廖燦輝 涂世龍 萬 堅

?

一種抗頻偏的衛(wèi)星幅相調(diào)制信號識別算法

廖燦輝*涂世龍 萬 堅

(盲信號處理國家重點(diǎn)實(shí)驗(yàn)室 成都 610041)

該文針對衛(wèi)星中的常用調(diào)制QPSK, 16QAM和新型調(diào)制16APSK, 32APSK，提出一種自適應(yīng)構(gòu)造幅度分布模板，并通過計算實(shí)際信號幅度分布向量與幅度分布模板間的匹配誤差來進(jìn)行調(diào)制識別的算法。該方法不需要知曉載噪比，不需要人為確定閾值，且對頻偏誤差的容忍能力強(qiáng)，適合實(shí)際工程應(yīng)用。仿真表明，在載噪比為9 dB，符號個數(shù)為4000時，該算法對4種調(diào)制信號的識別率能達(dá)到98%以上，證明了其有效性。

衛(wèi)星通信；調(diào)制識別；APSK；幅度分布

1 引言

通信信號調(diào)制識別是指在已知信號調(diào)制類型集合的前提下，正確判斷并識別當(dāng)前信號的調(diào)制類型，是信號盲處理領(lǐng)域里的一個重要研究課題[1]。隨著通信技術(shù)的發(fā)展，各種新型調(diào)制方式不斷出現(xiàn)，調(diào)制識別也需要不斷發(fā)展以適應(yīng)變化的識別要求。

在衛(wèi)星通信中，由于衛(wèi)星轉(zhuǎn)發(fā)器的非線性影響，要求采用的調(diào)制方式包絡(luò)恒定或起伏很小，因而常采用PSK調(diào)制，一般為BPSK, QPSK和8PSK。隨著寬帶衛(wèi)星業(yè)務(wù)的增多，頻譜資源變得越來越緊張，需要采用更高階調(diào)制方式以提高頻帶利用率，如16QAM。但在應(yīng)用中，16QAM調(diào)制存在較多幅度，通過衛(wèi)星非線性轉(zhuǎn)發(fā)器時功率效率較低，且接近飽和狀態(tài)工作時非線性失真影響很大，增加了預(yù)失真校正的復(fù)雜性。因而，星座呈圓形且圓周個數(shù)少的APSK調(diào)制被提出并受到關(guān)注[2,3]。目前16APSK和32APSK調(diào)制已應(yīng)用在實(shí)際衛(wèi)星通信中。APSK是一種新型調(diào)制，一方面目前針對APSK調(diào)制識別的研究非常少。另一方面，已有的很多調(diào)制識別算法要求在調(diào)制識別前先進(jìn)行載波同步，而這在盲處理條件下是難以滿足的，使得這類算法的實(shí)用性受到限制。鑒于此，本文將針對目前衛(wèi)星中常用的調(diào)制類型，主要是PSK(BPSK, QPSK和8PSK), 16QAM, 16APSK和32APSK，研究抗頻偏識別算法。

這4類調(diào)制信號星座具有不同的幅度分布特性，而幅度分布特征不受頻偏誤差影響，能夠很好地滿足應(yīng)用需求，因此本文考慮提取幅度分布特征進(jìn)行識別。利用幅度分布特征的識別算法中，文獻(xiàn)[4]直接估計幅度分布的波峰數(shù)來識別QAM和16APSK，文獻(xiàn)[5]直接用包絡(luò)平方方差來識別不同的QAM，這兩種方法利用幅度比較粗糙，性能受噪聲影響較大，需結(jié)合其它特征來提高識別率。其它算法，或者需要已知信噪比來確定幅度分布，或者是選定固定的判決閾值。文獻(xiàn)[6]用遺傳算法優(yōu)化得到瞬時能量的最優(yōu)劃分向量，據(jù)此計算瞬時能量分布向量來識別各階QAM信號，不足之處是需要根據(jù)不同載噪比計算不同的劃分向量，且識別前也需要知道準(zhǔn)確載噪比；文獻(xiàn)[7]利用不同QAM調(diào)制的幅度取值不同，采用減法聚類得到幅度聚類數(shù)目，根據(jù)聚類數(shù)目來判別調(diào)制類型，也需事先設(shè)定聚類半徑大??；文獻(xiàn)[8]通過計算星座最小環(huán)帶方差進(jìn)行QAM信號識別，采用的是固定的分類閾值；文獻(xiàn)[9]根據(jù)不同QAM星座取值幅度不同，需選定劃分閾值后再構(gòu)造幅度分布模板來進(jìn)行識別。

受以上方法啟發(fā)，本文提出一種自適應(yīng)構(gòu)造幅度分布模板，通過計算實(shí)際信號幅度分布與幅度分布模板間的匹配誤差來進(jìn)行識別的算法。該方法不需要知曉載噪比，不需要人為確定閾值，對頻偏誤差的容忍能力強(qiáng)，適合實(shí)際工程應(yīng)用。

2 信號模型

考慮待識別的調(diào)制集為{QPSK, 16QAM, 16APSK, 32APSK}。存在頻偏時，BPSK, QPSK和8PSK具有相同的幅度分布，利用幅度分布特征進(jìn)行識別時會將其歸為一類?？紤]到用于BPSK, QPSK和8PSK識別的算法很多，如利用譜線特征[10, 11]，似然特征[12]等，此處不作詳述，僅選擇QPSK作為代表。

基帶信號波形可表示為

對于QPSK信號，有

對于16QAM信號，有

對于APSK信號，有

為了消除符號間串?dāng)_，可提取信號在最佳采樣位置處的樣點(diǎn)值來進(jìn)行識別，這些樣點(diǎn)包含了更多調(diào)制信息，用于調(diào)制識別將會取得更好的效果。本文采用一種非數(shù)據(jù)輔助的定時估計算法[14]，適用于上面4類調(diào)制，具體表達(dá)式如式(5)：

3 識別算法

3.1 星座幅度分布

在存在頻偏情況下，信號星座圖表現(xiàn)為以原點(diǎn)為中心的同心環(huán)，星座有幾種幅度，星座圖就表現(xiàn)為幾個同心環(huán)。下面對不同調(diào)制的這種特性進(jìn)行分析。

圖1分別給出了QPSK, 16QAM, 16APSK, 32APSK的幅度分布直方圖。QPSK調(diào)制星座只有1種幅度，取值概率為1，但是由于噪聲影響，幅度以1為中心呈對稱分布。相應(yīng)地，16QAM調(diào)制星座有3種幅度，16APSK調(diào)制星座有2種幅度，32APSK調(diào)制星座有3種幅度。不同調(diào)制星座幅度分布的中心值及概率見表1。

3.2 模板構(gòu)造與匹配

根據(jù)調(diào)制信號星座的不同幅度分布，可以建立不同的幅度分布模板，通過計算實(shí)際信號的幅度分布，將其與不同的幅度分布模板比較，計算匹配誤差，選擇匹配誤差最小模板對應(yīng)的調(diào)制為識別出的調(diào)制類型。

圖1 不同調(diào)制星座的幅度直方圖

表1各調(diào)制星座幅度分布

QPSK調(diào)制星座16APSK調(diào)制星座 幅度取值概率分布幅度取值概率分布 1.00004/40.41384/16 1.129712/16 16QAM調(diào)制星座32APSK調(diào)制星座 幅度取值概率分布幅度取值概率分布 0.44724/160.29554/32 1.00008/160.807412/32 1.34164/161.220316/32

對于其它調(diào)制信號，根據(jù)相同的原理可構(gòu)造幅度分布模板。以16APSK為例，調(diào)制信號星座有2種幅度取值，則幅度分布模板可設(shè)計為

3.3 幅度分布方差估計

圖2 星座點(diǎn)偏離示意

將式(13)代入式(14)中有

將式(16)代入式(13)，可求得

3.4識別算法流程

根據(jù)前面的分析，調(diào)制識別算法流程如下：

(1)通過FFT計算出信號頻譜后粗略估計載頻，并通過包絡(luò)譜線估計出符號速率，用估計出的載頻進(jìn)行下變頻，根據(jù)符號速率估計值計算均方根升余弦函數(shù)進(jìn)行匹配濾波；

[37] Benjamin K. Wagner, “Lessons from Lassen: Plotting a Proper Course for Freedom of Navigation Operations in the South China Sea”, Journal of East Asia & International Law, Vol. 9, Issue 1 (2016).

(4)對于QPSK, 16QAM, 16APSK和32APSK

4 實(shí)驗(yàn)仿真

4.1 噪聲方差估計性能仿真

第1步 估計信道噪聲方差。圖3給出了能量歸一化下4種調(diào)制信號的噪聲方差估計性能曲線，其中實(shí)線是根據(jù)載噪比值計算出的噪聲方差，虛線是根據(jù)實(shí)際信號樣本估計出的噪聲方差?？梢姡?種調(diào)制信號的噪聲方差估計值與真實(shí)值非常吻合，估計誤差非常小。

第2步 估計幅度分布方差。圖4給出了能量歸一化下4種調(diào)制信號的幅度分布方差估計性能曲線，其中實(shí)線為根據(jù)真實(shí)信道噪聲方差用式(11)計算出的近似值，虛線為根據(jù)實(shí)際信號樣本計算出的估計值?？梢?，兩者非常接近，表明式(11)的近似是可行的。

綜合圖3，圖4可知，采用文中算法進(jìn)行幅度分布方差估計是可行的。

4.2幅度分布模板仿真

圖5是根據(jù)估計出的幅度分布方差構(gòu)造出的幅度分布模板，圖6是根據(jù)實(shí)際星座樣本統(tǒng)計出的幅度分布向量，其中兩個向量均進(jìn)行了概率歸一化。可見，構(gòu)造出的幅度分布模板與實(shí)際幅度分布向量符合得很好，表明采用模板匹配的思路進(jìn)行調(diào)制識別是可行的。

4.3 調(diào)制識別性能仿真

當(dāng)噪聲增大時，各調(diào)制信號星座幅度的環(huán)帶分布會變得不明顯，導(dǎo)致出現(xiàn)錯判。由圖7可知，16QAM和32APSK在載噪比較低時識別率較差。在實(shí)際應(yīng)用時，可結(jié)合其它特征來克服此不足，如譜線特征。以圖8為例，圖8給出了16QAM調(diào)制的誤判性能，可知當(dāng)載噪比在6~10 dB時，16QAM容易誤判成32APSK。由于16QAM在4倍頻處存在譜線，而32APSK沒有，因此可提取譜線特征來提高16QAM的識別率。需說明的是，實(shí)際可結(jié)合的其它特征有很多，譜線特征只是其中一種，且在相關(guān)文獻(xiàn)中有較多闡述，本文不做詳細(xì)敘述，僅作示范說明，讀者在應(yīng)用時可根據(jù)需要結(jié)合相關(guān)特征使用。

圖3 信道噪聲方差估計性能

圖4 幅度分布方差估計性能

圖5 構(gòu)造出的幅度分布模板

圖6 統(tǒng)計出的幅度分布向量

圖7 不同載噪比下的識別性能

圖8 16QAM調(diào)制誤判性能

進(jìn)一步測試數(shù)據(jù)長度對識別率的影響。仿真載噪比為10 dB，數(shù)據(jù)長度從1000個符號開始，每個數(shù)據(jù)長度進(jìn)行400次實(shí)驗(yàn)，數(shù)據(jù)長度步進(jìn)1000個符號。圖9給出了4種調(diào)制信號識別率隨數(shù)據(jù)長度的變化曲線。當(dāng)數(shù)據(jù)長度在2000個符號以上時，QPSK, 16APSK和32APSK的識別率能達(dá)到99%以上，16QAM識別率在數(shù)據(jù)長度達(dá)4000個符號以上時，識別率能達(dá)到100%。由于實(shí)際幅度分布向量是通過統(tǒng)計方式得到的，因此要得到精度較高的幅度分布向量需要較多樣本，一般取數(shù)據(jù)長度為4000個以上符號時比較合適。

5 結(jié)束語

本文主要研究了衛(wèi)星中常用調(diào)制QPSK, 16QAM, 16APSK和32APSK的調(diào)制識別問題，提出了一種基于幅度分布向量匹配的調(diào)制識別算法。該方法不需要知曉載噪比，不需要人為確定判決閾值，對頻偏誤差的容忍能力強(qiáng)，適合工程應(yīng)用。值得說明的是，衛(wèi)星中的調(diào)制類型不局限于此4種，除了本文提出的特征，實(shí)際可供選擇的特征還有譜線特征、高階累積量特征等。實(shí)際識別時一般要結(jié)合多類特征來進(jìn)行，本文只是提供了一類特征的提取思路，并通過仿真證明了其有效性，供讀者在實(shí)際應(yīng)用時參考和選擇。

圖9 不同數(shù)據(jù)長度下的識別率

圖10 大載頻誤差下的識別性能

[1] Dobre O A, Abdi A, Bar-Ness Y,.. Survey of automatic modulation classification techniques: classical approaches and new trends[J]., 2007, 1(2): 137-156.

[2] 宮曉妍, 劉建偉, 楊友福. 基于衛(wèi)星信道的APSK調(diào)制研究[J]. 遙測遙控, 2009, 30(6): 10-14.

Gong Xiao-yan, Liu Jian-wei, and Yang You-fu. Analysis of APSK modulation based on satellite channel[J]., 2009, 30(6): 10-14.

[3] Xie Qiu-liang, Wang Zhao-cheng, and Yang Zhi-xing. Simplified soft demapper for APSK with product constellation labeling[J]., 2012, 11(7): 2649-2657.

[4] 張宇, 王靈, 陳巖, 等. 衛(wèi)星通信信號識別技術(shù)研究[J]. 航天電子對抗, 2012, 28(5): 27-29.

Zhang Yu, Wang Ling, Chen Yan,.. Satellite communication signal modulation recognition technology[J]., 2012, 28(5): 27-29.

[5] 劉聰杰, 彭華, 吳迪, 等. 突發(fā)自適應(yīng)調(diào)制信號的調(diào)制識別算法研究[J]. 信號處理, 2012, 28(3): 417-424.

Liu Cong-jie, Peng Hua, Wu Di,.. Modulation recognition algorithm of burst adaptive modulation signal[J]., 2012, 28(3): 417-424.

[6] 褚衍杰, 胡年福, 巢凱今, 等. 通帶MQAM信號調(diào)制方式識別方法[J]. 西安電子科技大學(xué)學(xué)報, 2008, 35(5): 932-937.

Chu Yan-jie, Hu Nian-fu, Chao Kai-jin,Modulation recognition of MQAM signals in the passband[J]., 2008, 35(5): 932-937.

[7] 奚家熹, 王宗欣. 基于Hilbert變換的MQAM信號調(diào)制體制識別[J]. 通信學(xué)報, 2007, 28(6): 1-6.

Xi Jia-xi and Wang Zong-xin. MQAM modulation scheme recognition using Hilbert transform[J]., 2007, 28(6): 1-6.

[8] 張路平, 王建新. MQAM信號調(diào)制方式盲識別[J]. 電子與信息學(xué)報, 2011, 33(2): 332-336.

Zhang Lu-ping and Wang Jian-xin. Blind modulation recognition algorithm for MQAM signals[J] .&, 2011, 33(2): 332-336.

[9] 雷德, 許小東, 戴旭初, 等. 大頻偏條件下一種新的調(diào)制識別方法[J]. 無線電工程, 2009, 39(4): 25-26.

Lei De, Xu Xiao-dong, Dai Xu-chu,.. A novel modulation recognition scheme under large frequency offset[J]., 2009, 39(4): 25-26.

[10] 楊琳, 許小東, 路友榮, 等. 基于譜線特征的恒包絡(luò)數(shù)字調(diào)制方式識別方法[J]. 中國科學(xué)技術(shù)大學(xué)學(xué)報, 2009, 39(9): 936-943.

Yang Lin, Xu Xiao-dong, Lu You-rong,.. Spectrum line based modulation classification for constant modulus digital modulation signals[J] ., 2009, 39(9): 936-943.

[11] 趙嵐. 基于譜線特征的調(diào)制方式自動識別方法[J]. 中國電子科學(xué)研究院學(xué)報, 2012, 7(2): 182-185.

Zhao Lan. Automatic recognition based on spectrum feature for common used modulations[J]., 2012, 7(2): 182-185.

[12] 趙知勁, 朗濤. 基于最大似然比準(zhǔn)則的MPSK信號分類方法[J]. 電路與系統(tǒng)學(xué)報, 2006, 11(2): 54-57.

Zhao Zhi-jin and Lang Tao. A classification method for MPSK signals based on the maximum likelihood criterion[J]., 2006, 11(2): 54-57.

[13] European Telecommunications Standards Institute. Digital Video Broadcasting (DVB) user guidelines for the second generation system for broadcasting, interactive services, news gathering and other broadband satellite applications (DVB-S2), TR 102 376 v1.1.1 [S]. 2005.

[14] Morelli M, Andrea A N D, and Mengali U. Feedforward ML-based timing estimation with PSK signals[J]., 1997, 1(3): 80-82.

[15] 萬堅, 涂世龍, 廖燦輝, 等. 通信混合信號盲分離理論與技術(shù)[M]. 北京: 國防工業(yè)出版社, 2012: 127-130.

Wan Jian, Tu Shi-long, Liao Can-hui,.. Theory and Technology on Blind Source Separation of Communication Signals [M]. Beijing: National Defence Industry Press, 2012: 127-130.

廖燦輝： 男，1982年生，博士，工程師，主要研究方向?yàn)樾盘枡z測、衛(wèi)星信號盲處理等.

涂世龍： 男，1980年生，博士，工程師，主要研究方向?yàn)樾旁慈蒎e處理、單通道盲分離等.

萬 堅： 男，1977年生，博士，高級工程師，主要研究方向?yàn)樾l(wèi)星通信、盲信號分離等.

An Anti-frequency-offset Algorithm for Modulation Recognition of Satellite Amplitude-phase Modulated Signals

Liao Can-hui Tu Shi-long Wan Jian

(,610041,)

An anti-frequency-offset algorithm is proposed by utilizing amplitude distribution feature for modulation recognition of conventional satellite modulations, such as QPSK, 16QAM and new modulations like 16APSK and 32APSK. The algorithm is based on adaptive construction of amplitude distribution template. After calculating the matching error between the amplitude distribution template and the actual amplitude distribution vector, the algorithm can recognize the modulation type by choosing the modulation type with the minimum matching error. This method does not need any prior knowledge about Carrier-to-Noise ratio (C/N), as well as threshold, and it is not sensitive to frequency offset. Becasuse of these advantages, the algorith is suitable for engineering application. Computer simulations show that the correct recognition probability is more than 98% when C/N is greater than 9 dB and 4000 symbols are used. It verifies the effectiveness of the algorithm.

Satellite communication; Modulation recognition; APSK; Amplitude distribution

TN927

A

1009-5896(2014)02-0346-07

10.3724/SP.J.1146.2013.00512

廖燦輝 liaoch2007@126.com

2013-04-17收到，2013-09-18改回