论文部分内容阅读
[摘 要]随着通信和电子技术的高速发展，数字信号调制方式正向着多样化和智能化趋势更加明显，并在诸多领域发挥着越来越重要的作用。本文是从数字信号调制的应用和识别发展入手，对数字信号调制方法进行了探索和研究。
[关键词]数字信号 调制 方法
中图分类号：TM 文献标识码：A 文章编号：1009-914X（2013）08-270-01
一、数字信号调制用途
在数字技术高速发展的推动下，数字调制信号在多个领域发挥着越来越重要的作用，随着数字通信业务种类的增加，各类数字信号的密集度和调整复杂度都进一步提高，在民用数字信号调制主要包括无线电监测和频谱管理两个方面，随着无线电通信需求的增加，高质量、高精确度的射频信号监测，已经成为一项重要工作项目，此为对各种无线波段进行管理，数字信号调制的一项重要的研究内容就是检测非法电台存在与否。在军事领域，近年来用于军事的电子对抗技术也对数字信号调制提出了更高的要求，通过数字信号调制技术，提取和复制敌方数字信号，提取参数，实施电子干扰已经成为现代战争的显著特征之一。
二、数字信号调制识别
信号调制识别包含包括雷达信号调制、无线通信信号调制识别、导航信号调制识别。根据识别方式，数字信号调制识别分为自动和人工两种。当前经验丰富的专业技术人员，做出的信号识别正确率依然高于自动识别技术。然而，逐渐成为通信主流的数字信号调制已经更多地被信号调制识别所采用，人工识别在对数字信号的调制方面经常无法满足实际的需要。
数字信号自动调制识别的研究已取得了突破性的进展，依托数字信号解调分析，如果包含可读帧结构和比特信息，则能认为该解调器与接收信号的调制制式相同。该方法适合于应用在备择调制样式较少的情况，对信道的监视数量的需要也较少。近年来，随着计算机技术和数字集成技術的高速发展，进一步提供了数字信号自动调制识别的技术条件基础。然而由于各种新的数字信号调制方式层出不穷，加之影响自动调制识别的因素很多，未知的信道衰落和多径传播以及干扰均会对数字信号的自动识别构成影响，在数字信号自动调制识别上需要进行很多的研究和探索。
三、似然比方式研究
最大似然比是数字信号自动调制采取的一种最常见方法，它采取多重假设测试问题的设置，对可能的数字信号调制类型做出假设检验。如图一所示。
似然函数为L（X/Hi），当L（x/Hi）> L（x/Hj），j≠i，j= 1，2…….m时，似然函数L（X/Hi）能够识别包含在m种在内的第i种调制。基于似然比函数比较处理方式能够实现混合似然比检测、平均似然比检测以及广义似然比检测。
四、特征参数方式研究
特征参数法是一种基于统计模式理论的数字信号调制方法。与似然比法比较，在模式识别方面复杂性更加突出，由于该方法无需进行条件验证，同时数字信号调制种类的增加并不会提高计算复杂度程度，因此该种方法在数字信号调制中有着比较广泛的应用。比较常见的特征参数信号调制识别如下图所示。
统计理论方法可根据特征参数提取方式细分为以下四种方式：
一是时频分析法。主要包括：Wigner-Ville，小波变换，Hilbert-Huang，短时傅里叶变换等。该方法非常有效地规避了FFT中频率分辨率与时间兼顾性不佳的问题，当信噪比高于10db时，能够获得高于78%的识别率。缺点为计算量比较大。
二是瞬时特征法。信号的瞬时幅度、相位、频率能直接反应数字信号的调制方式，在上世纪90年代，A.k.Nandi和E.E.Azzouz提出了基于瞬时幅度、频率、相位等特征参量的9个参数用于区分调幅、调频、调相数字信号，该方式在信噪高于15db时，可获得91%的识别率。
三是频谱分析法。该方法主要包括频谱特征法和谱相关倒谱法两种。经过对普相关函数谱特征的仔细分析，可以在较低的低信噪比下，实现对MFSK、MPSK等信号较高效的识别，频谱分析法比较直观，实践中多同其他方法联合应用。
四是高阶累积量法。该方法具有较好的噪声抑制效果，在信噪比高于10ldb时，儿科获得90%以上的识别率上。可应用于PSK、MASK、MQAM的分类。
结语：数字信号调制类型的识别在许多领域研究中都具有非常关键的应用，它是实现数字信号通信的关键环节。随着电子技术的发展，新的数字信号调制识别方法将不断出现，并在解决数字信号识别中发挥更加更大的作用。
参考文献：
[1]罗利舂，无线电侦察信号分析与处理[M].北京：国防工业出版社.2003
[2]Honeine，P.，et al. Optimal selection of time-frequency representations for signal classification：a Kernel-Target Alignment Approach. IEEE International Conference on. 2006. 476-479.
[3]Zeng，D.，et al” Automatic modulation classification of radar signals using the generalised time-frequency representation of Zhao，Atlas and Marks. Radar，Sonar & Navigation，IET，2011. 5（4）：507-516.
[关键词]数字信号 调制 方法
中图分类号：TM 文献标识码：A 文章编号：1009-914X（2013）08-270-01
一、数字信号调制用途
在数字技术高速发展的推动下，数字调制信号在多个领域发挥着越来越重要的作用，随着数字通信业务种类的增加，各类数字信号的密集度和调整复杂度都进一步提高，在民用数字信号调制主要包括无线电监测和频谱管理两个方面，随着无线电通信需求的增加，高质量、高精确度的射频信号监测，已经成为一项重要工作项目，此为对各种无线波段进行管理，数字信号调制的一项重要的研究内容就是检测非法电台存在与否。在军事领域，近年来用于军事的电子对抗技术也对数字信号调制提出了更高的要求，通过数字信号调制技术，提取和复制敌方数字信号，提取参数，实施电子干扰已经成为现代战争的显著特征之一。
二、数字信号调制识别
信号调制识别包含包括雷达信号调制、无线通信信号调制识别、导航信号调制识别。根据识别方式，数字信号调制识别分为自动和人工两种。当前经验丰富的专业技术人员，做出的信号识别正确率依然高于自动识别技术。然而，逐渐成为通信主流的数字信号调制已经更多地被信号调制识别所采用，人工识别在对数字信号的调制方面经常无法满足实际的需要。
数字信号自动调制识别的研究已取得了突破性的进展，依托数字信号解调分析，如果包含可读帧结构和比特信息，则能认为该解调器与接收信号的调制制式相同。该方法适合于应用在备择调制样式较少的情况，对信道的监视数量的需要也较少。近年来，随着计算机技术和数字集成技術的高速发展，进一步提供了数字信号自动调制识别的技术条件基础。然而由于各种新的数字信号调制方式层出不穷，加之影响自动调制识别的因素很多，未知的信道衰落和多径传播以及干扰均会对数字信号的自动识别构成影响，在数字信号自动调制识别上需要进行很多的研究和探索。
三、似然比方式研究
最大似然比是数字信号自动调制采取的一种最常见方法，它采取多重假设测试问题的设置，对可能的数字信号调制类型做出假设检验。如图一所示。
似然函数为L（X/Hi），当L（x/Hi）> L（x/Hj），j≠i，j= 1，2…….m时，似然函数L（X/Hi）能够识别包含在m种在内的第i种调制。基于似然比函数比较处理方式能够实现混合似然比检测、平均似然比检测以及广义似然比检测。
四、特征参数方式研究
特征参数法是一种基于统计模式理论的数字信号调制方法。与似然比法比较，在模式识别方面复杂性更加突出，由于该方法无需进行条件验证，同时数字信号调制种类的增加并不会提高计算复杂度程度，因此该种方法在数字信号调制中有着比较广泛的应用。比较常见的特征参数信号调制识别如下图所示。
统计理论方法可根据特征参数提取方式细分为以下四种方式：
一是时频分析法。主要包括：Wigner-Ville，小波变换，Hilbert-Huang，短时傅里叶变换等。该方法非常有效地规避了FFT中频率分辨率与时间兼顾性不佳的问题，当信噪比高于10db时，能够获得高于78%的识别率。缺点为计算量比较大。
二是瞬时特征法。信号的瞬时幅度、相位、频率能直接反应数字信号的调制方式，在上世纪90年代，A.k.Nandi和E.E.Azzouz提出了基于瞬时幅度、频率、相位等特征参量的9个参数用于区分调幅、调频、调相数字信号，该方式在信噪高于15db时，可获得91%的识别率。
三是频谱分析法。该方法主要包括频谱特征法和谱相关倒谱法两种。经过对普相关函数谱特征的仔细分析，可以在较低的低信噪比下，实现对MFSK、MPSK等信号较高效的识别，频谱分析法比较直观，实践中多同其他方法联合应用。
四是高阶累积量法。该方法具有较好的噪声抑制效果，在信噪比高于10ldb时，儿科获得90%以上的识别率上。可应用于PSK、MASK、MQAM的分类。
结语：数字信号调制类型的识别在许多领域研究中都具有非常关键的应用，它是实现数字信号通信的关键环节。随着电子技术的发展，新的数字信号调制识别方法将不断出现，并在解决数字信号识别中发挥更加更大的作用。
参考文献：
[1]罗利舂，无线电侦察信号分析与处理[M].北京：国防工业出版社.2003
[2]Honeine，P.，et al. Optimal selection of time-frequency representations for signal classification：a Kernel-Target Alignment Approach. IEEE International Conference on. 2006. 476-479.
[3]Zeng，D.，et al” Automatic modulation classification of radar signals using the generalised time-frequency representation of Zhao，Atlas and Marks. Radar，Sonar & Navigation，IET，2011. 5（4）：507-516.