基于小波分析调制识别技术研究.docVIP

基于小波分析调制识别技术研究 　　摘要：通信信号的调制制式自动识别是信号智能化分析及处理中的关键问题。该项技术目前正广泛应用于军事、民用、商业和气象等众多领域。针对非稳定、大信噪比变化的通信信号，运用小波分析技术进行了有效的特征提取和分类，能够实现通信信号基本调制制式的自动识别，并且使识别正确率得到了明显提高。 　　关键词：小波分析 特征提取 自动识别 　　中图分类号：TN911.7 文献标识码：A 文章编号：1007-9416（2013）10-0113-03 　　1 引言 　　随着通信技术的飞速发展，为了便于空间传输，通信信号需要采取不同的调制方式，来达到提高信道利用率、延长传输距离、降低噪声干扰、且能够无失真地接收信号的目的[1]。为了获取有用的传输信息，必须在接收端需要对通信信号的调制制式进行识别。因此通信信号调制制式的识别问题作为通信信号识别技术的基础和核心，占据着举足轻重的地位[2]。目前工程应用中的通信系统大多工作在各种复杂环境下，能否正确获取待识别信号的调制制式和参数是实现准确、高效通信的前提条件。通信信号在传输过程中受到信道噪声的干扰，接收到的信号是时变的、非稳定的，而小波变换特别适用于非稳定信号的分析，作为一种特征提取的工具已得到较广泛的应用。 　　本文提出了基于最优尺度小波分析的特征提取和分类，通过搭建实验平台，，仿真结果证明能够完成通信信号多种调制制式的自动识别，并且识别正确率有较大程度的提高。 　　2 通信信号调制识别系统组成 　　通信信号调制制式虽然存在多样性，但对其自动识别是一典型的模式识别问题。完整的通信信号调制识别系统的基本框架由三部分组成：信号的预处理部分、特征参数提取部分和调制制式的自动识别部分[3]，如图1所示。 　　信号预处理模块的主要功能是为后续处理提供合适的数据。主要处理任务有：对接收的信号下变频处理、载波估计和载波分量的消除等。在多信道发射源的这种环境中，信号预处理还要能有效分离信号，保证每次仅有一个信号被送入后续的处理模块中。 　　特征参数提取部分是根据信号的时域特征或变换域特征，来提取信号的???征参数，提供给接下来的判别使用。信号的时域特征主要包括其瞬时幅度、瞬时频率和瞬时相位的直方图以及其它统计参数[4]，一般通过同相正交分量法、希尔伯特变化法和过零检测法等获取；变换域特征包括谱相关函数、时域分布特性和功率谱等统计参数，可通过快速傅里叶变换（FFT）和小波变换等方法获得。 　　信号调制制式识别模块的功能是通过选取合适的判决规则和分类器，来对待识别信号进行调制样式的自动识别[5]。 　　调制识别算法的总体要求是以较小的样本空间在较大信噪比范围内能够提供较高的识别率，并且具有低计算复杂度和实时处理性。 　　3 基于最优尺度的小波变换的特征提取 　　小波变换作为一种特征提取的工具，通过伸缩和平移等运算对信号函数进行多尺度细化分析，在时域和频域都具有表征信号局部特征的能力。小波变换尺度与小波变换序列的幅度密切相关，尺度选择直接影响调制特征提取和分类性能。Haar小波是最古老的小波函数也是最早被应用到调制特征提取中的函数，目前已有的调制识别方法大都选用该函数。本文在原有基于Haar小波变换调制识别的基础上，利用小波变换前后的信噪比确定了Haar小波变换的最优尺度，推导了FSK、PSK和QAM信号基于最优尺度的Haar小波变换结果。 　　3.1 数字调制信号的Haar小波变换 　　针对通信系统三种典型的调制制式：PSK、FSK和QAM，下面给出小波变换区间在同一码元内和码元跳变时刻的Haar小波变换模值。 　　（1）小波变换区间在同一码元内。 　　PSK信号： 　　（1） 　　FSK信号： 　　（2） 　　QAM信号： 　　（3） 　　（2）小波变换区间存在码元变换。 　　PSK信号： 　　； （4） 　　FSK信号： 　　（5） 　　QAM信号： 　　（6） 　　其中、分别为FSK信号第个码元和第个码元的频率，、分别为PSK信号第个码元和第个码元的相位，为信号的能量，为QAM信号第个码元幅度的平方，为第个码元的相位，码元在处发生变化，设。 　　由上面三个公式可见，在同一码元内，三类信号小波变换的幅度值均恒定。不同码元内PSK小波变换的幅度均为常数。FSK信号小波变换的幅度与有关，QAM信号小波变换的幅度与有关，因此FSK和QAM信号小波变换的幅度都呈现阶梯状。 　　如果信号的小波变换区间存在码元变换。对于PSK信号，小波变换后的幅度恒定仅在相位变化处存在突变；对于相位连续的FSK信号，小波变换后的幅度取决于前后码元的频率，对于相位不连续的FSK信号，在信号相位变化处存在突变；对于QAM信号，码元变化前后的幅度取决于前