摘要：基于高階累積量的數(shù)字調(diào)制信號識別算法在低信噪比環(huán)境下識別率較低。針對這一問題，提出了高階累積量的改進算法，通過調(diào)整特征參數(shù)的判別順序先識別出MASK信號的方式，取得了較好的效果。討論了該算法的FPGA設(shè)計，并利用Virtex-4開發(fā)板對該設(shè)計進行硬件協(xié)同仿真測試。測試結(jié)果表明，該算法在低信噪比環(huán)境下對2ASK，4ASK，4PSK，16QAM信號的識別率有顯著提高。在信噪比為4dB時，對2ASK，4A-SK信號的識別率分別為93．4％，100％。在信噪比為2 dB時，對4PSK，16QAM信號的識別率最高，達到了99．7％。
關(guān)鍵詞：System Generator；FPGA；調(diào)制識別；高階累積量

0 引言
由于數(shù)字調(diào)制信號越來越多地應(yīng)用于通信信號處理領(lǐng)域，因此對數(shù)字信號調(diào)制識別的研究也越來越多。傳統(tǒng)的調(diào)制識別的判決方法有：決策判決法、高階累積量算法和人工神經(jīng)網(wǎng)絡(luò)算法等。但是決策判決法在低信噪比環(huán)境中識別率不高，而基于人工神經(jīng)網(wǎng)絡(luò)的識別方法計算復(fù)雜度較高。信號的高階累積量算法具有很好的抗噪性能，故對基于高階累積量的通信信號調(diào)制識別算法的研究受到了廣泛重視。文獻利用高階累積量實現(xiàn)了對 2ASK／BPSK，4ASK，4PSK，2FSK，4FSK信號的分類。文獻利用四階和六階累積量實現(xiàn)了對 2ASK，4ASK，8ASK，QPSK，8P-SK，16QAM信號的分類。文獻利用二、四、六階累積量實現(xiàn)了對 2ASK／BPSK，4ASK，QPSK，2FSK，4FSK，8FSK，16QAM信號的分類。文獻對高階累積量的四階、五階累積量進行了優(yōu)化和仿真，但是在低信噪比的環(huán)境下，對信號的識別率都不高。
在尋找更優(yōu)識別算法的過程中，以往的研究更多的把注意力放在了識別算法上，而沒注重算法的硬件設(shè)計與實現(xiàn)。System Generator for DSP是Xilinx公司開發(fā)的一款理想的DSP開發(fā)軟件，它對數(shù)字信號處理單元進行系統(tǒng)建模，并將模型轉(zhuǎn)換成可靠的硬件實現(xiàn)，是連接數(shù)字信號處理高層系統(tǒng)設(shè)計與Xilinx FPGA實現(xiàn)的橋梁。針對上述問題，本文提出了高階累積量的改進算法，并在System Generator中實現(xiàn)了算法的FPGA設(shè)計。

1 高階累積量的改進算法
數(shù)字信號的調(diào)制識別通常經(jīng)過三個步驟：接收信號預(yù)處理、特征參數(shù)提取和調(diào)制方式識別。然而實現(xiàn)信號調(diào)制識別的關(guān)鍵環(huán)節(jié)是從接收信號中提取出用于識別的特征參數(shù)。下面首先介紹高階累積量算法是如何提取用于調(diào)制識別的特征參數(shù)的。
1．1 特征參數(shù)的提取
首先給出高階矩的定義，對于一個具有零均值的復(fù)隨機過程X(t)，其p階混合矩可表示為：Mpq=E[X(t)p-qX*(t)q]。其中，*表示函數(shù)的共軛。然后定義高階累積量如下：

設(shè)信號的能量為E，利用文獻中提出的算術(shù)平均來代替統(tǒng)計平均的方法，計算各種數(shù)字調(diào)制信號的高階累積量，得到高階累積量的理論值，如表1所示。


從表1中可以看出，從信號的高階累積量中提取特征參數(shù)，可以實現(xiàn)大部分信號的分類，而由于2ASK和BPSK信號的各累積量值相同，故利用高階累積量無法實現(xiàn)其分類。MFSK的高階累積量也相同，直接利用累積量無法實現(xiàn)其類內(nèi)識別。
由文獻知，對MFSK信號求導(dǎo)，再經(jīng)中值濾波，在濾除含有沖激函數(shù)的項后，再計算所得信號的高階累積量值，如表2所示。


由以上分析可知，為了實現(xiàn)數(shù)字調(diào)制信號的調(diào)制識別，利用不同的累積量組合，從中提取了以下4個特征參數(shù)，定義如下：

1．2 信號的調(diào)制識別流程
在低信噪比環(huán)境中，基于高階累積量的數(shù)字調(diào)制信號識別算法對2ASK和4ASK信號的識別率普遍較低。針對此問題，本文提出了高階累積量的改進算法。文中在高階累積量算法的基礎(chǔ)上，對四個特征參數(shù)的判決順序稍作調(diào)整，將MASK信號與其他信號分離，取得了較好的效果。具體識別過程如下：
(1)用編程工具編程產(chǎn)生各種數(shù)字調(diào)制信號，并加入信噪比已知的噪聲，作為待識別的信號。
(2)將接收到的待識別信號通過下變頻直接變換到零頻，然后利用正交下變頻技術(shù)得到復(fù)基帶調(diào)制信號。
(3)計算各種待識別信號的二、四、六階累積量，并計算其特征參數(shù)Fe1，F(xiàn)e2，T4。
(4)利用特征參數(shù)T4的識別，可以將信號分為兩組：第一組為MASK信號，第二組為MPSK，16QAM，MFSK信號。利用Fe2的閾值(t1)實現(xiàn)
第一組組內(nèi)識別；再利用Fe2的另一個閾值(t2)和Fe1從第二組中識別出16QAM，MPSK信號。
(5)將待識別信號進行微分后再經(jīng)中值濾波器，計算變換信號的高階累積量，并計算特征參數(shù)Fe3，利用Fe2實現(xiàn)MFSK類內(nèi)識別。
在信號的調(diào)制識別過程中，主要是根據(jù)決策樹方法進行分類和識別。本文在提取上述四個特征參數(shù)的基礎(chǔ)上，根據(jù)不同的決策規(guī)則建立決策樹。經(jīng)過多次性能的仿真和比較，最終得到一種比較好的識別算法，如圖1所示。其中t0，t1，t2，t3，t4都是閾值。


1．3 仿真結(jié)果
文中采用高階累積量的改進方法，對算法識別性能做蒙特卡洛仿真。給閾值t0，t1，t2，t3，t4設(shè)置合適的值后，再將1 000次獨立實驗得到的仿真結(jié)果取平均。在每次試驗中，設(shè)置信號的載波頻率為12 kHz，碼元速率為1 200 b／s，其中4FSK，8FSK的頻偏分別為1．5 kHz，3．5 kHz，碼元個數(shù)為200。圖2為原算法仿真結(jié)果，圖3為本文算法的仿真結(jié)果。


對圖2和圖3進行比較，可以看出本文算法的識別效果有了顯著提高。在信噪比為2 dB時，本文算法對16QAM信號和4PSK信號識別率達到100％，而原算法幾乎不能識別16QAM信號；在信噪比為4 dB時，對2ASK，4ASK信號的識別率分別為93％，100％。在信噪比為8 dB時，所有信號的識別率都可以達到90％以上，原算法有的信號識別率低于90％。比較后可知，在低信噪比環(huán)境下本文的算法對2ASK，4ASK，4PSK，16QAM信號的識別率有了顯著提高。

2 算法的System Generator設(shè)計
目前，F(xiàn)PGA芯片已成為數(shù)字信號處理系統(tǒng)的核心器件。由于DSP設(shè)計者通常對C語言或Matlab工具很熟悉，卻不了解硬件描述語言VHDL，使得FPGA并未在數(shù)字信號處理領(lǐng)域獲得廣泛應(yīng)用。System Generator在很多方面擴展了MathWorks公司的Simulink平臺，提供了適合硬件設(shè)計的數(shù)字信號處理建模環(huán)境，加速、簡化了FPGA的DSP系統(tǒng)級硬件設(shè)計。通過Simulink的設(shè)計，System Generator即可自動完成硬件比特流的產(chǎn)生，從而高效的實現(xiàn)FPGA設(shè)計。
在FPGA調(diào)試和開發(fā)過程中，采用Xilinx公司的系統(tǒng)級建模工具System Generator構(gòu)建信號調(diào)制識別的算法模塊，開發(fā)板選用Virtex-4。算法模塊主要由信號產(chǎn)生模塊，信號參數(shù)提取模塊和信號判決模塊構(gòu)成。
2．1 調(diào)制信號的產(chǎn)生
在System Generator設(shè)計過程中，各種調(diào)制信號是利用Matlab語言編程提供的，并疊加上已知信噪比的高斯白噪聲。文中測試了2ASK，4ASK，4PSK，16QAM，4FSK和8FSK信號的識別率。
2．2 微分前參數(shù)提取模塊
提取特征參數(shù)Fe1，F(xiàn)e2，T4的模塊，如圖4所示。其中，signal是信號源，DDS，F(xiàn)IR，DowSamp共同實現(xiàn)復(fù)基帶信號的同向分量和正交分量的提取，calculatmodule是計算Fe1，F(xiàn)e2，T4三個特征參數(shù)的模塊，且這三個特征參數(shù)的結(jié)果分別由三個示波器輸出。


2．3 微分后參數(shù)提取模塊
提取特征參數(shù)Fe3的模塊，如圖5所示。其中，dmfilt是微分中值濾波模塊，兩個Black Box是計算特征參數(shù)Fe3的模塊。待識別調(diào)制信號經(jīng)過dmfilt模塊后，然后由DDS，F(xiàn)IR，DowSamp等提取同向分量和正交分量，再通過計算Fe3的模塊計算參數(shù)，最后結(jié)果由Scope輸出。


圖6是當(dāng)信號為4FSK時，計算得到的Fe3值。其中，O．03～O．1 s是模塊計算參數(shù)的過程，O．1 s時對應(yīng)的數(shù)據(jù)是計算的最終結(jié)果。將結(jié)果輸出到Matlab變量空間workspace中，可以得到在0．1 s時計算的Fe3值為12．4。



3 實驗結(jié)果
為了驗證調(diào)制識別系統(tǒng)的可行性，分別在Simulink和目標(biāo)開發(fā)板上運行該設(shè)計。在產(chǎn)生硬件協(xié)同仿真模塊之前，先調(diào)用Resource Esti-mator模塊對本系統(tǒng)所需資源進行估測。估測結(jié)果見表3。


由于所需芯片內(nèi)部資源較多，所以選用Virtex4-xc4vlx200芯片。然后在System Generator模塊中點擊Generate產(chǎn)生硬件協(xié)仿真模塊，并將它拖入到設(shè)計文件當(dāng)中。給Virtex-4目標(biāo)板上電，連接好JTAG口，啟動硬件協(xié)同仿真。當(dāng)信號分別為2ASK，4ASK，4PSK等調(diào)制信號時，測試整個設(shè)計系統(tǒng)判決的結(jié)果，并將1 000次獨立試驗得到的仿真結(jié)果取平均，得到各種調(diào)制信號的識別率，如表4所示。從試驗結(jié)果來看，調(diào)制識別系統(tǒng)設(shè)計的FPGA硬件協(xié)同實現(xiàn)與Simulink仿真的結(jié)果基本一致，達到了設(shè)計的要求，從而也說明了System Generator有很高的精度。



4 結(jié)語
本文采用高階累積量改進算法對各種數(shù)字信號進行調(diào)制識別，大大提高了低信噪比環(huán)境下2ASK，4ASK，4PSK和16QAM信號的識別率，并在 System Generator中實現(xiàn)了高階累積量改進算法的FPGA設(shè)計，從模型的建立到FPGA的實現(xiàn)都是在圖形化設(shè)計環(huán)境下完成的，避開了編寫復(fù)雜VHDL語言的環(huán)節(jié)，且轉(zhuǎn)化到FPGA上實現(xiàn)的性能好，設(shè)計過程簡便靈活，從而為調(diào)制方式識別算法的設(shè)計提供了一種新的方案。利用System Generator提供的圖形化建模環(huán)境和自動轉(zhuǎn)換成VHDL代碼的能力，設(shè)計者可以將更多的時間和精力放在算法的優(yōu)化上，同時又能顯著縮短設(shè)計開發(fā)周期。