近些年來，通信信號的自動識別受到越來越多的關(guān)注和研究。其應(yīng)用也隨之越來越廣泛，在民用方面，信號調(diào)制模式的自動識別是軟件無線電接收機(jī)的基礎(chǔ)；在軍用方面，信號調(diào)制方式的識別也是電子對抗、信號干擾的核心技術(shù)之一[1-2]。

    目前已經(jīng)存在的信號調(diào)制識別方法主要分為兩大類：基于決策理論的方法[1,3]和基于統(tǒng)計模式識別的方法[4]。其中基于決策理論方法，由于其需要每一個參數(shù)都有一個最優(yōu)門限，并且參數(shù)提取和信號識別的順序都會影響識別率，因此在現(xiàn)實應(yīng)用中往往受到較多的限制。而基于統(tǒng)計模式識別的方法因其性能好得到了廣泛應(yīng)用。循環(huán)譜具有識別率高、抗干擾能力強(qiáng)、實用性強(qiáng)等優(yōu)點而得到越來越多的重視。
1 譜相關(guān)分析
       已知x(t)是一個均值為零的非平穩(wěn)信號，則其時變自相關(guān)函數(shù)定義為:
    

2 自動識別算法
    根據(jù)已閱讀的文獻(xiàn)中關(guān)于數(shù)字信號識別調(diào)制的參數(shù)計算方法，以及各個參數(shù)的計算復(fù)雜程度、抗噪性的優(yōu)劣，選擇以下參數(shù)作為本文信號識別的參數(shù)，同時針對BPSK和QPSK識別提出一個新的參數(shù)，通過軟件仿真驗證該參數(shù)的優(yōu)越性能。本文假定待識別的數(shù)字調(diào)制信號樣集為{2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}。信號識別步驟如下：

　    從圖4中可以看出，當(dāng)t4=180時可以將2FSK、4FSK兩種信號區(qū)分開。
　    (4)對于BPSK、QPSK這兩種數(shù)字調(diào)制信號的識別，在理論上是比較困難的。因為它們的功率譜密度函數(shù)十分相似，特征也比較接近，頻譜峰值數(shù)都為零，Sx?琢(f)在f軸上的歸一化最大下降值都很小。在已見到的文獻(xiàn)中關(guān)于這兩個信號識別的參數(shù)計算都較為復(fù)雜，在該文中通過分析各個信號循環(huán)譜三維圖的等高線仿真圖，發(fā)現(xiàn)有明顯的差異，尤其是對于BPSK、QPSK這兩個信號。利用Matlab中的函數(shù)contour對信號循環(huán)譜進(jìn)行觀察，記參數(shù)M5為截面圖中圓點個數(shù)。它們的循環(huán)譜三維圖如圖3、圖4所示，圖5、圖6是利用函數(shù)contour畫出截面圖。
    從圖5、圖6中可以看到BPSK、QPSK兩個調(diào)制信號識別的特征參數(shù)M5有明顯差別。當(dāng)M5=4時，可以判定該信號為BPSK，當(dāng)M5=2時可以判定該信號為QPSK。

3 性能分析
    本文的系統(tǒng)軟件仿真是在MATLAB 2011環(huán)境下完成的，以{2ASK、4ASK、2FSK、4FSK、BPSK、QPSK}等6種調(diào)制類型。仿真時設(shè)定調(diào)制信號的載頻為200 kHz，碼元速率為10 KB/s，噪聲采用高斯白噪聲,采樣頻率為800 kHz，每個采樣信號段內(nèi)包括Ns=1 024個采樣點數(shù)據(jù)，仿真時對每一個調(diào)制信號類型在信噪比-5 dB~25 dB范圍內(nèi)每隔5 dB產(chǎn)生30個樣本進(jìn)行仿真識別。調(diào)制識別的仿真結(jié)果由表1所示。在信噪比15 dB以上，信號自動識別率達(dá)到96%以上，同時在信噪比10 dB時，總體識別率還能達(dá)到93%，與參考文獻(xiàn)[9]相比識別率得到了一定的提高,尤其是對于BPSK、QPSK這兩種信號的識別率。

    本文主要討論了利用譜相關(guān)對常見數(shù)字調(diào)制信號的識別方法，尤其是BPSK、QPSK之間的識別率得到了明顯的提升。譜相關(guān)是廣義的周期平穩(wěn)（自相關(guān)周期平穩(wěn)）過程的一個特征屬性，而譜相關(guān)函數(shù)是常規(guī)功率譜密度函數(shù)的推廣，功率譜密度只是譜相關(guān)函數(shù)理論的一個特例。采用譜相關(guān)法對信號進(jìn)行識別，最重要的是特征參數(shù)的選取，其穩(wěn)定性、抗噪性、計算難易度都是識別過程中的難點和重點，這些都需要進(jìn)一步深入研究，如何提高程序運行速度同時減少循環(huán)譜運算量等方面都需要進(jìn)一步優(yōu)化，這對實時識別都是很有實用意義的研究方向。
參考文獻(xiàn)
[1] AZZOUZ E E, NANDI A K. Automatic identification of digital modulation type[J]. Signal Processing,1995,47(1):55-69.
[2] 王潔,陳惠民,張金藝,等.數(shù)字調(diào)制方式的識別研究[J].上海大學(xué)學(xué)報(自然科學(xué)版),2002,8(3):197-199.
[3] SOLIMAN S S, HSUE S. Signal classification using statistical moments[J].IEEE Transactions on Communications,1992,40(5):908-916.
[4] NANDI A K, AZZOUZ E E. Modulation recognition using artificial neural networks[J].Signal Processing,1997, 56(3):165-175.
[5] 張賢達(dá),保錚.非平穩(wěn)信號分析與處理[M]. 北京:國防工業(yè)出版社,1999.
[6] GARDNER W A, SOONER C M. Cyclic-spectral Analysis for signal detection and modulation recognition[M]. IEEE,1988:419-424.
[7] 朱雷，程漢文，吳樂南.利用循環(huán)譜和參數(shù)統(tǒng)計的數(shù)字信號識別法[J].應(yīng)用科學(xué)學(xué)報，2009,27(2):138-143.
[8] 呂杰，張勝付，邵偉華，等.數(shù)字通信信號自動識別的譜相關(guān)方法[J].南京理工大學(xué)學(xué)報，1999,23(4):298-300.
[9] 李俊俊，陸明泉，馮振明.一種改進(jìn)的數(shù)字信號自動識別方法[J].系統(tǒng)技術(shù)與電子技術(shù)，2005，7(12):2024-2050.