浏览161次
时间：2019年3月14日 13:39
【摘要】自电通信发展起来以后，通信技术在上世纪50 年代以后得到了日新月异的发展，确保了信息能够快速有效、安全准确的传输。近几年信号调制的自动识别成为了研究的重点，在军事应用、民用以及商业应用中占有重要地位，随着现代通信技术的发展，数字调制技术凭借其独特的优势已经得到了广泛的应用。
因此，本文将对数字调制识别技术进行介绍，并总结其自动识别的方法，以便这种技术更好地应用各个方面。
【关键词】数字通信信号；调制方式；自动识别方法；应用随着现代通信技术的迅猛发展，对信号调制方式的研究一直是重点领域，调制方式也是区分不同信号的重要特征，随着自动化技术的成熟，为调制方式的自动识别带来了发展的机遇，对军事应用以及民用商用具有里程碑式的意义。
1 调制识别发展历史及现状
电报是最早出现的数字通信形式，标志着电通信技术得到了发展，随后自上世纪50 年代以后，电通信技术得到了高速发展。
首先，随着真空管的出现，为模拟通信的崛起提供了途径；其次随着信息论以及脉冲编码原理的提出，将数字通信推入了鼎盛时期。无论是何种通信方式，都需要将信号转变为便于传输的形式，那么由此出现了各种各样的调制方式，这些调制方式能够有效地识别不同的信号，调制识别的概念由此产生。
2 自动识别技术的发展
随着现代通信技术的不断进步，调制识别的方法也在不断发展，从人为识别逐步向自动化识别发展。在人为识别阶段，分析人员利用示波器以及频谱仪等仪器得出结果，这是结果必然会掺杂人为因素，并且能够调制识别的信号类型十分有限，准确率也无法得到保证，因而其应用范围十分有限，终究跟不上时代发展的步伐。在这样的背景下，自动识别技术得到了发展。在通信中，对数字通信调制识别的研究一直是重难点，它是信号检测和解调之间的桥梁，其重要作用不言而喻，这是调制自动识别过程一般包括三个步骤，即预处理、特征提取和方式识别，近年来随着研究的深入，主要形成了基于最大似然法以及特征量的识别方法。
3 调制方式自动识别方法
3.1 最大似然法
这是调制识别方法最早由高斯提出，它是利用概率模型来进行推导，实际上属于一种统计学方面的方法，那么它的模型图如下所示：
图1 最大似然法识别图
它的原理是将这个自动识别的过程视为一个复合假设检验问题，对信号进行似然函数处理，得到用于分类的假设，最后进行比较得到识别结果，即我们首先需要假设这些信号是离散型的，那么当接收到信号以后，从其中随机抽取n 个样本，并对其进行观测采样，那么每一个样本都会对应一种假设检验，n 个样本就会得到n 中假设检验，最终挑选出这些检验中的最大值，那么这个最大值所代表的观察信号就是调制信号。
这种方法根据对未知参数的不同处理方法，又分为了平均、广义以及混合似然比这三种检测方法
3.1.1 平均似然比
平均似然比检测是要将未知的参数的概率密度函数当做已知条件，或者对概率密度函数进行假设，那么最终似然函数取平均意义上的结果，即在实际中要得到平均似然函数或者它的近似形式，在使用这种方法进行调制自动识别的时候需要注意，假设的概率密度函数必须与已知的一致，用平均似然比检测才是最佳的分类器，如果没有办法得到未知参数的概率密度函数，就需要将未知参数看作变量来进行处理，这是另一种检测方法，广义似然比检测。
3.1.2 广义似然比
根据上文的分析，我们已经知道广义似然比是一种将未知参数看作确定变量来处理的一种识别方法，这种方法需要先求出一个假设的最大估计值，在代入该假设条件下的似然函数中，这种识别方法更为实用，它不需要对参数或者信号做出假设，因此其应用的范围也更加广泛，并且对未知参数的估计结果在后续的处理中有可能得到继续使用，当然这种识别方法完成可能发生不同的假设下得到相同的估计结果，这个时候两个函数相等，用这种广义似然比检测法无法实现调制识别，需要进行混合似然比检测。
3.1.3 混合似然比
顾名思义混合似然比检测法就是将上述两种检测方法进行结合而产生的一种方法，一方面将一部分未知参数按照平均似然比的方法建立随机变量；将另一部分按照广义似然比的方法建立确定变量，求出最大估计值。总之，这种方法结合了平均似然比和混合似然比的优点，适用的范围更加广泛。
最大似然法是一种最优的选择，它能将出错的概率降低到最小，但是这种方法最大的特点就是其完全依靠数学描述在进行，因此如果要对其分类器进行优化，就必须进行完全数学的描述，非常复杂，优化过程阻力较大，当然这种方法也存在一定的缺陷，它对参数偏差以及模型失配比较敏感，稳健性有待提升，一旦实际信号轨道的噪声存在多径影响或多信号干扰，或者出现了非高斯以及参数估计偏差的情况，那么这种方法的分类性能会受到严重影响，最终影响识别结果的准确性。
3.2 特征量法
数字信号调制自动识别的另一种方法是基于特征量的方法，这种方法通过特定的算法，在样本中得到能够区别信号的参数指标，一般应用在信号噪音比较低的识别任务中。经过长期的实践，目前形成了包含多种特征的调制识别方法，下文将逐一介绍。
3.2.1 信号瞬间特征
通过信号的瞬间特征来调制识别的方法，在模拟信号调制时期就经常使用，通过对幅度、频率等五个参数进行提取就能识别出模拟信号，但是在数字信号识别方面还不够，因此又增加了四个特征值，一共九个参数来帮助我们识别简单的数字信号，这种方法的优势非常明显，意识提取特征参数比较容易，二是计算的方法简单，并且目前能够识别的信号种类也比较丰富，但是这种根据信号的瞬间特征来识别的方法仍然存在一定的缺陷，对环境的要求比较高，因为参数的提取是瞬时的，所以在噪音干扰较多或者比较复杂的环境下，识别的结果准确性较低。
3.2.2 高阶累积量识别
利用这种技术对数字信号进行调制识别是现代信号识别中比较常用一种处理技术，也是目前研究的一个热点领域，其中二阶累积量是传统的一种方法，并且它对高斯噪音不灵敏，我们就可以利用这一特性来识别非高斯信号。随着累积量的阶数逐渐升高，在识别过程中抑制多径干扰的能力也就会越强，其最大的优势就在于它抗噪音的性能比较高，因此在噪音比较低的时候，这是识别方法的效果也不能达到最好。
实际上，基于特征量来调制自动识别数字信号的方法还有很多类型，这里就不一一列举了。用特征量来识别数字信号的方法在理论上不如最大似然比方，但是这种方法的形式比较简单，在实际操作中更容易实现，也能发挥其最优的识别性能，在实践中更为实用。
4 数字信号自动识别方法的应用
数字信号调制自动识别的应用主要体现在两个方面，一方面它能够应用在军事中，尤其是在电子战以及信息战中能发挥重要作用，既能够监视战场的电磁频谱活动，提前对威胁进行识别，截获敌方的军事情报，同时又可以产生干扰，保护我方以及友方的通信正常，除此之外还具有识别对方雷达以及辐射源的功能。
另一方面，数字信号调制自动识别在民用以及商业中仍然具有重要的应用价值，比如说软件无线电技术，它能够实现不同通信设备之间的互动，监测电台的发射信号等等作用。
总之，数字信号调制自动识别技术的出现，是现代信息技术发展的必然，也解决了人工调制识别信号的难题，并且伴随着现代化软件的引入，电子通信技术达到了一个新阶段。尽管如此，这项技术仍然还存在一些不足以及可以优化的方面，这是未来研究需要解决的难题，以便数字信号自动识别技术更好地为社会和国家服务。
参考文献：
[1] 郭淑婷. 数字信号调制方式的识别技术研究[D]. 河北大学，2017.
[2] 史甜姝. 数字通信信号调制方式自动识别方法的研究与应用[D]. 天津大学，2016.
[3] 杨琳. 数字通信信号调制方式自动识别技术研究[D]. 中国科学技术大学，2008.
