基于特征提取的通信信号识别算法

2020-06-08仇梓鑫赵知劲占锦敏

杭州电子科技大学学报(自然科学版) 2020年3期

仇梓鑫，赵知劲，占锦敏

(杭州电子科技大学通信工程学院，浙江杭州 310018)

0 引言

通信信号识别是信号正确解调的基础，非协作通信关键技术之一。通信信号识别研究始于C.S.Weaver等[1]发表的第一篇通信信号自动识别文章。近年来，关于调制信号识别技术的研究主要集中在信号特征提取和神经网络学习方面。文献[2]基于信号瞬时特征参数和决策论判决树的方法，实现了6种常规数字信号的识别。文献[3]采用主分量分析的方法提取信号的功率谱特征，再通过BP神经网络训练网络实现BPSK，QPSK和MFSK信号的识别。文献[4]基于多重分形理论，计算广义维数和多重分形谱提取出多重分形特征，使用支持向量机实现了多种数字信号的调制识别。文献[5]基于稀疏自动编码网络，将功率谱和四次方谱分别作为2个稀疏自动编码网络的特征提取对象，并使用2个Softmax分类器进行调制识别。文献[6]使用小波变换和高阶统计量，实现了对多载波信号和单载波信号的类间识别和类内识别。但是，以上研究主要针对常规信号之间的识别，常规通信信号和直扩信号之间识别的相关研究比较少。本文在非合作接收条件下，对常规通信信号QPSK，16QAM和直扩信号的识别展开研究。根据高阶统计量理论，推导出常规信号QPSK和16QAM的四阶累积量切片。通过分析这3种信号的高阶累积量，构造特征参数，提出基于高阶累积量的通信信号识别方法。

1 特征参数提取

为了在噪声背景下识别QPSK，16QAM和直扩信号，需分析推导累积量切片c4x(0,0,0)、功率谱比值FP和累积量比值F这3种特征参数。

1.1 信号的累积量切片特征参数

常规通信信号表示为：

(1)

式中，A为信号功率，dI(t)和dQ(t)为I路和Q路独立等概信息码序列，f0为载波频率，φ为在[0,2π)内均匀分布的随机变量。

根据高阶统计量理论[7]，推导得到式(1)所示信号的四阶累积量为:

c4s(τ1,τ2,τ3)=m4s(τ1,τ2,τ3)-c2s(τ1)c2s(τ3-τ2)-c2s(τ2)c2s(τ3-τ1)-c2s(τ3)c2s(τ2-τ1)=

(2)

式中，m4s(τ1,τ2,τ3)为式(1)信号的四阶矩，c2s(τ)为式(1)信号的二阶累积量，Rd(τ)为式(1)信号的自相关函数，τ为延迟数。

噪声的四阶累积量为：

c4v(τ1,τ2,τ3)=0

(3)

接收信号的一种四阶累积量切片为：

(4)

对于QPSK信号，Rd,QPSK(τ)和m4d,QPSK(0,0,0)分别为：

(5)

m4d,QPSK(0,0,0)=E[dI(t)dI(t)dI(t)dI(t)]=E[dQ(t)dQ(t)dQ(t)dQ(t)]=1

(6)

将式(5)和(6)代入式(4)，得到带通QPSK信号的四阶累积量切片

c4x,QPSK(0,0,0)=-1.5A2

(7)

对于16QAM信号，Rd,16QAM(τ)和m4d,16QAM(0,0,0)分别为：

(8)

(9)

将式(8)和式(9)代入式(4)，得到带通16QAM信号的四阶累积量切片

c4x,16QAM(0,0,0)=-1.02A2

(10)

QPSK直扩信号表示为：

(11)

式中，p(t)∈{-1,1}为伪随机码序列，伪码长度为p，其它同式(1)。令cI(t)=dI(t)p(t)，cQ(t)=dQ(t)p(t)。dI(t),dQ(t)∈{-1,1}，则cI(t),cQ(t)∈{-1,1}为经过伪随机码序列扩频调制后的基带直扩信号。

由文献[8]可得QPSK直扩信号的一种四阶累积量切片如下：

(12)

对于QPSK直扩信号，Rc,DSSS(τ)和m4c,DSSS(0,0,0)分别为：

(13)

m4c,DSSS(0,0,0)=E[cI(t)cI(t)cI(t)cI(t)]=E[cQ(t)cQ(t)cQ(t)cQ(t)]=1

(14)

将式(13)和式(14)代入式(12)，得到QPSK直扩信号的一种四阶累积量切片

c4x,DSSS(0,0,0)=-1.5A2

(15)

由式(3)、式(7)、式(10)和式(15)可得QPSK信号、16QAM信号和直扩信号的四阶累积量c4(0,0,0)都不为0，而高斯白噪声的四阶累积量c4(0,0,0)为0，因此，使用c4x(0,0,0)可检测高斯噪声背景下的常规通信信号和直扩信号。

1.2 功率谱特征参数

QPSK信号和16QAM信号是窄带信号，QPSK直扩信号是宽带信号。因此，本文选取功率谱特征参数FP来区分这2类信号。

FP=(PMax-PMin)/PMin

(16)

式中，PMin和PMax分别为信号功率谱的最小值平均和最大值平均。

1.3 累积量比特征参数

假设φ为0，式(1)所示信号的复包络采样为

(17)

式中，j为虚部。文献[9]给出了常规通信信号复包络的各阶累积量，本文使用2种累积量C80和C42来构造特征参数F=|C80|/|C42|2，QPSK和16QAM信号的特征参数F的取值分别如下：

工程水土保持监测区划分为路基工程区、桥涵隧道工程区、取土场与临时堆土及弃渣场区、沿线附属设施区和施工场地及便道区。监测的重点区域为取土场、弃渣场、临时堆土场、大型开挖边坡及路基边坡、施工场地及收费管理所等服务设施。

FQPSK=34.00

(18)

F16QAM=30.23

(19)

可通过F来区分QPSK信号和16QAM信号。

2 通信信号识别算法

由上节可知，选用四阶累积量c4x(0,0,0)、累积量比特征参数F=|C80|/|C42|2和功率谱特征参数FP可以识别QPSK，16QAM和QPSK直扩信号。

3种高阶累积量的估计公式分别为：

(20)

(21)

(22)

式中，N为采样点个数。

使用周期图法估计信号x(n)的功率，可得：

(23)

(24)

式中，X(k)为采样信号x(n)的离散傅里叶变换，P(k)为信号x(n)的功率谱，N为采样点个数。信号功率谱的最小值平均PMin和最大值平均PMax的估计分别为：

(25)

(26)

当噪声功率为1时，估计得到的QPSK信号、16QAM信号、直扩信号DSSS和高斯白噪声WGN的|c4(0,0,0)|及功率谱特征参数FP随信噪比变化曲线分别如图1和图2所示。

图1 |c4(0,0,0)|随信噪比变化曲线

图2 FP随信噪比变化曲线

由图1可见：各信号的四阶累积量切片|c4(0,0,0)|与理论值一致。高斯白噪声的|c4(0,0,0)|接近于0，对高斯白噪声有很好的抑制作用。QPSK信号、16QAM信号和直扩信号的四阶累积量|c4(0,0,0)|随着信噪比的增大而增大，QPSK信号和直扩信号的四阶累积量切片|c4(0,0,0)|曲线重合。信噪比大于-10 dB时，可使用四阶累积量切片|c4(0,0,0)|设置判决门限TD1来区分有用信号和噪声。

由图2可见：噪声信号的功率谱特征参数FP接近于0；QPSK信号和16QAM信号的功率谱特征参数FP曲线基本重合，均随信噪比的增大而增大；直扩信号的功率谱特征参数FP虽然也随着信噪比的增大有所增大，但由于其频谱很宽，功率谱最大值平均增加很小，所以其功率谱特征参数FP增长缓慢。因此，可使用特征参数FP设置判决门限TD2来区分常规通信信号(QPSK信号，16QAM信号)和直扩信号，识别流程如图3所示。

图3 通信信号识别流程图

3 算法仿真与性能分析

本文根据纽曼-皮尔逊准则[10]和Monte-Carlo理论[11]仿真虚警概率PF1与判决门限TD1的关系，以及虚警概率PF2与判决门限TD2关系。当仅存在噪声，且噪声功率为1时，3 000次仿真实验得到的PF1与TD1和PF2与TD2的关系曲线分别如图4和图5所示。

由图4和图5可见：虚警概率与判决门限呈反比关系。给定虚警概率为0.001，得到判决门限TD1为0.007 2，TD2为572.6。根据式(18)和式(19)，取判决门限TD3为FQPSK和F16QAM的中值，即TD3为32.115。

图4 PF1与TD1的关系曲线

图5 PF2与TD2的关系曲线

当噪声功率为1，信噪比为-11 dB时，识别直扩信号得到的信号正确识别概率PD1与虚警概率PF1的ROC(Receiver Operating Characteristic)曲线如图6所示。当噪声功率为1，信噪比为-9 dB时，识别QPSK信号得到的正确识别概率PD2与虚警概率PF2的关系曲线如图7所示。