0 引 言

　　射頻識別技術(Radio Frequency Identification，RFID)是物聯網的核心技術，它是自動識別技術(Automatic Equipment Identification，AEI)在無線電領域的應用和發展。RFID是通過射頻信號自動識別目標并獲取數據，識別過程無須人工干預，RFID技術具有防水、防磁、使用壽命長、耐高溫、取距離大、保密性強、數據容量大等優點。

　　近年來，隨著RFID技術的發展，RFID技術在關系國計民生的重要領域都有廣泛應用。正確有效地識別出這些信號，從中解調出有用信息，在此方面的研究意義重大。本文提出一種新的RFID調制識別方法，主要研究的內容包括基于瞬時信息提取特征參數以及設計判決的分類器。具體步驟如下：首先是計算出信號的瞬時信息，包括瞬時幅度、瞬時頻率和瞬時相位;接著，利用上一步驟中算出的瞬時信息，提取5個特征參數;最后，設計了調制識別分類器，采用決策論法對RFID調制方式行進有效識別。

　　1 瞬時信息的計算

　　自然界中的信號都是實信號，通過正交采樣(正交變換化或希爾伯特變換法)可以構造出復信號的實部和虛部。就信號處理本身而言，由于實信號的頻譜是共軛對稱的，即S(f)=S*(-f)，知其一則可知另一半。所以，一般用右半邊頻譜來代表整個實信號，其優點就是帶寬只為原來的[12，]帶寬占用減少了。定義復信號z(t)的頻譜為(只保留實信號的頻譜正頻部分)：

　　[Z(f)=2S(f)，f>0S(f)，f=00，f<0] (1)

　　求Z(f)的逆變換，得時域z(t)表示為：[z(t)=s(t)+s(t)?h(t)=s(t)+j1π-∞+∞s(τ)t-τdτ] (2)

　　定義s(t)的Hilbert 變換為： 　　[H[s(t)]=1π-∞+∞s(τ)t-τdτ] (3)

　　H[s(t)]和s(t)是正交的，因此，原來實信號的復信號和實信號頻譜的正頻率分量是一一對應的，這個復信號的實部是原實信號本身(同相分量)，復信號的虛部是原實信號的Hilbert 變換(正交分量)。

　　復信號z(t)可用極坐標表示：

　　[z(t)=s(t)+jH[s(t)]=a(t)ejφ(t)] (4)

　　式中a(t)為信號z(t)的瞬時包絡，表示為：

　　[a(t)=s(t)2+H2[s(t)]] (5)

　　φ(t)為信號z(t)的瞬時相位，表示為：

　　[φ(t)=arctanH[s(t)]s(t)] (6)

　　根據瞬時相位求得信號的瞬時頻率f(t)，表示為：

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

　　這樣，就得到實信號s(t)的瞬時幅度、瞬時相位、瞬時頻率這3個分析信號過程中的重要的基礎參數。

　　2 特征參數的提取

　　文獻[1?4]中，Azzouz提出了基于瞬時信息的9個特征參數，后進行分類識別，形成了調制識別領域中較為經典的方法，但識別率不高且識別過程比較復雜。本文要識別的RFID調制信號有6種： 2ASK，4ASK，2PSK，4PSK，2FSK和4FSK，經過多方面權衡考慮，采用下面5個參數，其中有3個是(σap、σaa和σaf)取自于Nandi A K等提出的9個特征參數，Ra和Rf是本文提出的2個新的特征參數，減少誤判以提高識別率。

　　(1)信號瞬時幅度均值的平方值的二倍與方差比Ra：

　　[Ra=2u2ada] (8)

　　式中：da為瞬時幅度的方差;ua為瞬時幅度的均值;參數Ra是Chan提出的R參數[5]的倒數的2倍。由于R的數值比較小，在識別判定的過程中很小的誤差就能引起誤判，所以這里Ra采用倒數形式，并且2倍加權。這樣的改進能夠提高識別的正確率。

　　Ra參數是用來區分信號是否含有幅度信息。對于要識別的調制信號而言，Ra值如表1所示。

表1 各調制信號Ra的值

　　因此，本文要識別的6種信號中，2PSK，4PSK，2FSK和4FSK信號不含幅度信息，可以分為一類;2ASK，4ASK是含有幅度信息，可分為另一類。

　　(2)零中心非弱信號瞬時相位非線性分量絕對值的標準偏差[2][σap：]

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

　　式中：ai為是弱信號的一個幅度判決門限電平;c是在Ns中屬于非弱信號值的個數;[2NL(i)]是經零中心處理后瞬時相位的非線性分量，在載波完全同步時，[]NL(i)=(i)-(0)，(i)是瞬時相位，[0=1Nsi=1Nsi]是非線性相位分量的均值。[σap]主要用來區分是調制信號不含有絕對相位信息或者含有絕對相位信息。對于要識別的調制信號而言，[σap]的值如表2所示。

表2 各調制信號[σap]的值

　　因此，該參數可以把4PSK信號從2PSK或者ASK信號中區分開來。

　　(3)零中心歸一化瞬時幅度絕對值的標準偏差值[1][σaa]：

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

　　式中I(i)=An(i)-1。[σaa]主要用來區分調制信號是2ASK信號還是4ASK信號，對于要識別的調制信號而言，[σaa]如表3所示。

表3 各調制信號[σaa]的值

　　(4)信號瞬時頻率均值的平方與方差之比Rf：

　　[Rf=2u2fdf] (11)

　　式中：[df]是信號瞬時頻率的方差;uf是信號瞬時頻率的均值。Rf是參考Ra參數類推來的，該參數用以區分信號是否含有頻率信息，所以可將4PSK信號從4FSK和2FSK中識別出來。

　　(5)零中心非弱信號段瞬時頻率非線性分量絕對值的標準偏差[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)是信號的瞬時頻率。

　　這個參數用來區分信號是否含有絕對頻率信息，對于要識別的調制信號而言，[σaf]的值如表4所示。所以這個參數可以用來區分2FSK信號或者4FSK信號。

表4 各調制信號[σaf]的值

　　3 RFID信號識別流程

　　根據上述分析，可以得到4PSK，2PSK，2ASK，4ASK，2FSK和4FSK六種RFID調制方式識別算法的詳細步驟。

　　步驟一：根據接收射頻信號，計算出信號的瞬時信息;

　　步驟二：提取出信號的5個特征參數Ra，Rf，[σap]，[σaa]，[σaf];

　　步驟三：采用決策樹的識別分類法對信號進行有效識別，具體流程見圖1。這里，tra，taa，tap，trf，taf為不同階段的決策判定時選擇的門限值，根據判決門限t的值可以將信號識別為4ASK，2FSK，QPSK，2PSK，2FSK和4FSK。

　　4 仿真及結果分析

　　4.1 含噪調制信號的仿真

　　信號的調制方式的識別與其信噪比有非常重要的關系，不同的信噪比所提取的特征參數的值不同，所以為了產生一定信噪比的RFID調制信號，需要在理想的信號中加入噪聲。

　　通信系統中用到的最多的噪聲高斯是白噪聲，其是指服從高斯分布的功率譜密度的均勻噪聲。因此，本文含噪信號的仿真，就是在理想的調制信號中加上高斯白噪聲。

　　圖2～圖6即是采用Matlab仿真在SNR=10 dB下的2ASK，2PSK，2FSK，4ASK，4FSK，4PSK信號的波形。

　　4.2 調制識別的仿真

　　本系統在Matlab仿真環境中完成，仿真實現了對2ASK，2FSK，2PSK，4ASK，4FSK和4PSK這六種數字調制類型的有效識別。仿真試驗中，采樣頻率[Fs]為12 000 kHz，采用的調制信號的載波頻率[Fc]為2 000 kHz，碼元速率[Fd]為500 KC/s。用理想高斯白噪聲作為噪聲信號，信噪比取0～30 dB。

　　圖8是Nandi提出的參數R的仿真結果[1]，可見不含有幅度信息與含幅度信息的調制信號的這兩種不同的類型的信號，各曲線相距較近，特別是在低信噪比下在數值上差異小，所以在識別判決時不容易分辨。圖9是由本文提出的參數Ra，由圖可見，對于含有幅度信息的調制信號和不含幅度信息的調制信號，數值上差異較大，所以在識別時容易分辨;而由之類推得到參數Rf，因此提高了識別率。

　　圖10是參數σaa在不同信噪比下的仿真結果，圖11是參數σaf在不同信噪比下的仿真結果，圖12是參數σap在不同信噪比下的仿真結果，圖13是參數Rf在不同信噪比下的仿真結果。

　　經過對各種調制信號在0～30 dB的信噪比下獨立仿真15次，得到在1 dB步進的不同信噪比下各種調制信號的識別正確率，如圖14所示，圖中橫坐標代表不同的信噪比，縱坐標表示識別的成功率。可見，采用本文所提出的識別算法，在信噪比為10 dB 時，識別率都在99.6% 以上。

　　5 結 語

　　正確地識別出RFID調制方式是實現通信互聯和信號測試等處理的前提，因此研究RFID調制方式識別具有非常重要的意義。本文提出兩種新的特征參數，用來識別RFID調制方式。仿真結果顯示，該方法不僅簡單并能實現比較高的識別率，而且在進行識別的過程中，用到的特征參數較少。但是這種方法也存在一些問題。第一，本文提出兩個的特征參數，這些特征參數放置的判決位置會對識別正確率造成影響，不同的判決位置會導致不同的識別正確率;第二，判決門限選取也將影響識別正確率。這都將在今后的工作中做進一步研究。