基于分层多分辨率经验模式分解的数字解调方法及系统

摘要

本发明公开了一种基于分层多分辨率经验模式分解的数字解调方法及系统，该方法包括：获取失真波形信号；对失真波形信号进行第一级经验模式分解和第二级经验模式分解处理，分别获得第一级固有模态函数和第二级固有模态函数，并分别将第一级固有模态函数和第二级固有模态函数按列排列成第一矩阵和第二矩阵；分别计算第一矩阵和所述第二矩阵的权重向量，获得第一权重向量和第二权重向量；获取接收信号；根据接收信号、第一权重向量和第二权重向量，计算获得解调输出结果。采用本发明实施例能提高解调的准确性，减少误码率。

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种基于分层多分辨率经验模式分解的数字解调方法及系统。

背景技术

在现今社会中，许多设备如家用电器，办公设备移动电话，笔记本电脑等都是通过无线通信网络相互连接。常见的无线通信网络包括Wifi，Zigbee，蓝牙蜂窝移动网等。为了传输信号，信号一般调制到高频率带，因为高频的信号可以传输更远的距离。接收到的信号将会解调回原来的基带信号。所以，无线通信系统一般都包含了调制和解调，它们在我们的日常生活中发挥着十分重要的作用。

现有的数字解调系统是通过匹配滤波器的方法进行解调的。接收的信号会投影到一组匹配滤波器上，则拥有最大绝对投影值对应的符号就是解调所得到的输出符号。这里用于表示符号的波形要求必须是相互标准正交的，但是由于信道的影响，导致波形失真，接收到的信号并不是相互标准正交的。而且无线信道中含有加性高斯白噪音，使得这种解调方法存在较大的解码错误率。

发明内容

本发明实施例提出一种基于分层多分辨率经验模式分解的数字解调方法及系统，提高解调的准确性，减少误码率。

本发明实施例提供一种基于分层多分辨率经验模式分解的数字解调方法，包括：

获取失真波形信号；

对所述失真波形信号进行第一级经验模式分解和第二级经验模式分解处理，分别获得第一级固有模态函数和第二级固有模态函数，并分别将所述第一级固有模态函数和所述第二级固有模态函数按列排列成第一矩阵和第二矩阵；

分别计算所述第一矩阵和所述第二矩阵的权重向量，获得第一权重向量和第二权重向量；

获取接收信号；

根据所述接收信号、所述第一权重向量和所述第二权重向量，计算获得解调输出结果。

进一步的，所述分别计算所述第一矩阵和所述第二矩阵的权重向量，获得第一权重向量和第二权重向量，具体为：

使用最小二乘法，计算获得第一权重向量和第二权重向量

其中，F为所述第一矩阵，为所述第二矩阵；为所述失真波形信号。

进一步的，所述根据所述接收信号、所述第一权重向量和所述第二权重向量，计算获得解调输出结果，具体为：

将所述第一权重向量I_c和所述第二权重向量代入求得最小误差值，所述最小误差值所对应的符号为所述解调输出结果；

其中，y为所述接收信号。

进一步的，所述基于分层多分辨率经验模式分解的数字解调方法，在所述获取失真波形信号之后，且所述失真波形信号为线性时变的信号时，还包括：

所述失真波形信号以乘以酉矩阵的方式建立模型。

进一步的，所述接收信号包含高斯分布的白噪声。

相应地，本发明实施例还提供一种基于分层多分辨率经验模式分解的数字解调系统，包括：

第一获取模块，用于获取失真波形信号；

矩阵生成模块，用于对所述失真波形信号进行第一级经验模式分解和第二级经验模式分解处理，分别获得第一级固有模态函数和第二级固有模态函数，并分别将所述第一级固有模态函数和所述第二级固有模态函数按列排列成第一矩阵和第二矩阵；

权重计算模块，用于分别计算所述第一矩阵和所述第二矩阵的权重向量，获得第一权重向量和第二权重向量；

第二获取模块，用于获取接收信号；

和，解调计算模块，用于根据所述接收信号、所述第一权重向量和所述第二权重向量，计算获得解调输出结果。

进一步的，所述权重计算模块具体用于使用最小二乘法，计算获得第一权重向量和第二权重向量

其中，F为所述第一矩阵，为所述第二矩阵；为所述失真波形信号。

进一步的，所述解调计算模块具体用于将所述第一权重向量I_c和所述第二权重向量代入求得最小误差值，所述最小误差值所对应的符号为所述解调输出结果；

其中，y为所述接收信号。

进一步的，所述基于分层多分辨率经验模式分解的数字解调系统还包括：

模型建立模块，用于在所述第一获取模块获取失真波形信号之后，且所述失真波形信号为线性时变的信号时，失真波形信号以乘以酉矩阵的方式建立模型。

进一步的，所述接收信号包含高斯分布的白噪声。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的基于分层多分辨率经验模式分解的数字解调方法及系统，在获取失真波形信号后，对其进行第一级和第二级的经验模式分解，将对应的固有模态函数按列排列成第一矩阵和第二矩阵，再求其对应的权重向量，最后根据权重向量和接收信号完成解调。相比于现有技术使用匹配滤波器的方法，本发明理由分层多分辨率经验模式分解方法来进行调解，对于给定的一个信道和每个符号对应的波形，其权重向量只需求取一次，之后不需要进行重复的计算，有效提高计算效率，而且由于经验模式分解的自适应性，本发明技术方案的解调更准确，误码率低。

附图说明

图1是本发明提供的基于分层多分辨率经验模式分解的数字解调方法的一种实施例的流程示意图；

图2是本发明技术方案与现有技术在二进制通信系统中的误码率对比图；

图3是本发明技术方案与现有技术在四进制通信系统中的误码率对比图；

图4是本发明提供的基于分层多分辨率经验模式分解的数字解调系统的一种实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，是本发明提供的基于分层多分辨率经验模式分解的数字解调方法的一种实施例的流程示意图，该方法包括步骤101至步骤105，具体步骤如下：

步骤101：获取失真波形信号。

在本实施例中，可解调没有失真的波形信号，也可以用于失真波形信号，由于其信道失真造成波形失真。该失真波形信号用表示。

步骤102：对失真波形信号进行第一级经验模式分解和第二级经验模式分解处理，分别获得第一级固有模态函数和第二级固有模态函数，并分别将第一级固有模态函数和第二级固有模态函数按列排列成第一矩阵和第二矩阵。

在本实施例中，经验模态分解(Empirical Mode Decomposition，简称EMD))方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数(IntrinsicMode Function，简称IMF)，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。

步骤103：分别计算第一矩阵和第二矩阵的权重向量，获得第一权重向量和第二权重向量。

在本实施例中，步骤103具体为：使用最小二乘法，计算获得第一权重向量和第二权重向量其中，F为第一矩阵，为第二矩阵；为失真波形信号。

步骤104：获取接收信号。

步骤105：根据接收信号、第一权重向量和第二权重向量，计算获得解调输出结果。

在本实施例中，步骤105具体为：将第一权重向量I_c和第二权重向量代入求得最小误差值，最小误差值所对应的符号为解调输出结果。其中，y为接收信号。

作为本实施例的一种举例，在步骤105之后还包括：误码率分析。

作为本实施例的一种举例，在步骤101之后，且所述失真波形信号为线性时变的失真信号时，还包括：失真波形信号以乘以酉矩阵的方式建立模型。

作为本实施例的一种举例，接收信号可以为包含高斯分布的白噪声的接收信号。

为了更好的说明本发明技术方案，通过二进制和四进制通信系统(即C＝2和C＝4)来说明本发明的有效性。为了与匹配滤波器方法公平比较，表示符号的波形是相互标准正交的。二进制系统中选取为和四进制系统中选取为c＝0,…,C-1，其中N＝256为波形长度。信道失真是线性时变的，通过乘以酉矩阵H的方式对其进行建模，即白噪声v服从高斯分布即则接收信号y＝Hx_c+v。最后，分析现有方法和本发明方法的解调误码率，误码率越低，表示该方法性能越好。

通过计算机仿真实验，获得试验结果如图2和图3所示。本发明提出的方法相比于现存的匹配滤波器方法具有更小的误码率，因此，本发明提出的方法较匹配滤波器方法具有更好解调性能。实际上，由于信道失真，失真的波形将不再是相互标准正交的，因此匹配滤波器方法不再适用，这导致它在实际的应用中具有相当大的局限性。对于不同的信道和不同符号的表示波形，本发明提出的方法可以计算出对应的权重向量，并且该向量只需计算一次，因此本发明方法是高效的。利用经验模式分解得自适应性，本发明方法相对于匹配滤波器方法具有更小的误码率，并且随着信噪比增加，误码率急剧下降。

相应的，参见图4，图4是本发明提供的基于分层多分辨率经验模式分解的数字解调系统的一种实施例的结构示意图。该系统包括：第一获取模块401、矩阵生成模块402、权重计算模块403、第二获取模块404和解调计算模块405。

其中，第一获取模块401用于获取失真波形信号。

矩阵生成模块402用于对失真波形信号进行第一级经验模式分解和第二级经验模式分解处理，分别获得第一级固有模态函数和第二级固有模态函数，并分别将第一级固有模态函数和第二级固有模态函数按列排列成第一矩阵和第二矩阵。

权重计算模块403用于分别计算第一矩阵和第二矩阵的权重向量，获得第一权重向量和第二权重向量。

第二获取模块404用于获取接收信号。

解调计算模块405用于根据接收信号、第一权重向量和第二权重向量，计算获得解调输出结果。

在本实施例中，权重计算模块403具体用于使用最小二乘法，计算获得第一权重向量和第二权重向量其中，F为第一矩阵，为第二矩阵；为失真波形信号。

在本实施例中，解调计算模块405具体用于将第一权重向量I_c和第二权重向量代入求得最小误差值，最小误差值所对应的符号为解调输出结果；其中，y为该接收信号。

作为本实施例的一种举例，该数字解调系统还包括：模型建立模块，用于在第一获取模块401获取失真波形信号之后，且失真信号为线性时变的失真信号时，失真波形信号以乘以酉矩阵的方式建立模型。

在本实施例中，接收信号包含高斯分布的白噪声。

由上可见，本发明实施例提供的基于分层多分辨率经验模式分解的数字解调方法及系统，在获取失真波形信号后，对其进行第一级和第二级的经验模式分解，将对应的固有模态函数按列排列成第一矩阵和第二矩阵，再求其对应的权重向量，最后根据权重向量和接收信号完成解调。相比于现有技术使用匹配滤波器的方法，本发明理由分层多分辨率经验模式分解方法来进行调解，对于给定的一个信道和每个符号对应的波形，其权重向量只需求取一次，之后不需要进行重复的计算，有效提高计算效率，而且由于经验模式分解的自适应性，本发明技术方案的解调更准确，误码率低。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。