RFID调制信号识别算法的研究与仿真

　　0 引 言

　　射频识别技术(Radio Frequency Identification，RFID)是物联网的核心技术，它是自动识别技术(Automatic Equipment Identification，AEI)在无线电领域的应用和发展。RFID是通过射频信号自动识别目标并获取数据，识别过程无须人工干预，RFID技术具有防水、防磁、使用寿命长、耐高温、取距离大、保密性强、数据容量大等优点。

　　近年来，随着RFID技术的发展，RFID技术在关系国计民生的重要领域都有广泛应用。正确有效地识别出这些信号，从中解调出有用信息，在此方面的研究意义重大。本文提出一种新的RFID调制识别方法，主要研究的内容包括基于瞬时信息提取特征参数以及设计判决的分类器。具体步骤如下：首先是计算出信号的瞬时信息，包括瞬时幅度、瞬时频率和瞬时相位;接着，利用上一步骤中算出的瞬时信息，提取5个特征参数;最后，设计了调制识别分类器，采用决策论法对RFID调制方式行进有效识别。

　　1 瞬时信息的计算

　　自然界中的信号都是实信号，通过正交采样(正交变换化或希尔伯特变换法)可以构造出复信号的实部和虚部。就信号处理本身而言，由于实信号的频谱是共轭对称的，即S(f)=S*(-f)，知其一则可知另一半。所以，一般用右半边频谱来代表整个实信号，其优点就是带宽只为原来的[12，]带宽占用减少了。定义复信号z(t)的频谱为(只保留实信号的频谱正频部分)：

　　[Z(f)=2S(f)，f>0S(f)，f=00，f<0] (1)

　　求Z(f)的逆变换，得时域z(t)表示为：[z(t)=s(t)+s(t)?h(t)=s(t)+j1π-∞+∞s(τ)t-τdτ] (2)

　　定义s(t)的Hilbert 变换为： 　　[H[s(t)]=1π-∞+∞s(τ)t-τdτ] (3)

　　H[s(t)]和s(t)是正交的，因此，原来实信号的复信号和实信号频谱的正频率分量是一一对应的，这个复信号的实部是原实信号本身(同相分量)，复信号的虚部是原实信号的Hilbert 变换(正交分量)。

　　复信号z(t)可用极坐标表示：

　　[z(t)=s(t)+jH[s(t)]=a(t)ejφ(t)] (4)

　　式中a(t)为信号z(t)的瞬时包络，表示为：

　　[a(t)=s(t)2+H2[s(t)]] (5)

　　φ(t)为信号z(t)的瞬时相位，表示为：

　　[φ(t)=arctanH[s(t)]s(t)] (6)

　　根据瞬时相位求得信号的瞬时频率f(t)，表示为：

　　[f(t)=12πdφ(t)dt=12πddtarctanH[s(t)]s(t)] (7)

　　这样，就得到实信号s(t)的瞬时幅度、瞬时相位、瞬时频率这3个分析信号过程中的重要的基础参数。

　　2 特征参数的提取

　　文献[1?4]中，Azzouz提出了基于瞬时信息的9个特征参数，后进行分类识别，形成了调制识别领域中较为经典的方法，但识别率不高且识别过程比较复杂。本文要识别的RFID调制信号有6种： 2ASK，4ASK，2PSK，4PSK，2FSK和4FSK，经过多方面权衡考虑，采用下面5个参数，其中有3个是(σap、σaa和σaf)取自于Nandi A K等提出的9个特征参数，Ra和Rf是本文提出的2个新的特征参数，减少误判以提高识别率。

　　(1)信号瞬时幅度均值的平方值的二倍与方差比Ra：

　　[Ra=2u2ada] (8)

　　式中：da为瞬时幅度的方差;ua为瞬时幅度的均值;参数Ra是Chan提出的R参数[5]的倒数的2倍。由于R的数值比较小，在识别判定的过程中很小的误差就能引起误判，所以这里Ra采用倒数形式，并且2倍加权。这样的改进能够提高识别的正确率。

　　Ra参数是用来区分信号是否含有幅度信息。对于要识别的调制信号而言，Ra值如表1所示。

表1 各调制信号Ra的值

　　因此，本文要识别的6种信号中，2PSK，4PSK，2FSK和4FSK信号不含幅度信息，可以分为一类;2ASK，4ASK是含有幅度信息，可分为另一类。

　　(2)零中心非弱信号瞬时相位非线性分量绝对值的标准偏差[2][σap：]

　　[σap=1c(An(i)>ai2NL(i))-(1cAn(i)>aiNL(i))2] (9)

　　式中：ai为是弱信号的一个幅度判决门限电平;c是在Ns中属于非弱信号值的个数;[2NL(i)]是经零中心处理后瞬时相位的非线性分量，在载波完全同步时，[]NL(i)=(i)-(0)，(i)是瞬时相位，[0=1Nsi=1Nsi]是非线性相位分量的均值。[σap]主要用来区分是调制信号不含有绝对相位信息或者含有绝对相位信息。对于要识别的调制信号而言，[σap]的值如表2所示。

表2 各调制信号[σap]的值

　　因此，该参数可以把4PSK信号从2PSK或者ASK信号中区分开来。

　　(3)零中心归一化瞬时幅度绝对值的标准偏差值[1][σaa]：

　　[σaa=1N(i=1NA2cn(i))-(1Ni=1NAcn(i))2] (10)

　　式中I(i)=An(i)-1。[σaa]主要用来区分调制信号是2ASK信号还是4ASK信号，对于要识别的调制信号而言，[σaa]如表3所示。

表3 各调制信号[σaa]的值

　　(4)信号瞬时频率均值的平方与方差之比Rf：

　　[Rf=2u2fdf] (11)

　　式中：[df]是信号瞬时频率的方差;uf是信号瞬时频率的均值。Rf是参考Ra参数类推来的，该参数用以区分信号是否含有频率信息，所以可将4PSK信号从4FSK和2FSK中识别出来。

　　(5)零中心非弱信号段瞬时频率非线性分量绝对值的标准偏差[1][σaf]：

　　[σaf=1c(An(i)>aif2N(i))-(1cAn(i)>aifN(i)2] (12)

　　[fN(i)=fc(i)=f(i)rb， fc(i)=f(i)-mf， mf=1Ni=1Nxf(i)]

　　式中：f(i)是信号的瞬时频率。

　　这个参数用来区分信号是否含有绝对频率信息，对于要识别的调制信号而言，[σaf]的值如表4所示。所以这个参数可以用来区分2FSK信号或者4FSK信号。

表4 各调制信号[σaf]的值

　　3 RFID信号识别流程

　　根据上述分析，可以得到4PSK，2PSK，2ASK，4ASK，2FSK和4FSK六种RFID调制方式识别算法的详细步骤。

　　步骤一：根据接收射频信号，计算出信号的瞬时信息;

　　步骤二：提取出信号的5个特征参数Ra，Rf，[σap]，[σaa]，[σaf];

　　步骤三：采用决策树的识别分类法对信号进行有效识别，具体流程见图1。这里，tra，taa，tap，trf，taf为不同阶段的决策判定时选择的门限值，根据判决门限t的值可以将信号识别为4ASK，2FSK，QPSK，2PSK，2FSK和4FSK。

　　4 仿真及结果分析

　　4.1 含噪调制信号的仿真

　　信号的调制方式的识别与其信噪比有非常重要的关系，不同的信噪比所提取的特征参数的值不同，所以为了产生一定信噪比的RFID调制信号，需要在理想的信号中加入噪声。

　　通信系统中用到的最多的噪声高斯是白噪声，其是指服从高斯分布的功率谱密度的均匀噪声。因此，本文含噪信号的仿真，就是在理想的调制信号中加上高斯白噪声。

　　图2～图6即是采用Matlab仿真在SNR=10 dB下的2ASK，2PSK，2FSK，4ASK，4FSK，4PSK信号的波形。

　　4.2 调制识别的仿真

　　本系统在Matlab仿真环境中完成，仿真实现了对2ASK，2FSK，2PSK，4ASK，4FSK和4PSK这六种数字调制类型的有效识别。仿真试验中，采样频率[Fs]为12 000 kHz，采用的调制信号的载波频率[Fc]为2 000 kHz，码元速率[Fd]为500 KC/s。用理想高斯白噪声作为噪声信号，信噪比取0～30 dB。

　　图8是Nandi提出的参数R的仿真结果[1]，可见不含有幅度信息与含幅度信息的调制信号的这两种不同的类型的信号，各曲线相距较近，特别是在低信噪比下在数值上差异小，所以在识别判决时不容易分辨。图9是由本文提出的参数Ra，由图可见，对于含有幅度信息的调制信号和不含幅度信息的调制信号，数值上差异较大，所以在识别时容易分辨;而由之类推得到参数Rf，因此提高了识别率。

　　图10是参数σaa在不同信噪比下的仿真结果，图11是参数σaf在不同信噪比下的仿真结果，图12是参数σap在不同信噪比下的仿真结果，图13是参数Rf在不同信噪比下的仿真结果。

　　经过对各种调制信号在0～30 dB的信噪比下独立仿真15次，得到在1 dB步进的不同信噪比下各种调制信号的识别正确率，如图14所示，图中横坐标代表不同的信噪比，纵坐标表示识别的成功率。可见，采用本文所提出的识别算法，在信噪比为10 dB 时，识别率都在99.6% 以上。

　　5 结 语

　　正确地识别出RFID调制方式是实现通信互联和信号测试等处理的前提，因此研究RFID调制方式识别具有非常重要的意义。本文提出两种新的特征参数，用来识别RFID调制方式。仿真结果显示，该方法不仅简单并能实现比较高的识别率，而且在进行识别的过程中，用到的特征参数较少。但是这种方法也存在一些问题。第一，本文提出两个的特征参数，这些特征参数放置的判决位置会对识别正确率造成影响，不同的判决位置会导致不同的识别正确率;第二，判决门限选取也将影响识别正确率。这都将在今后的工作中做进一步研究。