CN101753515B - 多进制正交幅度调制的识别方法 - Google Patents
多进制正交幅度调制的识别方法 Download PDFInfo
- Publication number
- CN101753515B CN101753515B CN2009102194462A CN200910219446A CN101753515B CN 101753515 B CN101753515 B CN 101753515B CN 2009102194462 A CN2009102194462 A CN 2009102194462A CN 200910219446 A CN200910219446 A CN 200910219446A CN 101753515 B CN101753515 B CN 101753515B
- Authority
- CN
- China
- Prior art keywords
- signal
- 16qam
- sample sequence
- modulation
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种多进制正交幅度调制的识别方法,主要解决现有识别MQAM类内信号调制方式计算量复杂,识别率低的问题。其实现过程是:先对接收的信号y(t)进行过采样得到采样序列y(n),使连续信号变为离散信号;求出接收采样信号y(n)的二阶矩,四阶矩和六阶矩的值;利用该二阶矩,四阶矩和六阶矩的值算出组合矩<overscore>m23</overscore>;取组合矩<overscore>m23</overscore>的实部作为接收采样信号的特征向量m23;计算各阶QAM特征向量理论值m′;通过各阶QAM特征向量理论值m′算出调制方式判决门限;根据接收采样信号的特征向量m23和调制方式判决门限判决接收信号的调制方式。本发明在瑞利衰落信道、低信噪比环境下对MQAM类内信号的识别,识别率在5dB以上达到100%,高于现有的其它方法。
Description
技术领域
本发明属于通信技术领域,涉及一种瑞利衰落信道、低信噪比条件下对多进制正交幅度调制MQAM信号类内的识别方法,应在于自动模式识别AMC中。
背景技术
自动模式识别是指在衰落信道下,通过观察和分析对接收信号采样下来的数据,自动识别该信号调制类型的一种技术。AMC不管在军用或者民用上都显得越来越重要,例如在电子信息战、信号频谱监测管理和软件无线电中,需要在未知调制信息的前提下,判断通信信号的调制方式,并估计相应的调制参数,才能进行解调。目前,对于MQAM信号类内识别研究比较少,现有的研究集中在理想高斯信道环境条件下,并且在低信噪比条件下识别率不高,不能满足实际应用的需要。
实现AMC主要有两种方法,一种是决策论,另一种是模式识别。决策论相当于把调制识别看作一个多假设问题,根据接收到的采样数据,建立合适的似然函数,求出使该似然函数最大的假设调制类型,就是接收到的调制类型。但是这种方法很难根据采样数据得到理想的似然函数,存在很大的误差,而且计算复杂度特别大,所以这方法不宜使用。模式识别包括两个步骤:第一步是根据接收到的采样数据,提取出合适的特征向量,第二步是根据所得到的特征向量,决定接收信号的调制类型。目前,大量的文章提取的特征向量都是基于高阶累积量,或者高阶矩的。
Reichert.J,Swami,Spooner,和Dobre等人提出的基于高阶累积量的模式识别方法,应用在高斯白噪声,低信噪比信道下,区分MQAM类内信号时,识别率不高。BinWang在文章中,“Algorithm for Blind Identification of OFDM Signal Based onHigher Oder Moments”,Journal of Data Acquisition & Processing,Vol.21,No.1,Mar2006,pp37-41中考虑到在实际的无线信道下,不仅仅是存在高斯白噪声,而且由于信道条件是随时在变化的,普遍存在瑞利效应和低信噪比的环境,因此提出了在瑞利衰落信道下,用基于高阶矩的方法,提取特征向量,但是这种方法有两方面不足,一是它的前提是要先通过联合矩估出信噪比,这样会增加运算复杂度,二是只应用在区分多载波调制和单载波调制时,识别率在0dB时才基本可以达到100%,应用在区分MQAM类内信号时,识别率不高。
发明内容
本发明的目的在于克服现有的MQAM类内信号识别领域在低信噪比、瑞利信道下识别率低,计算复杂的不足,提出一种多进制正交幅度调制的识别方法,由二阶矩,四阶矩,六阶矩组合成新的特征向量,来区分MQAM类内信号的方法,以实现在瑞利信道,低信噪比条件下对MQAM类内信号的识别,提高无线通信传输的准确性与有效性。为实现上述目的,本发明的技术方案包括如下步骤:
(1)设定通过瑞利衰落信道后所接收到的MQAM信号为:
(2)对接收信号y(t)进行过采样,得到接收采样信号序列y(n):
(3)分别算出接收采样序列y(n)的二阶矩M2,1(y),四阶矩M4,2(y)和六阶矩M6,3(y);
(4)根据M2,1(y),M4,2(y)和M6,3(y)阶矩,通过下式求出接收采样序列的组合矩m23:
(5)取组合矩m23的实部,作为接收采样序列的特征向量m23=Re[m23],其中Re[·]表示求·实部;
(6)根据m23的理论值 分别算出16QAM,32QAM和64QAM信号的特征向量的理论值m′16QAM,m′32QAM和m′64QAM,其中m20=2×k20,m30=6×k30,k20和k30分别为不同调制信号平均功率率归一化下的四阶矩和六阶矩的理论值;
(7)根据16QAM和64QAM的特征向量理论值m′16QAM和m′64QAM算出16QAM和64QAM调制方式的判决门限 根据16QAM和32QAM的特征向量理论值m′16QAM和m′32QAM算出16QAM和32QAM调制方式的判决门限
(8)根据接收采样序列的特征向量m23和MQAM信号调制方式的判决门限对MQAM信号调制方式进行判决:
本发明与现有技术相比具有的优点:
本发明是一种多进制正交幅度调制的识别方法,在BinWang提出的方法上,通过求出接收采样序列的组合矩,取组合矩的实部作为接收信号的特征向量,来识别MQAM类内的信号,省去了BinWang的通过联合矩估计信噪比这一步,减少了运算量,提高了识别的精确度。本发明不但适用于高斯白噪声信道,也适用于瑞利衰落信道。仿真表明,在瑞利衰落信道,5dB信噪比下,对区分MQAM类内信号的识别可达到100%的识别率,高于现有的其它方法。
附图说明
图1是本发明多进制正交幅度调制的识别实现流程示意图;
图2是本发明进行100次蒙特卡罗实验后的仿真图。
具体实施方式
参见图1,本发明多进制正交幅度调制的识别实现步骤如下:
步骤1,设定通过瑞利衰落信道后,接收到的MQAM信号模型为:
其中,Np为接收信号的平均功率,ck为接收信号的等效基带符号序列,Ts为符号周期,fc为载波频率,g(t-kTs)为成形脉冲信号g(t)经过kTs延时后的成形脉冲信号。
步骤2,对接收信号y(t)进行过采样,得到接收采样信号序列y(n):
步骤3,分别算出接收采样序列y(n)的二阶矩M2,1(y),四阶矩M4,2(y)和六阶矩M6,3(y):
M2,1(y)=E(|y(n)|2)=S+N
M4,2(y)=E(|y(n)|4)=m20S2+4NS+2N2
M6,3(y)=E(|y(n)|6)=m30S3+9m20S2N+18N2+6N3
其中,S=E(|u(n)|2),N=E(|w(n)|2),y表示接收采样序列y(n),
由于信道的影响因子a(n)服从瑞利分布,可令a(n)=rs(n)+jrc(n),rs(n)和rc(n)为统计独立的高斯随机分布,均值为零,方差为σ2,根据公式 有M21(a)=E|a(n)2|=2σ2,M42(a)=E|a(n)4|=8σ4,M63(a)=E|a(n)6|=48σ8,所以
m20=M4,2(u)/M2 2,1(u)=M4,2(a)/M2 2,1(a)×M4,2(s)/M2 2,1(s)=2×k20
m30=M6,3(u)/M3 2,1(u)=M6,3(a)/M3 2,1(a)×M6,3(s)/M3 2,1(s)=6×k30
其中,a表示信道的影响因子a(n),s表示发送信号s(n),k20=M4,2(s)/M2 2,1(s),k30=M6,3(s)/M3 2,1(s),k20和k30对应的各阶QAM理论值如表1所示。
步骤4,根据M2,1(y),M4,2(y)和M6,3(y)阶矩,求出接收采样序列的组合矩m23:
将采样序列y(n)的二阶矩M2,1(y)=S+N,变形为N=M2,1(y)-S,并将其分别代进M4,2(y)=m20S2+4NS+2N2和M6,3(y)=m30S3+9m20S2N+18N2+6N3后整理可得, 然后将 代进 整理后有 取等式的右边作为接收采样序列的组合矩
步骤5,取组合矩m23的实部,作为接收采样序列的特征向量m23=Re[m23],其中Re[·]表示求·实部。
步骤6,通过m23的理论值 分别算出16QAM,32QAM和64QAM信号的特征向量的理论值m′16QAM,m′32QAM和m′64QAM,其各阶QAM的m′理论值如表1所示。
表1 各阶QAM的k20,k30和m′理论值
k20 | k30 | m′ | |
16QAM | 1.3200 | 1.9600 | 0 |
32QAM | 1.3100 | 1.9000 | -0.2571 |
64QAM | 1.3810 | 2.2258 | 0.8232 |
步骤7,根据16QAM和64QAM的特征向量理论值m′16QAM和m′64QAM算出16QAM和64QAM调制方式的判决门限 根据16QAM和32QAM的特征向量理论值m′16QAM和m′32QAM算出16QAM和32QAM调制方式的判决门限
步骤8,根据接收采样序列的特征向量m23和MQAM信号调制方式的判决门限对MQAM信号调制方式进行判决:如果m23>th1,则判断发送信号的调制方式是64QAM,如果th1>m23>th2,则判断发送信号的调制方式是16QAM,如果m23<th2,则判断发送信号的调制方式是32QAM。
本发明的效果可以通过仿真进一步说明:
仿真环境,见表2
表2:仿真环境
数值 | |
信号类型 | {16QAM,32QAM,64QAM}符号率:2k/s 采样频率:20kHz载波频率:6kHz 多普勒频移:10Hz |
信道 | 瑞利衰落信道+附加高斯白噪声信噪比:0dB,5dB,10dB,15dB,20dB,25dB |
仿真结果:
基于表2设置的仿真参数进行仿真的结果如图2,图2中给出了在瑞利衰落信道,不同的信噪比下,做100次蒙特卡罗实验后,得到接收采样信号特征向量m23的统计结果。由图2可知,16QAM信号的m23曲线围绕在0附近,有微小的波动;32QAM信号的m23曲线围绕在-0.2571附近,有微小的波动;64QAM信号的m23曲线围绕在0.8232附近,有微小的波动。再根据调制方式的判决门限th1和th2,算得当信噪比大于或者等于5dB时,MQAM信号类内的识别率可达100%。
Claims (4)
1.一种多进制正交幅度调制的识别方法,包括如下过程:
(1)设定通过瑞利衰落信道后所接收到的多进制正交幅度调制MQAM信号为:
(2)对接收信号y(t)进行过采样,得到接收采样信号序列y(n):
(3)分别算出接收采样序列y(n)的二阶矩M2,1(y),四阶矩M4,2(y)和六阶矩M6,3(y);
·实部;
(6)根据m23的理论值分别算出16QAM,32QAM和64QAM信号的特征向量的理论值m′16QAM,m′32QAM和m′64QAM,其中m20=2×k20,m30=6×k30,k20和k30分别为不同调制信号平均功率率归一化下的四阶矩和六阶矩的理论值;
(7)根据16QAM和64QAM的特征向量理论值m′16QAM和m′64QAM算出16QAM和64QAM调制方式的判决门限根据16QAM和32QAM的特征向量理论值m′16QAM和m′32QAM算出16QAM和32QAM调制方式的判决门限
2.根据权利要求书1所述的多进制正交幅度调制的识别方法,其中所述的二阶矩M2,1(y),通过公式M2,1(y)=E(y×y*)=E(|y|2)计算获得,y表示接收采样序列y(n),E(·)表示求·期望,y*表示求y的共轭。
3.根据权利要求书1所述的多进制正交幅度调制的识别方法,其中所述的四阶矩M4,2(y),通过公式M4,2(y)=E(y2×(y*)2)=E(|y|4)计算获得,y表示接收采样序列y(n),E(·)表示求·期望,y*表示求y的共轭。
4.根据权利要求书1所述的多进制正交幅度调制的识别方法,其中所述的六阶矩M6,3(y),通过公式M6,3(y)=E(y3×(y*)3)=E(|y|6)计算获得,y表示接收采样序列y(n),E(·)表示求·期望,y*表示求y的共轭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102194462A CN101753515B (zh) | 2009-12-11 | 2009-12-11 | 多进制正交幅度调制的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102194462A CN101753515B (zh) | 2009-12-11 | 2009-12-11 | 多进制正交幅度调制的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101753515A CN101753515A (zh) | 2010-06-23 |
CN101753515B true CN101753515B (zh) | 2012-06-27 |
Family
ID=42479930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102194462A Expired - Fee Related CN101753515B (zh) | 2009-12-11 | 2009-12-11 | 多进制正交幅度调制的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101753515B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101895494B (zh) * | 2010-07-12 | 2013-02-27 | 西安电子科技大学 | 基于随机共振预处理的数字调制方式自动识别方法 |
CN102647391A (zh) * | 2012-03-30 | 2012-08-22 | 南京邮电大学 | 一种基于决策层数据融合的协作调制信号识别方法 |
CN102882820A (zh) * | 2012-09-04 | 2013-01-16 | 西安电子科技大学 | 认知无线电中非高斯噪声下数字调制信号识别方法 |
CN103546415B (zh) * | 2013-03-25 | 2016-12-07 | 上海数字电视国家工程研究中心有限公司 | 单多载波信号判别方法与信号接收装置 |
CN103259759B (zh) * | 2013-04-12 | 2016-03-02 | 西安电子科技大学 | 一种单通道时频重叠信号调制识别方法 |
CN104756456B (zh) * | 2013-10-24 | 2018-03-16 | 华为技术有限公司 | 一种识别正交调制信号的调制格式的方法及装置 |
CN104158633A (zh) * | 2014-09-09 | 2014-11-19 | 电子科技大学 | 一种基于混合高斯模型的最大似然调制识别方法 |
WO2018077443A1 (en) * | 2016-10-31 | 2018-05-03 | Huawei Technologies Duesseldorf Gmbh | Error detection using symbol distribution in a system with distribution matching and probabilistic amplitude shaping |
US10270625B2 (en) * | 2016-12-19 | 2019-04-23 | Futurewei Technologies, Inc. | Hardware virtualization for mean and variance estimations of QAM symbols |
CN109981507B (zh) * | 2019-04-11 | 2020-03-10 | 电子科技大学 | 一种qam信号类内识别方法 |
CN110035025A (zh) * | 2019-04-22 | 2019-07-19 | 桂林电子科技大学 | 一种基于直接特征提取的多载波混合信号的检测识别方法 |
CN110943952B (zh) * | 2019-11-30 | 2022-09-09 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 调幅信号的检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442011A (zh) * | 2000-11-03 | 2003-09-10 | 皇家菲利浦电子有限公司 | 判定反馈环路设备及用于信道估算和使用突发比特去除旋转的方法 |
US6977972B1 (en) * | 2000-07-12 | 2005-12-20 | Sharp Laboratories Of America, Inc. | Method of hybrid soft/hard decision demodulation of signals with multilevel modulation |
CN101014033A (zh) * | 2006-12-07 | 2007-08-08 | 杭州电子科技大学 | 一种适于实现的多电平正交幅度调制硬判决方法 |
-
2009
- 2009-12-11 CN CN2009102194462A patent/CN101753515B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6977972B1 (en) * | 2000-07-12 | 2005-12-20 | Sharp Laboratories Of America, Inc. | Method of hybrid soft/hard decision demodulation of signals with multilevel modulation |
CN1442011A (zh) * | 2000-11-03 | 2003-09-10 | 皇家菲利浦电子有限公司 | 判定反馈环路设备及用于信道估算和使用突发比特去除旋转的方法 |
CN101014033A (zh) * | 2006-12-07 | 2007-08-08 | 杭州电子科技大学 | 一种适于实现的多电平正交幅度调制硬判决方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101753515A (zh) | 2010-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101753515B (zh) | 多进制正交幅度调制的识别方法 | |
CN110855591B (zh) | 一种基于卷积神经网络结构的qam和psk信号类内调制分类方法 | |
CN101083649B (zh) | 多径瑞利快衰落信道下ofdm调制制式识别方法 | |
CN107547460A (zh) | 基于深度学习的无线通信调制信号识别方法 | |
CN108052956A (zh) | 一种大气湍流下无线光通信副载波调制星座图识别方法 | |
CN101895494B (zh) | 基于随机共振预处理的数字调制方式自动识别方法 | |
CN112380939B (zh) | 一种基于生成对抗网络的深度学习信号增强方法 | |
CN103259759B (zh) | 一种单通道时频重叠信号调制识别方法 | |
CN104158633A (zh) | 一种基于混合高斯模型的最大似然调制识别方法 | |
CN106941463A (zh) | 一种单比特量化mimo系统信道估计方法及系统 | |
CN104917714A (zh) | 降低大规模mimo-ofdm下行链路功峰均比的方法 | |
Wang et al. | Large-scale multi-user distributed antenna system for 5G wireless communications | |
CN109120563A (zh) | 一种基于神经网络集成的调制识别方法 | |
CN102111360A (zh) | 一种基于实时信噪比估计动态切换信道均衡算法 | |
CN101764784B (zh) | 多径信道下基于图像处理的正交幅度调制类内识别方法 | |
CN106452673A (zh) | 多传感器接收中基于特征向量的最大似然调制识别方法 | |
CN100477651C (zh) | 一种基于组合导频的高性能ofdm信道估计方法 | |
Efthymoglou | On the performance analysis of digital modulations in generalized-K fading channels | |
CN101442512B (zh) | Ofdm信号的识别方法 | |
CN105897626A (zh) | 一种mppm调制的软解调算法及误符号率性能估计方法 | |
CN107094043A (zh) | 基于块迭代法的改进后的mmse低复杂度信号检测方法 | |
CN102325123B (zh) | Rayleigh衰落信道下MQAM调制信号的盲识别方法 | |
Batra et al. | A study of automatic modulation classification for rayleigh fading channel | |
Bai et al. | Distributed detection in UWB wireless sensor networks | |
CN115913849A (zh) | 基于一维复值残差网络的电磁信号辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120627 Termination date: 20151211 |
|
EXPY | Termination of patent right or utility model |