文章信息:张华娣, 楼华勋. MQAM信号调制方式自动识别方法[J]. 通信学报, 2019(8):200-211.
摘要
提出了一种实现MQAM信号调制方式自动识别的方法。首先通过四阶累积量构造特征参数F,实现方形QAM和十字形QAM的识别,通过计算零中心归一化瞬时幅度紧致性,把16QAM从方形QAM中识别出来。然后,通过信号包络平方的频谱估算出波特率,结合定时同步,消除ISI码间干扰,恢复出较理想的星座图。接着,针对32QAM和128QAM设置不同的聚类半径,用减法聚类算法求出聚类点及其密度值,通过计算不同半径下的聚类点密度值的差异进行类型判断,同理,进行64QAM和256QAM信号的分类。所提方法不需要载频和波特率等先验信息,能完成16QAM、32QAM、64QAM、128QAM、256QAM信号的自动识别,并且没有复杂的迭代过程,可以应用于实际信号的调制识别。
关键词: 四阶累积量 ; 零中心归一化瞬时幅度紧致性 ; 减法聚类 ; MQAM ; 自动识别
1 引言
QAM (quadrature amplitude modulation)主要是通过两路正交载波的多种幅度来携带符号信息,因正交幅度调制具有多元的特性,又可记为MQAM。在正交幅度调制技术中,2个支路的幅度具有多种取值,合成信号的相位以及幅度具有多种组合,星座图映射时以信号星座点之间的最小距离最大化为原则[1]。QAM 是一种高性能数字调制技术,近几十年来一直在发展创新,并因频谱利用率高和抗干扰能力强等优点广泛应用于各种有线通信、无线通信场合[2],因此对其各阶调制的自动识别具有很高的实用意义,但是通过阅读大量文献,发现专门针对QAM信号特别是高阶QAM信号调制方式识别的研究比较少。文献[3]提出了一种基于通带 QAM 信号的调制方式识别方法,该方法在通带内利用Hilbert变换提取瞬时包络,然后统计瞬时能量分布向量作为特征向量来实现调制方式分类,该方法需要用到遗传算法对划分向量进行优化,并且需要用参考样本进行训练,计算量较大。文献[4]将特征参数和信号降阶算法相结合,该方法对恢复信号的幅度和相位要求很高,但是在盲识别的情况下,预处理得到的星座图很难和原星座图完全匹配,出现相偏的情况是很普遍的。文献[5]使用各阶 QAM 信号包络平方的方差的理论值作为特征参数进行 MQAM 信号类内识别,该算法需要对信噪比进行精确估计,不利于工程实现。文献[6]利用 QAM 信号矢量图中最小环带的方差,完成 5 种 QAM 信号调制方式的识别,没有对高阶128QAM和256QAM信号进行讨论。文献[7]提出了利用信号星座点平均幅度半径的统计,实现QAM类内识别,但是只针对16QAM和 64QAM 信号。文献[8]使用四阶矩和减法聚类算法对8QAM、16QAM、64QAM和128QAM信号进行识别,但是没有对32QAM和256QAM进行识别。
文献[9]用减法聚类的方法恢复星座图及确定星座图的点数,从而完成QAM信号的识别,但该方法只适用于进制数低于64的QAM信号。本文受到了文献[9]减法聚类方法的启发,提出通过对32QAM和128QAM,以及64QAM和256QAM信号设置不同的聚类半径,计算聚类点的密度值之和的差异来进行类型的判别。同时结合文献[10]对方形QAM和十字形QAM分类的方法以及利用零中心归一化瞬时幅度紧致性对16QAM识别的方法,完成了 16QAM、32QAM、64QAM、128QAM、256QAM信号的自动识别。
2 QAM信号模型
接收端幅相调制信号模型表示为
3 QAM信号分类
QAM 信号根据星座图的形状可以分为方形QAM和十字形QAM。图1为16QAM、32QAM、64QAM、128QAM、256QAM的星座图。
从图1可以看出,16QAM、64QAM和256QAM的星座图是方形的,属于方形QAM信号;32QAM和 128QAM 的星座图是十字形的,属于十字形QAM信号。
4 QAM信号识别方法
4.1 四阶累积量
信号的瞬时特征统计量反映的是信号的二阶统计特性,而信号的调制特点还反映在信号的高阶统计特性上,因此,在信号调制识别中还经常用到信号的高阶统计量作为特征参数[11]。又由于高斯噪声大于二阶的累积量恒为零,把接收到的含有高斯噪声的非高斯信号变换到累积量域处理,就可以剔除噪声的影响,而信号的各阶累积量又取决于信号的调制方式,因此可以利用接收到的带有高斯白噪声的信号的高阶累积量来建立识别参数,不但可以很好地抑制高斯噪声,而且可以识别其调制方式,具体要使用什么阶数的统计量依赖于具体问题。
假设s*(k)表示信号的复共轭,M pq表示信号的各阶矩,定义[12]