CN106357574A - 基于顺序统计量的bpsk/qpsk信号调制盲识别方法 - Google Patents

Abstract

本发明提供了一种基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法。所述基于顺序统计量的BPSK/QPSK信号调制盲识别方法包括如下步骤：a、接收观测信号，并设定观测信号为x(n)，将所述观测信号x(n)作平方运算后进行DFT变换；b、将x²(n)频谱模值去除最大值后，得到修正频谱，并将所述修正频谱的最大值作为识别特征量；c、根据CFAR准则确定判决门限，并将所述识别特征值与所述判决门限进行对比：如果所述识别特征值大于所述判决门限，则判定所述观测信号为QPSK信号；如果所述识别特征值小于所述判决门限，则判定所述观测信号为BPSK信号。本发明的有益效果在于：所述基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法可在无信号参数及噪声方差信息的条件下，有效完成对BPSK/QPSK信号盲识别。

Description

基于顺序统计量的BPSK/QPSK信号调制盲识别方法

技术领域

本发明属于雷达及通信处理领域，具体地涉及一种基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法。

背景技术

信号的调制方式识别广泛应用于民用和军事领域，位于信号检测与解调中间，信号调制方式的正确识别，直接影响后续环节的性能。在雷达侦察中，根据接收到的未知信号提取相应的调制特征并判断出调制方式，有利于提高后续参数估计等方面的性能。目前BPSK/QPSK信号识别的方法主要有：延时自相关法、时频法、分形维数度量法、小波变换法等。延时自相关法利用的是调制信号延时自相关后波形的差异性。时频法利用的是调制信号的时间域内的特征。分形维数度量法利用的是分形维数度量信号波形的差异性。小波变换法利用的是提取调制信号的小波系数等特征。这些方法存在计算量大，且受信号参数变化影响较大等缺点。

因此，有必要提出一种利用BPSK/QPSK平方后的频谱最大值分布特征差异来进行调制识别的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法。

发明内容

本发明的目的在于提供一种利用BPSK/QPSK平方后的频谱最大值分布特征差异来进行调制识别的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法。

本发明的技术方案如下：一种基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法，包括如下步骤：a、接收观测信号，并所述设定观测信号为x(n)，将所述观测信号x(n)作平方运算后进行DFT变换；b、将x²(n)频谱模值去除最大值后，得到修正频谱，并将所述修正频谱的最大值作为识别特征量；c、根据CFAR准则确定判决门限，并将所述识别特征值与所述判决门限进行对比：如果所述识别特征值大于所述判决门限，则判定所述观测信号为QPSK信号；如果所述识别特征值小于所述判决门限，则判定所述观测信号为BPSK信号。

在本发明实施例提供的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法中，步骤b中修正频谱的计算具体包括如下步骤：

(1)信号平方求频谱并取模：

$Y\left(k\right)=|DFT\[y\left(n\right)\]|=\left|\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)W_N^{-nk}\right|,0\≤k\≤N-1$

其中，y(n)＝x²(n)，N为信号x(n)的样本长度。

(2)计算Y(k)的最大值对应的位置k₀：

$k_0=\arg \underset{0\≤k\≤N-1}{max}Y\left(k\right)$

(3)计算所述修正频谱R(k)：将Y(k)的最大值位置对应的谱线置0，而其他各点的值保留不变，得到所述修正频谱R(k)，即：

$R\left(k\right)=\left\{\begin{array}{c}0,k=k_0\\ Y\left(k\right),k\≠k_0\end{array}\right.$

(4)提取识别特征值：定义所述识别特征量为：

$\mathrm{\Γ}=\underset{0\≤k\≤N-2}{max}\[R\left(k\right)\]$

在本发明实施例提供的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法中，步骤c中所述判决门限的计算公式如下：

$V_{th}=\sqrt{-2{\mathrm{\σ}}_z^{2}ln\[1-{(1-P_{fa})}^{\frac{1}{N-1}}\]}$

其中，P_fa为虚警概率，是所述修正频谱的方差。

在本发明实施例提供的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法中，在步骤a中，设定所述观测信号为x(n)：

x(n)＝s(n)+w(n)＝Aexp(j[φ(n)])+w(n)

其中，s(n)为信号部分，A为信号幅度，φ(n)为信号的相位函数；w(n)为噪声部分，设为零均值高斯白噪声；实部与虚部独立，方差为且与信号s(n)互不相关。

本发明的有益效果在于：所述基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法可在无信号参数及噪声方差信息的条件下，有效完成对BPSK/QPSK信号盲识别，方法简单有效，对雷达情报分析具有一定理论与实践意义。

附图说明

图1是本发明实施例提供的基于顺序统计量的BPSK/QPSK信号调制盲识别方法的流程示意图；

图2a和图2b是BPSK和QPSK平方后的修正频谱图；

图3是本发明在不同信噪比下的识别性能示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。

参阅图1，是本发明实施例提供的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法的流程示意图。具体地，所述基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法包括如下步骤：

一、接收观测信号，并设定观测信号为x(n)，将所述观测信号x(n)作平方运算后进行DFT变换。

具体地，在步骤一中，设定所述观测信号为x(n)：

x(n)＝s(n)+w(n)＝Aexp(j[φ(n)])+w(n)

其中，s(n)为信号部分，A为信号幅度，φ(n)为信号的相位函数；w(n)为噪声部分，设为零均值高斯白噪声；实部与虚部独立，方差为且与信号s(n)互不相关。而且，由于信号的调制方式体现在相位函数φ(n)上，则可将BPSK/QPSK信号的识别结果归结为如下假设问题：

H₀：判为BPSK信号；

H₁：判为QPSK信号。

需要说明是，所述BPSK信号的相位函数为

φ(n)＝2πf₀n+πd₁(n)+θ

其中，d₁(n)为二元编码信号，码元宽度为T_c，幅度为0或1，f₀为信号载频，θ为信号的初始相位。若将BPSK信号进行平方，有s²(n)＝A²exp[j(4πf₀n+2θ)]，易知此为一频率为2f₀的正弦波。

所述QPSK信号的相位函数为：

φ(n)＝2πf₀n+πd₂(n)/2+θ

其中，d₂(n)为四元编码信号，码元宽度为T_c，幅度为0、1、2或3，f₀为信号载频，θ为信号的初始相位。将QPSK信号进行平方为s²(n)＝A²exp[j(4πf₀n+πd₂(n)+2θ)]，易知此QPSK信号进行平方后退化为BPSK信号。

二、将x²(n)频谱模值去除最大值后，得到修正频谱，并将所述修正频谱的最大值作为识别特征量。

具体地，步骤二中所述修正频谱的计算具体包括如下步骤：

(1)信号平方求频谱并取模：

$Y\left(k\right)=|DFT\[y\left(n\right)\]|=\left|\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)W_N^{-nk}\right|,0\≤k\≤N-1$

其中，y(n)＝x²(n)，N为信号x(n)的样本长度。

(2)计算Y(k)的最大值对应的位置k₀：

$k_0=\arg \underset{0\≤k\≤N-1}{max}Y\left(k\right)$

(3)计算所述修正频谱R(k)：将Y(k)的最大值位置对应的谱线置0，而其他各点的值保留不变，得到所述修正频谱R(k)，即：

$R\left(k\right)=\left\{\begin{array}{c}0,k=k_0\\ Y\left(k\right),k\≠k_0\end{array}\right.$

(4)提取识别特征值：定义所述识别特征量为：

$\mathrm{\Γ}=\underset{0\≤k\≤N-2}{max}\[R\left(k\right)\]$

其中，在提取所述识别特征值步骤中，由于修正频谱R(k)，0≤k≤N-2为独立同分布瑞利型随机变量，且相互间独立，其概率密度函数及分布函数分别为：

$f\left(r\right)=\frac{r}{{\mathrm{\σ}}_z^2}{e}^{-\frac{r^2}{2{\mathrm{\σ}}_z^2}},r\≥0$

$F\left(r\right)=1-\exp (-\frac{r^2}{2{\mathrm{\σ}}_z^2}),r\≥0$

式中，为修正频谱R(k)的方差。

根据顺序统计量理论，可知所述识别特征值Γ的分布函数为：

$F_{\mathrm{\Γ}}\left(r\right)={\[F\left(r\right)\]}^{N-1}={\[1-\exp (-\frac{r^2}{2{\mathrm{\σ}}_z^2})\]}^{N-1},r\≥0$

三、根据CFAR准则确定判决门限，并将所述识别特征值与所述判决门限进行对比：如果所述识别特征值大于所述判决门限，则判定所述观测信号为QPSK信号；如果所述识别特征值小于所述判决门限，则判定所述观测信号为BPSK信号。

具体地，在步骤三中，所述判决门限V_th由下面公式确定：

P_fa＝1-F_Γ(V_th)

其中，P_fa为虚警概率。

解方程得到：

$V_{th}=\sqrt{-2{\mathrm{\σ}}_z^{2}ln\[1-{(1-P_{fa})}^{\frac{1}{N-1}}\]}$

具体地，所述方差的计算方法包括如下步骤：

(1)假设一个门限V_m＝(0.3～0.5)Γ，找出R(k)中小于V_m的所有数据，记为R_L(k),L₁≤k≤L₂，L₁和L₂分别为R_L(k)区间的左端点和右端点；

(2)计算R_L(k)的均值，

(3)估计其中，

而且，由于所述BPSK信号平方后成为普通正弦波信号，所述QPSK信号平方后成为BPSK信号。因此，对BPSK/QPSK信号的识别转化为区分正弦波/BPSK信号。正弦波/BPSK信号的频谱特性如下：正弦波信号的频谱中仅含一根谱线，去掉该谱线后，其频谱变成噪声谱，无峰值存在；而BPSK信号的频谱按辛克函数规律变化，其有一定带宽，去掉最大值后，频谱中仍存在峰值。因此，可以根据这一特性来识别BPSK/QPSK信号。

具体地，在所述识别特征值与所述判决门限的对比过程中：

当Γ＜V_th时，则判H₀成立，即所述观测信号为BPSK信号；

当Γ＞V_th时，则判H₁成立，即观测信号识别为QPSK信号。

再结合参阅图2a和图2b，图2a和图2b分别给出了当信噪比SNR＝3dB时，BPSK信号和QPSK信号平方后的修正频谱图。其中，仿真条件为：观测信号BPSK/QPSK，BPSK信号采用13位Barker码，QPSK信号为16位FRANK码，采样频率为100Mhz，载频为20.76Mhz，码元宽度为640ns，样本点数为1024，初相位为输入信噪比由图可见，BPSK信号平方后的修正频谱呈现噪声谱，无峰值存在，QPSK信号平方后的修正频谱存在若干个明显的峰值。

再参阅图3，图3所示为信噪比变化范围为[-6dB,6dB]，BPSK/QPSK信号的识别性能，两种信号分别仿真1000次，其它的仿真条件与图2相同。由图3可知：

(a)当信噪比为[-6dB,6dB]时，BPSK信号的识别正确率基本为100％；

(b)当信噪比小于-3dB时，QPSK信号的识别正确率为0；当信噪比大于-3dB时，QPSK信号的识别正确率随信噪比的增加而增加；当信噪比大于2dB时，QPSK信号的识别正确率达到95％以上；

(c)BPSK信号的识别正确率优于QPSK信号。

相较于现有技术，本发明提供的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法可在无信号参数及噪声方差信息的条件下，有效完成对BPSK/QPSK信号盲识别，方法简单有效，对雷达情报分析具有一定理论与实践意义。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法，其特征在于：包括如下步骤：

a、接收观测信号，并设定所述观测信号为x(n)，将所述观测信号x(n)作平方运算后进行DFT变换；

b、将x²(n)频谱模值去除最大值后，得到修正频谱，并将所述修正频谱的最大值作为识别特征量；

c、根据CFAR准则确定判决门限，并将所述识别特征值与所述判决门限进行对比：

如果所述识别特征值大于所述判决门限，则判定所述观测信号为QPSK信号；

如果所述识别特征值小于所述判决门限，则判定所述观测信号为BPSK信号。

2.根据权利要求1所述的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法，其特征在于：步骤b中修正频谱的计算具体包括如下步骤：

(1)信号平方求频谱并取模：

$Y\left(k\right)=|DFT\[y(n)\]|=\left|\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)W_N^{-nk}\right|,0\≤k\≤N-1$

其中，y(n)＝x²(n)，N为信号x(n)的样本长度。

(2)计算Y(k)的最大值对应的位置k₀：

$k_0=\arg \underset{0\≤k\≤N-1}{max}Y\left(k\right)$

(3)计算所述修正频谱R(k)：将Y(k)的最大值位置k₀对应的谱线置0，而其他各点的值保留不变，得到所述修正频谱R(k)，即：

$R\left(k\right)=\left\{\begin{array}{c}0,k=k_0\\ Y\left(k\right),k\≠k_0\end{array}\right.$

(4)提取识别特征值：定义所述识别特征量为：

$\mathrm{\Γ}=\underset{0\≤k\≤N-2}{max}\[R\left(k\right)\]$

3.根据权利要求1所述的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法，其特征在于：步骤c中所述判决门限的计算公式如下：

$V_{th}=\sqrt{-2{\mathrm{\σ}}_z^2\ln \[1-{(1-P_{fa})}^{\frac{1}{N-1}}\]}$

其中，P_fa为虚警概率，是所述修正频谱的方差。

4.根据权利要求3所述的基于顺序统计量特征的BPSK/QPSK信号调制盲识别方法，其特征在于：在步骤a中，设定所述观测信号为x(n)：

x(n)＝s(n)+w(n)＝Aexp(j[φ(n)])+w(n)

其中，s(n)为信号部分，A为信号幅度，φ(n)为信号的相位函数；w(n)为噪声部分，设为零均值高斯白噪声；实部与虚部独立，方差为且与信号s(n)互不相关。