本發(fā)明屬于信號處理技術領域，具體涉及一種基于GEV(Generalized Extreme Value)分布擬合檢驗的LFM/BPSK(linear frequency modulation/binary phase shift keying)混合調制信號盲處理結果的校驗方法。

背景技術：

在非協(xié)作信號處理場合(如電子偵察、認知無線電等)，由于缺乏信號的先驗信息，前端處理環(huán)節(jié)中的檢測、調制識別及參數(shù)估計等只能進行盲處理。顯然，其處理結果的可靠與否，直接影響后續(xù)環(huán)節(jié)(如信號的跟蹤、干擾及頻譜管理)的性能。因此，對信號盲處理結果的校驗，對于提高整個處理系統(tǒng)的有效性與可靠性具有重要價值，已成為軍用及民用信號處理中的熱點與難點課題，并引起相關學者普遍重視。

相關文獻針對雷達脈內分析中常用單一調制信號，利用幅度、相位等特征，對其盲處理結果的進行了校驗。但在雷達電子偵察中，隨著電磁環(huán)境的復雜化，為了進一步提高性能及戰(zhàn)場生存概率，混合調制信號被廣泛采用，常見的混合調制信號如：LFM/BPSK、FSK/BPSK、S型非線性調頻等。顯然，此類信號因為調制機制復雜，其解調過程發(fā)生錯誤的概率更大，對其處理結果的校驗更具實際價值。目前的相關研究大都集中于對單一調制信號處理結果的校驗，針對混合調制信號盲處理結果的校驗研究尚未見公開。

技術實現(xiàn)要素：

本發(fā)明的針對現(xiàn)有技術中的不足，提供一種LFM/BPSK混合調制信號盲處理結果的校驗方法。

為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

一種LFM/BPSK混合調制信號盲處理結果的校驗方法，其特征在于，包括如下步驟：

1)建立參考信號：對觀測信號進行調制方式識別，根據(jù)識別結果對應的模型，構建參考信號并建立假設檢驗問題；

2)選取特征：將參考信號與接收到的觀測信號相關，計算相關序列的相關譜，對相關譜分組取最大值，得到分組極值序列；

3)根據(jù)分組極值序列計算相關譜的GEV經驗積累分布函數(shù)，將假設檢驗問題轉化為概率分布擬合檢驗，利用Kolmogorov-Smirnov方法進行分布擬合檢驗；

4)根據(jù)擬合優(yōu)度校驗LFM/BPSK信號的盲處理結果。

為優(yōu)化上述技術方案，采取的具體措施還包括：

在步驟1)中，建立疊加了高斯白噪聲的LFM/BPSK混合調制信號模型為

x(n)＝s(n)+w(n)

＝Aexp[j(2πf₀Δtn+πl(wèi)Δt²n²+θ(n)+θ₀)]+w(n),0≤n≤N-1

其中，A為信號幅度，j為虛數(shù)單位，f₀為起始頻率，Δt為采樣間隔，l為調頻斜率，BPSK分量的相位函數(shù)θ(n)＝πd₂(n)，d₂(n)為二元編碼信號，其碼元寬度為T_c，碼元個數(shù)N_c，碼字為c_m,m＝1,...,N_c，θ₀為初相位，N為樣本點數(shù)，w(n)為零均值加性復高斯白噪聲過程；

構建參考信號y(n)，建立假設檢驗問題H₀和H₁，H₀表示調制方式識別結果正確且無解碼錯誤，H₁表示調制方式識別錯誤或存在至少一位錯誤解碼。

步驟2)中具體包括以下步驟：

2.1)計算參考信號和觀測信號的相關序列z(n)＝x(n)+y(n)；

2.2)對相關序列去均值后得到零均值的相關序列z_m(n)，對零均值的相關序列作DFT變換并取模，得到相關譜Z_m(k)＝|DFT[z_m(n)]|，0≤k≤N-1；

2.3)定義平方相關譜

2.4)將R(k)分為L組，取第i組的最大值γ_i，i＝0,...,L-1，得到分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)，每組的長度為5-15個樣本點。

步驟3)中具體包括以下步驟：

3.1)根據(jù)分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)計算平方相關譜R(k)的GEV經驗積累分布函數(shù)將H₀與H₁的假設檢驗問題轉化為概率分布擬合檢驗其中F₀為Gumbel分布的理論分布；

3.2)利用分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)，構造經驗分布函數(shù)I(x)為示性函數(shù)，當輸入條件滿足時，取1，否則為0；

3.3)將與F₀之間差異的最大值作為分布擬合檢驗的統(tǒng)計量，即

計算D的估計值

的顯著性水平其中P為概率，

本發(fā)明的有益效果是：可在無信號參數(shù)及噪聲方差信息的條件下，有效完成對LFM/BPSK復合信號盲處理結果的校驗，方法簡單有效，對于提高雷達情報分析結果的可靠性與有效性具有重要的理論價值與實踐意義。此外，該方法還可推廣到其它混合調制信號盲處理結果的校驗中。

附圖說明

圖1是本發(fā)明的方法流程圖。

圖2-6是不同假設下平方相關譜的經驗分布與Gumbel理論分布的對比示意圖。

圖2表示識別正確且無解碼錯誤。

圖3表示誤識為LFM信號。

圖4表示誤識為BPSK信號。

圖5表示識別正確，但存在1位解碼錯誤。

圖6表示識別正確，但存在2位解碼錯誤。

具體實施方式

現(xiàn)在結合附圖對本發(fā)明作進一步詳細的說明。

本發(fā)明首先根據(jù)調制識別結果對應的信號模型構造參考信號，計算此參考信號與觀測信號的平方相關譜，適當分段后取每個分段的最大值構成分組極值序列，而后利用KS方法對分組極值序列作GEV分布擬合檢驗，對單次LFM/BPSK信號盲處理的結果進行校驗。

圖1示出了基于GEV分布擬合檢驗的LEM/BPSK混合調制信號盲處理結果的校驗方法流程，具體包括以下幾個步驟：

1、參考信號建立：

構建疊加了高斯白噪聲的LFM/BPSK混合調制信號模型為

x(n)＝s(n)+w(n)

＝Aexp[j(2πf₀Δtn+πl(wèi)Δt²n²+θ(n)+θ₀)]+w(n),0≤n≤N-1

其中，A為信號幅度，j為虛數(shù)單位，f₀為起始頻率，Δt為采樣間隔，l為調頻斜率，BPSK分量的相位函數(shù)θ(n)＝πd₂(n)，d₂(n)為二元編碼信號，其碼元寬度為T_c，碼元個數(shù)N_c，碼字為c_m,m＝1,...,N_c，θ₀為初相位，N為樣本點數(shù)，w(n)為零均值加性復高斯白噪聲過程，其實部與虛部相互獨立，且與信號互不相關，方差為2σ²。

可將LFM/BPSK信號盲處理結果的校驗歸結為如下假設檢驗問題：

H₀表示調制方式識別結果正確且無解碼錯誤；

H₁表示調制方式識別錯誤或存在至少一位錯誤解碼。

對觀測信號進行調制方式識別，根據(jù)識別結果對應的模型，構建參考信號y(n)。

1)若調制方式識別正確、LFM信號分量的參數(shù)準確且BPSK信號分量無解碼錯誤時，即H₀，利用適配參數(shù)集：起始頻率調頻斜率及BPSK信號分量的相位函數(shù)構造適配參考信號

2)若調制方式識別正確但存在解碼錯誤時，記為H₁中的H_1A，仍根據(jù)BPSK/LFM信號模型的失配參數(shù)集：起始頻率調頻斜率及BPSK信號分量的相位函數(shù)建立失配參考信號

3)若LFM/BPSK信號的調制識別結果錯誤且誤識為LFM信號時，記為H₁中的H_1B，建立失配參考信號

2、特征選?。簩⒖夹盘柵c接收到的觀測信號相關，計算相關序列的平方譜，并將其分組取最大值，得到分組極值序列。

2.1計算參考信號與接收觀測信號的相關序列。

1)在H₀假設下，將參考信號與接收到的觀測信號相關后得相關序列z₀(n)

z₀(n)＝x(n)y₀(n)＝Aexp[j(2πΔfΔtn+πΔlΔt²n²+Δθ(n)+θ₀)]+w(n)y₀(n)

＝s₀(n)+w₀(n)

式中，s₀(n)與w₀(n)分別表示相關序列z₀(n)中的信號分量與噪聲分量，分別為起始頻率、調頻系數(shù)以及相位函數(shù)的誤差。

2)在H_1A假設下，可得相關序列為

z₁(n)＝x(n)y_1A(n)＝Aexp[j(2πΔfΔtn+πΔlΔt²n²+Δθ(n)+θ₀)]+w(n)y_1A(n)

＝s_1A(n)+w_1A(n)

式中，s_1A(n),w_1A(n)分別表示相關序列z₁(n)的信號分量與等效噪聲分量，如前所述，分別為失配時的參數(shù)誤差。

3)在H_1B假設下，相關序列為

z(n)＝x(n)y_1BLFM(n)＝Aexp[j(2πΔfΔtn+πΔlΔt²n²+θ(n)+θ₀)]+w(n)y_1BLFM(n)

＝s_1BLFM(n)+w_1BLFM(n)

式中參數(shù)如前所述，以此類推。

2.2對相關序列去均值后得到零均值的相關序列z_m(n)，對零均值的相關序列作DFT變換并取模，得到相關譜Z_m(k)＝|DFT[z_m(n)]|，0≤k≤N-1。

2.3定義平方相關譜

2.4將R(k)分為L組，取第i組的最大值γ_i，i＝0,...,L-1，得到分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)，每組的長度為5-15個樣本點，具體根據(jù)信號長度來確定。

3、根據(jù)分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)計算平方相關譜R(k)的GEV經驗積累分布函數(shù)并區(qū)分H₀與H₁的假設檢驗問題，將其轉化為如下概率分布擬合檢驗：

其中，F(xiàn)₀為Gumbel分布的理論分布。

然后，利用Kolmogorov-Smirnov方法進行分布擬合檢驗，具體流程如下：

利用分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)，構造經驗分布函數(shù)I(x)為示性函數(shù)，當輸入條件滿足時，取1，否則為0。

將與F₀之間差異的最大值作為分布擬合檢驗的統(tǒng)計量，即

計算D的估計值

的顯著性水平

其中P為概率，

4、可信性判決：給定顯著性水平α，若則H₀假設成立，否則H₀不成立。

圖2-6是對不同假設下的平方相關譜的經驗分布與Gumbel理論分布的對比示意圖。圖中單獨的一條曲線為根據(jù)樣本擬合得到的經驗分布，而密集的線陣對應于Gumbel分布函數(shù)。由圖可見：1)在H₀假設下，分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)的GEV經驗分布與理論Gumbel分布基本吻合，說明分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)服從Gumbel分布；2)在H₁假設下，分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)的GEV經驗分布與理論Gumbel分布存在不吻合之處，說明分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)不服從Gumbel分布。于是，對LFM/BSPK復合調制信號盲處理結果的校驗可轉化為對分組極值序列Γ＝(γ₀,γ₁,...,γ_L-1)的GEV分布的擬合優(yōu)度檢驗。

假設接收到的觀測信號為疊加了高斯白噪聲的LFM/BPSK混合調制信號，表1所示為利用基于GEV分布擬合檢驗的LFM/BPSK混合調制信號盲處理結果的校驗方法進行檢驗時的統(tǒng)計性能仿真結果。

其中，LFM/BPSK混合調制信號起始頻率100MHz，調頻系數(shù)l＝300MHz/s，碼元寬度0.4μs，碼序列為13位巴克碼，初相位為π/4時，樣本長度為1040點，顯著性水平分別為0.01，0.05，0.1，分塊數(shù)為5。

表1不同信噪比的校驗性能(EVT法)

當信噪比等于3dB時，所選擇的處理方法，1000次仿真中不可信處理結果的次數(shù)為2，可信處理結果的次數(shù)為998，P_fa取0.01時，利用本文方法對處理結果的可信性進行檢驗時，平均正確校驗概率近似為99.9％。信噪比小于-3dB大于-7dB時，1000次仿真中，出現(xiàn)不可信處理的次數(shù)急驟增加，本方法具有較好的校驗性能。以-3dB為例，虛警概率P_fa取0.1時，平均正確校驗概率達98.9％。信噪比小于-5dB之后，可信性評估算法性能變差。

以上僅是本發(fā)明的優(yōu)選實施方式，本發(fā)明的保護范圍并不僅局限于上述實施例，凡屬于本發(fā)明思路下的技術方案均屬于本發(fā)明的保護范圍。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理前提下的若干改進和潤飾，應視為本發(fā)明的保護范圍。