Advanced
Automatic Recognition Algorithm for Linearly Modulated Signals Under Non-coherent Asynchronous Condition
Automatic Recognition Algorithm for Linearly Modulated Signals Under Non-coherent Asynchronous Condition
Journal of the Korea Institute of Information and Communication Engineering. 2014. Oct, 18(10): 2409-2416
Copyright © 2014, The Korea Institute of Information and Commucation Engineering
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/li-censes/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
  • Received : June 16, 2014
  • Accepted : July 30, 2014
  • Published : October 31, 2014
Download
PDF
e-PUB
PubReader
PPT
Export by style
Share
Article
Author
Metrics
Cited by
TagCloud
About the Authors
규홍 심
Electronic Warfare R&D Lab., LIG Nex1, Seongnam 463-400, Korea
원식 윤
Department of Electrical and Computer Eng., Ajou University, Suwon 443-749, Korea
wsyoon@ajou.ac.kr

Abstract
본 논문에서는 넌코히어런트 비동기 조건에서 PSK, QAM 등의 선형 디지털 변조 방식을 자동으로 식별하는 알고리즘을 제안한다. 디지털 변조 신호는 심볼 천이 주기간 주파수, 위상, 진폭 등의 특성이 반복적으로 변하게 된다. 이러한 특성을 이용하여 변조 방식을 식별할 수 있도록 순환 모멘트와 고차 큐뮬런트를 이용하는 방법을 제안한다. 계층적 의사 결정 트리 방식의 알고리즘 구조를 사용하여 고속으로 처리 가능하도록 구성하였으며 총 4개의 특징 추출인자를 사용하여 식별하였다. 모의실험 결과 심볼 수 4,096개, SNR 15dB 이상에서 95% 이상의 식별 정확도를 나타내었으며, 반송 주파수와 위상 편이가 발생하더라도 신호를 분류하는데 효과적임을 확인하였다.
Keywords
I. 서 론
일반적인 통신 시스템에서는 송신기와 수신기간 사전 정보를 알고 있는 상태에서 약속된 규칙대로 데이터를 주고받는다. 디지털 통신 방식인 경우 주파수, 변조 방식, 심볼율, 코딩 정보 등을 공유하여 정보 손실이나 유출 없이 통신할 수 있도록 시스템을 구성하게 된다. 반면 불법 전파 감시나 군사 목적으로 사전 정보 없이 특정 신호에 대한 정보를 획득해야 할 경우가 있다. 이 때 가장 기본적으로 수행해야 할 작업이 변조방식을 분석하는 것이다. 수신 신호의 변조 방식이 파악되면 적당한 복조기를 선택하여 정보를 복원할 수 있다.
본 논문에서는 심볼율, 심볼 타이밍을 알지 못하는 상황에서 반송 주파수, 위상 편이가 발생하여도 식별 정확도에 영향이 적은 변조 인식 알고리즘을 제안한다. 디지털 신호의 심볼 천이 주기간 반복적으로 발생하는 주파수, 위상, 진폭 특성을 이용하기 위해 순환 모멘트와 고차 큐뮬런트를 활용하여 추출한 특징 인자를 이용하고, 처리속도가 빨라 실시간 구현에 장점이 있는 계층적 의사결정 트리(hierarchical decision tree) 방식의 판별 기법을 제안한다.
본 논문의 2장에서는 자동인식 알고리즘 중 선형 변조 방식과 관련된 연구 사례를 소개한다. 3장에서는 제안 알고리즘에 대한 상세 내용을 기술하고, 모의실험 및 결과를 4장에서 기술한다. 그리고 결론을 맺는다.
II. 관련 연구
지금까지 PSK와 QAM 등 선형 변조 방식에 대한 자동 인식 알고리즘이 다양하게 연구되어 왔으나 대부분 반송 주파수, 위상, 심볼율, 심볼 타이밍 등 입력 신호의 특정 정보를 알고 있는 조건하에서 의미 있는 식별 정확도를 나타내고 있다.
J.A.Sills [1] 는 반송파의 위상 편이 외 심볼율, 반송 주파수, 펄스 파형, 심볼 타이밍 등의 정보를 알고 있는 조건에서 최대우도(Maximum Likelihood) 알고리즘을 이용하여 PSK와 QAM 신호를 식별하는 방안을 제안하였다. A.Swami [2] 는 단일톤 신호이며 주파수, 위상, 타이밍이 모두 맞는 코히어런트, 동기 환경 조건에서 4차 큐뮬런트를 사용하여 PSK, QAM, PAM 신호를 식별하는 방안을 제안하였다. W.Dai [3] 는 반송파 주파수와 위상을 알고 있는 조건에서 고차 모멘트를 이용하여 PSK와 QAM 신호를 식별하는 방안을 제안하였다. O.A.Dobre [4] 는 심볼율과 심볼 타이밍을 알고 있고, 반송파 주파수와 위상 편이가 있는 조건에서 고차 순환 큐뮬런트를 이용하여 QAM 신호를 식별하는 방안을 제안하였다.
코히어런트, 동기 환경을 갖추기 위해서는 반송 신호의 주파수, 위상, 심볼율, 심볼 타이밍 등에 대한 정보를 알고 있어야 한다. 이러한 정보를 획득하기 위한 여러 방법들이 있지만 변조 방식을 알지 못하는 상황에서는 측정 오차가 발생할 수 있어 식별 정확도에 영향을 줄 수 있다. 따라서 넌코히어런트, 비동기 환경에서도 변조 방식을 식별할 수 있는 알고리즘이 필요하다.
III. 제안 알고리즘
자동변조인식은 변조 방식을 판별하는 기법을 기준으로 크게 패턴 인식에 기반을 둔 기법과 우도비(Likelihood Ratio)에 기반을 둔 기법으로 구분할 수 있다 [5 , 6] . 패턴 인식 기법은 여러 개의 특징 추출 인자를 선정하고 각각의 측정값을 이용하여 변조 방식을 식별하게 된다. 구현하기 쉽고 처리 속도가 빠르다는 장점이 있으며 설계를 잘 할 경우 최적에 가까운 성능을 나타낼 수 있다. 우도비 기반 자동변조인식은 수신 신호의 우도 함수를 구하고 우도비와 임계값을 비교하여 변조 방식을 결정하게 된다. 연산이 복잡하다는 단점이 있지만 식별 오류를 최소화할 수 있다는 장점이 있다. 본 논문에서는 패턴 인식 기법에 기반한 자동변조인식 알고리즘을 제안한다. 일반적인 패턴 인식 시스템의 구조는 그림 1 과 같이 신호 수신, 특징 추출, 신호 판별의 3단계로 이루어진다.
PPT Slide
Lager Image
일반적인 패턴 인식 시스템 Fig. 1 General pattern recognition system
- 3.1. 입력 신호 수신
본 논문에서는 기저대역 I/Q 신호를 이용한다. 기저 대역 입력신호는 식 (1)과 같이 표현할 수 있다.
PPT Slide
Lager Image
여기서 x ( t )는 변조된 원신호, w ( t )는 백색잡음신호(AWGN)를 나타낸다. x ( t )는 식 (2)와 같이 표현할 수 있다.
PPT Slide
Lager Image
여기서 A 는 진폭 인자, fo 는 주파수 편이, θc 는 반송파 위상 성분, sk k 차 주기에 전송되는 심볼값을 나타낸다. p ( t )는 펄스 파형을 나타내며 T 는 심볼 주기, t 0 는 전송 지연 시간을 나타낸다. 심볼열 { sk }는 평균이 0이며 독립적이고 동일한 분포를 가진다고 가정한다. 특징 추출 전, 주파수 스펙트럼을 이용하여 입력신호의 대략적인 대역폭을 측정하고, 저대역 통과 필터를 사용하여 신호 대 잡음비를 개선하는 작업을 수행한다.
- 3.2. 특징 추출 인자 선정
디지털 신호는 심볼율 주기 간격으로 주파수, 위상, 진폭 등의 특성이 변한다. 이러한 주기적 변화 특성에 대한 통계 결과를 활용하면 다양한 디지털 변조 신호를 식별할 수 있다. 샘플링된 입력 신호의 평균이 0일 경우 4차, 8차 큐뮬런트는 식 (3)-(4)와 같이 표현할 수 있다 [7 , 8] .
PPT Slide
Lager Image
PPT Slide
Lager Image
PSK와 QAM 신호의 경우 성상도(constellation diagram)상에서 고유의 분포 특성을 나타내며 이러한 차이를 고차 큐뮬런트로 측정하여 변조 방식을 식별할 수 있다. 그런데 C 4y , C 8y 등의 큐뮬런트 값은 주파수 오차가 있는 경우 변하게 된다. 그림 2 와 같이 주파수 오차가 없는 16QAM의 큐뮬런트 값과 그림 3 과 같이 주파수 오차가 있는 16QAM의 큐뮬런트 값이 다르다.
PPT Slide
Lager Image
주파수 오차가 없는 조건에서의 16QAM 성상도 Fig. 2 16QAM constellation diagram without frequency offset
PPT Slide
Lager Image
주파수 오차가 있는 조건에서의 16QAM 성상도 Fig. 3 16QAM constellation diagram with frequency offset
이러한 문제를 해결하기 위해 식 (5)와 같이 입력값에 대한 디퍼렌셜 디코딩(differential decoding)을 수행한 후 큐뮬런트 값을 구하여 변조 식별에 사용한다. 식 (5)에서 ∗은 복소수에 대한 conjugation을 표시한다.
PPT Slide
Lager Image
yd ( n )에 대한 4차와 8차 큐뮬런트 값을 구한 후 정규화하여 최종 식별 인자로 사용한다. 4차 큐뮬런트에 대한 인자를
PPT Slide
Lager Image
이라고 표현하고 식 (8)과 같이 구한다.
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
8차 큐뮬런트에 대한 인자를
PPT Slide
Lager Image
으로 표현하고 식 (10)과 같이 구한다.
PPT Slide
Lager Image
PPT Slide
Lager Image
본 논문에서는 고차 큐뮬런트와 함께 순환 모멘트를 사용하여 PSK와 QAM 신호를 식별한다. 입력 신호 y ( n )의 k 차 모멘트 mky ( n ; τ )는 다음과 같이 정의할 수 있다 [9] .
PPT Slide
Lager Image
PPT Slide
Lager Image
식 (11)에서 E [ • ]는 기대값을 나타내고, τ 는 시간차 벡터이며 τ =[ τ 0 ,⋯, τ k-1 ]이다. τ 0 는 0으로 고정한다. 만약 mky ( n ; τ )가 주기적인 특성이 있다면 y ( n )을 k 차 주기적 정상성(cyclostationarity) 이라고 하며 mky ( n ; τ )는 다음과 같이 푸리에 급수로 표현할 수 있다.
PPT Slide
Lager Image
식 (13)에서 푸리에 급수 계수
PPT Slide
Lager Image
는 시간차 벡터 τ 에 대하여 주기적 주파수 α 를 가지는 y ( n )의 k 차 순환 모멘트이다. 그리고
PPT Slide
Lager Image
는 식 (14)와 같이 정리할 수 있다.
PPT Slide
Lager Image
α 는 모멘트의 주기적 주파수가 된다. α 가 0인
PPT Slide
Lager Image
mky ( n ; τ )의 DC성분의 크기이다. 아날로그 신호의 경우 반송파, 그리고 디지털 신호의 경우 반송파 및 심볼의 주기적인 변화에 의해 주기적 정상성 특성을 가진다. 따라서 반송파나 심볼율 특성을 분석하기 위해 다양한 차수의 순환 모멘트를 이용할 수 있다. 본 논문에서는 식 (15)-(16)과 같이 2차 unconjugated, 4차 unconjugated 순환 모멘트를 사용한다.
PPT Slide
Lager Image
PPT Slide
Lager Image
- 3.3. 변조방식 판별
본 논문에서 제안하는 알고리즘 구조는 그림 4 와 같다.
PPT Slide
Lager Image
제안 알고리즘 구조 Fig. 4 Proposed algorithm structure
먼저
PPT Slide
Lager Image
특성을 이용하여 2PSK와 그 외 신호로 분류하고
PPT Slide
Lager Image
을 이용하여 4/8PSK와 16/32/64QAM 신호로 분류한다. 그리고
PPT Slide
Lager Image
,
PPT Slide
Lager Image
특성을 이용하여 나머지 신호를 분류하는 절차를 수행한다.
- 3.3.1. 2PSK와 이외 변조방식 판별
PPT Slide
Lager Image
값을 구하면 2PSK의 경우 반송주파수 성분(본 논문에서는 기저대역 I/Q 신호를 이용하므로 DC 성분)과 심볼율 위치에서 순환 주파수 특성을 보이며 그 외 신호는 주기적인 특성을 나타내지 않는다. 이러한 차이점을 이용하여 2PSK와 기타 신호로 분류할 수 있다. Linear scale에서 2PSK의
PPT Slide
Lager Image
특성은 그림 5 , 4PSK 등 다른 변조신호의
PPT Slide
Lager Image
특성은 그림 6 과 같다.
PPT Slide
Lager Image
2PSK의 특성 (SNR 15dB) Fig. 5 characteristics of 2PSK (SNR 15dB)
PPT Slide
Lager Image
4PSK의 특성 (SNR 15dB) Fig. 6 characteristics of 4PSK (SNR 15dB)
SNR(Signal to Noise Ratio) 변화에 따른 max(
PPT Slide
Lager Image
)/
PPT Slide
Lager Image
측정값은 그림 7 과 같다. 2PSK 신호에 비해 다른 변조신호는 매우 적은 값을 가진다.
PPT Slide
Lager Image
SNR에 따른 max()/ Fig. 7 SNR vs. the max()/
- 3.3.2. 4/8PSK와 16Q/32/64QAM 판별
식 (8)의
PPT Slide
Lager Image
값을 구하면 4/8PSK는 SNR 10dB 이상에서 1.2 이상의 값을 가지며, 16/32/64QAM은 0.8 이하의 값을 가진다. 변조 방식별 SNR에 따른
PPT Slide
Lager Image
값은 그림 8 과 같다.
PPT Slide
Lager Image
SNR에 따른 Fig. 8 SNR vs. the
- 3.3.3. 4PSK와 8PSK 판별
PPT Slide
Lager Image
값을 구하면 4PSK의 경우 반송주파수 성분과 심볼율 위치에서 주기적인 특성이 나타나는 반면 8PSK는 주기적인 특성을 나타내지 않는다. 이러한 차이점을 이용하여 4PSK와 8PSK 신호를 식별할 수 있다. Linear scale에서 4PSK의
PPT Slide
Lager Image
특성은 그림 9 , 8PSK의
PPT Slide
Lager Image
특성은 그림 10 과 같다.
PPT Slide
Lager Image
4PSK의 특성 (SNR 15dB) Fig. 9 characteristics of 4PSK (SNR 15dB)
PPT Slide
Lager Image
8PSK의 특성 (SNR 15dB) Fig. 10 characteristics of 8PSK (SNR 15dB)
4PSK와 8PSK의 SNR 변화에 따른 max(
PPT Slide
Lager Image
)/
PPT Slide
Lager Image
측정값은 그림 11 과 같다. 4PSK는 1에 가까운 값을, 8PSK는 0에 가까운 값을 나타냄을 알 수 있다.
PPT Slide
Lager Image
SNR에 따른 max()/ Fig. 11 SNR vs. the max()/
- 3.3.4. 16QAM, 32QAM와 64QAM 판별
QAM 신호를 식별하기 위해 식 (10)의
PPT Slide
Lager Image
을 인자로 사용하게 되는데 변조방식별 특성은 그림 12 와 같다. SNR 15dB 이상에서 32QAM은 30, 16QAM은 20, 64QAM은 15 정도의 값을 가진다. 이러한 특성차를 이용하여 QAM 신호를 식별할 수 있다.
PPT Slide
Lager Image
SNR에 따른 그래프 Fig. 12 SNR vs. the
IV. 모의실험 및 결과
본 논문에서는 변조 신호를 생성하기 위해 square root raised cosine 형태의 roll-off factor가 0.3인 송신 필터를 적용하였으며, 변조방식별로 임의의 데이터를 1,000회 생성하여 시험하였다. 먼저 주파수와 위상 편이가 없는 조건에서 심볼수를 1,024개부터 8,192개까지 변경하며 인식정확도를 측정한 결과는 그림 13 과 같다. 심볼수가 4,096개 이상이고 SNR이 15dB 이상인 조건에서 95% 이상의 정확도를 확보함을 알 수 있다.
PPT Slide
Lager Image
이상적인 조건에서의 정확도 Fig. 13 Accuracy in ideal condition
주파수 편이에 따른 식별 정확도 분석을 위해 식 (2)의 fo 값에 심볼주기 T 를 곱한 값을 사용하였다. fo T 가 0.5이면 신호 대역폭의 1/2만큼 주파수 편이가 발생한 경우가 된다. fo T 값을 0에서 0.45까지 0.05 간격으로 변경하며 시험한 결과 그림 14 와 같은 성능을 나타내었다. 심볼수 8,192개 조건에서 fo T 값이 0.3이하이면 95% 이상의 식별 정확도를 보임을 확인할 수 있다.
PPT Slide
Lager Image
주파수 편이에 따른 정확도 Fig. 14 Accuracy vs. frequency offset
위상 편이에 따른 식별 정확도는 그림 15 와 같다. 위상 편이는 식별 정확도에 영향을 미치지 않음을 알 수 있다.
PPT Slide
Lager Image
위상 편이에 따른 정확도 Fig. 15 Accuracy vs. phase offset
V. 결 론
본 논문에서 순환 모멘트 및 고차 큐뮬런트를 기반으로 선형 디지털 변조 신호에 대한 자동변조인식 알고리즘을 제안하였다. 디지털 변조 신호는 아날로그 변조신호와 달리 심볼율이라는 주기적인 특성이 있다. 심볼 구간내에서 주파수, 위상, 진폭 등의 특성이 유지되다가 심볼이 바뀔 때 특성이 변하게 되므로 이러한 주기적인 특성을 다양하게 이용하기 위해서
PPT Slide
Lager Image
,
PPT Slide
Lager Image
,
PPT Slide
Lager Image
,
PPT Slide
Lager Image
의 4가지 특징 추출 인자를 사용하여 알고리즘을 구성하였다. 알고리즘의 전체 구조는 고속으로 결과를 분석하는데 유리한 계층적 의사 결정 트리 방식을 사용하였다.
SNR은 0dB에서 30dB까지 5dB 간격으로, 수집 심볼수는 1,024개에서 8,192개까지 변화시키며 성능을 분석한 결과, SNR 15dB, 심볼수 4,096개 이상에서 95% 이상의 정확도로 변조 방식을 식별함을 확인할 수 있었다. 그리고 주파수 및 위상 편이에 따른 영향을 분석한 결과 fo T 값이 0.3 이하인 조건에서 양호한 정확도를 나타내어 사전 정보 없이 신호를 수신하여 정보를 획득해야 하는 블라인드 수신기 환경에 적용 가능할 것으로 판단된다.
BIO
심규홍(Kyuhong Sim)
1997년 경북대학교 전자공학과(공학사)
2014년 아주대학교 IT융합대학원 (공학석사)
1997년 ~ 현재 LIG넥스원 수석연구원
※ 관심분야 : 통신대역 신호 분석
윤원식(Wonsik Yoon)
1984년 서울대학교 제어계측공학과 (공학사)
1986년 한국과학기술원 전기 및 전자공학과 (공학석사)
1991년 한국과학기술원 전기 및 전자공학과 (공학박사)
1994년 ~ 현재 아주대학교 전자공학과 교수
※ 관심분야 : 무선통신 및 무선네트워크
References
Sills J. A. 1999 “Maximum-likelihood modulation classification for PSK/QAM,” in Proceeding of MILCOM 1999 1 217 - 220
Swami A. , Sadler B. M. 2000 “Hierarchical digital modulation classification using cumulants,” IEEE Transactions on Communications 48 416 - 429
Dai W. , Wang Y. , Wang J. 2002 “Joint power estimation and modulation classification using second- and higher statistics,” in Proceeding of WCNC2002 1 155 - 158
Dobre O. A. , Bar-Ness Y. , Wei S. 2004 “Robust QAM modulation classification algorithm using cyclic cumulants,” in Proceeding of Wireless Communications and Networking Conference 2 745 - 748
Dobre O. A. , Abdi A. , Bar-Ness Y. , Su W. 2007 “Survey of automatic modulation classification techniques: classical approaches and new trends,” IET Communications 1 137 - 156
Bhawna Mukhwinder Kaur , Lall G. C. 2012 “Automatic modulation recognition for digital communication signals,” International Journal of Soft Computing and Engineering (IJSCE) 2 110 - 114
Li J. , He C. , Chen J. 2005 “Automatic digital modulation identification basing on decision method and cumulants,” IEEE International Workshop VLSI Design & Video Tech. 264 - 267
Ghauri S. A. , Qureshi I. M. , Malik A. N. , Cheema T. A. 2013 “Higher order cumulants based digital modulation recognition scheme,” Research Journal of Applied Sciences, Engineering and Technology 3910 - 3915
Yu Z. 2006 “Automatic modulation classification of communication signals,” Ph.D. dissertation New Jersey Institute of Technology