关闭

关闭

关闭

封号提示

内容

首页 无线电信号监测若干关键问题研究与实现.pdf

无线电信号监测若干关键问题研究与实现.pdf

无线电信号监测若干关键问题研究与实现.pdf

上传者: xl46512 2012-05-08 评分 0 0 0 0 0 0 暂无简介 简介 举报

简介:本文档为《无线电信号监测若干关键问题研究与实现pdf》,可适用于IT/计算机领域,主题内容包含大连理工大学硕士学位论文无线电信号监测若干关键问题研究与实现姓名:宋宪夫申请学位级别:硕士专业:信号与信息处理指导教师:邱天爽大连理工大学硕七学位论符等。

大连理工大学硕士学位论文无线电信号监测若干关键问题研究与实现姓名:宋宪夫申请学位级别:硕士专业:信号与信息处理指导教师:邱天爽大连理工大学硕七学位论文摘要随着现代通信技术的日新月异对于无线电管理部门的技术要求也相应地与时俱进。鉴于这种情况国家无线电监测中心力图对现行无线电监测方法和算法提出具有建设性切实可行的解决方案以便可以处理现阶段亟待解决的问题。现今对于空间无线电信号的监测有两个技术性难题一是对于信号调制方式自动、高效以及准确的识别二是对于信号发射源被动、便携以及确切的定位。这两个问题归纳到信号处理的领域可归类为信号调制方式自动识别和信源被动定位问题。无线电监管涉及到国家的军事和民事安全而这两个问题又是无线电监管中的技术难题其重要性不言而喻。针对调制方式识别领域其主要方法分为基于极大似然法和基于特征量法两种。研究对象一般为有限几种空时可能混合使用的调制方式信号并且可以较好的加以区分。但是现行算法中缺乏可对多种调制方式信号进行有效识别的研究并且没有很好的方法用于权衡算法性能以及计算量之间的矛盾针对被动定位领域按定位参数分主要方法为基于时间、基于方向以及基于接收强度三种按是否发射检测电波分主要分为主动定位和被动定位两种。现有算法缺少对空间信源非协同被动定位的研究另外现有算法对定位仪器的性能要求较高且缺少便携性。本文广泛调研深入研究两个问题现行主要研究手段和算法的基础上立足实际应用针对现行算法的不足提出了优化的方案:首先采用基于高阶累积量和人工神经网络进行种调制方式识别提取信号高阶累积量为特征参数辅以其他时频特征作为特征参数并引用径向基函数人工神经网络作为分类器。提出权衡系数用以权衡算法识别性能与计算量针对实际采集信号进行下采样后识别在保障识别性能的前提下显著缩小计算量。其次采用基于时延估计的被动定位弓f入群复相关方法利用复相关以及后统计的方法提高整体精度。并致力开发DSP平台下的实用系统从而在保证定位精度的前提下降低了对设备的要求增加系统便携性。两个算法均已具备最终系统。调制方式自动高效识别系统对于种基本调制方式的仿真信号准确识别率达到%以上对于种实际采集到的调制方式识别的正确率超过%基于时延估计的被动定位系统实际环境下对于带宽大于KHz信号的定位误差小于m。通过仿真以及实际环境下的测试结果验证了两个优化方案的可行性。关键词:自动调制方式识别高阶累积量人工神经网络被动定位时延估计大连理工大学硕士学位论文StudyandImplementationonSeveralCriticalProblemsaboutWirelessSignalMonitoringAbstractwiththeadvancesofmodemcommunicationtechnology,thetechnicalrequirementsforradiomanagementdepartmentsriseatthe,蜀anletime.Giventhissituation,theRadioManagementofChinaisattemptingtoproposeconstructiveandpracticalsolutionsbasedontheexistingradiofrequencysignalsmonitoringmethodsandalgorithms.Sot重lattheycouldhandletheproblemsoccurred.Atpresenttimetherearetwotechnicalproblemsforthesignalsmonitodngofradiofrequencyfromtheopenspace.OneistheaccurateautomaticandemcientsignalmodulationclassificationandtheotheroneiSpassive,portableandexactIocatingofthesignalsolln瑚.Radiomanagementisrelativewiththenationalmilitaryandciviliansecurity.Thesetwotechnicalissuesaleofgreatsignificant,whichcouldbeclassifiedintosignalAutomaticModulationClassification值MC)andpassivelocatingofsignals.ForthesignalsmodulationclassificationissuetherearetwomajormethodsincludingtheMaximumLikelihoodmethodandCharacteristicbasedmethod.办eresearchtargetsareoftenlimitedtoseveralspacetimemixedmodulationsignalswhichcouldbeclassifiedwell.However,theexistingalgorithmsareshortofeffectiveclassificationperformanceforsignalswithmultimodulationmodes.Moreover,thereisnogoodmethodtobalancetheconflictionbetweenalgorithmperformancemadcomputationalamount.nlepassivelocationmethodsageclassifiedintothreetypes.Accordingtolocationparameterstheyincludetimebased,directionbasedandreceptiveintensitybasedmethods.Therearepositiveandpassivelocatingmethodsifclassifiedbasedonwhethertoemitdetectionwaves.ThesemethodsneglectthesmdyonspacesignalSOurcenoncollaborativepassivelocatingandtheyhavehigherrequirementsonlocatingequipmentandlessportability.TlisthesisproposeimprovedSOlutionstotheabovetwoissuesbasedonindepthstudyofexistingmethodsandalgorithms.Ourmethodshavemorefeasibilityandareeasiertobeimplementedforthepracticalapplications.Firstly,Hi班OrderCumulants(HOC)andArtificialNeuralNetwork(aNtDareusedtoclassifymodulationmod髓.OurmethodsextractHOCassignalcharacteristicscombinedwithothertimefrequencyfeaturesandeiteRadialBaseFunction(RBF)ANNasaclassifier.Inadditionatradeoffratioisproposedtomeasnl'ealgorithmclassificationperformanceandcomputationalamount.Realsignalsareclassifiedafterdownsampling.Thecomputationalamountisgreatlyreducedonthepremiseofensuringclassificationaccuracyperformance.SecondlyweapplytimedifferencfarrivalfTDOA)basedestimatestocatethesignalSOUrCespassively.Tlismethodusecomplexcorrelationstatisticstoimprovethesystemprecision.weareattemptingtodeveloppracticalsystemontheDSPplatform.Ill无线电信号监测若干关键问题研究与实现一一equipmentrequirementsaremuchdecreasedwithincreasedportabilityonthepremiseofensuringlocatingperformance.Thesetwoalgorithmsbothimplementedintherealsystem.Theautomaticmodulationclassificationsystemcanclassifysimulatedsignalsofmodulationmodeswithclassifyrateof%.Forrealsignalswithmodulationmodestheclassifyrateisabove%.ThelocatingprecisionofpassivelocatingsystemcanreachtomfbrmesignalswhosebandwidthislargerthanKHzinrealenvironments.efeasibilityofthetwoproposedalgorithmshasbeentestifiedthroughsimulationandrealtests.KeyWords:AMCHOCANNPassiveLocatingTDOAEstimationIV独创性说明作者郑重声明:本硕士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知除了文中特别加既标注和致谢的地方外论文中不包含其他人已经发表或撰写的研究成果也不包含为获得大连理工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意.作者签名:。魁日期:缸:丛坦大连理【:人学硕卜研究生学位论文大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定”同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子版允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索也可采用影印、缩印或扫描等复制j嘎保存和汇编学位论文。作者签名:鏖塾兰导师签名鎏!起一捌年监月监日人连理工大学硕士学位论文绪论.无线电监测/检测概述无线通信起源于年Marconi第一次展示的无线电跨英格兰海峡的通信实验。到世纪年代由于晶体射频电路的迅猛发展无线通信得到了迅猛的发展无线通信的时代终于到来。现在无线通信系统也不再局限于语音通信还包括迅速发展的数据信息服务。鉴于当今无线通信技术的迅猛发展电磁环境越来越复杂无线电监测/检测工作面临着日益严峻的考验。现阶段无线电监测/检测工作简要工作流程如图.所示国.无线电监测/检测工作简要框图Fig.I.SimpleprocessflowofWLrCleSSsignalsmonitoringanddetecting高速反应能力快速判断能力提到论文日程上来。所以整个工作中的每一个环节的性能和表现都要与时俱进。当然调制方式识别和信号定位部分可谓是其中不可或缺的两个部分。寻求一种高速且行之有效提升单元性能的方法就显得尤为重要。鉴于以上需要。本文立足实际应用开发两个实用系统解决上述问题。.无线电信号调制方式高效识别..调制方式识别研究背景及现状自通信信号采用调制技术以来对于调制方式识别就应运而生可以说是一个悠久的课题。但是伴随着新的通信技术的诞生和多种调制方式的混杂正确而高效的识别调制方式就变得越来越困难。特别是欲同时盲区分多种调制方式就变的难上加难。无线电信号监测若干关键问题研究与实现关于信号的采样、变频、降噪等预处理工作和信号的载波频率、调制指数、波特率以及脉冲波形等参数的估计现在已有比较成熟的研究【l故不作为本文的研究内容。调制方式识别的正确与否关系到能否正确复原原始信号直接影响到后续工作的成败是整个工作中至关重要的一环对于无线电信号的监测检测有着重要的意义。早期的信号调制方式确定与识别基本上是人工采用统计模式进行分类的。操作人员首先要对各种调制信号的特征进行掌握。这些特征包括可以听到的特殊声音、可以看到的图形或可以提取出的其它参数。比如:等幅度信号的时域波形是断续的可以在差拍后听到断续的声音。移频调制信号时域波形是连续的频谱是两族幅度相等的有一定距离的谱线在低频可以听到不同的音响。操作人员根据这些特征来判断通信信号的调制分类操作人员的个人经验在判断过程中起着重要作用。世纪年代中期以来随着军事和民用无线通信技术的迅速发展信号的调制方式变得多样化起来。仅靠操作员的个人经验不能满足要求了同时也为了能减轻操作员的工作负担为了建立智能化的信号分析与处理系统因此有必要建立客观的调制方式识别特征并建立成熟的识别策略。目前信号调制方式的识别有很多方法【l叫q可谓纷繁复杂但究其本质可以分为两大类【l引即基于似然法和基于特征法。两种算法各有优缺点:基于似然法可以获得较高分类精度但计算复杂度高并需要先验知识而基于特征法特征提取相对简单计算复杂度低易于计算以及硬件实现而且需要较少甚至不需要先验知识但很难达到似然法的精度。立足于实现应用本文采用了基于特征提取的方法。两者的区别总结一下如表.所示表.调制方式识别方法对比Tab..Compareoftwomethodsofmodulationclassification..调制方式识别的基本原理无线电信号调制方式识别的一般流程可以用图.所示的一般性原理框图来表示由图可见无线电信号调制方式的识别主要包括以下几个方面的工作:一大连理工大学硕士学位论文图.调制方式识别一般性原理框图Fig..Generalflowofmodulationclassification()信号获取:利用接收机天线对到达信号进行接收。()中频变换与数据预处理:对接收信号进行下变频得到中频信号并进行正交和同相分量分解、载频估计等为后续分析处理提供合适的数据。()特征提取与选择:这是调制方式识别的关键环节。为了有效地实现对调制方式的分类和识别需要对原始数据进行某种变换得到最能反映分类差别的特征信息。常用的时域特征主要包括信号的瞬时幅度、瞬时相位和瞬时频率的直方图或统计参数变换域特征主要包括信号的频谱特性等。这些特征的提取和选择强烈地影响到分类器的设计及其性能。在理想情况下不同调制类型信号的特征是有明显差别的。但在实际应用中却常常不容易找到那些最重要的特征或受条件限制不能对它们进行测量。这就使特征提取和选择的任务复杂化从而成为无线电信号调制识别系统中最困难的任务之一。比较好的参数一般要满足下面几个条件:不同调制方式对应的参数分布特性相差很大参数具有较好的抗噪声性能和抗衰落性能提取参数的计算量较小便于实现。()分类器设计与分类决策:分类问题是根据识别对象特征的观察值将其分到某个类别中去。常见的分类器算法包括统计模式识别方法、决策论方法与人工神经网络方法等。模式识别方法主要是由直方图构造特征向量用线性分类器判别信号的调制方式。决策论方法是由概率和符合假设检验的观点研究调制识别问题。而神经网络具有模拟人类大脑识别能力的优势因此是一种很有前途的方法。本文所采用具体方法由于高阶累积量对于信道的高斯白噪声有很好的抑制作用并且具有良好的稳定性和易计算性【捌本文采用高阶累积量作为主要的信号特征辅以瞬时相位瞬时频率频谱对称性等其他特征进行分类另外针对基于特征的算法的判别规则复杂本文还引入RBF径向基函数神经网络作为分类器。系统框图如图.所示一无线电信号监测若干关键问题研究与实现图.本系统原理框图Fig..Processflowofsystem..本文得到的结果从算法的结果来看本文提出的系统可以对现存比较常用的种调制方式做出正确识别并保证准确率在%以上。系统可识别的种调制方式参见附录A。为了达到快速识别的目的本文采用了基于调制信号特征提取的方法还将高阶累积量作为信号特征并送入径向基函数神经网络进行分类最终得到判决结果。本文提出了基于高阶累积量和神经网络的调制方式高效自动识别方法。经过仿真和对于实际数据的测试结果都得到了比较理想的结果。综上在频谱监测、管理中研究无线电信号调制方式的高效自动识别算法是非常有必要、有意义的。本文针对无线电监测检测的实际应用根据实际工作中的具体要求综合考虑了计算复杂度和识别精度提出了以高阶累积量】作为分类特征量人工神经网络作为分类器的无线电信号调制方式高效自动识别系统。本文的算法对于种仿真信号的识别率达到%以上对于lO种通信系统中常见调制方式的信号发生器产生的无线电信号的准确识别率可以达到%以上。.基于时间延迟估计的空间无线电信号被动定位..空间无线电信号被动定位()信源空间定位的基本原理空问定位由单个或多个分布设置的有源无源探测器在探测到目标(散射体或辐射体)并获得有关定位参数的基础上利用适当的数据处理手段确定出目标在三维空间中的位置点来这就是探测定位系统对目标进行空间定位的过程。从几何角度看确定空间的一个点可以由三个或者三个以上的曲面或是平面在三维空间内相交而得到【。将探测系统获得的同一个目标的定位参数所对应的面定义为定位面通过一定的组合使面面相交得线线线相交或者面线相交得到点从而确定出目标位置点来。一一大连理工大学硕士学位论文()无线电被动定位的含义无线电信号定位技术在近年成为无线通信的热点之一。利用Tv、通信、无线电广播等辐射信号对其发射源进行定位是无线电信号定位技术的一个重要方面是整个空闻定位系统工程中的一项具体应用。对于无线电信号的定位方式按是否主动发射电磁波分为两类:被动定位和主动定位。被动定位的含义是指探测系统本身并不发射电磁波它是通过侦察和接收目标发射过来的电磁波或目标所反射的外来电磁波来探测目标的位置。而主动定位是指探测系统通过主动向目标发射电磁波对反射回来的电磁波进行接收或是通过目标的配合得到一些目标的定位参数信息对目标进行定位。()无线电被动定位的特点被动定位系统的主要特点如下【】:特点一:无源。被动定位的所有特点都来源于它在定位过程中不向待定位的目标发射电磁波信号。特点二:需要多接收器协同工作。由于单个接收器只能给出在某个时间接收到的信号的入射方位而无法确定目标信号的具体位置。所以除了一些特殊的情况被动定位通常需要多接收器提供信息协同定位。特点三系统要经过复杂的计算和适当的算法才能获得目标的位置【”堋。这就要求系统的计算水平和效率很高否则对运动目标的定位就会出现偏差较大以及实时性差的问题。如果定位系统的工作原理要求使用准确的统一时间那么系统还有一个时间统一问题这也是系统内一个较复杂的技术问题。特点四:系统的定位性能与接收定位器的布局有关。使用被动定位系统时应考虑定位性能与接收器布局之间的关系合理调整布局使得定位性能尽可能高。()无线电被动定位的现状世纪年代以后随着电子对抗技术的迅猛发展战争中主动定位系统逐渐受到各种电子对抗设备和反辐射导弹的威胁因此被动定位技术越来越受到人们的重视。近年来各式各样的被动定位技术得以迅速发展。目前人们已经在定位算法定位精度分析最佳布站分析跟踪滤波和虚假定位消除等方面做了大量的工作”o】并取得了一定的成果。..本文所采用的具体方法无线电信号的被动定位有比较成熟的算法例如基于到达时间基于时间延迟估计(亦称为到达时间差)基于到达角度等等。本文在广泛阅读相关文献和计算机仿真的基础之上立足实际应用选择了准确率高易于实现的基于时间延迟估计的被动定位无线电信号监测若干关键问题研究与实现方法。..时延估计定位基本方法为了对目标进行无线电被动定位得到目标的距离和方位角需要从不同的接收器接收到的信号中提取时延信息时延信息的准确性直接影响着目标定位的精度估计时延所消耗的时间影响着定位的效率和实时性所以时间延迟估计是无线电被动定位的一个关键部分它对整个定位系统的性能起着至关重要的作用。因定位目的不同对定位精度和效率的要求也不尽相同所采取的时延估计方法也有所不同。常用的时延估计方法有基本相关法、希尔伯特变换法【翊、自适应类方法、广义相关法、相位谱估计法等。以上方法各有优势也各有不足适用的范围和信号类型也有所不同。本文在广泛阅读相关文献和计算机仿真的基础之上立足实际应用选择了基于希尔伯特变换的时延估计方法。.本文的主要工作及主要结果本文对无线电被动定位中的时间延迟估计方法进行了深入而具体的研究包括时延估计的发展、定位模型和性能评价指标以及常用的时延估计方法的原理。时延估计理论已经发展多年时延估计方法众多通过总结和分析本文设计了基于希尔伯特变换的时延估计算法并综合考虑了信噪比估计、噪声抑制与消除、信号预处理等实际问题并已成功开发可实际应用的软件系统。软件系统经过实地测试已经达到实际应用水平。一大连理工大学硕士学位论文无线电信号调制方式高效自动识别现今无线电信号调制方式识别的主要的方法可分为两大类基于信号特征法以及基于极大似然法。本文主要立足于实际应用综合分析了两种方法的优缺点选择了信号特征法对无线电信号调制方式进行识别。.无线电信号特征分析概述调制方式的识别主要是提取信号的某些关键特征。这些特征能够表现出信号调制方式的不同或者对这些特征进行一定的处理后能够表现出信号调制方式的不同再对这些特征采取一定的分类方法从而进行调制方式识别。对分类来说重要的不是一个模式的完整描述而是导致区别不同类别模式的那些“选择性”信息的提取也就是说特征提取的主要目的就是尽可能集中表征显著类别差异的模式信息。另一个目的就是尽可能缩小数据集以提高识别效率减少计算量。特征的提取和选择是非常重要的因为它强烈地影响到分类器的设计及其功能。.无线电信号的基本特征参数尽管本文采用高阶累积量作为主要的分类参数并可直接识别出部分调制方式。但是对于实际环境还需要更多的信号特征参数来进行最终的决策。下面作一简要介绍。..瞬时幅度、相位/频率已调信号s(O可以表示为:s(t)=Re(g(t)exp(jtot))(.)其中哆=zZ为载波频率Re()表示取实部g(f)为s(f)的复包络它是已调信号所承载的信息一调制信号m(t)的函数即g(O=Gl(f)】(.)其中G()表示re(t)到g)的映射函数由调制类型决定。根据调制识别算法的要求我们定义信号的瞬时幅度彳(f)即(f)=(f)I(.)为了计算信号的瞬时频率重新定义信号s(f)的线性相位旃(f)=args(t)】(.)其中argo】表示幅角主值因为以O)的取值范围被限制在(Tr万】所以也称办(f)为卷绕瞬时相位。如果对CAt)作解卷绕处理可以得到无卷绕瞬时相位仍(f)即烈f)=unwrap(f(t))(.)一一无线电信号监测若干关键问题研究与实现其中unwrap(*)表示作解卷绕处理。在估计载波频率和计算瞬时频率时都需要使用无卷绕瞬时相位p(f)。定义信号J(f)的瞬时频率饨)瓦磊a()下面简要对几种模拟调制信号和数字调制信号分别进行说明。()模拟调制信号的特征参数调幅信号(AM):AM信号的复包络模型g(f)=【kam(t)exp(jOo)(.)其中是决定功率水平的常数吼是载波初相吒为调制深度。根据上面分析很容易求得AM信号的瞬时幅度(f)瞬时相位矿(f)瞬时频率f(t)分别为A(t)=恕Ⅲ(f)Ⅲ(.)其中qk(t)=oof(t)=Z。从(.)式可以看出瞬时幅度彳(f)是调制信号mO)的函数。图.为后。=.被调制信号为过FIR低通滤波器的高斯白噪声滤波器阶数为时AM信号的时域波形和瞬时幅度波形的仿真图。实验参数下同。世砸OⅫm时间町恻(b)时间图.IAM信号的仿真波形。(a)时域波形(b)瞬时幅度波形Fig~.IWaveofAMsignal.(a)Waveintimedomain(b)Waveof/tantaneousamplitude双边带调制(DSB):DSB信号是抑制载波幅度调制信号因此其复包络为:g(f)=A。m(t)exp(jOo)(.)其对应的瞬时幅度A(t)瞬时相位(f)瞬时频率(f)分别为大连理工大学硕士学位论文(f)=lre(t)I(.)如=‰搿羔眨Ⅲf(t)=ZnS(tt)(.)式中t。为饼(f)的符号发生变换的时刻。从()式可以看出瞬时幅度么(f)是调制信号m(t)的函数。图.为DSB信号时域波形和瞬时幅度波形的仿真结果。.『.。嚣。槲枷晰螂柑脚精帖I。图.DSB信号的仿真波形(a)时域波形(b)瞬时幅度波形Fig.WaveofDSBsisals(a)Waveintimedomain(b)Waveofinstanlaneousa口mplimde单边带调制(SSB)g(t)=甜州(f)而(f)】exp(yeo)(.)上式中USB信号用上部的符号()LSB信号用下部的符号(一)。箭(f)为埘(f)的Hilbert变换即而(f)=所(f)}矗(f)(.)其中表示卷积且Jil(f)=二h(t)的Fourier变换日(力具有一相移网络特性即硼=伊ZSSB信号既有幅度调制又有相位调制。其瞬时幅度彳(f)分别为彳(f)=m(f)而(f)一一(.)(.)瞬时相位(f)瞬时频率/)(.)一剖枷、}iiiP一、糍引m.。垫卦l吖l引ll卦li旷ii型唾无线电信号监测若干关键问题研究与实现矿(f)=arg{m(f)而(t)exp(f))Ⅳ)=z瓦d{argmi(t)~jFn(t)}(.is)(.)从上式可以看出瞬时幅度(力瞬时相位妒()瞬时频率(f)均是调带信号m(f)的函数。图.为SSB信号的功率谱密度的仿真结果。图.SSB信号的仿真波形(a)USB信号的功率谱密度(b)LSB信号的功率谱密度Fig..WaveofSSBsignals(a)PdofUSBsignals(b)PdofLSBsignals调频信号(FM)g(t)=A,exp{.tIkxLm(f矽f岛】}kl为频率调制系数。则调制信号的最大频偏为丘=去哆其中调制信号卅(f)幅度的最大值。根据上述分析计算FM信号的瞬时幅度爿(f)瞬时相位矿(f)A(O=矿(f)=tL胁(『炉oo如)=工去‘小(f)(.)(.)瞬时频率/(f)分别为:(.)(.)(.)从(.)、(.)式可以看出瞬时幅度x(t)瞬时相位(f)瞬时频率八f)是调制信号所(f)的函数。图.为=时FM信号时域波形和瞬时频率波形的仿真结果。大连理工大学硕士学位论文图.FM信号的仿真波形(a)时域波形(b)瞬时频率波形Fig.WaveofFMsignals(a)Waveintimedomain(b)Waveininstantaneousfrequencies(数字调制信号的特征参数幅移键控信号(AsK)ASK信号的复包络为:g(f)=a,p(tnT,)exp(j自o)(.)其中ti是码元周期尼是码元速率又称为波特率。p(f)是脉冲波形一般用矩形脉冲胁E。誓z(.){口。)为幅度序列对ASK信号。E{)对.AsK信号。{O刃。计算ASK信号的瞬时幅度彳(f)瞬时相位(f)瞬时频率厂(f)是调制信号m(f)A(O=a,p(tnT)(.)矿(f)=皖(.)f(t)=正(.)相移键控信号(PsK)PSK信号的复包络:g(f)=exp(j谚#)p(tnT,)exp(jBo)(.){屯)为相位序列PSK信号丸{o万}PSKt寓号应。{o'万/'石万/)。计算无线电信号监测若干关键问题研究与实现PSK信号的瞬时幅度(f)瞬时相位妒(f)瞬时频率(f)是调制信号m(t)A(t)=(r)=魄)p(tn£)f(t)=Z(.)()(.)频移键控信号(FsK)FSK信号的复包络:g(f)=exp(flo.t)p(tnT,)exp(jOo)(.){。)为频率序列。计算FSK信号的瞬时幅度(f)瞬时相位(f)瞬时频率/(f)是调制信号m(t)爿(f)=(.)=(cot)p(tHI)(.)儿)=z(去q切(fn‘)(.)^这里介绍和分析了几种模拟和数字调制信号的瞬时幅度、瞬时相位和瞬时频率并给出了各种调制信号主要特征参数波形从图中可以看出对于模拟调制信号其各种调制信号随调制指数的变换比较大而数字调制信号则是一种准周期信号有很好的统计特性因此我们可以直接利用信号瞬时参数的直方图实现数字信号的调制分类。无线电信号调制方式识别的目的正是利用各种方法提取上述信号的特征参数从而判定信号的调制类型。..幅度特征参数信号幅度参数包括:信号非弱部分中心归一化瞬时幅度绝对值的标准差吒信号中心归一化瞬时幅度的峰度匕。()信号非弱部分中心归一化瞬时幅度的标准差盯.信号非弱部分中心归一化瞬时幅度的标准差反映的是信号瞬时幅度分布的起伏状态主要用来区分有幅度信息和无幅度信息的调制类型如模拟调制中的AM和FM数字调制中的ASK与FSK和PSK其计算表达式如下:吒(.)其中Ⅳ是信号非弱部分采样点的数量以(f)是信号非弱部分中心归一化瞬时幅度的大连理工大学硕士学位论文值定义为:A,Ai):(f)~):型一O)是信号非弱部分瞬时幅度的值由原H始信号对应的解析信号取模值得到:(f)=Is(f)声(f)Is(i)是已经经过功率归一化的信号j(H)是s(n)的Hilbo't变换%是信号非弱部分瞬时幅度的平均值州。=i爿(n)q是信号非弱部分的阈值()信号中心归一化瞬时幅度的峰度成信号中心归一化瞬时幅度的峰度反映信号瞬时幅度分布的紧致性主要用来区分数字调制中GMSK和ASK键控以及幅度键控中ASK和ASK与模拟调制中的AM。它的计算表达式如下:心=E{鬈O)}/{可群O)l}(.)其中(Ⅳ)的定义同(.)。..频率特征参数信号频率参数有:信号非弱部分中心归一化瞬时频率绝对值的标准差盯信号归一化瞬时频率的峰度成。在说明这两个频率参数之前需要说明一下提取信号瞬时频率方法。在未知信号任何频率信息的条件下要获得信号的瞬时频率通常有两种方法瞬时相位求导法和时频分析法。()瞬时相位求导法瞬时相位求导法获取信号的瞬时频率的方法是首先求得信号对应的解析信号之后对解析信号的瞬时相位对时间求导数计算过程如下:妒(f)=args(t)必(f)】(.)M:土.生坦丛(.)。万dt这种方法计算过程简洁计算的结果精度也比较高。()时频分析法。常用的时频分析法有Cohen类时频分布和Affine类时频分布。尽管通过时频分布获得信号的瞬时频率也是可行的但由于时频分布的计算过程比较复杂计算量比较大一般并不经常采用。信号非弱部分中心归一化瞬时频率绝对值的标准差盯无线电信号监测若干关键问题研究与实现信号非弱部分中心归一化瞬时频率绝对值的标准差反映信号的瞬时频率的起伏状态用来区分信号有无频率调制信息如区分数字调制中的多载波频率的FSK与单载波ASK和PSK。其计算表达式如下:%【‘赤。叭钏一。万‘惫从驯()其中N是信号非弱部分采样点的数量工(厅)是信号非弱部分中心归一化瞬时频率工(”):地(.)厅l一=专(”)(.)一丙意八彬u’为信号频率非弱部分的阈值信号归一化瞬时频率的峰度以信号归一化瞬时频率的峰度反映信号瞬时频率分布的紧致性。主要用来区分FM与FSK。亦可用来区分FSK和FSK,以及FSK与PSK其计算表达式如下所示:以:=研(H)】/{研(n)】}(.)其中丘(H)是以最大值归一化的瞬时频率工()=f(n)/maxf(n)(f)是信号的瞬时频率。..相位特征参数信号非弱部分瞬时相位非线性分量绝对值的标准差Dk用于区分有无相位信息的调制信号如PSK与FSKASK与QAM等。其计算表达式如下:O'ap(.)其中(n)与at的定义同式(.)九。(n)是信号非弱部分瞬时相位非线性分量所谓非线性是指去除载波对相位积累的影响九。(")通过如下公式求得:九。(n)=缸g{【()必(以))】exp(一/『Z))(.)其中是信号的载波或中心频率在未知的条件下可通过以下公式估计得到:nIx(n)肛吞N/百惫Q“’I工(”)州大连理工大学硕士学位论文其中Z是采样频率为已知常数x(H)为采样后信号的离散傅里叶变换N为离散傅里叶变换点数。..频谱特征参数频谱特征参数有:信号中心归一化瞬时幅度功率谱密度的最大值‰Ax频谱对称性系数P。()信号中心归一化瞬时幅度功率谱密度的最大值‰Ax信号中心归一化瞬时幅度功率谱密度的最大值反映信号有无幅度信息反映信号瞬时幅度分布的周期性。主要用来区分有幅度信息的ASK、QAM与无幅度信息的PSKFSK。其计算表达式为:.一maxDFTA(n)‰“r一(.)其中如O)是中心归一化瞬时幅度定义同式()D盯表示离散傅里叶变换以是离散傅里叶变换的点数max表示取最大值。()频谱对称性系数P频谱对称性系数反映的是频谱功率的对称性主要用来区分单边带调制信号中的USB和SSB以及单边带调制信号与其它调制信号。其计算表达式为:P=(最一昂)/(互昂)(.)其中置=艺霹(n)表示载波频率以下的功率昂=艺霹(九厶)表示载波频率n=l^l以上的功率。五(n)是信号的离散傅立叶变换尼表示离散化的载波频率。()信号功率谱信号功率谱直接反映调制信号中各频率分量的功率分布。有载波分量信号(如AM、ASK等)和无载波分量信号(如DSB、PSK等)在信号功率谱载频处有很大的不同可以作为它们的主要分类特征。单谱峰信号(如FM、MSK等)频谱较为平坦多谱峰信号(如大调制指数的FSK)频谱有较多的起伏频谱形状和谱峰数可用于它们的识别。()信号平方谱信号平方谱即为信号平方后的功率谱由于平方运算产生很大的直流分量所以我们一般忽略功率谱的零频值。平方谱反映调制信号倍频后的频谱功率分布特性。对载波只有万跳变的信号如BPSK信号和DSB信号平方谱在倍载频处有很强的单频分无线电信号监测若干关键问题研究与实现量而其它的PSK信号和SSB信号则无此特征。FSK信号倍频处理会使调制指数加倍因此调制指数较小而无法用功率谱特征分类的FSK信号在平方谱中可以很好的识别。另外MSK倍频后调制指数为而调制指数为整数的FSK信号功率谱中传空号频率处有离散谱线因此检测平方谱单频分量可以将MSK从一般FSK中检测出来。()信号四次方谱信号四次方谱即信号四次方的功率谱。为了使频谱特征更加明显以及不至于在四倍频后使信号带宽超出采样频率的/在信号平方后进行截止频率为载波频率的高通滤波并将处理后的信号向下搬移一倍载频然后再次求其平方谱。信号的四次方谱主要用于区分M=的MPSK和M>的MPSK同时也可用于OQPSK与频率调制信号的分类。由于上述信号的四次方谱都具有不同的特征因此容易通过它将几类信号区分出来。()信号包络谱由于PSK信号调制通常采用滚降成形技术其包络中包含一定符号速率信息因此信号包络谱中存在符号速率谱线。但由于OQPSK信号Q路相对I路延迟二分之一码元包络变化小因而包络的频谱中没有明显符号速率谱线因此信号包络谱可以作为OQPSK信号的识别特征。.无线电信号调制方式高效自动识别系统总体技术方案本系统经过方案设计和广泛深入的计算机仿真及实际数据分析确定本文的总体技术方案如图.所示:大连理工大学硕十学位论文图.总体技术方案Fig.Generaltochnicalflowoftheprojcm缸N卜.蠹~一显一无线电信号监测若干关键问题研究与实现.基于仿真信号的算法..RBF神经网络在无线电信号自动识别中的应用神经网络所具有的信息分布式存贮、大规模自适应并行处理和高度的容错性等特点是用于模式识别的基础。特别是其学习能力和容错性对不定性模式识别具有独到之处。人工神经网络用于调制方式识别的分类器由来已久不乏很多优秀的算法【】。神经网络作为分类器主要完成如下任务:在输入被噪声污染的情况下确定最能代表输入信号样本的类别即分类问题分类器用联想储存器用于对残缺输入信息的恢复和联想用作矢量编码器等。RBF神经网络是众多神经网络中最受欢迎的一种它具有将输入矢量降维和自动化程度高等特点。RBF网络如图.所示。该网络是一个两层网络隐含层节点对输入刺激产生一局部响应也就是说它们只对输入落在输入空间的一部分产生非零响应。图.径向基函数网络Fig..RBFneuralnetwork’一誊"t从理论上讲RBF网络可以形成任意连续非线性映射的任意逼近在RBF网络中基函数的输入仅局限在一个局部范围内。一般说来用sigmoid函数可以更有效地解决一些问题但对有些问题则用局部响应函数更方便。例如RBF网络在分类问题上提供更有效的分类结果特别是当分类扩展到高维时RBF网络的有效性就更为显著。..高阶累积量的调制分类高阶统计量分析是近几年国内外信号处理领域的一个前沿课题【j引。高阶统计量广泛应用于所有需要考虑非高斯性、非最小相位性、有色噪声、非线性或循环平稳性的各类问题。常用的信号处理方法是以二阶统计量(时域为相关函数、频域为功率谱)作为数学分析工具的相关函数和功率谱存在一些缺点例如它们具有等价性不能辨识非最小相位系统又如它们对加性噪声敏感一般只能处理加性白噪声的观测数据。为了克服这些缺点就必须使用三阶或者更高阶数的统计量它们统称高阶统计量也称为高阶累积量。高阶统计量包含了二阶统计量没有的大量丰富的信息。凯‰阿络入麓大连理工大学硕士学位论文下面给出高阶累积量的定义及本文所用到的性质。在介绍高阶累积量前先介绍高阶矩的概念。对于一个具有零均值的复随机过程X()其P阶混合矩定义为:^钆=目x()(pq)X‘(栉)】(.)其中表示函数的共轭则各阶累量定义为:c=MzoCl=MIc,o=MMql=M.I一鸩IMc=M:一M三一I肘:oIc矗=Mc,cI一ql设我们接收到的信号可简写为:(.)(.)(.)(.)(.)(.s)厂=s弗(.)其中J为有用信号行为零均值的复高簸白噪声并且二者互相独立。由累积量的性质:eum(f)=eum(s)eum(n)(.)根据现代信号处理理论可知零均值高斯白噪声的高阶累积量(大于二阶)为零接收信号的高阶累积量等于有用信号的高阶累积量而不受高斯噪声的影响也就是说高阶累积量可以很好的抑制噪声。而信号的各阶累积量随信号调制方式不同而不同如果我们用接收到的被零均值高斯白噪声污染的信号的高阶累积量来建立识别参数即可识别被高斯白噪声污染的信号的调制方式。这正是我们利用接收到信号的高阶累积量识别调制类型的理论依据。为了验证理论值的可靠性本文选取了几种常见的调制方式其高阶累积量的结果如图.所示无线电信号监测若干关键问题研究与实现图.不同调制方式高阶累积量的理论值Fig..TheoreticalHOCvalueofsignalsindifferentmodulation其中QASK和QVSK信号的平均能量为。从图中可以清晰的看到将信号的能量进行归一化处理之后通过c:的分类就可以将四种信号BPSKQASKQPSKQAM进行分类。在理论推导的基础之上进行仿真。不失一般性的本文以QAM为例仿真流程如所示图.QAM的仿真流图Fig..SimulationflowoftQAM仿真条件:波特率=KSym/s载频=KHz采样频率=IMHz时间=o.Is符号信噪比=dB。其他仿真类似可以得到。最终得到上述四种调制方式的c.累积量的实验结果如图.所示大连理工大学硕士学位论文实验次数图.不同调制方式高阶累积量的仿真值Fig..SimulatedHOCvaluesofsignalsindifferentmodulation由图.和图.可以看出在信噪比为lOdB的情况下仿真得到的数值和理论数值相差无几。验证了技术方案的可行性。另外高阶累积量对信噪比、符号率、载波频率等参数不敏感的特性不失一般性的本文选取QASK做不同信噪比下的高阶累积量的计算实现得到结果如图.所示锄’刖七信芸比"侣麓图.QASK高阶累积量C随信噪比变化Fig..HOCsofQASKvarywithdifferentSNRs由设计实验的结果可以验证高阶累积量对信噪比不敏感也说明其对高斯白噪声有很好的抑制左右即使信噪比在一dB时高阶累积量的值也在理论值附近。I一无线电信号监测若干关键问题研究与实现..调制方式识别初步方案假设已知信号的参数:()载波频率()成形滤波器为矩形脉冲()可识别常用的种无线电信号的调制方式参见附录A。()高阶统计量的分布情况分析:计算表明:c。、c。、c.、ck的分布情况几乎不随符号率、采样率、信噪比而变化。但是估计的载波频率误差和脉冲成形滤波器会严重影响以上个统计量。()按照高阶统计量的计算结果设计第一步的分类策略’FM。AM.FMcombined..ASk一ASK.QASK.l“QASK.QASK.QASK.一PSK.PSK.】.PSK.))))))FSK.FSK..FSK.MFSK.OQPSKpi/QPSkGFSk(nM()AMSBTC()AMDSBSC()ASk().ASk《)PSKf)AMLSB.()AMUSB()FM()AMFMcombined,().QASl(.(I)QASl(’)“Q

用户评论(0)

0/200

精彩专题

上传我的资料

每篇奖励 +2积分

资料评价:

/
2下载券 下载 加入VIP, 送下载券

意见
反馈

立即扫码关注

爱问共享资料微信公众号

返回
顶部