一种基于直接特征提取的多载波混合信号的检测识别方法技术

本发明专利技术公开了一种基于直接特征提取的多载波混合信号的检测识别方法，其特征是，包括如下步骤：1）接收混合信号；2）希尔伯特变换；3）FRWT多分辨率分析；4）门限选择；5）信号识别。这种方法能降低运算复杂度、能识别出混合信号中的多载波信号，可应用于非合作通信信号接收、扩大频谱检测、军事侦察、信息对抗等非合作接收的作用范围，而且还可用于正向通信，有助于设计完善更高效、更安全的无线通信机制。

A Detection and Recognition Method for Multicarrier Mixed Signals Based on Direct Feature Extraction

【技术实现步骤摘要】
一种基于直接特征提取的多载波混合信号的检测识别方法
本专利技术涉及无线通信
，具体是一种基于直接特征提取的多载波混合信号的检测识别方法。
技术介绍
随着无线通信技术的发展，使用多载波技术的无线业务终端越来越多，频谱资源日益紧张，形成了时域高度密集、频谱严重重叠、空间相互交错、时间动态变化的复杂无线电磁环境，设备间的相互干扰时有发生，例如在公共ISM频段会存在无人机、wifi、各种电子设备传输的信号，尤其在一些大型的公众活动场合更加突出，特别以移动的无人机对其他设备干扰最为严重，这些干扰信号不仅会扰乱无线通信秩序，还严重影响人们的正常生活和安全，因此及时发现并识别这些无线通信干扰信号，是具有现实意义的。多载波凭借其高频谱效率和抗干扰能力强被许多宽带无线通信系统采用，广泛应用于4G移动通信、卫星通信、无线局域网、数字视频广播及无人机图传系统等领域，并且成为了下一代移动通信5G的候选技术，所以多载波混合信号识别是混合信号处理领域的重要问题，它已成为当前信号处理研究领域的一个热点和难点问题。对于混合信号的识别主要有两种方法，一是基于信号分离的混合信号识别，二是基于直接特征提取的混合信号识别。目前，多载波混合信号识别的相关研究较少，主要方法有：1.陆明泉等人还提出了零陷调整(Null-Steering)波束形成器与AR模型相结合的多信号识别方法，该方法首先利用零陷调整波束形成器将混合信号分解为多个单一信号，然后利用AR模型估计出每个信号的瞬时频率作为分类特征，并设计了RBF神经网络作为分类器用于最终的识别，该方法主要适用于BPSK、2FSK和CW信号三种信号两两混合的情况，此分离方法计算量小，但Null-Steering波束形成器分辨率低，没有使得输出信噪比达到最大化；2.针对同一信道下正交频分复用(OFDM)多载波混合信号，在衰落及成型滤波参数未知条件下，利用高阶循环累积量和循环谱特征，实现其识别，但是该方法复杂度高；3.提出了一种基于信号谱特征的多载波干扰信号检测识别算法。它不仅能够检测目标OFDM信号是否被干扰，而且还能区分干扰信号是单载波干扰信号还是多载波干扰信号，但是该方法无法识别来自无人机遥控信号的干扰。
技术实现思路
本专利技术的目的是针对现有技术的不足，而提供一种基于直接特征提取的多载波混合信号的检测识别方法。这种方法能降低运算复杂度、能识别出混合信号中的多载波信号，可应用于非合作通信信号接收、扩大频谱检测、军事侦察、信息对抗等非合作接收的作用范围，而且还可用于正向通信，有助于设计完善更高效、更安全的无线通信机制。实现本专利技术目的的技术方案是：一种基于直接特征提取的多载波混合信号的检测识别方法，与现有技术不同的是，包括如下步骤：1)接收混合信号：采用宽带接收机接收空中无线电磁混合信号，无线电磁混合信号包括大疆无人机图传信号即QPSK_OFDM信号、其它无人机图传信号、大疆无人机遥控信号、802.11a协议中的WiFi信号即BPSK_OFDM信号和单载波信号即16QAM信号；2)希尔伯特变换：对混合信号做希尔伯特变换：其中x(t)为实信号，于是得到x(t)的解析信号为：解析信号的包络A(t)，即s(t)的瞬时幅度为：3)FRWT多分辨率分析：对希尔伯特变换后的信号进行FRWT多分辨率分析，首先做不同p阶的FRFT，然后利用haar小波做为小波基进行3层小波分解，提取分解后第一层的细节分量sd1(t)，求其瞬时幅度Ad1(t)，定义其瞬时幅度的方差与均值四次方之比为所需的特征值Rd1，则：Rd1＝var[Ad1(n)]/mean4[Ad1(n)](1.4)，目前主流的图传信号技术是OFDM技术，因此大疆无人机图传信号得到的特征记为Rd1_大疆TUCH，以此类推，其它无人机图传信号得到的特征记为Rd1_TUCH，802.11a协议中的WiFi信号得到的特征分别记为Rd1_wifi,大疆无人机遥控信号的特征记为Rd1_TH,单载波信号的特征记为Rd1_SC；4)门限选择：由步骤3)得到识别信号的特征值后，选择判决门限，设置判决门限为：5)信号识别：依据如下原则进行判决与分类，从而识别出信号：若Rd1＞th1,则为大疆图传信号；若th2＜Rd1＜th1,则为wifi信号；若th3＜Rd1＜th2,则为其它无人机图传信号；若th4＜Rd1＜th3,则为单载波信号；若Rd1＜th4,则为大疆无人机遥控信号。步骤1)中所述的混合信号包括：(1)WiFi信号或图传信号为：其中，{cn,k}是调制映射的符号序列，它是零均值、独立同分布的，N是子载波个数，f0是调制载波中心频率，Δf是子载波间频率间隔，g(t)是脉冲函数，Ts是码元持续时间，k为观察的码元个数；(2)遥控信号为：其中，T为观测时间，T0为起跳时间，Th为跳频时间，即跳速的倒数，fk为第k个时隙的跳频频率，属于跳频频率集；其中，(3)单载波信号为：MQAM信号：其中，an和bn为幅度增益，且代表发送信号的M个可能相位，且A代表归一化幅度信息，g(t)代表脉冲成型函数，Ts代表符号周期，fc代表载波频率，φ0代表载波的初始相位，且φ0∈{2πm/M,m＝1,2,...M-1}，代表发送信号的M个可能相位，且本技术方案主要考虑16QAM单载波调制信号和WiFi信号、大疆无人机图传信号、大疆无人机遥控信号和其它无人机图传信号的两两混合信号。设发送信号为x(t)，信道高斯白噪声为w(t)，接收信号为s(t)，则有如下关系：其中，x(t)为上述混合信号中两个分量信号之和,ak是第k个分量信号的混合系数，xk是第k个分量信号。步骤4)中所述的th1＝217.9513、th2＝26.7095、th3＝10.7572、th4＝0.1637。本技术方案基于直接特征提取的多载波混合信号识别，利用FRWT多分辨分析特性提取特征识别多载波混合信号，首先采用宽带接收机接收空中无线电磁信号，接收的信号有大疆无人机图传信号、其它无人机图传信号、大疆无人机遥控信号、802.11a协议中的WiFi信号以及单载波信号，然后对接收的信号进行希尔伯特变换，以便降低运算复杂度，接着对希尔伯特变换后的信号进行FRWT多分辨率分析，提取其第一层的细节分量构造特征值，最后选择合适的判决门限，进而识别出混合信号中的多载波信号。本技术方案选择多载波混合信号非合作检测与接收作为研究对象，探索研究多载波混合信号检测识别技术，可以弥补当前混合信号研究领域的不足，它不仅可以广泛应用于非合作通信信号接收，扩大频谱检测、军事侦察、信息对抗等非合作接收的作用范围，而且还可用于正向通信，有助于设计完善更高效、更安全的无线通信机制。因此，本专利技术不仅具有重要的现实意义，而且还拥有长期效益。这种方法能降低运算复杂度、能识别出混合信号中的多载波信号，可应用于非合作通信信号接收、扩大频谱检测、军事侦察、信息对抗等非合作接收的作用范围，而且还可用于正向通信，有助于设计完善更高效、更安全的无线通信机制。附图说明：图1为实施例中多载波混合信号识别流程示意图；图2为实施例中两种信号相互混合的分类流程图；图3为实施例中p＝0.2时分量1的FRWT多分辨率分析特征图；图4为图3放大后的特征图；图5为图4放大后的特征图；图6为实施例中p本文档来自技高网...

【技术保护点】
1.一种基于直接特征提取的多载波混合信号的检测识别方法，其特征是，包括如下步骤：1)接收混合信号：采用宽带接收机接收空中无线电磁混合信号，无线电磁混合信号包括大疆无人机图传信号、其它无人机图传信号、无人机遥控信号、802.11a协议中的WiFi信号和单载波信号即16QAM信号的两两混合；2)希尔伯特变换：对混合信号做希尔伯特变换：

【技术特征摘要】
1.一种基于直接特征提取的多载波混合信号的检测识别方法，其特征是，包括如下步骤：1)接收混合信号：采用宽带接收机接收空中无线电磁混合信号，无线电磁混合信号包括大疆无人机图传信号、其它无人机图传信号、无人机遥控信号、802.11a协议中的WiFi信号和单载波信号即16QAM信号的两两混合；2)希尔伯特变换：对混合信号做希尔伯特变换：其中x(t)为实信号，于是得到x(t)的解析信号为：解析信号的包络A(t)，即s(t)的瞬时幅度为：3)FRWT多分辨率分析：对希尔伯特变换后的信号进行FRWT多分辨率分析，首先做不同p阶的FRFT，然后利用haar小波做为小波基进行3层小波分解，提取分解后第一层的细节分量sd1(t)，求其瞬时幅度Ad1(t)，定义其瞬时幅度的方差与均值四次方之比为所需的特征值Rd1，则：Rd1＝var[Ad1(n)]/mean4[Ad1(n)](1.4)，大疆无人机图传信号得到的特征记为Rd1_大疆TUCH，以此类推，其它无人机图传信号得到的特征记为Rd1_TUCH，802.11a协议中的WiFi信号得到的特征分别记为Rd1_wifi,无人遥控信号的特征记为Rd1_TH,单载波信号的特征记为Rd1_SC；4)门限选择：由步骤3)得到识别信号的特征值后，选择判决门限，设置判决门限为：5)信号识别：依据如下原则进行判决与分类，从而识别出信号：若Rd1＞th1,则为大疆图传信号；若th2＜Rd1＜th1,则为wifi信号；若...

【专利技术属性】
技术研发人员：谢跃雷，吴娟，吕国裴，刘信，蒋平，易国顺，蒋俊正，欧阳缮，廖桂生，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45