CC BY
255
УДК 621.37
РАСПОЗНАВАНИЕ ВИДА МОДУЛЯЦИИ СИГНАЛОВ В СИСТЕМАХ РАДИОМОНИТОРИНГА
Е.И. Воробьева, Р.А. Немцов, П.П. Чураков
В современном мире системы радиомониторинга играют огромную роль. Они обеспечивают контроль радиоэлектронных средств, извлечение информации из передаваемых сигналов и ее последующую обработку. В связи с этим к системам радиомониторинга предъявляются повышенные требования для обеспечения высокой точности получаемой информации. В данной статье предлагается метод распознавания видов модуляции с использованием статистических параметров
Ключевые слова: моментный анализ, детекторы, распознавание видов модуляции, радиомониторинг
В общем случае под радиомониторингом понимается деятельность по изучению и контролю радиообстановки. Областями применения систем радиомониторинга являются:
• измерения и контроль за радиоэлектронными средствами;
• получение информации о работающих передатчиках в определенной местности, определение их типа, основных характеристик и демодуляция/декодирование передаваемой информации;
• наблюдение и обработка данных.
Одной из важных задач, решаемых системой радиомониторинга, является прием (перехват) передаваемых сообщений в контролируемых радиолиниях. В условиях априорной неопределенности относительно вида модуляции, процедура перехвата распадается на два этапа: распознавание вида модуляции и документирование сообщения.
В настоящее время для распознавания вида модуляции широко используются спектральные методы анализа сигналов [1]. Обеспечение данных методов требует применение дополнительной аппаратуры спектрального анализа, что не всегда оправдано. В этой связи представляет интерес исследование возможностей распознавания видов радиопередач на основе признаков, сформированных после прохождения анализируемого сигнала через амплитудный и частотный детекторы, которые входят в состав любой системы радиомониторинга.
Аппаратура перехвата в системах радиомониторинга работает по целеуказанию средств обнаружения, осуществляющих сканирование контрольных частот. В целеуказаниях содержится значение несущей частоты сигнала и
Воробьева Елена Ивановна - ВГТУ, канд. техн. наук, доцент, e-mail: VorobevaDoc@rambler.ru Немцов Роман Александрович - ВГТУ, студент, e-mail: TokarevAB@ircoc.vrn.ru
Чураков Петр Павлович - ПГУ, д-р техн. наук, профессор, тел. (8412) 36-82-40
ширины его спектра. Для решения задач перехвата (документирование сообщений) необходимо распознать вид модуляции сигнала и подключить к приемнику соответствующий демодулятор.
В УКВ диапазоне основными видами модуляции при передаче речевых сообщений являются частотная (ЧМ) и амплитудная (АМ) модуляции, поэтому встает задача различения данных видов модуляции.
Поскольку на вход аппаратуры радиоперехвата помимо сигналов воздействуют аддитивные помехи типа белого шума, то в первую очередь необходимо получить информацию о наличия сигнала, для чего используется автоматический поиск активных каналов, где обычно применяются алгоритмы с фиксированным порогом, с плавающим порогом, по накопленному спектру, по превышению эталонного спектра [2].
После обнаружения сигнала для получения информации необходимо определить вид его модуляции. Существующие алгоритмы распознавания вида модуляции принимаемого сигнала основаны на обнаружении нестационарности по частоте в случае ЧМ-сигналов и амплитуде в случае АМ-сигналов [3]. Эти алгоритмы реализованы и протестированы как на искусственно смоделированных, так и на реальных эфирных сигналах, и показали достаточно высокую помехоустойчивость. Однако, недостатком данных алгоритмов являются тесты на стационарность, так как выявление нестационарности в речевых сигналах требует достаточно много времени и исключения пауз между произносимыми словами, да и наличие шума сильно влияет на коэффициент стационарности. А также при наличии паразитной амплитудной модуляции в случае ЧМ-сигналов или отклонениях рабочей частоты сигнала при АМ-сигналах может быть вынесено неправильное решение о принадлежности принимаемого сигнала.
Другим вариантом решения задачи определения модуляционной структуры сигнала является использование методов статистической теории распознавания образов. Постановка задачи распознавания предполагает выбор признаков распознавания, определение их статистических характеристик, формирование эталонных описаний распознаваемых классов, выбор решающего правила отнесения контрольной выборки и способов оценивания ошибок распознавания.
В классической постановке задача распознавания формулируется как задача отнесения некоторой контрольной выборки признаков распознавания {x1}, i =1, ..., N к одному из распознаваемых классов S1, ..., 8т. При этом известные методы распознавания отличаются в основном способами описания Sl, ..., 8т.
В настоящее время хорошо изучена задача распознавания для полностью описанных классов, когда они однозначно определяются функциями распределения '^(х) = '(х^), либо функциями плотности вероятности w(x|S1) = = dW(x|S1)/dx и априорными вероятностями их появления p1. [5].
Однако, для проведения технического анализа модуляционной структуры сигналов систем радиосвязи использование классических методов оптимальной оценки параметров и статистической теории распознавания образов малоэффективно. Требование оперативности настройки обрабатывающей аппаратуры обусловливает необходимость разработки специальных методов определения модуляционных параметров по неклассифицированной выборке фиксированного объема, поэтому практический интерес представляет задача разработки более простого и эффективного метода определения модуляции.
Учитывая случайный характер модулирующего сигнала, в качестве признаков распознавания могут быть использованы статистические характеристики процессов на выходе амплитудного и частотного детекторов. Поскольку перехват предполагает обработку сигналов, модулированных речью, то при выборе признаков распознавания видов модуляции на выходе детекторов, необходимо рассмотреть особенности образования речевого сигнала.
Как известно [4], упрощенную модель ре-чеобразования можно представить в виде линейного фильтра с переменными параметрами, возбуждаемого либо генератором периодических импульсов, либо шумовым генератором. Линейный фильтр с переменными параметрами моделирует полость рта и носоглотки. По-
скольку для большей части звуков форма голосового тракта изменяется медленно, то процесс речеобразования можно считать квазистационарным. Возбуждение голосового тракта в пределах звонких участков речи является квазипериодической функцией с медленно изменяющимся периодом. Спектр звонких звуков, таким образом, представляет собой ряд частотных составляющих, амплитуда которых определяется откликом голосового тракта. В спектре звонких звуков ярко выделяется частота основного тона, соответствующая частоте колебаний голосовых связок.
В процессе демодуляции на вход детектора подается модулированное колебание, содержащее только высокочастотные составляющие, а на выходе выделяется напряжение с низкочастотным спектром передаваемого сообщения. Следовательно, детектирование сопровождается трансформацией частотного спектра и не может быть осуществлено без применения нелинейных цепей. В цифровой технике реализация нелинейного элемента с заданными характеристиками является затруднительной, поэтому принято использовать преобразование Гильберта для построения демодуляторов [7].
Наиболее подходящей структурой для реализации цифровых преобразований Гильберта, являются нерекурсивные КИХ-фильтры с линейной фазочастотной характеристикой, что является важным условием для синтеза преобразователей Гильберта.
Как уже упоминалось, в условия радиоперехвата на речевой сигнал накладываются шумы. Исходя из этого, распознавание вида модуляции производится на фоне шумовых помех. Кроме шумовых помех, формируемых на входе аппаратуры радиоперехвата с гаус-совским законом распределения, имеются помехи, обусловленные шумами цифровой обработки с законом распределения отличного от нормального. В зависимости от вида модуляции принимаемого сигнала, на выходе амплитудного и частотного детекторов будет наблюдаться смесь сигнала и помех с различным отношением сигнал/помеха, изменяющим форму распределения амплитуды данной смеси.
Форма закона распределения достаточно полно отражается в двух моментах: дисперсии и эксцесса.
Эксцесс или точнее, коэффициент эксцесса измеряет "пикообразность" распределения. Если эксцесс значимо отличен от 0, то функция плотности либо имеет более закругленный, либо более острый пик, чем пик плотности нормального распределения. Функция плотно-
сти нормального распределения имеет эксцесс равный 0. Оценка эксцесса (выборочный эксцесс) вычисляется как
£ =
п • (п +1) • М - 3 • М1 ■ (п-1) (п-1) • (п - 2) • (п - 3) •а4
(1)
где MJ - равен (х1-Меапх)1; п - число наблюдений; о4 - стандартное отклонение (сигма), возведенное в четвертую степень.
Дисперсия учитывает мощность случайного процесса на выходе детекторов. И, поскольку с выходов детекторов сигнал проходит через полосовой фильтр, можно предположить, что мощность процесса на выходе амплитудного детектора при подаче на его вход амплитудно-модулируемого сигнала будет больше, чем, если на входе присутствует частотно-модулированное колебание или только шум.
На выходе частотного детектора, поскольку он является более помехозащищен-ным, при подаче его на вход частотно-модулируемого сигнала в условиях присутствия в смеси гармонических составляющих речевого сигнала, вершина графика закона распределения будет «упрощаться», что и должно найти отражение в значениях эксцесса.
Поэтому в качестве основных признаков для распознавания вида модуляции предлагается использование именно этих моментов.
Гистограммы функций плотности распределения дисперсии и эксцесса строятся по результатам статистических испытаний, используя рекомендации для расчета количества интервалов группировки.
Типичной рекомендацией первой группы является утверждение [8], что группирование необходимо проводить так, чтобы получалось не менее шести и не более двадцати интервалов.
Ко второй группе относятся рекомендации [9], в соответствии с которыми оптимальное число интервалов группирования сильнее зависит от эксцесса распределения ^, чем от объема выборки п, и может быть рассчитано по формуле:
£ + 1.5 04
т = ---п .
6
(2)
В принципе можно использовать рекомендации как первой, так и второй группы, но в данном случае для расчета количества интервалов группировки при построении гистограмм использовалось выражение (2).
Построенные по результатам статистических испытаний гистограммы функций плот-
ности распределения дисперсии и эксцесса на выходе амплитудного и частотного детекторов соответственно для различных сигналов представлены на рисунках 1 и 2.
Рис. 1. Распределение эксцессы на выходе частотного детектора при поступлении на вход смеси ЧМ-сигнала, АМ-сигнала и шума
Как видно на рисунке 1 распределение, соответствующее ЧМ сигналу при прохождении частотного детектора, не пересекается с остальными распределениями, что позволяет при пороге равном £ = -1.3, перейти к градации данного признака на два уровня:
£ > I - наличие АМ-сигнала или шума;
£ < I - наличие ЧМ-сигнала.
500
400
300
200
100
0
0,002 0,004 0,006 0,008 0,01 0,012
Рис. 2. Распределение дисперсии на выходе амплитудного детектора при поступлении на вход смеси АМ-сигнала и шума
Анализ распределений на рисунке 2 в области пересечения функций, соответствующих шумовому и АМ сигналу показывает, что также при пороге а2 = 0.0097, возможен переход к градации признака на два уровня:
а2 < I - присутствует только шум;
а2 > I - присутствует сигнал с АМ.
На основе данного анализа разработан алгоритм принятия решений, блок-схема которого представлена на рисунке 3.
Как видно данный метод распознавания вида модуляции достаточно прост и имеет преимущества перед традиционными. Он не требуется применение дополнительной аппаратуры спектрального анализа, отсутствует влияние нестационарности на принятие решения, позволяет оперативно осуществлять настройку обрабатывающей аппаратуры.
Литература
1. Оппенгейм, А.В. Цифровая обработка сигналов [Текст]: пер. с англ. / А.В. Оппенгейм, Р.В. Шафер. - М. :
Связь, 1979. - 416 с.
2. Гоноровский, И.С. Радиотехнические цепи и сигналы [Текст] / И.С. Гоноровский - М.: Радио и связь, 1986. - 513 с.
3. Бендат, Дж. Прикладной анализ случайных данных [Текст]: пер. с англ. / Дж. Бендат, А. Пирсол. -М. : Мир, 1989. - 540 с.
4. Рабинер, Л. Теория и применение цифровой обработки сигналов [Текст] / Л. Рабинер, Б. Гоулд. - М. : Мир, 1978. - 848 с.
5. Фомин, Я.А. Статистическая теория распознавания образов [Текст] / Я.А. Фомин, Г.Р. Тарловский. -М. : Радио и связь, 1986. - 264 с.
6. Сосулин, Ю.Г. Теория обнаружения и оценивания стохастических сигналов [Текст] / Ю.Г. Сосулин - М. : Советское радио, 1978. - 320 с.
7. Маркел, Дж. Линейное предсказание речи [Текст]: пер. с англ. / Дж. Маркел, А.Х. Грэй. - М. : Связь, 1980. - 308 с.
8. Марпл-мл., С.Л. Цифровой спектральный анализ и его приложения [Текст]: пер. с англ. / С.Л. Марпл-мл. -М. : Мир, 1990. - 584 с.
9. Рабинер, Л.Р. Цифровая обработка речевых сигналов [Текст]: пер. с англ. / Л.Р. Рабинер, Р.В. Шафер - М. : Радио и связь, 1981. - 490 с.
10. Picone, J. Signal Modeling Techniques in Speech Recognition / J. Picone // Proc. of the IEEE, September 1993, vol. 81, no 9. - P. 1215-1247.
11. Rabiner, L.R. Fundamentals of Speech Recognition / L.R. Rabiner, B.H. Juang. - Englewood Cliffs, N.J., Prentice-Hall, 1993. - 507 p.
Воронежский государственный технический университет Пензенский государственный университет
RECOGNITION OF SIGNALS MODULATION TYPE IN THE RADIO MONITORING SYSTEMS
E. I. Vorobjeva, R.A. Nemtcov, P.P. Churakov
Radio monitoring systems play a huge role today. They provide control of radio-electronic means, retrieving information from the transmitted signal and its subsequent processing. In this regard, the requirements to radio monitoring systems are increased for high precision on-obtainable information. In this paper we present a method for signals modulation types recognition using statistical parameters.
Key words: torque analysis, detectors, recognition of modulation types, radio monitoring
