通過對現有信號識別算法的研究分析發現：由于單載波信號的特征比較容易提取，而且所需解調參數比較簡單，所以對于單載波信號的調制類型識別的研究很多[1-3]，但對于OFDM信號而言，由于存在信號特征不易提取、需要估計的信號參數較多等問題，因此針對OFDM信號的識別算法很少[4-5]。但OFDM技術因其可有效對抗窄帶干擾、多徑干擾(ISI)，提高頻譜利用率和系統容量而被廣泛應用于非對稱用戶環路(ADSL)，ETSL標準的數字音頻廣播(DAB)、數字視頻廣播(DVB)、高清晰度電視(HDTV)和基于IEEE802.11標準的無線局域網(WLAN)等系統中。

    參考文獻[6]提出一種利用高階矩在多徑信道下識別OFDM信號的盲識別算法，但該方法算法較復雜。參考文獻[7-8]對Walter-Akmouche算法進行改進，選擇歸一化四階累積量作為多徑信道中識別OFDM信號和單載波信號的特征量。參考文獻[7]選取參數|C40|2/|C21|2作為識別特征量，由于BPSK、MFSK和OFDM信號的四階累積量均為零，因此無法區分這幾種信號和OFDM信號。參考文獻[8]對參考文獻[7]的算法進行了改進，選用|C42|2/|C21|2作為識別參數，該特征參數能在更多的單載波信號中識別出OFDM信號，并且有較好的抗多徑能力。這些方法本質上屬于高階統計量的方法，因而導致運算量很大，這是不利于實際使用的。而利用OFDM信號的漸近高斯性，引入經驗函數分布擬合檢驗方法來實現對OFDM信號的快速識別可以大大減少運算量。
    高斯性檢測類方法有一個重大缺陷即無法分清噪聲和OFDM信號，實際的通信環境往往是噪聲與信號共存的。這些方法存在把根本不含OFDM信號的純噪聲樣本當作OFDM信號的風險，這對接收機的參數估計是極為不利的。針對這一問題，本文引入譜熵這一特征量來區分含噪OFDM信號和純噪聲信號，然后對信號樣本進行KS檢驗，識別OFDM信號。
1 譜熵端點檢測
    本文所指的端點檢測類似于語音端點檢測，即從一段含噪信號和純噪聲信號中把含噪信號的起始點和結束點找出來，進而劃分出信號段和純噪聲段。



    (1) 獲得N個樣本取實部或者虛部，采用極大似然估計(MLE),估計參數向量?茲=(u,?滓)，得到F(xi,?茲)。
　 (2) 把N個樣本的實部或虛部從大到小排列，組成次序統計量，計算經驗分布函數Fn(xi)。
    (3) 遍歷樣本的實部，選取步驟(1)和(2)中兩者相減的最大值Dn與臨界值相比，若Dn大于臨界值，則拒絕H0。在檢驗過程中，需要比較距離Dn和選擇分布在顯著度水平?琢下的臨界值。本文通過 Monte-Carlo仿真編制不同經驗分布函數下的臨界值表。表編制與以上檢驗過程類似，以100 000次Monte-Carlo仿真為例，首先生成OFDM信號標準樣本，分別執行步驟(1)~步驟(3)檢驗，將得到的100 000個距離Dn從小到大排序,選擇第99 900、99 800、99 500個距離值Dn作為顯著度水平0.01、0.02、0.05下的臨界值CVs(Critical Values)。對不同的序列長度N重復上述檢測過程，最終得到表1所示的臨界值表(限篇幅僅列出α=0.05值)。

3 仿真結果與分析
3.1多帶譜熵檢測法的性能
    仿真條件：OFDM符號寬度4 s，64個子載波，采樣間隔0.003 9 s，信噪比為2 dB和20 dB，先產生16 s的純噪聲信號，再產生16 s的含噪OFDM信號最后又產生16 s的純噪聲信號作為此次仿真的突發OFDM信號樣本，目的在于檢驗譜熵檢測法能否正確識別OFDM信號端點，以便把純噪聲信號段去掉。在高信噪比條件下(20 dB)，兩種方法譜熵的峰值都很明顯，限于篇幅仿真圖不予列出。重點考察在低信噪比條件下的性能，圖5為信噪比2 dB一般譜熵下的仿真值,圖中顯示OFDM信號譜熵值很不穩定，據此很難確定信號端點。相反，圖6基于多子帶的譜熵檢測法性能更好。

    為確定端點檢測門限，在不同信噪比條件下進行仿真，純噪聲的譜熵值不隨信噪比變化，可以通過設定一個高于基底噪聲熵的門限作為端點檢測的門限值。
3.2 基于譜熵OFDM信號識別
　仿真條件同上，分別在顯著性水平?琢=0.05條件下仿真直接進行OFDM調制識別和加端點檢測再進行調制識別兩種方法下的性能，如圖7所示，其中加方形標記的為先進行端點檢測再進行調制識別的平均正確率曲線，許多文章中識別曲線與此類似，表現出不隨信噪比變化的性能。從圖7中還可看出經過端點檢測后的識別率反而降低，其根本原因在于加端點檢測后把純噪聲信號排除了，所謂“低信噪比下OFDM信號識別率高”不過是表明基于高斯性檢測的算法無法識別純噪聲信號和OFDM信號，也就是說未經端點檢測進行OFDM信號識別虛警率必然是較高的。經過端點檢測的識別性能仿真表明，基于高斯性檢測的虛警率明顯降低。其對多載波信號的識別能力與單載波一致,也與信噪比有關，信噪比越高識別性能越好。

    對OFDM信號的識別研究隨著OFDM技術的廣泛使用意義日見凸顯。目前，調制識別集中在單載波，OFDM信號識別研究較少，并且大多集中于通過高斯性檢測使用高階矩及其改進法進行單載波和OFDM信號的識別。但高斯性檢測法無法區分純噪聲信號和OFDM信號，本文首先利用多帶譜熵法對OFDM信號進行端點檢測，排除純噪聲信號，再進行基于KS檢驗的高斯性檢測識別OFDM信號，最后進行了仿真。數值分析結果表明，多帶譜熵法比傳統譜熵法能更有效地進行OFDM信號端點檢測，先端點檢測后進行KS檢驗有效地識別OFDM信號，同時還降低了OFDM信號在低信噪比下的虛警概率。
參考文獻
[1] MARTRET L. Modulation classification by means of different orders statistical moments[C]. MILCOM′97.1997(3):1387-1391
[2] YANG S Q, CHEN W D. Classification of  MPSK signals  using cumulant invariants[J]. Journal of Electronics,2002，19(1):99-103
[3] 陳衛東.數字通信信號調制識別算法研究[D].西安:西安電子科技大學,2001.
[4] 韓鋼，李建東，張文紅，等.基于多尺度小波分解和支撐矢量機的調制識別研究[J]. 西安電子科技大學學報，2003，30(7)：19-23.
[5] Wang Bin, Ge Lindong. A novel algorithm for identification of OFDM signal wireless communication[J]. IEEE Trans.Commun.，2006，53(1):261-264.
[6] Wang Bing, Gc Lindong. A novel algorithm for identification of OFDM Signal[C]. Proc. Of the international Conference on Wireless Communications,Networking and Mobile Computing:IEEE Press,2006.
[7] 劉鵬.OFDM調制識別和解調關鍵技術研究[D].西安:西安電子科技大學，2006.
[8] 呂挺岑，李兵兵.一種多徑信道下的OFDM信號盲識別算法[J].現代電子技術，2007, 30(11):13-16.
[9] 傅祖蕓.信息論——基礎理論與應用(第二版)[M].北京:電子工業出版社，2007.
[10] SHEN J L, HUNG J W, LEE L S. Robust entropy-based endpoint detection for speech recognition in noisy environments[C]. Processing.Sydney ICSLP (S0160-5840),Sydeny,  Australia,Nov-Dec1998.CD2ROM.1998:32-235.
[11] Wu Ginder, Lin Chinteng. Word boundary detection with  mel-scale frequency bank in noisy environment[J]. IEEE  Transactions on Speech and Audio Processing (S1063-6676), 2005,8(5):541-554.
[12] Wu Bingfei, Wang Kunching. Roust endpoint detection algorithm based on the adaptive band-partitioning spectral entropy in adverse environments[J]. IEEE Transactions on Speech and Audio Processing (S1063-6676),2009,13(5)：762-775.