专利名称：基于混合矩和fisher判别的正交幅度调制信号识别方法
技术领域：
本发明属于通信技术领域，具体涉及一种瑞利衰落信道、低信噪比条件下对高阶正交幅度调制MQAM信号的识别方法，用于自动调制识别。
背景技术：
自动调制识别，是指在衰落信道之下，通过对未知信号进行采样、观察、分析，对信号的调制类型进行自动识别的技术。显然，无论对于军用和民用来说，这都是一种核心技术。在军用领域，特别在电子战、C4I系统中，获取信号的调制方式都是关键的一步。在民用领域，软件无线电系统对信号进行分析与处理也是建立在获取信号的调制从而进行正确解调的基础上的。目前对MQAM信号类内识别研究比较少，现有的研究大多集中在高斯信道环境下，在低信噪比下、高阶QAM信号类内识别的识别率不高，不能满足实际情况发展的需要。
目前，自动调制识别主要有两种途径，一种是基于似然比的自动调制识别，另一种是基于特征量的自动调制识别。在基于似然比的自动调制识别方案框架内，自动调制识别可以看作一组多假设检验所组成的问题。其主旨是研究接收信号波形的概率密度函数与已知信号波形的概率密度函数的关系。基于选择不同未知数的模型，现有三种基于似然比的自动调制识别技术平均似然比检验ALRT，归一化似然比检验GLRT和混合似然比检验HLRT。这些基于似然比的自动调制识别方案的缺点是计算量较大。
基于特征量的自动调制识别是对接收信号的特征量进行判决。这里的特征量要能够代表原始的接收数据。比较有代表性的特征量有信号的正交分量与同相分量的互相关，信号幅度、相位、频率中心归一化后的方差，信号间隔过零点的方差，信号小波变换后去幅度去除峰值之后的方差，矩，累积量，循环累积量，熵，恢复后的星座图等等。
Wei Dai，Youzheng Wang，Jing Wang等人在文章《Joint Power Estimation andModulation Classification using second and higher statistics》中首先提出了利用高阶混合矩进行自动识别的方案。这个方案提出了基于四阶矩、六阶矩的统计方法，通过相应概率密度的推导，使特征量能够消除瑞利信道的影响。但是文章并没有的对OFDM和QAM进行识别和分析。
Bin Wang在文章《Algorithm for Blind Identification of OFDM Signal Based on HigherOrder Moments》中又对这种方法进行了改进，用来在瑞利信道识别OFDM信号。这种方法基于四阶矩与六阶矩，先应用相应的推导来消除瑞利信道的影响，然后对应用理论值对接收信号信噪比进行估计。这种方法由于对MQAM信号进行识别时，需要对信噪比进行“估计”，因而计算量较大，而且当对高阶QAM信号进行识别时，正确率较低。
发明内容
本发明的目的在于克服上述技术的不足，提出一种基于混合矩和fisher判别的正交幅度调制信号识别方法，以提高在低信噪比、瑞利信道下对高阶MQAM识别率，减小计算复杂度。
为实现上述目的，本发明包括如下步骤 (1)设定通过瑞利衰落信道后所接收到的MQAM信号为
其中s(t)为发送端发送的MQAM信号中待识别的32QAM或64QAM或128QAM信号，a(t)和
为信道的影响因子，a(t)服从瑞利分布，
服从0到2π间均匀分布，fd是多普勒因子，w(t)是均值为零，方差为σg2的复高斯白噪声； (2)根据接收信号y(t)，进行过采样得到采样序列
其中s(n)为发送MQAM信号采样序列，w(n)为均值为零，方差为σg2的复高斯白噪声的采样序列，a(n)与
为采样后的信道影响因子，a(n)服从瑞利分布，
服从0到2π的均匀分布； (3)分别求出接收采样序列y(n)的二阶矩M2，1(y)，四阶矩M4，2(y)，六阶矩M6，3(y)； (4)根据二阶矩M2，1(y)，四阶矩M4，2(y)，得到接收信号的四阶矩归一化值根据二阶矩和六阶矩，得到接收信号的四阶矩归一化值并由这两个特征量得出新特征量Z＝(v20，v30)； (5)利用计算机仿真蒙特卡洛方法，得到三种接收信号的各100个新特征量值Zi，i＝1...100，通过fisher判别方法，将这些不同信号的各100个新特征量，投影到一维空间上，得到每种信号的100个投影向量
i＝1...100，选取32QAM信号的投影向量与128QAM信号的投影向量中无交叉区域的中点值作为识别32QAM和128QAM信号的阈值th1，选取64QAM信号的投影向量与128QAM信号的投影向量的无交叉区域的中点作为识别64QAM信号和128QAM信号的阈值th2； (6)将投影后的接收信号特征量向量
分别与门限值th1和th2进行比较，如果则信号调制方式判为64QAM信号；如果则信号调制方式判决为128QAM，如果则信号调制方式判决为32QAM信号。
本发明与现有技术相比具有的优点 本发明由于利用接收信号序列不同的高阶矩，组成了新的特征量，使得随着信噪比的变化，不同调制方式的特征量的值有相同的变化趋势且不相等，所以不需对信号信噪比进行估计，减小了运算量，提高了运算精度；同时由于本发明利用了fisher判别的模式识别方法对不同的特征量进行分类，因而可进一步减少了运算量，提高识别的精确度。本发明不但适用于高斯白噪声信道，也适用于瑞利衰落信道。仿真表明，在瑞利衰落信道，5dB信噪比下，本发明对识别高阶MQAM类内信号的识别率可达到98％。
图1是本发明的MQAM类内信号识别实现流程示意图； 图2是本发明的MQAM信号通过瑞利信道后，特征量的值随信噪比变化仿真图； 图3是本发明的MQAM信号通过瑞利信道后特征量的分布仿真图。
具体实施例方式 参见图1，本发明的实现步骤如下 步骤1.设通过瑞利衰落信道后，接收到的MQAM信号模型为
其中a(t)服从瑞利分布的信道影响因子，
为服从0到2π间均匀分布的信道影响因子，fd是多普勒因子，w(t)是均值为零，且方差为σg2的复高斯白噪声，s(t)为发送端发送的待识别的32QAM，64QAM，128QAM信号。
步骤2.对接收信号y(t)进行过采样，得到采样序列y(n)
其中s(n)为发送MQAM信号采样序列，w(n)为均值为零，方差为σg2的复高斯白噪声的采样序列，a(n)为服从瑞利分布的采样后的信道影响因子，
为服从0到2π的均匀分布的采样后的信道影响因子，
步骤3.对上述的接收信号采样序列y(n)分别求出其二阶矩M2，1(y)，四阶矩M4，2(y)，六阶矩M6，3(y) M2，1(y)＝E(|y(n)|2)＝S+N M4,2(y)＝E(|y(n)|4)＝m20S2+4NS+2N2 M6，3(y)＝E(|y(n)|6)＝m30S3+9m20S2N+18N2+6N3 其中，S＝E(|u(n)|2)，N＝E(|w(n)|2)， m20＝M4，2(u)/M22，1(u)＝M4，2(a)/M22，1(a)×M4，2(s)/M22，1(s)＝2×M4，2(s)/M22，1(s) m30＝M6，3(u)/M32，1(u)＝M6，3(a)/M32，1(a)×M6，3(s)/M32，1(s)＝6×M6，3(s)/M32，1(s) 其中M4，2(s)/M22，1(s)、M6，3(s)/M32，1(s)的理论值如表1所示 表1.M4，2(s)/M22，1(s)与M6，3(s)/M32，1(s)的理论值 步骤4.构造接收信号新的特征量Z＝(v20，v30)。
根据采样序列的二阶矩M2，1(y)、四阶矩M4，2(y)和六阶矩M6，3(y)，求出四阶矩的归一化值和六阶矩的归一化值构造新的特征量Z＝(v20，v30)。
步骤5.利用计算机仿真蒙特卡洛和fisher判别的方法，确定判别信号调制方式的阈值。
(5a)利用特征量的值，计算fisher判别所需相关参数 根据fisher判别的有关理论，利用计算机仿真蒙特卡洛方法，分别计算各类样本均值向量mj，样本类间离散度矩阵Sb、总类内离散度矩阵Sω和样本类内离散度矩阵Si，其中 各类样本均值向量mj的计算，通过得到的三种接收信号的各100个新特征量Zi，i＝1...100，根据公式计算，j＝1，2，3分别代表三类调制信号，式中x为特征量Zi＝(v20，v30)的值； 样本类间离散度矩阵Sb是通过公式Sb＝∑(mi-mj)(mi-mj)T进行计算，i和j分别代表三类调制信号，i≠j，i，j＝1，2，3； 样本类内离散度矩阵Si，通过公式Si＝∑(x-mi)(x-mi)T，i＝1，2，3计算； 总类内离散度矩阵Sω，通过公式Sω＝S1+S2+S3进行计算。
(5b)利用相关参数计算投影直线斜率 定义fisher准则函数为
并把使
最大的
值作为投影直线的斜率。通过计算，得到使
最大时
的值
(5c)通过得到的投影直线斜率对特征量进行投影，从而确定判决信号调制方式的阈值，即将不同信号的各100个新特征量Zi，i＝1...100，投影到斜率为
一维空间上，得到每种信号的100个投影向量
i＝1...100，选取32QAM信号的投影向量与128QAM信号的投影向量中无交叉区域的中点值作为识别32QAM和128QAM信号的阈值th1，选取64QAM信号的投影向量与128QAM信号的投影向量的无交叉区域的中点作为识别64QAM信号和128QAM信号的阈值th2。
步骤6.将信号的特征量做投影后向量
与th1与th2比较，将投影后的接收信号特征量向量
与门限值th1与th2进行比较，如果信号调制方式判为64QAM信号；如果信号调制方式判决为128QAM，如果信号调制方式判决为32QAM信号。
本发明的效果可以通过仿真进一步说明 1.仿真环境 信号的调制类型有32QAM信号，64QAM信号和128QAM信号，每种信号传输的参数均为符号率为2k/s，采样频率为40kHz，载波频率为6kHz，多普勒频移为10Hz。信道模型为瑞利衰落附加高斯白噪声信道。
2.仿真内容及结果 1)对发送端发送的MQAM信号通过信噪比变化范围为0db至25dB的瑞利信道，四阶矩的归一化值v20与六阶矩的归一化值v30随信噪比变化的情形，进行每信噪比100次的蒙特卡洛仿真，结果如图2所示。由图2可知，当信噪比高于15dB时，v20与v30的值变化不大，并且三种调制方式的v20值与v30的值没有重合，适合进行识别。
2)对发送端发送的MQAM信号通过信噪比变化范围为5dB至25dB的瑞利信道，三种调制方式的特征量i＝1...100的分布的情形，在每dB在信噪比情形做100次蒙特卡洛仿真，结果如图3所示。由图3可知，三种调制方式的特征量的值并无重叠，可以利用fisher判决来对不同调制方式的特征量Zi，i＝1...100进行分类，从而可以进行判决阈值的确定。
权利要求
1.一种基于混合矩和fisher判别的正交幅度调制信号识别方法，包括如下步骤
(1)设定通过瑞利衰落信道后所接收到的MQAM信号为
其中s(t)为发送端发送的MQAM信号中待识别的32QAM或64QAM或128QAM信号，a(t)和
为信道的影响因子，a(t)服从瑞利分布，
服从0到2π间均匀分布，fd是多普勒因子，w(t)是均值为零，方差为σg2的复高斯白噪声；
(2)根据接收信号y(t)，进行过采样得到采样序列
其中s(n)为发送MQAM信号采样序列，w(n)为均值为零，方差为σg2的复高斯白噪声的采样序列，a(n)与
为采样后的信道影响因子，a(n)服从瑞利分布，
服从0到2π的均匀分布；
(3)分别求出接收采样序列y(n)的二阶矩M2，1(y)，四阶矩M4，2(y)，六阶矩M6，3(y)；
(4)根据二阶矩M2，1(y)，四阶矩M4，2(y)，得到接收信号的四阶矩归一化值根据二阶矩和六阶矩，得到接收信号的四阶矩归一化值并由这两个值得出新特征量Z＝(v20，v30)；
(5)利用计算机仿真蒙特卡洛方法，得到三种接收信号的各100个新特征量值Zi，i＝1...100，通过fisher判别方法，将这些不同信号的各100个新特征量，投影到一维空间上，得到每种信号的100个投影向量
i＝1...100，选取32QAM信号的投影向量与128QAM信号的投影向量中无交叉区域的中点值作为识别32QAM和128QAM信号的阈值th1，选取64QAM信号的投影向量与128QAM信号的投影向量的无交叉区域的中点作为识别64QAM信号和128QAM信号的阈值th2；
(6)将投影后的接收信号特征量向量
分别与门限值th1和th2进行比较，如果则信号调制方式判为64QAM信号；如果则信号调制方式判决为128QAM，如果则信号调制方式判决为32QAM信号。
全文摘要
本发明公开了一种基于混合矩和fisher判别的正交幅度调制信号识别方法，主要解决了现有技术的计算量大和识别率低的问题。其过程是对接收的信号进行过采样；分别求出过采样序列的二阶矩、四阶矩和六阶矩；将各阶矩结果归一化并组合得到新的特征量；通过计算机仿真蒙特卡洛的方法及fisher判别，确定判决调制类型的大小不等的两个阈值，并将接收到的信号特征量投影后的特征量与阈值进行比较，若投影后的特征量大于较大的阈值判为64QAM信号，若小于较大的阈值大于较小的阈值判为128QAM信号，若小于较小的阈值判为32QAM信号。本发明在瑞利信道下、低信噪比下有良好的识别性能，在信噪比5dB情况下识别率可达到98％，可用于无先验信息情况下的正交幅度调制信号的自动识别。
文档编号H04B17/00GK101764785SQ20091021944
公开日2010年6月30日 申请日期2009年12月11日 优先权日2009年12月11日
发明者李兵兵, 安宁, 黄敏 申请人:西安电子科技大学