基于高阶累积量通信调制信号类型的综合识别*

刘建林

（中国电子科技集团第五十四研究所 石家庄 050011）

1 引言

当今社会无线通信技术处于迅猛发展阶段，因此对数字信号调制识别和信号检测技术要求越来越高，通信信号调制分类识别成为当前的研究重点之一［1～2］。由于电磁环境日益复杂，调制信号类型日益复杂多样，因此对于调制信号自动识别技术需要不断改进和发展，对于调制信号自动识别这一难题，大量的研究人员和学者开展了新思路的探索和研究［3～4］。

目前，通信信号的调制识别一般可分为类间识别和类内识别［5～7］。类间识别是指对于不同的调制样式的识别。本文以典型采用不同阶数PSK和QAM类型区分识别位典型目标对象开展研究分析。类内识别是对同一调制样式的通信信号，但是调制阶数不同进行区分识别。例如，4PSK、8PSK和16PSK或者8QAM、16QAM和32QAM的判别。数字调制信号自动识别的步骤可大致分为预处理、特征提取和分类识别三部分组成［8～10］。其中预处理主要目的是经过变频滤波去噪等环节扩大信号调制特征的差异性，尽量消除低噪声对真实信号的影响，为后续提供合适输入信号数据；特征提取是对输入信号进行时域、频域或其他变换之后，再根据这些变换结果进一步提取出相关特征参数值；最后的分类识别是指根据上述提取完的特征参数以及利用合理的规则对输入的调制信号进行判决和归类。自动分类识别的处理流程如图1所示。

图1 自动分类识别处理流程

本文提出一直基于改进的高阶累积量调制信号识别算法。这种算法对高阶PSK和QAM调制信号提取多种高阶累积量这些特征参数，提高了在信噪比小于10dB情况下分类识别成功率。通过仿真结果表明本文提出的方法不仅在性能上比传统算法更优越，且设计简单，便于工程应用。

2 信号模型［11～13］

一般情况下在通信过程中，接收到的受噪声污染过的数字调制信号的模型可表示为

式中：A为信号幅度值；T为单个符号持续时间；f0为剩余载频分量；θn表示相位抖动；x(l)表示基带传输信号的符号序列；g(n)表示高斯白噪声。f0是序列对应的常量，而θn为不同接收符号对应的随机变量。

高阶调制信号通常是相对于低阶调制而言的，高阶调制一般是指4阶以上的PSK信号，QAM信号等。由于高阶调制可带来更好的频谱效率，因此在良好的信道环境条件中，为增加信息传输速率可选择高阶调制样式进行信息传输。

3 识别分类方法分析

3.1 高阶累积量［14～20］

高阶统计量可以反映信号的高阶统计特性，虽然高阶统计量的计算较为复杂，但合适的高阶累积量特征具有良好的抗噪特性，这是瞬时统计特征量所不具备的。因此对低信噪比信道环境下通信信号的调制识别时，基于高阶统计量的识别方法优势更明显且在一定程度上可以反映出高阶调制信号的统计分布状态，下面进行分析说明。

复数的随机过程假设为y()n，均值为零，其高阶矩定义为

式中，cum表示为求信号变量的高阶累积量。

在实际应用中，发送调制信号s(n)与高斯白噪声g(n)两者相互独立，因此根据累积量的性质可得：

由于零均值高斯白噪声大于二阶的累积量为零，则上式可表示为。即接收信号的高阶累积量值与发送信号的高阶累积量值相等，因此可将高斯白噪声影响消除。直接计算接收信号的高阶累积量，与发送端各调制信号的高阶累积量做对比，通过神经网络识别高阶累积量判决调制类型。

3.2 各调制信号特征参数提取

设输入信号的功率为E，利用算法平均来代替统计平均的方法，计算高阶数字调制信号的高阶累积量，各类信号的高阶累积量的理论值如表1所示。

表1 MPSK和MQAM的高阶累积量

为了消除相位抖动和信号能量的影响，取信号累积量的绝对值，构造以下特征参数：

对不同数字调相信号，可得特征参数f1值如下：

根据上式可知设置不同阈值可以识别出信号的调制类型，如特征参数f1与0比较可以识别出16PSK，与1比较可以识别出8PSK以此类推可以分别识别出这些信号的调制样式。

4 算法仿真验证

本系统在 Matlab中对 4PSK、8PSK、16PSK、16QAM、32QAM、64QAM六种调制信号类型分别进行仿真实验。仿真中各个调制信号参数设置如下：采样率为40kHz，载波频率为4kHz，噪声为高斯白噪声，信噪比数值设置为-3dB、-1dB、1dB、3dB、5dB、7dB、9dB、11dB、13dB。仿真时分别对每一种调制样式的每一种信噪比下产生1000个样本点。通过计算这些测试集的特征参数值即高阶累积量，最终计算出f1，根据特征值与门限对比最终得到识别正确率如表2所示。

表2 高阶累积量的识别正确率

从上表中可以看出，对于MQAM信号，可见信噪比大于5dB时，数字调制类型的正确率可达95%以上，MPSK信号在信噪比大于7dB时识别正确率也能达到95%以上。因此本文中提出的特征参数能够正确有效识别出以上调制样式，且用于计算比较特征参数的较少，识别复杂度较低，在低信噪比对各调制信号识别率较高。

5 结语

本文根据高阶累积量的理论基础，对每一种数字调制信号的二阶、四阶、六阶、八阶累积量进行推导和计算，并选取上述部分特征参数值进行识别数字调制信号的类型，从仿真结果能够看出本方法能够有效地抑制高斯白噪声的影响并且低信噪比情况下提高了调制信号识别率，经过一系列的仿真验证这种算法能够有效识别出4PSK、8PSK、16PSK、16QAM、32QAM和64QAM这几种数字调制信号。本文中提到的算法选取的特征参数较少，降低了识别调制信号的复杂度，并且提高了识别率，充分证明该算法具有很高的实用价值。