认知无线电信号谱相关密度SCD分析系统

资 源 简 介

本项目旨在为认知无线电频谱感知提供一种高精度的信号分析工具，重点解决低信噪比环境下的已调制信号检测与识别问题。项目首先建立多种通信信号的仿真模型，包括BPSK、QPSK、AM、FM等调制方式，并能够模拟复杂的信道环境，叠加高斯白噪声。核心功能模块基于循环平稳信号处理理论，计算信号的谱相关密度（Spectral Correlation Density, SCD）。具体实现中，采用了高效的FFT累加法（FAM）或带状谱相关算法（SSCA）来计算信号的循环谱，从二阶统计量的角度揭示信号在物理频率和循环频率上的相关特性。系统通过计算循环自相关函数的傅里叶变换，提取出在噪声中被淹没的信号周期性特征。由于噪声通常表现为平稳随机过程（即不具有循环平稳性），而人工调制信号具有特定的载波频率和码元速率导致的循环频率，该项目能够利用SCD三维谱图中的离散谱峰准确区分信号与噪声，并估计出信号的调制参数，为认知无线电的频谱决策提供可靠依据。

详 情 说 明

基于循环平稳特征的认知无线电信号谱相关密度分析系统

项目简介

本项目实现了一个面向认知无线电频谱感知的高精度信号分析系统。针对低信噪比（Low SNR）环境下传统能量检测法失效的问题，系统基于循环平稳（Cyclostationary）信号处理理论，利用信号的周期性统计特征进行检测与识别。项目核心采用FFT累加法（FAM）计算信号的谱相关密度（SCD），从三维视角（物理频率、循环频率、幅度）揭示淹没在噪声中的调制信号特征。

核心功能与特性

• 低信噪比信号检测：能够在 -5dB 等高噪环境下有效提取信号特征。
• 多调制方式仿真：代码实际实现了 BPSK 和 AM 两种调制信号的生成与分析。
• 高效算法实现：采用 FAM（FFT Accumulation Method） 算法，通过两级FFT处理大幅降低了循环谱计算的复杂度。
• 对比分析：集成了传统功率谱密度（PSD）分析（基于Welch法）作为对比，直观展示循环谱在抗噪性上的优势。
• 多维可视化：提供时域波形、传统功率谱、以及 谱相关密度（SCD）三维网格图 的可视化展示。

系统要求

• 运行环境：MATLAB R2016b 及以上版本。
• 工具箱依赖：Signal Processing Toolbox（用于 pwelch, hamming, rectpulse 等函数）。

代码实现逻辑与细节

本项目主要由主控流程和三个核心子功能模块组成。

1. 系统参数初始化与配置

系统首先定义了仿真所需的关键物理参数：

• 采样率 fs (2000 Hz) 与观测时长 T (1.0 s)。
• 载波频率 fc (400 Hz) 与码元速率 Rb (100 Baud)。
• FAM算法特定参数：信道化分辨率 Np (64) 和滑动步长 L (16)，这两个参数决定了最终的时频分辨率和循环频率覆盖范围。

2. 信号生成与信道模拟 (generate_signal & add_awgn_noise)

• BPSK调制：生成随机比特流，映射为双极性码（-1/1），使用矩形脉冲成型（rectpulse），并加载到 400Hz 的余弦载波上。
• AM调制：基于 20Hz 的调制信号生成幅度调制波，调制指数设为 0.5。
• 信道模拟：计算纯净信号功率，根据设定的 SNR (-5dB) 计算噪声功率，并叠加零均值高斯白噪声。

3. 常规频谱分析

代码调用 MATLAB 内置的 pwelch 函数计算含噪信号的功率谱密度。使用 Hamming 窗（长256）和 50% 重叠（128点），这主要用于在结果展示中与 SCD 进行对比，说明在平稳谱视角下信号往往被噪声掩盖。

4. 核心算法：FAM 谱相关密度计算 (fam_algorithm)

这是本项目的核心实现部分，代码通过以下步骤实现了从时域信号到双频域（物理频率 $f$ - 循环频率 $alpha$）的变换：

• 步骤一：信道化（Channelization）

* 利用类似短时傅里叶变换（STFT）的结构。 * 将输入信号分段，每段长度为 Np (64)，应用 Hamming 窗。 * 每隔 L (16) 个点滑动一次，对每一段进行 FFT。 * 生成一个时间和频率的二维矩阵 X_channel。

• 步骤二：谱相关计算

* 采用双重循环遍历所有信道对 $(k, l)$。 * 计算两个信道输出序列的共轭乘积：$X_k(n) cdot X_l^*(n)$。 * 对该乘积序列在此进行 FFT（点数为 NN），从而将时变特征转换到循环频率域。

• 步骤三：坐标映射与网格重构

* 代码实现了一个复杂的从信道索引 $(k, l)$ 到物理频率 $f$ 和循环频率 $alpha$ 的映射逻辑。 * 物理频率映射：由 $(k+l)$ 决定。 * 循环频率映射：由粗粒度的信道差 $(k-l)$ 和细粒度的 FFT 频点共同决定。 * 代码采用了非相干累加策略，将各个信道对计算出的频谱幅度累加到最终的 Sx 矩阵中，并进行了归一化处理。此处特别处理了边界检查，确保所有计算出的谱峰都能正确落入 Alpha x Freq 的二维网格中。

5. 结果可视化 (visualize_results)

main 函数最后调用绘图流程，生成包含多个子图的窗口：

1. 时域波形：对比展示原始纯净信号和叠加了 -5dB 噪声后的信号，直观呈现信号被噪声淹没的状态。
2. 功率谱密度 (PSD)：展示传统的频谱分析结果。
3. SCD 三维图：使用 mesh 函数绘制谱相关密度的三维图。为了提高绘图性能和可视性，代码对数据进行了阈值处理（去除小于最大值 5% 的底噪数据），并调整视角便于观察在特定的物理频率和循环频率处隆起的谱峰。

使用方法

1. 将包含代码的 .m 文件放置于 MATLAB 工作路径中。
2. 直接运行 main 函数。
3. 控制台将输出当前的系统配置（调制方式、SNR）以及 SCD 算法的计算耗时。
4. 运行结束后，系统将弹出一个图形窗口展示分析结果。可以通过观察三维图中的离散谱峰来识别信号的载波频率（对应物理频率轴）和码元速率（对应循环频率轴）。