基于小波包络差异性的数字调制方式识别技术

王兰勋，郭淑婷，贾层娟

（河北大学 电子信息工程学院，河北 保定071002）

针对通信系统中数字信号调制方式难以准确识别的问题，根据归一化前后小波变换包络的差异性，提出基于小波变异系数差值（ΔCV）和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行，适用范围广，且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。

调制识别；小波变换；变异系数差值；相似性度量函数

中图分类号：TN911.3

文献标识码：A

DOI：10.16157/j.issn.0258-7998.2017.02.023

中文引用格式：王兰勋，郭淑婷，贾层娟. 基于小波包络差异性的数字调制方式识别技术[J].电子技术应用，2017，43(2)：95-98.

英文引用格式：Wang Lanxun，Guo Shuting，Jia Cengjuan. The digital modulation recognition technique based on the wavelet envelope difference[J].Application of Electronic Technique，2017，43(2)：95-98.

0 引言

当代无线通信领域环境日益复杂，如何对待识别信号，准确获取其调制方式，已成为军事和民用无线通信的难题。近几年，关于信号调制识别问题分为两类解决方法：基于决策论识别方法和基于特征识别方法^[1]。小波变换实时性强且小波新特征的分析是目前研究的热点。文献[2]根据OFDM信号小波包分解系数的特点提出重构信号的二范数为识别参数。文献[3]提出一种基于小波能谱熵和小波时间熵相邻尖峰的最小距离的码元速率估计算法。文献[4]利用小波系数的稀疏性实现了数字调制方式的类间识别。文献[5]通过分析Haar小波脊线拟合函数相位解决了干扰环境下MPSK类内识别问题。文献[6]根据归一化前后小波变换模值为多级函数或单值函数对数字信号调制方式进行分类。

1 基础知识

1.1 连续小波变换

连续小波变换（CWT）定义为：

1.2 调制信号的小波变换

MASK、MFSK、MPSK和MQAM 4种调制方式，进行小波变换后为：

2 识别方法

2.1 调制信号类间的识别

由式(2)～(5)可看出小波变换取其包络后MASK、MQAM包括幅度变化，而MFSK、MPSK不包含，因此对信号进行归一化函数处理，定义为：

其中COV(W₁，W₂)表示W₁与W₂的协方差，D(W₁)与D(W₂)分别为W₁与W₂的方差。

2.2 调制信号类内的识别

由MFSK未归一化小波变换包络的标准差值的不同，可以对其类内阶数进行分类；由MASK、MPSK高阶累积量特征值的不同，可以实现对其类内进行识别，以下为信号四阶、六阶累积量的定义：

2.3 算法步骤描述

(1)令数字调制信号进行希尔伯特变换得到复信号，为了消除信号能量对判决的影响，再对其进行功率归一化。然后对所得信号进行幅度归一化，得到幅度归一化前后的两路信号，两路信号均进行Haar小波变换，分别取其小波系数的包络进行中值滤波。

(2)在步骤(1)的基础上构建|ΔCV|_尺度4为识别特征1，对{MASK、MQAM}和{MFSK、MPSK}进行分类。

(3)在步骤(1)的基础上构建R_尺度4为识别特征2，对MFSK和MPSK进行分类。

(4)在步骤(1)的基础上构建R_尺度3为识别特征3，对MASK和MQAM进行分类。

(5)在完成步骤(2)～(4)类间识别基础上选择未归一化小波变换包络的标准差σ_尺度4作为特征4，对MFSK类内进行识别；选择四阶累积量值|C₄₀|作为特征5对MPSK类内阶数进行识别；选择六阶累积量值|C₆₀|作为特征6对MASK类内调制方式进行识别。算法流程如图2所示。

3 实验仿真及分析

3.1 识别特征的稳定性

3.2 识别效果仿真

基于决策树判决的调制识别方式简单快捷，通过分析各个特征参数的仿真曲线图可设定门限值，分别为th1=0.1，th2=0.258 9，th3=0.024 9，th4=0.146 0，th5=0.306 5，th6=1.5，th7=0.5，th8=12，th9=6，以1 dB为间隔在信噪比为0 dB～20 dB的条件下，每种信号分别进行500次仿真，数字调制信号的类间、类内识别效果如图9、图10所示。

4 总结

参考文献

[1] 吕圆圆.复杂电磁环境下的数字调制方式识别研究[D].北京：北京邮电大学，2015.

[2] 陈宜文，许斌，郝建华，等.电力线噪声信道下基于小波包变换的OFDM信号检测[J].电子测量技术，2015，38(12)：111-115.

[3] 康健，林云，杜浩，等.基于小波熵的BPSK信号码元速率估计算法[J].哈尔滨商业大学学 (自然科学版)，2015，31(2)：228-231.

[4] 赵知劲，胡俊伟.基于小波系数稀疏性的数字调制样式识别[J].杭州电子科技大学学 ，2014，34(2)：16-19.

[5] 王铁铸.干扰条件下正弦类Haar小波MPSK信号识别分析[J].现代电子技术，2014，37(23)：54-57.

[6] 范真真，朱立忠，张笑宇，等.一种小波变换的数字信号调制方式识别方法研究[J].沈阳理工大学学 ，2015，34(3)：10-15，23.

[7] 薛伟，钱平.基于小波变换和神经 络模型的数字调制识别方法[J].计算机应用与软件，2012，29(8)：210-213.