阈值作比较来把一组调制尽可能分开的。我们所关心的所有调制种类最佳阈值的选取在IV-A部分做了详解。 图1 Ｂ．信号帧的分类 为了尽可能把它们分开，在这里采用了多数的逻辑规则，即根据最大重复次数来进行分类。如果两个或两个以上的分类有着最大重复次数，那它们就被认为是最佳决定的候选。在这种情况下，再根据以下来进行判别：1）相应段组对每一个候选的决定；2）由每一段瞬时下降幅度低于阈值的样本数来决定；3）其相应段低于最低阈值的最小数目来评价超过该段