閆曉峰，吳治霖，熊 剛

（1.海軍裝備部，四川 成都 610036；2.中國(guó)電子科技集團(tuán)公司第三十研究所，四川 成都 610041）

0 引言

隨著通信技術(shù)的迅猛發(fā)展，衛(wèi)星信號(hào)傳輸系統(tǒng)已經(jīng)成為信息通信中的重要組成部分，發(fā)揮著樞紐作用。衛(wèi)星通信信號(hào)在各領(lǐng)域得到了廣泛運(yùn)用，包括導(dǎo)航測(cè)控、信息廣播、通信中繼、地球遙感和軍事偵察監(jiān)視等。由于網(wǎng)電空間環(huán)境的日益復(fù)雜和干擾信號(hào)的增加，開展衛(wèi)星信號(hào)識(shí)別研究具有迫切的意義，可以實(shí)現(xiàn)頻譜監(jiān)管、電磁干擾識(shí)別和空間電子對(duì)抗等方面的應(yīng)用。信號(hào)識(shí)別的目的是根據(jù)不同類型信號(hào)的特征進(jìn)行分析，從而判斷出待識(shí)別信號(hào)的類型，也是后續(xù)完成解調(diào)分析的參數(shù)前提。據(jù)報(bào)道，2007 年美軍研發(fā)了一種稱作地面威脅智能識(shí)別的系統(tǒng)（Intelligent Surface Threat Identification System，ISTIS），可利用信號(hào)的調(diào)制特征進(jìn)行目標(biāo)分類。經(jīng)過(guò)多年的積累，它的調(diào)制識(shí)別技術(shù)更成熟更實(shí)用化。因此，美國(guó)防高級(jí)計(jì)劃研究局（Defense Advanced Research Projects Agency，DARPA） 認(rèn)為調(diào)制識(shí)別是實(shí)現(xiàn)網(wǎng)電態(tài)勢(shì)感知的關(guān)鍵，有利于從密集的電磁頻譜中挖掘出更多情報(bào)信息。美國(guó)國(guó)家航空航天局（National Aeronautics and Space Administration，NASA）目前也把調(diào)制識(shí)別技術(shù)作為太空認(rèn)知通信系統(tǒng)的重點(diǎn)之一，利用信號(hào)環(huán)境和時(shí)空信道參數(shù)，根據(jù)相應(yīng)調(diào)制類型可達(dá)成自動(dòng)接收器配置、干擾抑制等效果，從而動(dòng)態(tài)優(yōu)化通信鏈路。

在衛(wèi)星通信過(guò)程中，由于傳輸距離長(zhǎng)，受環(huán)境因素影響大，信道衰落較大，信噪比波動(dòng)大，給衛(wèi)星信號(hào)調(diào)制識(shí)別問(wèn)題帶來(lái)了一定挑戰(zhàn)，已引起國(guó)內(nèi)外研究人員和學(xué)者的重視[1]?；谂袥Q理論的方法主要根據(jù)假設(shè)檢驗(yàn)似然比和概率論得出識(shí)別結(jié)果[2]。此類方法可得到檢測(cè)統(tǒng)計(jì)量，但需要先驗(yàn)知識(shí)，運(yùn)算量一般較大。基于統(tǒng)計(jì)模式的方法需要特征提取和分類識(shí)別兩個(gè)步驟，常用的特征有星座圖、瞬時(shí)參量等，但有的思路須較高的信噪比（如星座圖算法和瞬時(shí)參量算法等），有的思路無(wú)法區(qū)分不同階調(diào)制信號(hào)（如譜分析法），有的思路則計(jì)算復(fù)雜度相對(duì)較高（如基于小波變換思路等）[3]。

針對(duì)以上問(wèn)題，本文針對(duì)衛(wèi)星信號(hào)的特點(diǎn)，提出了一種改進(jìn)方法。該方法提取混合高階矩特征，使得可識(shí)別的信號(hào)類型集合擴(kuò)展，有利于區(qū)分各階調(diào)制的信號(hào)，尤其適用于高階調(diào)制的衛(wèi)星信號(hào)，并結(jié)合采用前饋型多層神經(jīng)網(wǎng)絡(luò)進(jìn)一步提高了分類器的性能和識(shí)別準(zhǔn)確率，在低信噪比條件下魯棒性仍較好。在參數(shù)設(shè)置方面，通過(guò)進(jìn)行優(yōu)化計(jì)算且綜合考慮信道放大器等因素，增加了復(fù)雜環(huán)境中的分類效率。該方法實(shí)用性強(qiáng)，識(shí)別率高，無(wú)需太多先驗(yàn)信息，且適合密集的頻譜環(huán)境，能識(shí)別多種類型衛(wèi)星信號(hào)，包含BPSK 信號(hào)、QPSK 信號(hào)、16QAM 信號(hào)、64QAM 信號(hào)、16APSK 信號(hào)和32APSK 信號(hào)等。

1 信號(hào)模型分析

典型的衛(wèi)星信號(hào)有DVB-S2（數(shù)字衛(wèi)星廣播）信號(hào)、全球定位系統(tǒng)（Global Positioning System，GPS）信號(hào)、跟蹤與數(shù)據(jù)中繼衛(wèi)星（Tracking and Data Relay Satellite System，TDRSS） 信號(hào)、國(guó)際海事移動(dòng)衛(wèi)星（INternational MARitime SATallite，INMARSAT）信號(hào)和美空軍衛(wèi)星控制網(wǎng)（Air Force Satellite Control Network，AFSCN）信號(hào)等。其中，DVB-S2 信號(hào)具有高數(shù)據(jù)傳輸率，已受到了極其廣泛的關(guān)注。在DVB-S2 標(biāo)準(zhǔn)中，定義了QPSK、8PSK、16APSK 以及32APSK 多種調(diào)制可供選擇。與傳統(tǒng)QAM 類型相比，新型的高階APSK 類型便于實(shí)現(xiàn)變速率調(diào)制，具有更高的頻譜利用率，標(biāo)志著衛(wèi)星通信技術(shù)的進(jìn)步，但也增大了調(diào)制識(shí)別的難度。此外，因?yàn)榘瑢?dǎo)頻序列和報(bào)頭，實(shí)際的DVB-S2 信號(hào)是非平穩(wěn)信號(hào)，會(huì)導(dǎo)致過(guò)去一些識(shí)別算法失效，故需對(duì)信號(hào)的數(shù)學(xué)模型進(jìn)行深入分析。

接收機(jī)在變頻、濾波處理后得到的含噪聲衛(wèi)星信號(hào)數(shù)字表達(dá)式一般可表示為：

式中，A表示衛(wèi)星信號(hào)幅度標(biāo)量，fO表示信號(hào)的剩余頻偏分量，T表示符號(hào)周期，φ表示相偏分量，g[n]表示復(fù)數(shù)形式的加性高斯白噪聲，并可得出歸一化的平均功率表達(dá)式為：

考慮到最具代表性的衛(wèi)星信號(hào)類型，可設(shè)調(diào)制類型集合為Ω={16APSK，32APSK，2PSK，4PSK，8PSK，16QAM，64QAM}。

通常而言，達(dá)到精準(zhǔn)的頻偏估計(jì)是無(wú)法實(shí)現(xiàn)的，所以變換后的混合信號(hào)可表示成如下形式：

式中，*表示復(fù)數(shù)共軛，上述變換實(shí)質(zhì)是將頻率偏移量轉(zhuǎn)化為相位偏移量，盡管時(shí)變信道中的fO可能導(dǎo)致z[n]在IQ 平面里出現(xiàn)少量的旋轉(zhuǎn)。

圖1 表示衛(wèi)星信號(hào)傳輸?shù)目傮w流程框圖。先將接收到的調(diào)制信號(hào)送入預(yù)處理模塊進(jìn)行幅度歸一化、濾波等處理，然后通過(guò)特征提取模塊提取各種統(tǒng)計(jì)特征。

圖1 衛(wèi)星信號(hào)傳輸?shù)目傮w流程

圖1 中，F(xiàn)EC（Forward Error Correction）表示前向糾錯(cuò)編碼，SRRC（Square Root Raised Cosine）表示平方根升余弦，HPA（High-Power Amplifier）表示高功率放大器，AWGN（Added White Gaussian Noise）表示加性高斯白噪聲信道，IMUX（Input Multiplexer）表示輸入放大器，TWTA（Traveling Wave Tube Amplifier）表示行波管放大器，OMUX（Output Multiplexer）表示輸出放大器。DVB-S2 接收器的設(shè)計(jì)需要考慮衛(wèi)星信道特性。需要說(shuō)明的是，圖1 中一系列處理過(guò)程已綜合了非線性失真、相位噪聲等損耗因素。

2 識(shí)別算法分析

2.1 特征提取思路分析

復(fù)數(shù)平穩(wěn)隨機(jī)過(guò)程的混合矩s[n]可定義為：

根據(jù)隨機(jī)量均值定義，式（4）可近似轉(zhuǎn)化為：

引入信號(hào)新型特征計(jì)算，可定義一系列含有s[n]或s*[n]的隨機(jī)變量用于生成信號(hào)的混合矩，如下：

然后，可得出：

混合高階矩計(jì)算能夠在準(zhǔn)平穩(wěn)的條件下，使得信號(hào)有限長(zhǎng)樣本估計(jì)具有一致性，且可以提供更豐富的對(duì)角切片特征。其中，π遍歷S的所有子集，B表示特定子集π內(nèi)的集合，π內(nèi)的集合數(shù)等于|π|。E[·]表示統(tǒng)計(jì)期望，Si表示在S中的第i個(gè)元素。例如，如果S={s1,s2}，則可能的子集將是{(s1,s2)}和{(s1),(s2)}。根據(jù)式（8），可得到：

若s1=s[n]且s2=s*[n]，通過(guò)式（5）和零均值隨機(jī)過(guò)程，可得出：

不妨設(shè)信號(hào)頻偏為0，且y[n]與z[n]都是平穩(wěn)零均值隨機(jī)過(guò)程，則可用上述方法估計(jì)相應(yīng)的混合矩。

圖2 和圖3 是歸一化的信號(hào)高階矩特征圖示，在圖中說(shuō)明了各階矩的典型取值大小。

圖2 y[n]的各高階矩理論估計(jì)值

圖3 z[n]的各高階矩理論估計(jì)值

在圖2 和圖3 中，不同形狀的線條代表不同調(diào)制類型的信號(hào)。各階的高階矩特征都經(jīng)過(guò)了歸一化處理，故其最大值等于1。根據(jù)高階矩的性質(zhì)，高斯噪聲的4 階及以上的累積量均為0，APSK 調(diào)制信號(hào)的高階矩值與其星座圖上內(nèi)外圓半徑比有關(guān)。

2.2 分類器思路分析

本文采取改進(jìn)的識(shí)別分類器思路，此處使用的神經(jīng)網(wǎng)絡(luò)分類器模型為前饋型、反向傳播的多層感知器網(wǎng)絡(luò)結(jié)構(gòu)。前饋型多層神經(jīng)網(wǎng)絡(luò)能夠處理復(fù)雜的非線性計(jì)算問(wèn)題。由于累積量特征參數(shù)具有不同的量綱，取值范圍的差異相對(duì)較大，因此需要使用最值歸一化進(jìn)行基本的縮放，將特征向量值規(guī)范到0～1，也使得各維度的參數(shù)分布較均勻，提升分類過(guò)程的收斂速率和識(shí)別性能。前饋型多層神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖4 所示。

圖4 前饋型多層神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)

該網(wǎng)絡(luò)共3 層，輸入為一個(gè)長(zhǎng)度為10 的經(jīng)過(guò)預(yù)處理的特征向量，其寬度為40，是全連接的結(jié)構(gòu)。網(wǎng)絡(luò)中激活函數(shù)采用線性整流tan 函數(shù)。該函數(shù)可起到較好的優(yōu)化效果且能避免目標(biāo)函數(shù)梯度急劇下降等問(wèn)題。網(wǎng)絡(luò)的輸出層寬度為7（用符號(hào)Ω表示，（表示待識(shí)別的調(diào)制信號(hào)種類數(shù)目，此處與網(wǎng)絡(luò)輸出層的寬度相等），也為全連接結(jié)構(gòu)，輸出激活函數(shù)為歸一化指數(shù)softmax 函數(shù)，即[4]：

式中，yk表示該神經(jīng)網(wǎng)絡(luò)中輸出層第k個(gè)神經(jīng)元輸出。該函數(shù)對(duì)于分類的作用是可以將輸出轉(zhuǎn)化為歸一化的概率分布。具體分類過(guò)程中使用了一個(gè)分類交叉熵?fù)p失函數(shù)和一個(gè)Adam 優(yōu)化器，再通過(guò)SOFTMAX 層輸出的ARGMAX 索引來(lái)實(shí)現(xiàn)。

本文中改進(jìn)識(shí)別分類方法的模型結(jié)構(gòu)如圖5 所示。該神經(jīng)網(wǎng)絡(luò)模型以一個(gè)10 元組的特征向量作為輸入，并返回一個(gè)長(zhǎng)度為7 的輸出向量，其長(zhǎng)度即調(diào)制集合的大小。調(diào)制識(shí)別結(jié)果通過(guò)輸出向量的ARGMAX 索引來(lái)確定。

圖5 改進(jìn)方法中的神經(jīng)網(wǎng)分類器結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)的重要設(shè)計(jì)之一即為其隱含層的設(shè)計(jì)。實(shí)際中，隱含層節(jié)點(diǎn)數(shù)目不能太多，否則將造成過(guò)擬合問(wèn)題；但節(jié)點(diǎn)數(shù)也不能太少，否則將無(wú)法擬合復(fù)雜的運(yùn)算模型。一般可根據(jù)經(jīng)驗(yàn)基于網(wǎng)絡(luò)輸入及輸出節(jié)點(diǎn)數(shù)，確定隱含層的節(jié)點(diǎn)數(shù)范圍。訓(xùn)練中使用的序列長(zhǎng)度等于由特定分類器分類的向量長(zhǎng)度。設(shè)信號(hào)序列為r[n]，長(zhǎng)度選取為15000 個(gè)樣本點(diǎn)，信噪比為Es/N0，取值范圍是[-3,20] dB，歸一化后可轉(zhuǎn)化為y[n]。通過(guò)序列加信噪比后計(jì)算得到累積量特征向量，記作(FN,y)；將y[n]轉(zhuǎn)換成z[n]后得到的特征向量，記作(FN,z)。由于所有的分類步驟都經(jīng)過(guò)了相同的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行處理，因此可以使用以下訓(xùn)練集作為神經(jīng)網(wǎng)絡(luò)的輸入特征，進(jìn)一步得到分類結(jié)果，分別為F1k,y、F2.5k,y、F5k,y、F10k,y、F20k,y、F40k,y、F80k,y、F10k,z、F20k,z、F40k,z以及F80k,z。另外，在信號(hào)捕獲期間，累積量受IQ平面上星座旋轉(zhuǎn)的影響，使得確定所需的最小序列長(zhǎng)度非常重要。根據(jù)經(jīng)驗(yàn)，當(dāng)存在隨機(jī)相偏時(shí)，F(xiàn)N,y和FN,z至少須要1000 個(gè)樣本才可達(dá)到一定的識(shí)別性能。在僅能捕獲到短序列樣本的情況下，基于FN,z特征的分類需比基于FN,y多2 倍的數(shù)據(jù)長(zhǎng)度就能滿足對(duì)多種調(diào)制類型識(shí)別的條件。此外，在傳輸過(guò)程中，衛(wèi)星信號(hào)通常被驅(qū)動(dòng)到HPA 放大器的線性區(qū)域之外。最佳驅(qū)動(dòng)電平是通過(guò)權(quán)衡放大器輸出功率增加的效益與失真引起的誤差來(lái)確定的?？紤]放大器效應(yīng)，可使用Saleh 模型進(jìn)行分析，其系數(shù)來(lái)自TWTA 的實(shí)際參數(shù)。其中，Saleh 模型是用來(lái)描述HPA 非線性的典型模型。該模型的AM/AM 和AM/PM 轉(zhuǎn)換特性分別為：

式中，αA、βA、αφ、βφ是模型的特性常數(shù)，r(t)表示輸入幅度，A[r(t)]表示輸出幅度，Φ[r(t)]表示輸出的調(diào)制相位。根據(jù)計(jì)算經(jīng)驗(yàn)，可取典型值為：αA=1.9638，βA=0.9945，αφ=2.5293，βφ=2.8168[5]。

對(duì)經(jīng)過(guò)放大器的信號(hào)進(jìn)行分類，可得出：由于PSK 信號(hào)僅有單一的幅度電平，因此放大器失真在歸一化后只有一個(gè)相位旋轉(zhuǎn)，不會(huì)受到影響；APSK 和QAM 信號(hào)則可能受放大器失真的影響，因此應(yīng)將分類器的設(shè)計(jì)適應(yīng)于放大處理過(guò)程，或者參數(shù)化配置放大器的驅(qū)動(dòng)電平，并和累積量特征一起用作神經(jīng)網(wǎng)絡(luò)輸入?？紤]到所用的驅(qū)動(dòng)電平特性與發(fā)射機(jī)真實(shí)驅(qū)動(dòng)電平高度相關(guān)，故能提高分類識(shí)別性能。

3 仿真結(jié)果及性能分析

為驗(yàn)證本文新改進(jìn)方法的有效性進(jìn)行MATLAB仿真實(shí)驗(yàn)，仿真參數(shù)設(shè)置如下：采樣率為100 MHz，載頻為60 MHz，碼速率為2.5 Mb/s，樣本點(diǎn)數(shù)為8192，蒙特卡洛仿真次數(shù)為2000 次，噪聲為高斯白噪聲。采用改進(jìn)思路實(shí)現(xiàn)衛(wèi)星信號(hào)類型識(shí)別，得出正確識(shí)別率。仿真結(jié)果如圖6 所示，不同曲線代表不同的類型。

圖6 新方法對(duì)識(shí)別率仿真曲線

對(duì)過(guò)去的傳統(tǒng)基于最大似然判決方法和本文的方法進(jìn)行性能仿真比較，結(jié)果如圖7 所示。

圖7 改進(jìn)方法與過(guò)去方法的識(shí)別性能比較

可以得出，新方法比起過(guò)去一些識(shí)別方法具有更優(yōu)的性能，也適用于復(fù)雜環(huán)境對(duì)信號(hào)的處理。

4 結(jié)語(yǔ)

在衛(wèi)星傳輸中電磁環(huán)境復(fù)雜，因此對(duì)信號(hào)識(shí)別技術(shù)提出了更高需求。本文提出了一種基于高階矩和神經(jīng)網(wǎng)絡(luò)結(jié)合的衛(wèi)星通信信號(hào)識(shí)別方法。仿真表明，該方法識(shí)別性能較優(yōu)。今后將進(jìn)一步探索，為解決復(fù)雜環(huán)境中衛(wèi)星信號(hào)識(shí)別問(wèn)題提供一種更有效手段，從而在電子對(duì)抗領(lǐng)域發(fā)揮更大的作用。