基于LabVIEW的信号调制识别研究与应用

本文基于LabVIEW的信号调制识别系统，应用分类识别中，研究调制信号的特征参数提取技术，结合参数特征，提出基于决策树的方法识别调制信号，且性能良好，并在LabVIEW环境良好应用调制信号识别技术。

【关键词】LabVIEW 特征提取 调制识别

随着信息技术的迅猛发展，通信环境日益复杂，其中调制通信信号的方式多种多样，但调制参数不尽相同，人们想要监管和辨别这些信号，于是，信号调制识别应运而生。信号调制识别在通信中能获得广泛的认可，主要用于集中在宇宙探索、卫星通信、频谱监测、军事电子对抗等领域。研究的关键是选取分类特征参数的和设计识别分类器。基于此，本文主要完成基于LabVIEW软件平台的调制识别算法研究并给予实践和验证。

1 LabVIEW实现常见通信信号的调制

1.1 模拟信号调制仿真

模拟信号的调制方式可以按照调制器频谱实际变化程度分为线性调制和非线性调制特性。线性调制是指输出已调信号的幅度，并呈现出正比例变化。非线性调制包括频率调制和相位调制。

1.2 数字调制信号的LabVIEW仿真

随着通信宽带的加大，数字通信技术应运而生，数字调制采用微处理器的模拟调制方式，通讯链路中的任何不足均可以借助于软件，可以加密信息，并通过误差校准技术，使得通信的数据更为可靠，另外还可以借助DSP，减少分配给每个用户的有效带宽。大大提高频带利用率。数字调制主要通过对载波的振幅、频率、相位进行键控来实现即振幅键控ASK、频移键控FSK和相位键控PSK.其中，线性调制包括振幅键控，而非线性的有频移键控和相位键控，同时由于数字信号的码元固定，给数字通信带来了很多新的方法。

2 信号调制识别中参数的分类识别

调制信号参数识别的过程包括信号预处理、特征参数提取和分类识别三个重要部分。

2.1 信号预处理

信号预处理是信号调制识别过程的基础，因为普通信号不能直接被识别，信号预处理能为之后的信号处理提供更恰当精准的数据。信号预处理分为数字化信号，载波频率估计、射频信号下变频处理、码元速率估计及同相正交分解等过程。

2.2 特征参数提取

特征参数提取是指从信号预处理完成后，从信号中提取的参数，这些参数能够反映出信号本质特征的时频域或者变换域，能够给调制识别提供依据，是信号调制识别的核心部分。

2.3 分类识别

分类识别中最重要的是选择分类器结构和确定分类准则。分类识别和特征参数提取一样，是信号调制识别过程中的核心部分，是指在调制信号过程中获得特征参数后分类识别信号。整个调制识别系统的性能往往决定于分类器的选择，一般选用决策树结构，这种分类器结构简单，运行起来方便易行。

3 搭建及验证基于LabVIEW设计并实现的信号调制识别系统

本文通过选取基于时域瞬时参数的特征参数，实现对2ASK、4ASK、2FSK、4FSK、2PSK和4PSK信号的调制识别。 我们采用labVIEW 2012的仿真环境，参数为：载波频率150KHz，载波幅度A=I，采样率2.4MHz，码元速率12.5K字符/秒，码元数目32比特，加入高斯白噪声，达成了信噪比10到30dB可调。因为有的特征参数取值过于大，所以本次将得到的线性特征参数映射到对数域，并且缩放处理了部分数据，这样做既保证了不改变数据的本质又方便对比和观察。

3.1 零中心归一化瞬时幅度谱密度最大值

通过表1可知，2FSK信号、4FSK信号、2PSK信号和4PSK信号之间有显著的分界线，2FSK信号、4FSK信号在零中心归一化瞬时幅度谱密度最大值上要大于2PSK信号和4PSK信号，而这种情况出现的原因多为FSK信号在进行频率转换时候非线性的相位也随之有所改变。

由表1可知，采用门限5.5可以十分准确地区分出MFSK和MPSK两个信号集。

3.2 零中心归一化瞬时幅度紧致性（四阶矩）

通过表2可以得出，当信噪比为15dB时，2ASK信号、4ASK信号的分界线相邻，在部分情况下，2ASK信号和4ASK信号的零中心归一化瞬时幅度紧致性值将出现交叉现象。

由表2结合仿真曲线可知，在大部分情况下，采用门限2.7可以做到准确区分出2ASK和4ASK两个信号。

3.3 零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差

通过表3可知，当信噪比为15dB时，2FSK信号和4FSK信号的分界线相邻，在部分情况下，2FSK信号和4FSK信号的零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差值出现交叉现象。

由表3可知，在大部分情况下，采用门限20可以准确区分出2FSK和4FSK两个信号。

3.4 零中心非弱信号段瞬时相位非线性分量的标准偏差

2PSK信号、4PSK信号在部分仿真点上有着数据交叉，但不是很多，通过合理的门限能够较为正确地将2PSK信号、4PSK信号分成两子集。在大部分情况下，采用门限1.0可以准确区分出2PSK、4PSK两个信号。

验证结果表明系统运行准确，从而证明了本文提出的信号调制识别算法的正确性以及算法应用到实际工程中的有效性。

4 结论

根据以上仿真所得到的门限值，建立决策树分类结构。对未知信号集合进行1000次仿真分类，在信噪比大于10dB的情况下，识别率还是比较令人满意的。随着信噪比的增加，识别率也有了很大的提升，在30dB及以上的信噪比条件下，信号的识别率在95%以上。

参考文献

[1]E.E.Azzouz and A.K.Nandi，‘"Automatic Modulation Recognition of Communication Signals”，Kluwer Academic Publishers，1996.

[2]Azzouz E E，Nandi A K.Automatic modulation recognition--I[J].Joumal of the Franklin Institute，1997，334（02）：241-273.

作者简介

費聿宁（1993-），男，山东省日照市人。大学本科学历。研究方向为通信。

作者单位

山东科技大学 山东省日照市 250000