[发明专利]一种基于一阶循环平稳性的MFSK调制识别方法

说明书

本发明涉及一种基于一阶循环平稳性的MFSK调制识别方法，该方法包括：步骤1、将功率归一化的接收到的信号划分为等长的K个数据段；步骤2、将接收信号的K个自相关函数进行累加后求均值，估计出MFSK信号一阶循环频率处的一阶循环矩；步骤3、对求得的MFSK信号的一阶循环矩进行零均值化与归一化处理；步骤4、根据检测一阶循环矩的局部最大值，来确定一阶循环频率的个数；步骤5、根据一阶循环频率的个数来确定MFSK信号的调制阶数M。本发明通过估计MFSK信号的一阶循环矩并检测一阶循环频率的个数；还采用自相关累积算法来抑制噪声，在信噪比较低的情况下，能够检测出检测出谱峰，提高MFSK信号的正确识别率。

技术领域

本发明涉及一种基于一阶循环平稳性的MFSK调制识别方法，属于数字通讯技术领域。

背景技术

频移键控(FSK)是通信系统中使用较早的一种调制方式，它的实现过程比较容易，抗噪和抗衰减能力较强，因而在中低速信息传输中得到了广泛应用。

对于FSK信号调制识别研究，国内外的学者提出了一些行之有效的方法，最早是使用信号高阶相关技术和似然函数对FSK信号进行了分类，但此方法需要接收信号的信噪比、符号率等参数信息。之后，A.Rosti首次提出用MFSK(多进制频移键控)信号复包络的均值来确定FSK信号的调制阶数。Z.Yu,Y.shi开发了基于快速傅立叶变换的MFSK信号分类器(FFTC),在信噪比大于0dB的条件下，2FSK、4FSK、8FSK、16FSK、32FSK信号的识别成功率可达95％，但上述两种方法受信道衰落影响较大，且性能与调制信号的频偏有很大关系。也有学者使用了归一化瞬时频率的标准偏差和归一化瞬时频率的功率谱密度的最大值作为分类器的主要特征，然而当使用瞬时特征作为分类依据时，噪声的影响是不可避免的，在信噪比较低的环境下，算法的性能将降低。后来有研究者进行了改进，使用了瞬时幅度将FSK和MSK(Minimum Shift Keying，最小频移键控)信号从线性调制信号中区分出来，然后再通过估算谱峰来进一步区分FSK和MSK信号，但此方法的仿真结果表明，若想得到理想的分类效果需要更高的信噪比，在低信噪比下此算法不具一般性。因此，本发明提出一种基于一阶循环平稳性的改进算法。

发明内容

针对现有技术的不足，本发明提供一种基于一阶循环平稳性的MFSK调制识别方法，该算法通过估计MFSK信号的一阶循环矩(CM)并检测一阶循环频率的个数，即可确定MFSK的调制阶数；还采用了自相关累积算法(PACA)来抑制噪声，从而提高了算法的抗噪性能。

术语解释：

分段自相关累积(PACA)：假设把信号分成L个长度相等的时间窗，相邻两个时间窗的数据互不重叠，分别对这L个时间窗的的实信号作自相关估计，最后对这L段数据的相关函数相加后求均值，这一系列过程即为PACA处理，所得到的的均值即为PACA的输出。

本发明的技术方案为：

一种基于一阶循环平稳性的MFSK调制识别方法，用于确定MFSK信号的调制阶数，该方法包括以下步骤：

步骤1、对接收信号的采样数据进行功率归一化，然后将功率归一化的信号按照时间窗长度划分为等长的K个数据段，并设置50％的数据段重叠，分别计算每个数据段的自相关函数；通过设置重叠来增加噪声分段之间的非相关性，以达到理想的信噪比提升效果，能够平衡分辨率与改善信噪比之间矛盾；