调制信号识别ppt课件
合集下载
相关主题
- 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)。
18
• 零中心归一化非弱信号段的标准偏差
2
a
1 C
an iat
ac2n
1
i
C
an iat
acn
i
可区分PSK和QAM信号 ，设定适当门限加
以识别。
• 零中心归一化瞬时幅度绝对值的标准偏差
aa
1
N
N i1
a2 cn
i
1 N
N i 1
acn
i
2
用来区分2ASK信号和4ASK信号 ，对2ASK， 该值为0；对4ASK，该值不为0。
17
特征提取
• 谱宽因子 PBW ：用来来区分ASK信号和FSK， PSK及QAM信号。
• 短时频谱峰数 NPF ：可以区分2FSK信号、 4FSK和PSK及16QAM信号，对2FSK为2， 对4FSK为4，而对PSK和16QAM信号为1。
• 短时相位峰数 NPP ：反映了信号中的相位数。 可区分BPSK、QPSK、8PSK和16QAM信 号。在0 ~ 2π间，BPSK信号有2个峰， QPSK和16QAM有4个峰，而8PSK有8个峰。
调制信号识别
1
内容安排
• 定义及背景 • 识别过程介绍及方法分类 • 一些已提出的方法介绍
2
背景及定义
• 调制信号识别是信号检测和信号解调之间 的重要步骤，它的目的就是在没有其他先 验知识的情况下，通过对接收信号的处理， 判断出信号的调制方式，并估计出相应的 调制参数。其主要在两方面得到了应用： 一方面是软件无线电系统，保证不同体制 通信系统之间实现互通互联；二是电子战 系统，为截获信息和选择最佳干扰样式提 供依据。
19
识别流程
数字调制信号识别
YBaidu Nhomakorabea
N
PBW t PBW
=2
N PF
>2
=1
=2
N PP
>5
=3,4,5 Y
a t a
N
2FSK 4FSK BPSK 8PSK
QPSK
16QAM
aa t aa
N
2ASK
Y 4ASK
20
方法总结
• 仿真结果中得出，在SNR从0~20dB整个范 围内都有很高的识别率，也即本方法对噪 声不敏感。仅当SNR=0dB时，由于瞬时幅 度受噪声影响大，造成对2ASK和4ASK的 识别率降低，但仍达到90%以上。而对其 它调制方式的信号识别率都在97%以上。
• 神经网络分类器具有强大的模式识别能力，能够 自动适应环境变化，较好处理复杂的非线性问题， 而且具有较好的稳健性和潜在的容错性，可获得 较高的识别率。
10
识别方法分类
• 基于基本时域、频域和功率谱特征的方法 • 基于小波理论的方法 • 基于分形理论的方法 • 基于信号的星座图的方法 • 基于混沌理论的方法 • 基于复杂度理论的方法 • 基于人工神经网络的方法
3
• 调制方式是区别不同性质通信信号的一个 重要特征。对于接收信号，要想正确解调， 分析接收信号或者进行干扰，必须能够正 确识别信号的调制方式，然后采取相应的 解调方法或干扰方法。
4
识别过程
• 调制识别问题实质上是一种典型的模式识 别问题
调制信号 信号 预处理
特征 提取
分类 识别
5
调制信号 信号 预处理
• 该方法有很高的识别率和抗干扰能力，有 较好的工程应用价值。
21
基于决策理论的方法
• 该方法用短时分析提取数字调制信号在幅 度、频率和相位随时间变化的特征，并利 用这些特征对各种数字调制信号进行识别。 在加性高斯白噪声条件下给出了相应的最 佳阈值，并通过仿真研究了该识别方法的 性能。
• 仿真结果表明该方法对噪声不敏感，在 SNR为0dB时仍能获得90%以上的正确识别 率。
16
• 文中提出的识别方法，能够对2ASK、 4ASK、2FSK、4FSK、BPSK、QPSK、 8PSK、16QAM信号有效识别 。
特征 提取
分类 识别
• 信号预处理部分的主要功能是为后续处理 提供合适的数据；特征提取部分是从输入 的信号序列中提取对调制识别有用的信息； 分类识别部分的主要功能是判断信号调制 类型的从属关系。
6
信号预处理
• 频率下变频 、载频估计、同相正交分量分 解等。
• 在多发射源环境中，隔离各个信号，保证 一次只有一个信号进入后续的调制识别环 节。
9
两种分类器
• 决策树分类器采用多级分类结构，每级结构根据 一个或多个特征参数分辨出某类调制类型，再下 一级结构又根据一个或多个特征参数，再分辨出 某类调制类型，最终能对多种类型进行识别。这 种分类器结构相对简单，实时性好，但需要事先 确定判决门限，自适应性差，适合分类特征参数 区分很好的信号识别。
14
优点与不足
• 算法简单，速度快，宜运用于实时性要求 较高的场合。
• 窗口宽度N与抽样频率对移动窗口平均频率 算法的性能有较大的影响，若选择不合适， 会产生一定的分析误差。如何合理选择N和 抽样频率还有待进一步研究。
• 其仿真验证是是在二进制信号上进行，识 别类型少，有很大局限性。
15
基于短时分析的调制信号识别方法
13
• 该算法通过移动窗口来截取信号，并计算 窗口内信号平均频率来获得信号的时频分 布，具有算法简单、运算速度快的特点 。
• ASK、FSK、PSK等数字调制信号均为非平 稳的随机信号，在时频分布上存在着差异， 若采用移动窗口平均频率算法对数字调制 信号进行时频分析，再根据信号时频分布 的差异识别调制信号类型一方面可以显著 提高系统的实时性；另一方面，由于对时 频分布曲线进行了滤波处理，能够提高信 号识别的抗干扰性能和识别精度。
7
特征提取
• 特征提取部分是从数据中提取信号的时域 特征或变换域特征。时域特征包括信号的 瞬时幅度、瞬时相位或瞬时频率的特征参 数或其它统计参数。变换域特征包括功率 谱、谱相关函数、时频分布及其它统计参 数。
8
分类识别
• 选择和确定合适的判决规则和分类器结构， 主要采用决策树结构的分类器和神经网络 结构的分类器。
11
基于窗口平均频率算法的调制信号识别
系统组成：
信号截取与采样
是 判断是否为噪声
否 计算时频分布
特征识别
时频分布滤波
12
算法思想：
• 用一个宽度为N的矩形窗去截取采集到的已 离散化处理的信号x(n)，得到N点数据，对 这N点数据进行离散傅里叶变换(DFT)得到 这N点数据的频谱。
• 计算窗口内平均频率。 • 获得时频分布曲线。 • 滤除算法产生的交叉干扰。
• 零中心归一化非弱信号段的标准偏差
2
a
1 C
an iat
ac2n
1
i
C
an iat
acn
i
可区分PSK和QAM信号 ，设定适当门限加
以识别。
• 零中心归一化瞬时幅度绝对值的标准偏差
aa
1
N
N i1
a2 cn
i
1 N
N i 1
acn
i
2
用来区分2ASK信号和4ASK信号 ，对2ASK， 该值为0；对4ASK，该值不为0。
17
特征提取
• 谱宽因子 PBW ：用来来区分ASK信号和FSK， PSK及QAM信号。
• 短时频谱峰数 NPF ：可以区分2FSK信号、 4FSK和PSK及16QAM信号，对2FSK为2， 对4FSK为4，而对PSK和16QAM信号为1。
• 短时相位峰数 NPP ：反映了信号中的相位数。 可区分BPSK、QPSK、8PSK和16QAM信 号。在0 ~ 2π间，BPSK信号有2个峰， QPSK和16QAM有4个峰，而8PSK有8个峰。
调制信号识别
1
内容安排
• 定义及背景 • 识别过程介绍及方法分类 • 一些已提出的方法介绍
2
背景及定义
• 调制信号识别是信号检测和信号解调之间 的重要步骤，它的目的就是在没有其他先 验知识的情况下，通过对接收信号的处理， 判断出信号的调制方式，并估计出相应的 调制参数。其主要在两方面得到了应用： 一方面是软件无线电系统，保证不同体制 通信系统之间实现互通互联；二是电子战 系统，为截获信息和选择最佳干扰样式提 供依据。
19
识别流程
数字调制信号识别
YBaidu Nhomakorabea
N
PBW t PBW
=2
N PF
>2
=1
=2
N PP
>5
=3,4,5 Y
a t a
N
2FSK 4FSK BPSK 8PSK
QPSK
16QAM
aa t aa
N
2ASK
Y 4ASK
20
方法总结
• 仿真结果中得出，在SNR从0~20dB整个范 围内都有很高的识别率，也即本方法对噪 声不敏感。仅当SNR=0dB时，由于瞬时幅 度受噪声影响大，造成对2ASK和4ASK的 识别率降低，但仍达到90%以上。而对其 它调制方式的信号识别率都在97%以上。
• 神经网络分类器具有强大的模式识别能力，能够 自动适应环境变化，较好处理复杂的非线性问题， 而且具有较好的稳健性和潜在的容错性，可获得 较高的识别率。
10
识别方法分类
• 基于基本时域、频域和功率谱特征的方法 • 基于小波理论的方法 • 基于分形理论的方法 • 基于信号的星座图的方法 • 基于混沌理论的方法 • 基于复杂度理论的方法 • 基于人工神经网络的方法
3
• 调制方式是区别不同性质通信信号的一个 重要特征。对于接收信号，要想正确解调， 分析接收信号或者进行干扰，必须能够正 确识别信号的调制方式，然后采取相应的 解调方法或干扰方法。
4
识别过程
• 调制识别问题实质上是一种典型的模式识 别问题
调制信号 信号 预处理
特征 提取
分类 识别
5
调制信号 信号 预处理
• 该方法有很高的识别率和抗干扰能力，有 较好的工程应用价值。
21
基于决策理论的方法
• 该方法用短时分析提取数字调制信号在幅 度、频率和相位随时间变化的特征，并利 用这些特征对各种数字调制信号进行识别。 在加性高斯白噪声条件下给出了相应的最 佳阈值，并通过仿真研究了该识别方法的 性能。
• 仿真结果表明该方法对噪声不敏感，在 SNR为0dB时仍能获得90%以上的正确识别 率。
16
• 文中提出的识别方法，能够对2ASK、 4ASK、2FSK、4FSK、BPSK、QPSK、 8PSK、16QAM信号有效识别 。
特征 提取
分类 识别
• 信号预处理部分的主要功能是为后续处理 提供合适的数据；特征提取部分是从输入 的信号序列中提取对调制识别有用的信息； 分类识别部分的主要功能是判断信号调制 类型的从属关系。
6
信号预处理
• 频率下变频 、载频估计、同相正交分量分 解等。
• 在多发射源环境中，隔离各个信号，保证 一次只有一个信号进入后续的调制识别环 节。
9
两种分类器
• 决策树分类器采用多级分类结构，每级结构根据 一个或多个特征参数分辨出某类调制类型，再下 一级结构又根据一个或多个特征参数，再分辨出 某类调制类型，最终能对多种类型进行识别。这 种分类器结构相对简单，实时性好，但需要事先 确定判决门限，自适应性差，适合分类特征参数 区分很好的信号识别。
14
优点与不足
• 算法简单，速度快，宜运用于实时性要求 较高的场合。
• 窗口宽度N与抽样频率对移动窗口平均频率 算法的性能有较大的影响，若选择不合适， 会产生一定的分析误差。如何合理选择N和 抽样频率还有待进一步研究。
• 其仿真验证是是在二进制信号上进行，识 别类型少，有很大局限性。
15
基于短时分析的调制信号识别方法
13
• 该算法通过移动窗口来截取信号，并计算 窗口内信号平均频率来获得信号的时频分 布，具有算法简单、运算速度快的特点 。
• ASK、FSK、PSK等数字调制信号均为非平 稳的随机信号，在时频分布上存在着差异， 若采用移动窗口平均频率算法对数字调制 信号进行时频分析，再根据信号时频分布 的差异识别调制信号类型一方面可以显著 提高系统的实时性；另一方面，由于对时 频分布曲线进行了滤波处理，能够提高信 号识别的抗干扰性能和识别精度。
7
特征提取
• 特征提取部分是从数据中提取信号的时域 特征或变换域特征。时域特征包括信号的 瞬时幅度、瞬时相位或瞬时频率的特征参 数或其它统计参数。变换域特征包括功率 谱、谱相关函数、时频分布及其它统计参 数。
8
分类识别
• 选择和确定合适的判决规则和分类器结构， 主要采用决策树结构的分类器和神经网络 结构的分类器。
11
基于窗口平均频率算法的调制信号识别
系统组成：
信号截取与采样
是 判断是否为噪声
否 计算时频分布
特征识别
时频分布滤波
12
算法思想：
• 用一个宽度为N的矩形窗去截取采集到的已 离散化处理的信号x(n)，得到N点数据，对 这N点数据进行离散傅里叶变换(DFT)得到 这N点数据的频谱。
• 计算窗口内平均频率。 • 获得时频分布曲线。 • 滤除算法产生的交叉干扰。