一种通信信号的特征提取与调制识别方法技术

技术编号:7850611 阅读:215 留言:0更新日期:2012-10-13 07:40
本发明专利技术公开了一种通信信号的特征提取与调制识别方法,包括以下步骤:A、对截获的一段通信信号进行预处理,即降噪,hilbert变换,归一化处理;B、特征提取,从预处理后的数据中提取信号参数;C、分类识别,采用梯形结构分类器,每级结构根据一个或多个特征参数,分辨出某类调制类型,最终能对各种类型调制进行识别并结果输出。本发明专利技术在较低信噪比的条件下显著提高了识别正确率,此方法在军用和民用等领域的信号识别均具有广泛的应用前景。

【技术实现步骤摘要】

本专利技术涉及一种移动通信技术,是模式识别中的信号调制识别,更确切地说是基于。
技术介绍
通信信号的调制识别在截获信号处理领域是一个十分重要的课题,经过几十年的研究,人们提出了许多新的方法和新的思想,取得了很大的成绩,但是,随着通信技术的发展,通信信号的调制方法变得更加复杂多样,信号环境日趋密集,这就对调制识别的研究提出了更高的要求。通过广泛地查阅相关文献,充分了解调制识别领域的研究现状及其发展趋势。1969年4月,C. S. Waver等四名学者在斯坦福大学技术报告上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”,此后,不断有研究调制识别技术的论文出现在各类技术刊物上。1984年,Liedtke提出了一种数字调制识别方法,这种方法采用信号幅度直方图、频率直方图、差分相位直方图,以及幅度方差和频率方差等特征参数,然后采用模式识别的分类方法,通过提取的特征参数与理想样本的特征参数相比较,按最近原则进行信号自动分类。1986年,Fabirzi等人提出一种模拟调制识别方法,该方法基于瞬时幅度和瞬时频率方面的信息,采用信号包络峰值与均值之比R,以及采用瞬时频率绝对值的均值作为特征参数。该方法能够在SNR>35dB的条件下,有效识别CW,FM和DSB等信号。1989年,Chan和Gadbois也提出了一种类似的方法,方法根据信号包络特点,采用信号包络方差与信号均值平方之比作为判决准则。1990年,A. Polydoros和K. Kim等提出了准优化的对数似然比识别方法,其思想是采用高斯白噪声干扰下的数字调相信号的近似似然比函数,通过优化得到LR判决准则,从而区分MPSK信号,该方法在信噪比大于零时有较好的识别效果。1992年,S. Soliman和S. Hsue提出一种数字相位统计相关变量识别方法,利用MPSK信号相位的η阶统计均值随M单调递增的特性,对各种MPSK信号进行识别。这以后H. Leib和S. Pasupathy等人也对高斯白噪声干扰的信号相位的概率分布进行了研究,为调相信号的识别提供了理论根据,他们识别目标主要是MPSK信号和CW,MPSK,MFSK等信号。在1995年至1998年的三年间,A. K. Nandi和E. E. Azzouz发表了多篇文章,利用他们提出的七个关键特征,分别采用决策理论、神经网络和神经网络级联的方法对模拟和数字信号进行分类识别,在信噪比大于IOdB时,具有良好的识别效果。其它主要的识别方法还有S. Hsue的过零点识别方法,A. ff. Gardner的周期谱识别方法等等。近几年来,人们又将神经网络技术、小波变换技术、高阶谱分析技术与调制识别技术相结合,提出了很多新型的调制识别方法。mask( “m”amplitude-shiftkeying)表示多进制幅度调制数字信号,mfsk (“m”frequency_shift keying)表不多进制频率调制数字信号,mpsk (“m”phase_shiftkeying)表不多进制相位调制数字信号,mqam (“m”quadrature amplitude modulation)表示多进制正交调幅数字信号,其中”m”的含义代表进制数,如4、8等。
技术实现思路
专利技术目的本专利技术所要解决的技术问题是针对现有技术的不足,提供,本方法只需提取6个比较简单的特征参数,可以对各种类型的数字信号进行调制识别,算法复杂度较改进之前大大降低,计算量减小且易于编程,识别的正确率和适用的信噪比范围上亦都有很大程度的提高。本专利技术公开了,包括以下步骤A.对截获的一段通信信号进行数据预处理,对获取的数据进行降噪,hilbert变换,归一化处理等操作,为后续模块提供数据准备;所述降噪,hilbert变换,归一化处理为本领域公知技术。B.特征提取,从数据中提取信号的瞬时幅度、瞬时相位和瞬时频率等系列特征参 数;C.分类识别,采用梯形结构分类器和确定合适的判决规则,通过多级分类结构,每级结构根据一个或多个特征参数,分辨出某类调制类型,最终能对多种类型调制进行识别并结果输出。本专利技术所述步骤B,从预处理的信号中提取出六个较简单的特征参数,其先后提取步骤如下BI、零中心归一化瞬时幅度绝对值的平均值Ml。 I.Ml = —/ J A I,其中 Af=abs (af) /mean (abs (af)) -I, aa=abs (a,),a =HT (a), a 为实 Π n时信号,a’为信号a的Hilbert变换,aa为信号的瞬时幅度,A为零中心归一化瞬时幅度,mean (aa)为η个瞬时幅度的平均值,即mean(aa) = —^ aa |,以下同;本专利技术中η的含义均为信号的个数,为自然数,取值范围为fn为信号的个数,以下同。此参数Ml主要用来区分是maskl6qam信号还是mfsk信号和mpsk信号。因为对于mask和16qam信号,其包络是不恒定的,即瞬时幅度不为常数,参数Ml也就不为零;而对于mfsk信号,其包络恒定,瞬时幅度为常数,参数Ml为零;对于mpsk信号,虽然在相位变化时刻会产生幅度突变,但其参数A接近零,所以通过选择合适的门限t(mll),“!!!^,且七^⑴^七^⑵’本专利技术中设定门限t(mll)值介于O. 30与O. 40之间,门限t(ml2)值介于O. 18与O. 30之间,从而可以将mask和16qam信号与mfsk或mpsk信号区分,不同参数值的取值会影响同一信噪比下条件下的信号识别成功率,以下同。此参数只需计算到零中心归一化瞬时幅度绝对值而不需要进一步利用FFT变换求其谱密度最大值,其运算量明显减小。此特征参数提取2个门限值,识别信号种类与传统决策论方法相比可增加16qam。B2、递归零中心归一化瞬时幅度绝对值的平均值M2。M2 = ^[|A'|,其中η ηA’ =abs (A) /mean (abs (A))-I,为零中心归一化瞬时幅度绝对值的平均值Ml中得到的零中心归一化瞬时幅度。该参数主要用来识别2ask和4ask两类幅度键控信号,因为2ask和4ask信号它们的瞬时幅度值分别为2个和4个,所以对其进行上述操作后,得到的平均值M2,4ask会明显大于2ask,本专利技术中门限t (m2)值设定介于O. 25与O. 35之间,所以通过设置门限t (m2),就可以对2ask和4ask两种信号进行识别。此参数的计算复杂度同参数Ml,在算法上其实质是递归调用参数Ml。B3、零中心归一化瞬时频率绝对值的平均值MFl。本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种通信信号的特征提取与调制识别方法,其特征在于,包括以下步骤 A、对截获的一段通信信号进行预处理; B、特征提取,从预处理后的数据中提取信号参数; C、分类识别,采用梯形结构分类器,每级结构根据一个或多个特征参数,分辨出某类调制类型,最终能对各种类型调制进行识别并结果输出。2.根据权利要求I所述的一种通信信号的特征提取与调制识别方法,其特征在于,所述步骤B中提取信号参数包括以下六个参数 BI、信号零中心归一化瞬时幅度绝对值的平均值Ml ; B2、信号递归零中心归一化瞬时幅度绝对值的平均值M2 ; B3、信号零中心归一化瞬时频率绝对值的平均值MFl ; B4、信号递归零中心归一化瞬时频率绝对值的平均值MF2 ; B5、信号零中心归一化瞬时相位绝对值的平均值MPl ; B6、信号递归零中心归一化瞬时相位绝对值的平均值MP2。3.根据权利要求2所述的一种通信信号的特征提取与调制识别方法,其特征在于,所述提取信号零中心归一化瞬时幅度绝对值的平均值Ml包括通过对通信信号进行Hilbert变换及零中心归一化瞬时幅度处理,提取参数信号零中心归一化瞬时幅度绝对值的平均值Ml,用于区分mask信号和16qam信号、mfsk信号和mpsk信号。4.根据权利要求3所述的一种通信信号的特征提取与调制识别方法,其特征在于,所述提取信号递归零中心归一化瞬时幅度绝对值的平均值M2包括对通信信号的零中心归一化瞬时幅度进行归一化处理,提取信号递归零中心归一化瞬时幅度绝对值的平均值M2,用于区分mask信号中的m值。5.根据权利要求2所述的一种通信信号的特征提取与调制识别方法,其特征在于,所述提取信号零中心归一化瞬时频率绝对值的平均值MFl包括对通信信号进行Hilbert变换及抽频处理,提取信号零中心归一化瞬时频率绝对值的平均值MF1,用于区分识别mfsk信号和mpsk类信号。6.根据权利要求5...

【专利技术属性】
技术研发人员:王旭钱蕾赵超夏宇星安刚冯小江
申请(专利权)人:江苏省邮电规划设计院有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1