论文部分内容阅读
通信信号的盲处理是通信信号处理的重要领域,其中盲调制识别(BMC)和参数估计广泛的运用于监测、认知无线电的谱管理和非协作通信中。盲调制识别和参数估计是破解信息的前提,为接收机更进一步的信息解调提供了方向和依据。盲处理没有任何额外信息数据和先导序列的辅助。若要实现盲调制识别和参数估计,需要提取接收信号在时域和各种变换域的特征,并以此为依据设计识别方案。随着频谱资源的日趋紧张,单天线接收到多个信号的情况越来越普遍,接收信号一般在时频域都有重叠,时频混叠信号的盲分离也成为迫切需要解决的问题。其中,时频混叠信号调制方式识别和参数估计是信号盲分离的基础。本文主要研究了调频信号的调制盲识别和时频混叠信号的盲分离关键技术。主要内容和贡献如下:1结合调频信号时域、频域以及多个变换域的特征,设计了一种适用于多种调频信号的调制识别算法。主要的调频信号包括,雷达调频信号(LFM、HFM、SFM)、连续相位MFSK信号(CPM-2FSK、CPM-4FSK)、非连续相位MFSK信号(2FSK、4FSK)和噪声调频信号(noise-FM)。主要用到的识别特征参数有功率谱离散谱线数、瞬时自相关谱峰数、归一化瞬时幅度谱最大值和归一化瞬时频率谱最大值,并利用连续相位调制信号的特征,设计了瞬时归一化瞬时频率均值参数用于实现连续相位MFSK信号的类内区分。最后,利用SFM信号的循环累积量切面和SFM信号的参数关系来实现SFM信号的特有参数估计,并结合卡森公式法进行改进。2基于信号的循环平稳性,研究时频混叠信号的调制识别和参数估计算法。首先,利用不同混叠类型下循环累积量非零循环频率个数的差异性设计混叠信号的调制识别算法,主要用到的循环累积量包括:二阶循环累积量、二阶循环共轭累积量和四阶循环累积量。其次,基于循环累积量和循环谱特性研究了时频重叠信号的参数估计,信号的循环累积量和循环谱的截面与调制信号的特征参数存在某种联系,本文结合频谱细化算法改善了时频混叠信号参数的估计精度。最后,利用信号的边带特性对数字信号盲分离算法进行探索,对频谱重叠度小于50%的混合信号进行频谱分离,最终取得较好的分离性能。