通信中数字调制信号自动识别算法
基于瞬时频率的数字调制方式自动识别算法
基于瞬时频率的数字调制方式自动识别算法作者：张志民,李纲,皇甫堪来源：《现代电子技术》2010年第21期摘要:数字通信信号调制方式的自动识别在军用和民用方面都极为重要。
为了自动识别FSK2,FSK4,PSK2,PSK4四种数字信号的调制方式,提出一种新的瞬时频率提取方法,该方法不需要对相位进行去卷叠处理,也不需要实现码元同步,与现有方法相比,运算量显著减少,鲁棒性强,可用于实时处理中。
在此基础上提出三个特征参数和一种基于判决理论的调制方式自动识别算法,给出识别算法的实现流程。
计算机仿真结果表明,在信噪比为-3 dB时,识别算法的平均识别率大于等于99%,证明新的瞬时频率提取方法和调制方式自动识别算法是有效的,有望用于实际的非协作通信系统中信号的检测和快速识别。
关键词:数字通信信号; 调制方式自动识别; 瞬时频率; 平均识别率中图分类号:TN911.72-34文献标识码:A文章编号:1004-373X(2010)21-0104-04Algorithm for Automatic Modulation Recognition of DigitallyModulated Signals Based on Instantaneous FrequencyZHANG Zhi-min, LI Gang, HUANG Fu-kan(College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China)Abstract: Automatic modulation recognition of digital communication signals is extremely important for both military and civilian purposes. In this paper, a new method for extracting the instantaneous frequency of the intercepted signals is proposed to automatically recognize the modulation types of FSK2, FSK4, PSK2 and PSK4 signals. This new method has no need of phase-unwrapping or symbol synchronization. Compared to other available approaches, it has greatly reduced the processing power consumption. Furthermore, this method is much more robust and can be used in real-time application systems. On the basis of this, three key features and an algorithm for modulation recognition of the aforementioned four types of signals are derived. This algorithm is based on the decision-theoretic approach and its realization flowchart is also presented. Computer-3 dB. It proves that the new method for the instantaneous frequency extracting is efficient and the modulation recognition algorithm is suitable for the practical application of signal detection and fast recognition in non-cooperation communication systems.Keywords: digital communication signals; automatic modulation recognition; instantaneous frequency; average recognition rate0 引言数字通信信号调制方式的自动识别是信号分析领域中一个比较新的研究方向,它在军用和民用方面,尤其是在军事通信领域中都有很大的应用前景。
浅谈通信信号调制样式自动识别方法
类。
程 ， ００３， ６ —７ ． ２ １（） ５ ６５ ０
过 ， ｉｄ ｅ Ｋ ｎ ｌ的成 功 不是 电子 书 的成 功而 是 亚马逊 电子 商务 平 台的成 功 ， 有 内容 的亚马逊 可 以在 电子 书 产 品流行 的 时候 推 广 电 拥
子书， 也可以在电子书衰落时， 用其他终端 售书， 并不依赖某一种硬件终端。 而国内电子书厂商并没有一个类似的优势 内容平
该方法的主要特点是避免 示， 即尺度参数和位置参数。 从这个意义上说， 各种信号的本 性推理得到接收信号的调制方式。
身特征都可以用该信号分解成的许多小液的尺度和位 置来识 了复杂 的信号处理过程。
识别。 小波变换能够把任何信号映射到一个由母小波伸缩 ， 平移而构成的小波函数上去， 实现信号在不同时刻， 不同频 带的合理分离而 不丢失任何原始数据。
探 索 ， 出了很 多新思 路 和 新方 法 。 提
某些特征作为识别的依据 ， 这类方法有很多。 ｉｄ ｋ 提 出了 Ｌｅｔｅ
一
１ 调制样 式识 别过程
一
种数字调制信号的 自动识别方法。 该方法通过信号的解调
个完整的调制样式 自动识别系统包括以下几个 部分 ：
和参数 提取， 构造信号的幅度 直方 图、 率直 方图、 频 差分相
幅度方差和频率方差等 分类特 征。 然后通过模式 信号预处理模块 、 特征提取模块和调制样式识别模 块。 信号 位直 方图、 将选取分类特 征与理想样本的特征参数相 预处理模块的主要功能是为后续处理提 供合适的数据 ， 其任 识别的分类 方法， 务一般包括： ／ 转换 、 ＡＤ 频率下变 频、 同相和正交分量分解 、 比较 ， 按最近 原则进行信号 自动分类 。 这种方法 能在信噪 比 ８Ｂ 有效识别Ａ 、 Ａ Ｋ ２ Ｓ 、 Ｐ Ｋ ４ Ｓ 等 Ｍ ２Ｓ、 ＦＫ ２Ｓ、 Ｆ Ｋ 载 频估计和载 频分量 的消除 等。 多信道多发射 源的环境 大干１ｄ 的情况下， 在 信号。 ．．ｈ ｎ ＹＴＣ ａ 等人在Ｉ Ｅ 发表文章 ， ＥＥ 对调制信号的包络进行 中， 号预 处 理 部 分 要 能 有 效 地 隔 离 各 个 信 号 ， 证 一 次 只 信 保 采用参 数Ｒ包络平方的均值和包络方差 的比值） （ 对四种 有一个信号进入后续的调制 识别环节。 特征提取模块 是从输 分析， 模拟信号分类 ， 取得了初步成 果。 ． ｓ ａ ｅ 等人把中频通信 ＫＡ ｓ １ｈ 入 的信号序列 中提取对调制识别有用 的信息， 主要是从数据 通过求 解 自回归模型参数 ， 来 中提取信号的时域特征或变换域特征 。 时域特征包括信号的 信号建模 为时变 自回归过程 ， 利用瞬 时频率与瞬时带宽 瞬 时幅度、 瞬时相位或瞬时频率 的直方图或其它统计参数。 估计信号的瞬时频率和瞬 时带宽，
5.4信号调制样式自动识别
3
5.4.1 模拟调制信号的自动识别
1）零中心归一化瞬时幅度之谱密度的最大值 2）零中心非弱信号段瞬时相位非线性分量绝对 值的标准偏差 3）零中心非弱信号段瞬时相位非线性分量的标 准偏差 4）谱对称性
2 NL
(i)]
1 [
NL(i) ]2
c an (i)at
c an (i)at
式中，a t 是判断弱信号段的一个幅度判决门限电平，c 是
在全部取样数据 Ns 中属于非弱信号值的个数，NL (i) 是
经零中心化处理后瞬时相位的非线性分量，在载波完全
同步时，有：
NL (i) (i) 0
式中，0
5.4 信号调制样式自动识别
主要内容
模拟信号调制样式的自动识别 数字信号调制样式的自动识别 模拟数字信号调制样式的联合自动识别 自动识别中应注意的问题
1
5.4.1 模拟调制信号的自动识别
S (t) a(t) cos[ct (t)]
假设所要识别的模拟调制样式主要有：
AM（调幅)：(t) 0, a(t) [1 r m(t)]
SB与AM－FM信号的分界线(门限)，而需设置一个判
决门限．用 t( max )来表示，判决规则如下： max t( max ) 时，判为FM信号；
max t( max ) 时，判为DSB或AM－FM信号。
6
2) 非弱信号段零中心瞬时相位非线性分量绝对值的标准偏差 ap
1
ap [
1
Ns
(i) ， (i) 为瞬时相位。
N s i1
数字通信信号调制方式识别与参数估计
数字通信信号调制方式识别与参数估计数字通信信号调制方式识别与参数估计1. 背景介绍在数字通信中，信号调制方式的识别和参数估计是至关重要的环节。
通过识别和估计调制方式和参数，可以有效地解调信号，从而实现可靠的数据传输和通信。
本文将深入探讨数字通信信号调制方式的识别与参数估计，并提供相关的个人观点和理解。
2. 信号调制方式的分类和特点数字通信中常见的信号调制方式包括调幅调制（AM）、调频调制（FM）、调相调制（PM）、正交振幅调制（QAM）等。
每种调制方式都有其独特的特点和应用场景。
在进行信号调制方式识别时，需要结合信号的频谱特征、相位特征、幅度特征等进行综合分析，以确定信号所采用的调制方式。
3. 信号调制方式的识别方法为了准确识别信号的调制方式，可以采用自相关函数、功率谱密度、频谱特性等方法进行分析。
其中，自相关函数可以用于判断信号的周期性特征，进而推断出可能的调制方式；功率谱密度则可以反映信号的频谱特性，帮助确定信号所采用的调制方式。
还可以结合机器学习算法，如支持向量机（SVM）、深度学习等方法，提高对信号调制方式的准确识别率。
4. 参数估计的重要性及方法对于已识别出调制方式的信号，还需要进行参数估计，包括载波频率、信号相位、调制指数等参数的估计。
参数估计的准确性直接影响到信号的解调效果和通信性能。
常用的参数估计方法有最大似然估计法、最小均方误差估计法等，通过对信号进行模型拟合和参数优化，得到准确的参数估计结果。
5. 个人观点和理解在进行数字通信信号调制方式识别与参数估计时，我认为除了理论知识的掌握外，还需要结合实际场景进行分析和应用。
对于复杂多变的通信环境，传统的识别与估计方法可能存在局限性，因此需要不断探索创新的方法和技术，以提高对信号调制方式的准确识别和参数估计能力。
总结通过对数字通信信号调制方式识别与参数估计的探讨，我们深入了解了其在数字通信中的重要性和方法。
在实际应用中，需要根据具体情况选择合适的识别与估计方法，不断优化和改进算法，以实现更可靠、高效的数字通信系统。
一种数字调制方式自动识别算法
= 8 发送基带码元个数n=12 ， N 12 ， 8 加人高斯白噪声， 信噪比SNR=6dB ，各种调制信号的指标见表1。
衰， 调制信号指标
调制方式
中图分类号: TNg l .3 l 文献标志码: A
调制样式 自动识别技术是构成基于软件无线电 通用接收机的重要技术基础。在多种通信体制并存 的通信局面下， 接人方式各不相同，自动识别技术 能够 自动地识别通信信号的调制样式，以便后续对 应的通信信号解调处理。因此，它在多体制通信互 联和软件无线电方面也有十分重要的应用 ，是一个 新兴的研究领域。在近二十年来 ，调制样式 白动识 别技术的研究在不断发展， 并且取得了一定的成果。 目 ， 前 调制样式 自动识别方法按分类器的不同原理， 大致可分为两类: 一类是基于人工神经网络的分类 识别方法，其优点为无须事先确定判决门限，不存 在特征参数使用的先后顺序问题， 但也存在计算量
特征参数， 按照平行判决树准则进行判决1 。 1 3 2.1 特征参数
) 1 中心归一化瞬时幅度功率谱密度的最大值 肠 ，用于提取ASK和QAM信号，同时区分PSK和 a: FSK信号。
乙公 =
M } 1 ， X A 阿 弋“， ， }
参数， 仍为人们广泛接受和引用。 本文在文献[ ]的 3
基础上提出了一种新的调制样式识别方法。
. 2 2 判决树
艺八( ’ ) i 人(j)对
人 (j)习
习几 I ) i (
O
在以上各式中: A n )为中 c( i 心归一化瞬时幅度; 必 ( 毗 ) i 为中心化瞬时相位; 人( 为中心归一化瞬时频率。 ) i
一种改进的数字信号调制方式自动识别算法
ｐｉ ｂｅｔ ｔ ｉ ａ ｔａ ｃ ａ ｇｓ ｉ ｉ ｔｅｓｏ ｅｏ ｅｓ ｎ ｌｏｎ ｉ ａ Ｓ Ｒ） Ｂ一 ０ ｄ ．Ｉ ｉ ｌ ａ ｌ ｏ ｈ ｓ ｎ ｌｈ ｔ ｈ ｎｅ ｔ ｎ ｈ ｃ ｐ ｆ ｈ ｉ ａ ｔ ｏ ｅｒｔ ｃ ｅ ｇ ｗｈ ｔ ｇ ｓ ｅ（ Ｎ ５ ｄ ３ Ｂ ｔｓ
ｗｈ ｎ Ｓ ｅ ＮＲ ｓ ｏ ｅ Ｂ． ｉ ｖ ｒ７ ｄ
Ｋｅ ｒ Ｄｉｉａ ｄ ｌ ｔ ｎ Ｆｅ ｔ ｒ ａ ａ ｔｒ Ｒｅ ｏ ｎ ｔｏ Ａｌｏ ｉ ｍ ｙ ｗｏ ｄｓ ｇｔ ｍｏ ｕ ａ ｉ ｌ ｏ ａ ｕ ｅ ｐ ｒ ｍｅ ｅ ｃ ｇ ｉｉｎ ｇ ｒｔ ｈ
引
口
是在军事通信领域。随着 电子对抗技术研究的不断 升温 ， 迫切需要进行调制信号 自动识别技术的研究 ， 它被广泛应用于 ： 信号确认、 干扰识别 、 无线 电侦听 、 信号监测和威胁分析等领域 。
一
通信信号调制方式 自动识别是信号分析领域 中 个 比较新 的研 究方 向 它有 很 大 的应 用 前景 ， 尤其
Ｖ０ ． ７． ． １ ２ Ｎｏ ２
文章编号 ： １ ７０ （０ ７ ２— ０ １— ４ １ ９ ２ ２ ２０ ）０ ０ ４ ０ ０ ０—
中 图分类号 ：Ｎ １ ． Ｔ ９４３
文献标 识码 ： Ａ
一
种 改进 的数 字信 号调 制 方 式 自动 识别 算 法
王 长 宇 张 国毅 高运泉
（ ｅｔ ｆ ｖ ｔ ｎＥｅｔ ｎｃＥ ｇ ｅｒ ｇｏ ｉ ｆ ｃ ｖａｏ ｎｖｒ ｔ ， ｈ ｎｃ ｕ ３０ ２ Ｄ ｐ．ｏ ｉ ｉ ｌ ｒ ｉ ｎｉ ｅｉ ｆ ｒ ｏ ｅＡ ｉ ｉ ｕ ｉ ｓｙ Ｃ ａｇｈ ｎ１０ ２ ） Ａ ａｏ ｃｏ ｎ ｎ Ａ ｒ ｔｎ ｅｉ
数字通信信号自动调制识别技术
数字通信信号自动调制识别技术摘要：近年来，随着数字通信信号自动调制识别技术的发展，随之而来的却是数字通信环境质量的下降。
通常情况下，通信环境质量下降造成的影响非常的严重，不但会制约通信行业的发展和进步，还会使得数字通信信号的传输质量下降甚至破坏，因此，就需要相关的技术人员对数字通信信号的关键技术进行适当的改进和提升，本文提到的数字通信信号自动调制识别技术就是通信行业发展的重要技术。
目前，数字通信信号自动调制识别技术在通信行业中的实践还有一定的阻碍，并且科学技术的进步对数字通信信号自动调制识别技术提出了更高的要求，因此还需要对其进行相关的分析和研究，从而提升数字通信的质量。
关键词：数字通信；通信信号；自动调制识别技术引言：在数字通信行业的发展过程中，数字通信信号自动调制识别技术作为非合作接受的一项重要技术，包括数字信号的调制以及信号的检测和提取等，广泛的应用在民事和军事领域。
但是，数字通信信号自动调制识别技术在实际的通信行业运行和发展中还存在一定的问题和阻碍，其中较为典型的就是通信技术无法识别多径信道中的单载波以及多载波的信号问题，这样就有可能会对后面的调制识别等造成影响。
因此，在进行数字通信信号自动调制识别技术的实践和应用时，需要格外注意基带信号的调制和识别。
一、数字通信信号自动调制识别技术的概念及研究现状1.数字通信信号调制识别技术的概念通常在数字通信信号传输的系统过程中，信号端处发出的信号被称为原始信号，这种信号的频率较低且难以在信道中进行正常的传输，这时，相关的技术人员可以对其进行调制，使其满足信道的要求，从而可以携带一定的信息进行传输。
调制主要指的是对正在传输过程中的原始信号进行相应的频谱搬移，从而将不能够进行传输的原始信号转移到较为适合的信道上来进行传输，因此，调制过的信号被称为已调信号，适合相应的频带并且可以携带大量的信息，顺利的通过信道。
通常情况下，根据实际的信道传输的需要和信号类型的不同，将信号调制的方式归结为两种，模拟信号调制和数字信号调制；还可以根据将信号调制后的频谱类型将其归结为线性调制和非线性调制两种。
探讨数字通信信号调制方式自动识别算法
探讨数 字通 信信 号调 制方式 自动识别算 法
杨 胜 义
（ 兰 州理 工 大 学 甘肃 省 兰 州 市 ７ ３ ０ ０ ０ ０ ）
摘 要： 调制方式 的 自动识别是通信 接收系统 设计 的重要研究课 题， 本文结 合实际工程 提出 了一种信号调 制方式 的 自动识别 算 法 。与其他算法相 比， 该算法的显著特点是 结构 简单、 计算量较小 、 适合 实时计 算， 而且当环境 的信 噪 比较低 时， 该算法具有较高 的识 别准确度 ； 同时该算法还考虑 了参数符合成 形的影响， 这就让该算法更能满足实 际工程 的需要。 关键词 ： 调制方式识 别； 通信信号； 识别算法
圈 差 三
蛐ｎ ｌ 捌Ⅺ ０ 枷
１ ６ ０ ０
象样点藏 （ 个）
ａ ）成 形前 的 ２ Ｐ Ｓ Ｋ信 号￣ ｇ ｔ Ｊ ｔ
采样点教 （ 个＇
ｂ ）戚彤 以后 的 ２ Ｐ Ｓ Ｋ信 号幅 度
４
幅度产生影响。 下面 以 Ｑ Ｐ Ｓ Ｋ和 Ｂ Ｐ Ｓ Ｋ两种信 号为例 ， 来分析符 号成形对 信号相位的提取以及对信号瞬时幅度 带来 的影响。
－
－
｜ 、 佃
．
．～
，
｜ ５ ｜ ＼ 一
频 城 波 彤
图 １
Ｉ － ．
萋ｔ
■ 辛 ０ ． ６
曩 ｏ － ２
０
州域 波 形
从 图 １中 我 们 可以 看 出 ｇ （ ｔ ） 在 频 域 上 是 带 宽 有 限的 ， 而 在 时 域 上 是 无ห้องสมุดไป่ตู้限的 ， 仅仅在码元 的判决时该始终为零 。 一般情况下只考虑 ３个窗 口， 在 ３个 窗 口以后 衰 减 就 很 大 ， 可 以忽 略 。因 为在 时 域 上 是 无 限 的 ， 这 就 必 然 会 造 成 前 后码 元之 间相 互 影 响 ， 从 而 对 信 号相 位 的提 取 和 信 号 的 瞬 时
通信信号调制样式的自动识别
（ １ ． Ｄｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｉ ｎｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎｇ，Ｎａ ｖ ａ ｌ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ ａ ｎ ｄ Ａｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ Ｕｎｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｙａ ｎｔ ａ ｉ ２ ６ ４ ０ ０ １ ） （ ２ ．Ｍｉ ｎｉ ｓ ｔ ｒ ｙ ｏ ｆ Ｓｃ ｉ ｅ ｎ ｔ ｉ ｆ ｉ ｃ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ，Ｎａ ｖ ａ ｌ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ ａ ｎ ｄ Ａｓ ｔ ｒ ｏ ｎ ａ ｕｔ ｉ ｃ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｙａ ｎｔ ａ ｉ ２ ６ ４ ０ ０ １ ） （ ３ ． Ｎａ ｖ ｙ ｉ ｎ Ｔａ ｉ ｙ ｕ ａ ｎ Ｒｅ ｐ ｒ ｅ ｓ ｅ ｎｔ ａ ｔ ｉ ｖ ｅ Ｏｆ ｆ ｉ ｃ ｅ，Ｎａ ｖ ａ ｌ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ １ ａ ｎ ｄ Ａｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｔａ ｉ ｙｕ ａ ｎ ０ ３ ０ ０ ０ ６ ）
总第 ２ ３ ４ 期 ２ ０ １ ３年 第 １ ２ 期
舰 船 电 子 工 程
Ｓ ｈ ｉ ｐ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
Ｖｏ １ ． ３ ３ Ｎｏ ． １ ２
７３
通 信 信 号 调 制 样 式 的 自动识 别
张 志 勇 张 立 民 兰
（ １ ． 海军航空工程学院电子信息工程系 烟台
数字通信信号自动调制识别技术
数字通信信号自动调制识别技术摘要数字通信信号自动调制识别技术是现代通信领域的重要研究内容，它用于自动检测数字通信系统中信号的调制类型。
本文首先介绍了数值通信信号的调制方式和数数通信信号调制识别的分类方法，接着详细介绍了数字通信信号的特征提取、分类器选择和性能评估等关键方面的研究进展。
本文最后针对现有研究中存在的问题提出了未来可能的研究方向。
关键词：数字通信，调制识别，特征提取，分类器，性能评估1. 引言数字通信是现代通信领域的重要组成部分，它在人类社会的发展中发挥着重要的作用。
调制是数字通信的基本技术，它将基带信号转换为一种适合于在信道上传输的模拟信号或数字信号，以提高信号传输的可靠性和传输速率。
目前，数字通信系统中常用的调制方式有ASK、FSK、QAM、PSK等。
调制方式的不同会影响传输速率、信号质量和系统复杂度等方面的性能。
数字通信信号自动调制识别技术是一种用于检测数字通信系统中信号的调制类型的方法。
自动识别数字通信信号的调制类型能够提高数据传输的可靠性和安全性。
这项技术被广泛应用于现代通信领域，如无线通信、卫星通信、雷达系统、语音识别等方面。
经过多年的发展，数字通信信号自动调制识别技术已经成为了一个成熟的技术。
本文将对数字通信信号自动调制识别技术进行详细介绍。
首先，我们将介绍数值通信信号的调制方式和数数通信信号调制识别的分类方法。
接着，我们将分别从特征提取、分类器选择和性能评估等方面对数字通信信号调制识别的关键技术进行讨论。
最后，我们将讨论数字通信信号自动调制识别技术所存在的问题，并提出未来可能的研究方向。
2. 数字通信信号调制方式数字通信信号的调制方式有多种，常见的调制方式有ASK、FSK、QAM、PSK等。
下面我们将介绍这些调制方式的基本原理。
2.1 ASK调制ASK调制是通过调制信号的振幅来传输数字信息的。
在ASK调制中，数字信号被转换为相应的基带信号，然后通过一个载波信号来进行调制。
BPSK,QPSK,UQPSK,64QAM信号自动调制识别
BPSK,QPSK,UQPSK,64QAM信号自动调制识别于洋;李孝严;张晓春【摘要】随着卫星通信、移动通信、雷达侦察、电子战等无线通信领域的快速发展,MPSK和MQAM两类调制方式因具有较高的频谱利用率和良好的抗噪性能,得到了广泛应用.尤其是在星间链路通信中常用到BPSK、QPSK、UQPSK、64QAM 等调制类型.文中在基于高阶累积量法的基础上,提出了新的基于特征参数提取的方法,实现了对BPSK、QPSK、UQPSK、64QAM调制类型自动识别技术.实验结果表明,该方法简单、有效、运算量小,且抗干扰能力强、识别率较高、实时性较好、适合工程应用.【期刊名称】《电子科技》【年(卷),期】2015(028)001【总页数】4页(P49-52)【关键词】BPSK;QPSK;UQPSK;64QAM;星间链路通信;通信调制类型识别【作者】于洋;李孝严;张晓春【作者单位】西安电子科技大学电子信息攻防对抗与仿真技术教育部重点实验室,陕西西安710071;西安电子科技大学微电子学院,陕西西安710071;中北大学电子测试技术国家重点实验室,山西太原030051【正文语种】中文【中图分类】TN911.72随着电子技术和无线通信技术的快速发展，调制识别技术得到广泛的应用，尤其是在军事、民用领域，近年来始终备受关注。
为充分利用通信资源，通信信号的体制、调制样式更加多样化和复杂化，调制识别技术在不断发展，并应用于各个领域。
通信环境也在不断变化，使得同一空间的信号越发密集，接收到的信号也存在多种不同的调制方式。
近年来，随着深空通信技术的不断发展，使得星间链路信号的调制识别具有重要意义。
由于数字调相信号自身具有频带利用率高、抗干扰能力强等优点，其被广泛应用于星间链路通信中。
随着，传输容量的不断扩大，可用的频带受限，数字调制方式以由二相的BPSK发展为四相的QPSK、UQPSK，既调相又调幅的MQAM信号。
所以对数字调相信号的识别就显得尤为重要，特别是在先验知识缺乏，低信噪比条件下的调制类型的自动识别。
数字通信信号自动调制识别技术
取合适 的判别方法 ，将构造 的特征参数和 门限
值 作 比对 ， 以此 来 完 成 信 号 调 制 样 式 的识 别 工 作 。在 使 用 这 种 调 控 识 别 技 术 时 还 会 遇 到 一 些 问题 ， 这 些 问题 的存 在 可 能 会 影 响 信 号 传 输 的 质 量 。 常 见 的 问题 有 非 弱 信 号 段 判 决 门 限 的选 取 和 确 定 特 征 参 数 的 门 限值 的选 取 。如 何 解 决 这 两 个 问题 成 为 人 们 关 注 的 重 点 。
可 以将数字调制样式分成很 多种 ，本 文主要介 绍常用的几种数字调制样式 ，分 别为 幅度键 控
（ ＡＳ Ｋ）、相 移 键 控 （ Ｐ ｓ Ｋ）、频 移 键 控 （ Ｆ Ｓ Ｋ） 以及正交幅度调制 （ Ｑ ＡＭ ） 。 振 幅 键 控 是 根 据 载 波 的 振 幅 随 数 字 基 带
Ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ・ 通信技术
数字通信信号 自动调 制识 别技 术
文／ 王涛
类标准可 以将数字调制样 式分成 不同的类别，
但 随 着 通 信 信 号 处 理 技 术 的 发 展 ，通 信 环境 变得 越来 越 差， 这 严 重 影 响 了 数 字 通 信 信 号 传 输 的质 量，对 通信 信 号识 别技 术提 出 了更 高 的要 求 。 因此，进 行 有 关 数 字 通 信 信 号 识 别 技 术 的 研 究 十 分 必要 。本 文结合 目前数 字 通 信信 号处 理技术发展 的 实际情况， 开 展有 关数 字通信 信 号 自动调 制 识 别 技术 的研 究，希 望能 为 以后 数 字通信信 号传 输提供一些帮助。 本 文 中 对 数 字 调 制 样 式 的分 类 是 依据 载 波 信 号 参 数 的 不 同进 行 的 。依 据 载 波 信 号参 数 的 不 同
数字通信信号自动调制识别技术
数字通信信号自动调制识别技术下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by the editor. I hope that after you download them, they can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, our shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!在现代通信领域中扮演着至关重要的角色。
调制信号识别
其中 sn t 是归一化中心信号，sn t s t max s t
该参数可将ASK、QAM和FSK/PSK三者分开。
信号辨认
• MFSK辨认 MFSK信号旳功率谱必有M个谱峰，只要得到其功 率谱在 0，fs 2上旳谱峰个数n，就能实现MFSK信 号调制阶数旳辨认。4f2 对频率个数敏感，可用于 调制阶数旳辨认。
分类辨认
N
N
2FSK
2 f
t
2 f
Y
4FSK
数字调制信号识别
N
F tF
A t1 A
Y
N
2PSK
ap t ap
Y
4PSK
Y
A t2 A
N
Y
2ASK
4ASK
仿真验证结论
• 在 SNR 5dB 时，辨认正确率可到达99%以上，
且当
SNR 时20d，B 辨认正确率到达100%。
本算法不但在低信噪比条件下辨认正确率
高，而且在进行辨认旳过程中，用到旳特
征参数较少。
• 但是，文中旳算法只合用于在基带数字信 号中。
基于信号时域瞬时统计特征旳一种 通用辨认措施
• 基本思想：在AWGN信道下，经过分析信 号时域特征和频域功率谱特征，并结合前 人旳研究成果，给出一组性能稳健旳、具 有高辨认率旳特征参数。利用这些参数先 进行调制信号四种基本调制类型旳分类， 再利用详细算法进行调制阶数旳辨认。
特征提取
• 归一化瞬时幅度功率谱密度最大值 max
max
max =
FFT
a
cn
i
2
N
其中N为样点数，acn i 为中心归一化瞬时幅
a i
度 ， 。 acn E a i 1
数字通信信号调制方式识别与参数估计
标题：深度剖析数字通信信号调制方式识别与参数估计摘要:在数字通信领域，信号调制作为一种关键技术，其识别与参数估计对于信息传输的质量至关重要。
本文将深度剖析数字通信信号调制方式识别与参数估计的相关概念、技术和应用，帮助读者全面理解该主题，并为实际应用提供有价值的参考。
正文:1.概述随着信息技术和通信技术的飞速发展，数字通信已经成为现代通信系统的重要组成部分。
在数字通信系统中，信号调制是将数字信息转换成模拟信号或者数字信号，以便在传输过程中能够适应信道的特性。
对数字通信信号调制方式的识别与参数估计具有重要意义。
2.数字通信信号调制方式概述在数字通信中，常见的信号调制方式包括调幅调制（AM）、调频调制（FM）、调相调制（PM）、正交振幅调制（QAM）等。
每种调制方式都有其特定的优点和适用范围，因此对不同调制方式的识别和参数估计是十分必要的。
3.数字通信信号调制方式识别方法为了准确识别数字通信信号的调制方式，现代通信系统中引入了许多智能算法和技术。
其中，常用的方法包括基于统计特性的识别方法、基于神经网络的识别方法、基于模糊逻辑的识别方法等。
这些方法都能够在一定程度上提高信号调制方式的识别准确度。
4.数字通信信号调制方式参数估计除了识别信号调制方式外，对信号调制的参数进行准确估计同样至关重要。
参数估计的目标是确定信号的频率、相位、幅度等关键参数，以便在解调和信号处理过程中能够重构原始信息。
常用的参数估计方法包括最大似然估计、最小均方误差估计等。
5.实际应用与挑战数字通信信号调制方式识别与参数估计是数字通信系统中的重要环节，其准确性和效率直接关系到信息传输的质量和稳定性。
在实际应用中，一些挑战包括复杂噪声环境下识别的困难、多信号混叠导致参数估计的复杂性等。
6.结论与展望通过对数字通信信号调制方式识别与参数估计的深度剖析，我们可以深入理解其在数字通信系统中的重要性和应用。
未来，随着人工智能和大数据技术的不断发展，相信会有更多高效、智能的识别与估计方法应运而生，为数字通信技术的发展带来新的突破和进步。
常用数字调制信号识别的一种新方法（峰度）
常用数字调制信号识别的一种新方法吴月娴1,葛临东1,许志勇2(1.信息工程大学信息工程学院,河南郑州450002;2.西南电子电信技术研究所,四川成都610041) 摘 要: 通过分析数字调制信号及其非线性变换的功率谱,提出了两个新的调制特征参数,改进了两个相关特征的描述,设计了一种采用神经网络集成结构分类器的识别方案,实现了AWG N 信道下常用数字调制信号的自动识别.仿真表明,谱形状特征参数具有很好的抗噪声能力,离散谱线特征参数对信号调制参数更加稳健性,神经网络集成分类器的识别性能显著优于单个网络分类器,SNR >5dB 时该识别方法的总体识别率在94%以上.关键词: 调制识别;谱特征;融合;神经网络集成中图分类号: T N911 文献标识码: A 文章编号: 037222112(2007)0420782204A Novel Identification Method for Commonly Used Digital ModulationsW U Y ue 2xian 1,GE Lin 2dong 1,X U Zhi 2y ong 2(1.Institute o f Information Engineering ,Information Engineering University ,Zhengzhou ,H enan 450002,China ; 2.Research Institute o f Electronic and Telecommunication Technology o f Southwest China ,Chengdu ,Sichuan 610041,China )Abstract : With the spectra of digital modulated signal and its non 2linear transform being analyzed ,two new modulation fea 2ture parameters are proposed and descriptions of another two features are modified.Then a novel identification scheme is obtained ,capable of blind identification of many commonly used digital modulations in AWGN ,using a neural 2network 2ensemble 2classifier.The proposed spectrum 2shape parameter is anti 2noise ,while the new spectrum 2line one is robust against modulation parameters ,and the performance of neural network ensemble is much better than that of a single network classifier.Simulation results show that the recognition rate can reach 94%when SNR is above 5dB.K ey words : modulation identification ;spectrum feature ;fusion ;neural network ensemble1 引言 随着通信系统多样性和复杂性的增加,信号调制方式自动识别作为智能化信号分析和处理中的关键技术,成为通信及其相关领域的一个研究和应用热点.在诸多调制识别方法中,对调制先验信息依赖少、受信号调制参数影响小、运算复杂度低的特征参数和识别方法更受青睐,如基于信号瞬时统计参数[1～3]和功率谱特征[2,4,5]的识别方法.调制信号的循环相关特征具有很好的识别能力[6,7],但即使采用复杂度最低的SSC A 估计算法[7],循环谱估计需要完成的运算量也要远远大于相同频率分辨率的功率谱估计,这大大限制了这一类调制识别方法的应用.在以信号的相位、频率、幅度等时域参数为特征参数的调制识别方法中,Nandi 等[1,2]的研究工作最具代表性,并被广泛引用[3,5,7],但仅采用时域统计参量的方法受噪声影响较大,通常结合谱特征等应用[2,5,7].Dubuc 等[4]提出了一组实用的信号功率谱特征参数,较时域统计参量具有更好的抗噪声性能,但是文献[4]中并没有给出明确的定义.文献[5]对文献[4]中的部分特征参数的定义进行了描述,但该描述的可操作性不强,且不利于量化分析.就调制分类器而言,神经网络具有较强的自学习能力和潜在的容错性,克服了判决树分类器自适应能力的不足[3,7],神经网络集成(NNE ,Neural Netw ork Ensemble )[8,9]系统的泛化能力更比单个网络有了显著提高,被视为一种有效的工程化神经计算方法.本文在对信号功率谱和高次方谱(信号非线性变换后的功率谱)研究的基础上,提出了两个新的谱特征参数,改进了两个相关特征的描述.这些参数具有运算复杂度低,抗噪声能力强,对调制参数稳健性好的特点.本文将上述参数构成识别特征,提出了一种采用神经网络集成结构分类器的常用数字调制信号识别新方法,信噪比较低时比单个神经网络分类器的识别率提高了5%.2 识别特征参数集的构造 本文主要讨论AWG N 信道下常用数字调制方式的识别,包括2FSK 、4FSK 、BPSK 、QPSK 、8PSK 、16QAM 和MSK 信号.调制信号的功率谱及其高次方谱可以较好地反映多种调制方式的特性,有效地提取这些特性可以作为调制识别的特征参数[5].本文在总结前人研究成果的基础上构造了一组基于功率谱和瞬时统计特征的参数,其中归一化峰间距离PD 、离散谱线检测值LV 为文收稿日期:2006203208;修回日期:2006212210第4期2007年4月电 子 学 报ACT A E LECTRONICA SINICA V ol.35 N o.4Apr. 2007中提出的新参数,峰谷幅值比P V、和离散谱线数目LN 为对谱平坦度和谱峰数目的改进描述.211 功率谱形状特征观察信号的功率谱知道,MFSK信号在各调制频率上会出现明显的谱线或存在多个谱峰,这与MSK以及PSK/QAM信号无离散谱线的单峰有着明显的区别.因此,以信号功率谱形状为特征可以识别出FSK调制及其调制阶数,如文献[5]中的平坦度指数F,但计算F 需要预先估计信号的载波频率.本文提出新参数PD,并改进F为参数P V.记信号功率幅度谱正频率部分的能量集中频率范围为 B,中点k0处幅值为X0,以k0为界,左半序列及右半序列的最大幅值分别为XL 、XR,对应坐标为k L、k R,定义PD、P V如下:归一化峰间距离PD:PD=(kR-k L+1)/ B;峰谷幅值比P V:P V=X L+X R2/X0.由定义式可知,若信号谱平坦,则PD≈0,P V≈1,或者二者居其一;若信号存在多个峰或离散谱中毛刺较多,则PD、P V取值将大大不同,且随着谱峰数目或者毛刺增多(功率谱趋向平坦),P V的取值将逐渐减小.参数P V主要对FSK的调制阶数识别起辅助作用.随着FSK调制指数h减小,其功率谱趋向于单峰,由于非线性变换等效于成倍增大调制指数,信号的高次方谱仍可能表现出多个谱峰.因此,采用高次方谱的PD、P V参数能对h较小的FSK取得更好的识别效果.212 功率谱及高次方谱的离散谱线特征通过对调制信号高次方谱分析可知,非连续相位的FSK调制的功率谱在各调制频率上均为一冲激谱线,离散谱线数目与调制阶数相同;MSK在平方或四次方变换后才会出现两条冲激谱线;BPSK经过平方变换后或者QPSK和16QAM经过四次方变换后,也在对应2倍或4倍载频位置上出现一条离散谱线.基于这样的原理,文献[5]用单频检测分量C和谱峰数N对频带信号功率谱和高次方谱的离散谱线特征进行描述,但并没有给出明确的表达式,也没有说明C 与调制参数的关系.本文根据对数字调制信号功率谱理论表达式的分析[10,11],推及调制信号经非线性变换后的功率谱,提出特征参数LV,并将根据LV得到的离散谱线数目记作LN.记解析信号n次方(n为2的幂次)后的序列为x n(t),其功率谱Φ(n)x(f)的最大幅值为a(n),信号总功率为S(n),带宽为BW(n),采样频率为f s,有以下结论:(1)a(n)与S(n)成正比,且当x n(t)功率归一化后, S(n)近似只与序列长度N有关.(2)S(n)一定时,Φ(n)x(f)中存在离散谱线时,a(n)为幅度恒定的冲激;Φ(n)x(f)中无离散谱线时,a(n)的大小取决于基带脉冲的功率谱Φ(n)g(f),与BW(n)/f s成反比.综上分析,记x n(t)的归一化负对数谱为P(n)(f): P(n)(f)=-log10BW(n)f s·Φ(n)x(f)S(n)(1)序列长度N一定时,定义如下LVn、LNn来描述是否存在离散谱线的谱之间的差异:n次方谱离散谱线检测参数LV n:LV n=m inf{P(n)(f)}=-log10BW(n)f s·a(n)S(n)(2)当LVn小于某门限时,认为Φ(n)x(f)中存在离散谱线;n次方谱离散谱线数LN n:P(n)(f)中小于设定门限的谱线的数目.从LVn的定义看,fs/BW(n)对a(n)/S(n)的归一化削弱了信号带宽、采样速率等调制参数的影响,对于存在离散谱线的谱而言,LVn的值与线性调制的成形脉冲滚降系数、FSK调制的调制指数无关.在这组参数中,LVn用于离散谱线的检测,LNn则用于辅助识别FSK与PSK调制,以及FSK的调制阶数.213 瞬时幅度统计特征频率调制信号为恒包络信号,线性调制信号的基带码元通常都要经过脉冲成形滤波,其瞬时幅度变化各不相同.因此可以通过瞬时幅度统计参数[1]进行识别,如归一化中心瞬时幅度的标准偏差σa、零中心归一化瞬时幅度谱密度的最大值γmax、归一化包络方差R等.本文采用参数σa代替文献[5]中的R和γmax两个参数用于识别:σa=1N∑ia2cn(i)-1N∑ia cn(i)2a cn(i)=a(i)/m a-1,m a=∑ia(i)/N(3)其中,N为信号段样本数,acn(i)为零中心归一化瞬时幅度,ma为瞬时幅度a(i)的均值.以上各参数对调制先验信息依赖少,需要完成的运算量主要在n次方变换和谱估计中.对N点信号序列,平均分为K个子序列,各子序列长为M,采用W elch 谱估计方法,M点序列的DFT用基22FFT快速算法完成,则参数计算中约共需完成2N+(N log2M)/2次复数乘法和N log2M次复数加法,运算复杂度远低于循环相关特征参数计算.3 调制分类器的设计 由第二节中对特征的分析知道,每一组参数对文中讨论的数字调制方式都具有一定的识别能力.为了达到特征的有效融合,本文设计了如图1所示的分类器结构,基于以上各组特征参数的识别都用一个单独的分类器来实现,各分类器均可选择使用判决树结构或387第 4 期吴月娴:常用数字调制信号识别的一种新方法者神经网络结构.判决树结构分类器的识别能力不仅与特征参数有关,判决流程的设计也相当关键.对于同一组特征参数,通常存在多种可能的判决流程,有时很难确定哪一种流程更有效,而且当输入特征的提取环境改变时,其识别能力总是受到判决门限设置的约束.本文采用神经网络代替判决树用作调制识别分类器.在图1中,当各成员分类器均采用神经网络结构时,就成为一种典型的神经网络集成(NNE )结构,它比单个网络分类器的泛化能力更强.在单个分类器中,应用较多的是BP 网络[1～3].但BP 网络存在训练时间长、收敛速度慢且存在多个局部最小点等缺陷.R BF (径向基函数)网络在一定程度上克服了这些问题,在逼近能力、分类能力和学习速度等方面均优于BP 网络.R BF 网络是一种三层前向网络,网络可识别的类别数目由隐含层单元数决定,隐含单元的传递函数为径向基函数,一般采用径向对称高斯函数:<(x )=exp (-‖x -c ‖/2ρ2)(4)其中c 为隐含单元的中心矢量,ρ为径向基函数的半径.网络学习大致分为确定隐含单元参数和隐含层至输出层的权值训练两个步骤.本文各分类器均采用RBF 网络结构,成员分类器以输出层神经元响应输出,作为综合分类器的输入向量,其识别结果以编码形式给出,如输出“001”标志识别结果为2FSK.因此,各成员分类器输入层神经元数目与输入特征参数个数相同(如图1所示),隐含层神经元数目为7,即待识别调制方式数,输出层神经元数目为3;综合分类器输入层、隐含层、输出层神经元数目依次为9、7、3;各RBF 分类器均采用模糊C 2均值算法确定隐含单元参数,梯度下降法训练网络权值.4 仿真结果与分析 仿真中,调制信号符号速率、载波频率、采样频率归一化后分别为1、2、16;2FSK 信号调制指数h 从016到2,4FSK 信号h 从016到112,步进为011;PSK 、QAM 信号的滚降系数α从013到110,步进为011.信号预处理时,首先进行限带滤波,带宽为调制信号带宽估计值的2倍;功率谱及高次谱估计采用W elch 方法,且谱估计前对序列进行功率归一化,每个样本序列4096个采样点,各调制方式在同一信噪比下仿真500次.411 特征参数图2(a )所示为新参数PD 随信噪比的变化曲线,其中FSK 调制h =016,曲线显示PD 取值基本不受信噪比影响,该参数较好地描述了FSK 调制的多峰特性,尤其能够有效识别MSK 与MFSK .限于篇幅,文中仅以n =1为代表给出参数LV n 随信噪比的变化曲线,如图2(b )所示,其中FSK 调制h =016,PSK /QAM 调制α=013.曲线表明,LV 1对不同调制阶数的FSK 以及PSK /QAM 调制具有很好的识别能力.为考察调制参数变化对LV 与文献[5]的单频检测分量C 的影响,以2FSK (h =016、110)和BPSK (α=013、110)的四次方谱为例,取C 4的负对数值与LV 4比较,如图2(c )所示.对比两组曲线可见,LV4较文献[5]参数C 4受成形脉冲滚降系数α的影响更小.C 4的曲线还表明,当信噪比较高时,根据C 4将无法正确识别2FSK 和滚降系数α较小的BPSK .参数LV 4则不会出现类似的问题,相对更为稳健.图2(d )所示为σa 随信噪比的变化曲线.随S NR 增加,PSK /QAM 信号的σa 值增大,FSK /MSK 信号的σa 值减小,低信噪比下的分类阈值也同样适合于高信噪比条件.曲线表明,当SNR >5dB 时σa 可以用于识别.412 分类器图3(a )给出了成员分类器2采用判决树结构时对信噪比0～20dB 各信号的识别结果,特征参数为{LV n ,LN n ,n =1,2,4}.由于QPSK 和16QAM 的LV 、LN 参数取值相似,仅以QPSK 作为代表.曲线显示SNR =5dB 时各信号的识别率均在95%以上,但随着信噪比的增加BP 2SK 、8PSK 、MSK 的识别概率都略有下降,其中以MSK 下降较为剧烈.这是由于采用固定门限判决,同时又只采用了较少的识别特征的缘故.可见,单纯依靠一种类型特征参数的识别能力是有限的.图3(b )所示为神经网络集成分类器对信噪比0～15dB 各信号的识别率曲线,表明SNR =5dB 时所有信487 电 子 学 报2007年号的识别率均达到94%以上,随SNR 的增加各信号识别率平稳增加,最终达到100%.实际上,除8PSK 和16QAM 以外的其它信号在更低的信噪比条件下就已达到了较高的正确识别率.比较图3(a )、(b )可见,神经网络集成对各特征的融合效果显著.最后,对单个RBF 网络与神经网络集成的识别率进行了比较,如表1所示,其中Ave 表示分类器对各信号的平均识别率.仿真中单个RBF 网络的输入特征为全体特征,其各层神经元数目依次为9、7、3,其他网络参数均与集成结构中的成员分类器相同.表中数据表明,神经网络集成的识别性能明显优于单个网络.虽然神经网络集成的运算复杂度高于单个网络,并且随着成员分类器数目线性增加,但是识别性能得到了显著的改善.表1 SNR =5dB 时识别率的比较(%)2FSK 4FSK BPSK QPSK 8PSK 16QAM MSK Ave RBF 99.594.610097.887.697.871.692.7NNE98.495.810099.698.394.297.697.75 结论 本文提出了两个新的谱特征参数,改进了两个相关特征的描述,并结合瞬时统计参数实现了常用数字调制信号的识别.这些特征参数运算复杂度低,具有较强的抗噪声能力,与现有类似参数相比,新参数LV 对PSK /QAM 信号的基带成形滚降具有更好的稳健性.在总体识别方案中,设计了一种神经网络集成结构的调制分类器,实验表明,该分类器能够对各特征参数进行很好的融合,比单个神经网络分类器具有更好的识别性能.此外,为了实现更加复杂通信环境下信号的调制方式识别,还需要深入研究,进一步发掘神经网络集成对多特征、多分类器的融合潜力.参考文献:[1]Nandi A K,Azzouz E E.Algorithms for automatic modulationrecognition of communication signals [J ].IEEE Trans Comm ,1998,46(4):431-436.[2]Wong M L D ,Nandi A K.Automatic digital modulation recog 2nition using spectral and statistical features with multi 2layer per 2ceptrons [A ].In Proc of Sixth International Symposium on Sig 2nal Processing and its Applications (ISSPA ’01)[C ].KualaLumpur ,Malaysia ,13-16vol.2:August ,2001.390-393.[3]Zhao Y Q ,Ren G H ,Wang X X ,et al.Automatic digital mod 2ulation recognition using artificial neural networks [A ].In Proc of IEEE Int Conf Neural Networks &Signal Processing [C ].Nanjing ,China ,Dec.14-17,2003.257-260.[4]Dubuc C ,Boudreau D.An automatic modulation recognition al 2gorithm for spectrum monitoring applications [A ].In Proc of IEEE International Conference on Communications (ICC ’99)[C ].Vancouver ,Canada ,1999.732-736.[5]范海波,杨志俊,曹志刚.卫星通信常用调制方式的自动识别[J ].通信学报,2004,25(1):140-149.Fan H B ,Y ang Z J ,Cao Z G.Automatic recognition for com 2mon used modulations in satellite communication[J ].J ournal ofChina Institute of Communications ,2004,25(1):140-149.(in Chinese )[6]韩国栋,蔡斌,邬江兴.调制分析与识别的谱相关方法[J ].系统工程与电子技术,2001,23(3):34-36.Han G D ,Cai B ,Wu J X.Spectral correlation method for mod 2ulation recognition [J ].Systems Engineering and Electronics ,2001,23(3):34-36.(in Chinese )[7]Gao Y L ,Zhang Z Z.Modulation recognition based on com 2bined feature parameter and modified probabilistic neural net 2work[A ].In Proc of the Sixth World Congress on Intelligence Control and Automation [C ].Dalian ,China ,J une 21-23,2006.2954-2958.[8]周志华,陈世福.神经网络集成[J ].计算机学报,2002,25(1):1-8.Zhou Z H ,Chen S F.Neural network ensemble [J].Chinese J Computers ,2002,25(1):1-8.(in Chinese )[9]Hansen L K,Salamon P.Neural network ensembles [J ].IEEETrans Pattern Analysis and Machine Intelligence ,1999,12(10):993-1001.[10]Wilson S G.Digital Modulation and Coding [M ].Beijing :Publishing House of Electronics Industry ,1998.[11]Proakis J G.Digital Communications (Third Edition )[M ].Beijing :Publishing House of Electronics Industry ,1998.作者简介:吴月娴 女,1980年出生于江西景德镇,现在信息工程大学攻读博士学位,主要研究通信信号处理和调制识别技术.E 2mail :wuyuexian @葛临东 男,1946年出生于安徽怀远,教授、博士生导师,主要从事通信信号处理与软件无线电理论和系统研究.许志勇 男,1979年出生于辽宁铁岭,助理工程师,主要研究方向为智能信号处理.587第 4 期吴月娴:常用数字调制信号识别的一种新方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ ｅ ａｔ ｎ ｆ ｌ ｔｃｌ ｎ ｆｒ ｔ ｎＥ ｇ ｅｒ ｇ Ｈ ｎ ｉｅｓｙ Ｃ ａｇｈ ０ ２ Ｃ ｉａ Ｄ ｐｒ ｍｅ ｔ ｅ ｒ ａ ａｄＩ ｏｍａｉ ｎ ｉ ｅｉ ， ｕ ａ Ｕｎｖｒｉ ， ｈｎ ｓａ １ ８ ， ｈｎ ） ｏＥ ｃｉ ｎ ｏ ｎ ｎ ｎ ｔ ４ ０
有效性 。
关键词 ：调制识别 ；分形维数 ；高阶 累量 ；抗噪声性 能；特征参数
Ａｕ ｏｍａ ｃＲｅ ｏ ｎ ｔｏ ｇ ｒｔ ｔ ｉ ｔ ｃ ｇ ｉ ｎ Ａｌ ｏ ｉｈｍ ｏ ｇ ｔ ｌＭ ｏ ａ ｉ ｎ Ｓｉ ｎａ ｎ Ｃｏ ｍ ｕｎ ｃ ｔｏ ｉ ｆ ｒＤｉ ｉａ ｄｕ ｔｏ ｇ ｌ ｍ ｉ ｉａ ｎ ｉ
１ 引 言
对 于 通 信 系 统 来 说 ， 调 制 方 式 是 一 个 重 要特 征 ，
域远 未 发展 成 熟 。表 现 为 尚缺乏 一个 完整 的研究 体 系， 现有方 法缺 乏普适 性 、对 假设 条件依 赖较 多 、 如
识 别 性 能 没 有 一 个 统 一 的评 价 标 准 等 。 于 将 信 号 的 由
Ａｂｓｒ ｃ ：Ｉ ａ ａ ｇｏ ｄ ｎ ｓ ｉ ｍ ｕ ｉ ｏ ｔｋ ｔｅ ｈｇｈ ｏ ｄ ｒ ｃ ｍｍ ｕａ ｔ ｏ ｈ ｉｎ ｌａ ｉ ｈ ｓ ｃ ａ ａ ｔｒｓｉ ｔ ａ ｔ ｔ ｈ ｓ ｏ ｏｉｅ ｍ ｎｔ ｔ ａ ｅ ｈ ｉ —ｒｅ ｕ ｙ ｌｎｓ ｆ ｔｅ ｓｇ ａ ｓ ｔ ａ ｈ ｒ ｃｅ ｔｃ ｉ
ｉ ｅ ｔｆｅ Ｓ ，ｔｉ ｃ ｓ ａｙ ｔ ｒｎ ｎ ｆａ ｔ ｌ ｈ ｏ ． ｅｐ ｐ ｒｔｋｅ ｈ ｍ ｂ ｎ ｔ ｎ ｏ ｅｈｉｈ ｏ ｄ ｒｃ ｄ ｎ ｉ ｄ．Ｏ ｉ ｓｎｅ ｅ ｓ ｒ ｏ ｂ ｇ ｉ ｒ ｃａ ｅ ｒ Ｔｈ ａ ｅ ｉ ｉ ｔ ｙ ａ ｓｔｅｃ ｉ ａｉ ｆｔ ｇ — ｒ ｅ ｕｍｍ ｕ ａ ｔ ｎ ｏ ｈ ｌｎ ｓａ ｄ
ｍ ｏ ｕ ａｉ ｎｒ ｃ ｇ ｔｏ ， ｕ ｌｏ ｓ ｌｅ ｒｉ ｌ ｄ ｎ ｉ ｅ ｒ ｂ ｅ ｘｉｔｉ ｈ ｉｕ ｔｏ ｈ ｔ ａ ｅ ｏ ｄ ｒｃ ｄ ｌｔｏ ｅ ｏ ｎｉ ｎ ｂ ｔａｓ ｏｖ ｄ ｔ ｐａ ｔ ｅ ｔｆ ｄ ｐ ｏ ｌｍ ｅ ｓ ｔ ｅｓｔ ａｉ ｎｔ ａ ｋｅｔ ｒ ｅ ｕｍｕｌｎｓ ｉ ｈｅ ａｉ ｉ ｎ ｔ ｈ ａ ｔ ａ ｈ ｉｇ ｅｃ ａ ａ ｔｒｓｉ ａ ａ ｅｅ ｓ Ｓ ｍ ｕ ａｉｎ ｒ ｓ ｌ ｈ ｗ ｈ ｆｅ ｔ ｅ ｅ ｓｏ ｅａｇ ｒｔ ｍ ． ｓｔ ｅｓｎ ｌ ｈ ｒ ｃｅｉｔｃｐ ｒ ｍ ｔｒ ． ｉ ｌｔｏ ｅ ｕｔ ｓ ｏ ｔ ｅｅ ｃｉ ｎ ｓ ｆｔ ｌ ｏ ｉｈ ｓ ｖ ｈ Ｋ ｅ ｗｏｒ ｓ ｍ ｏ ｕ ａｉｎ ｒ ｃ ｇ ｉｉ ｎ ｆａ ｔｌ ｉ ｅ ｓｏ ； ｉ ｈ ｏ ｄ ｒ ｕ ｕ ａ ｔ； ｏ ｓ ｍ ｕ ｉ ｃ ａ ａ ｔｒｓｉ ａ ａ ｅ ｅ ｙ ｄ ： ｄ ｌｔ ｅ ｏ ｏ ｎ ｔｏ ； ｒ ｃ ｍ ｎ ｉ ｎ ｈ ｇ － ｒ ｅ ｍ ｌｎ ｓ ｎ ｉｅｉ ａ ｄ ｃ ｍ ｎ ｔ ｈ ｒ ｃ ｅ ｔ ｐ ｒｍ ｔｒ ｙ； ｉ ｃ
２１ ０ １年 第 ２ Ｏ卷 第 ６ 期
ｈｔ：ｗ ． Ｓ ．ｒ． ｔ ｌ ｗｗｃ — ｏｇｃ ｐｌ －ａ ｎ
计 算 机 系 统 应 用
通信中数字调பைடு நூலகம்信号 自动识别
江 艳 ，刘 宏 立 ，张 俊 臣 ，郭 湘 勇
（ 南 大 学 电气 与信 息工 程 学 院 ， 长 沙 ４ ０ ８ ） 湖 １ ０２
采用 不同调制方式传 输的信号往往体现 出不同的信号
特 性 。接 收 方 如 果 要 获 取 通 信 信 号 的 信 息 内容 ， 就 必
高价 累积量 （ 大于二 阶 ） 为信号 的特征 参数具有很 作 好 的抗 噪声性 能，因而，近些 年来对基于 高阶累积 的
须知道信号 的调制 方式和 调制参数 。通信 信号调制的 自动识别是指在未 知调制信息 内容 以及 调制参数的前 提下 ，判 断出信号所采用 的调制方式 ，并估计 出某些
摘
要 ：将 信号的高阶累积量作 为信号的特征参 数具有很好的抗噪声性 能。然 而，不 同调制信号提取 的高 阶累
积量参数 可能相同，造成不 能完全 识别。针对这种情况 ，引进 了分形理论 。提 出了将 信号的 高阶累积量和分形
维 数 结 合共 同 作 为 识 别 的 特 征 参 数 。 这 种 方 法 不 仅 很 好 的 避 免 了 高 斯 噪 声 对 调 制 识 别 产 生 的 影 响 ，并 且 解 决 了 单 一 的将 高 阶 累积 量 作 为 识 别 的特 征 参 数 中存 在 的 不 能 完 全 识 别 所 有 调 制 类 型 的 问题 。仿 真 结 果 证 明 了算 法 的
ｔ ｅｆａ ｔ ｌｄｍ ｅ ｓｏ ｓｔ ｅ ｃ ｒ ｃｅ ｓｉ ａ ａ ｅｅ ｓｏ ｅ ｓｇｎ １ ｔｎ ｔｏ ｙ ａ ｏ ｄ ｔ ｅ Ｇａ ｓ ｉｎ ｎ ｉｅ ｉ ｐ ｃ ｎ ｔ ｅ ｈ ｒ ｃａ ｉ ｎ ｉ ｎ ａ ｈ ｈａａ ｔ ｒ ｔｃ ｐ ｒ ｍ ｔ ｒ ｆｔ ｉ ａ． ｏ ｎｌ ｖ ｉ ｈ ｕ ｓａ ｏ ｓ ｍ ａ ｔｏ ｈ ｉ ｈ ｉ
ｐ ｒｍｅｅｓ Ｈｏ ｖ ￣ ｄｆｅｅ ｔｍｏ ｕａｉｎ ｔｐ ｙ ｈ ｖ ｈ ａ ｈ ａｔｒ ｔ ａａ ｔｒ， ｉｈ ｒｓ ｌ ｉ ａｔ ｌ ａａ ｔｒ． ｗｅ ｅ ｉ ｒｎ ｄ ｌｔ ｅｍａ ａ ｅｔｅｓｍｅ ｃ ａ ｃｅｉ ｉ ｐ ｍｅｅｓ ｗｈｃ ｅ ｕｔ ｎ ｐ ｒ ａ ｏ ｙ ｒ ｓｃ ｒ ｉ