学文网摘要：通信信号调制类型的识别是一种典型的模式识别问题。现代通信技术发展迅猛，通信信号体制和调制样式日趋复杂多样，信号环境也向大量密集、不易控制的方向发展。常规的识别方法已很难适应新形势的需要，不能对各类通信信号进行高效准确的识别，因此对新的调制类型识别方法研究时间紧迫，意义重大。针对这种情况，本文首先详细介绍了判决理论识别方法和统计模式识别方法这两种数字通信信号调制识别方法。之后对两种方法的优缺点进行了分析比较，最后对今后的研究方向做一展望。
关键词：调制识别判决理论统计模式
中***分类号：TN761 文献标识码：A 文章编号：1007-9416（2013）12-0027-02
1 研究意义
平日生活中各种信息需要沟通，而信号是信息的媒介。譬如声音、***片、视频等信息资源，能被直接转换得到的电信号叫做基带信号。这种信号能直接通过有线信道传输，但直接利用无线信道传输的可能性较小。若要使顺利在具有带通特性的无线信道中传输，则要使用调制解调技术。而通信信号的调制方式也由简到繁，由虚拟到数字，并发展成为多种调制技术共存的格局[1]。利用信道迅速、高效、稳定、实时地传输信息是通信达到的最终结果。接收方获取信号后，还要能正确的解调和识别信号，而要想对接受的信号予以干扰，则必须要知道发出方的调制方式，并采用与之相对应的解调方法；在解调所截获的通信信号的过程中，则需了解信号源的调制方式和参数。而调制方式是区别各种种类通信信号的一个特性指标，能够在不同信号环境和噪声干扰情况下分析出接收到的信号调制方式和参数是信号调制识别的主要工作目标，它是进一步识别和处理信号的先决条件[2]。
无论是在***事斗争领域还是民用商业领域，如何高效、准确的侦收并识别各类信号，一直是人们的关注所在。在***事上，信号调制分析是电子对抗战的关键所在，否则对敌方通信的干扰和捕知都无从谈起。利用现有的侦测设备截获敌方信号来源并对其调制方式进行分析，根据其调制方式可以对其参数进行估算，继而对敌信号源实现干扰和反干扰的作战目的，保证己方通信畅通的同时压制和摧毁敌方通信。在民用方面，准确智能地识别分析出通信信号的调制方式是它的主要用途，它在制造基于软件无线电的通用接收机和智能调制解调器等关键技术上起到了基础作用，在多通道通信互联及软件无线电方面有着十分明显的作用。同时自动识别通信信号调制方式技术也被广泛运用于信号检测、隐患估计和频谱监测等领域。而信号调制方式识别、调制参数估计是获取非合作通信中信号携带信息的基础。目前，这方面的研究也逐步受到国内外众多研究人员的重视。
2 数字调制识别方法
以往的调制识别任务依赖人工参与，识别结果一是因操作者不同而存在误差，二是能识别出的调制类型较少。该方法的识别过程是将侦收到的高频信号变频为中频，输入各种不同的解调器，根据识别人员用耳机、示波仪或频谱仪判断分析得出解调结果。主要以瞬时幅度、频率、相位及频时域波形、信号频谱、声音等作为分析依据。一旦遇到FSK类或ASK类信号，参与识别的人员还需要一定的经验才行。
自动调制识别技术的出现解决了一直以来调制识别技术的一个重要难题。而自动调制识别技术能够大规模运用也得益于高速数字信号处理技术、计算机技术和微型芯片技术的蓬勃发展。C.S.Waver等人于1964年4月发表了有史以来第一篇研究自动调制识别的论文[3]，目前国内外对自动调制识别技术的研究已经取得了不少重要成果。目前，自动调制识别方法大致可以总结为如下两种：统计模式识别方法和判决理论识别方法。
2.1 统计模式识别方法
统计模式识别方法以经典模式识别理论作为识别依据。识别方法主要由信号预处理、特征提取和类型识别三部分组成。从样本信号中提取出对识别有利用价值的数据称之为特征提取，判断信号调制类型的主次结构是类型识别部分的主要功能。无论是时域还是频域都不影响特征提取的进行。但一般情况下需要足够数量的各类调制信号样本并分析得出各个特征参数的判决门限才可构建。其框架结构***如***1所示。
在具体的识别过程中，三个部分缺一不可，环环相扣。信号预处理部分的主要任务是为特征提取提供准确的数据。具体处理的内容有频率下变频、同相和正交分量分解、载频估计和载频分量的消除等，在数字调制或中频上计算接收信号的瞬时幅度、相位和频率。在多信道多发射源的情况下，必须将不同信号分离，确保在调制识别过程中信号的唯一性。在预处理的基础上需要依靠特征提取的功能提取信号的时域特征或变换域特征。通过提取特征，选择和运用合适的判决准则和识别分类器，这是分类识别的主要任务。而在这一过程中，特征提取的准确与否直接作用于分类器的设计和功能实现。
2.2 判决理论识别方法
判决理论识别方法是建立在假设检验理论上的一种识别方法，主要利用到了概率论，使之推导出一个合理的分类标准。此方法在理论统计分析出信号特性的基础上，用提前设置的门限和判决标准和推算得出的检验统计量进行定向对比。
通常根据目标函数最小化原则采用似然比（Likelihood Ratio，LR）函数作为检验统计量，所以判决理论识别方法又称为似然比检验（Likelihood Ratio Test，LRT）方法[4]。
由随机相位信号波形的相关检测理论，可以导出波形似然比函数[5]，通常用于高斯白噪声中PSK信号的识别。Kim[4]等较早提出采用ALRT方法识别BPSK和QPSK信号。Huang[6、7]等讨论了低信噪比下PSK信号波形的似然检验，提出了准优化的对数似然比qM分类器，它在小信噪比条件下，对幂指数进行级数展开，从而简化（1）式的计算进一步改善了识别性能。Boiteau[8]等提出了广义似然比分类框架并用于调制识别，该方法先对似然比函数进行幂级数展开，并求展开式中的未知参数的期望，最后推导出了基于高阶相关的分类统计量，提供了基于高阶循环矩与累积量的最大似然识别的理论框架。
对于PSK信号，以信号的码元相位为分析对象，得到码元相位似然比函数[9]用于分类。Yang[10]等先后提出用Tikhonov函数和傅立叶级数系数逼近码元相位的概率分布的方法来简化似然比函数，使得MLRT方法更加完善。Schroyogg[11]直接利用码元相位的直方***的傅氏级数展开系数进行分类识别。
对于QAM信号，需要构造幅度和相位的联合似然比函数用于识别，其中包含调制信息的幅相序列必须通过码元同步采样序列获得，这种方法对码元序列信噪比要求较高。Schroyogg[11]利用信号幅度的平均似然比函数实现对MQAM信号的分类。在信噪比高的条件下，Sills[8]等假设信号的幅度和相位近似相互***，幅度为Rician分布，码元相差服从高斯分布，利用幅度和相位的联合似然比函数识别QAM信号的阶数。Lay[12]等利用维特比判决算法估计信道和码元数据，并采用似然函数识别16PSK和16QAM信号。
具体来说，除波形LRT方法外，符号序列是LRT方法最善于处理的目标，它的特点是受同步影响较大。而随着信噪比的变化，判决统计量的门限设置也相应产生变化。若要想使得识别准确率有所提高，需要增大码元数的观测量。
3 两种识别方法的比较与展望
通过对现有的这两大类型识别方法对比分析后会发现，它们在识别效果上是其实是难分高下的。利用统计模式识别方法的先决条件是要以一定量的信号样本得出其特征参数和判决门限，所以识别结果受噪声干扰的因素较大。低信噪比时的识别效果远不如高信噪比时。但其因为理论判断简便，提取特征的适应能力强，可用于多种类型的识别。判决理论识别方法主要是利用调制信号的似然比函数分析，推导出判决准则。在整个识别过程中不需要信号样本且更适用在低信噪比环境下的识别。但该方法只能对已经分析得出累积特性的某类调制信号进行识别，识别类型十分有限[13]。因此如何提高现有识别方法在当今日益复杂的通信环境下的识别性能，是十分有必要的。
同时，本文中曾提到，随着软件无线电接收机的发展和运用，如何有效地对此类信号调制方式进行有效识别，同时实现信号的智能接收和解调，是实现软件无线电的一个前景目标，也需要进一步深入探索研究。
参考文献
[1]樊昌信，曹丽娜.通信原理[M].国防工业出版社，2007.
[2]尚俊娜，赵知颈.几种信号调制样式识别方法的分析与比较[J].杭州电子工业学院学报，2002.
[3]C.S.Weaver，C.A.Cole，R.B.Krumland，and M.L.Miller，The Automatic Classification of Modulation Types by Pattern Recognition，Stanford Electronics Laboratories，Technical Report No.1829-2，April 1969.
[4]Kim K，Polydoros A.Digital modulation classification：the BPSK versus QPSK case[A].In：Proc.Of IEEE MILCOM 98[C].Boston，MA，US，1998，2：431-436.
[5]梁开莉，贾鑫，袁嗣杰.低信噪比弱调制AM信号的检测与识别[J].电讯技术.1999，48（3）：66-70.
[6]Huang C.Y，Polydoros A.Likelihood methods for MPSK modulation classification[J].IEEE m.，1995，234（43）：1493-1504.
[7]Hong L.，Ho K.C..BPSK and QPSK modulation classification with unknown signallevel[A].In：Proc.of IEEE MILCOM00[C].Los Angeles，CA，US：2000，2：976-980.
[8]Hong L.，Ho K.C.Modulation classification of BPSK and QPSK signals using a two element antennaarray receiver[A].In：Proc.of IEEE MILCOM 'O1[C].Washington DC，US：2001，1：118-122.
[9]吕铁***.通信信号调制识别研究[D].成都：电子科技大学，2000.
[10]Yang Y，Soliman S.S.A suboptimal algorithm for modulation classification[J].IEEE Trans.on Aerospace and Electronic Systems，1997，33（1）：38-45.
[11]Schroyogg C.and Reichert J.Modulation classification of QAM schemes using the DFT of phase histogram combined with modulus information[A].In：Proc.of IEEE MILCOM '97[C].Monterey，CA，US：1997，3：1372-1376.
[12] Lay N.E.，Polydoros A.Modulation classification of signals in unknown ISI environments[A]In：Proc.of IEEE MILCOM '95[C].San Diego，CA，US：1995，1：170-174.
[13]邓南南.浅论通信信号识别方法.科技信息，2010，17.
转载请注明出处学文网 » 通信信号调制识别方法研究