一种基于压缩感知的星座图相同信号的调制识别方法

摘要

本发明提供了一种基于压缩感知的星座图相同信号的调制识别方法，通过对信号进行非均匀采样与粗重构，再利用信号高次方谱的谱线数量特征，实现了信号的次奈奎斯特频率采样，同时实现了信号集{QPSK,OQPSK,π/4-DQPSK,8PSK}内的信号识别。本发明由于采用了对信号四次方谱进行压缩感知的技术手段，不仅解决了QPSK信号和OQPSK信号之间识别，8PSK信号和π/4-DQPSK信号之间识别的技术难题，而且能够有效降低采样速率及采样点数。

权利要求

1.一种基于压缩感知的星座图相同信号的调制识别方法，其特征在于包括下述步骤：步骤1：对信号进行非均匀采样；

假设信号所需奈奎斯特采样频率为fnyq，数字模拟转换器的采样频率为fADC，得到采样的压缩比为 非均匀采样信号与奈奎斯特采样信号的关系表示为y＝Ψr，其中y为M×1维压缩采样信号，r为N×1维奈奎斯特采样信号，Ψ为M×N维观测矩阵，Ψ表示为其中kj∈[1,ω],ψij∈Ψ，得到y[j]＝r[ω(j-1)+kj]；

步骤2：由于QPSK信号、OQPSK信号和π/4-DQPSK为四相移调制，故对非均匀采样信号进行四阶非线性变换，得到y4，y4[j]＝(y[j])4，j＝0,1,...,M-1；

步骤3：对非均匀采样信号的四阶非线性变换进行粗重构得到四次方谱u，粗重构方法为u＝ΦΨHy4，其中u为N×1维重构的四次方谱，Φ为N×N维傅里叶变换基，即对ΨHy4做傅里叶变换；信号的四次方谱由四阶非线性变换后的信号进行傅里叶变换得到，即其中 表示傅里叶变换；

步骤4：找出信号四次方谱u最大的3个谱峰所在位置，记作Fmax＝{fm1,fm2,fm3}，其中|u(fm1)|≥|u(fm2)|≥|u(fm3)|；

步骤5：将y4平均分为两段M/2×1维向量y4，1和y4，2，构造一个新的N/2×N/2维离散傅里叶基ΦN/2，同时将M×N维的观测矩阵Ψ分为如下4个M/2×N/2维的4部分：步骤6：得到两个切片u1和u2的四次方谱为：u1＝ΦN/2Ψ1Hy4，1，u2＝ΦN/2Ψ4Hy4，2；

步骤7：分别寻找u1和u2最大的3个谱峰所在的位置Fmax,1＝{fm1,1,fm2,1,fm3,1}和Fmax,2＝{fm1,2,fm2,2,fm3,2}，其中|u1(fm1,1)|≥|u1(fm2,1)|≥|u1(fm3,1)|，|u2(fm1,2)|≥|u2(fm2,2)|≥|u2(fm3,2)|；

步骤8：求并集Fmax,o＝Fmax,1∪Fmax,2；

步骤9：求交集Fmax,a＝Fmax∩Fmax,o；

步骤10：得到Fmax,a中元素个数Nr；

若Nr为0，输出识别结果调制方式为8PSK；若Nr为1，输出识别结果调制方式为OQPSK；若Nr为3，输出识别结果调制方式为QPSK；若Nr为2进入步骤11；

步骤11：若Nr为2，判断 是否大于门限η，若大于η，输出识别结果调制方式为QPSK；若小于等于η,输出识别结果调制方式为π/4-DQPSK。

说明书

一种基于压缩感知的星座图相同信号的调制识别方法

技术领域

[0001] 本发明涉及信号处理领域，尤其是涉及星座图的调制识别方法，适用于信号集{QPSK,OQPSK,π/4-DQPSK,8PSK}内的信号识别。

背景技术

[0002] 随着现在通信设备的增多，通信种类的增多，为了实现多体制信号的互通，信号的调制方式必不可少。调制识别是一项介于信号检测与信号解调之间的一项关键技术，为了在拥挤的电磁频谱环境中实现可靠、高效、智能的通信，在软件无线电与认知无线电系统中，接收端需要对接收信号的调制方式、调制参数等信息进行估计，从而实现多种调制信号的智能接收解调。

[0003] 当前的调制识别方式主要是基于提取特征进行识别的方法，提取特征主要有以下几种：包含幅度、频率和相位的瞬时特征，统计量特征及变换域特征等。目前比较有效的识别特征方法数字调制信号识别算法(DMRAs)，采用的就是瞬时包络、相位和频率等关键特征参数作为调制识别的特征，该算法计算速度快，分类效果明显，工程上较易实现，但在某些星座图相同的信号之间没有相应的特征提取算法，如QPSK信号和OQPSK信号之间的识别，8PSK信号和π/4-DQPSK信号之间的识别。同时，这种方法依赖于大量的数据，在高速信号下，给数字模拟转换器的采样频率与系统的存储容量也带来了巨大的压力。

发明内容

[0004] 为了克服现有技术的不足，本发明提供一种基于压缩感知的星座图相同信号的调制识别方法。为了解决部分信号间无法识别与ADC采样频率高的问题，本发明通过对信号进行非均匀采样与粗重构，再利用信号高次方谱的谱线数量特征，实现了信号的次奈奎斯特频率采样，同时实现了信号集{QPSK,OQPSK,π/4-DQPSK,8PSK}内的信号识别。

[0005] 本发明解决其技术问题所采用的技术方案包括以下步骤：

[0006] 步骤1：对信号进行非均匀采样；

[0007] 假设信号所需奈奎斯特采样频率为fnyq，数字模拟转换器的采样频率为fADC，得到采样的压缩比为 非均匀采样信号与奈奎斯特采样信号的关系表示为y＝Ψr，其中y为M×1维压缩采样信号，r为N×1维奈奎斯特采样信号，Ψ为M×N维观测矩阵，Ψ表示为其中kj∈[1,ω],ψij∈Ψ，得到y[j]＝r[ω(j-1)+
kj]；

[0008] 步骤2：由于QPSK信号、OQPSK信号和π/4-DQPSK为四相移调制，故对非均匀采样信号进行四阶非线性变换，得到y4，y4[j]＝(y[j])4，j＝0,1,...,M-1；

[0009] 步骤3：对非均匀采样信号的四阶非线性变换进行粗重构得到四次方谱u，粗重构方法为u＝ΦΨHy4，其中u为N×1维重构的四次方谱，Φ为N×N维傅里叶变换基，即对ΨHy4做傅里叶变换；信号的四次方谱由四阶非线性变换后的信号进行傅里叶变换得到，即其中 表示傅

[0010] 表示傅里叶变换；

[0011] 步骤4：找出信号四次方谱u最大的3个谱峰所在位置，记作Fmax＝{fm1,fm2,fm3}，其中|u(fm1)|≥|u(fm2)|≥|u(fm3)|；

[0012] 步骤5：将y4平均分为两段M/2×1维向量y4，1和y4，2，构造一个新的N/2×N/2维离散傅里叶基ΦN/2，同时将M×N维的观测矩阵Ψ分为如下4个M/2×N/2维的4部分：

[0013]

[0014] 步骤6：得到两个切片u1和u2的四次方谱为：u1＝ΦN/2Ψ1Hy4，1，u2＝ΦN/2Ψ4Hy4，2；

[0015] 步骤7：分别寻找u1和u2最大的3个谱峰所在的位置Fmax,1＝{fm1,1,fm2,1,fm3,1}和Fmax,2＝{fm1,2,fm2,2,fm3,2}，其中u1(fm1,1)≥u1(fm2,1)≥u1(fm3,1)，u2(fm1,2)≥u2(fm2,2)≥u2(fm3,2)；

[0016] 步骤8：求并集Fmax,o＝Fmax,1∪Fmax,2；

[0017] 步骤9：求交集Fmax,a＝Fmax∩Fmax,o；

[0018] 步骤10：得到Fmax,a中元素个数Nr；

[0019] 若Nr为0，输出识别结果调制方式为8PSK；若Nr为1，输出识别结果调制方式为OQPSK；若Nr为3，输出识别结果调制方式为QPSK；若Nr为2进入步骤11；

[0020] 步骤11：若Nr为2，判断 是否大于门限η，若大于η，输出识别结果调制方式为QPSK；若小于等于η,输出识别结果调制方式为π/4-DQPSK。

[0021] 本发明的有益效果在于由于采用了对信号四次方谱进行压缩感知的技术手段，不仅解决了QPSK信号和OQPSK信号之间识别，8PSK信号和π/4-DQPSK信号之间识别的技术难题，而且能够有效降低采样速率及采样点数。

附图说明

[0022] 图1为本发明压缩框架下的谱峰检测算法流程图。

[0023] 图2为本发明非均匀采样原理框图。

[0024] 图3为本发明采样保持模块时序图。

[0025] 图4为本发明非均匀采样系统时序图。

[0026] 图5为本发明不同信号的粗重构四次方谱图。

[0027] 图6为本发明压缩比4时不同信号的识别概率图。

具体实施方式

[0028] 下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例，具体包括以下步骤：

[0029] 步骤1：对信号进行非均匀采样；

[0030] 假设信号所需奈奎斯特采样频率为fnyq，数字模拟转换器的采样频率为fADC，得到采样的压缩比为 非均匀采样信号与奈奎斯特采样信号的关系表示为y＝Ψr，其中y为M×1维压缩采样信号，r为N×1维奈奎斯特采样信号，Ψ为M×N维观测矩阵，Ψ表示为其中kj∈[1,ω],ψij∈Ψ，得到y[j]＝r[ω(j-1)+
kj]；

[0031] 步骤2：由于QPSK信号、OQPSK信号和π/4-DQPSK为四相移调制，故对非均匀采样信号进行四阶非线性变换，得到y4，y4[j]＝(y[j])4，j＝0,1,...,M-1；

[0032] 步骤3：对非均匀采样信号的四阶非线性变换进行粗重构得到四次方谱u，粗重构方法为u＝ΦΨHy4，其中u为N×1维重构的四次方谱，Φ为N×N维傅里叶变换基，即对ΨHy4做傅里叶变换；信号的四次方谱由四阶非线性变换后的信号进行傅里叶变换得到，即其中 表示傅里叶变换;

[0033] 步骤4：找出信号四次方谱u最大的3个谱峰所在位置，记作Fmax＝{fm1,fm2,fm3}，其中|u(fm1)|≥u|(fm2)|≥|u(fm3)|；

[0034] 步骤5：将y4平均分为两段M/2×1维向量y4，1和y4，2，构造一个新的N/2×N/2维离散傅里叶基ΦN/2，同时将M×N维的观测矩阵Ψ分为如下4个M/2×N/2维的4部分：

[0035]

[0036] 步骤6：得到两个切片u1和u2的四次方谱为：u1＝ΦN/2Ψ1Hy4，1，u2＝ΦN/2Ψ4Hy4，2；

[0037] 步骤7：分别寻找u1和u2最大的3个谱峰所在的位置Fmax,1＝{fm1,1,fm2,1,fm3,1}和Fmax,2＝{fm1,2,fm2,2,fm3,2}，其中|u1(fm1,1)|≥|u1(fm2,1)|≥|u1(fm3,1)|，|u2(fm1,2)|≥|u2(fm2,2)|≥|u2(fm3,2)|；

[0038] 步骤8：求并集Fmax,o＝Fmax,1∪Fmax,2；

[0039] 步骤9：求交集Fmax,a＝Fmax∩Fmax,o；

[0040] 步骤10：得到Fmax,a中元素个数Nr；

[0041] 若Nr为0，输出识别结果调制方式为8PSK；若Nr为1，输出识别结果调制方式为OQPSK；若Nr为3，输出识别结果调制方式为QPSK；若Nr为2进入步骤11；

[0042] 步骤11：若Nr为2，判断 是否大于门限η，若大于η，输出识别结果调制方式为QPSK；若小于等于η,输出识别结果调制方式为π/4-DQPSK。

[0043] 本发明以一个经过滤波下变频还存在残留载波频率fc＝0.5GHz，码元速率fb＝1GHz未知调制信号为例。假定接收端等效奈奎斯特采样频率fnyq＝4GHz，采样压缩比ω＝4模拟数字转换器实际采样频率 采样符号数Nsymbol＝4096,由图1所示，本
发明提供了一种基于压缩感知的调制识别，具体实施例如下：

[0044] 步骤一：采用非均匀采样对信号进行采样，得到4096×1维采样值y，系统原理框图如图2。整个系统由时钟产生模块、采样保持模块和数据采集模块3部分组成。时钟产生模块，它负责产生两个时钟，一个是ADC采样时钟一个是非均匀时钟。非均匀时钟由一串满足奈奎斯特频率的伪随机二进制码产生，其中当伪随机码为1的时候输出时钟高电平，当伪随机码为0时输出时钟低电平，在一个ADC采样时钟周期内非均匀始终只存在一个下降沿，并且在下一次ADC采样时钟上升沿到来时伪随机码也置为1，即伪随机码为‘…11100…’的形式。采样保持模块的功能是在非均匀时钟下降沿到来时采集此时的信号并一直保持到下一个非均匀时钟的上升沿到来，而当时钟信号为高时模拟信号可以自由通过，如图3所示。数据采集模块则是按照ADC采样时钟对信号来自采样保持模块的信号进行采样。整个过程描述如图4所示，可以看出虽然ADC的采样时钟远低于奈奎斯特采样频率，但是通过采样保持模块，实际采集到的信号是按照奈奎斯特频率非均匀采样得到信号，等效观测矩阵为4096×16384维的Ψ，Ψ可以表示为 其中kj∈[1,4],ψij∈Ψ。

[0045] 步骤二：求非均匀采样信号每个值的四次方，得到y4。

[0046] 步骤三：通过式u＝ΦΨHy4得到粗重构四次方谱，16384×16384维傅里叶变换基Φ可以通过对相应维数的单位矩阵求傅里叶变换得到，不同信号的粗重构谱如图5所示。

[0047] 步骤四：找出信号四次方谱u最大的3个谱峰所在位置，记作Fmax＝{fm1,fm2,fm3}，其中|u(fm1)|≥|u(fm2)|≥|u(fm3)|。

[0048] 步骤五：将y4平均分为两段2048×1维向量y4，1和y4，2，构造一个新的8192×8192维离散傅里叶基ΦN/2，同时将4096×16384维的观测矩阵Ψ分为如下4个2048×8192维的4部分：

[0049] 步骤六：得到两个切片u1和u2的四次方谱为：u1＝ΦN/2Ψ1Hy4，1，u2＝ΦN/2Ψ4Hy4，2。

[0050] 步骤七：分别寻找u1和u2最大的3个谱峰所在的位置Fmax,1＝{fm1,1,fm2,1,fm3,1}和Fmax,2＝{fm1,2,fm2,2,fm3,2}，其中|u1(fm1,1)|≥|u1(fm2,1)|≥|u1(fm3,1)|，|u2(fm1,2)|≥|u2(fm2,2)|≥|u2(fm3,2)|。

[0051] 步骤八：求并集Fmax,o＝Fmax,1∪Fmax,2。

[0052] 步骤九：求交集Fmax,a＝Fmax∩Fmax,o。

[0053] 步骤十：得到Fmax,a中元素个数Nr。

[0054] 若Nr为0，输出识别结果调制方式为8PSK；若Nr为1，输出识别结果调制方式为OQPSK；若Nr为3，输出识别结果调制方式为QPSK。若Nr为2进行步骤十一。

[0055] 步骤十一：若Nr为2判断 是否大于门限η＝1.8，若大于1.8，输出识别结果调制方式为QPSK；若小于等于1.8输出识别结果调制方式为π/4-DQPSK。从图5可以看出π/4-DQPSK信号高阶谱最大的2根谱线强度相近，而QPSK信号高阶谱最大的2根谱线强度相差较大，因此设置η＝1.8。在QPSK有1根较弱谱线可能无法检测出的时候，通过从2个谱线的情况中分离出QPSK信号能够提升识别率。

[0056] 图6显示了压缩比4时不同信号的识别概率图，从图6可以看出，在信噪比为5dB时，除了QPSK信号均实现了100％的识别率，在信噪比为10dB时，所有信号的识别概率均达到了100％，，这意味着只需要奈奎斯特采样频率四分之一的AD采样速率，便可以实现信号集{QPSK,OQPSK,π/4-DQPSK,8PSK}内信号100％的检测概率，采样数据量是均匀采样的四分之一，也减小了存储的压力。