[发明专利]一种多进制频移键控信号的检测和分析方法无效
申请号: | 200610114085.1 | 申请日: | 2006-10-27 |
公开(公告)号: | CN100521670C | 公开(公告)日: | 2009-07-29 |
发明(设计)人: | 邹红星;俞力杰;王普 | 申请(专利权)人: | 清华大学 |
主分类号: | H04L27/10 | 分类号: | H04L27/10;H04L27/14;H04L27/156;H04B17/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100084北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于通信信号自动识别和分析技术领域,目的在于检测和分析多进制频移键控信号。本发明特征在于,在检测时用归一化后的瞬时频率的变化率序列的绝对值的平均值与设定的门限做比较,来判定MFSK信号;在分析时,用平滑滤波来减少MFSK信号瞬时频率的抖动,再用“熵原则”分析瞬时频率分布直方图,据此用等概率分布原则精确估计码元状态个数和频率范围,在此基础上,再运用“等频差”原则得到更精确的码元状态个数、频率范围和中心频率的估计。通过计算机仿真和实际测试证明:本发明的检测正确率在95%以上,分析正确率在90%以上。 | ||
搜索关键词: | 一种 多进制频移 键控 信号 检测 分析 方法 | ||
【主权项】:
1.一种多进制频移键控信号的检测和分析方法,其特征在于,所述方法是在计算机中依次按以下步骤实现的:步骤(1)接收待处理数据,得到实信号x(n);步骤(2)按以下步骤把实信号x(n)转换成解析信号s(n):步骤(2.1)把实信号x(n)补零后计算FFT,得到信号的离散傅立叶变换Fx(n),补零的长度Nz由下式得到:Nz=NFFT-Nx,Nx为实信号x(n)的长度,![]()
表示大于“·”的最小整数,NFFT是进行FFT运算的长度;步骤(2.2)取所述Fx(n)的前半部分,n=1,……,NFFT/2,得到信号s(n)的离散傅立叶变换Fs(n);步骤(2.3)把Fs(n)的前半部分,n=1,………,NFFT/4,和后半部分n=NFFT/4+1,………,NFFT/2调换;步骤(2.4)计算步骤(2.3)得到的Fs(n)的IFFT,得到解析信号s(n),s(n)=IFFT(Fs(n));步骤(2.5)把步骤(2.4)得到的解析信号s(n)的
部分截去,剩余部分即为后续分析用的解析信号,其有效长度为
步骤(3)根据预定义门限,分段检测s(n)的幅值,去掉弱信号段,其步骤依次如下:步骤(3.1)把步骤(2.5)得到的信号s(n)=x(n)+jy(n)分成等长的Nseg段,用一个序列Si,i=1,2,……,Nseg表示,Nseg=5~20;步骤(3.2)计算步骤(3.1)中得到的每一段信号幅值的和mi:m i = Σ s ( n ) ∈ S i | s ( n ) | ; ]]> 步骤(3.3)设定门限τm:τ m = 1 2 max { m i , i = 1,2 , · · · · · · , N seg } ; ]]> 步骤(3.4)将mi<τm的信号段判定为弱信号段,去掉所有弱信号段,把剩余的信号段连接成新的解析信号序列s(n),长度为N;步骤(4)计算步骤(3.4)所述解析信号序列s(n)的归一化瞬时频率序列fn(n),按以下步骤实现:步骤(4.1)按下式计算解析信号序列s(n)=x(n)+jy(n),n=1,2,……,N的瞬时相位序列![]()
![]()
n=1,2,……,N;步骤(4.2)对步骤(4.1)得到的瞬时相位序列
做差分运算后取余得到信号的瞬时频率序列f(n):
n=1,2,……,N-1;步骤(4.3)把该瞬时频率序列f(n)归一化为零均值、单位方差序列fn(n):f n ( n ) = f ( n ) - m f σ f , ]]> 其中,m f = 1 N - 1 Σ n = 1 N - 1 f ( n ) , ]]>σ f = 1 N - 2 Σ n = 1 N - 1 ( f ( n ) - m f ) 2 ; ]]> 步骤(5)计算步骤(4.3)得到的fn(n)的归一化瞬时频率的变化率序列Δfn(n)及其绝对值的均值
其中:Δf n ( n ) = | f n ( n + 2 ) - f n ( n ) | , ]]> n=1,2,……,N-3,m Δf n = 1 N - 3 Σ n = 1 N - 3 Δf n ( n ) ]]> 步骤(6)把所述
同预定义门限τm比较:若M Δ f n < τ m , ]]> 则把所述信号x(n)判定为MFSK信号,并且执行步骤(7),否则,判断接收序列不是MFSK信号,流程结束;步骤(7)依次执行以下步骤以利用均值滤波器来减小瞬时频率的抖动:步骤(7.1)利用均值滤波器对步骤(4.3)得到的瞬时频率序列fn(n)进行平滑滤波,得到更新的瞬时频率序列fn(n),滤波器长度lf由被分析信号可能的最大码元速率fdmax和信号的设定采样频率fs按下式求出:l f = m . f s f d max , ]]>m = 1 3 ~ 1 2 ; ]]> 步骤(7.2)根据步骤(7.1)得到的更新的瞬时频率序列重新计算信号的归一化瞬时频率变化率序列Δfn(n):Δfn(n)=|fn(n+2)-fn(n)|;步骤(7.3)根据下式计算步骤(7.2)得到的归一化瞬时频率变化率序列的方差![]()
τ Δ f n = 1 N - 4 Σ n = 1 N - 3 ( Δf n ( n ) - m Δf n ) 2 , ]]>m Δf n = 1 N - 3 Σ n = 1 N - 3 Δf n ( n ) ; ]]> 步骤(7.4)搜索Δfn(n)序列,若| Δf n ( n ) | < τ Δf n , ]]> 则fn(n+1)属符号稳定区间Гsi,i=1,2,……,Ns,其中Ns为符号稳定区间的个数,若| Δf n ( n ) | > τ Δf n ]]> 则fn(n+1)属符号跳变区间Гti,i=1,2,……,Nt,其中Nt为符号跳变区间的个数;步骤(7.5)把步骤(7.4)中每一个符号稳定区间的瞬时频率值改为该区间所有瞬时频率值的均值,舍弃所有符号跳变区间的瞬时频率值,构成新的瞬时频率序列fn(n);步骤(8)根据“熵原则”按以下步骤分析步骤(7.5)所述瞬时频率序列值的直方图:步骤(8.1)根据归一化瞬时频率序列fn(n)建立分布直方图
以此作为fn(n)的概率密度分布函数的估计:p ^ ( f i ) = count { f n ( n ) , f i ≤ f n ( n ) < f i + Δf } N f n , ]]> fi=min{fn(n)}+iΔf,i=0,1,……,
其中,
为fn(n)的长度,Δf = ( max { f n ( n ) } - min { f n ( n ) } ) / N p ^ , ]]>
为分布直方图的长度,N p ^ = 512 ~ 4096 , ]]> count{x,y}表示满足条件y的x值的个数;步骤(8.2)确定门限τp的搜索范围为0 ~ max { p ^ ( f i ) } / 2 , ]]> 搜索步长Δτ p = max { p ^ ( f i ) } / ( 2 K ) , ]]> K=10~100;步骤(8.3)对搜索范围内的每个τp值执行以下步骤:步骤(8.3.1)搜索满足p ^ ( f i ) > τ p ]]> 的fi,把连续的fi归为一组;步骤(8.3.2)计算每一组的概率密度分布函数估计
之和,得到MFSK信号各个码元的分布概率的估计值
步骤(8.3.3)计算对应该τp的熵值e:e = - Σ k = 1 M ^ P ^ k log ( P ^ k ) , ]]>
是连续的fi值组成的组的个数;步骤(8.4)取对应熵值最大的τp,将相应的fi组的个数的值
作为码元状态个数M的初始估计值,每组的最小瞬时频率fmink和最大瞬时频率fmaxk作为每个码元状态的频率范围(fmink,fmaxk),k=1,2,……,
步骤(9)根据“等概率分布原则”,按以下步骤精确估计码元状态个数M的精确值:步骤(9.1)设定门限0 < τ P min < 1 ; ]]> 步骤(9.2)去掉P ^ k < τ P min × max { P ^ k , k = 1,2 , · · · · · · , M ^ } ]]> 的状态,此处,
是一个取值范围在0~1的门限,max { P ^ k , k = 1,2 , · · · · · · , M ^ } ]]> 是
中的最大值,二者相乘得到一个用于筛选合理的码元状态的值;步骤(9.3)重新计算码元状态个数M的估计值
和每个码元状态的频率范围(fmink,fmaxk),k=1,2,……,
步骤(10)根据“等频差原则”精确估计码元状态个数M和各状态中心频率,其步骤如下:步骤(10.1)计算各个码元状态的中心频率![]()
f ^ mk = Σ i = i min k i max k p ^ ( f i ) f i Σ i = i min k i max k p ^ ( f i ) ]]> 其中,imink和imaxk是每组码元状态的最小、最大瞬时频率的标号,
是步骤(8.1)计算得到的瞬时频率序列的概率密度分布函数的估计;步骤(10.2)计算各个状态之间的频差![]()
f ^ dk , l = | f ^ mk - f ^ ml | ; ]]> 步骤(10.3)计算每个频差的权重wkl:权重等于得到该频差的两个码元状态的概率分布估计的较小值,减去这两个码元状态之间的所有码元状态的概率分布估计之和,如果差值小于0,则权重为0:w kl = max { 0 , min { P ^ k , P ^ l } - Σ n = k + 1 l - 1 P ^ n } , k < l - 1 max { 0 , min { P ^ k , P ^ l } } , k = l - 1 ; ]]> 步骤(10.4)对各个频差加权平均,得到频差的估计:f ^ d = Σ k , l w kl f ^ dk , l Σ k , l w kl ]]> 步骤(10.5)设定门限τmin、τmax:τ min = 0.4 f ^ d ~ 0.8 f ^ d , ]]>τ max = 1.2 f ^ d ~ 1.6 f ^ d ; ]]> 步骤(10.6)对于f ^ dk , k + 1 < τ min ]]> 的相邻状态,合并码元状态k和k+1,其中,
表示步骤(10.2)中得到的相邻码元状态k和k+1之间的频差;步骤(10.7)对于f ^ dk , k + 1 > τ max ]]> 的相邻状态,在码元状态k和k+1之间插入
个码元状态,其中,
表示大于“·”的最小整数,
表示步骤(10.2)中得到的相邻码元状态k和k+1之间的频差;步骤(10.8)更新码元状态个数的估计
和各个码元状态的中心频率
步骤(11)后续处理:按下式计算得到MFSK信号调制阶数的最终估计![]()
M ^ 0 = 2 [ log 2 M ^ ] , ]]> 其中[·]运算表示取离“·”最近的整数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/200610114085.1/,转载请声明来源钻瓜专利网。