一种基于码速率估计的通信源信号识别方法

王正坤 马汝飞 山东科技大学

1 前言

现代信息技术高速发展，通信技术与设备与日俱进，通信源辐射源信号的识别是一个复杂而困难的问题。特别是在电子通信领域，对信号的识别和分类有较为严格的要求。目前信号的分类与识别的方法有很多，本文将信号的基本调制参数码速率为主要的突破口进行研究。

对于不同通信辐射源信号的发射源，即使是同型号、同批次的两部电台，由于本振不同，频率源的频率也是不同的。因为频率源的随机起伏引起的信号调制参数如数字信号码速率，可以作为通信辐射源的特征。码速率是指每秒钟能够传输的二进制码元（bit）数目，用来反映传输数据所需要的通信信道的带宽的大小。码速率越大所需要的通信带宽就越大，同时能够传送的数据量也越大，可以有更多的数据用来编码视频数据。

2 信号传输的基本原理

3 基于小波变换对码速率进行估计

数字基带信号最重要的调制参数为码速率，确定信号的码速率也是区分不同信号的一种有效手段。且由于小波变换对时变信号具有较好的检测能力，可以用小波变换提取信号瞬变特性的功能对奇异性来完成辨别，也就是运用小波变换对通信信号及其微分形式来完成辨别，从而实现对码速率的精确估计。

3.1 对接收信号进行小波变换

当小波在信号的一个码元周期内且该周期内不存在码元跳变时，其小波变换的系数为：

3.2 求小波系数的自相关矩阵R(τ)

调制信号在相位跳变的情况下，小波变换的高频系数（细节系数）重构的信号幅值在码元跳变处，频率会明显的增大。下式为所求自相关的数学表达式：

其中， x(t)为小波变换系数

3.3 计算码元速率

首先需要找到中心最大值所在的采样点k0，再以k0为起点向左右两边搜索出下一个峰值所在的采样点k1和k2，将中心最大值旁边两个峰间的时间间隔除以2后，就检测出突变的最小间隔时间T：

其中T的取值代表了一个码元周期中采样的次数，而采样频率是一致的，所以码速率Rs为：

3.4 具体实现过程

（1）对总体信号进行小波分解

以一组信号样本为例，用db5小波对总体信号进行1层小波分解，发现能大致上将总体信号区分为频率高低两种，但是由于第一层小波分解只是近似分解，不够精确，并不能完成总体信号的完整区分。所以需要对总体信号进一步分解，分离出低频系数和高频系数，结果如下图所示：

（2）得出高频系数自相关矩阵

求得小波系数的自相关矩阵。将其表示在MATLAB中，可得到的高频系数自相关直方图。自相关后小波系数每隔一段采样点就会出现跳变，出现许多峰值，峰值很容易提取，在噪声中凸显的一个个脉冲。如上图所示，即为高频系数自相关的MATLAB仿真图。

（3）得出码速率进行信号分类

4 结语

码速率估计模型利用小波变换分解的方法，分离了原信号的高频系数，并对高频系数求取自相关矩阵后精确的估计了码速率的取值，对原始信号的特征分析和分类有很大的帮助。此种方法过程复杂，但是运算简单，可以通过Matlab仿真软件编程实现。但需要注意的是，要对信号进行降噪处理，如果不消除噪声的影响而直接用上述方法对信号的码速率进行估计，则很难得出正确的分类结果。

[1]方宇超.基于小波变换的码速率估计方法研究[D].内蒙古大学，2015.

[2]徐书华.基于信号指纹的通信辐射源个体识别技术研究[D].华中科技大学，2007.