基于模板匹配的2G-ALE信号识别技术

林肖辉，张润生

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)



基于模板匹配的2G-ALE信号识别技术

林肖辉，张润生

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

摘要：针对具有特定频谱特征信号的识别是无线电频谱监测系统的重要功能之一，而第二代自动链路建立信号(2G-ALE)是短波频谱监测中的常见信号。由于传统算法仅仅适用于窄带单信号的应用场景，针对宽带监测接收系统的应用条件，提出了一种基于频谱模板匹配的2G-ALE信号自动识别方法。根据具体协议基于已知样本构造信号频谱模板，计算接收信号的最大保持谱，逐点滑动求其与频谱模板的Pearson相关系数，构造检验统计量，通过与判决门限比较完成信号的自动识别。计算机仿真试验验证了算法的有效性。

关键词：模板匹配；宽带信号识别；2G-ALE；频谱监测

0引言

随着短波通信技术的不断发展，短波通信体制和信号形式呈现出日益多样化、复杂化[1]的趋势，这就给短波无线电频谱监测领域提出了空前的挑战。对特定目标信号协议类型的识别是频谱监测的主要任务之一[2]，而由于短波信道的不稳定性，造成了短波信号的协议识别困难[3]，已然成为困扰业内研究人员的难题[4]。

本文的协议识别指的是基于信号特征的物理层协议的确认过程，即给定目标信号和某一待识别的特定协议，来确认目标信号是否符合待识别协议特征的过程。文献[1]针对窄带2G-ALE(第二代自动链路建立)信号的算法只能适用于窄带单信号环境，而对于宽带接收、多信号并存的监测环境并不适用；文献[3]提出一种基于码元分布特性的FSK 信号大类识别算法，该算法同样只适用于窄带信号；文献[5]提出了基于模式识别的短波ALE系统8FSK信号解调，该算法可适用于窄带内2G-ALE信号的识别，但其同样很难应用于宽频带范围内多目标信号的识别。

因此，本文提出了一种基于频谱模板匹配的宽带2G-ALE信号识别算法。该算法通过构造2G-ALE信号频谱模板，然后将目标信号频谱与模板逐点求相关系数，最后通过判断相关系数是否大于门限来确认2G-ALE目标信号的检测与识别。

12G-ALE协议概述

短波通信技术是一种历史悠久的超视距通信技术，它通过信号在电离层的反射实现远距通信。由于电离层的物理特性随时间、空间和频率变化较大，通信信号的幅度衰落、相位起伏等也极其不稳定，严重影响短波通信质量。为了适应短波信道的不稳定性，自适应通信技术应运而生，其中自动链路建立技术就是一种典型的自适应通信技术[1]。第二代自动链路建立(2G-ALE)技术是目前广泛应用的一种自动链路建立技术，该协议信号是短波频谱监测中常见的信号形式[6]，因此对2G-ALE信号的识别具有重要的实际意义[7]。

2G-ALE具有链路质量自动分析功能，自动扫描接收功能、自动建立链路功能和信道自动切换功能。可以在设定的频率集中，通过FSK波形探测信道，不断监测信道质量的变化，采用信道切换方式，实现自动链路建立。使用2G-ALE协议的设备链路成功建立概率可达95%，从而保证了持续可靠的通信。

该协议物理层信号的典型特征为应用8FSK波形，每个音代表3bit的二进制数据，其8FSK码字采用格雷码映射，经8FSK 调制，信号以每秒 125 个单音(或符号)的速率发送，码元符号宽度为8 ms，比特速率为 375 bps，相邻频点的频率间隔为250Hz[8]，各音之间相位连续，从而保证基带音频信号占用频带最窄[9]，能量更加集中[10]。波形特征如表1所示。

表1　2G-ALE信号频率参数表

2G-ALE信号的频谱特征如图1所示。

图1　2G-ALE信号的频谱特征

2基于模板匹配的特定信号识别

2.1算法思想

根据经典的识别理论，模式识别的一般步骤为：① 数据预处理；② 特征提取；③ 分类器设计；④ 分类决策。其中特征提取过程就是通过某种变换将样本数据转换成能区分不同类别数据的特征的过程。特征提取过程相比分类器设计过程更依赖于具体问题和具体领域，是模式识别的难点。因此是否可以找到合适的特征是实现信号识别的关键。

通过分析2G-ALE协议，发现该信号的不变特征为其8FSK调制在频域的固定间隔的8个谱峰的特征。由图1可以看出，其谱峰相比标准谱峰存在畸变，并且由于噪声的影响，其谱峰上毛刺较多，在低信噪比条件下，这种毛刺现象更加明显。因此，提取这种8个峰值的特征并不容易。

这里采用模板匹配的方法[11]，提取标准频谱模板与输入信号频谱的相关性作为识别信号的基本特征。常用的提取2个向量X和Y相关性的方法是直接对二者取相关运算。而实际信号的频谱一般为非零均值，由于非零均值的存在，实际上与模板并不匹配的频谱也会出现较大的相关值。因此需要去均值和归一化来处理这一问题，而Pearson相关系数就是一种归一化相关的表示方法。本文采用输入信号频谱逐点滑动与模板频谱求Pearson相关系数的方法提取相关性。

2.2Pearson相关系数

Pearson相关系数[12]方法是一种统计学方法，全称Pearson乘积矩相关系数，它是协方差与两变量标准差乘积的比值，可以度量变量x与y之间的线性相关性。Pearson相关系数的值域为[-1,1]，是没有量纲的标准化协方差，变量x与y的线性变换不会影响相关系数的结果。

设变量x与y的采样集合分别为X和Y，则Pearson相关系数定义为:

(1)

其中：

如果rxy=1，表明变量x与y正线性相关，如果rxy=-1，表明变量x和y负线性相关，而如果rxy=0，表明变量x和y全不相关。因此rxy值接近或等于0时，认为x和y之间具有较小或者没有线性关系；rxy值接近或等于1时，认为x和y之间有较强的线性关系，这样就可以设定门限，通过比较相关系数和门限来判定变量x和y之间是否存在相关性。

2.3基于Pearson相关系数的识别方法

根据Pearson相关系数的特点，可以通过取频谱模板和目标信号频谱相关系数的方法来判断目标信号是否为2G-ALE信号。

令2G-ALE信号的频谱模板数据集合为Ft={Fti,i=1,…,N}，其中N为模板频谱的点数。令目标信号最大保持频谱集合为Fd={Fdi,i=1,…,M}，其中M为信号最大保持谱点数。在Fd中从第k个点开始取N个频谱点构成集合Fdk，构造相关系数Rk为：

(2)

(3)

门限Th可以根据实际情况设定，一般可以将Th设置得相对较低，保证较低的漏警率，当然这样会增加虚警率，这可以通过后续的解调操作来剔除虚警。实际应用中可以预先计算频谱模板的均值和方差，以提高计算效率。

2.4算法流程

算法流程归纳如下：

① 取标准样本数据分段，求最大保持谱；

② 通过快速傅里叶变换(FFT)求样本最大保持谱中2G-ALE信号对应的部分作为频谱模板Ft；

③ 对目标信号分段求最大保持谱Fd；

④ 目标信号最大保持谱Fd逐点滑动与模板频谱Ft求相关系数，根据式(3)计算检验统计量；

⑤ 给定显著性水平α，如果④中获得检验统计量集合中存在大于门限的值，则判定目标信号中存在2G-ALE信号。

3试验结果

试验条件：模板信号采用标准的无噪声2G-ALE信号构造。判决门限设定为0.5，模板和目标信号最大保持谱的FFT点数分别设定为1 024、2 048、4 096、8 192，在信噪比-5～5dB条件下检验不同FFT点数下算法的正确识别率和虚警率，蒙特卡罗仿真次数为10 000次。其中信噪比定义为信号所在带内信号的功率与带内噪声功率之比。评价虚警概率时，目标信号设定为与2G-ALE信号带宽一样的8PSK信号和4FSK信号。信号采样率为48 000Hz，以下所有试验均采用1 s的数据进行识别。

图2给出了2G-ALE信号的正确识别率，从图2可以看出随着FFT点数的增加识别率逐渐减小，使用8 192点的FFT时，需要1.5dB才能达到90%以上的识别率，这是由于随着FFT点数增加，频谱分辨率逐渐提高，最大保持谱中由于随机噪声造成的随机毛刺会更加明显，这些毛刺对相关系数会有一种减弱的效应。而这种效应在低信噪比下会更为明显，将严重影响相关系数的数值，降低算法识别性能。

图2　2G-ALE识别正确概率

图3给出了FFT点数分别为1 024、2 048点时信号识别的虚警率，因为虚警率很小，为使小数据有较好的显示效果，图中数据为原始数据取10lg()之后的结果。由于FFT点数为4 096、8 192点时，在10 000次仿真统计得到的虚警率为全零，故无法在对数图中画出。这也说明FFT点数取4 096、8 192点时虚警率至少为十的负四次方量级。

图3　2G-ALE识别虚警率

通过图3可以看出，FFT点数为1 024时，随着信噪比的升高，反而虚警率会升高，在信噪比大于2dB已经达到了近似100%的虚警率，说明此时其识别结果已经完全不可信，其原因在于FFT点数为1 024时，频谱的分辨率为48 000/1 024=46.875Hz，而2G-ALE的谱峰间隔为250Hz，这样每个谱峰仅有5个点，此时分辨率过低，造成8FSK特征被淡化，无法充分表征，因此会造成较大虚警。这种随信噪比增加虚警率增加的趋势原因在于信噪比较高时噪声对识别过程的影响较小，此时造成虚警高的主要因素是低分辨率问题，而在信噪比较低时，识别过程中噪声起到很大的作用，而噪声与模板是不相关的，所以信噪比低时虚警率更低。FFT点数为2 048点时，虚警率在十的负三次方量级，可见随着FFT点数增加虚警率是逐渐减小的。

结合识别正确率和虚警率结果，发现在FFT点数取4 096点时，其正确率在0dB以下仍能有近似100%的正确识别率，且具有很小的虚警，因此在实际应用中采用4 096点FFT做最大保持谱进行2G-ALE的识别。

4结束语

第二代自动链路建立信号是短波频谱监测需要处理的常见信号。本文提出了基于Pearson相关系数的模板匹配的2G-ALE识别算法，该算法可以适应宽带多信号环境，且具有较高的稳健性，在信噪比为-1dB时仍可达到近似100%的正确识别概率，且保持较低的虚警率。由于该算法使用模板匹配的方式，因此可以对不同的信号构造不同的模板，具有通用性、可移植性，只要信号频谱具有较特殊的不变特征(如Link11CLEW等)，就可以利用该方法进行识别。因此，该识别算法在工程实践中具有很好的应用前景。

参考文献

[1]王金龙.短波数字通信研究与实践[M].北京:科学出版社,2013.

[2]王程乘.短波通信中8FSK的识别及ALE建链技术研究[D].西安:西安电子科技大学,2011：15-20.

[3]林祎， 彭华，王彬，等.基于码元分布特性的FSK信号识别算法[J].信息工程大学学报,2012,13(3):274-280.

[4]王志力，王玉文，蒋瑜，等.基于决策理论的信号调制识别改进算法[J].无线电工程,2014,44(5):30-33.

[5]赵仁才,孙钢,郭军.基于模式识别的短波ALE系统8FSK信号解调[J].电讯技术,2004(5):19-21.

[6]杨辉,李建民,闫向东.短波多音并行调制解调技术的研究[J].无线电通信技术,2000,26(1):34-37.

[7]杨文靖.短波调制解调器关键技术的软件实现[J].无线电通信技术,2003,29(4):31-33.

[8]刁文静,张志勤.短波LFM信号宽带识别算法[J].无线电工程,2011,41(10):55-57.

[9]张曲,李晓峰,张颢.短波ALE系统8FSK调制解调技术及其DSP实现[J].通信技术,2000(3):43-47.

[10]陈兵,尹曼.基于DHMM的语音识别算法及DSP实现[J].无线电工程,2015,45(8):35-38.

[11]江依法,周青,陈伟燕.一种改进的模板匹配算法及其在ECG波形识别中的应用[J].中国生物医学工程学报,2012,31(5):775-780.

[12]RobertVH,JosephWM,AllenTC.IntroductiontoMathematicalStatistics(SeventhEdition)[M].NewJersey:PearsonEducationInc,2012.

Technology of 2G-ALE Signal Recognition Based on Spectrum Template Matching

LIN Xiao-hui,ZHANG Run-sheng

(The 54th Research Institute of CETC,Shijiazhuang Hebei 050081,China)

Abstract：The recognition of the signal with specific spectrum features is an important function in spectrum monitoring,and the second automatic link establishment (2G-ALE) signal is a common target in spectrum monitoring.To deal with the problem that the existing algorithms can only apply to single signal in narrowband,an algorithm of 2G-ALE signal recognition based on spectrum template matching is proposed.Firstly,the standard spectrum template is constructed according to the second automatic link establishment protocol,then the max-hold spectrum of input signal is calculated,and the set of Pearson correlation coefficient between the template and the sliding max-hold spectrum is computed.The decision is performed by comparing the preset threshold with statistics,which is transformed from the Pearson correlation coefficient.Finally,the effectiveness of this algorithm is proved in simulations.

Key words：template matching；wideband signal recognition；2G-ALE；spectrum monitoring

中图分类号：TP391.4

文献标志码：A

文章编号：1003-3114(2016)03-46-3

作者简介：林肖辉(1974—)，男，高级工程师，主要研究方向：频谱监测系统以及电子战接收机。张润生(1984—)，男，博士，工程师，主要研究方向：数字信号处理。

基金项目:国家部委基金资助项目

收稿日期：2016-01-19

doi:10.3969/j.issn.1003-3114.2016.03.12

引用格式：林肖辉，张润生.基于模板匹配的2G-ALE信号识别技术[J].无线电通信技术，2016，42(3):46-48,69.