摘 要： 通信对抗中数字通信调制方式识别作为一种非协作通信识别是近年研究的热点，提出一种基于信号瞬时特性并结合决策论对通信信号调制方式进行识别的方法。该方法选用数字通信信号中的五个典型特征参数作为判决准则，然后给出基于决策论判别树的方法，选取恰当的特征门限进行信号识别流程设计。仿真实验结果表明，该方法在信噪比较低时也具有较高的识别正确率和更快的识别速度，更容易工程实现。
关键词： 通信对抗; 数字通信; 调制方式识别; 特征参数选择; 特征门限选取; 信号识别流程
中图分类号： TN911.72⁃34 文献标识码： A 文章编号： 1004⁃373X（2019）16⁃0022⁃04
0 引 言
在通信对抗、军事侦察、电磁频谱管理等领域中，经常会面临非协作通信的情况，在通信对抗侦察中对于非协作通信的侦察一般是缺少调制信号先验知识的。所谓调制识别指的是在通信侦察过程中，通过侦察接收机对接收到的通信信号，在未知调制信息内容的情况下判断出信号的调制方式的过程[1]。随着信息技术的广泛应用，自20世纪以来研究人员就对信号识别进行探索，但随着通信技术的不断发展，通信信号也在不断变化，这对通信信号识别带来了更大的挑战，所以通信调制识别仍然是通信对抗领域的研究热点[1]。
通信信号调制识别主要包括信号预处理、参数提取、分类识别几个步骤。目前在通信信号调制方法上，主要有基于统计模式识别、小波变换、灰色关联以及决策理论等方法，每一种调制信号识别方法都各有特点 [2]。文献[1]对通信信号的识别方法首次进行了理论创新，提出了采用神经网络等方法对数字通信信号进行调制识别，文献[2]则从特征参数提取角度改进了传统决策理论算法，并利用决策树对信号调制进行识别。随着嵌入式技术的发展，各类算法可以嵌入到硬件系统当中，但在信号调制识别领域，复杂的调制识别算法还不能有效的被工程实现。因此，研究适合于工程实现的通信信号识别算法有着很强的现实需求。本文着眼于特征参数提取算法，从而实现以较小的工程计算量，较高的识别正确率，并且适用的信噪比范围较大，选用信号瞬时特性参数，对数字调制信号进行了分式识别，并通过仿真给出了实验结果，表明该方法在信噪比较低时，相较于其他方法具有更快的识别速度，更容易工程实现。
3 调制识别
目前，决策理论已经广泛应用到信号调制识别的领域，在通信信号调制识别方面，国内外有许多研究采用基于决策理论的调制识别算法，但都存在从理论分析上能够取得好的效果，在实际应用中出现识别算法过于复杂导致计算时间长、识别准确率不高等问题[8]。使用决策论判别信号调制方式时，首先需要建立特征参数，而后建立一定的判决准则，在此基础上将信号瞬时特征参数与设定的门限值进行比较，从而实现数字通信信号调制样式识别。
基于决策论的识别方法具有多种优点，它相对于其他识别方法，计算量相对较小，并且易于计算机编程实现，同时实时性较好，因此非常适合应用于通信信号识别领域[9]。识别的基本思路是：在接收到新的信号后，就计算出信号的瞬时特征参数。
由于不同信号特点不同，导致其相互之间的瞬时特征参数有很大区别，根据设定的门限值，进行比较后就可以在不同级别将不同信号两两分辨出来。在信号调制方式的识别过程中，主要与信号识别顺序以及特征参数位置有关，同时特征参数门限值与识别正确率也有很大关系[10]。具体识别步骤如下：
1） 通过接收机对接收的数字通信信号进行下变频，使之变成中频信号;
2） 由瞬时幅度计算特征参数[M1]，根据[M1]将FSK信号从信号群中识别出来;
3） 根据瞬时相位计算特征参数[Mp1]，与设定的特征门限值[t（Mp1）]相比较，然后将4PSK信号识别出来;
4） 根据瞬时相位计算特征参数[Mp2]，与设定的特征门限值[t（Mp2）]相比较，识别2PSK信号;
5） 根据瞬时幅度计算特征参数[M2]，使用[t（M2）]门限值，区分2ASK信号与4ASK信号;
6） 根据瞬时频率计算特征参数[Mf]，结合特征参数门限值[t（Mf）]，对2FSK信号和4FSK信号进行区分。
经过以上步骤，根据瞬时信息特征参数，就可实现对数字通信信号调制方式的全过程识别[11]。上述的识别过程的流程如图1所示。
4 仿真及結果分析
在完成对数字通信信号模型构建、瞬时特征参数提取以及识别流程设计后，对上述方法进行仿真，以测定识别方法的准确性和实时性。根据信号瞬时特性并利用决策论的识别方法与信噪比密切相关，通过仿真分析可以发现，当信号的信噪比大于10 dB时，采用上面的特征完成信号识别，效果很好。
在仿真实验中，可以采用[M1]来提取瞬时幅度信息，区分FSK信号还是ASK或者PSK信号。利用[Mp1]来提取相位信息，识别4PSK信号，采用[Mp2]识别2PSK信号，用[M2]区分ASK和4ASK信号，用[Mf]来区分2FSK和4FSK信号。利用[M1]，[M2]，[Mp1]，[Mp2]，[Mf]这5个特征参数与相应的门限进行比较，逐层地对待识别的信号进行分解识别。在数字通信信号的分类识别过程中，门限选择正确与否直接影响对两类信号分类的成功率[8]。要实现对数字通信信号调制方式的识别，就需要在仿真时，首先，生成数字通信信号，同时为了模拟真实的通信信号传播和接收过程，在生成的信号中加入高斯噪声信号，仿真时载波频率为20 kHz，采样频率为120 kHz，码元速率为5 kHz;然后，通过在不同信噪比情况下进行多次特征参数的计算，可以得到每种调制方式的特征参数存在一定的变化区间，而这个区间是随着信噪比提高而降低;最后，当信噪比提高到一定程度时，特征参数变化区间接近一特定值，将这个特定值作为特征门限的参考值。通过仿真实验，能够验证信号识别方法的有效性，同时能够定量地验证在不同信噪比条件下的识别率。从图2给出的实验结果可看出，当信号的信噪比在5 dB时左右时，ASK信号可以达到99%识别率，识别成功率相对较高;而2PSK信号识别率则为89%，识别成功率相对下降;频移键控4FSK和相移键控4PSK两种信号的识别率都维持在83%左右，相对较低。而当信噪比升为9 dB时，除了4PSK信号识别率为97%，其他信号识别率均达到了100%;进一步提高信噪比，可以让识别率都达到100%。
5 结 语
本文着眼于信号瞬时特征参数提取算法具有快速性和准确性的特点，便于用较小的工程计算量实现。首先，对数字通信信号进行了模型设计;然后，根据信号调制识别需求选择瞬时特征参数，基于决策论的判别方法，利用瞬时特征参数和判决门限进行了信号调制识别流程设计;最后，通过仿真验证了方法的有效性，给出了实验结果，表明该方法在信噪比较低时，相较于其他方法具有更快的识别速度，更容易工程实现。下一步将研究在识别过程中如何设定自适应门限以进一步提高数字通信信号调制方式识别成功率。
参考文献
[1] 龚安民，王炳和，曲毅.一种优化的通信信号调制识别算法仿真研究[J].计算机仿真，2016，33（1）：199⁃204.
GONG Anmin，WANG Binghe， QU Yi. Simulation research of an optimization communication signals modulation recognition algorithm [J]. Computer simulation， 2016， 33（1）： 199⁃204.
[2] 张志民，欧建平，皇甫堪.数字通信信号调制自动识别研究[J].计算机工程，2011，37（6）：153⁃156.
ZHANG Zhimin， OU Jianping， HUANGFU Kan. Research on automatic modulation recognition of digital communication signal [J]. Computer engineering， 2011， 37（6）： 153⁃156.
[3] 刘文涛，陈红，蔡晓霞，等.基于分形维数的数字调制信号识别[J].火力与指挥控制，2014，39（10）：88⁃90.
LIU Wentao， CHEN Hong， CAI Xiaoxia， et al. Digital modulation signal identification based on fractal dimension [J]. Fire control and command control， 2014， 39（10）： 88⁃90.
[4] 柴恒，周秀珍.QPSK信号盲识别及盲解调技术[J].舰船电子对抗，2013，36（2）：52⁃54.
CHAI Heng， ZHOU Xiuzhen， Blind recognition and blind demodulation technology of QPSK signal [J]. Shipboard electronic countermeasure， 2013， 36（2）： 52⁃54.
[5] 沈连腾，巩克现，王伟年，等.VHF/UHF常用通信信号调制识别算法[J].计算机仿真，2017，34（1）：174⁃179.
SHEN Lianteng， GONG Kexian， WANG Weinian， et al. VHF/UHF communication signal modulation recognition algorithm [J]. Computer simulation， 2017， 34（1）： 174⁃179.
[6] 陈红，蔡晓霞，徐云，等.基于多重分形特征的通信调制方式识别研究[J].电子与信息学报，2016，38（4）：863⁃869.
CHEN Hong， CAI Xiaoxia， XU Yun， et al. Communication modulation recognition based on multi⁃fractal dimension characteristics [J]. Journal of electronics and information technology， 2016， 38（4）： 863⁃869.
[7] AZZOUS E E， NANDIA K. Automatic identification of digital modulations [J]. Signal processing， 1995， 47（1）： 55⁃69.
[8] NANDI A K， AZZOUZ E E. Modulation recognition using artificial neural networks [J]. Signal proeessing， 1997， 56（2）： 165⁃175.
[9] NANDI A K， AZZOUZ E E. Algorithms for automatic modulation recognition of communication signals [J]. IEEE transactions on communication， 1998， 46（4）： 431⁃436.
[10] 杨小牛，楼才义，徐建良.软件无线电技术与应用[M].北京：北京理工大学出版社，2010.
YANG Xiaoniu， LOU Caiyi， XU Jianliang. Software radio technology and applications [M]. Beijing： Beijing Institute of Technology Press， 2010.
[11] 張达敏，王旭.对基于决策论的数字信号调制识别方法的改进[J].计算机应用，2009，29（12）：3227⁃3230.
ZHANG Damin， WANG Xu. Improved method of digital signalsmodulation identification based on decision theory [J]. Journal of computer applications， 2009， 29（12）： 3227⁃3230.