吴 涛，黄国策

(空军工程大学 信息与导航学院，陕西 西安710007)

责任编辑:许 盈

信号调制类型识别在认知无线电中是一项重要的任务。在接收端没有发送数据先验信息(比如信号功率、载频、相移等)时盲调制识别是一件困难的任务。信号调制类型识别算法可以被分为两类:基于最大似然的算法和基于特征的算法[1]。前者实现复杂，并且对模型的时间偏移、相位偏移、频率偏移和相位噪声等很敏感。后者实现容易，并且如果特征选择合适时有一定的鲁棒性[1-2]。然而许多具有一定鲁棒性的信号特征计算复杂度却很高，如循环谱、高阶累积量和小波变换等。尽管这类算法中有一些快速算法，但运算量仍然很大[3-7]。由于这些问题，利用少量计算简单的参数进行信号调制类型识别是很有前景的。文章介绍了几种信号特征参数，提出了一种使用信号分形盒维数和归一化峰度作为信号特征参数的算法(Dimension-Peak，DP)。

1 分形盒维数和归一化峰度

假设接收信号x(t)是调制信号s(t)和高斯白噪声n(t)的叠加，即x(t)=s(t)+n(t)。其中，n(t)～N(0，σ2)。在仿真中，s(t)属于以下6种调制类型:ASK，4FSK，8PSK，16QAM，4PAM和OFDM。其中OFDM信号子载波采用BPSK调制，子载波数为64。信号调制类型识别的目标是对于给定的s(t)的N个信号采样点，在集合ASK，4FSK，8PSK，16QAM，4PAM和OFDM中识别分类。

1.1 分形盒维数

分形维数是分形理论中定量描述分形集复杂性的主要参数。分形维数能有效度量通信信号。Hausdorff维数是分形理论中最基本的一种分形维数，但其计算复杂，因此，一般使用分形盒维数描述信号的分形信息。……