高階累積量調(diào)制識別改進算法的FPGA實現(xiàn)

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。