通信技术通信信号调制识别技术姚亚峰黄栽禄华中科技大学电子与信息工程系，武汉430074研究内容现有方法和发展前景作了个综述，以期让大家进步了解和推动这方面的研究工作。
　　1引言通信信号调制识别的基本任务是在多信号环境和有噪声干扰的条件下确定出接收信号的调制方式和其它信号参数，从而为进步分析和处理信号提供依据。随着通信技术采用不同调制参数的各种调制样式。如何有效的监视和识别这些信号，在军事和民用领域都是十分重要的研究课。在军事领域，通信信号调制方式的识别是对敌方通信进行干扰或侦听的前提，旦知道了调制类型，就可以估计调制参数，从而有针对性的制定侦察和反侦察策略。在民用方面，比如信号确认干扰识别和频谱监测等无线电管理工作，其任务就是监视合法的无线电电台是否严格遵守分配给他们的工作参数的限制，同时侦听非法电台的干扰和来源，而通信信号调制识别技术是实现这些非合作通信任务的关键技术之。另外，数字通信的快速发展形成了多种通信体制并存的局面，而且这些通信体制的调制方式和接人技术各不相同，给多体制间的通信互联带来了很大的障碍。通信信号调制识别技术能够自动地识别通信信号的调制方式，它是构成基于软件无线电的通用接收机和智能调制解调器的重要技术基础，在多体制通信互联和软件无线电方面也有着十分重要的应用。尤其是近十年来，计算机技术高速数字信号处理技术以及速专用器件的快速发展使得通信信号调制识别技术的工程实现有了保证，通信信号调制识别技术在非合作通信领域的重要地位以及在无线电应用中的价值也得到了进步的认识，这方面的研究也越来越受到国内外众多学者的重视。首先介绍了调制识别技术发展过程，然后阐述了般调制识别方法的框架结构，接着叙述了几种典型的调制识别方法。*后，基于对这些年来出现的调制识别方法的总结，提出了对调制识别技术的些观点和展望。
　　2通信信号调制识别技术发展过程早期的调制识别方法是采用系列不同调制方式的解调器，接收的高频信号经变频为中频后，输入各解调器，获得可观察或可听的信号，再由操作人员用耳机波器或频谱仪分析解调结果，人为地判定调制方式。操作员般通过中频时域波形信号频谱瞬时幅度瞬时频率和信号的声音等等信息进行判断。人工参与的识别需要有经验的操作人员，般可以成功识别持续较长时间码元速率较低的幅度键控5幻信号和调制指数较大的频移键控朽幻信号，但不能识别需要相干处理的相移键控朽5，信号。这种人工参与的识别方法，判决结果包含人的主观因素在内，会因人而异，所能识别的调制类型也很有限。而自动调制识别技术不仅可以克服人工参与识别时遇到的各种困难，而且对中心频率和带宽的估计误差相邻信道串音噪声和衰落效应等干扰因索收稿日期2002姚亚峰男，1970年生，华中科技大学电信系在读博士生。
　　黄载禄教授，华中科技大学通信与信息系统专业博士生导师，中国通信学会会士。
　　也具有较强的鲁棒性。
　　1969年4月，5.评抑汉等名作者在斯坦福大学技术报告上发了第篇研究自动调制识别的论文采用模式识别技术实现调制类型的自动分类。此后，不断有研究调制识别技术的论文出现在各类技术刊物上。1984年，45提出了种数宇调制识别方法，这种方法采用信号幅度直方频率直方差分相位直方，以及幅度方差和频率方差等特征参数，然后采用模式识别的分类方法，通过提取的特征参数与理想样本的特征参数相比较，按*近原则进行信号自动分类。这种方法能够在没，1848的条件下，有效识别AM2ASK2FSK2PSK4PSK等信号。1986年，Fabrizi等提出种模拟调制识别方法，该方法基于瞬时幅度和瞬时频率方面的信息，采用信号包络峰值与均值之比，以及采用瞬时频率绝对值的均值作为特征参数。该方法能够在，35，的条件下，有效识别识别0评1和058等信号21.
　　1989年，01和63也提出了种类似的方法，该方法根据信号包络特点，采用信号包络方差与信号均值平方之比，作为判决准则w.1990年，A.PlOydMoS和K.Kim等提出了准优化的对数似然比识别方法。其思想是采用高斯白噪声干扰下的数字调相信号的近似似然比函数，通过优化得到1判决准则，从而区分，1信号。该方法在信噪比大于零时，有较好的识别效果。992年，3.5.5必，1和5.阳；提出种数字相位统计相关变量识别方法，利用，5化信号相位的，阶统计均值随财单调递增的特性，对各种，5信号进行识别51.这以后扎16出和5.财叩1等人也对斯白噪声干扰的信号相位的概率分布进行了研究，为调相信号的识别提供了理论根据，他们识别目标主要是MPSK信号或CW肘3河5等信号。在1995年1998年的年间尺。诎和上人2，发了多篇文章，利用他们提出的七个关键特征，分别采用决策理论神经网络和神经网络级联的方法对模拟和数字信号进行分类识别，在信噪比大于8时，具有良好的识别效果1.其它主要的识别方法还有5.沁的过零点识别方法，4.10，的周期谱识别方法等等，在此就不列举18.近几年来，人们又将神经网络技术小波变换技术阶谱分析技术与调制识别技术相结合，提出了很多新型的调制识别方法。
　　3般调制识别方法的框架结构通信信号调制识别方法虽然多种多样，但调制识别问其实是种典型的模式识别问，般过程1调制识别方法的基本框架包括部分信号预处理部分特征提取部分和分类器部分。
　　信号预处理部分为后续处理提供合适的数据。信号预处理任务般包括频率下变频同相和正交分量分解载频估计和载频分量的消除等。在多信道多发射源的环境中，信号预处理部分要能有效地隔离各个信号，保证次只有个信号进人后续的调制识别环节。
　　特征提取部分是从数据中提取信号的时域特征或变换域特征。时域特征包括信号的瞬时幅度瞬时相位或瞬时频率的直方或其它统计参数。变换域特征包括功率谱谱相关函数时频分布及其它统计参数。对于变换域特征，采用叮方法就能很好获取，而幅度相位和频率等时域特征主要由1找变换法，同相正交分量法和过零检测法等获得。
　　在分类识别部分，即选择和确定合适的判决规则和分类器结构方面，主要采用梯形结构的分类器和神经网络结构的分类器。梯形分类器是采用多级分类结构，每级结构根据个或多个特征参数，分辨出某类调制类型，再下级结构又根据个或多个特征参数，再分辨出某类调制类型，*终能对多种类型进行识别。这种分类器结构相对简单，但需要事先确定判决门限，自适应性差，识别效率也相对不。神经网络分类器具有强大的模式识别能力，能够自动适应环境变化，能较好处理复杂的非线性问，而且具有较好的稳健性和潜在的容错性，可获得很的识别率。
　　为了有效地实现分类识别，必须对原始的输人数据进行变换，得到*能反映分类差别的特征。这些特征的提取和选择是非常重要的，它直接影响分类器的设计和性能。理想情况下，经过提取和选择的特征矢量应对不同的调制类型具有明显的差别，然而在实际中却不容易找到那些具有良好分辨率的特征，或受条件限制不能对它们进行测量，从而使特征提取和选择的任务复杂化，因而特征提取和选择是信号调制识别系统中的重要研究内容。分类识别是依据信号特征的观测值将其分到不同类别中去，选择和确定合适的判决规则和分类器结构，也是信号调制识别系统中的重要研究内容。
　　4几种典型的调制识别方法目前已有的调制识别方法大致可分为两大类判决理论方法和统计模式识别方法。判决理论方法是采用概率论和假设检验理论的方法来解决信号分类问，这类方法判决规则简单，但检验统计量计算复杂且箱要些先验概率的信息。
　　统计模式识别方法判决规则复杂点但特征提取简单易于计箅。下面就分别阐述几种影响较大的调制识别方法。
　　Nandi等提出的算法，在目前调制识别技术中仍占主导地位，特别是他们提出的特征参数，为人们广泛接受和引用，许多人在他们算法基础上，引入新的或改进的特征参数或采用新的分类器结构，从而衍生出许许多多新算法。为了区分常的模拟数字调制信号，他们主要提出以下几种信号特征来区分信号信号瞬时幅度序列功率谱的*大值7为信号包络幅度归化和中心化值。信号包络幅度方面的特征参数能够反映信号是否存在幅度调制。能够用这些特征参数将诸于AMDSBSSBASK等幅度调制的信号与FMKSKPSK等幅度保持不变的信号区别开来。
　　强信号段瞬时相位的直接相位标准偏差2以及强信号段瞬时相位的绝对相位标准偏差2汉=心+2此，伏，为强信号段瞬时相位非线性部分中心化值。信号瞬时相位方面的特征参数能够反映信号是否存在相位调制与变化。利用7能够将人肘058信号从其它信号区别开来，将与2结合起来，能够将2ASK4ASK从其它信号区别开来，同时能够将2PSK信号区别出来。
　　信号瞬时频率的直接频率标准偏差，2以及信号瞬时频率的绝对频率标准偏差2其中，幻=幻1为中心化归化瞬时频率。信号瞬时频率方面的特征参数能够反映信号是否存在频率调制与变化。利用，2能够将巧1信号从人3民和，3民信号中区别开来，利用，2能够将2吓反与4尺信号区别开来。
　　其它还有特征参数只P=P，Pv其中巧=义2，心=又1+，扒乃允功率谱中载频所对应谱线率谱越对称，越趋近于，功率谱越不对称，户越趋近于±l，利用特征参数f能够区分USBLSBVSB和FMAM等信号。
　　其它采用的特征参数还有中心化归化瞬时幅度的峰度值和中心化归化瞬时频率的峰度值等等。，出等提出识别率可达90以上。早期的调制识别方法往往都是根据调制信号的时域特征来区分信号，出等提出的方法是调制信号时域分析方法中的突出代。
　　基于只虹出等对斯噪声干扰信号的相位概率密度法。该方法利用！0，函数逼近信号的相位概率密度，然后推导出假设检验的统计检测量，可以识别低信噪比条件下对于高斯噪声干扰的0评信号，其相位的概率密度用1吐0函数逼近和简化为，为，阶的类修正贝塞尔函数。进步可得简化的，诹对于0评8593尺等信号的判决可看成假设检验的问，般采用*大后验概率准则，可推导出统计检验量分别为样序列，为采样总点数。
　　coshO.707costj对于输人信号的相位采样序列，计算出各种数字调制类型的统计检验量，选择其*大输出即为相应调制类型3叩和5.5.3，1；1等提出的方法是信号调制识别然估计和模糊逻辑的方法识别具体的星座分布来分辨信号，86；如3应用阶相关函数识别1民信号等方法都是属于判决理论方法。
　　4.3评。，8批等提出的谱相关识别方法1传统的信号分析模型都是以平稳随机过程为基础的，但通信信号般是用待传输信号对周期性信号的某个参数进行调制，因而通信信号都是具有周期平稳性的信号。
　　人3，等提出用谱相关分析方法揭不同调制方式信号的不同周期特征，并以此来区分信号的调制类型。
　　不同调制信号具有不同的谱相关函数。离散谱相关函数通过频域平滑可得周期谱密度函数数据窗函数，4=财凡为频域平滑宽度，厂=7，为频率增量，7，为周期采样间隔，=47，为样本长度。
　　不同调制信号的特征主要现在谱相关函数轴与轴以及相关谱的自相关函数上，般选择以下特征来进行信号的调制识别1功率谱在上0，会有5脉冲的个数。
　　⑵谱相关函数当时灿在肛似岣上峰值的点数。
　　3谱相关函数当，=.时，谱自相关函数的*大值，其中。为载波频率。
　　⑷Sパ0在轴上的周期谱线平均能量。
　　谱相关识别方法具有分辨率，抗干扰能力强等特点，周期谱除了能分离和识别信号外，还能通过检测周期谱的幅度位移等特征来测定载波脉冲速率及相位信息等。谱相关识别方法是调制信号频域分析方法中研究较多的种方法。其它还有常规功率谱分析方法，阶谱分析方法等等。
　　其它主要识别方法还有利用短时傅立叶变换51盯；8，分布波变换等技术来分析信号提取特征。小波变换同时在时域和频域内有较好的局部化性质，随信号不同频率成下转第50页5结束语笔者研究了以数据业务为中心的圯，识，河网络的生存性特点。由于以数据业务为中心的光网络至少包含0，5层和光层，每层都有自己的生存性解决方案和优缺点，因此需要多层生存性方法，从而能有效得将各层的优点结合在起。但是，为了避免效率低或各层间的冲突，这些层的恢复行为需要协调。因此，除了无协调方法外，还提出了按序的和综合的方法。另外，光层的出现也为生存性提出了许多新的技术问，探讨了圯，诹01网络中生存性的些特殊考虑。
　　5总结纵观已有的判决理论方法和统计模式识别方法这两大类型识别方法，它们各有长短。判决理论方法般是基于噪声干扰下调制信号的统计特性分析，推导出判决准则，由于它考虑了噪声的影响，所以在低信噪比条件下也有较好的性能，但该类方法通常是针对某类具体调制信号的统计特性进行分析而得到某种判决准则，因而只适用于该类调制信号的识别，识别范围窄。统计模式识别方法通常是基于无噪声干扰的假设进行特征抽取，在信噪比条件下，特征明显，容易提取，识别效果好；在低信噪比条件下，特征模糊，难于提取，识5橄果差。般调制识别方法往往要求在5018的较信噪比条件下才有较好的识别性能，而通信信号通过实际信道传输，信噪比通常在几到几十8之间变化，所以如何提现有这些方法在低信噪比时的识别性能，是个值得研究的课。
　　另外，调制识别方法在软件无线电中的应用，也是个值得研究的方向。目前这方面的文章和研究还很少。如何将调制识别方法与软件无线电的解调方法相结合，同时实现信号有重要的应用前景。
　　第，在目前公开发的有关文献中，对通信信号调制识别的研究是在同接收信道中同时只存在个信道的前提下进行的。事实上，随着无线电通信技术在军用和民用领域的广泛普及，无线电通信频段上的信号日益密集，即使在普通的窄带接收机中，同时出现两个或多个通信信号的现象已经难以避免，而在电子侦察无线电监测等特殊用途的宽带接收机中，同时存在多个信号的情况则极为普遍。因此，研究共信道多个通信信号的调制识别技术，也是个极待解决的实际问铨，值得进步深人研究。
　　总的说来，对通信信号调制识别技术的研究，就是寻求种简单快速，有可靠识别率，识别范围广，能适用于复杂多变