[发明专利]一种微量采样数据数字调制识别方法

说明书

技术领域

本发明属于通信技术领域，具体涉及一种2ASK、4ASK、2PSK、4PSK、2FSK和4FSK共6种调制方式的微量采样数据数字调制识别方法。

背景技术

在信息对抗领域，为了成功对信号进行侦听，首要工作就是识别出信号的调制类型。随着无线通信的快速发展，通信信号的调制方式也变得越发多样，传统基于人工的信号识别方法已经不能满足实际的需要，迫切需要制出能够自动识别通信信号的调制制式和调制参数的设备。

A.K.Nandi和E.E.Azzouz在1995年提出了基于信号瞬时参数特征的调制识别方法，该方法先对信号做Hibert变换，然后依次计算信号的瞬时幅度、瞬时相位和瞬时频率，然后选取由这三个参数构成的7个识别特征，对2ASK、4ASK、2PSK、4PSK以及2FSK、4FSK信号进行了识别。这种方法的计算简单，需要的先验信息较少，因而得到了广泛应用。

然而上述方法在实际的硬件实现过程中仍然存在一些缺陷：

1.对于硬件实现，由于单片机或者DSP的资源相对PC机来说是非常稀少和宝贵的，信号识别所用的采样数据的点数不能太多，导致一组采样数据中的码元个数较少。当采样点较少并且码元随机的情况下，传统的识别方法的中心化参数计算方法会出现较大偏差，导致识别率的下降。

2.由于特征参数的值会随着SNR的变化而变化，特别是在采样点少、码元随机。如果选取单一的分类门限，在SNR变化时识别性能会急剧恶化。

发明内容

本发明的目的在于针对传统的识别方法不适用于采样点较少并且码元随机的情况，提出使用一种新的中心化参数和分类门限自动调整，适用微量采样数据和未知信噪比的调制信号识别方法。

本发明的目的是这样实现的：

(1)对采样信号进行带通滤波处理；

(2)使用希尔伯特变换获取信号瞬时信息，包括瞬时幅度、非线性相位和瞬时频率；

(3)计算信号幅度中心化参数、相位中心化参数和频率中心化参数；

(4)计算信号分类所需的5个特征参数：σ_da、σ_aa、σ_df、σ_ap和σ_af；其中，σ_da为中心化瞬时幅度的标准偏差，σ_aa为中心化瞬时幅度绝对值的标准偏差，σ_df为非弱信号段瞬时频率的标准偏差，σ_ap为中心化瞬时相位绝对值的标准偏差，σ_af为中心化瞬时频率绝对值的标准偏差；中心化瞬时幅度、中心化瞬时相位和中心化频率的具体计算方法为：

中心化瞬时幅度a_an(i)＝a(i)-m_oa，其中a(i)为信号的瞬时幅度，m_oa为幅度中心化参数；

中心化瞬时相位其中为信号的非线性相位，m_op为相位中心化参数；

中心化瞬时频率f_cn(i)＝f(i)-m_of，其中f(i)为信号的瞬时频率，m_of为频率中心化参数；

(5)使用决策树分类器对信号进行分类判决：

(5.1)如果参数σ_da＜th₁，则信号属于类0{2FSK，4FSK，2PSK,4PSK}，否则信号属于类1{2ASK,4ASK}；其中th₁为参数σ_da的判决门限；

(5.2)已判决出信号属于类1，执行SNR粗估计模块1：当σ_ap＜th₅，选择th₂＝th₂高SNR，否则选择th₂＝th₂低SNR；如果参数σ_aa＜th₂，则信号为2ASK，否则信号为4ASK；

其中th₅为利用σ_ap进行SNR粗估计的判决门限，th₂为参数σ_aa的判决门限，th₂高SNR为在高信噪比情况下th₂选取的门限，th₂低SNR为在低信噪比情况下th₂选取的门限；