无线接收机的多调制识别与信号估计的算法研究与实现

论文总字数：34186字

摘 要

对于近几年兴起的认知无线电领域，盲信号参数估计与调制识别正受到越来越大的关注。对于盲信号的分析与检测，不仅在军事电子对抗中有着重要意义，也在解决当今频谱资源紧张等民用领域逐渐受到关注。由于未知其任何先验信息，所以需要对其信号的基本参数如载波频率、码率与调制方式进行估计。

本文从接收信号的二阶循环谱、二四六阶累积量的理论推导出发，发掘了信号循环谱、累积量中蕴含特征的体现方式。然后，根据其表达式设计算法并优化设计，从信号的联合域循环谱中获得信号中心频率与码率信息，从信号的四阶累积量C42与六阶累积量C60获得信号调制方式信息，最终实现可运行matlab代码。在仿真结果中，该算法可以对MASK, MPSK, MQAM信号的中心频率进行准确估计，平均准确率为99%。在调制识别部分，该算法可以对MPSK与MQAM信号进行相对准确的调制识别，其平均准确率为98%。而对于信号码率的估计，则需要在信号噪声相对较小的情况下才可以准确的估计，在信噪比为5dB的高斯信道模型下，平均估计准确率为75%。

关键词：特征参数估计，调制识别，循环谱，高阶循环累积量

Abstract

For the field of cognitive radio, blind signal parameter estimation and modulation recognition is being more and more attention. For blind signal analysis and detection, not only does it have an important significance in military electronic warfare, but it also obtains extensive attention in dealing spectrum resource constraints and other civilian fields. Since the received signal is unknown for any prior information, we need to estimate the signal fundamental parameters like center frequency, symbol rate and modulation type.

In this thesis, we start at the theoretical derivation of signal second-order cyclic spectrum and second, fourth and sixth order cumulant, find the inherent characteristics and patterns in signal cyclic spectrum and high order cumulant. Then, according to the theoretical expression, we design and optimize the algorithms, obtaining signal center frequency and symbol rate from time-frequency domain cyclic spectrum, getting signal modulation information from four order cumulant C42 and six order cumulant C60. And finally, we design our algorithm by MATLAB codes. In simulation testing results, we can accurately estimate MASK, MPSK, MQAM signal center frequency, which the average accuracy rate is 99%. In modulation recognition section, the algorithm can identify MPSK and MQAM modulation in 98% accuracy rate. For signal symbol rate estimation, we can do it in the condition of relatively low noise. In 5dB SNR Gaussian channel model, the average accuracy rate is 75%.

Keywords: feature parameter estimation, modulation recognition, cycle spectrum, high-order cyclic cumulants

目录

摘要 II

Abstract III

目录 IV

第一章 绪论 1

1.1 盲信号参数估计与调制识别研究背景 1

1.2 论文设计指标与安排 3

第二章 参数估计与调制识别的理论基础与分析 4

2.1 信号循环谱与累积量理论基础 4

2.2 信号二阶循环谱参数估计的理论分析 9

2.3 低中频接收机中的正交支路信号分析 14

2.4 信号高阶累积量调制识别的理论分析 15

第三章 信号参数估计调制识别的算法实现 19

3.1中心频率估计算法 19

3.2 调制方式估计算法 22

3.3 码率估计算法 24

3.4 算法的优化与综合 28

3.5 MFSK信号的参数估计与调制识别 29

第四章 算法的测试与评估 32

4.1 载频检测算法测试 32

4.2 调制方式检测算法测试 33

4.3 码率检测算法测试 34

4.4 算法的总体评价 34

第五章 总结与展望 36

5.1 总结 36

5.2 展望 36

致谢 38

参考文献 39

第一章 绪论

1.1 盲信号参数估计与调制识别研究背景

1.1.1 选题的背景与意义

1）信号调制识别与参数估计在提高频谱利用率与发展动态分配频谱通信上的背景与意义

无线传感网被广泛地应用在环境监测，医疗，军事等各个领域。然而，由于无线传感网通信需要使用一定的调制方式并占用一定的频带，而到目前为止可用的频谱资源已经基本分配完毕。而由于使用限制，在某些较窄的频段内可能同时存在着数以万计的用户通信，这对频谱资源的使用提出了很高的要求。

根据FCC关于频谱空间利用的最新数据统计，虽然各个频段都被完全分配殆尽，但存在很多频段利用率极低。瑞典皇家理工学院的Joseph Mitola博士提出根据频谱实际使用情况，来动态选择频谱和调制方式进行通信。若每个信道根据频谱分配方案所分配的通信方式来使用，其用户称为主用户，而先检测该信道是否空闲从而利用该信道通信的用户则称为次级用户。次级用户之间采用非合作通信，且次级用户需要完成主用户信道的检测识别工作。而这种动态选择频谱方案的行为对接收端通信信号估计的能力有了新的需求。

2）多调制识别与信号估计在非合作信号检测在军事应用领域的背景与意义

在现代电子战中，对敌方信息的截获是一项非常重要的技术。但随着无线电技术的发展，从原来简单的电报技术发展到现在拥有复杂调制方式、载波频谱利用宽，高频超高频传输，甚至是超宽带的先进通信技术。这些技术的发展在提高通信速度与质量、增加通信保密性的同时也要求非合作接收方（第三方）对信号截获增加了技术上的难度。对于非合作接收方，要截获并解析信号，必须知道信号的调制方式、载频、码率等信号参数，才能对信号进行解调。

1.1.2 无线信号参数估计与调制识别国内外研究现状

近年来无线信号的估计问题被分为两个大类，第一类是针对其载频码率等信号参数进行的参数估计，另一类是针对信号调制方式进行的调制识别（AMC）。这两个大类共同组成了近年来对无线通信信号盲估计的研究。

1）目前无线信号参数估计方法概述^[1]

对一般的通信信号而言，其主要的信号参数是中心频率与码率，但由于通信信号的种类较多，所以信号参数估计研究的范围也相对较广。对于中心频率与码率的估计而言，主要的几种方法有：

a. 星座图聚类方法，该方法在低信噪比情况下性能会受到较大影响。

b. 最大似然估计，虽然具有良好效果，但计算量较大

c. 信号特征提取方法：信号循环平稳特性^[2]，高阶矩与高阶累积量，信号瞬时特性^[3]，信号小波变换等

除一般的载频与码率的估计，对相对特殊的通信方式，也存在对其特殊的估计问题，如：

a. 多载波OFDM信号循环前缀、子载波数、子载波频率间隔

b. 跳频信号的频率分布

c. 多径信道的估计与消除

2） 当前国内外无线信号参数估计的研究现状

对当前信号的载频与码率估计而言，有两种主要的方法：一是基于拟合的方法，另一大类是基于信号不同特征的方法。对于拟合方法，信号的中心频率与码率均是对基带信号产生的IQ平面星座图分析。信号的IQ值被用于产生似然函数。对于基于特征的分类器^[4][5]，码率估计是提取信号特征的先行要求。在以往的码率估计工作中，信号的小波变换、最大似然估计^[6]以及信号循环平稳特性^[7]均有使用。这以上的几种方法中，小波变换方法在低信噪比条件下其识别率会显著降低，而最大似然估计方法在低滚降因子的情况下识别能力将有所下降。

1.1.3 无线信号调制识别国内外研究现状

1）目前较为常用的无线信号调制识别方法

无线信号的自动调制识别（AMC）问题是近几年来国内外研究信号处理的热点。通信信号调制识别问题被分为两个步骤进行解决：第一步是对信号调制方式的特征进行提取，第二步是以信号特征为依据进行分类器设计，以进行识别工作^[8]。

目前较为主要的几种提取信号调制方式特征的方法有：

a. 最大似然估计法（ML），这种方法虽然准确率较高并可获得最优解，但计算复杂度较大，且不易工程实践^[9]。

而剩下的几种，是基于信号特征（FB）的检测方法，有：

b. 信号瞬时特性检测，包括瞬时幅度、相位、载频等。虽然瞬时特性具有获取简单，特征明显等优点，但其易受噪声影响，从而影响了其作为估计信号调制方式方法的可行性。

c. 频域方法：傅里叶变换与小波变换，其中包含信号功率谱等方法。

d. 高阶矩与高阶累积量方法，高阶矩与高阶累积量方法最大的优点在于受信号噪声的影响较小，在高阶情况下对信号特征提取的效果较好，但其缺点是计算量相对较大。

e. 信号循环平稳特性方法，此方法是针对信号自身循环特性的一种检测方法，其在信号参数估计与调制识别中均有重要应用，信号累积量方法是循环谱方法的一支。

目前较为主要的几种分类器（模式识别）设计有：a. 人工神经网络（ANNs）；b. 聚类；c. 支持向量机（SVM）；d. 决策树。其中决策树方法具有固定的阈值，从而有着简单易实现的优点与适应能力差的问题。而人工神经网络、聚类与支持向量机方法有着自适应能力，但也相应存在着网络相对复杂的问题^[10][11]。

2）当前国内外无线信号调制识别的研究现状

自动调制识别是以检测未知信号的调制方式为目的的，其在软件无线电或认知无线电上起到相当重要的作用。自动调制识别算法首先在军用系统里有着显著用途，其目的是对感兴趣的频段或信号进行解码工作。此外，自动调制识别算法可以在适应性调制系统里发挥作用，接收端可以动态监测发送端的信号，或可以接收不同发射端发出的信号。

自动调制识别算法可以被分为两个不同的类别：最大似然估计方法与基于特征方法^[12]。最大似然估计方法通过发掘接收波形的概率密度函数，得到最优化的结果，但其拥有相当大的计算复杂度。另一方面，特征提取方法运用信号的一些特征进行分类，其得到相对理想的解，同时减少了计算量。如果信号特征抓取得当，那特征提取方法是可以获得与最大似然估计方法等同的性能。

许多不同的信号特征可以用于自动调制识别^[12]，例如瞬时幅度、相位或频率等瞬时信息^[13][14][15]，傅里叶变换方法^[16]，小波变换方法^[17]，高阶矩与高阶累积量方法^[14][17]，以及循环平稳特性方法^[18]等。

对于自动调制识别中的模式识别部分，有如下的几种方法：聚类与支持向量机^[14][19][20]，人工神经网络^[21][22]，以及决策树等。在各类不同的信号特征与分类器面前，其性能并不能简单的相互比较，而需要考虑其多种不同的条件，例如：有无脉冲成型滤波器、信道衰落、载频或相位的偏移等。

1.2 论文设计指标与安排

本文通过二阶循环谱与高阶累积量理论分别设计对盲信号的参数估计与调制识别算法。其中，主要的估计参数为：信号载波频率、信号码率与信号调制方式。本设计指标是，在的高斯信道下，该算法可以对MASK、MPSK、MQAM以及MFSK信号有大于70%的参数估计准确率（载波频率、码率），对调制方式的估计错误率要低于30%。

全文安排如下：第二章首先对已有的信号循环平稳方法进行介绍，其次从接收信号出发，对信号的二阶循环谱与二、四、六阶累积量进行理论推导与分析。第三章为算法设计部分，根据第二章的推导结果设计可运行算法，进行信号参数估计与调制识别。在第四章，我们对算法进行了测试，得到一系列结果并讨论其改进方法。第五章是对全文的总结展望，以及最后的致谢与参考文献。

第二章 参数估计与调制识别的理论基础与分析

本章分别从信号循环谱、信号路接收、信号累积量计算三个角度进行理论推导，从接收到的理想调制信号出发，计算循环谱与累积量方法的可行性与信息点，从而为第三章的算法设计提供理论依据。

2.1 信号循环谱与累积量理论基础

2.1.1 信号DFT运算

对于采样信号，可以对其做离散傅里叶变换（DFT），可得到其离散频谱：

剩余内容已隐藏，请支付后下载全文，论文总字数：34186字

相关图片展示：