楊發(fā)權(quán)，李 贊，羅中良

（1.佛山科學(xué)技術(shù)學(xué)院 佛山528000；2.西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國家重點實驗室 西安710071；3.惠州學(xué)院 惠州516007）

1 引言

VHF頻段廣泛用于軍事和民用通信中，如電力、水利、氣象、石油、林業(yè)、勘探、煤礦、鐵路等行業(yè)，采用的調(diào)制方式主要包括AM、ASK、FM、FSK、DSB、SSB、單載波線性數(shù)字調(diào)制（SCLD）（如PSK、QAM）及循環(huán)前綴單載波線性數(shù)字調(diào)制（CP-SCLD）等，以實現(xiàn)通信、遙控、遙測、遙感、區(qū)域報警系統(tǒng)的數(shù)字信號傳輸。因而對該頻段信號進行調(diào)制識別以實現(xiàn)對通信信號的監(jiān)控、信號確認(rèn)、干擾辨識、電子救援及軍事威脅分析等，具有十分重要的意義[1,2]。

調(diào)制識別過程包括信號預(yù)處理、特征提取和分類識別3部分。信號預(yù)處理主要是為后續(xù)處理提供合適的數(shù)據(jù)，一般包括頻率下變頻、同向和正交分量分解、載波頻率和信號速率估計以及多徑信道均衡等；特征提取是從輸入的信號序列中提取對調(diào)制識別有用的信息，得到最能反映差別的特征；分類識別主要是判斷信號調(diào)制類型的從屬關(guān)系[3,4]。其中，特征值的提取目前主要采用的方法是分別提取瞬時頻域特征值、時域特征值，分析高階原點矩、高階累積量、小波變換、譜相關(guān)、循環(huán)譜相關(guān)、功率譜、星座圖、信號的峭度等[5～8]，并且取得了不錯的識別效果。但隨著信號環(huán)境的日益復(fù)雜，在高斯白噪聲嚴(yán)重干擾、相位頻率失真及時延等多種情況下，如何在現(xiàn)有識別技術(shù)方法的基礎(chǔ)上不斷創(chuàng)新、提高分類識別率仍然是一項頗具挑戰(zhàn)性的研究課題[9]。為此，本文采用信號的一階循環(huán)平穩(wěn)特性，提出一階循環(huán)均值算法，用于VHF頻段信號的調(diào)制分類識別，該算法不需要知道信號載波頻率、信號帶寬等信息，在信噪比很低的情況下，有較高的分類識別率。

2 一階循環(huán)平穩(wěn)識別特征參數(shù)

采用的一階循環(huán)平穩(wěn)識別參數(shù)主要有：一階循環(huán)頻率系列（CFS）、一階循環(huán)均值（CM）及CM的絕對值等。

其中，k={α：mr（α）≠0}為一階循環(huán)頻率系列，mr（α）代表一階循環(huán)頻率為時對應(yīng)的一階循環(huán)均值。對于具體信號，如某連續(xù)信號r（t），經(jīng)速率fS抽樣后所得信號為其一階循環(huán)均值與一階循環(huán)頻率系列之間的關(guān)系為：

一階循環(huán)頻率為α?xí)r，一階循環(huán)均值與抽樣次數(shù)k的關(guān)系[10]為：

對于VHF頻段各信號（如FSK或FM信號），以FSK為例，如果頻偏Δf=，n為整數(shù)，則FSK信號具有一階循環(huán)平穩(wěn)特性，在一階循環(huán)頻率為α?xí)r，一階循環(huán)均值及一階循環(huán)頻率系列分別為：

可見，非一階循環(huán)頻率對應(yīng)的一階循環(huán)均值等于0。在一階循環(huán)頻率為α?xí)r，一階循環(huán)均值與調(diào)制階數(shù)M、相位θ、時延t0、頻偏Δf及信噪比有關(guān)，根據(jù)式（5）一階循環(huán)均值的絕對值為：

該值與調(diào)制階數(shù)M和信噪比有關(guān)，隨著調(diào)制階數(shù)M的提高而下降，隨著信噪比的下降而下降。根據(jù)式(6)，一階循環(huán)頻率數(shù)目等于調(diào)制階數(shù)M，對于任何階數(shù)M，一階循環(huán)頻率與頻率頻偏Δf、抽樣頻率fS有關(guān)，兩個相鄰一階循環(huán)頻率間隙等于2fΔ。

對于VHF頻段中的AM或ASK信號，以AM信號為例，一階循環(huán)頻率為α?xí)r，一階循環(huán)均值和一階循環(huán)頻率系列可分別表示如下：

根據(jù)式（8），一階循環(huán)頻率為α?xí)r，一階循環(huán)均值的絕對值為：

對于VHF頻段中的SCLD及CP-SCLD信號，其n階平穩(wěn)時間參數(shù)用封閉形式表達(dá)，則一階循環(huán)頻率為α?xí)r，一階循環(huán)均值可表示為[11]：

其中，mS為信號星座圖各點的一階均值，ρ為過抽樣因子，對于星座圖對稱信號（如PSK和QAM信號），mS為0，對于任何一階循環(huán)頻率，一階循環(huán)均值均等于0。

對于VHF頻段其他信號（如DSB、SSB信號及噪聲），其w（t）是零均值的靜態(tài)過程，不呈現(xiàn)一階循環(huán)特性，因此一階循環(huán)均值不存在[12]。

3 一階循環(huán)均值識別算法及識別步驟

3.1 一階循環(huán)均值識別算法

本文采用的一階循環(huán)均值識別算法的步驟介紹如下。

（1）估測信號在一階循環(huán)頻率系列α′時一階循環(huán)均值的絕對值及在標(biāo)準(zhǔn)帶寬和抽樣速率一定的情況下在相同觀察時間間隙內(nèi)觀察到k個樣品的偏差范圍。設(shè)定信噪比低于某值（設(shè)為SNRco）時，對應(yīng)的一階循環(huán)均值的絕對值為截止值，用Vco表示，當(dāng)一階循環(huán)均值的絕對值高于或等于Vco時，對應(yīng)的一階循環(huán)頻率被選為算法下一步的檢測循環(huán)頻率（即候選循環(huán)頻率）。當(dāng)信噪比比SNRco高很多時，檢測所有一階循環(huán)頻率系列對應(yīng)循環(huán)均值的絕對值峰值；當(dāng)信噪比比SNRco低很多時，由于對應(yīng)循環(huán)均值的絕對值小于Vco，因而被忽略。

（2）檢查（1）中選擇的候選循環(huán)頻率值是否屬于一階循環(huán)頻率系列；估測每個循環(huán)頻率對應(yīng)的一階循環(huán)均值統(tǒng)計值，并與截止值進行比較，若在候選的循環(huán)頻率前提下其一階循環(huán)均值超過截止值，則所選擇的循環(huán)頻率數(shù)目可用于信號的分類與識別。

3.2 識別步驟

根據(jù)上述識別算法對VHF頻段信號進行分類識別，具體步驟如下：

（1）對待分類識別信號進行濾除帶外噪聲、下變頻及標(biāo)準(zhǔn)數(shù)字化處理；

（2）估測在標(biāo)準(zhǔn)抽樣頻率和信號帶寬范圍內(nèi)，一階循環(huán)頻率系列候選頻率對應(yīng)的一階循環(huán)均值；

（3）選擇一階循環(huán)均值絕對值超過Vco時對應(yīng)的一階循環(huán)系列候選循環(huán)頻率；

（4）通過循環(huán)平穩(wěn)測試決定選擇一階候選循環(huán)頻率數(shù)目；

（5）根據(jù)候選一階循環(huán)頻率數(shù)目實現(xiàn)對VHF頻段信號（包 括AM、ASK、MASK、FM、2FSK、MFSK、DSB、SSB、SCLD、CP-SCLD等）的分類識別。這樣在接收端如果檢測到單個一階循環(huán)頻率，可判斷接收信號為AM和ASK；如果檢測到兩個一階循環(huán)頻率，可判斷接收信號為2FSK；如果檢測到一階循環(huán)頻率為（2m-1+1，2m）內(nèi)的某數(shù)目M，可判斷接收信號為MFSK（M=2m，M≥4）；如果沒有檢測到一階循環(huán)頻率，則接收信號可識別為DSB、SSB、SCLD、CP-SCLD。

4 識別方法性能理論

第3.2節(jié)算法中第（2）步主要采用平穩(wěn)性測試方法尋找一階循環(huán)頻率及其數(shù)目，并把這些頻率作為一階循環(huán)候選頻率，這些頻率對應(yīng)的一階循環(huán)均值絕對值大于Vco，理論上在信噪比低于SNRco時，長數(shù)據(jù)序列一階循環(huán)均值絕對值均低于Vco，所以算法中通過平穩(wěn)測試方法不可能找到相應(yīng)的一階循環(huán)頻率，因而對信號的分類識別率為0；當(dāng)信噪比大于SNRco時，則可檢測到所有的一階循環(huán)頻率，這樣對AM或ASK信號的分類識別率等于算法中通過平穩(wěn)測試的概率，即通過一階循環(huán)頻率測試的概率為：

對于2FSK和MFSK信號的分類識別，檢測一階循環(huán)頻率數(shù)目為2時的概率和一階循環(huán)頻率在（2m-1+1，2m）個數(shù)的概率，即：

其中，P（N）是檢測N階循環(huán)頻率的概率。對于DSB、SSB、SCLD、CP-SCLD等信號，在理論上由于算法中的第（1）步無法選擇一階候選循環(huán)頻率，在算法第（2）步中就自然無法檢測到一階候選循環(huán)頻率個數(shù)，因此對這些信號在VHF頻段的分類識別概率為1。

5 仿真結(jié)果與硬件實現(xiàn)

采用MFSK和AM信號進行識別仿真，其中MFSK中的M分 別 取2、4、8，波特率分別為1.5 kHz、0.75 kHz、0.375 kHz，頻偏均為1/T（n=1）；AM信號取帶寬為3 kHz，接收端MFSK和AM信號功率相同，觀察時間間隙為1 s。調(diào)制信號m（t）由均值為0的高斯隨機序列經(jīng)過低通濾波器產(chǎn)生，取調(diào)制指數(shù)μA=0.3。設(shè)載波相位為θ，θ值在（-π，π）服從均勻分布，頻偏Δf=2 400 Hz。MFSK時延t0=0.6T，AM信號時延t0=10 fS-1，接收信號抽樣速率fS=48 kHz，截止值Vco=0.05，仿真實驗次數(shù)取1 000次。

5.1 一階循環(huán)均值絕對值與候選循環(huán)頻率的關(guān)系

在信噪比分別為20 dB、0、-13 dB和-20 dB時，4FSK信號一階循環(huán)均值的絕對值與對應(yīng)候選循環(huán)頻率α′關(guān)系的仿真結(jié)果如圖1所示。

圖1中α′的取值范圍為[-0.4,0.4]，隨著信噪比的下降，一階循環(huán)均值絕對值在α′=α處的波峰逐步下降直至 波峰不顯眼。在α′≠α處，由式（7）可 得 到SNRco值為-13.8 dB，在信噪比為20 dB時，在一階循環(huán)頻率α處的一階循環(huán)均值絕對值為0.25左右，和理論分析結(jié)果一致。

當(dāng)信噪比比SNRco大很多時，如圖1(a)、圖1(b)所示，所有一階循環(huán)頻率對應(yīng)的一階循環(huán)均值絕對值高于截止值0.05；當(dāng)信噪比在SNRco值附近或者比SNRco小很多時，對應(yīng)的一階循環(huán)均值絕對值均低于截止值0.05，如圖1(c)、圖1(d)所示。

在信噪比為20 dB時，AM、2FSK、2PSK和噪聲信號一階循環(huán)均值的絕對值與對應(yīng)候選循環(huán)頻率α′關(guān)系的仿真結(jié)果如圖2所示。

從圖2可知，AM和2FSK信號在α′≠α處的一階循環(huán)均值絕對值分別為1和0.5左右，而2PSK信號和噪聲則沒有這樣的波峰，并且其一階循環(huán)均值絕對值小于截止值0.05。

5.2 調(diào)制分類識別率

在相同的觀察時間間隙內(nèi)，信噪比不同的情況下，對VHF頻段中的AM、2FSK、4FSK、8FSK等信號進行調(diào)制識別分類，仿真結(jié)果如圖3所示。

比較圖3(a)和圖3(b)知，對于AM和2FSK信號，在信噪比較低的情況下就可以獲得較好的識別性能；對于4FSK、8FSK信號，分類識別率則差些，這是由于相同時間間隙內(nèi)，階數(shù)越高，在接收端觀察到的數(shù)據(jù)序列符號數(shù)目越少，使估測一階循環(huán)均值的精確度下降，導(dǎo)致很多一階循環(huán)頻率被遺漏，因而在缺乏足夠一階循環(huán)頻率先驗信息的情況下，識別分類的性能下降。仿真結(jié)果與理論分析性能十分接近，特別是在信噪比遠(yuǎn)大于SNRco值時，分類識別性能較好。

圖1 4FSK信號一階循環(huán)均值絕對值與候選循環(huán)頻率的關(guān)系

圖2 AM、2FSK和2PSK信號一階循環(huán)均值絕對值與對應(yīng)候選循環(huán)頻率的關(guān)系

圖3 調(diào)制分類識別仿真

圖3(c)是在不同的觀察時間間隙內(nèi)得到的2FSK信號的識別分類性能。當(dāng)觀察時間間隙較長時，觀察到的符號序列數(shù)目較多，在設(shè)置較低的截止值、允許減少相應(yīng)SNRco值的情況下，也可獲得較好的識別性能，反之隨著截止值的增加，在識別性能相同的情況下需要的信噪比增加。另外，在觀察時間間隙相同時，識別性能與頻偏有關(guān)，頻偏越小，識別性能越好。

5.3 硬件實現(xiàn)

硬件主要采用射頻信號發(fā)生器、A/D采集板、FPGA板、DSP開發(fā)板等實現(xiàn)。其中，射頻信號發(fā)生器采用美國IFR公司生產(chǎn)的型號為IFRZO31的射頻信號發(fā)生器，目的是產(chǎn)生實驗需要識別的VHF頻段中的AM、2FSK、4FSK、8FSK等各種調(diào)制信號；A/D采集板的主要作用是把射頻信號發(fā)生器產(chǎn)生的調(diào)制信號通過A/D轉(zhuǎn)換，得到數(shù)字調(diào)制信號的離散采樣值，主芯片采用Analog Device公司生產(chǎn)的AD9411-200，主要指標(biāo)為具有200 Mbit/s的最高采樣頻率；FPGA的主要作用是利用FPGA板上50 MHz晶振通過內(nèi)部倍頻為A/D采集板提供200 MHz的時鐘頻率，同時對A/D采樣之后傳輸?shù)臄?shù)據(jù)進行臨時存儲，主要核心芯片采用EP1C12Q240C6；DSP開發(fā)板采用型號為SEED-DEC6416的嵌入式DSP控制模塊系列，主要器件包括主頻可達(dá)1 GHz的高性能32 bit定點DSP（TMS320C6416T），外擴有高速大容量存儲器、標(biāo)準(zhǔn)USB 2.0控制模塊、2路接口標(biāo)準(zhǔn)可切換的RS232/RS422/RS485通用異步接口、標(biāo)準(zhǔn)的外部存儲器接口擴展總線和外設(shè)擴展端口，主要作用是進行復(fù)雜的數(shù)學(xué)運算，在本實驗中主要根據(jù)設(shè)定的一階循環(huán)均值算法程序?qū)π盘栠M行分類特征的提取、分類器決策函數(shù)值的計算以及中間結(jié)果的存儲等。

實驗中首先將一階循環(huán)均值算法程序?qū)懭隓SP，當(dāng)射頻信號發(fā)生器產(chǎn)生需要識別的各種VHF頻段調(diào)制信號時，經(jīng)過A/D采樣得到一組離散值，將結(jié)果傳入FPGA，DSP從FPGA中讀取該組數(shù)據(jù)，按照設(shè)定的一階循環(huán)均值算法對讀取的離散值（每2 048個點）進行一次分類特征提取，并刻畫該調(diào)制信號特點的分類器以實現(xiàn)對信號的調(diào)制識別。DSP識別出的調(diào)制方式信息通過USB接口傳給PC，由PC顯示識別結(jié)果。

6 結(jié)束語

通過一階循環(huán)均值算法對VHF頻段信號進行分析，實現(xiàn)對AM（含ASK）、FM（含F(xiàn)SK）、MFSK及其他調(diào)制信號（DSB、SSB、PSK、MPSK、QAM、MQAM）的調(diào)制分類識別，分類識別性能與調(diào)制階數(shù)M、載波相位θ、時延t0、頻偏Δf、信噪比SNR及觀察時間間隙等有關(guān)，在其他因素不變的情況下，調(diào)制階數(shù)越高、頻偏越小、觀察時間間隙越小，該算法的分類識別性能越差，仿真結(jié)果與理論分析非常接近，且分類識別性能較好，在信噪比大于-6 dB時，對VHF頻段上述4類信號的識別率可達(dá)到98%以上。

1 Jefferson S,Mengchou Z.Real-time modulation classification based on maximum likelihood.IEEE Communications Letters,2008,35(12):132～140

2 Wong M L D,Nandi A K.Semi-blind algorithms for automatie classifieatic for digital modulation schemes.Digital Signal Processingls,2008(1):209～227

3 Oka I,Fossorier M P C.A general othogonal modulation model for software radios.IEEE Transactions on Communications,2009,54(10):7～12

4 Cernazanu-Glavan C,Holban S.A model for determining the number of negative examples used in training a MLP.Innovations in Computing Sciences and Software Engineering,2010(1):537～542

5 侯健,王華奎.一種基于星座圖聚類的MQAM識別方法.無線電通信技術(shù),2009(3)：35～38

6 位小記,謝紅,郭慧.基于支持向量機的數(shù)字調(diào)制識別算法.電子設(shè)計工程,2011,35(6):89～91

7 王玉娥,張?zhí)祢U,白娟等.基于循環(huán)自相關(guān)的OFDM調(diào)制識別方法.電視技術(shù),2012,68(5)：44～48

8 張秀麗，李海清，李艷斌.基于譜域聯(lián)合特征的信號調(diào)制類型識別.無線通信技術(shù),2010,35(5):59～61

9 Avci E,Hanbay D,Varol A.An expert discrete wavelet adaptive network based fuzzy inference system for digital modulation recognition.Expert Systems with Applications,2007(3):582～589

10 Dobre O A,Abdi A,Bar-Ness Y,et al.Cyclostationarity-based modulation classification of linear digital modulations in flat fading channels.Wireless Personal Communications,2010,54(4):36～48

11 Ramkumar B.Automatic modulation classification for cognitive radios using cyclic feature detection.IEEE Circuits and Systems Magazine,2009,9(2):45～58

12 Qi Y,Peng T,Wang W B,et al.Cyclostationarity-based spectrum sensing for wideband cognitive radio.Proceedings of the 2009 WRI International Conference on Communications and Mobile Computing,2009,1(1):52～63