一种调相信号的分类识别和参数估计方法及系统技术方案

本发明专利技术涉及调相信号的分类识别和参数估计技术领域，提供了一种调相信号的分类识别和参数估计方法及系统，其方法包括：S1：信号与噪声分离，实现通信信号在噪声背景下的精确提取；S2：通信信号与其他干扰信号的分类识别，实现宽带的通信信号与窄带信号和调频信号的分类识别；S3：调相信号与其他信号的分类识别，在多种通信信号中识别出调相信号；S4：调相信号类内识别，计算调相信号的平方谱，按照平方谱的谱峰特征差异性识别出BPSK和QPSK信号；S5：针对通信信号进行参数修正，估计出通信信号的参数。解决了现有的海洋声信道由于采用时频双扩展信道，带宽窄、多普勒频移大和背景噪声强，影响通信信号时域特征和频域特征的稳定性的问题。

【技术实现步骤摘要】
一种调相信号的分类识别和参数估计方法及系统
本专利技术涉及调相信号的分类识别和参数估计
，尤其涉及一种调相信号的分类识别和参数估计方法及系统，适用于水声时频双扩展衰弱信道下，对先验较少或者全盲通信信号的检测、识别分类和参数估计有很好的应用前景。
技术介绍
伴随新型海洋技术和海洋装备的发展，水下海洋装备应用于多种作业现场，多种设备间为了实现信息交互和共享，需要进行高速可靠数据传输。通信声呐，特别是高速通信声呐，广泛应用于多种设备，实现多种平台间的数据和信息共享。对水下声学通信信号进行监测，深入解析国内外通信声呐的信号体制，完成通信信号的检测、分类识别和通信信息的破译，实现水下数据透明传输，是水下安防和国防安全的需要。海洋声信道是典型的时频双扩展信道，其特点是：带宽窄、多普勒频移大和背景噪声强，这严重影响通信信号时域特征和频域特征的稳定性。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种调相信号的分类识别和参数估计方法及系统，为提高通信信号的识别概率，本算法提取通信信号鲁棒性好、性能稳定的特征参数，按照多参数联合估计的方法，降低水声衰落信道对识别算法影响。按照信号与噪声分类识别、宽带通信信号与窄带信号和调频信号分类识别、调相信号与其他通信信号分类识别、调相信号类内识别和通信信号参数修正五步骤完成调相信号的分类识别。信号与噪声分类识别中，自适应感知通信信号的中心频率和带宽，快速计算每帧信号的信噪比，联合三个特征参数实现信号在噪声背景下的精确提取。快速计算信号中心频率变化率和信号的带宽变化特征参数，实现宽带水声通信信号与窄带信号和调频信号分类识别。调相信号与其他通信信号分类识别是计算频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数，根据三个特征参数在多种水声通信信号中识别出调相信号。调相信号类内识别是通过计算通信信号的平方谱，按照平方谱的谱峰特征差异性识别出BPSK和QPSK。联合信号的频谱和平方谱，对通信信号中心频率、带宽、脉宽和码率修正，估计出最终通信信号的参数。本专利技术的上述专利技术目的是通过以下技术方案得以实现的：一种调相信号的分类识别和参数估计方法，包括以下步骤：S1：针对于输入的通信信号进行信号与噪声的分离，对所述通信信号进行分帧处理，获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比，联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取；S2：针对于所述通信信号与其他干扰信号的分类识别，计算信号的中心频率变化率和带宽变化特征参数，实现宽带的所述通信信号与窄带信号和调频信号的分类识别；S3：针对于所述通信信号中的调相信号与其他信号的分类识别，计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数，根据三个特征参数在多种所述通信信号中识别出所述调相信号；S4：针对于所述调相信号类内识别，计算所述调相信号的平方谱，按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号；S5：针对所述通信信号进行参数修正，联合所述通信信号的频谱和所述平方谱，对所述通信信号的中心频率、带宽、脉宽和码率进行修正，估计出最终的所述通信信号的参数。进一步地，在步骤S1中，还包括：S11：对所述通信信号进行分帧处理，采集长度为N点的所述通信信号[x(0),x(1),…x(N-1)]，通过快速傅里叶变换计算每帧的所述通信信号的频谱其中W是傅里叶旋转因子；S12：针对于每一帧的所述通信信号的频谱进行谱峰搜索，查找X(k)的最大值，确定其位置Index_max，并计算带宽；S13：计算带宽内的信号能量其中X是信号的频谱，Lb表示信号带宽的下频点，Lu表示信号带宽的上频点。进一步地，在步骤S2中，进一步包括：S21：针对于每一帧所述通信信号计算所述通信信号的带宽，具体地：第i帧所述通信信号的带宽为：Delta_fi＝Lu-Lb，统计多帧所述通信信号的带宽变化；S22：针对于每一帧所述通信信号计算所述通信信号的中心频率，具体地：第i帧所述通信信号的中心频率为：Fci＝Index_max，统计多帧所述通信信号的中心频率变化；S23：针对于中心频率进行建模，建模为为线性模型，Fc＝kFci+b，采用最小二乘法估计系数k，b。进一步地，在所述步骤S3中，还包括计算所述通信信号的频谱的对称性、频谱的平坦系数，具体为：S31：频谱的对称性系数KF，是用于表征所述通信信号频谱关于中心频率的对称性的特征参数，具体为：其中，Eb是下频带能量，Eu是上频带能量，Index_max是信号的中心频率，计算得到频谱的对称性系数KF为：KF＝Eb/EuS32：频谱的平坦系数，是衡量频谱能量分布的参数，具体为：进一步地，步骤S4中，还包括：计算所述调相信号的平方谱，具体为：S41：接收所述通信信号的分帧处理，采集长度为N点的信号[x(0),x(1),…x(N-1)]，计算所述通信信号的平方信号为：y(n)＝x2(n)S42：计算所述通信信号的平方谱为：进一步地，在步骤S5中，还包括：在所述通信信号的平方谱中搜索尖脉冲信号，根据所述尖脉冲信号的位置，精确修正所述通信信号的载波频率和通信码率。一种调相信号的分类识别和参数估计系统，包括：信号噪声分离模块，宽带通信信号检测提取模块，调相信号分类识别模块，调相信号类内识别模块和通信信号参数估计模块；信号噪声分离模块，用于针对于输入的通信信号进行信号与噪声的分离，对所述通信信号进行分帧处理，获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比，联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取；宽带通信信号检测提取模块，用于针对于所述通信信号与其他干扰信号的分类识别，计算信号的中心频率变化率和带宽变化特征参数，实现宽带的所述通信信号与窄带信号和调频信号的分类识别；调相信号分类识别模块，用于针对于所述通信信号中的调相信号与其他信号的分类识别，计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数，根据三个特征参数在多种所述通信信号中识别出所述调相信号；调相信号类内识别模块，用于针对于所述调相信号类内识别，计算所述调相信号的平方谱，按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号；通信信号参数估计模块，用于针对所述通信信号进行参数修正，联合所述通信信号的频谱和所述平方谱，对所述通信信号的中心频率、带宽、脉宽和码率进行修正，估计出最终的所述通信信号的参数。进一步地，所述信号噪声分离模块，还包括：分帧处理单元，用于对所述通信信号进行分帧处理，采集长度为N点的所述通信信号[x(0),x(1),…x(N-1)]，通过快速傅里叶变换计算每帧的所述通信信号的频谱其中W是傅里叶旋转因子；本文档来自技高网...

【技术保护点】
1.一种调相信号的分类识别和参数估计方法，其特征在于，包括以下步骤：/nS1：针对于输入的通信信号进行信号与噪声的分离，对所述通信信号进行分帧处理，获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比，联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取；/nS2：针对于所述通信信号与其他干扰信号的分类识别，计算信号的中心频率变化率和带宽变化特征参数，实现宽带的所述通信信号与窄带信号和调频信号的分类识别；/nS3：针对于所述通信信号中的调相信号与其他信号的分类识别，计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数，根据三个特征参数在多种所述通信信号中识别出所述调相信号；/nS4：针对于所述调相信号类内识别，计算所述调相信号的平方谱，按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号；/nS5：针对所述通信信号进行参数修正，联合所述通信信号的频谱和所述平方谱，对所述通信信号的中心频率、带宽、脉宽和码率进行修正，估计出最终的所述通信信号的参数。/n

【技术特征摘要】
1.一种调相信号的分类识别和参数估计方法，其特征在于，包括以下步骤：
S1：针对于输入的通信信号进行信号与噪声的分离，对所述通信信号进行分帧处理，获取并计算每一帧的所述通信信号的中心频率、带宽和信噪比，联合包括中心频率、带宽和信噪比在内的三个特征参数实现所述通信信号在噪声背景下的精确提取；
S2：针对于所述通信信号与其他干扰信号的分类识别，计算信号的中心频率变化率和带宽变化特征参数，实现宽带的所述通信信号与窄带信号和调频信号的分类识别；
S3：针对于所述通信信号中的调相信号与其他信号的分类识别，计算所述通信信号的频谱的对称性、频谱的平坦系数和归一化的信号包络方差三个特征参数，根据三个特征参数在多种所述通信信号中识别出所述调相信号；
S4：针对于所述调相信号类内识别，计算所述调相信号的平方谱，按照所述平方谱的谱峰特征差异性识别出BPSK和QPSK信号；
S5：针对所述通信信号进行参数修正，联合所述通信信号的频谱和所述平方谱，对所述通信信号的中心频率、带宽、脉宽和码率进行修正，估计出最终的所述通信信号的参数。


2.根据权利要求1所述的调相信号的分类识别和参数估计方法，其特征在于，在步骤S1中，还包括：
S11：对所述通信信号进行分帧处理，采集长度为N点的所述通信信号[x(0),x(1),…x(N-1)]，通过快速傅里叶变换计算每帧的所述通信信号的频谱k＝0,…,N-1，其中W是傅里叶旋转因子；
S12：针对于每一帧的所述通信信号的频谱进行谱峰搜索，查找X(k)的最大值，确定其位置Index_max，并计算带宽；
S13：计算带宽内的信号能量其中X是信号的频谱，Lb表示信号带宽的下频点，Lu表示信号带宽的上频点。


3.根据权利要求1所述的调相信号的分类识别和参数估计方法，其特征在于，在步骤S2中，进一步包括：
S21：针对于每一帧所述通信信号计算所述通信信号的带宽，具体地：第i帧所述通信信号的带宽为：Delta_fi＝Lu-Lb，统计多帧所述通信信号的带宽变化；
S22：针对于每一帧所述通信信号计算所述通信信号的中心频率，具体地：第i帧所述通信信号的中心频率为：Fci＝Index_max，统计多帧所述通信信号的中心频率变化；
S23：针对于中心频率进行建模，建模为为线性模型，Fc＝kFci+b，采用最小二乘法估计系数k，b。


4.根据权利要求1所述的调相信号的分类识别和参数估计方法，其特征在于，在所述步骤S3中，还包括计算所述通信信号的频谱的对称性、频谱的平坦系数，具体为：
S31：频谱的对称性系数KF，是用于表征所述通信信号频谱关于中心频率的对称性的特征参数，具体为：






其中，Eb是下频带能量，Eu是上频带能量，Index_max是信号的中心频率，计算得到频谱的对称性系数KF为：
KF＝Eb/Eu
S32：频谱的平坦系数，是衡量频谱能量分布的参数，具体为：





5.根据权利要求1所述的调相信号的分类识别和参数估计方法，其特征在于，步骤S4中，还包括：计算所述调相信号的平方谱，具体为：
S41：接收所述通信信号的分帧处理，采集长度为N点的信号[x(0),x(1),…x(N-1)]，计算所述通信信号的平方信号为：
y(n)＝x2(n)
S42：计算所述通信信号的平方谱为：





6.根据权利要求1所述的调相信号的分类识别和参数估计方法，其特征在于，在步骤S5中，还包括：
在所述通信信号的平方谱中搜索尖脉冲信号，根据所述尖脉冲信号的位置，精确修正所述通信信号的载波频率和通信码率。


7.一种调相信号的分类识别和参数估计系统，包...

【专利技术属性】
技术研发人员：李记龙，冯海泓，黄敏燕，翟玉爽，
申请(专利权)人：中国科学院声学研究所东海研究站，
类型：发明
国别省市：上海;31