学术研究报告：基于特征提取的通信信号识别算法
一、 研究作者、机构及发表信息
本研究的主要作者为仇梓鑫、赵知劲和占锦敏。所有作者均来自杭州电子科技大学通信工程学院，通讯作者为赵知劲教授。该研究成果以学术论文形式发表在国内学术期刊《杭州电子科技大学学报（自然科学版）》（Journal of Hangzhou Dianzi University (Natural Sciences)）2020年第40卷第3期（2020年5月）。该论文获得了国家自然科学基金（项目号：61571172）的资助。
二、 研究学术背景
本研究属于通信与信号处理交叉领域，具体聚焦于非合作通信（Non-cooperative Communication） 中的调制识别（Modulation Recognition） 或称信号识别技术。信号识别是指在未知信号参数（如调制方式、符号速率等）的条件下，仅根据接收到的信号样本自动判断其调制类型，这是实现信号正确解调与后续信息分析的基础，在军用和民用领域（如频谱监测、电子侦察、认知无线电）均有重要应用。
研究的背景在于，以往大量的调制识别研究主要集中于常规数字调制信号（如BPSK、QPSK、FSK、QAM等）之间的区分，而对于常规通信信号与直扩信号（Direct-Sequence Spread Spectrum, DSSS） 之间的识别研究相对较少。直扩信号因其具有低功率谱密度、抗干扰、抗截获等特性，在现代通信中广泛应用，对其进行有效识别具有重要现实意义。因此，本研究旨在解决在非合作接收条件下，对三种常见信号——四相相移键控（Quadrature Phase Shift Keying, QPSK）、16进制正交幅度调制（16-Quadrature Amplitude Modulation, 16QAM） 和QPSK直扩信号（DSSS/QPSK）——进行自动识别的问题。
研究的主要目标是通过理论推导和特征分析，提出一种能够在加性高斯白噪声（Additive White Gaussian Noise, AWGN）环境下有效区分这三类信号的识别算法，并评估其在不同信噪比（Signal-to-Noise Ratio, SNR）条件下的性能。
三、 研究详细工作流程
本研究主要包含三个核心流程：特征参数理论推导、判决门限设定以及算法性能仿真验证。整个研究基于信号处理理论，通过数学分析和蒙特卡洛（Monte-Carlo）仿真完成，未涉及具体的物理实验设备，但包含了自研的算法流程。
流程一：特征参数的理论推导与分析
研究首先针对QPSK、16QAM和DSSS/QPSK信号，从数学模型出发，推导并选取了三个关键的特征参数用于构建识别流程。
- 研究对象：三种信号的数学模型，具体为带通信道模型。QPSK和16QAM信号模型如公式(1)所示，由两路独立的信息码序列分别调制正交载波合成；DSSS/QPSK信号模型如公式(11)所示，在QPSK基础上增加了伪随机码（Pseudo-Noise code, PN code）序列进行扩频。
- 处理方法与理论分析：
- 特征参数一：四阶累积量切片 |c₄ₓ(0,0,0)|：基于高阶统计量（Higher-Order Statistics） 理论，作者推导了上述三种信号在存在高斯白噪声时的接收信号四阶累积量切片c₄ₓ(0,0,0)的表达式（公式(4), (12)）。关键理论结论是：高斯白噪声的四阶累积量为0（公式(3)），而QPSK、16QAM和DSSS/QPSK信号的四阶累积量切片均不为0（理论值分别为-1.5a², -1.02a², -1.5a²，其中a²为信号功率）。因此，该特征可用于检测噪声背景下是否存在通信信号（包括常规信号和直扩信号），并抑制高斯噪声的影响。
- 特征参数二：功率谱特征参数 f_p：作者提出使用功率谱的峰值平均值（p_max）与谷值平均值（p_min）之比来构造特征参数f_p = (p_max - p_min) / p_min（公式(16)）。其物理意义在于：QPSK和16QAM是窄带信号，其功率谱能量集中在载频附近，p_max与p_min差异较大，f_p值较大；而DSSS信号是宽带信号，功率谱能量分散在一个较宽的频带上，p_max与p_min差异相对较小，f_p值较小。因此，f_p可用于区分常规窄带信号（QPSK/16QAM）与宽带直扩信号。
- 特征参数三：累积量比值特征 f：为了进一步区分同为常规窄带信号的QPSK和16QAM，作者引入了基于信号复包络（Complex Envelope）的高阶累积量比值特征 f = |c₈₀| / |c₄₂|²。其中c₈₀和c₄₂是信号复包络的特定阶次累积量。理论计算得出，对于QPSK信号，f的理论值为34.00；对于16QAM信号，f的理论值为30.23（公式(18), (19)）。通过设定合适的判决门限，即可利用该特征区分这两种调制方式。
流程二：判决门限的确定与识别流程构建
确定了特征参数后，需要为每个决策点设定实际的判决门限。
- 研究对象：通过蒙特卡洛仿真生成的仿真信号数据。
- 处理方法与实验：
- 门限t_d1（信号检测）：首先，在仅有高斯白噪声（噪声功率归一化为1）的情况下，通过3000次蒙特卡洛仿真，得到噪声的四阶累积量切片估计值|c₄(0,0,0)|的统计分布。根据纽曼-皮尔逊准则（Neyman-Pearson Criterion），在给定虚警概率（False Alarm Probability, P_f）为0.001的条件下，确定了区分“信号”与“纯噪声”的判决门限t_d1 = 0.0072（见图4）。
- 门限t_d2（信号分类：常规 vs. 直扩）：同样，通过仿真分析不同信噪比下各信号f_p的曲线（见图2），观察到常规信号与直扩信号的f_p值存在明显分界。在给定虚警概率为0.001的条件下，确定了区分常规信号和直扩信号的判决门限t_d2 = 572.6（见图5）。
- 门限t_d3（信号细分：QPSK vs. 16QAM）：对于累积量比值特征f，直接取QPSK理论值（34.00）和16QAM理论值（30.23）的中值作为判决门限，即t_d3 = 32.115。
- 构建识别流程图：基于上述三个特征参数和对应的判决门限，作者构建了一个层次化的识别决策树（见图3）。流程为：首先计算接收信号的|c₄ₓ(0,0,0)|，若大于t_d1，则判定存在信号；然后计算其f_p，若f_p大于t_d2，则判定为常规信号（QPSK或16QAM）；若f_p小于等于t_d2，则判定为直扩信号。对于被判为常规信号的样本，进一步计算其复包络累积量比值特征f，若f大于t_d3，则判定为QPSK，否则判定为16QAM。
流程三：算法仿真与性能分析
- 研究对象：在不同信噪比（SNR）下生成的QPSK、16QAM和DSSS/QPSK仿真信号。具体仿真参数为：码元数4000，信息码速率50 kHz，载波频率1.55 MHz，采样率62 MHz；直扩信号采用长度为31的m序列作为扩频码，码片速率（Chip Rate）为1.55 MHz；噪声功率归一化为1。
- 实验与数据分析方法：
- 首先，验证了特征参数的有效性。图1和图2的仿真曲线显示，各信号的特征参数变化趋势与理论分析一致，证明了所提特征的可行性。
- 其次，评估了算法在特定信噪比下的检测性能。绘制了识别直扩信号和QPSK信号的接收机工作特性曲线（Receiver Operating Characteristic Curve, ROC Curve）（图6，图7），展示了在不同虚警概率下算法能达到的正确识别概率，表明虚警概率对检测性能有显著影响。
- 核心性能评估：在不同信噪比（从负值到正值）下，对三种信号分别进行多次蒙特卡洛仿真，统计本文算法对每种信号的正确识别概率。绘制了识别性能随信噪比变化的曲线（图8）。
四、 主要研究结果
- 特征参数理论值与仿真验证一致：图1显示，QPSK和DSSS信号的|c₄(0,0,0)|曲线重合且随信噪比增大而增大，16QAM的曲线略低，高斯噪声的|c₄(0,0,0)|始终接近于0，完美验证了理论推导。图2显示，常规信号（QPSK/16QAM）的f_p值远高于直扩信号，验证了f_p用于区分的有效性。
- 确定了可靠的判决门限：通过蒙特卡洛仿真和纽曼-皮尔逊准则，成功确定了在低虚警概率（0.001）下的两个关键判决门限t_d1和t_d2，为算法的实际应用提供了量化依据。
- 算法整体性能优异：图8所示的性能曲线是本研究的核心结果。结果表明：
- 三种信号的正确识别概率均随信噪比的升高而单调增加。
- 在相同信噪比下，直扩信号的识别性能最佳，QPSK次之，16QAM相对最低。这可能是因为16QAM的星座点更密集，对噪声更敏感，导致其特征参数估计的方差更大。
- 最关键的结果：当信噪比高于0 dB时，该算法对QPSK、16QAM和DSSS/QPSK三种信号的正确识别率均能达到90%以上。这达到了研究的预期目标，证明了所提算法在中等及以上信噪比环境下的有效性。
五、 研究结论与价值
本研究提出并验证了一种基于高阶累积量和功率谱特征提取的通信信号识别算法。结论表明，通过综合利用信号的四阶累积量切片 |c₄ₓ(0,0,0)|、功率谱特征 f_p 和复包络高阶累积量比值 f 这三个特征参数，可以有效实现高斯白噪声背景下QPSK、16QAM和DSSS/QPSK三类信号的自动盲识别。
研究的价值体现在： * 科学价值：深入推导了DSSS/QPSK信号以及带通QPSK、16QAM信号的四阶累积量表达式，丰富了针对直扩信号的高阶统计量理论分析。提出了一种融合时域（累积量）和频域（功率谱）特征的层次化识别框架，为复杂调制信号识别提供了新思路。 * 应用价值：所提算法计算相对明确，无需大量训练数据，适用于非合作通信接收机等对先验知识要求少的场景。算法在信噪比高于0dB时能达到90%以上的识别率，具备较好的实用潜力，可用于频谱监测、电子侦察和认知无线电系统中的信号感知与分类。
六、 研究亮点
- 研究目标的特殊性：相较于大量集中于常规调制识别的研究，本文明确将直扩信号（DSSS） 纳入识别体系，并实现了其与常规信号的区分，具有更强的现实针对性和应用价值。
- 特征设计的新颖性：创造性地将用于信号检测的四阶累积量和用于信号分类的功率谱平坦度特征（f_p） 以及复包络高阶累积量比值（f） 相结合，构建了一个逻辑清晰、层次分明的三级识别流程。特别是利用f_p区分窄带与宽带信号，思路直观有效。
- 理论推导与工程实践结合：不仅给出了各特征参数的理论值，还通过详尽的蒙特卡洛仿真确定了在实际噪声环境中可靠的判决门限，并系统评估了算法在不同信噪比下的性能，使研究结论扎实可信。
七、 其他有价值的讨论
作者在论文结尾也客观指出了本研究的局限性，主要体现在两点： 1. 信道模型单一：研究仅考虑了最简单的加性高斯白噪声信道，未涉及多径衰落、同道干扰等更复杂的实际通信环境。 2. 算法局限性：当噪声功率很大（低信噪比）或采样点数不足时，累积量的估计误差会增大，导致对高斯噪声的抑制效果变差，影响识别性能。 这些讨论为后续研究指明了方向，即如何将该算法拓展到更复杂的信道环境下，以及如何提高其在低信噪比条件下的鲁棒性。