解輝 陳冠一 董慶軍 衛(wèi)曉奇

摘 ?要： 衛(wèi)星通信調(diào)制樣式識別與參數(shù)估計是空間信息對抗的重要內(nèi)容之一，在獲取制太空權(quán)、制信息權(quán)方面發(fā)揮著至關(guān)重要的作用。針對衛(wèi)星通信中常用通信信號的調(diào)制識別，在現(xiàn)有譜分析方法的基礎(chǔ)上，提出3種特征參量，豐富識別的信號樣式，完善了自動識別流程。該方法不需要精確的載頻和碼速率等先驗信息，同時能夠利用信號特征參數(shù)自動完成識別。仿真實驗驗證了所提算法的有效性，并對算法性能進行了分析。仿真結(jié)果表明，在 SNR為5 dB時所有信號的正確識別率均達到96%以上。

關(guān)鍵詞： 通信對抗; 調(diào)制識別; 參數(shù)估計; 循環(huán)譜; 包絡(luò)譜; 功率譜; 自動識別

中圖分類號： TN911.22?34 ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）11?0011?04

Abstract： The satellite communication modulation pattern recognition and parameter estimation are the important items of the spatial information countermeasure， and play the vital role in acquiring the controlling space right and controlling information right. On the basis of commonly?used communication signal modulation recognition in satellite communication and available spectral analysis method， three characteristic parameters are proposed to enrich the recognized signal pattern and perfect the automatic recognition process. The method can use the signal characteristic parameter to fulfill automatic recognition without accurate prior information such as carrier frequency and bit rate. The validity of the algorithm was verified with simulation experiments， and algorithm performance was analyzed. The simulation results show that the correct recognition rate of all the signals can reach 96% when the SNR is 5 dB.

Keywords： communication countermeasure; modulation recognition; parameter estimation; cyclic spectrum; envelope spectrum; power spectrum; automatic recognition

0 ?引 ?言

衛(wèi)星通信信號調(diào)制樣式識別與參數(shù)估計是空間信息對抗的重要內(nèi)容[1]，利用識別的調(diào)制樣式和估計的調(diào)制參數(shù)能夠引導(dǎo)解調(diào)器正確進行信號解調(diào)，從而能夠進一步獲取敵方通信信息，同時還能夠引導(dǎo)干擾設(shè)備發(fā)射調(diào)制樣式、信號參數(shù)與敵方通信信號完全匹配的干擾信號，對敵方通信鏈路進行干擾，與普通壓制式干擾信號相比，這種干擾信號更容易進入敵方通信接收機，發(fā)射功率小、干擾效率更高。因此，對衛(wèi)星通信信號調(diào)制樣式識別進行研究，在未來高技術(shù)條件下的空間信息對抗中，對獲取制太空權(quán)、制信息權(quán)方面具有十分重要的意義和作用[1]。

目前，衛(wèi)星通信調(diào)制識別的主要方法有基于判決理論[2?4]和統(tǒng)計模式[5?15]的識別方法。其中，判決理論主要依據(jù)概率論和假設(shè)檢驗中的似然比[3]和貝葉斯[4]判決理論進行識別，其關(guān)鍵是依據(jù)信號統(tǒng)計特性，選取最小代價函數(shù)得到檢驗統(tǒng)計量，并與判決門限進行比較實現(xiàn)調(diào)制方式的分類識別。該類方法的主要問題在于需要大量的先驗信息且統(tǒng)計量要很大才能獲得較好的分類識別效果，計算效率不高?；诮y(tǒng)計模式識別的方法主要有基于高階累積量[5?9]、星座圖[10?12]和譜分析[13?15]的識別方法。其中，基于差分高階累積量的方法需要精確的載頻和碼速率等先驗信息，而基于調(diào)制星座圖的識別方法對信噪比的要求較高。基于譜分析的方法主要利用不同調(diào)制信號的功率譜、平方譜、四次方譜、包絡(luò)譜等頻譜特征實現(xiàn)調(diào)制識別，但上述特征對于BPSK和UQPSK調(diào)制無法區(qū)別，且DSB，SSB，AM等模擬信號也沒有納入其處理流程。

本文從衛(wèi)星通信信號的中頻信號特征參數(shù)出發(fā)，在現(xiàn)有識別特征參數(shù)的基礎(chǔ)上，提出功率譜單頻分量檢測值、功率譜對稱指數(shù)和循環(huán)譜估計I，Q兩路功率比[p]等3個特征參量，分別用于識別AM，DSB，SSB信號，以及區(qū)別BPSK和UQPSK信號，同已有的6個特征參數(shù)相結(jié)合，給出常用衛(wèi)星通信信號的自動識別流程，偵察接收機對信號進行偵察接收和預(yù)處理之后，能夠依據(jù)特征參數(shù)全自動地對信號進行分類識別，且在5 dB的信噪比環(huán)境時，能夠?qū)λ行盘枌崿F(xiàn)96%以上的正確識別率。

1 ?信號特征分析

一般來說，特征提取是根據(jù)不同調(diào)制信號所固有的特征差異，充分利用各種方法和數(shù)學(xué)工具從信號的時域、頻域以及變換域等不同角度把這種差異提取出來，作為基本的特征數(shù)量較大，可作為特征選擇原始特征集的一部分。

1） 信號功率譜特征分析

信號功率譜直接反映調(diào)制信號中各頻率分量的功率分布。

PSK信號的功率譜不存在載波分量，而MFSK信號的功率譜存在載波分量，且載波分量個數(shù)與[M]有關(guān)[1]。

存在載波分量的信號（AM，2FSK，4FSK）和無載波分量信號（如BPSK，QPSK，8PSK，OQPSK，UQPSK， DSB，SSB等）在信號功率譜載頻處有很大的不同。AM信號的功率譜存在單載波分量，而MFSK信號的功率譜中存在多載波分量（2FSK有2個載波分量，4FSK有4個載波分量），因此載波分量的個數(shù)可用于它們的識別。

2） 信號平方譜特征分析

根據(jù)文獻[1]可知，BPSK，UQPSK，OQPSK信號的平方譜存在單頻分量，其中，OQPSK信號的平方譜在[2fc±1T]處有兩個單頻分量。而其他的PSK信號和DSB，SSB信號則無此特征。因此，可以根據(jù)信號的平方譜是否存在單頻分量和單頻分量的個數(shù)對{BPSK，UQPSK}，OQPSK，{QPSK，8PSK}信號進行識別。

3） 信號循環(huán)譜特征分析

BPSK信號和UQPSK信號的平方譜特征相似，不能利用平方譜特征來識別?？紤]到BPSK信號只有一路，而UQPSK信號是由功率比為[p]的I，Q兩路信號構(gòu)成，因此可以通過估計I，Q兩路的功率比[p]對BPSK和UQPSK信號進行識別。

4） 信號的四次方譜特征分析

利用信號的四次方譜特征可對QPSK，pi/4?QPSK，8PSK信號進行識別。QPSK信號的四次方譜在[4fc]處存在譜線，pi/4?QPSK信號的四次方譜在[4fc±12T]處存在兩條譜線，而8PSK信號四次方譜不存在譜線。

5） 包絡(luò)譜特征

PSK信號的包絡(luò)譜中在[1T]處存在譜線[1]。而DSB，SSB信號的包絡(luò)譜中不存在單頻分量。利用這個特征可以對8PSK和DSB，SSB信號進行識別。

2 ?識別特征參數(shù)

特征參數(shù)是實現(xiàn)自動調(diào)制識別的主要判決依據(jù)，目前現(xiàn)有文獻常用的特征常數(shù)有6個，分別為：

1） 信號平方譜單頻分量檢測值[C2];

2） 信號四次方譜單頻分量檢測值[C4];

3） 信號包絡(luò)譜單頻分量檢測值[Ca];

4） 功率譜單頻分量數(shù)[N1]。譜峰數(shù)主要用于多譜峰信號的分類，如2FSK和4FSK;

5） 平方譜單頻分量數(shù)[N2];

6） 四次方譜單頻分量數(shù)[N4]。

本文又提出3個特征參數(shù)，綜合文獻中的特征參數(shù)，使得調(diào)制識別的信號樣式更加豐富。

1） 信號功率譜單頻分量檢測值[C1];

2） 功率譜對稱指數(shù)[L]。對稱指數(shù)可以描述頻譜對稱性，定義為：

通過計算功率譜對稱指數(shù)[L]可以對DSB和SSB信號進行識別。為了提高該參數(shù)的穩(wěn)定性，可以進一步對頻譜做平滑濾波，防止由于頻譜估計的隨機誤差而帶來的錯誤。

3） 循環(huán)譜估計I，Q兩路功率比[p]。

3 ?識別流程

根據(jù)以上分析，計算信號特征參數(shù)后，可按圖1所示流程完成自動識別。

圖1 ?調(diào)制樣式自動識別流程

4 ?性能仿真與分析

針對衛(wèi)星通信中常用的BPSK，QPSK，OQPSK，UQPSK，8PSK，pi/4?QPSK，2FSK，4FSK，AM，DSB，SSB等信號，進行了計算機仿真。采樣頻率[fs]為100 MHz，中心頻率為70 MHz，碼元速率為5 MHz。衛(wèi)星信道是 AWGN信道，并且進行限帶濾波，帶寬為調(diào)制信號帶寬的2倍。每個識別樣本用131 072個樣點，每個信號在同一信噪比下仿真500 次。

在不同信噪比下對各種調(diào)制信號的正確識別次數(shù)和錯誤識別次數(shù)進行了大量仿真。信噪比為 5～15 dB時各類信號的正確識別率曲線如圖2所示。

圖2 ?不同調(diào)制樣式識別正確率隨信噪比變化曲線

從仿真結(jié)果中可以看出，在信噪比為5 dB 時，所有信號都達到了96%以上的正確識別率，且正確識別率隨著信噪比的增加而提高。因此本文的信號識別流程有效，文中提出的3個特征參量未對原有識別效果造成影響，且對AM，DSB，SSB信號進行了有效識別，對BPSK和UQPSK信號進行了區(qū)分。

5 ?結(jié) ?語

衛(wèi)星通信調(diào)制樣式識別是衛(wèi)星通信偵察的重要內(nèi)容，為對截獲信號進行正確解調(diào)和欺騙干擾提供前提和保證。本文對偵察接收機截獲的中頻通信信號的譜特征進行歸納分析，通過分析信號的譜特征，在現(xiàn)有識別特征參數(shù)的基礎(chǔ)上，又提出3種用于識別的特征參量，豐富了調(diào)制識別的信號樣式，完善了調(diào)制樣式自動識別的總體流程。最后對算法性能進行計算機仿真，仿真結(jié)果表明在準確載頻、帶寬及信噪比未知的情況下，本文識別算法可有效對各種通信信號進行分類識別，并且在較低信噪比下仍具有很好的識別準確率。

參考文獻

[1] 馬兆宇，韓福麗，謝智東，等.衛(wèi)星通信信號體系調(diào)制識別技術(shù)[J].航空學(xué)報，2014，35（12）：3403?3414.

MA Zhaoyu， HAN Fuli， XIE Zhidong， et al. Modulation recognition technology of satellite communication signal system [J]. Acta aeronautica et astronautica sinica， 2014， 35（12）： 3403?3414.

[2] 陳紅，蔡曉霞，徐云，等.基于多重分形特征的通信調(diào)制方式識別研究[J].電子與信息學(xué)報，2016，38（4）：863?868.

CHEN Hong， CAI Xiaoxia， XU Yun， et al. Communication modulation recognition based on multi?fractal dimension characteristics [J]. Journal of electronics & information technology， 2016， 38（4）： 863?868.

[3] 吳斌，袁亞博，汪勃.基于記憶因子的連續(xù)相位調(diào)制信號最大似然調(diào)制識別[J].電子與信息學(xué)報，2016，38（10）：2546?2552.

WU Bin， YUAN Yabo， WANG Bo. Maximum likelihood modulation recognition for continuous phase modulation signals using memory factor [J]. Journal of electronics & information technology， 2016， 38（10）： 2546?2552.

[4] 付俊強，李蓉，趙成林，等.基于貝葉斯序貫推理的自適應(yīng)調(diào)制識別算法[J].系統(tǒng)工程與電子技術(shù)，2015，37（12）：2860?2864.

FU Junqiang， LI Rong， ZHAO Chenglin， et al. Sequential Bayesian inference based adaptive modulation recognition algorithm [J]. Systems engineering and electronics， 2015， 37（12）： 2860?2864.

[5] 何斌.基于高階累積量的調(diào)制識別技術(shù)的研究[J].信息通信，2017（1）：34?35.

HE Bin. Research on the technology of modulation types recognition based on higher order cumulant [J]. Information & communications， 2017（1）： 34?35.

[6] 曾創(chuàng)展，賈鑫，劉淑茜.一種簡單多徑信道下的調(diào)制識別方法[J].電訊技術(shù)，2015，55（11）：1266?1271.

ZENG Chuangzhan， JIA Xin， LIU Shuqian. A modulation re?cognition method under simple multipath channel [J]. Telecommunication engineering， 2015， 55（11）： 1266?1271.

[7] 孔豫京，黃焱，馬金全.基于實歸一化壓縮循環(huán)統(tǒng)計量的調(diào)制識別方法[J].信息工程大學(xué)學(xué)報，2016，17（1）：41?47.

KONG Yujing， HUANG Yan， MA Jinquan. Modulation recognition methods based on real normalized compression cyclic statistics [J]. Journal of Information Engineering University， 2016， 17（1）： 41?47.

[8] 張紅超，歐陽喜，張冬玲.盲接收條件下單信道時頻混疊信號的調(diào)制識別[J].信息工程大學(xué)學(xué)報，2016，17（1）：34?40.

ZHANG Hongchao， OUYANG Xi， ZHANG Dongling. Modulation recognition for time?frequency overlapped signals in single?channel under blind reception conditions [J]. Journal of Information Engineering University， 2016， 17（1）： 34?40.

[9] 陳澤藝.基于循環(huán)譜和高階累積量的聯(lián)合模式識別方法[J].電訊技術(shù)，2015，55（3）：328?332.

CHEN Zeyi. A combined modulation recognition based on cyclic spectrum and high?order cumulants [J]. Telecommunication engineering， 2015， 55（3）： 328?332.

[10] 張洋，彭華.單通道混合信號調(diào)制識別[J].信息工程大學(xué)學(xué)報，2016，17（6）：662?668.

ZHANG Yang， PENG Hua. Modulation recognition for mixed signals in single channel [J]. Journal of Information Enginee?ring University， 2016， 17（6）： 662?668.

[11] 崔旭，熊剛.一種基于星座圖模糊分析的數(shù)字調(diào)制識別方法[J].通信技術(shù)，2016，49（9）：1155?1158.

CUI Xu， XIONG Gang. Digital modulation recognition based on constellation diagram fuzzy analysis [J]. Communications technology， 2016， 49（9）： 1155?1158.

[12] 陸珊珊，王偉，王國玉.幅相調(diào)制信號的星座圖恢復(fù)與調(diào)制方式識別[J].國防科技大學(xué)學(xué)報，2016，38（3）：130?134.

LU Shanshan， WANG Wei， WANG Guoyu. Constellation recovery and modulation recognition for multiple quadrature amplitude modulation signals [J]. Journal of National University of Defense Technology， 2016， 38（3）： 130?134.

[13] 劉瑩，單洪，胡以華，等.基于譜分析的衛(wèi)星通信調(diào)制識別算法[J].火力與指揮控制，2017，42（1）：45?48.

LIU Ying， SHAN Hong， HU Yihua， et al. Automatic recognition based on spectral feature in satellite communication [J]. Fire control & command control， 2017， 42（1）： 45?48.

[14] 曾創(chuàng)展，賈鑫，劉淑茜.一種單信道時頻重疊信號調(diào)制識別方法[J].電訊技術(shù)，2015，55（10）：1164?1169.

ZENG Chuangzhan， JIA Xin， LIU Shuqian. A modulation re?cognition method for time?frequency overlapped signals in single channel [J]. Telecommunication engineering， 2015， 55（10）： 1164?1169.

[15] 于洋，李孝嚴，張曉春.BPSK，QPSK，UQPSK，64QAM信號自動調(diào)制識別[J].電子科技，2015，28（1）：49?52.

YU Yang， LI Xiaoyan， ZHANG Xiaochun. Automatic modulation recognition of BPSK， QPSK， UQPSK and 64QAM signals [J]. Electronic science and technology， 2015， 28（1）： 49?52.