Watterson模型下的信号自动调制识别算法

摘　要：本文针对慢衰落信道中信号调制方式自动识别的问题，提出了一种基于特征矢量的判决方法。通过提取4大类共9种特征参数，最终通过这些参数构成特征矢量实现了基于Watterson模型的慢衰落信道中9种常见信号调制方式的自动识别。仿真结果表明：在信噪比为10dB时，信号的正确识别概率达到了90%以上。

关键词：Watterson模型；判决特征矢量；自动调制识别；参数抽取

1.引言
　　通信信号调制方式自动识别是介于信号检测和解调之间的重要步骤，是通信信息还原的基础和关键所在，有着重要的军事应用和民用价值，调制自动识别算法可分为基于似然函数的方法和特征统计方法中改进的数字调频类信号瞬时频率概率峰值，2FSK信号的瞬时频率概率直方图中存在两个波峰，而其他的调制类型的信号只有一个波峰。
（3） 单频分量检测
　　对于AM信号和Morse码都会出现一个很明显的单频分量，而调频类信号和幅相类信号在载频位置没有单频分量。
（4） R参数及其方差
　　

　　调相类信号属于恒包络信号，R参数较小，而幅相类信号属于非恒包络信号，R参数较大；相比于AM信号，Morse电码时有时无，其R参数的方差必然很大，因此R参数的方差可用于区分两类信号。
4.2特征矢量判决
　　传统的决策树又称判决树，是一种类似于二分树或多叉树的树结构。树中每一个非叶节点对应于训练样本集中一个非类别属性的测试，非叶节点的每一个分支对应属性的一个测试结果，每个叶子节点代表一个类。但是这种判决树存在很大的缺点，就是当出现一种的新的调制方式时，必须重新设计判决树，使得工作量大增。究其原因，主要是因为提取的特征参数较少，每一个叶子节点必须对应于相应的类，而且每一个信号只是计算某些特征参数，这就大大限制了判决树的设计与应用。
　　针对上述缺点，本文提出了一种改进的基于判决矢量的判决策略，增大了判决树的分支数，使得每一个叶子节点并不一定都是一类调制方式。当出现新的调制方式时，就可以通过在原有判决树的基础上或者再增加若干特征参数而后进行分类，方便了信号分类集的增大或者缩小。
 

5.算法仿真结果
　　对经过Watterson模型信道传输的AM、Morse码、2FSK、BPSK、QPS K、OQPSK、8PSK、16QAM、32QAM共9类信号，使用Labview进行了调制识别算法仿真。仿真中Watterson模型信道参数设置为：多径数目为2，其中路径1时延为0ms，多普勒扩展为0Hz，路径增益为1，；路径2时延为1.5ms，多普勒扩展为0.1Hz，路径增益为1，多普勒频移为1Hz 。传输的信号调制规格为：AM调制指数为0.8，模拟信号采用一段音频信号； 2FSK、BPSK、QPSK、OQPSK、8PSK、16QAM、32QAM信号采用1000个基带数据符号，滚降系数为0.35的升余弦滤波器，码元速率为1000Hz，载波频率为1500Hz，采样率为16000Hz。
　　通过算法仿真得到了上述9种信号正确识别概率随信号信噪比变化的曲线图。从图7中可以看出，在信噪比大于10dB时，信号的正确识别概率均达到了90%以上，可见本文提出的调制识别算法达到了较好的分类效果。

6.结束语
　　本文研究了在多径效应、多普勒频移以及多普勒扩展影响下通信信号调制方式自动识别算法，仿真产生了Watterson信道模型下的9种信号，提取了包括基于信号循环平稳特性的平方谱和四次方谱中某些特征谱线、瞬时频率概率峰值、单频分量、R参数及其方差等4大类共9种特征参数，构成了特征矢量判决策略，改进了传统判决树的分类器。这种基于特征矢量的判决策略，当信号分类集合扩大时，只用根据需要增加新的特征参数即可。仿真性能结果表明，经过Watterson信道模型传输的信号，在信噪比为10dB时，所有信号的调制识别概率均达到了90%以上。然而，实际信号中部分数字调制信号存在导频信息，还含有大量多音并行信号等复合调制信号。因此，下一步工作将围绕实际信号调制识别展开。
　　
参考文献：
崔伟亮.复杂电磁背景下信号截获与分类.郑州：解放军信息工程大学硕士学位论文,2007.p.26-28.