基于MFCC的OFDM信号子载波调制方式识别方法*

张海川,雷迎科

(1 电子工程学院,合肥 230037;2 通信信息控制和安全技术重点实验室,浙江嘉兴 314033)

基于MFCC的OFDM信号子载波调制方式识别方法*

张海川1,2,雷迎科1,2

(1 电子工程学院,合肥 230037;2 通信信息控制和安全技术重点实验室,浙江嘉兴 314033)

针对多径信道下传统的OFDM信号子载波调制方式识别方法存在识别率不高,判决门限不易确定,子载波调制方式识别不全面等问题,提出一种基于MFCC的OFDM信号子载波调制方式识别方法。利用语音模型下的识别算法提取OFDM信号的MFCC特征参数,计算出各阶MFCC特征参数的平均标准偏差和平均变化率,并将两类参数的组合作为OFDM信号子载波调制方式分类特征量对子载波调制方式进行识别。仿真实验结果表明,该方法能够有效实现多径信道下OFDM信号子载波多种调制方式的识别,且识别性能优于传统方法。

OFDM;分类特征量;MFCC;递归降阶

0 引言

正交频分复用(OFDM)技术因其良好的抗频率选择性衰落特性而被广泛应用于军事领域。正确识别出OFDM信号的子载波调制方式是对敌方通信进行干扰和侦听的重要前提[1-2],有利于集中资源对敌方通信信号进行阻塞式干扰。

OFDM信号子载波的调制方式主要有多进制正交振幅调制(MQAM)和多进制相位调制(MPSK)两种。文献[3]提出一种基于最大似然函数的OFDM信号子载波调制方式识别方法,但该方法不适用于多径衰落信道。文献[4]提出了利用星座点的统计特性和OFDM系统的等效标量模型盲估计方法,但该方法在低信噪比条件下识别效果不理想,且所要求的先验知识较多。文献[5]提出利用高阶累积量和矢量图最小环带模值方差对OFDM信号子载波调制方式进行了识别,但该方法对十六进制正交振幅调制(16QAM)的识别率较低。文献[6-9]提出基于高阶累积量和混合矩的OFDM信号子载波调制方式识别方法,但这些方法均需要计算八阶以上的高阶累积量,计算复杂度较高,且对较高阶的正交振幅调制方式识别率不高。

针对上述问题,文中提出了一种基于梅尔频率倒谱系数(MFCC)的OFDM信号子载波调制方式识别方法。该方法在多径衰落信道下识别率较高,且可以有效识别高阶正交振幅调制方式(64QAM,256QAM)和高阶相位调制方式(8PSK,16PSK),具有良好的识别范围

1 OFDM信号模型

OFDM发射信号可以表示为[10]:

s(t)=

(1)

式中:TS为OFDM的符号周期;NS为子载波数;L是发射的OFDM符号数;ε为归一化的频率偏移;u(t)表示在[0,TS)内的升余弦滤波器;dk,l表示调制在第k个子载波上第l个OFDM符号的数据。假设发射信号通过有M条路径的多径信道,第m条路径的信道响应函数为h(m),则接收端接收的信号为:

(2)

(3)

2 基于MFCC的OFDM信号子载波调制方式识别方法

2.1 梅尔频率倒谱系数(MFCC)

梅尔频率倒谱系数是基于人耳听觉特性提出的特征参量,其对应的梅尔频率与赫兹频率成非线性关系,频率f与梅尔频率之间的转换公式为[11]:

(4)

式中f为频率(Hz)。

OFDM信号的梅尔频率倒谱系数既保留了信号的基本特征,又移除了信号的冗余信息,相对原始接收信号的抗噪能力更加鲁棒[12]。2.2 OFDM信号梅尔频率倒谱系数的提取

OFDM信号梅尔频率倒谱系数的提取是一个数据约减的过程[13],OFDM信号MFCC的提取流程如图1所示,其基本步骤归纳如下:

图1 OFDM信号的MFCC提取过程

1)将OFDM信号进行汉明加窗处理,得到每帧OFDM时域信号,然后经过离散傅里叶变换(DFT)得到线性频谱X(k):

(5)

式中N是离散傅里叶变换的点数。

2)将上述线性频谱通过梅尔滤波器组模块并进行对数能量处理得到对数梅尔频谱S(l)[13]:

0≤l≤L

(6)

式中:Hl(k)为具有三角滤波特性的梅尔带通滤波器;L为滤波器的个数。

3)将上述对数梅尔频谱S(l)经过离散余弦变换(DCT)可得到梅尔频率倒谱系数(MFCC)。

0≤g≤G

(7)

式中:cg为第g个MFCC序列;G为MFCC序列的个数。由于OFDM信号的大部分信息都集中在低阶MFCC序列中,因而通常情况OFDM信号MFCC序列的提取个数不超过20[14]。2.3 子载波调制方式识别

文献[13]中定义和推导了不同单载波数字通信信号MFCC序列的差异,并以其统计特征值作为分类特征量,但该方法并未应用到多载波信号中。OFDM是一种多载波调制信号,不同子载波调制方式下MFCC序列互不相同,因此可以将OFDM信号的MFCC序列作为识别不同子载波调制方式的特征参量。文中选取OFDM信号MFCC序列的平均标准偏差和平均变化率作为分类特征量。MFCC序列的平均标准偏差为[15]:

(8)

式中σg为第g个MFCC序列的标准偏差。

1≤i≤I

(9)

式中I为OFDM信号的帧数。

MFCC序列的平均变化率v为:

(10)

式中vg为第g个MFCC序列的变化率。

(11)

式中:

(12)

不同调制方式分类特征量的理论值如表1所示。

表1 各调制方式分类特征量的理论值

由表1可以看出不同低阶子载波调制方式(BPSK、QPSK/4QAM、16QAM)的分类特征量σ、v各不相同。其中BPSK与QPSK/4QAM和16QAM的平均标准差σ差别较大,因此可以把其作为识别BPSK调制方式的分类特征量。而16QAM在平均变化率v上和QPSK/4QAM差别较大,因此可以将其作为区分16QAM与QPSK/4QAM的分类特征量。而当MQAM调制方式的阶数M>16,MPSK调制方式的阶数M>4时,不同阶数的MQAM和MPSK信号分类特征量相差较小,利用平均标准差σ和平均变化率v进行分类的性能变差,这种情况下,可以利用文献[16]中递归降价的算法对高阶的MQAM和MPSK信号进行降价处理后再分类。

3 仿真实验与分析

为了验证算法的性能,通过Matlab仿真平台在多径衰落信道下对文中提出的基于MFCC的OFDM信号子载波调制方式识别方法进行仿真实验。在仿真实验中,OFDM信号帧数为110,每帧有50个符号,OFDM信号子载波数为120,设置成型脉冲为矩形,循环前缀长度占有效符号长度的1/4,过采样率为4。梅尔滤波器组取24个滤波器,加汉明窗,提取的OFDM信号MFCC阶数为13。

3.1 不同调制方式下的MFCC

在上述实验条件下,绘制BPSK、QPSK/4QAM、16QAM调制方式下OFDM信号MFCC序列三维图,如图2～图4所示。从图2～图4可以看出,BPSK调制方式下不同阶数的MFCC序列数值波动较剧烈,同一阶的MFCC序列变化较明显,QPSK/4QAM调制方式下同一阶的MFCC序列变化较大,而不同阶的MFCC序列数值波动相对BPSK调制方式的情况则略显平缓,16QAM调制方式下不同阶的MFCC序列数值波动较小,同一阶的MFCC序列变化不明显。由此可见,BPSK调制方式与QPSK/4QAM和16QAM调制方式在不同阶MFCC序列数值波动上差别较大,因此可以把MFCC序列的平均标准差σ作为识别BPSK调制方式的分类特征量。而16QAM调制方式与QPSK/4QAM调制方式在同一阶的MFCC序列数值变化上差别较大,因此可以把MFCC序列的平均变化率v作为区分16QAM与QPSK/4QAM的分类特征量。验证了文中将平均标准差σ和平均变化率v作为调制方式分类特征量的合理性。

图2 BPSK调制方式下的MFCC参数

图3 QPSK/4QAM调制方式下的MFCC参数

图4 16QAM调制方式下的MFCC参数

3.2 多径信道下不同调制方式的识别率

本节实验中,对文中提出的基于MFCC的子载波调制方式识别方法进行性能仿真,实验以子载波调制方式识别率作为衡量算法性能的标准,信道环境设置为6条路径的多径衰落信道,多径时延分别为[0 ns,2 ns,4 ns,8 ns,10 ns,12 ns],平均衰减功率分别为[0 dB,-2 dB,-4 dB,-6 dB,-8 dB,-10 dB],信噪比变化范围为-10～10 dB,步长为2 dB,在每个信噪比点上进行500次蒙特卡洛仿真实验,仿真曲线如图5和图6所示。

图5 子载波调制方式集W的识别率

图6 子载波调制方式集T的识别率

图5和图6分别为低阶子载波调制方式集W={BPSK,QPSK/4QAM,16QAM}和高阶子载波调制方式集T={8PSK,16PSK,64QAM,256QAM}的识别率曲线图。从图5中可以看出,信噪比为4 dB时,BPSK调制方式的识别率可达100%,16QAM和QPSK/4QAM调制方式的识别率接近90%,当信噪比达到6 dB时,16QAM和QPSK/4QAM的识别率可达100%。由此可见,当信噪比大于等于6 dB时,文中方法可有效识别出低阶子载波调制方式。观察图6可知,信噪比为8 dB时,8PSK和16PSK调制方式的识别率可达100%,64QAM调制方式的识别率达到90%以上,256QAM调制方式的识别率接近90%,当信噪比达到10 dB时,8PSK、16PSK和64QAM 3种调制方式的识别率均可达到100%,256QAM调制方式的识别率可达95%以上。由此可见,当信噪比大于10 dB时,文中方法可有效识别出高阶子载波调制方式。对比图5和图6可知,信噪比大于等于4 dB时,低阶子载波调制方式的识别率整体上要高于高阶子载波调制方式的识别率,而当信噪比大于10 dB时,低阶和高阶子载波调制方式的识别率均可达到100%,验证了文中方法在多径衰落信道下对低阶和高阶子载波调制方式均具有良好的识别性能。

3.3 频偏干扰下不同算法的识别率

为考察频率偏移对文中实验结果的影响,在相同实验条件下,对归一化频偏分别为0.2和0.8的OFDM信号子载波调制方式进行识别,子载波调制方式采用16QAM,并与文献[3]中基于最大似然函数的OFDM信号子载波调制方式识别方法进行识别性能对比,实验结果如图7所示。

图7 不同频偏下两种算法性能对比

从图7中可以看出,文中方法在相同信噪比点上的识别率明显高于文献[3]中的方法,且识别率受频偏影响较小,在不同频偏条件下的识别率大致相同,在信噪比高于8 dB时的识别率可达到90%以上。而文献[3]中方法的识别率则受频偏影响较大,归一化频偏为0.2时,文献[3]中方法的识别率在信噪比达到10 dB时还不到20%。当归一化频偏变为0.8时,识别率则下降到10%附近。在这两种情况下文献[3]中方法均无法正确识别出OFDM信号子载波的调制方式,因此在归一化频偏的干扰下文中方法对OFDM信号子载波调制方式的识别性能优于传统方法。

4 结束语

针对多径衰落信道下传统的OFDM信号子载波调制方式识别方法存在识别率不高,判决门限不易确定,识别方式不全面等问题,提出一种基于MFCC的OFDM信号子载波调制方式识别方法。通过对OFDM信号不同子载波调制方式MFCC序列的理论分析和仿真实验,得出不同子载波调制方式MFCC序列的平均标准偏差和平均变化率差别较大,因此将两类参数的组合作为OFDM信号子载波调制方式分类特征量,并对低阶子载波调制方式MQAM(M=4、16)和MPSK(M=2、4)进行识别,同时采用递归降价的方法识别高阶子载波调制方式MQAM(M=4、16)和MPSK(M=8、16)。仿真实验结果表明,该方法有效实现了多径信道下OFDM信号子载波调制方式的识别,且识别性能优于传统方法。

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

[2] 蒋清平, 杨士中, 张天琪. OFDM信号循环谱分析及参数估计 [J]. 计算机应用研究, 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, 程韧. OFDM信号调制类型盲检测研究 [J]. 通信技术, 2008, 41(1): 4-5.

[5] 刘明骞, 李兵兵, 赵雷. 含有导频的OFDM信号子载波的调制方式识别方法 [J]. 北京邮电大学学报, 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] 安宁, 李兵兵, 黄敏. 自适应OFDM系统子载波调制方式盲识别算法 [J]. 西北大学学报(自然科学版), 2011, 41(2): 231-234.

[9] 韩钢, 李建东, 李长乐. 自适应OFDM中信号盲检测技术 [J]. 西安电子科技大学学报(自然科学版), 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] 胡政权, 曾毓敏, 宗原, 等. 说话人识别中MFCC参数提取的改进 [J]. 计算机工程与应用, 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] 常飞, 乔欣, 张申, 等. 基于MFCC特征提取的故障检测与预测评价方法 [J]. 计算机应用研究, 2015, 32(6): 1716-1719.

[15] 吕霄云, 王宏霞. 基于MFCC和短时能量混合的异常声音识别算法 [J]. 计算机应用, 2010, 30(3): 796-798.

[16] 位小计. 数字通信信号的调制方式识别研究 [D]. 哈尔滨: 哈尔滨工程大学, 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 基金项目:国家自然科学基金(61272333);国防科技重点实验室基金(9140C130502140C13068);解放军总装备部预研项目基金;安徽省自然科学基金(1308085QF99)资助

张海川(1991-)男,河北秦皇岛人,硕士研究生,研究方向:OFDM信号处理。

TN911

A