基于顺序统计量特征的混合调制信号盲处理结果校验方法技术

本发明专利技术针对线性调频/二相编码（LFM/BPSK）混合调制信号盲处理结果的校验问题，提出了一种基于顺序统计量特征的校验方法。首先根据调制识别结果对应的信号模型构造参考信号，而后计算其与观测信号的相关谱，并通过检测相关谱中是否存在峰值来检验LFM/BPSK信号盲处理结果。计算机仿真结果表明，该方法可在较低信噪比条件下对LFM/BPSK信号盲处理结果进行有效检验。

【技术实现步骤摘要】

本专利技术属于信号处理领域，具体涉及一种基于顺序统计量特征的LFM/BPSK(linearfrequencymodulation/binaryphaseshiftkeying)混合调制信号盲处理结果的校验方法。
技术介绍
在非协作信号处理场合(如电子侦察、认知无线电等)，由于缺乏信号的先验信息，前端处理环节中的检测、调制识别及参数估计等只能进行盲处理。显然，其处理结果的可靠与否，直接影响后续环节(如信号的跟踪、干扰及频谱管理)的性能。因此，对信号盲处理结果的可信性(也称可靠性)校验，对于提高整个处理系统的有效性与可靠性具有重要价值，已成为军用及民用信号处理中的热点与难点课题，并引起相关学者普遍重视。相关文献针对雷达脉内分析中常用单一调制信号，如幅度、相位等特征，对其盲处理结果进行统计分析。但在雷达电子侦察中，随着电磁环境的复杂化，为了进一步提高雷达性能及战场生存概率，混合调制信号被广泛采用，常见的混合调制信号如：LFM/BPSK、FSK/BPSK、S型非线性调频等。此类信号因为调制机制复杂，其解调过程发生错误的概率更大，对其处理结果的可信性校验更具实际价值。目前的相关研究，大都集中于对单一调制信号处理结果的校验，针对混合调制信号盲处理结果的校验研究尚未见公开。
技术实现思路
本专利技术的针对现有技术中的不足，提供一种基于顺序统计量特征的混合调制信号盲处理结果校验方法。为实现上述目的，本专利技术采用以下技术方案：一种基于顺序统计量特征的混合调制信号盲处理结果校验方法，其中混合调制信号为LFM/BPSK信号，其特征在于，包括如下步骤：1)建立参考信号：对观测信号进行调制方式识别，根据识别结果对应的模型，构建参考信号；2)选取统计量：将参考信号与接收到的观测信号相关，去均值后作DFT并取模，得到相关幅度谱，并取相关幅度谱的最大值作为统计量；3)确定判决门限：在给定的虚警概率下，基于恒虚警规则计算判决门限；4)通过比较统计量与判决门限的大小，校验LFM/BPSK信号的盲处理结果。为优化上述技术方案，采取的具体措施还包括：在步骤1)中，建立叠加了高斯白噪声的LFM/BPSK混合调制信号模型为x(n)＝s(n)+w(n)＝Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1其中，A为信号幅度，j为虚数单位，f0为起始频率，Δt为采样间隔，l为调频斜率，BPSK分量的相位函数θ(n)＝πd2(n)，d2(n)为二元编码信号，其码元宽度为Tc，码元个数Nc，码字为cm,m＝1,...,Nc，θ0为初相位，N为样本点数，w(n)为零均值加性复高斯白噪声过程，方差为2σ2；构建参考信号y(n)，建立假设检验问题H0和H1，H0表示调制方式识别结果正确且无解码错误，H1表示调制方式识别错误或存在至少一位错误解码。步骤2)中具体包括以下步骤：2.1)计算参考信号和观测信号的相关序列z(n)＝x(n)+y(n)；2.2)对相关序列作DFT变换并取模，得到相关谱Zm(k)＝|DFT[zm(n)]|＝|Sm(k)+Wm(k)|,0≤k≤N-1，其中，zm(n)是对相关序列进行去除直流处理后得到的序列，Sm(k)，Wm(k)分别表示相关谱Zm(k)中的信号分量与噪声分量；2.3)定义随机变量其中，表示方差，利用二阶四阶矩方法对接收信号的方差σ2进行计算，而后利用公式计算出2.4)取R(k)的最大值为统计量，统计量在步骤3)中，给定的虚警概率Pfa下，基于恒虚警规则，计算判决门限若统计量大于判决门限，即Γ＞η时，则H1成立；若统计量小于判决门限，即Γ＜η时，则H0成立。本专利技术的有益效果是：在适度信噪比范围内，能有效完成对LFM/BPSK复合信号盲处理结果的检验，无需信号的先验信息，简单有效，对于提高雷达、认知无线电信号盲处理结果的可信性与有效性具有重要的理论价值与实践意义。此外，该方法还可推广到其它混合调制信号盲处理结果的校验。附图说明图1是本专利技术的方法流程图。图2-6是不同假设下的相关谱波形图。图7-10是不同假设下统计量的概率分布及门限。具体实施方式现在结合附图对本专利技术作进一步详细的说明。本专利技术首先依据对观测信号进行调制方式识别及参数估计的结果，及识别结果对应的模型，构建参考信号；然后将参考信号与观测信号进行相关运算，去均值后作DFT并取模，得到相关幅度谱，取相关幅度谱的最大值作为统计量；接着在给定的虚警概率下，基于恒虚警(CFAR)规则计算判决门限；最终通过比较统计量与判决门限的大小，实现对LFM/BPSK信号盲处理结果的校验基于顺序统计量特征的LFM/BPSK混合调制信号盲处理结果校验方法，具体包括以下步骤：1、参考信号的建立：构建叠加了高斯白噪声的LFM/BPSK混合调制信号模型为x(n)＝s(n)+w(n)＝Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1其中，A为信号幅度，j为虚数单位，f0为起始频率，Δt为采样间隔，l为调频斜率，BPSK分量的相位函数θ(n)＝πd2(n)，d2(n)为二元编码信号，其码元宽度为Tc，码元个数Nc，码字为cm,m＝1,...,Nc，θ0为初相位，N为样本点数，w(n)为零均值加性复高斯白噪声过程，其实部与虚部相互独立，且与信号互不相关，方差为2σ2。通常在电子侦察中，解LFM/BPSK信号采用分步处理方法，其流程由调制方式识别、平方运算、LFM信号分量参数估计及BPSK信号分量解码四个环节构成。上述处理环节之间是相互关联的，如调制方式识别正确是LFM信号分量参数及BPSK信号分量正确解码的共同前提，而LFM信号分量参数正确又是BPSK信号解码正确的前提；就BPSK信号解码本身而言，正确解码的前提是信号的子码宽度、码元个数等准确。为此，可将LFM/BPSK信号盲处理结果的检验归结为如下假设检验问题：H0表示调制方式识别结果正确且无解码错误；H1表示调制方式识别错误或存在至少一位错误解码。对观测信号进行调制方式识别，根据识别结果对应的模型，构建参考信号y(n)。1)若调制方式识别正确、LFM信号分量的参数准确且BPSK信号分量无解码错误时，即H0，利用适配信号参数集：起始频率调频斜率及BPSK信号分量的相位函数构造适配参考信号0≤n≤N-1。2)若调制方式识别正确但存在解码错误时，记为H1中的H1A，仍根据BPSK/LFM信号模型的失配参数集：起始频率调频斜率及BPSK信号分量的相位函数建立失配参考信号0≤n≤N-1。3)若LFM/BPSK信号的调制识别结果错误且误识为BPSK信号时，记为H1中的H1B，建立失配参考信号0≤n≤N-1式中分别表示将LFM/BPSK信号按BPSK失配模型进行处理时得到的载频及相位函数。2、统计量选取：将参考信号与接收到的观测信号相关，去均值后作DFT并取模，得到相关幅度谱R(k)，并取其最大值Γ作为统计量。2.1计算参考信号与接收观测信号的相关序列。1)在H0假设下，将参考信号与接收到的观测信号相关后得相关序列z0(n)z0(n)＝x(n)y0(n)＝Aexp[j(2πΔfΔtn+πΔlΔt2n2+Δθ(n)+θ0)]+w(n)y0(n)＝s0(n本文档来自技高网...

【技术保护点】
一种基于顺序统计量特征的混合调制信号盲处理结果校验方法，其中混合调制信号为LFM/BPSK信号，其特征在于，包括如下步骤：1)建立参考信号：对观测信号进行调制方式识别，根据识别结果对应的模型，构建参考信号；2)选取统计量：将参考信号与接收到的观测信号相关，去均值后作DFT并取模，得到相关幅度谱，并取相关幅度谱的最大值作为统计量；3)确定判决门限：在给定的虚警概率下，基于恒虚警规则计算判决门限；4)通过比较统计量与判决门限的大小，校验LFM/BPSK信号的盲处理结果。

【技术特征摘要】
1.一种基于顺序统计量特征的混合调制信号盲处理结果校验方法，其中混合调制信号为LFM/BPSK信号，其特征在于，包括如下步骤：1)建立参考信号：对观测信号进行调制方式识别，根据识别结果对应的模型，构建参考信号；2)选取统计量：将参考信号与接收到的观测信号相关，去均值后作DFT并取模，得到相关幅度谱，并取相关幅度谱的最大值作为统计量；3)确定判决门限：在给定的虚警概率下，基于恒虚警规则计算判决门限；4)通过比较统计量与判决门限的大小，校验LFM/BPSK信号的盲处理结果。2.如权利要求1所述的混合调制信号盲处理结果校验方法，其特征在于：在步骤1)中，建立叠加了高斯白噪声的LFM/BPSK混合调制信号模型为x(n)＝s(n)+w(n)＝Aexp[j(2πf0Δtn+πlΔt2n2+θ(n)+θ0)]+w(n),0≤n≤N-1其中，A为信号幅度，j为虚数单位，f0为起始频率，Δt为采样间隔，l为调频斜率，BPSK分量的相位函数θ(n)＝πd2(n)，d2(n)为二元编码信号，其码元宽度为Tc，码元个数Nc，码字为cm,m＝1,...,Nc，θ0为初相位，N为样本点数，w(n)为零均值加性复高斯白噪声过程...

【专利技术属性】
技术研发人员：胡国兵，李岳衡，姜志鹏，陈正宇，吴珊珊，宋军，孙健，杨莉，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：江苏;32