一种多径瑞利衰落信道下改善高阶累积量信号识别的方法

摘要

本发明实施例公开了一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，包括获取多径瑞利衰落信道下的接收信号并进行离散化处理，得到由随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号；将时域信号进行离散傅里叶变换成频域信号并通过均衡系数均衡处理后，利用离散傅里叶变换的逆变换得到由恢复信号序列和残留噪声序列所形成的时域信号；分别求解恢复信号序列的四阶累积量和二阶累积量，并根据分别得到的求解值，得到特征参数，且进一步根据特征参数，确定接收信号的当前信号类型。本发明实施例，克服现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种多径瑞利衰落信道下改善高阶累积量信号识别的方法。

背景技术

基于高阶累积量的信号识别方法属于特征提取方法中的重要一种，而基于特征提取的方法相对来说计算复杂度较低，且需要的先验信息较少，另外在提取的特征准确合理时，信号的正确识别率也较高。因此，近年来基于高阶累积量的信号识别技术正是由于计算简单和对高斯噪声的抗干扰能力较强，从而在信号识别领域得到了广泛的应用。

但是在实际应用过程中，通信信号在传输过程中往往会出现多径衰落现象，而传统的基于高阶累积量的信号识别方法在衰落的环境中往往会失效。例如，Swami等人最先提出了在高斯信道环境下使用高阶累积量对单载波信号进行调制识别，但在多径瑞利衰落信道下无法识别；又如王永娟使用小波消噪与高阶累积量相结合对单载波信号进行调制识别，在低信噪比条件下取得较好的识别效果，但是小波消噪无法消除多径瑞利衰落的影响；又如孙钢灿、王忠勇等人使用高阶累积量来对数字相位调制MPSK信号进行识别，取得了较高识别率，但是在多径瑞利衰落信道下，靠增加累积量的阶数来对抗多径衰落现象，这增加了计算的复杂度，且识别的信号种类单一。

因此，亟需一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，克服现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。

发明内容

本发明实施例的目的在于提供一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，克服现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。

为了解决上述技术问题，本发明实施例提供了一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，所述方法包括：

(1)获取多径瑞利衰落信道下的接收信号，并将所述获取到的接收信号进行离散化处理，得到由均随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号；

(2)将所述得到的时域信号进行离散傅里叶变换，得到频域信号，并通过均衡系数对所述得到的频域信号均衡处理后利用离散傅里叶变换的逆变换，得到逆变换后由恢复信号序列和残留噪声序列所形成的新时域信号；其中，所述均衡系数由随信号长度变化的多径信道因子序列和高斯白噪声的噪声功率决定；

(3)分别求解所述恢复信号序列的四阶累积量和二阶累积量，并根据分别对所述恢复信号序列的四阶累积量和二阶累积量求解值，得到特征参数，且进一步根据所述得到的特征参数，确定所述获取到的接收信号的当前信号类型；其中，所述信号类型包括8PSK信号、16QAM信号和4PAM信号。

其中，所述步骤(1)中“均随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号”具体为：其中，

r(n)为所述获取到的接收信号离散化处理后得到的时域信号；n＝0,1,...,N-1，N为信号长度；s(n)为所述原始信号序列，其调制类型和符号能量等信息是未知的；h(n)为所述多径信道因子序列，其长度为L；v(n)为所述高斯白噪声序列，均值为0，方差为σ²。

其中，所述步骤(2)具体包括：

根据公式R_l＝H_lS_l+V_l,l＝0,1,...N-1，将所述得到的时域信号r(n)进行离散傅里叶变换，得到频域信号R_l；其中，R_l为所述频域信号；H_l、S_l、V_l分别对应为h(n)、s(n)、v(n)的离散傅里叶变换；

确定均衡系数W_l，并根据公式Y_l＝W_lR_l＝W_lH_lS_l+W_lV_l，通过所述均衡系数W_l对所述得到的频域信号R_l均衡处理，得到均衡处理后的频域信号Y_l；其中，所述均衡系数为H_l的共轭，σ²为所述高斯白噪声序列的方差；

将所述得到的均衡处理后的频域信号Y_l根据离散傅里叶变换的逆变换公式得到逆变换后由恢复信号序列s'_n和残留噪声序列v'_n所形成的新时域信号；其中，为所述恢复信号序列；为所述残留噪声序列。

其中，所述步骤(3)具体包括：

根据公式求解得到所述恢复信号序列s'_n的二阶累积量c₂₁；

根据公式求解得到所述恢复信号序列s'_n的四阶累积量c₄₀；其中，

根据公式T₁＝|c₄₀|/|c₂₁|²，求解得到特征参数T₁；

当判定所述得到的特征参数T₁满足T₁＜0.34时，确定所述获取到的接收信号的当前信号类型为8PSK信号；

当判定所述得到的特征参数T₁满足0.34≤T₁＜1.02时，确定所述获取到的接收信号的当前信号类型为16QAM信号；

当判定所述得到的特征参数T₁满足1.02≤T₁＜1.68时，确定所述获取到的接收信号的当前信号类型为4PAM信号。

实施本发明实施例，具有如下有益效果：

本发明实施例通过使用最小均方误差算法(MMSE)对经过瑞利衰落的信号进行频域均衡，再对频域均衡后的信号进行高阶累积量的特征提取，最后将提取的特征与理论值相比较，对三种典型的单载波信号进行识别，从而克服了现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明实施例提供的多径瑞利衰落信道下改善高阶累积量信号识别的方法的流程图；

图2为接收机接收16QAM信号时采用本发明实施例提供的多径瑞利衰落信道下改善高阶累积量信号识别的方法均衡前后星座对比图；其中，图2a为均衡前星座图；图2b为均衡后星座图；

图3为基于传统高阶累积量的信号识别方法和本发明实施例提供的多径瑞利衰落信道下改善高阶累积量信号识别的方法在多径瑞利衰落信道下的信号平均识别率对比图；其中，图3a为基于传统高阶累积量的信号识别方法多径瑞利衰落信道下的信号平均识别率图，图3b为本发明实施例提供的多径瑞利衰落信道下改善高阶累积量信号识别的方法在多径瑞利衰落信道下的信号平均识别率图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例中，提出的一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，所述方法包括：

步骤S1、获取多径瑞利衰落信道下的接收信号，并将所述获取到的接收信号进行离散化处理，得到由均随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号；

具体过程为，通过信号截获接收机来获取多径瑞利衰落信道下的接收信号，该信号截接收机事先并不知道接收信号的频率、调制方式等信息，因此信号截获接收机就是一种盲接收。

由于接收信号受多径衰落，还有高斯白噪声影响，因此接收信号离散化处理后，得到的时域信号可以由多径信道因子序列、原始信号序列和高斯白噪声序列组成，且多径信道因子序列、原始信号序列和高斯白噪声序列均随随信号长度变化而变化，具体表示公式如下：

其中，r(n)为该接收信号离散化处理后得到的时域信号；n＝0,1,...,N-1，N为信号长度；s(n)为原始信号序列，其调制类型和符号能量等信息是未知的；h(n)为多径信道因子序列，其长度为L；v(n)为高斯白噪声序列，均值为0，方差为σ²。

步骤S2、将所述得到的时域信号进行离散傅里叶变换，得到频域信号，并通过均衡系数对所述得到的频域信号均衡处理后利用离散傅里叶变换的逆变换，得到逆变换后由恢复信号序列和残留噪声序列所形成的新时域信号；其中，所述均衡系数由随信号长度变化的多径信道因子序列和高斯白噪声的噪声功率决定；

具体过程为，对时域信号r(n)进行最小均方误差(MMSE)频域均衡，具体如下：

根据公式R_l＝H_lS_l+V_l,l＝0,1,...N-1，将得到的时域信号r(n)进行离散傅里叶变换，得到频域信号R_l；其中，R_l为频域信号；H_l、S_l、V_l分别对应为h(n)、s(n)、v(n)的离散傅里叶变换；

确定均衡系数W_l，并根据公式Y_l＝W_lR_l＝W_lH_lS_l+W_lV_l，通过均衡系数W_l对得到的频域信号R_l均衡处理，得到均衡处理后的频域信号Y_l；其中，均衡系数为H_l的共轭，σ²为所述高斯白噪声序列的方差；

将得到的均衡处理后的频域信号Y_l根据离散傅里叶变换的逆变换公式得到逆变换后由恢复信号序列s'_n和残留噪声序列v'_n所形成的新时域信号；其中，为恢复信号序列；为残留噪声序列。

步骤S3、分别求解所述恢复信号序列的四阶累积量和二阶累积量，并根据分别对所述恢复信号序列的四阶累积量和二阶累积量求解值，得到特征参数，且进一步根据所述得到的特征参数，确定所述获取到的接收信号的当前信号类型；其中，所述信号类型包括8PSK信号、16QAM信号和4PAM信号。

具体过程为，根据公式求解得到恢复信号序列s'_n的二阶累积量c₂₁；

根据公式求解得到恢复信号序列s'_n的四阶累积量c₄₀；其中，

根据公式T₁＝|c₄₀|/|c₂₁|²，求解得到特征参数T₁；

当判定特征参数T₁满足T₁＜0.34时，确定接收信号的当前信号类型为8PSK信号；

当判定特征参数T₁满足0.34≤T₁＜1.02时，确定接收信号的当前信号类型为16QAM信号；

当判定特征参数T₁满足1.02≤T₁＜1.68时，确定接收信号的当前信号类型为4PAM信号。

在本发明实施例中，使用MATLAB进行仿真来说明本发明使用MMSE频域均衡的合理性：

如图2所示，接收信号为16QAM信号，仿真环境为多径瑞利衰落信道，设置径数为5径，5径延时为[0,0.13,2.3,3.8,5.5]，单位为10^-4s，5径衰落为[0,-0.967,-1.933,-2.9,-4.86]，单位为dB。

图2a为接收机接收16QAM信号均衡前星座图，由于受到多径衰落影响，星座图已经被严重干扰，无法识别，而从图2b可以看出，MMSE均衡后，接收信号星座图已大致显现出16QAM信号星座图轮廓，因此，这说明了本发明选择MMSE频域均衡的合理性。

如图3所示，仿真信号集为{BPSK,8PSK,16QAM,4PAM},仿真环境为多径瑞利衰落信道，多径数目为5径，5径延时为[0,0.13,2.3,3.8,5.5]，单位为10-⁴s，5径衰落为[0,-0.967,-1.933,-2.9,-4.86]，单位为dB。信号码元数目设置为N＝1000,N＝5000,N＝10000三种，信噪比为-15dB～15dB，每隔1dB对候选信号集进行500次独立的蒙特卡罗实验。

图3a为使用传统基于高阶累积量的信号识别方法在多径瑞利衰落信道下的信号平均识别率图，从图3a中可以看出，在不同的信噪比下，信号平均识别率始终都在50％以下，这说明传统基于高阶累积量的信号识别方法在多径瑞利衰落信道下已经失效。图3b为使用本发明实施例中多径瑞利衰落信道下改善高阶累积量信号识别的方法在多径瑞利衰落信道下的信号平均识别率图，从图3b中可以看出，随着信噪比的增大，信号平均识别率也不断提高。在信噪比大于10dB时，信号平均识别率在90％以上，证明了本发明在多径瑞利衰落信道下进行信号识别的有效性。

实施本发明实施例，具有如下有益效果：

本发明实施例通过使用最小均方误差算法(MMSE)对经过瑞利衰落的信号进行频域均衡，再对频域均衡后的信号进行高阶累积量的特征提取，最后将提取的特征与理论值相比较，对三种典型的单载波信号进行识别，从而克服了现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。