刘莹，单洪，胡以华，王勇，4

（1.电子工程学院，合肥230037；2.脉冲功率激光技术国家重点实验室，合肥230037；3.电子制约技术安徽省重点实验室，合肥230037；4.通信信息控制和安全技术重点实验室，浙江嘉兴314033）

基于谱分析的卫星通信调制识别算法*

刘莹1，单洪1，胡以华2，3，王勇2，3，4

（1.电子工程学院，合肥230037；2.脉冲功率激光技术国家重点实验室，合肥230037；3.电子制约技术安徽省重点实验室，合肥230037；4.通信信息控制和安全技术重点实验室，浙江嘉兴314033）

通过分析典型卫星通信信号功率谱、平方谱、四次方谱以及包络平方谱特性，针对卫星通信随参信道造成信号噪声谱均值与方差随频率变化这一问题，采用最小二乘法对信号谱图进行预处理，定义偏离比作为单频分量检测值，在无任何先验知识条件下提取一组鲁棒性强的特征参数，实现信号自动调制识别。实验证明，改进后的算法复杂度较低、过程简单易实现，所提取参数对数字信号的调制指数与滚降系数不敏感，具有较好的可分性与稳健性，并同样适用于随参信道的信号调制识别，具有一定的实用意义。

自动调制识别，卫星通信，谱分析

0 引言

自20世纪60年代中期卫星投入使用以来，卫星通信作为一种国防和民用生活中不可或缺的通信手段，早已应用于军事侦察、广播、导航、资源探测、灾害防护等各个领域。随着卫星通信技术的进步和各种通信信号调制方式的发展，卫星通信中调制信号的自动识别技术成为研究热点。

通信信号识别是在20世纪80年代兴起的一门技术，目的在于识别信号的调制类型并提取调制参数。现有的调制识别技术很多：最早由A.K.Nandi［1］等提出基于信号瞬时特征的调制识别，其方法简单但易受信道噪声影响；Swami.A［2］等采用基于高阶累积量的调制识别方法，提取二阶、四阶以及四阶以上累积量，并利用判决树进行调制类型识别。基于小波变换的调制识别是一种对非平稳信号常用的时频分析方法，具有良好的分析信号时频域局部特征的能力［3］；另外还有基于信号谱相关［4］、基于最大似然［5］以及基于分形理论等识别算法。

基于信号谱分析的调制样式识别技术，无需任何先验知识，且低信噪比条件下提取出的参数特征依旧健壮，故在信号识别领域中得到了较高的关注。范海波［6］等基于信号特征对多种调制方式进行识别，在信噪比大于5 dB时达到98%的识别率。现有基于谱分析的研究多针对恒参信道假设噪声谱满足均值与方差不随频率变化的假设展开，而实际卫星通信环境中，由于多径效应、时间延迟、以及信号传输中衰耗等因素导致传统的谱分析算法的实际应用受到限制［7］。因此，本文采用谱图预处理的方式，针对卫星通信中常用的调制方式，研究基于谱分析的信号调制识别改进算法，并进行仿真实验分析其性能。

1 常用卫星通信信号频谱特征

卫星通信中采用的典型调制信号样式有：ASK、2FSK、4FSK、BPSK、QPSK、OQPSK、π/4QPSK。本文分别对上述信号的功率谱、平方谱、四次方谱以及包络平方谱进行分析，提取一组特征参数并进行调制识别。

1.1 信号功率谱

信号功率谱反映了调制信号中各频率分量的功率分布，因此，可用于区分有载波分量信号（ASK、FSK）和无载波分量信号（PSK）［7］。其中，ASK信号为单谱峰信号，MFSK信号可看成是M个2ASK信号的叠加［9］，其频谱在其各个载频处出现谱峰。

1.2 信号平方谱

对MPSK信号直接进行傅里叶变换无法得到其特性，而非线性运算能够产生凸显调制方式的本质信息。其中，BPSK信号载波相位存在π变，对其进行平方变换后，其平方功率谱在二倍载频处出现单频分量，而其他MPSK信号则无此特征。

1.3 信号四次方谱

OQPSK可看作是两路码元延迟半个周期的QPSK信号叠加，表达式为：

则OPSK四次方功率为:

由式（3）可知，OQPSK与QPSK信号四次方谱均包含直流分量，两倍载频处的sin包络以及四倍载频处的冲击分量［10］。而8PSK信号则无任何单频分量。不同于其他PSK信号，π/4QPSK信号是由相差π的两星座图交替转换产生，其四次方谱在四倍载频附近存在离散谱线，各信号四次方谱如图1所示。

1.4 信号包络平方谱

QPSK与OQPSK信号四次方谱均存在单频分量，两者差别在于QPSK信号经基带调制后其相位最大跳变为270°，而经过正交分量延迟半个码元后的OQPSK信号，相位最大跳变值为90°，其包络起伏较小。因此，在对信号包络进行平方变换后，OQPSK信号包络平方谱中没有明显符号速率谱线，以此可实现OQPSK与QPSK的识别，两种信号包络平方谱如图2所示。

2 算法设计与分析

2.1 谱图预处理

根据从某X段卫星通信接收机接收大量的实测噪声数据，对数据进行分段后计算每段功率谱后叠加，得叠加噪声谱图以及其均值方差随频率变化情况，如图3所示。

从图中统计结果可以看出，实测噪声谱可看成统计均值组成的形状基本不变的谱包络N1（k）以及随机变化谱线N2（k）叠加而成。

对于噪声可通过采集获得多组谱图并滤波，后采用直方图法在各个频点统计谱图变化趋势，基于数量最多的原则得到谱包络样本Nsamp，则

利用最小二乘法对γ进行近似求解，从而拟合噪声谱。对W点DFT获得谱图R（k）分段

式中，M为段数，P为各段长度，P-Q为段间重叠，且

利用最小二乘法估计各段系数，并采用直方图法对M个系数γi进行统计，数量最多的即为γopt，则可得

可以看出，谱图预处理后噪声谱近似满足均值与方差不随频率变化，从而使基于谱分析的特征提取算法在随参信道的条件下同样适用。

2.2 特征参数提取

特征参数提取质量的好坏是提高识别率的关键［11］。通过总结上述卫星通信中典型信号的谱特征，提取一组表征能力强、抗干扰性好的特征参数，实现低信噪比条件下的信号调制识别。

基于谱分析的调制识别算法主要根据谱峰个数N进行分类。低信噪比（＜5 db）条件下，有价值的谱线信息往往被噪声淹没而降低识别成功率。现有算法的单频分量判决条件虽然简单，但在判决阈值设置上依旧存在着以下不足，一是当谱峰判决阈值设置较高时，对于多谱峰信号如4FSK信号，谱峰个数易缩减而造成误判；二是当谱峰判决阈值设置较低时，PSK信号功率谱虽无单频分量，但仍然会出现伪谱峰造成误判。因此，本文定义单频偏离比表示谱峰凸显程度，进而优化算法。

定义偏离量Dr为信号谱各谱峰偏离谱均值的程度

式中，X（k）为信号归一化谱峰峰值，Pavg为信号谱峰均值。

定义偏离比DF为谱峰偏离量与其相邻谱峰偏离量的比值

计算待识别信号段x（n）作N点FFT变换得到信号谱序列X（k）（k=1，2，…，N）。谱峰满足单频分量判决条件

认为该谱峰为有效单频分量。满足上述条件的谱峰数记为N。

2.3 算法实现及流程图

根据以上分析，将信号谱图进行相应的预处理后，提取待识别信号各参数：信号包络谱单频分量偏离比DF0；信号功率谱单频分量偏离比DF1；信号平方谱单频分量偏离比DF2；四次方谱的单频分量偏离比DF4；信号包络谱的谱峰个数N_0；信号功率谱的谱峰个数N_1；信号平方谱的谱峰个数N_2；信号四次方谱的谱峰个数N_4，调制识别流程如下页下页图4所示。

2.3.1 信号的类间识别

由2.1分析可知，利用参数DF1和N_1可区分ASK信号，MFSK信号以及MPSK信号。如下页图5所示。

可以看出，各信号的DF1差别很大，故可实现信号的类间识别，并可进一步区分2FSK以及4FSK信号。

2.3.2 MPSK信号的类内识别

对于BPSK信号，其平方谱存在单频分量，而其他MPSK信号不具备这一特点，因此，通过DF2和N_2识别出BPSK信号。对于8PSK信号，其四次方谱无突出谱线，对π/4QPSK进行四次方变换，其谱图会出现两个谱峰；而QPSK与OQPSK均会出现单频分量。因此，可将信号分为{QPSK、OQPSK}、{π/4QPSK}以及{8QPSK}。同时再利用信号包络谱，实现QPSK与OQPSK识别。

2.4 仿真结果与分析

为检验上述识别方案的性能，针对本文研究的典型卫星通信信号利用MATLAB软件进行仿真实验。仿真产生2ASK、MFSK信号以及MPSK信号，为提高仿真的带限数字已调信号的逼真度，使用随机序列作为调制信号，滤波器中心频率430 M，带宽450 M，信号中心频率430 M，码元速率50 MHz，码长10 bit，采样率3 600 M。2FSK信号调制指数从0.2变化至2，4FSK信号调制指数从0.5变化至1.2，步长为0.1，MPSK信号滚降系数为0.3到1。噪声为图3（a）所示的随参信道噪声，数据样点数1 M。文中信噪比定义为滤波器带通范围内信号能量与噪声比值的分贝数，信噪比自1 db变化至10 db，步长1 db。信号在同一信噪比条件下独立进行500次蒙特卡洛实验，仿真结果如图6所示。

采用偏离比作为谱峰凸显条件，相比于已有的判决条件，在低信噪比时能更好地将单频分量提取出来，提高谱峰个数提取的准确性，改进后的算法受到噪声影响较小，在改善算法性的前提下并没有增加算法复杂度。由图6可知，在信噪比为4 db时，各信号识别率差异较大。其中2ASK、2FSK、8PSK信号，识别率可达到99%以上；4FSK、2PSK信号识别率可达98%以上；4PSK、π/4QPSK、OQPSK信号可达到97%以上。当信噪比大于5 db时，识别率可达到98%以上。且信号调制识别率具有随信噪比增加而增大的趋势，最终趋向100%。但对于部分信号，如4FSK信号在信噪比升高后，识别率有所波动。分析认为，由于基带信号符号概率不平衡，可能导致频谱特征无法正确体现信号调制类型。当4FSK信号中两种符号过多时，易与2FSK信号混淆导致误判。

从图7可以看出，在随参信道条件下，基于传统谱分析方式在信噪比小于8 db时，识别率不足50%，当信噪比达到12 db以上时，信噪比达到98%。相比之下，文中方法在信噪比大于0 db即可实现90%的样式识别，大于7 db识别率达到了98%以上，比传统谱分析方法提高了5 db。说明采用谱图预处理的谱分析调制识别，可以有效地减小随参信道对信号识别产生的影响。

3 结论

本文分析了典型卫星通信信号的谱特征，在随参信道条件下进行谱图预处理，并提取一组调制识别特征参数，并详细阐述了方案的实现步骤，最后进行计算机仿真。实验结果表明，该方案在未知准确带宽、载频条件下，适用于不同调制指数、滚降系数的信号。在低信噪比的随参信道条件下，提取出的特征参数依旧保持着较高的鲁棒性，达到较高的识别正确率。

［1］NANDI A K.Automatic analogue modulation recognition.［J］. Signal Processing，1995，46（2）：211-222.

［2］SWAMI A，SADIER B M.Hierarchical digital modul-ation classification using cummulants［J］.IEEE Trans on Communication，2000，48（3）：431-436.

［3］WPROKIW K C H，CHAN Y T.Modulation identi-fication of digital signals by the wavelet transform［J］.IEEE. Proc-Radar.Sonar Navig，2000（4）：469-473.

［4］GARDNER W A，SPOONER C M.Cyclic-spectral analysis for signal detection and modulation recognition［C］//MILCOM’88，1988，419-424.

［5］张贤达.现代信号处理［M］.北京：清华大学出版社，2002：65-69.

［6］范海波，杨志俊，曹志刚.卫星通信常用调制方式的自动识别［J］.通信学报，2004，25（1）：140-149.

［7］彭耿，黄知涛，王丰华，等.基于谱图预处理的卫星通信信号盲检测［J］.电子与信息学报，2009，31（12）：2843-2847.

［8］林昌禄.天线工程手册［M］.北京：电子工业出版社，2002：186-189.

［9］李耐根.基于谱分析数字通信调制方式的自动识别［D］.南昌：南昌大学，2006：34-36.

［10］赵晓迪.基于谱分析的通信信号调制识别与参数估计研究［D］.成都：西南交通大学，2010：20-22.

［11］李耐根.基于谱分析的MFSK信号调制方式自动识别［J］.高新技术，2007（11）：316-320.

Automatic Recognition Based on Spectral Feature in Satellite Communication

LIU Ying1，SHAN Hong1，HU Yi-hua2，3，WANG Yong2，3，4
（1.Electronic Engineering Institute，Hefei 230037，China；
2.State Key Laboratory of Pulsed Power Laser Technology，Hefei 230037，China；
3.Key Laboratory of AnHui Electronic Technology，Hefei 230037，China；
4.Key Laboratory of Control and Communication Information Security Technology，Jiaxing 314033，China；）

By analyzing the power spectrum，power spectrum of the second and forth spectrum of the common used modulated signals，square with the influence of satellite communication channel，the mean and variance of noise spectrum vary with frequency.By preprocessing the signal spectra with the method of the least square，defined deviation than as a single frequency component values，under the condition of without any prior knowledge.Simulation results show that the method has high practicability，owing to being more resolvable and steady which is not sensitive to the roll-off factor and modulation index of the digital signals.The improved method can also achieve recognition accuracy in the adaptive channel and has certain practical significance.

automatic modulation recognition，satellite communication，spectrum feature

TN911.4

A

1002-0640（2017）01-0045-04

2015-12-05

2016-02-20

国家自然科学基金（61271353）；安徽省自然科学基金资助项目（1408085MF120）

刘莹（1992-），女，辽宁营口人，在读硕士。研究方向：卫星通信与信号处理。