一种突发MPSK 信号检测与识别方法的设计与实现

位小记，张俊威，肖乃稼，柯晓东

（1.嘉兴职业技术学院，浙江嘉兴，314036；2.中国电子科技集团公司第三十六研究所，浙江嘉兴，314033）

0 引言

在非合作通信中，从日益复杂的电磁环境中快速有效地识别调制样式，估计信号的相关参数，是通信对抗和信号解调的首要环节。随着数字通信技术的快速发展，调制技术越来越多样，其中MPSK 信号以传输频带利用率高、抗干扰能力强等特性，在民用和军事领域均具有十分广泛的应用。无线通信网络中，突发MPSK信号满足用户对传输系统自适应性、抗干扰性、保密性、隐蔽性的要求，备受青睐。突发信号具有捕获难的优点，这大大增加了通信侦察方进行信号检测、识别的难度。

近年来，有很多研究者对MPSK 调制信号的识别问题进行了大量的研究。文献[1]中利用调制信号的相位直方图统计特征，完成BPSK、QPSK、OQPSK信号调制样式的识别，但是该方法抗噪性能差。文献[2]中提出用高阶累积量识别BPSK、QPSK、8PSK 信号，但是OQPSK 和QPSK、8PSK和π/4QPSK 信号无法区分。文献[3]提出一种利用差分星座进行聚类分析的方法，识别8PSK 和π/4QPSK 信号调制样式。文献[4]提出了一种基于信号的四阶、八阶累积量作为特征识别，进行MPSK 调制信号的识别，但八阶累积量运算复杂，不易于工程实现。

本文提出了一种基于累积自相关双窗检测和谱线特征的识别方法，对突发MPSK 信号进行调制方式识别和参数估计，主要包括基于累积自相关的信号段提取、谱线特征提取、分类识别三部分组成，流程如图1 所示。设计基于USRP 的信号接收系统，完成相关算法的开发和验证，通过测试不同信噪比下的识别率，验证该算法的可行性和有效性。

图1 突发MPSK 信号识别的结构框图

1 信号模型

假设接收信号已进行载波恢复和定时同步处理，MPSK信号可表示为[5]：

上 式 中，a(k)表 示 发 射 的 码 元 序 列，a(k) ∈{ei2π(m-1)/M,m=1,2,...M}，M表示信号调制的进制，文中的BPSK、QPSK 和8PSK 信号对应的M 分别为2，4，8；E代表信号的平均功率，∆θ为载波相位差，n(k)为高斯白噪声序列。

OQPSK 信号是为了抑制旁瓣，对QPSK 改进而成的，相位在o0

0和±90相位跳变，OQPSK 的基带码元可表示为：

对于π/4QPSK 信号，相邻的码元间相位差为45°，对应的基带码元可表示为：

2 突发信号检测

突发MPSK 信号是间断的、不连续的，在信号盲侦收处理中，首先需要检测出突发信号的起始和终止时间点。双窗滑动检测法是通过检测时域能量获取突发信号起始和终止位置[6]，该算法抗噪能力弱，在信噪比较低条件下，虚警率较高，故本文采用基于累计自相关的双滑动窗检测方法实现突发MPSK 信号段提取。基于累积自相关的双窗滑动检测流程图如图2 所示，包括时域信号累积自相关、双窗滑动检测、信号段提取三个步骤。

图2 基于累积自相关的双窗滑动检测框图

一个码元内信号采样点间相关性强，而噪声采样点间、噪声与信号采样点间相关性弱，为了提升低信噪比下的检测性能，故本文采用累积自相关的算法进行信号段的提取。该算法对样本信号连续取M个采样点s(n)，对相邻两个采样点s(n) 和s(n+1)作互相关运算，得到自相关序列r(n)=s(n)s(n+1 )*，然后对r(n)累积求和，得到累积自相关R(n)序列。累积自相关R(n)序列计算公式如式(5)所示。

s(n)表示采样点，n=0,1,2,3...N-M，N表示输入IQ数据总采样点数，M表示累积自相关的长度，M值大小关系到检测数据段的精度和运算的实效性，过大会导致运算时间长，过小会导致检测精度不高，增加虚警率，通过大量工程实践，兼顾检测的精度和运算的实效性，本文选择M=128。

双窗滑动检测法的工作原理如图3 所示，在1W窗和2W窗滑动的过程中，两个窗内的累加能量比值m(k) 曲线会呈现一个三角波形，极大值位置处于噪声段与信号段的交界处，也就是突发信号的起始或者终止时刻。图3 为双滑动窗检测算法的原理示意图，该算法具体实现步骤如下所述：

图3 双窗滑动检测算法原理示意图

(1) 使用公式(5)对输入数据基带IQ 数据计算得到累积自相关序列R(n)；

(2) 使用公式(6)和式(7)分别计算相邻窗1W和2W内连续K点内数据的能量1w(k)和w2(k) ；

其中，K表示滑动窗的长度。

(3) 使用公式(8)计算窗口能量w1(k)和w2(k)的能量比，得到能量比曲线m(k)；

(4) 将能量曲线m(k) 序列与设定的门限th进行比较，若m(0k)>th，则认为突发信号出现，则k0为突发信号的起点，继续进行比较，能量曲线m(1k)<-th，则1k点为突发信号的终点。

由公式(6)～式(8)可以看出，采用的能量曲线m(k) 消除了信道增益的影响，该值仅与采样信号的信噪比有关。

本文首先对时域信号求累积自相关值，得到的相关R(n)序列，将R(n)序列作为双滑动窗检测算法的输入数据，可有效改善低信噪比下，突发信号虚警率高的问题。实际的应用中能量曲线m(k) 的判决门限th的设置，会影响突发信号的检测性能。本文判决门限th的计算方法如式(9)所示。

其中，Rmax表示的最大值，Rmin表示的最小值。

(5) 依据能量曲线m(k) 得到的信号起始点k0以及终止点1k，提取数据段序列s,(k) 。

3 特征提取与分类识别

首先明确本文所研究的调制类型目标集为MPSK 信号，对其信号特征和常用信号分类特征参数的分析可知，利用谱线特征是可以实现分类的[7]。文献[8]中详细分析了常见数字调制方式的平方谱、四次方谱的谱线特征，总结可得到表2 所示的各种常见数字调制方式与其对应特征谱线关系，其中f0表示信号载频，bR表示调制速率。

表2 常见数字调制信号的特征谱线

对提取的信号进行正交变换，计算各信号的功率谱、平方谱和四次方谱，如图4 ～图8 所示。

图4 BPSK 信号的谱线特征

图5 QPSK 信号的谱线特征

图6 OQPSK 信号的谱线特征

图7 π/4QPSK 信号的谱线特征

图8 8PSK 信号的谱线特征

通过深入研究信号的特性，本文采用双窗滑动检测技术，首先提取目标信号的有效数据，再计算其谱线特征，实现信号调制类型识别，进而估计出信号码速率和载频频率，达到信号识别和参数估计的目的。为了适应实际情况中各种干扰条件下信号识别性能，本文从目标信号的调制特征参数入手，设计调制识别方案，其中N2 表示平方谱的谱线数，N4 表示四次方谱的谱线数，P2 表示归一化后平方谱的谱线最大值，P4 表示归一化后四次方谱的谱线最大值。调制类型识别算法流程如图9 所示。

图9 快速分类算法流程

MPSK 信号的高阶谱具有对称性，载波频率估计可以采用离散谱线精确估计[8]，码元速率的估计采用包络谱线精确估计完成，至此我们完成了MPSK 信号的调制识别和参数估计。

4 基于USRP 的检测与识别系统设计

USRP B205 设备是Ettus Research 公司推出的一款工业级软件无线电设备。具有1 路输入和1 路信号输出，频率覆盖范围为70MHz 到6GHz，收发通道最大瞬时带宽为56MHz。USRP B205 支持硬件驱动程序UHD，开发人员可以调用UHD 的API 接口，通过USB 3.0 接口与计算机连接，实现对USRP 的频率、带宽、增益、基带数据采集样本大小等控制。

使用微型化数字接收处理机USRP B205，开发便携式突发信号检测与识别系统，用于无线电突发信号的接收、检测与识别处理。系统通过USB 3.0 接口和综合控制PC 机完成数据指令的交互。基于USRP 的检测与识别系统由接收天线、GPS 接收机、小型化接收设备USRP 和上位机组成。基于USRP 的检测与识别系统实物组成如图10 所示。

图10 基于USRP 的检测与识别系统实物

天线接收无线电信号，经接收机AD 芯片进行信号采集、下变频等处理后形成数字基带数据，然后通过USB 接口送到上位机。通过调用数字信号处理算法来实现信号突发检测、频谱估计、谱线特征提取、类型识别等功能，并在控制软件上显示调制识别结果。

上位机综合控制软件界面由参数栏、功率谱图、时频图、识别结果列表等组成，软件包括信号采集控制模块、时域检测模块、信号识别模库和图形显示模块等功能模块。其中信号识别结果列表由统计结果和实时结果两部分组成。统计结果是依据信号的频率、类型、带宽融合分析后的结果，而实时结果是单次目标数据识别的结果。综合控制软件的流程图如图11 所示，具体控制步骤如下：

图11 综合控制软件的流程图

（1）利用功率谱最大值保持功能，粗估信号带宽和能量，据此设置采样速率、信号频率、增益、接收信号样本数等，下发给USRP B205；

（2）上位机通过USB3.0 接收零中频IQ 数据；并对接收到基带IQ 数据进行基于累积自相关的双窗滑动检测，获取有效的IQ 数据；

（3）对目标信号段IQ 数据进行FFT 运算，获取功率谱数据并显示，得到实时刷新的功率谱图和时频显示图，同时计算二次方谱、四次方谱和八次方谱特征，进行分类识别；

（4）根据信号类型识别结果，进行信号码速率和载频估计，完成信号的参数估计结果；并将识别结果进行列表显示。

5 实验验证

搭建突发信号检测与识别系统验证平台，对开发的实时处理算法进行验证。系统验证平台如图12 所示。

图12 系统验证平台

分别设置SMV100A 信号源发射调制类型为BPSK、QPSK、OQPSK、π/4-QPSK、8PSK 的突发信号，信号码元个数为256 个， 由USRP B205 接收机侦收处理，对接收到的信号进行在线识别。接收信号的实时功率谱如图13 所示，信噪比从6dB 到15dB 按照1dB 步进递增，在每个信噪比下进行100 次独立的测试，并统计识别率，识别统计结果如图14 所示。测试结果表明算法在低信噪比下识别性能良好。

图13 BPSK 和OQPSK 信号的功率谱

图14 不同信噪比下的信号识别率

6 结论

本文以突发MPSK 信号为目标，通过对MPSK 信号时频特征的深入研究，在目标信号段提取的基础上，采用谱线特征参数，设计一种分类器，较好地实现MPSK 信号快速识别，算法流程简单，识别性能良好。设计一种基于USRP的信号接收处理平台，在处理平台上实现了该算法，并取得了良好效果。