MATLAB基于循环谱的通信信号识别技术研究(2)
争状态下，分析截获信号的调制方式，既是侦听敌方信号的先决条件，也能为压制和干扰敌
方信号提供必要的依据[26]
。民用方面，它可被无线电管理部门用于监视空间频谱活动，以保
证合法使用者的通信信号不被非法使用者干扰。
通信信号具有一定的周期性，因此是非平稳信号，很多适用于平稳信号的分析方法就无
法使用。所以我们通过研究信号的循环平稳性来解决这一问题。如果一个非平稳信号的均值
和自相关函数具有周期性，则称该信号是循环平稳的。 很多常用调制信号，如AM， FM， ASK，
PSK，FSK和 PAM等，都具有循环平稳性。因此利用该性质建立一个合适的统计模型，可以
用来识别信号调制方式。
相比其他算法，基于循环平稳性的调制识别算法有以下 4个优点：
(1) 不同调制类型的信号具有不同的循环谱密度，而且它们有很大区别；
(2) 噪声等其他信道干扰是广义平稳的，所以不具有循环平稳性，因而循环谱密度为 0，
所以循环谱能够有效去除这些噪声；
(3) 循环谱密度中包含和调制信号定时参数有关的频率和相位信息；
(4) 循环平稳性是一种自相关性，如果一个信号具有循环平稳性，就可以用一些频率成分
去估计其他频率成分。
本课题任务是利用通信信号的循环平稳性进行通信信号的调制方式识别。
1.2 研究现状
通信信号调制方式识别主要可分为基于最大似然度和基于特征这 2 种识别方法。经典的
最大似然度法将调制识别问题转化为了一个多重假设检验问题。当接收信号中存在调制信号
时，概率密度函数中就会存在识别所需的信息。根据未知量的不同，比如幅度或者相位，我
们可分出三大类似然比方法：平均似然比检测，广义似然比检测和混合似然比检测。然而，
在随参信道环境下，基于似然比的方法的识别率会受到很大影响。基于特征的检测方法的算
法种类在所有算法中占多数，高阶统计量、小波变换、频谱特征、星座图等都可以作为信号特征。基于循环平稳性的调制识别属于基于特征的识别方法。
循环谱还可以计算出信号的其他特征，如载波频率，符号率等。本文讨论的循环谱是二
阶循环累积量。使用更高阶的累积量可以识别出更多的调制方式。但该方法的缺点是计算量
大，所需样点数多。
1986 年，Gardner.W.A 在文献[8]中首次提出了循环平稳性的概念，并详细阐述了循环平
稳理论。同年，Gardner.W.A 在文献[11]中提出了计算循环相关函数的方法。1987 年，
Gardner.W.A 在文献[9]和[10]中分别推导了模拟调制信号（模拟PAM， AM，模拟 QAM， PM，
FM）和数字调制信号（数字 PAM，PWM，PPM，ASK，PSK，FSK）的循环谱公式。但按照
公式直接计算循环谱的计算量较大，缺点明显。文献[1]介绍了一种高效的循环谱计算方法，
解决了这一问题。文献[2]提出了一种基于循环谱分析和神经网络模式识别的调制识别算法。
文献[3]使用隐马尔可夫模型（HMM）来处理从信号中提取出的循环频率特征。HMM在模式
匹配方面有很强的鲁棒性。文献[4]提出了一个低复杂度的调制方式识别架构，该算法无需计
算整个循环谱，计算量较少。文献[13]提出了一种单信号混合信号的调制方式识别算法，但是
局限性较大，只能识别载频和符号率均不相同的信号。
目前调制识别算法非常多，但还没有一种识别算法可以识别所有的调制类型。
1.3 研究方法