一种抗频偏的卫星幅相调制信号识别算法

廖灿辉 涂世龙 万 坚



一种抗频偏的卫星幅相调制信号识别算法

廖灿辉*涂世龙 万 坚

(盲信号处理国家重点实验室 成都 610041)

该文针对卫星中的常用调制QPSK, 16QAM和新型调制16APSK, 32APSK，提出一种自适应构造幅度分布模板，并通过计算实际信号幅度分布向量与幅度分布模板间的匹配误差来进行调制识别的算法。该方法不需要知晓载噪比，不需要人为确定阈值，且对频偏误差的容忍能力强，适合实际工程应用。仿真表明，在载噪比为9 dB，符号个数为4000时，该算法对4种调制信号的识别率能达到98%以上，证明了其有效性。

卫星通信；调制识别；APSK；幅度分布

1 引言

通信信号调制识别是指在已知信号调制类型集合的前提下，正确判断并识别当前信号的调制类型，是信号盲处理领域里的一个重要研究课题[1]。随着通信技术的发展，各种新型调制方式不断出现，调制识别也需要不断发展以适应变化的识别要求。

在卫星通信中，由于卫星转发器的非线性影响，要求采用的调制方式包络恒定或起伏很小，因而常采用PSK调制，一般为BPSK, QPSK和8PSK。随着宽带卫星业务的增多，频谱资源变得越来越紧张，需要采用更高阶调制方式以提高频带利用率，如16QAM。但在应用中，16QAM调制存在较多幅度，通过卫星非线性转发器时功率效率较低，且接近饱和状态工作时非线性失真影响很大，增加了预失真校正的复杂性。因而，星座呈圆形且圆周个数少的APSK调制被提出并受到关注[2,3]。目前16APSK和32APSK调制已应用在实际卫星通信中。APSK是一种新型调制，一方面目前针对APSK调制识别的研究非常少。另一方面，已有的很多调制识别算法要求在调制识别前先进行载波同步，而这在盲处理条件下是难以满足的，使得这类算法的实用性受到限制。鉴于此，本文将针对目前卫星中常用的调制类型，主要是PSK(BPSK, QPSK和8PSK), 16QAM, 16APSK和32APSK，研究抗频偏识别算法。

这4类调制信号星座具有不同的幅度分布特性，而幅度分布特征不受频偏误差影响，能够很好地满足应用需求，因此本文考虑提取幅度分布特征进行识别。利用幅度分布特征的识别算法中，文献[4]直接估计幅度分布的波峰数来识别QAM和16APSK，文献[5]直接用包络平方方差来识别不同的QAM，这两种方法利用幅度比较粗糙，性能受噪声影响较大，需结合其它特征来提高识别率。其它算法，或者需要已知信噪比来确定幅度分布，或者是选定固定的判决阈值。文献[6]用遗传算法优化得到瞬时能量的最优划分向量，据此计算瞬时能量分布向量来识别各阶QAM信号，不足之处是需要根据不同载噪比计算不同的划分向量，且识别前也需要知道准确载噪比；文献[7]利用不同QAM调制的幅度取值不同，采用减法聚类得到幅度聚类数目，根据聚类数目来判别调制类型，也需事先设定聚类半径大小；文献[8]通过计算星座最小环带方差进行QAM信号识别，采用的是固定的分类阈值；文献[9]根据不同QAM星座取值幅度不同，需选定划分阈值后再构造幅度分布模板来进行识别。

受以上方法启发，本文提出一种自适应构造幅度分布模板，通过计算实际信号幅度分布与幅度分布模板间的匹配误差来进行识别的算法。该方法不需要知晓载噪比，不需要人为确定阈值，对频偏误差的容忍能力强，适合实际工程应用。

2 信号模型

考虑待识别的调制集为{QPSK, 16QAM, 16APSK, 32APSK}。存在频偏时，BPSK, QPSK和8PSK具有相同的幅度分布，利用幅度分布特征进行识别时会将其归为一类。考虑到用于BPSK, QPSK和8PSK识别的算法很多，如利用谱线特征[10, 11]，似然特征[12]等，此处不作详述，仅选择QPSK作为代表。

基带信号波形可表示为

对于QPSK信号，有

对于16QAM信号，有

对于APSK信号，有

为了消除符号间串扰，可提取信号在最佳采样位置处的样点值来进行识别，这些样点包含了更多调制信息，用于调制识别将会取得更好的效果。本文采用一种非数据辅助的定时估计算法[14]，适用于上面4类调制，具体表达式如式(5)：

3 识别算法

3.1 星座幅度分布

在存在频偏情况下，信号星座图表现为以原点为中心的同心环，星座有几种幅度，星座图就表现为几个同心环。下面对不同调制的这种特性进行分析。

图1分别给出了QPSK, 16QAM, 16APSK, 32APSK的幅度分布直方图。QPSK调制星座只有1种幅度，取值概率为1，但是由于噪声影响，幅度以1为中心呈对称分布。相应地，16QAM调制星座有3种幅度，16APSK调制星座有2种幅度，32APSK调制星座有3种幅度。不同调制星座幅度分布的中心值及概率见表1。

3.2 模板构造与匹配

根据调制信号星座的不同幅度分布，可以建立不同的幅度分布模板，通过计算实际信号的幅度分布，将其与不同的幅度分布模板比较，计算匹配误差，选择匹配误差最小模板对应的调制为识别出的调制类型。

图1 不同调制星座的幅度直方图

表1各调制星座幅度分布

QPSK调制星座16APSK调制星座 幅度取值概率分布幅度取值概率分布 1.00004/40.41384/16 1.129712/16 16QAM调制星座32APSK调制星座 幅度取值概率分布幅度取值概率分布 0.44724/160.29554/32 1.00008/160.807412/32 1.34164/161.220316/32

对于其它调制信号，根据相同的原理可构造幅度分布模板。以16APSK为例，调制信号星座有2种幅度取值，则幅度分布模板可设计为

3.3 幅度分布方差估计

图2 星座点偏离示意

将式(13)代入式(14)中有

将式(16)代入式(13)，可求得

3.4识别算法流程

根据前面的分析，调制识别算法流程如下：

(1)通过FFT计算出信号频谱后粗略估计载频，并通过包络谱线估计出符号速率，用估计出的载频进行下变频，根据符号速率估计值计算均方根升余弦函数进行匹配滤波；

[37] Benjamin K. Wagner, “Lessons from Lassen: Plotting a Proper Course for Freedom of Navigation Operations in the South China Sea”, Journal of East Asia & International Law, Vol. 9, Issue 1 (2016).

(4)对于QPSK, 16QAM, 16APSK和32APSK

4 实验仿真

4.1 噪声方差估计性能仿真

第1步 估计信道噪声方差。图3给出了能量归一化下4种调制信号的噪声方差估计性能曲线，其中实线是根据载噪比值计算出的噪声方差，虚线是根据实际信号样本估计出的噪声方差。可见，4种调制信号的噪声方差估计值与真实值非常吻合，估计误差非常小。

第2步 估计幅度分布方差。图4给出了能量归一化下4种调制信号的幅度分布方差估计性能曲线，其中实线为根据真实信道噪声方差用式(11)计算出的近似值，虚线为根据实际信号样本计算出的估计值。可见，两者非常接近，表明式(11)的近似是可行的。

综合图3，图4可知，采用文中算法进行幅度分布方差估计是可行的。

4.2幅度分布模板仿真

图5是根据估计出的幅度分布方差构造出的幅度分布模板，图6是根据实际星座样本统计出的幅度分布向量，其中两个向量均进行了概率归一化。可见，构造出的幅度分布模板与实际幅度分布向量符合得很好，表明采用模板匹配的思路进行调制识别是可行的。

4.3 调制识别性能仿真

当噪声增大时，各调制信号星座幅度的环带分布会变得不明显，导致出现错判。由图7可知，16QAM和32APSK在载噪比较低时识别率较差。在实际应用时，可结合其它特征来克服此不足，如谱线特征。以图8为例，图8给出了16QAM调制的误判性能，可知当载噪比在6~10 dB时，16QAM容易误判成32APSK。由于16QAM在4倍频处存在谱线，而32APSK没有，因此可提取谱线特征来提高16QAM的识别率。需说明的是，实际可结合的其它特征有很多，谱线特征只是其中一种，且在相关文献中有较多阐述，本文不做详细叙述，仅作示范说明，读者在应用时可根据需要结合相关特征使用。

图3 信道噪声方差估计性能

图4 幅度分布方差估计性能

图5 构造出的幅度分布模板

图6 统计出的幅度分布向量

图7 不同载噪比下的识别性能

图8 16QAM调制误判性能

进一步测试数据长度对识别率的影响。仿真载噪比为10 dB，数据长度从1000个符号开始，每个数据长度进行400次实验，数据长度步进1000个符号。图9给出了4种调制信号识别率随数据长度的变化曲线。当数据长度在2000个符号以上时，QPSK, 16APSK和32APSK的识别率能达到99%以上，16QAM识别率在数据长度达4000个符号以上时，识别率能达到100%。由于实际幅度分布向量是通过统计方式得到的，因此要得到精度较高的幅度分布向量需要较多样本，一般取数据长度为4000个以上符号时比较合适。

5 结束语

本文主要研究了卫星中常用调制QPSK, 16QAM, 16APSK和32APSK的调制识别问题，提出了一种基于幅度分布向量匹配的调制识别算法。该方法不需要知晓载噪比，不需要人为确定判决阈值，对频偏误差的容忍能力强，适合工程应用。值得说明的是，卫星中的调制类型不局限于此4种，除了本文提出的特征，实际可供选择的特征还有谱线特征、高阶累积量特征等。实际识别时一般要结合多类特征来进行，本文只是提供了一类特征的提取思路，并通过仿真证明了其有效性，供读者在实际应用时参考和选择。

图9 不同数据长度下的识别率

图10 大载频误差下的识别性能

[1] Dobre O A, Abdi A, Bar-Ness Y,.. Survey of automatic modulation classification techniques: classical approaches and new trends[J]., 2007, 1(2): 137-156.

[2] 宫晓妍, 刘建伟, 杨友福. 基于卫星信道的APSK调制研究[J]. 遥测遥控, 2009, 30(6): 10-14.

Gong Xiao-yan, Liu Jian-wei, and Yang You-fu. Analysis of APSK modulation based on satellite channel[J]., 2009, 30(6): 10-14.

[3] Xie Qiu-liang, Wang Zhao-cheng, and Yang Zhi-xing. Simplified soft demapper for APSK with product constellation labeling[J]., 2012, 11(7): 2649-2657.

[4] 张宇, 王灵, 陈岩, 等. 卫星通信信号识别技术研究[J]. 航天电子对抗, 2012, 28(5): 27-29.

Zhang Yu, Wang Ling, Chen Yan,.. Satellite communication signal modulation recognition technology[J]., 2012, 28(5): 27-29.

[5] 刘聪杰, 彭华, 吴迪, 等. 突发自适应调制信号的调制识别算法研究[J]. 信号处理, 2012, 28(3): 417-424.

Liu Cong-jie, Peng Hua, Wu Di,.. Modulation recognition algorithm of burst adaptive modulation signal[J]., 2012, 28(3): 417-424.

[6] 褚衍杰, 胡年福, 巢凯今, 等. 通带MQAM信号调制方式识别方法[J]. 西安电子科技大学学报, 2008, 35(5): 932-937.

Chu Yan-jie, Hu Nian-fu, Chao Kai-jin,Modulation recognition of MQAM signals in the passband[J]., 2008, 35(5): 932-937.

[7] 奚家熹, 王宗欣. 基于Hilbert变换的MQAM信号调制体制识别[J]. 通信学报, 2007, 28(6): 1-6.

Xi Jia-xi and Wang Zong-xin. MQAM modulation scheme recognition using Hilbert transform[J]., 2007, 28(6): 1-6.

[8] 张路平, 王建新. MQAM信号调制方式盲识别[J]. 电子与信息学报, 2011, 33(2): 332-336.

Zhang Lu-ping and Wang Jian-xin. Blind modulation recognition algorithm for MQAM signals[J] .&, 2011, 33(2): 332-336.

[9] 雷德, 许小东, 戴旭初, 等. 大频偏条件下一种新的调制识别方法[J]. 无线电工程, 2009, 39(4): 25-26.

Lei De, Xu Xiao-dong, Dai Xu-chu,.. A novel modulation recognition scheme under large frequency offset[J]., 2009, 39(4): 25-26.

[10] 杨琳, 许小东, 路友荣, 等. 基于谱线特征的恒包络数字调制方式识别方法[J]. 中国科学技术大学学报, 2009, 39(9): 936-943.

Yang Lin, Xu Xiao-dong, Lu You-rong,.. Spectrum line based modulation classification for constant modulus digital modulation signals[J] ., 2009, 39(9): 936-943.

[11] 赵岚. 基于谱线特征的调制方式自动识别方法[J]. 中国电子科学研究院学报, 2012, 7(2): 182-185.

Zhao Lan. Automatic recognition based on spectrum feature for common used modulations[J]., 2012, 7(2): 182-185.

[12] 赵知劲, 朗涛. 基于最大似然比准则的MPSK信号分类方法[J]. 电路与系统学报, 2006, 11(2): 54-57.

Zhao Zhi-jin and Lang Tao. A classification method for MPSK signals based on the maximum likelihood criterion[J]., 2006, 11(2): 54-57.

[13] European Telecommunications Standards Institute. Digital Video Broadcasting (DVB) user guidelines for the second generation system for broadcasting, interactive services, news gathering and other broadband satellite applications (DVB-S2), TR 102 376 v1.1.1 [S]. 2005.

[14] Morelli M, Andrea A N D, and Mengali U. Feedforward ML-based timing estimation with PSK signals[J]., 1997, 1(3): 80-82.

[15] 万坚, 涂世龙, 廖灿辉, 等. 通信混合信号盲分离理论与技术[M]. 北京: 国防工业出版社, 2012: 127-130.

Wan Jian, Tu Shi-long, Liao Can-hui,.. Theory and Technology on Blind Source Separation of Communication Signals [M]. Beijing: National Defence Industry Press, 2012: 127-130.

廖灿辉： 男，1982年生，博士，工程师，主要研究方向为信号检测、卫星信号盲处理等.

涂世龙： 男，1980年生，博士，工程师，主要研究方向为信源容错处理、单通道盲分离等.

万 坚： 男，1977年生，博士，高级工程师，主要研究方向为卫星通信、盲信号分离等.

An Anti-frequency-offset Algorithm for Modulation Recognition of Satellite Amplitude-phase Modulated Signals

Liao Can-hui Tu Shi-long Wan Jian

(,610041,)

An anti-frequency-offset algorithm is proposed by utilizing amplitude distribution feature for modulation recognition of conventional satellite modulations, such as QPSK, 16QAM and new modulations like 16APSK and 32APSK. The algorithm is based on adaptive construction of amplitude distribution template. After calculating the matching error between the amplitude distribution template and the actual amplitude distribution vector, the algorithm can recognize the modulation type by choosing the modulation type with the minimum matching error. This method does not need any prior knowledge about Carrier-to-Noise ratio (C/N), as well as threshold, and it is not sensitive to frequency offset. Becasuse of these advantages, the algorith is suitable for engineering application. Computer simulations show that the correct recognition probability is more than 98% when C/N is greater than 9 dB and 4000 symbols are used. It verifies the effectiveness of the algorithm.

Satellite communication; Modulation recognition; APSK; Amplitude distribution

TN927

A

1009-5896(2014)02-0346-07

10.3724/SP.J.1146.2013.00512

廖灿辉 liaoch2007@126.com

2013-04-17收到，2013-09-18改回