无线信号自动识别算法的仿真实现

维普资讯
科
信ｊ ｊ 学 息 科『
无线信号 自动 算法的Fra bibliotek真实现 （ 兰州交通大学 电子与信息工程 学院， 甘肃 兰州 ７ ０ ７ ） ３ ０ ０
摘 要： 首先对 比 Ｈｌｅｔ ｉ ｒ 变换构建的解析信 号进行 时频分析的方法 ， 讨了基 于决策理论的模拟调制方式识别方法 。然后在分析该方 法缺 陷 ｂ 探 的基础上， 出了基 于神经 网络的识 别方法。 经网络（ Ｎ在进行信号识别时， 提 神 Ｎ） 主要是依据谱峰位置的不同， 小渡变换在这里则相 当于一 个数 学显微 镜， 反映信 号类别与谱峰位置问的必然联 系。利用小渡变换并结合 简单 的三层 Ｂ Ｐ神经 网络 ， 即可提取 更加精确的待识别信号的时频特征。 关键词： Ｐ神经 网 ； ｒ ｔ Ｂ Ｍｏｌ 小渡； ｅ 决策理论 性分量的标准偏差 ： ｍ 信息 。小波变换能够将各种交织在一起的不 同 在军事 电子对抗等多方面 的重要应 用 ， 通 由下式定义 ： 频率 组成 的混合 信号分 解成 不 同频 率 的块 信 信信号调制的 自动识别分类 问题也相继发展起 号 ，它对不 同的时间和频率有 不 同的解 释 ， 因 来 。无线 电信号调制实识别就是要判断截获信 此， 对调制信号进行小波分解 ， 得到不同水平下 号 的调制种类 。 为此 ， 需要事先对其特征进行选 主要用来 区别不含直 接相位信息 Ａ 的细节信息 ， Ｍ、 这些信息对于不同类 别的调 制信 定 ，并确定它们 与相应调制种类相联 系的取值 Ｖ Ｂ信 号类 和含 直 接相 位 信 息 的 Ｄ Ｂ Ｌ Ｂ、 号来说是有差别 的１ Ｓ Ｓ 、Ｓ ４ １ 。 范围 ， 然后再对信号进行特征测量 ， 并根据测量 Ｕ Ｂ Ａ — Ｍ信号类 ， Ｓ 、Ｍ Ｆ 其判决 门限设为 ｔ 。 在实际应用 中 ， 小波变换 常用的定义有下 结 果对信号的调制进行 分类判决 。 ２决策论方法的改进 列 两 种 如果 把无线 电信号 的调制识 别与分类 视 前面介 绍 的基 于决策 理论 的模 拟调制 方 为一种模式识别问题 ， 那末 ， 从模式识别理论来 式识别方法存在缺陷针对上述问题 ，人们又提 （订 ¨ ｒ ｎ ＝ ＿ ！ ） ， 广 Ｉ ｏ２ ） 看， 模式分类是模式识别 的一个子系统。因此 ， 出 了基于神经 网络 （ 的识 别方法 。 ＮＮ） ｎ — ０ 在模式识别理论框架下 ，无线电信号 的调制识 ２１ Ｐ网络 作为分类 器的模拟 调制方 式 ． Ｂ 式中 ， 星号 表示共轭。式 ３ １ － 表示小 波 别是一个总体概念 。而调制分类则只是调制识 识别方 法。该算法用基于有监督训练的神经网 变换是输人信 号 ｘ ） 波函数 ‘ ，ｔ （和小 ｔ ｐ Ｔ ） 关 （的相 别的一个分支Ⅲ 。 络模 型 Ｂ Ｐ网络作为分类器 ， Ｂ 用 Ｐ模型 多层感 积分； ３ ２用卷积代替 了相关积分。 式 — 两种定义 １基于决 策理论 的模拟调 制方式识 别方 知 网络 与反 向传播学习算法相结合 ，通过不 断 在本质上是一致 的。本为采用后者 。 法 比较 网络 的实际输出与指定期望输 出问的差异 将式 ３ ２中的 Ｔ ｔ — 和 离散 化， 即令 ＂ Ｋ ｓ ｒ Ｔ， ＝ 此算 法主要实 现区分 ＡＭ、Ｍ、 Ｓ Ｌ Ｂ、 来不 断的调整权值 ， Ｆ Ｄ Ｂ、Ｓ 直到全局（ 或局部 ） 输出差 及 ｔｉｓ ＝Ｔ ，得连续 小波变 换公式 ３ ３的离散形 — Ｕ Ｂ Ｖ Ｂ Ａ — Ｍ等七种调 制样式 ， 分析 的 异极小值 ，不难想象该 神经网络对模型细节 中 式 ， Ｓ 、Ｓ 、 Ｍ Ｆ 所 又称小波系数 对象序列 ｓｎ是由接收机 中频输 出并经 过采样 的诸多问题均有 良好效果 。 （） 得 到的， 这样 ｓｎ的采样频率和载频都 已知 ， （） 分 基于 Ｎ Ｎ的模 拟信号调制识 别框 图 如图 别记做 和 。算法分两个步骤 ： １ 所示 ，该 Ｎ Ｎ采用三层结构 即 ， 个输 人层 ， １ １ Ｍｏｌｔ小 波是一种 单频 复正弦 调制 高斯 ｒ ｅ 第一 步 ，根据 信 号 的 包 络特 征 将 Ａ 个输出层 ， 个 中间层 。中问层可采用多层 。但 波 ， 是最 常用 的复值小波 。其实 、 Ｍ、 ｉ 也 频两域都具 Ｕ Ｂ Ｌ Ｂ与 Ｆ Ｓ 、Ｓ Ｍ区分开 ，因为前三种信号 的包 由于受 到计算复杂性的限制 ，目前采用单层或 有很好 的局部性 ， 它的时域形 式如下 络不 为恒定 值 ，而 Ｆ Ｍ的包络理论上是恒定值 双层 中间层 的 ＮＮ比较多见 。本 图中间层采用 （ ＝ ｅ — Ｓｔｕ ＞５ ｆ ） ｚ ￣，。 ｅ （４ ３ ） － （ 实际中接近恒定 ） 。因而可以从 中提取一个特 单层 ２ ５个节点 ， 人层 和输 出层 的节点数取决 输 征参数 Ｒ。参数 Ｒ反映 了零中心归一化包络的 于信号特征参数的个数 和信号 的分类数 ，因而 虽然信号特征有很多种 ， 神经网络在进行 功率谱特征 ，Ｍ 的零中心归一化包络接 近零 ， 分 别 为 ４和 ７ Ｆ 。 信号识别时 ， 主要是依据谱 峰位置 的不 同， 因此 因其参数 Ｒ应远远 小于前 ｌ种信号。实际 中 一 若 提取信号特征主要 任务就是寻找信号类别与谱 ＡＭ Ｒ ６ 则判 为 Ｆ ＜， Ｍ信号 ， 之判为前三种 。 反 Ｄ ｓＢ 峰位置间的必然联 系。而小波变换在这里则相 ｍ 第二步，根据信号频谱 的对称性 ，将 Ａ Ｍ 当于一个数学显微镜 ， 通过它 ， 以详细 了解各 可 Ｌ ｓＢ 与 Ｕ Ｂ与 Ｌ Ｂ区分开 ， Ｓ Ｓ 因为 Ａ 的单边频谱关 Ｍ 类信号在不同低频段上 的频谱构成。 Ｍ 于载频是近 似对 称的 ， Ｓ Ｕ Ｂ和 Ｌ Ｂ的单边 频谱 Ｓ 整 个系统在 Ｐ Ｃ机上进行仿真 ， 采用 Ｗｉ— ｎ 对于载频来说分别只有上边频和下边频 。因而 ＡＭ ｄｗ ２０ ｏ ｓ０ ０操作 系统 和 Ｍａｌ ６１和 Ｃｏ ｄｔ． ｔｂ ． ａ ｏｌＥ ｉ ０ ２ 可以从 中提取 另一个特征参数 Ｐ 。理论 上， 由于 进行声音 录制 。 Ａ 的上下边频对称 ， Ｍ 所以 Ａ 的 Ｐ接近零 ， Ｍ 而 在 仿真 中， 用 ４ Ｋ的采样 率 ， 采 ４ 录制 了一 图 １ Ｌ Ｂ和 Ｕ Ｂ的 Ｐ分别接 近 １和一 。实际 中若 ｌ Ｓ Ｓ １ 段 歌声和一段笑声 ， Ｍａ ａ 成 ２ Ｋ的正 弦 用 ｔ ｂ生 ｌ ２ Ｐ＜ ．， Ｉ０５ 判为 Ａ Ｍ信号 ， Ｐ ０５ 判为 Ｌ Ｉ Ｐ 一 若 ＞ ．， Ｓ３ ＜ ， 神经网络具有信 息分布式存储 、 规模 自 载波 ， 大 并根据第二章的各调制样式的定义 ， 生成 ０５ 则判为 Ｕ Ｂ ．， Ｓ。 适应并行处 理和高度容错挣 陛，适用于模式识 了各个仿真的调 制波形 。并转化成．ａ 文件录 ｗｙ 第三步 ， 中心非弱信号段瞬 时相位非线 别的基础。其学 习能力和容错特性对不 确定性 在 电脑 中 。 零 性分量绝对值的标准偏差 ： 模式识别具有独 到之处ｌ 通信信号在传播过程 引 。 ３结 束语 由下式定义 ： 中受到信道 噪声 的污染 ，接受到的信号是时变 本文仅限 于理论 研究 ，用 Ｍ ｔ ｂ仿真实 ａａ Ｌ 的、 非稳定 的， 而小波变换特别适 用于非稳定信 现 ， 没有 用 Ｄ Ｐ芯片等 物理 电路实现 ， Ｓ 仅为 实 号的分析 ，其作为一种信息提取 的工具 已得 到 际实现提供理论指导。 式 中 ， ａ是判 断弱信号段 的一个 幅度判决 较广泛 的应用 。小波变换具有时频局部性 和变 参 考 文献 门限电平 ， ｃ是在全部取样数据 Ｎ 中属于非弱 焦特性 ， 而神经 网络具 有 自学 习、 自适 应 、 鲁棒 『１ １罗利春 ． 线 电侦 察信 号分析 与 处理［ ． 无 Ｍ１ 北 信号值的个数 ， ） 中 是经零 中心 化处理后瞬时 性、 容错性和推广能力 ， 两者优势 的结合可 以得 京 ： 防 工业 出版 社 。０ ３ １ 国 ２０ ，． 相位 的非线性分量 ，在载波 完全 同步 时 ， ： 到良好的信号模式 自动识别特性 ，从而形成各 ［ 杨 小牛 ， 才义 ， 有 ２ １ 楼 徐建 良． 软件无 线电原理与 种处理方法。 应 用『 ． 京 ： 子 工业 出版 社 ，０ １ １ Ｍ１ 北 电 ２ ０ ，． （ ＝ （ 一 ｆ ） ） ２２基于小波的特征提取 和识 别方法 。小 『１ ． ３赵林 明 ， 胡浩 云 ， 魏德 华． 多层前 向人 工神经 １ 式中 ¨ ” 为瞬时相位。用 波特别适用于非稳定信号 的分析 ，作为一种特 网络 ［ 、 州 ： 河 水利 出版 社 ，９ ９２— ８ Ｍ１ 郑 黄 １ ９ ：３ ３ ． 征 提取 的工 具 已得 到 较 为 广 泛 的 应 用 。 小 波 的 『１ 来区分是 Ｄ Ｂ信号还是 Ａ Ｆ Ｓ Ｍ— Ｍ信号 。 ４彭玉华． 小渡变换与 工程 应 用ｆ ． 京： Ｍ１ 北 科学 １ ９ ：６ ２ ． 责 任 编 辑 ： 宝 军 周 第 四步 ， 中心非 弱信号段瞬时相位非线 重要特点是它能够提供一个信号局部 ��