Journal of Image and Signal Processing 图像与信号处理, 2018, 7(4), 220-226
Published Online October 2018 in Hans. https://www.doczj.com/doc/fc925408.html,/journal/jisp
https://https://www.doczj.com/doc/fc925408.html,/10.12677/jisp.2018.74025
A Brief Analysis of Detection and
Recognition Technology for
Communication Signals
Jing Yang, Naiping Cheng
Department of Electronic and Optical Engineering, Space Engineering University, Beijing
Received: Sep. 28th, 2018; accepted: Oct. 13th, 2018; published: Oct. 20th, 2018
Abstract
The detection and recognition technology of communication signals plays an important role in the vigorous development of wireless communications. This paper summarizes the development of communication signal detection and modulation recognition technology, analyzes and summariz-es the selection of the realization chip of the digital signal processing module in the detection and modulation recognition, the signal detection especially the weak signal detection method, the fea-ture extraction and the selection of the classification device in the signal recognition, and com-pares their respective advantages and disadvantages. Finally, the future research direction of de-tection and recognition technology is prospected.
Keywords
Signal Detection, Modulation Recognition, DSP, FPGA, Feature Parameter Extraction, Classifier
通信信号检测识别方法简析
杨婧，程乃平
航天工程大学电子与光学工程系，北京
收稿日期：2018年9月28日；录用日期：2018年10月13日；发布日期：2018年10月20日
摘要
通信信号的检测识别技术在无线通信蓬勃发展的今天发挥着重要的作用。文章综述了通信信号的检测、
杨婧，程乃平
调制识别技术的发展现状，分析、总结了检测、调制识别中数字信号处理模块的芯片选择、信号检测特别是微弱信号检测方法、信号识别中的特征参数提取和分类器的选择，比较了各自的优缺点。最后对检测识别技术下一步的研究方向进行了展望。
关键词
信号检测，调制识别，DSP，FPGA，特征参数提取，分类器
Copyright ? 2018 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
https://www.doczj.com/doc/fc925408.html,/licenses/by/4.0/
1. 引言
无线通信在信息化发展中扮演着重要的角色，随着通信技术的发展和日趋复杂的电磁环境应用背景，现代通信中的软件无线电技术将软件设计引入传统的硬件系统，采用了数字信号处理平台处理通信信号，既简化了系统集成方案，又可以利用软件灵活性强的特点解决复杂的通信背景问题。其中数字信号处理是重点研究的内容，而检测识别信号是重中之重。
通信信号检测与识别技术是军事通信侦察及通信对抗的重要内容，是对敌方通信干扰和侦听的基础。由于通信信号的产生和传输过程中会受到信号和信道的干扰及其他不稳定因素的存在，会造成接收信号波形不稳定，所以要先对信号进行检测，判断接收数据中是否存在信号，再对信号进行调制识别，判断出调制类型，方便后续的解调、分析等信号处理工作。信号检测的困难在于噪声干扰和微弱信号的快速检测，信号调制识别的困难在于调制类型的多样化，及如何找到一种通用的算法或方法用于信号调制方式识别。
本文首先介绍了信号检测识别系统中使用的数字信号处理芯片的发展应用情况；其次介绍并总结了当前多种信号检测方法的优缺点，重点介绍了微弱信号检测的方法；再次介绍了信号调制识别的方法，详细叙述了基于特征参数提取的模式识别方法，总结了常用的几种信号识别的方法优缺点。最后，基于总结的信号检测、识别方法，提出对信号检测识别技术的一些发展展望。
2. 通信信号检测识别系统的研究现状及实现方法
通信信号检测识别系统的重要组成部分即为数字信号处理平台。数字信号处理系统从上世纪60年代开始，经历了从模拟磁带存储和数字计算机处理信号、微处理器(MCU)处理信号、专用集成电路(ASIC)处理信号到现在的通用数字信号处理器(DSP)处理信号和现场可编程阵列(FPGA)处理信号的发展。
ASIC是专用集成电路，用于数据结构明确且功能固定的系统，但其可编程能力差，因此灵活性差且很难扩展功能。80年代产生的DSP采用哈弗结构，数据和程序分开存储，可同时实现指令的提取与执行，并且DSP支持汇编语言和C语言编程，易于修改，灵活性高，可处理大量数字信号，适合完成结构复杂的信号处理算法和控制任务，其广泛应用于电子对抗、语音图像信号处理、雷达信号处理等方面。比如文献[1]基于DSP实现了自适应的随机共振检测系统，可实时处理噪声背景未知的微弱信号。但DSP采用串行处理数据的方式，运算效率较低，20世纪80年代后期出现的FPGA相较于串行工作的DSP而言可实现并行运算，提高了数据处理速率，适合于大数据传输处理和并行运算等的高性能应用。比如文献[2]使用FPGA芯片实现了低信噪比条件下信号检测及QPSK信号解调。其中DSP芯片主要采用的是国外
杨婧，程乃平
的TI公司、AGERE公司、ADI公司生产的产品。比如常用的TI公司的TMSC6748、TMSC6678产品，其中TMSC6678是其最新的技术代表性产品，主频达到1.25 GHz，有8核处理单元，功能很强大。FPGA 芯片则主要由美国的Xilinx和Altera公司生产。比如Xilinx的7系列产品，Virtex-7为该系列的高端产品，提供了200万的逻辑单元，是前几代系统性能的两倍，而最新的Zynq-7000，制造工艺达28 nm级，千万个逻辑单元，双RAM架构且有丰富的IP core。
随着数字信号处理技术的不断完善发展，在通信信号检测识别系统中，数字信号处理模块的实现还有DSP与微处理器结合起来的双核平台，既能进行数据处理，又可以提高智能控制，成为了DSP技术发展的新趋势。此外新的趋势还有结合使用DSP和FPGA的模式，DSP完成信号数据的高层运算，FPGA 完成芯片的控制和简单运算。A/D后的中频数据流量大，由FPGA完成处理；中频预处理后的数据量少、控制结构复杂，则用寻址灵活的DSP处理。这种方法可以增强系统的功能，改善吞吐量，减小系统成本。
比如文献[3]使用DSP与FPGA协同的方法完成信号检测、识别及中心频率估计算法。
综上所述，若信号检测识别系统的数据量较大且又结构复杂时，在经济成本允许的范围内，可以考虑使用DSP与FPGA结合的方式完成系统设计。
3. 通信信号检测技术
通信信号检测处于信号处理的前端，是进行通信信号调制识别的前提，用来检测接收数据中是否存在有用信号。其性能受信噪比影响较大，信噪比越高，检测中的虚警概率和漏检概率越小[4]。
通信信号检测理论产生于第二次世界大战期间对于雷达和声纳技术的需求，1942年N. Wiener提出维纳滤波理论为信号检测奠定了理论基础。1943年D. O.诺思提出匹配滤波器理论，匹配滤波器理论以最大输出信噪比为准则，实现了噪声干扰背景下的最优检测。1953年D.米德尔登和W.W.彼得森等人在最佳接收的问题上使用了贝叶斯准则。1967年，H. Urokowitz提出了简单直观的能量算法，根据比较判决门限判定是否有信号存在。1982年N. F. Krasner提出了最优接收机和次最优接收机的概念，避开了能量算法中判决门限选择的难题。此后他又提出了相关检测算法，既克服了噪声敏感问题，又具有一定的窄带抗干扰性能。90年代初期，J. F. Kuehls提出了时域相关算法，以此为基础又出现了循环谱算法，提高了算法的抗造性能。
现在常见的通信信号检测算法有：基于时域的信号检测算法和基于频域的信号检测算法(图1)。
基于时域的信号检测算法较为简单，检测速度快，硬件实现较为容易。比如能量检测法是从能量的角度去区分信号和噪声，但仅在高信噪比条件下易于区分且运算量小。总的来说，基于时域的检测算法抗干扰能力弱，对噪声很敏感，在信噪比低的时候，检测性能非常差。例如文献[5]使用包络检波法检测信号，用峰值判断信号的有无，并在FPGA中实现了检测算法。
Figure 1. Classification of signal detection algorithms
图1. 信号检测算法的分类
杨婧，程乃平
基于频域的检测算法主要以功率谱和循环谱等为判决量[6]。功率谱分析检测算法由19世纪末期的Schuster 提出，他以功率谱分析原理为基础，检测峰值来寻找一些理想信噪比的调制信号。经典功率谱法中周期图法应用最为广泛，它是利用FFT 计算信号的傅里叶变换，得到信号的频谱信息。自相关法先估计随机信号的自相关函数()x r m ，然后求其傅里叶变换，得到()x n 的功率谱分析()
j x P e ω。周期图法和自相关法都可用FFT 快速计算且物理概念明确，是目前较常用的功率谱分析方法。改进的周期图法对周期图法进行了平滑、平均、加窗函数，平滑和平均改善了周期图法的方差性能，但减小了分辨率，增大了方差，加窗函数减小了频谱能量泄露和“栅栏效应”。现代功率谱分析法，算法更加复杂，分析时间很长。基于循环谱的信号检测算法是利用信号的周期平稳性和噪声的非时变性，先求出接收数据的循环谱自相关函数和谱密度函数，再用这些函数来检测信号是否存在。基于频域的信号检测算法相对来说算法较为复杂，但适于硬件实现，性能稳定且抗噪性能强，并且低信噪比的条件下也适用。例如文献[4]基于频域的峰值检测算法在FPGA 中实现了信号检测和分离算法。文献[7]提出了一种对信号频域的峰值、极值点作为疑似脉冲信号进行恒虚警检测判决的方法，仿真验证其对噪声背景较差、起伏较大的低频信号有很好的检测性能。
综上所述，选择基于时域的方法实现信号检测算法，算法简单易于实现，但抗噪性能不好，如果在环境噪声较大，有用信号较小的情况下，应重点考虑使用相对而言简单的经典功率谱分析法，特别是改进的功率谱法可以达到较好的信号检测效果。
微弱信号检测是信号检测研究中的一个重要课题。微弱信号(weak signal detection, WSD)既指有用信号幅度远小于噪声的信号，又指被测的有用信号幅度绝对值很小的信号。比如潜艇信号强度的动态范围很大，有的信号强度到达到几百nV ，检测比较困难，因此对于微弱信号的检测需要特别研究处理。
对于微弱信号的检测不仅要放大信号，还要考虑到电路本身的噪声以及外界干扰等因素。大动态范围微弱信号检测目前的研究状况主要分为两个方向：硬件电路及检测器改进和软件算法改进。硬件方面包括：针对微弱信号出现的锁相放大器、光子计数器、取样积分器等，如文献[8]使用AD630、微处理器和智能终端等，设计实现了一套基于锁相放大器的微弱信号检测的系统，并验证了该方法对特定频率微弱信号检测的有效性。软件算法有时域、频域检测法，差分振子法、随机共振法等。比如其中的随机共振法利用了非线性系统中信噪比随输入信号增加呈非单调变化的特点，当微弱信号与噪声达到某个能量匹配时，一部分噪声转化为信号能量，从而使信噪比最大。这种方法不仅不需要抑制噪声，反而适当增加噪声来增强检测微弱信号的能力。如文献[9]在FPGA 上设计使用Duffing 混沌振子算法与系统状态判别法相结合的方法，实现系统同频率的微弱信号检测，并使用VHDL 语言在Vivado 开发环境中仿真验证。
随着噪声背景的复杂化和信号强度低下，在通过硬件实现上，很多算法由于计算量大或者算法复杂并不能很好的得得到实现，微弱信号的检测方法在现有的检测算法基础上，既可以在硬件上设计放大器来提高信噪比，又可以同时在软件算法上加入自适应谱线增强算法等，达到易于实现又检测性能好的效果。 4. 通信信号调制识别技术
检测出信号后要对信号的调制方式进行识别以便进行解调信号等后续的信号处理。早期主要采用手动识别，耗时长、速度慢，很大程度上依赖于人员的经验。1969年C. S. Waver [10]等人发表了第一篇研究自动调制识别的论文《采用模式识别技术实现调制类型的自动分类》，阐述了自动调制识别的观点。20世纪90年代中后期A. K. Nandi 和E. E. Azzouz 提出九种特征参数识别模拟调制信号和数字调制信号。V. Ramakonar 等人提出了瞬时幅度的标准偏差、零中心归一化瞬时频率之谱密度的最大值和零中心归一
杨婧，程乃平
化非微弱信号段瞬时频率的标准偏差三个参数用于信号识别。2000年以来，M. LD. Wong [11]等人设计实现自动识别算法，在0 dB信噪比条件下正确率可达98%；WANG L X、RENY J [12]等人基于高阶累积量，用二叉树的SVM分类器可以在10 dB信噪比时，对几种调制信号达到97.5%的识别率。之后又有许多混合式识别系统，均可达到较好的识别效果。
通信信号调制方式自动识别所采用的基本方法一般分为两类：基于假设检验的最大似然法和基于特征提取的模式识别方法。最大似然法需要较多的先验知识且似然比函数复杂、计算量大，易受信道噪声和多信号多径干扰。模式识别法理论分析简单、易于实现、高信噪比时特征明显、提取特征适应性强，可结合信噪比估计法，动态设置特征参数判决门限，达到近似最优的识别性能。
模式识别法的调制识别过程包括三个部分：数据预处理模块、特征参数提取模块与分类识别模块，如图2所示。信号预处理为后续模块提供必要的数据，包括载频估计、信噪比估计、下变频、同相和正交分量分解、码元速率估计等。特征参数提取是从输入信号的序列中提取有用信息，如瞬时幅度、频率和相位，并变换数据，得到最能反映分类差别的特征。分类识别是选择合适的判决方式及分类器结构来判断信号的调制类型。
特征参数提取和分类器的设计是影响识别性能的关键，特征提取的方法有很多。比如文献[13]设计实现了一种盲信号调制识别的方法和装置，能够识别盲信号中所有的调制方式，防止信号丢失。文献[14]用高阶累积量和循环谱设计混合识别算法来识别5类数字调制信号，在信噪比高于5 dB时，识别率可达94%以上。德国的HF波段无线电监测系统可对七种调制类型信号自动分类识别，解决了频域交叠和微弱信号的识别等问题。美国的基于神经网络方法调制识别的DSP实时处理系统能识别出11种信号。54所的SR04-02监视分析接收机可实现对9 kHz~3000 MHz范围内的定频信号进行监测、特征分析、参数测量、解调等功能。
特征参数提取常用的几种方法总结如表1所示。
分类识别是最后一个环节，也是至关重要的一个环节。它是根据特征参数建立分类规则，选择合适分类器，对被测试对象分类。比如文献[15]结合高阶累积量和小波变换提出了一种基于BP神经网络的混合调制识别算法，仿真结果表明在信噪比低至2 dB时，识别率仍可达98%以上。
用于调制识别的分类器或分类规则有很多，常用的几种方法总结如表2所示。
综上所述，特征参数提取中，基于时域频域基本统计量可以区分模拟调制信号和数字调制信号，但抗噪性能差；高阶统计量可以体现星座图的特征，可识别幅度相位调制信号(如：MASK、MPSK、MQAM)，但估计方差较大；基于循环谱相关、高阶累积量、循环累积量提取的特征可以抑制高斯白噪声，在低信噪比条件下也可有效识别，但计算量大。小波变换可有效检测识别瞬态信号，但基小波选取比较困难。
分类器选择中，决策树法简单易于实现，但性能与参数选择有很大关系；神经网络可以自适应调整，自动选取门限，但需要大量的学习；支持向量机法泛化能力强，在样本较少情况下也可以有较好的效果，但训练时间长。
在实际选择中，既要兼顾算法的简单有效性，还要兼顾其硬件实现的可靠性。因此需要根据实际的情况，特别是低信噪比条件下的弱信号识别，结合每种识别方法的优缺点，及硬件可实践性，提取并选择特征参数和分类器，完成信号调制识别。
Figure 2. Modulation recognition process based on pattern recognition
图2. 基于模式识别的调制识别流程
杨婧，程乃平Table 1. Feature extraction method
表1. 特征参数提取方法
特征参数提取方法优点缺点
基于时域频域基本统计量算法简单、直观、容易提取和实现。
使用广泛。
需要确定载波频率、取样频率、符号速率等参数。
估计值对加性噪声敏感，不适于低信噪比。
高阶累积量对信号星座图的平移、尺度和相位旋转具有
不变性，运算量较小，可抑制高斯白噪声。
高阶累积量的估计方差较大，
在数据量较少的情况下难以准确估计。
高阶循环累积量可分离平稳和非平稳信号；对任何平稳及循
环平稳的高斯噪声都不敏感。
高阶循环累积量的估计方差大，
因此需要更长的数据长度。
星座图特征可有效地识别正交调制类信号，
避免了复杂的信号处理。
低信噪比下，对于高阶调制信号
聚类模糊不能有效区分。
循环谱相关特征循环谱相关方法可用于信号的多参数估计；
具有抗平稳噪声特性，适于信噪比较低时对
信号分析。识别类型多。
算法复杂，计算量比较大。
需要知道载波频率、符号速率。
小波变换小波变换对信号波形突变信息有
较高的识别能力。
低信噪比下识别性能差，
而且性能依赖于基小波的选取。
Table 2. Type of classifier
表2. 分类器的类型
分类器分类方式优点缺点
分类决策树用多级分类结构，每一级结构都
是根据一个或多个特征参数识
别调制类型。
方法相对简单，实时性好。
很大程度上依赖于特征参数的选
取，需要事先确定判决门限。
人工神经网络模拟人脑或自然神经网络的一
种分类结构，通过调整网络权重
和阈值来发现变量之间的关系，
从而实现分类识别。
系统的识别率主要与特征整体
性能有关，自动选取判决门限，
具有自学习自适应能力，可以获
取更高的识别率。
需要大量的训练数据，在非并行处
理系统中的模拟运行速度很慢，容
易出现欠学习和过学习，以及陷入
局部极值，泛化能力不好控制。
支持向量机(SVM) 从线性可分情况下的最优分类
面引出的，对于非线性情况，把
样本映射到特征空间，然后在高
维的特征空间中构建出广义的
线性分类面。
具有更强的泛化能力，并且不存
在过学习和局部极值问题，具有
良好的推广性，能在训练样本较
少的情况下得到较好的效果。
大样本问题时，非线性支持矢量机
存在支持矢量数目多，特征矢量
多，占用存储空间大及训练时间长
的问题。
5. 结束语
研究通信信号的检测识别技术，是为了寻求一个可以简单、有效、快速检测并识别信号的系统用于信号侦测、电子对抗等领域。随着现代数字化信息技术的发展，在实际硬件实现中可根据实际情况和需求，发挥不同的检测、识别技术的优点，选择稳定、可靠且检测和识别率高的方法以取得满意的检测识别效果。同时研究发现信号检测识别中有许多问题未来还需进一步研究，如：实际信道中，性能下降较快，低信噪比条件下如何对信号进行检测识别的问题；研究通用的系统来实现对更多信号调制类型的识别；多信道多信号的检测识别问题等。
参考文献
[1]焦尚彬, 寇洁, 张青. 基于DSP的自适应随机共振微弱信号检测方法[J]. 国外电子测量技术, 2016, 35(3): 32-36.
[2]王尔南. MSK/DS通信系统实验验证平台设计和实现[D]: [硕士学位论文]. 哈尔滨: 哈尔滨工程大学, 2015.
[3]周伟. 通信侦察信号处理的实现及其测试[D]: [硕士学位论文]. 成都: 电子科技大学, 2016.
[4]李富强. 信号检测与分离算法研究及其FPGA实现[D]: [硕士学位论文]. 西安: 西安电子科技大学, 2014.
杨婧，程乃平
[5]刘莹, 单洪, 胡以华, 等. 基于谱分析的卫星通信调制识别算法[J]. 火力与指挥控制, 2017, 42(1): 45-48.
[6]甘俊英, 孙进平, 余义斌. 信号检测与估计理论[M]. 北京: 科学出版社, 2016.
[7]梁增, 马启明, 杜栓平. 低频脉冲信号的频域恒虚警检测[J]. 声学技术, 2016, 35(1): 68-72.
[8]高振斌, 田晓旭. 基于FPGA的微弱信号检测与实现技术[J]. 重庆邮电大学学报(自然科学版), 2016, 28(3):
297-302.
[9]韦宏. 一种强噪声背景下微弱信号检测系统的设计与实现[J]. 中国计量, 2017(12): 92-95.
[10]Weaver, C.S., Cole, C.A., Kruml, R.B. and Miller, M.L. (1969) The Automatic Classification of Modulation Types by
Pattern Recognition. Stanford University Technical Report, Apr., 1-31.
[11]Nandi, A.K. and Azzouz, E.E. (1995) Automatic Analogue Modulation Recognition. Signal Processing, 46, 211-222.
https://https://www.doczj.com/doc/fc925408.html,/10.1016/0165-1684(95)00083-P
[12]Ramakonar, V., Daryoush, H. and Abdesselara, B. (1999) Automatic Recognition of Digital Modulated Communica-
tions Signals. Fifth International Symposium on Signal Processing and its Applications, ISSPA99, No. 2, 753-756.
[13]冯志勇,王璐, 黄赛, 张轶凡, 王雪安, 鲍大志. 一种盲信号调制识别的方法及装置[P]. 北京: CN106487730A,
2017-03-08.
[14]赵雄文, 郭春霞, 李景春. 基于高阶累积量和循环谱的信号调制方式混合识别算法[J]. 电子与信息学报, 2016,
38(3): 674-680
[15]谭晓衡, 褚国星, 张雪静, 杨扬. 基于高阶累积量和小波变换的调制识别算法[J/OL]. 系统工程与电子技术,
1-8(2017-08-15).
知网检索的两种方式：
1. 打开知网页面https://www.doczj.com/doc/fc925408.html,/kns/brief/result.aspx?dbPrefix=WWJD
下拉列表框选择：[ISSN]，输入期刊ISSN：2325-6753，即可查询
2. 打开知网首页https://www.doczj.com/doc/fc925408.html,/
左侧“国际文献总库”进入，输入文章标题，即可查询
投稿请点击：https://www.doczj.com/doc/fc925408.html,/Submission.aspx
期刊邮箱：jisp@https://www.doczj.com/doc/fc925408.html,
调制信号的小波分析 一、小波函数简介 1.Haar小波 最简单的小波函数，Haar小波是离散的，与阶跃信号相似，同Daubechies db1 小波是一样的。 2. Daubechies小波 Daubechies小波是紧支正则小波，便于进行离散小波分析。这类小波没有显式的表达式，除了db1（Haar）。然而它的传递函数的模的平方是有简单的表达式的。 3. Biorthogonal小波 此类小波具有线性相位，用于信号和图像重建。 4. Coiflet小波 这个小波族是I.Daubechies应R.Coifman的要求所创建的，coif N较dbN有更好的对称性。
5.Symlets 小波 此小波由Daubechies 提出，作为对db 小波族的修正，是一种近似对称小波，它和db 小波族的性质是近似的。 6.Morlet 小波 其尺度函数不存在，小波函数为x e x x 5cos )(22-=ψ， Morlet 小波不满足容许性条件。 7.Mexican Hat 小波 小波函数为2241 2 )1)(32 ()(x e x x ---=πψ，它是Gaussian 概率密度函数的二阶
导数，由于它不存在尺度函数，因此不具有正交性。 8.Meyer小波 Meyer小波的尺度函数和小波函数都在频域中定义，都具有显式的表达式。 二、连续小波变换 从数学上来说，傅里叶变换就是将信号) f乘以一个复指数后在所有的时间 (t 域上求和。变换的结果就是傅里叶系数。 相似的，连续小波变换（CWT）定义为，将信号乘以由尺度和位移确定的小波函数后，再在整个时间轴上相加。CWT的变换结果是很多小波系数C,C是尺度和位移的函数。 大尺度对应于时间上伸展大的小波，小波伸展地越大，所比较的信号段就越长，所以小波系数所量度的信号特征也就越粗糙。 在计算机中，任何实数域的信号处理都是对离散信号的操作，那么，CWT 的连续性及它与DWT的区别表现在尺度的选取和对位移的操作。与离散小波变换不同的是，只要在计算机的计算能力之内，CWT可以在每一个尺度上计算；在位移上连续是指小波可以在待分析函数的整个域上进行平滑的移动。 三、离散小波变换 对于大多数信号来说，低频部分往往是最重要的，给出了信号的特征。而高频部分则与噪音及扰动联系在一起。将信号的高频部分去掉，信号的基本特征仍然可以保留。 信号的概貌主要是系统大的、低频的成分，大尺度；而细节往往是信号局部、高频成分，小尺度。
微弱信号相关检测 前言 随着现代科学研究和技术的发展，人们越来越需要从强噪声中检测出有用的微弱信号，于是逐渐形成了微弱信号检测这门新兴的科学技术学科，其应用范围遍及光学、电学、磁学、声学、力学、医学、材料等领域。微弱信号检测技术是利用电子学、信息论、计算机及物理学的方法，分析噪声产生的原电子学、信息论、计算机及物理学的方法，分析噪声产生的原因和规律，研究被测信号的特点与相关性，检测被噪声淹没的微弱有用信号，或用一些新技术和新方法来提高检测系统输出信号的信噪比，从而提取有用信号。微弱信号检测所针对的检测对象，是用常规和传统方法不能检测到的微弱量。对它的研究是发展高新技术，探索及发现新的自然规则的重要手段，对推动相关领域的发展具有重要的应用价值。 目前，微弱信号检测的原理、方法和设备已经成为很多领域中进行现代科学技术研究不可缺少的手段。显然，对微弱信号检测理论的研究，探索新的微弱信号检测方法，研制新的微弱信号检测设备是目前检测技术领域的一大热点。 1.概述 微弱信号是测量技术中的一个综合性技术分支，它利用电子学，信息论和物理论的方法，分析噪声产生的原因和规律，研究被测信号的特征和相关性，检测并恢复被背景噪声所掩盖的微弱信号，微弱信号的检测重点是如何从强噪声中提取有用信号，探测运用新技术和新方法来提高检测系统中的信噪比。 在检测淹没在背景噪声中的微弱信号时，必须对信号进行放大，然而由于微弱信号本身的涨落，背景和放大器噪声的影响，测量灵敏度会受到限制。因此，微弱信号的检测有以下三个特点：（1）需要噪声系数尽量小的前置放大器，并根据源阻抗与工作频率设计最佳匹配（2）需要研制适合微弱信号检测原理并能满
浅析通信信号调制识别方法 通信信号调制方式的识别涉及到很多复杂的因素，是一种典型的模式识别。由于通信技术的迅猛发展，信号的调制样式也变得复杂多样，常规的识别方法已无法满足实际需要，新的通信信号识别研究面临着巨大的挑战。文章着重介绍了统计模式识别方法和决策模式识别方法并提出了它们的优缺点。简要介绍了非理想信道和共信道多信号的调制方式识别。 标签：调制方式；统计模式；识别；决策模式识别方法 信息通过信道快速、安全、准确地传输，极大地方便了人们的日常沟通。信号作为信息的媒介，可以在有线信道传输，却几乎无法直接通过无线信道进行传输。要使通信信号顺利在无线信道中传输，必须采用调制解调技术调制后才可以进行传输，而且调制方式是由简到繁，由虚拟到数字等多样的。调制识别存在于检测与调解之间，接受方面需要根据信号的调制进行解调才可以被进入到下一步的操作中。 如果想要解调相应地信息内容需要截获信号，同时还需要分析信号调制方式及参数，干扰信号，准确识别发出方的调制方式。调制方式是一种信号区别于另一种信号的重要特性指标。调制识别的基本任务存在与多信号及噪声干扰的复杂环境中，能够对信号的鉴别方式进行调制，并且对信号参数进行调节，能够在一定程度上对信号信息进行处理。当今，通信技术急速发展下，无线通信环境在不断的发展中变得愈来愈复杂。如何快速、高效的监视并识别那些采用了不同的调制参数和不同的调制样式的通信信号，无论是在军事还是民用领域都一直是人们关注的焦点。 1 数字调制识别方法 人工识别已无法满足在存在着大量未知信号的电磁环境中进行信号实时性识别的要求。后来，人们根据信号频谱的差异研究出了自动调制识别技术。它的出现解决了一直以来依赖人工识别的重要难题。通信信号也早已不是之前的模拟信号，已经成为具有较强抗失真和抗干扰的数字信号，而且数字调制识别方法的成本较低。高速数字信号处理技术、计算机技术和微型芯片技术的蓬勃发展下能够促使自动调制识别技术能够大规模的运用。归纳总结这些年国内外的研究成果，自动调制识别方法可归纳为统计模式识别、决策模式识别两种方法。 1.1 统计模式识别方法 统计模式识别方法主要由三个部分组成，分别为：信号预处理、特征提取和分类识别，从模式的识别理论中衍生而来，三者互为补充，不可或缺。信号的预处理主要是为了提供精确的数据，目的是为例特征的提取做相应地准备。信号的预处理在数字调制或中频上计算接收信号的瞬时幅度、相位和频率。在多信道多发射源的情况下，可以分离不同信号，确保信号在调制识别过程中保持唯一性。
第三章 1、 设在某二元通信系统中，有通信信号和无通信信号的先验概率分别为：P(H 1)=0.8， P(H 0)=0.2。若对某观测值x 有条件概率分布f(x|H 1)=0.25和f(x|H 0)=0.45，试用最大后验概率准则对该观测样本x 进行分类。 2、在存在加性噪声的情况下，测量只能为2v 或0v 的直流电压，设噪声服从均值为0、方差为 2σ的正态分布，设似然比门限值为0l ，试对测量结果进行分类（10分） 3、设二元假设检验的观测信号模型为： H0:x=-1+n H1:x=1+n 其中n 是均值为零、方差为1/2的高斯观测噪声。若两种检验都是等先验概率的，而代价因子为： C 00=1 ,C 10=4, C 11=2 C 01=8。试求Bayes 判决表示式，并画出bayes 接收机形式。 4、设x1,x2,…xn 是统计独立的方差为2σ的高斯随机变量，在H 1假设下均值为a1，H0假设下均值为a0，似然比门限为0l ，试对其进行判决，并求两种错误概率。（20分） 5、在二元数字通信系统中，时间间隔T 秒内，发送一个幅度为d 的脉冲信号，即s 1=d,代表1；或者不发送信号，即s 0=0，代表0。加性噪声服从均值为0，方差为1的高斯分布，当先验概率未知，正确判决不花代价，错误判决的代价相等且等于1时，采用极大极小准则计算其极大极小风险为多大，相应的q 0为多少？ 6、在加性噪声背景下，测量0V 和1v 的直流电压在P(D1|H0)=0.1的条件下，采用Neyman-Pearson 准则，对一次测量数据进行判决。假定加性噪声服从均值为0，方差为2的正态分布。（已知erf(0.9)=0.7969） 第四章 1、已知发送端发送的信号分别为???≤≤-=≤≤=T t t A t s T t t A t 0,sin )(0,sin )(s 10ωω 试利用最小错误概率准则设计一台接收机，对如下假设做出判决，并画出接收机的结构形式。 ???+=+=) ()()(:H )()()(:H 1100t n t s t x t n t s t x ，n(t)服从均值为0功率谱密度为N 0/2的高斯白噪声。 2、已知发送端发送的信号分别为???≤≤=≤≤=T t t A t s T t t A t 0,2sin )(0,sin )(s 10ωω 试利用最小错误概率准则设计一台接收机，对如下假设做出判决，并画出接收机的结构形式。 ???+=+=)()()(:H )()()(:H 11 00t n t s t x t n t s t x ，n(t)服从均值为0功率谱密度为N 0/2的高斯白噪声。 3、已知发送端发送的信号分别为???≤≤=≤≤=T t t A t s T t t 0,sin )(0,0)(s 1 0ω 试利用最小错误概率准则设计一台接收机，对如下假设做出判决，并画出接收机的结构形式。 ???+=+=)()()(:H )()()(:H 11 00t n t s t x t n t s t x ，n(t)服从均值为0功率谱密度为N 0/2的高斯白噪声。
Journal of Image and Signal Processing 图像与信号处理, 2018, 7(4), 220-226 Published Online October 2018 in Hans. https://www.doczj.com/doc/fc925408.html,/journal/jisp https://https://www.doczj.com/doc/fc925408.html,/10.12677/jisp.2018.74025 A Brief Analysis of Detection and Recognition Technology for Communication Signals Jing Yang, Naiping Cheng Department of Electronic and Optical Engineering, Space Engineering University, Beijing Received: Sep. 28th, 2018; accepted: Oct. 13th, 2018; published: Oct. 20th, 2018 Abstract The detection and recognition technology of communication signals plays an important role in the vigorous development of wireless communications. This paper summarizes the development of communication signal detection and modulation recognition technology, analyzes and summariz-es the selection of the realization chip of the digital signal processing module in the detection and modulation recognition, the signal detection especially the weak signal detection method, the fea-ture extraction and the selection of the classification device in the signal recognition, and com-pares their respective advantages and disadvantages. Finally, the future research direction of de-tection and recognition technology is prospected. Keywords Signal Detection, Modulation Recognition, DSP, FPGA, Feature Parameter Extraction, Classifier 通信信号检测识别方法简析 杨婧，程乃平 航天工程大学电子与光学工程系，北京 收稿日期：2018年9月28日；录用日期：2018年10月13日；发布日期：2018年10月20日 摘要 通信信号的检测识别技术在无线通信蓬勃发展的今天发挥着重要的作用。文章综述了通信信号的检测、
滨州学院2012－2013学年第二学期期末考查 电子信息科学与技术(本）2010级《信号检测技术》试卷 （答案一律写在答题纸上，在本试卷上做答无效） 一、选择题（每题2分，共12分） 1.若一个估计量?a 满足[]?E a a =，则我们称该估计量?a 具有（ ） A.一致性 B.有效性 C.充分性 D.无偏性 2.白噪声的功率谱密度为（ ）。 A.幂函数 B.线性函数 C.常数 D.三角函数 3.在白高斯噪声中确知信号的检测的最佳系统的检测性能，关于平均错误概率以下说明错误的是（ ） A. e P erfc = B. 1e P =-Φ C. r 一定，E/N 0上升，Pe 下降 D. E/N 0一定，r 越小，Pe 上升 4.关于匹配滤波器理论，以下说法不正确的是（ ） A.匹配滤波器理论，是以输出信噪比最大为最佳准则的线性滤波理论 B.匹配滤波器不具备时间上的适应性 C.在高斯白噪声下，匹配滤波器的冲击响应与输入函数之间是镜像函数关系 D.按匹配滤波器理论，其输出的信噪比为： max 0 2S E N N ??= ??? 5.以下相干系统，理想二元通信系统是（ ） A.相干相移键控系统 B.相干频移键控系统 C.相干启闭键控系统 D.相干雷达监控系统 6.某一信号x (t)中的有用信号为一正弦信号()sin(2)s t a t ω=，观测时间为（0～T ）则其匹配滤波器的冲击响应()h t 为（ ） A. sin(2)a t ω B. sin(2)a T t ω- C. sin[2()]a T t ω- D. sin(2)a t ω-
二、填空题（每空2分，共40分） 1.在信号检测中，通常可能出现两种错误的判决，定义为 ，其概率分别表示为 和 。二元通信系统通常采用代价因子C 00=C 11=0，C 10=C 01=1，采用极大极小化准则确定假设的先验概率为 。 2.作为双择检测问题的特例，现在研究在加性噪声背景下测量只能为1V 和0V 的直流电压。假定加性噪声()n t 服从均值为0、方差为2σ的正态分布，则此时两个假设可以表示为： 和 ，两个条件概率密度函数可以写为 和 。其似然比为 。 3.设x 1，x 2，…，x n 是统计独立的、且方差为σ2的高斯随机变量。在假设H 1下其均值为a 1,在假设H 0下均值为a 0。如果Λ0为似然比门限，在这两种假设下的联合概率密度函 数分别为 和 ，其等效统计量为 ，随着测量次数n 的增加，其错误概率会 。 4.假设观测波形在观测时间[0，T ]内可表示为: x (t )=s (t ，α)+w i ，式中s (t ，α)为幅值为α的矩形脉冲信号，w i 为零均值高斯白噪声样本函数。试利用矩法估计脉冲信号的幅度α为 ，其方差为 。 5.双择一假设条件下，时域连续接收波形x (t )的似然函数为 和 。 6.以 为准则的最佳滤波，即匹配滤波理论， 和 两种检测等效。 三、综合题（每题16分，共48分） 1.根据n 维输入矢量x 设计一种最佳检测器，对下述四种假设作出判决：H 1—均值为4，H 2 —均值为5，H 3—均值为6，H 4—均值为7，各假设下的条件概率密度函数是高斯的，方差为2σ，假定所有假设的先验概率都相等，且C ij ＝1（i ≠j ）C ii ＝0 2.一次采样信号表示为x s n =+，信号两种假设：0:2H s =-；1:2H s =。（1）设代价因 子001110010,1,2C C C C ====，用极大极小值准则确定检测门限和检测概率()11P D H 。 （2）若虚警概率101)(P H D P =，用纽曼皮尔逊准则确定检测门限和漏检概率()01P D H 。(注：公式表明计算方法即可) 设：2222(), () x t t x x e dt erfc x e dt φ+∞--==?? 3.利用一个高斯过程的M 个统计独立样本i x （i ＝1，2……M ）这个过程的均值为μ，但 方差σ2未知。（1）求σ2的最大似然估计。（2）判断σ2的最大似然估计是否是优效估计？
收稿日期：2014-05-08修回日期：2014-07-10 作者简介：胡珺珺（1981-），女，重庆人，硕士，讲师。研究方向：移动通信技术、信号处理，无线网络等。 摘要：在详细分析与探讨信号防御性能的基础上,对利用边界扫描的大区域通信信号电路体系进行了探讨,提出以TD-SCDMA 网络为基础的双极化天线通信信号检测系统。通信信号检测过程中，用嵌入式处理器LPC2148结合四阶累积量的切片检测出TD-SCDMA 信号，并通过估计获得TD-SCDMA 信号的采样率,经过二次谱算法的运算，获得谱峰间的距离来估计出OVSE 码的周期参数。以标准验证芯片为中心，针对相同类型的混合信号电路组建验证电路,最终完成对验证模块DOT4MBST 及验证电路的检测验证。测试结果表明,提出的双极化天线的通信信号检测系统能够在错综复杂环境中，对通信信号进行精确的采集,且鲁棒性强。 关键词：二次谱，双极化天线，信号检测 中图分类号：TP 144文献标识码：A 双极化天线的通信信号检测方法 胡珺珺1，张宇2，刘艳3 （1.重庆邮电大学移通学院， 重庆401571；2.重庆川仪自动化股份有限公司，重庆401121；3.中国移动通信集团设计院有限公司重庆分公司，重庆401121） Research of Dual Polarized Antenna Signal Detection Method of Communication HU Jun-jun 1，ZHANG Yu 2，LIU Yan 3 （1.College Mobile Telecommunications ChongQing University of Posts and Telecom ， Chongqing 401571，China ；2.Chongqing ChuanYi Automation Co.，LTD ，ChongQing 401121，China ； 3.China Mobile Group Design Institute Co.，LTD.Chongqing Branch ，Chongqing 401121，China ） Abstract ：To analys and discuss the signal in the defensive performance,on the basis of large area for using boundary scan signal circuit system has carried on the exploration,based on TD -SCDMAnetwork dual polarized antenna communication signal detection system is https://www.doczj.com/doc/fc925408.html,munication signal detection process,using embedded LPC2148processor combines the fourth -order cumulant slice TD-SCDMAsignal detection and estimation for TD-SCDMAsignal sampling rate,through the operation of secondary spectrum algorithm,the distance between the spectral peak to estimate the size OVSE cycle parameters is obtained.In a standard authentication chip as the center,in view of the same type of mixed signal circuit form validation ，the validation module DOT4MBST verification and validation circuit are finished.Test results show that the proposed dual polarized antenna communication signal detection system can be in a complex environment,collection of communication signals accurately,and strong robustness.Key words ：secondary spectrum ，dual polarized antenna ，signal detection 0引言在海量数据通信过程中，对天线通信信号的采集是一个尤为关键的环节。现今，对通信信号的检测几乎都依附于信号检测系统，这样的检测系统主 要是通过通信信号扩散的超低频电波形成的电场来 搜索到“信号”的方位完成检测［1~2］。主流的通信信 号检测方法可以提供不同电波过滤器，能够将完全 不同于通信信号的频率有效地消除，能够促使信号 检测设备完全感受到通信信号散发频率形成的电文章编号：1002-0640（2015）07-0160-04Vol.40，No.7 Jul ，2015 火力与指挥控制Fire Control &Command Control 第40卷第7期2015年7月 160··