基于MFCC的OFDM信號子載波調制方式識別方法*

張海川,雷迎科

(1 電子工程學院,合肥 230037;2 通信信息控制和安全技術重點實驗室,浙江嘉興 314033)

基于MFCC的OFDM信號子載波調制方式識別方法*

張海川1,2,雷迎科1,2

(1 電子工程學院,合肥 230037;2 通信信息控制和安全技術重點實驗室,浙江嘉興 314033)

針對多徑信道下傳統的OFDM信號子載波調制方式識別方法存在識別率不高,判決門限不易確定,子載波調制方式識別不全面等問題,提出一種基于MFCC的OFDM信號子載波調制方式識別方法。利用語音模型下的識別算法提取OFDM信號的MFCC特征參數,計算出各階MFCC特征參數的平均標準偏差和平均變化率,并將兩類參數的組合作為OFDM信號子載波調制方式分類特征量對子載波調制方式進行識別。仿真實驗結果表明,該方法能夠有效實現多徑信道下OFDM信號子載波多種調制方式的識別,且識別性能優于傳統方法。

OFDM;分類特征量;MFCC;遞歸降階

0 引言

正交頻分復用(OFDM)技術因其良好的抗頻率選擇性衰落特性而被廣泛應用于軍事領域。正確識別出OFDM信號的子載波調制方式是對敵方通信進行干擾和偵聽的重要前提[1-2],有利于集中資源對敵方通信信號進行阻塞式干擾。

OFDM信號子載波的調制方式主要有多進制正交振幅調制(MQAM)和多進制相位調制(MPSK)兩種。文獻[3]提出一種基于最大似然函數的OFDM信號子載波調制方式識別方法,但該方法不適用于多徑衰落信道。文獻[4]提出了利用星座點的統計特性和OFDM系統的等效標量模型盲估計方法,但該方法在低信噪比條件下識別效果不理想,且所要求的先驗知識較多。文獻[5]提出利用高階累積量和矢量圖最小環帶模值方差對OFDM信號子載波調制方式進行了識別,但該方法對十六進制正交振幅調制(16QAM)的識別率較低。文獻[6-9]提出基于高階累積量和混合矩的OFDM信號子載波調制方式識別方法,但這些方法均需要計算八階以上的高階累積量,計算復雜度較高,且對較高階的正交振幅調制方式識別率不高。

針對上述問題,文中提出了一種基于梅爾頻率倒譜系數(MFCC)的OFDM信號子載波調制方式識別方法。該方法在多徑衰落信道下識別率較高,且可以有效識別高階正交振幅調制方式(64QAM,256QAM)和高階相位調制方式(8PSK,16PSK),具有良好的識別范圍

1 OFDM信號模型

OFDM發射信號可以表示為[10]:

s(t)=

(1)

式中:TS為OFDM的符號周期;NS為子載波數;L是發射的OFDM符號數;ε為歸一化的頻率偏移;u(t)表示在[0,TS)內的升余弦濾波器;dk,l表示調制在第k個子載波上第l個OFDM符號的數據。假設發射信號通過有M條路徑的多徑信道,第m條路徑的信道響應函數為h(m),則接收端接收的信號為:

(2)

(3)

2 基于MFCC的OFDM信號子載波調制方式識別方法

2.1 梅爾頻率倒譜系數(MFCC)

梅爾頻率倒譜系數是基于人耳聽覺特性提出的特征參量,其對應的梅爾頻率與赫茲頻率成非線性關系,頻率f與梅爾頻率之間的轉換公式為[11]:

(4)

式中f為頻率(Hz)。

OFDM信號的梅爾頻率倒譜系數既保留了信號的基本特征,又移除了信號的冗余信息,相對原始接收信號的抗噪能力更加魯棒[12]。2.2 OFDM信號梅爾頻率倒譜系數的提取

OFDM信號梅爾頻率倒譜系數的提取是一個數據約減的過程[13],OFDM信號MFCC的提取流程如圖1所示,其基本步驟歸納如下:

圖1 OFDM信號的MFCC提取過程

1)將OFDM信號進行漢明加窗處理,得到每幀OFDM時域信號,然后經過離散傅里葉變換(DFT)得到線性頻譜X(k):

(5)

式中N是離散傅里葉變換的點數。

2)將上述線性頻譜通過梅爾濾波器組模塊并進行對數能量處理得到對數梅爾頻譜S(l)[13]:

0≤l≤L

(6)

式中:Hl(k)為具有三角濾波特性的梅爾帶通濾波器;L為濾波器的個數。

3)將上述對數梅爾頻譜S(l)經過離散余弦變換(DCT)可得到梅爾頻率倒譜系數(MFCC)。

0≤g≤G

(7)

式中:cg為第g個MFCC序列;G為MFCC序列的個數。由于OFDM信號的大部分信息都集中在低階MFCC序列中,因而通常情況OFDM信號MFCC序列的提取個數不超過20[14]。2.3 子載波調制方式識別

文獻[13]中定義和推導了不同單載波數字通信信號MFCC序列的差異,并以其統計特征值作為分類特征量,但該方法并未應用到多載波信號中。OFDM是一種多載波調制信號,不同子載波調制方式下MFCC序列互不相同,因此可以將OFDM信號的MFCC序列作為識別不同子載波調制方式的特征參量。文中選取OFDM信號MFCC序列的平均標準偏差和平均變化率作為分類特征量。MFCC序列的平均標準偏差為[15]:

(8)

式中σg為第g個MFCC序列的標準偏差。

1≤i≤I

(9)

式中I為OFDM信號的幀數。

MFCC序列的平均變化率v為:

(10)

式中vg為第g個MFCC序列的變化率。

(11)

式中:

(12)

不同調制方式分類特征量的理論值如表1所示。

表1 各調制方式分類特征量的理論值

由表1可以看出不同低階子載波調制方式(BPSK、QPSK/4QAM、16QAM)的分類特征量σ、v各不相同。其中BPSK與QPSK/4QAM和16QAM的平均標準差σ差別較大,因此可以把其作為識別BPSK調制方式的分類特征量。而16QAM在平均變化率v上和QPSK/4QAM差別較大,因此可以將其作為區分16QAM與QPSK/4QAM的分類特征量。而當MQAM調制方式的階數M>16,MPSK調制方式的階數M>4時,不同階數的MQAM和MPSK信號分類特征量相差較小,利用平均標準差σ和平均變化率v進行分類的性能變差,這種情況下,可以利用文獻[16]中遞歸降價的算法對高階的MQAM和MPSK信號進行降價處理后再分類。

3 仿真實驗與分析

為了驗證算法的性能,通過Matlab仿真平臺在多徑衰落信道下對文中提出的基于MFCC的OFDM信號子載波調制方式識別方法進行仿真實驗。在仿真實驗中,OFDM信號幀數為110,每幀有50個符號,OFDM信號子載波數為120,設置成型脈沖為矩形,循環前綴長度占有效符號長度的1/4,過采樣率為4。梅爾濾波器組取24個濾波器,加漢明窗,提取的OFDM信號MFCC階數為13。

3.1 不同調制方式下的MFCC

在上述實驗條件下,繪制BPSK、QPSK/4QAM、16QAM調制方式下OFDM信號MFCC序列三維圖,如圖2～圖4所示。從圖2～圖4可以看出,BPSK調制方式下不同階數的MFCC序列數值波動較劇烈,同一階的MFCC序列變化較明顯,QPSK/4QAM調制方式下同一階的MFCC序列變化較大,而不同階的MFCC序列數值波動相對BPSK調制方式的情況則略顯平緩,16QAM調制方式下不同階的MFCC序列數值波動較小,同一階的MFCC序列變化不明顯。由此可見,BPSK調制方式與QPSK/4QAM和16QAM調制方式在不同階MFCC序列數值波動上差別較大,因此可以把MFCC序列的平均標準差σ作為識別BPSK調制方式的分類特征量。而16QAM調制方式與QPSK/4QAM調制方式在同一階的MFCC序列數值變化上差別較大,因此可以把MFCC序列的平均變化率v作為區分16QAM與QPSK/4QAM的分類特征量。驗證了文中將平均標準差σ和平均變化率v作為調制方式分類特征量的合理性。

圖2 BPSK調制方式下的MFCC參數

圖3 QPSK/4QAM調制方式下的MFCC參數

圖4 16QAM調制方式下的MFCC參數

3.2 多徑信道下不同調制方式的識別率

本節實驗中,對文中提出的基于MFCC的子載波調制方式識別方法進行性能仿真,實驗以子載波調制方式識別率作為衡量算法性能的標準,信道環境設置為6條路徑的多徑衰落信道,多徑時延分別為[0 ns,2 ns,4 ns,8 ns,10 ns,12 ns],平均衰減功率分別為[0 dB,-2 dB,-4 dB,-6 dB,-8 dB,-10 dB],信噪比變化范圍為-10～10 dB,步長為2 dB,在每個信噪比點上進行500次蒙特卡洛仿真實驗,仿真曲線如圖5和圖6所示。

圖5 子載波調制方式集W的識別率

圖6 子載波調制方式集T的識別率

圖5和圖6分別為低階子載波調制方式集W={BPSK,QPSK/4QAM,16QAM}和高階子載波調制方式集T={8PSK,16PSK,64QAM,256QAM}的識別率曲線圖。從圖5中可以看出,信噪比為4 dB時,BPSK調制方式的識別率可達100%,16QAM和QPSK/4QAM調制方式的識別率接近90%,當信噪比達到6 dB時,16QAM和QPSK/4QAM的識別率可達100%。由此可見,當信噪比大于等于6 dB時,文中方法可有效識別出低階子載波調制方式。觀察圖6可知,信噪比為8 dB時,8PSK和16PSK調制方式的識別率可達100%,64QAM調制方式的識別率達到90%以上,256QAM調制方式的識別率接近90%,當信噪比達到10 dB時,8PSK、16PSK和64QAM 3種調制方式的識別率均可達到100%,256QAM調制方式的識別率可達95%以上。由此可見,當信噪比大于10 dB時,文中方法可有效識別出高階子載波調制方式。對比圖5和圖6可知,信噪比大于等于4 dB時,低階子載波調制方式的識別率整體上要高于高階子載波調制方式的識別率,而當信噪比大于10 dB時,低階和高階子載波調制方式的識別率均可達到100%,驗證了文中方法在多徑衰落信道下對低階和高階子載波調制方式均具有良好的識別性能。

3.3 頻偏干擾下不同算法的識別率

為考察頻率偏移對文中實驗結果的影響,在相同實驗條件下,對歸一化頻偏分別為0.2和0.8的OFDM信號子載波調制方式進行識別,子載波調制方式采用16QAM,并與文獻[3]中基于最大似然函數的OFDM信號子載波調制方式識別方法進行識別性能對比,實驗結果如圖7所示。

圖7 不同頻偏下兩種算法性能對比

從圖7中可以看出,文中方法在相同信噪比點上的識別率明顯高于文獻[3]中的方法,且識別率受頻偏影響較小,在不同頻偏條件下的識別率大致相同,在信噪比高于8 dB時的識別率可達到90%以上。而文獻[3]中方法的識別率則受頻偏影響較大,歸一化頻偏為0.2時,文獻[3]中方法的識別率在信噪比達到10 dB時還不到20%。當歸一化頻偏變為0.8時,識別率則下降到10%附近。在這兩種情況下文獻[3]中方法均無法正確識別出OFDM信號子載波的調制方式,因此在歸一化頻偏的干擾下文中方法對OFDM信號子載波調制方式的識別性能優于傳統方法。

4 結束語

針對多徑衰落信道下傳統的OFDM信號子載波調制方式識別方法存在識別率不高,判決門限不易確定,識別方式不全面等問題,提出一種基于MFCC的OFDM信號子載波調制方式識別方法。通過對OFDM信號不同子載波調制方式MFCC序列的理論分析和仿真實驗,得出不同子載波調制方式MFCC序列的平均標準偏差和平均變化率差別較大,因此將兩類參數的組合作為OFDM信號子載波調制方式分類特征量,并對低階子載波調制方式MQAM(M=4、16)和MPSK(M=2、4)進行識別,同時采用遞歸降價的方法識別高階子載波調制方式MQAM(M=4、16)和MPSK(M=8、16)。仿真實驗結果表明,該方法有效實現了多徑信道下OFDM信號子載波調制方式的識別,且識別性能優于傳統方法。

[1] WEINSTEIN SB. The history of orthogonal frequency-division multiplexing [J]. IEEE Communication Magzine, 2009, 47(11): 26-35.

[2] 蔣清平, 楊士中, 張天琪. OFDM信號循環譜分析及參數估計 [J]. 計算機應用研究, 2010, 3(3): 1133-1135.

[3] YUCEK T, ARSLAN H. A novel sub-optimum maximum-likelihood modulation classification algorithm for adaptive OFDM systems [C]∥ IEEE Wireless Communications and Networking Conference, 2004, 2: 739-744.

[4] 周玉娟, 程韌. OFDM信號調制類型盲檢測研究 [J]. 通信技術, 2008, 41(1): 4-5.

[5] 劉明騫, 李兵兵, 趙雷. 含有導頻的OFDM信號子載波的調制方式識別方法 [J]. 北京郵電大學學報, 2012, 35(4): 42-45.

[6] WONG M L D, NANDI A K. Naive Bayes classification of adaptive broadband wireless modulation schemes with higher order cumulants [C]∥ IEEE Proceedings of 2nd International Conference on Signal Processing and Communication Systems, 2008: 1-5.

[7] HARING L, CHEN Y, CZYLWIK A. Efficient modulation classification for adaptive wireless OFDM systems in TDD mode [C]∥ IEEE Proceedings of Wireless Communications and Networking Conference, 2010: 1-6.

[8] 安寧, 李兵兵, 黃敏. 自適應OFDM系統子載波調制方式盲識別算法 [J]. 西北大學學報(自然科學版), 2011, 41(2): 231-234.

[9] 韓鋼, 李建東, 李長樂. 自適應OFDM中信號盲檢測技術 [J]. 西安電子科技大學學報(自然科學版), 2006, 33(4): 602-606.

[10] PUNCHIHEWA A, VIJAY KB, CHARLES D. Blind estimation of OFDM parameters in cognitive radio networks [J]. IEEE Transactions on Wireless Communications, 2007, 10(3): 48-54.

[11] 胡政權, 曾毓敏, 宗原, 等. 說話人識別中MFCC參數提取的改進 [J]. 計算機工程與應用, 2014, 7(7): 217-220.

[12] KESHK M E, EI-NABY M A, ELRABIE S, et al. Digital modulation recognition in OFDM sysytem using support vector machine classifier [J]. Networking and Communication Engineering, 2013, 5(12): 516-520.

[13] RASHA M, Al-MAKHLASAWY R M, HEBA A, et al. Automatic modulation recognition in OFDM systems using cepstral analysis and support vector machines [J]. Journal of Telecommunication System & Management, 2012, 1(3): 105-111.

[14] 常飛, 喬欣, 張申, 等. 基于MFCC特征提取的故障檢測與預測評價方法 [J]. 計算機應用研究, 2015, 32(6): 1716-1719.

[15] 呂霄云, 王宏霞. 基于MFCC和短時能量混合的異常聲音識別算法 [J]. 計算機應用, 2010, 30(3): 796-798.

[16] 位小計. 數字通信信號的調制方式識別研究 [D]. 哈爾濱: 哈爾濱工程大學, 2011.

Subcarrier Modulation Recognition Based on MFCC for OFDM Signal

ZHANG Haichuan1,2,LEI Yingke1,2

(1 Electronic Engineering Institute, Hefei 230037, China; 2 Science and Technology on Communication Information Security Control Laboratory, Zhejiang Jiaxing 314033, China)

In order to overcome the poor performance, vague decision threshold and the incomplete recognition mode problem of the subcarrier modulation recognition for OFDM signal in the multipath channel, a novel modulation recognition method for OFDM signal based on Melfrequency cepstrum coefficient (MFCC) was proposed. The MFCC features were firstly extracted by the algorithm about speech recognition. Then we calculated the average standard deviation and average change rate of MFCC and used the combination of these two parameters as the classification features to identify the modulation type of carrier. Experimental results showed that the proposed method could effectively recognize the modulation type under multipath channel and it had a high correct rate to classify the modulation of OFDM signal.

OFDM; classification feature; MFCC; recursive order-reduction

2015-12-23 基金項目:國家自然科學基金(61272333);國防科技重點實驗室基金(9140C130502140C13068);解放軍總裝備部預研項目基金;安徽省自然科學基金(1308085QF99)資助

張海川(1991-)男,河北秦皇島人,碩士研究生,研究方向:OFDM信號處理。

TN911

A