瑞利信道下基于累积量的调制识别方法.docVIP

瑞利信道下基于累积量的调制识别方法 　　摘 要：针对瑞利信道下调制方式分类的问题，提出了一种基于累积量的识别方法。该方法利用四阶累积量和六阶累积量的组合作为特征参数，采用决策树分类器，能够实现二相相移键控（BPSK）、四相相移键控（QPSK）、四进制幅移键控（4ASK）、四阶正交幅度调制（16QAM）、五阶正交幅度调制（32QAM）、六阶正交幅度调制（64QAM）和正交频分复用（OFDM）七种调制方式的识别分类，且计算量小，易于实现。从理论上进行推导与分析，所提方法对瑞利衰落和加性高斯白噪声干扰不敏感。计算机仿真结果表明：信噪比大于4dB时，正确识别率达到90%以上，说明了所提方法的可行性及有效性。 　　关键词：调制识别；瑞利信道；高阶累积量；正交频分复用；单载波信号 　　0 引言 　　通信信号调制方式的自动识别是一个迅速发展的信号分析领域。调制识别技术是非协作通信的关键技术之一，它可用在军事领域的电子侦察和电子对抗等方面，也可用在无线电频谱管理等民用方面。由此可见，调制识别不仅是一个重要的研究课题，同时也具有十分重要的现实意义。 　　在对通信信号调制识别的研究中，目前常见的方法大致可以分为两大类：基于最大似然（likelihoodbased）的识别方法和基于特征提取（featurebased）的模式识别方法[1]。而在模式识别方法中，高阶累积量是一个应用较多的分类特征[2]。文献[3]通过四阶累积量识别了二相相移键控 （Binary Phase Shift Keying， BPSK）和四相相移键控（Quadrature Phase Shift Keying， QPSK）信号；文献[4]利用四阶累积量的组合成功区分了BPSK、QPSK和八相相移键控（8ary Phase Shift Keying， 8PSK）信号；文献[5]将高阶累积量和小波结合，实现了七种常见数字调制信号的分类；文献[6]利用高阶累积量和支持向量机（Support Vector Machine， SVM）实现了正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）信号及常见单载波信号的识别；文献[7]利用四阶累积量实现了OFDM与单载波信号的类间识别。文献[3-7]都是在高斯白噪声信道下进行分类的，并没有考虑瑞利衰落带来的影响，且文献[3-5]只是实现了单载波信号之间的识别，并未考虑OFDM信号。文献[8]利用高阶累积量在瑞利信道下实现了五种信号的分类，但识别类型有限；文献[9]在瑞利信道下利用高阶累积量组合仅对三种正交幅度调制（Quadrature Amplitude Modulation， QAM）信号进行了分类，识别类型单一。 　　针对以上方法的不足，本文在现有研究的基础上，提出了一种基于高阶累积量组合的调制识别方法，在瑞利信道下能够实现OFDM信号与常见单载波信号的类间识别及单载波信号的类内识别。计算机仿真结果表明该方法的可行性及有效性。 　　1 信号模型 　　假设信道为频率非选择性慢衰落信道，则该信道将导致发送信号的乘性失真，在至少一个信号传输间隔内该乘性过程可视为恒定的[10]，可表示为 　　2 瑞利信道下的识别算法 　　2.1 高阶累积量理论基础 　　2.2 特征提取与分析 　　由高阶累积量的性质[12]可知：均值为零的复高斯白噪声大于二阶的累积量为零，则对式（2）中r（n）求高阶累积量可得： 　　2.3 识别算法 　　根据前面的理论推导与分析，本文利用高阶累积量的组合作为特征参数，采用决策树分类器，对七种数字调制信号进行识别，识别算法步骤如下： 　　3 计算机仿真与分析 　　为了检验本文所提方法的性能，利用Matlab软件进行仿真验证。设符号速率RS=2kBaud/s，采样频率fs=40kHz，载波频率fc=6kHz，采用矩形脉冲成型方式。OFDM信号的子载波数为64，子载波调制方式均采用QPSK调制。信道的幅度衰减a（n）服从瑞利分布的随机序列，相位估计偏差Δθ在[-π，π]上随机取值。 　　实验一 对特征参数进行仿真并观察其随信噪比变化情况。观察符号数为2000，信噪比的变化范围为0～20dB，变化步长为2dB，每个信噪比下进行200次仿真，然后取其平均值作为结果。图1给出了特征参数T1的仿真结果，图2给出了特征参数T2的仿真结果。由于不同调制信号特征参数T1之间的差距比较大，为了能够明显地看出它们之间的差异，所以把它们分成了四个部分。 　　由图4可以看出，正确识别率随着观察符号个数的增多而提高，当观察符号数多于1000个时， 七种信号的正确识别率均达到95%以上，识别效果较好。由此可以得到一个结论：在信噪比不变的情况下，用于观察的符号个数