CN103281276B - 一种cpm信号的最优解调设备及解调方法 - Google Patents

Abstract

本发明提供一种CPM信号的最优解调设备及解调方法，所述最优解调设备至少包括：相位旋转模块、匹配滤波器模块和维特比最大似然序列检测器。本发明的CPM信号的最优解调设备及解调方法的算法原理与CPM的最优解调算法MLSD相同，且解调性能与MLSD算法完全相同，复杂度则有大幅度的降低；应用本算法可以任意选择调制系数而不用考虑解调的复杂度；且将调制系数的选择范围，从有理数扩展到无理数，可以使用任意的实数作为调制系数，扩大的CPM调制的应用范围。

Description

一种CPM信号的最优解调设备及解调方法

技术领域

本发明属于无线通信领域，特别是涉及一种CPM信号的最优解调设备及解调方法。

背景技术

调制是一个将信息嵌入载波的过程。消息以模拟或数字的形式通过载波的幅度、频率、相位或这三者结合的方式携带，然后发送出去。

数字调制技术按照调制信号的性质可以分为恒包络调制和非恒包络调制两种。恒包络调制所产生的信号具有恒定的包络，能够工作在功率放大器的非线性放大区，因此具有很好的功率效率；而非恒包络调制信号的包络会随时间变化而变化，为了避免非线性失真，需要功率放大器工作在线性放大区。

恒包络调制技术根据其相位变化的规律，可以进一步分为连续相位调制(Continuous Phase Modulation，CPM)和非连续相位调制两种。其中连续相位调制技术，由于其相位变化是连续的，因此具有较高的频谱效率。

CPM调制信号可以表示为：

其中E_s为每个符号的能量，T为符号间隔，a_n为待调制的M进制数据，其取值范围为：a_n∈{±1,±3,...,±(M-1)}，其中M一般为2的幂。h为调制系数。相位脉冲函数q(t)定义为，其中g(t)为频率成型脉冲函数，满足，

其中L为调制长度。

通过选择不同的频率成型脉冲函数g(t)、调制系数h和调制长度L，就可以生成各种CPM调制信号。

CPM调制信号具有较高的功率效率和频谱效率，是一种先进的调制技术，因此被应用于多个无线通信系统中，如应用于全球移动通信系统(Global System for MobileCommunications，GSM)中的高斯滤波最小频移键控(Gaussian Minimum Shift Keying，GMSK)调制、应用于蓝牙系统中的高斯频移键控(Gaussian Frequency Shift Keying，GFSK)调制和应用于ZigBee系统中的最小频移键控(Minimum Shift Keying，MSK)调制等等。

由于CPM调制为非线性调制，因此解调算法十分复杂。最大似然序列检测(Maximum-Likelihood Sequence Detection，MLSD)是基于状态网格图，通过维特比算法来实现的CPM信号的最优解调算法。

MLSD算法的原理就是基于状态网格图，通过搜索最小欧式距离的路径，找到一个可能的估计序列α(a₁,a₂,...,a_n)，使条件概率P(α|r(t))最大。即在接收到信号为r(t)的条件下，序列α具有最大的出现概率。这个准则可以使正确判断的概率最大，因此也使错误概率最小。

如图1所示，在CPM接收机接收到的CPM信号经过天线11、接收射频模块12和A/D模块13后，到达CPM解调模块14的复基带信号表示为：

其中n(t)为高斯复白噪声。

CPM解调模块14的接收信号与本地构造的基于序列α的CPM信号之间的欧式距离定义为：

其中φ(t,α)为可能的发送信号的相位函数。对于在第k个符号周期内(kT≤t≤(k+1)T)周期内，发送信号的相位函数表示为：

其中θ_k定义为累积相位，当调制系数表示成h=2q/p(q和p为互质的整数)的形式时，累积相位满足，θ_k共有p个可选值。

MLSD在kT时刻的状态定义为：S_k=[θ_k,a_k-1,a_k-2,...,a_k-L+1]，共有pM^L-1个状态。由S_k和a_k来决定kT≤t≤(k+1)T时刻内发送信号的相位变化，并决定(k+1)T时刻的状态S_k+1。

MLSD算法就是在kT时刻，针对每个状态，计算计入下一个状态的M个分支度量。然后在原有到达kT时刻的幸存路径基础上，用计算得到的分支度量进行路径度量的更新。对(k+1)T时刻的每个状态比较其M个更新后的路径度量值，保存最大值对应的路径，同时消去其它M-1条路径。对所有状态节点完成上述操作后，每个节点将仅仅幸存一条路径。保存幸存路径数据和路径度量数据。每经过一个码元，重复上述步骤，直到序列完成，然后选择具有最大路径度量的路径，即为最大似然路径。回溯路径所保存的幸存路径数据，便可得到解调数据。

下面介绍分支度量的计算。对欧式距离表达式进行分解后可得：为实现最小的欧式距离，等价于实现最大的路径度量λ(α)，λ(α)定义为：

为了实现维特比算法，kT≤t≤(k+1)T周期内的分支度量定义为：

将发送数据的相位函数进行分解，分支度量λ_k(α)可进一步表示为：

从上式可知，在分支度量的计算中，分别需要接收信号的I路和Q路通过2个匹配滤波器，然后根据累积相位的值进行相位旋转后求和得到分支度量λ_n(α)。由于序列(a_k,a_k-1,...,a_k-L+1)共有M^L种可能，I路和Q路信号分别需要对应的正弦和余弦滤波器。当考虑到正弦函数和余弦函数的对称性，因此共需2M^L个滤波器用来计算分支度量。

MLSD算法共需要使用pM^L-1个状态和2M^L个滤波器，每完成一次状态转移，要进行4pM^L次滤波。该算法的复杂度与p的大小成正比。显然，选择具有较小p的调制系数可以显著降低MLSD算法的复杂度。然而，较小的p对应的调制系数大多数为弱调制系数(WeakModulation Index)，弱调制系数会造成码距的下降，进而造成解调性能的下降。因此，在实际应用MLSD算法时，需要在解调复杂度和解调性能之间寻找一个折衷。同时，在应用MLSD算法时，需要将调制系数进行分解，因此要求调制系数必须为有理数。这些都限制了调制系数的选择范围，进而限制了CPM技术的应用范围。

因此，自1981年用于CPM信号的MLSD算法提出以来，各个国家的研究人员进行了许多研究来简化MLSD算法的复杂度。但是，各个简化的算法均带来了一定的性能的损失；同时，很多简化的算法只适用于某些CPM信号的解调，并不能应用到所有的CPM信号解调中去。

在授权号为CN100586115C的中国专利申请中，公开了一种连续相位信号的调制及解调方法。该解调算法采用简化状态的非相干维特比算法将CPM信号状态化简为σ_n'。中频信号到达接收机后，进行下变频、抽取、滤波，得到复基带信号，将该基带信号与经一码元延迟和90°相移的信号相乘，得到基带差分信号，按简化状态的网格图计算进入每个状态σ_n+1'的分支度量，累加到前一时刻的路径度量M(σ_n')上，对当前状态σ_n+1'未经简化的状态进行估计，并回溯输出信息码元。具有计算简单，易实现，稳健性好之优点。但是带来了解调性能的损失。

在申请号为201110111653.3的中国专利申请中，公开了一种CPM调制的多符号检测算法。该检测算法为非相干解调，将产生本地所有调制序列与接收分组数据进行相关，通过复数共轭相乘并累加来寻求最大似然值。根据最大似然值所对应的本地调制序列来确定多符号的调制信息。该发明可以保证在接收天线口径和发射功率不变的条件下大幅度地提高传输速率从而节约成本，提升系统性能。具有实现复杂度低的优点，有利于硬件实现。但是由于这种方法只提取出一段数据单独进行解调，同样带来了性能的损失。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种CPM信号的最优解调设备及解调方法，其可在不影响CPM信号解调性能的前提下，大幅度降低调制的复杂度。

为实现上述目的及其他相关目的，本发明提供一种CPM信号的最优解调设备，其中，所述最优解调设备至少包括：相位旋转模块、匹配滤波器模块和维特比最大似然序列检测器，

其中，在kT≤t≤(k+1)T周期内，CPM信号的相位函数为：

其中L为调制长度，a_n为待调制的M进制数据，取值范围为：a_n∈{±1,±3,...,±(M-1)}，T为符号间隔，h为调制系数，θ_k为累积相位，q(t)为相位脉冲函数，q(t)定义为其中g(t)为频率成型脉冲函数，满足，

所述相位旋转模块用于去掉所述CPM信号中累积相位θ_k的影响；

所述匹配滤波器模块与所述相位旋转模块相连，用于将去掉累积相位的I路和Q路信号进行滤波，并将匹配滤波器的输出抽取后相加，得到kT≤t≤(k+1)T周期内状态转移的分支度量；

在kT≤t≤(k+1)T周期内状态转移的分支度量为：

其中，r(t)为接收到的CPM复基带信号；

所述维特比最大似然序列检测器与所述匹配滤波器模块相连，所述维特比最大似然序列检测器在kT时刻的状态定义为：S_k=[a_k-1,a_k-2,...,a_k-L+1]，且每个状态用于记录到达本状态的幸存路径、路径度量数据和该路径的累积相位θ_k，所述维特比最大似然序列检测器在原有到达kT时刻的幸存路径基础上，根据计算得到的所述分支度量选择(k+1)T时刻具有最大路径度量的幸存路径，且记录到达该状态的幸存路径、路径度量数据和该路径的累积相位θ_k，待到达接收到的CPM信号序列尾部后，确定最大似然路径，通过回溯最大似然路径，确定解调数据。

根据上述的CPM信号的最优解调设备，其中：累积相位θ_k+1根据下式更新θ_k+1=θ_k+πha_k-L+1。

根据上述的CPM信号的最优解调设备，其中：所述相位旋转模块将kT到(k+1)T周期内的CPM信号，与幅度为1、相位为当前路径的累积相位的负值的复数相乘，以去掉所述CPM信号中累积相位的影响。

根据上述的CPM信号的最优解调设备，其中：所述匹配滤波器包括冲击响应为和的匹配滤波器。

同时，本发明还提供一种CPM信号的最优解调方法，其中：在kT≤t≤(k+1)T周期内，CPM信号的相位函数为：

其中，L为调制长度，a_n为待调制的M进制数据，取值范围为：a_n∈{±1,±3,...,±(M-1)}，T为符号间隔，h为调制系数，θ_k为累积相位，q(t)为相位脉冲函数，q(t)定义为g(t)为频率成型脉冲函数，满足，

所述最大似然序列检测器在kT时刻的状态定义为：S_k=[a_k-1,a_k-2,...,a_k-L+1]，且每个状态用于记录到达本状态的幸存路径、路径度量数据和该路径的累积相位θ_k；

所述CPM信号的最优解调方法包括以下步骤：

步骤一、在原有到达kT时刻的幸存路径基础上，通过相位旋转和匹配滤波计算kT≤t≤(k+1)T周期内状态转移的分支度量，其中，在kT≤t≤(k+1)T周期内状态转移的分支度量为：

r(t)为接收到的CPM复基带信号；

步骤二、对(k+1)T时刻的每个状态，比较其M个更新后的路径度量值，保存最大路径度量对应的路径，同时消去其它M-1条路径；

步骤三、对所有状态节点完成上述操作，每个状态仅保留一条幸存路径，保存所述幸存路径和路径度量数据，同时重新计算累积相位θ_k+1并保存；

每过一个码元，重复上述步骤一到步骤三，直到序列完成，然后选择具有最大路径度量的路径，即为最大似然路径，回溯所述最大似然路径，即得到解调数据。

根据上述的CPM信号的最优解调方法，其中：步骤三中，所述累积相位θ_k+1由θ_k+1=θ_k+πha_k-L+1得到。

根据上述的CPM信号的最优解调方法，其中：每完成一次状态转移，需要完成2M^L次滤波。

如上所述，本发明的CPM信号的最优解调设备及解调方法，具有以下有益效果：

（1）本发明的算法原理与CPM的最优解调算法MLSD相同，且解调性能与MLSD算法完全相同；

（2）本发明的算法与CPM的最优解调算法MLSD相比，复杂度有大幅度的降低；

（3）本发明的算法的复杂度与调制系数的选择无关，因此可以任意选择调制系数而不用考虑解调的复杂度；

（4）本发明的解调算法将调制系数的选择范围，从有理数扩展到无理数，可以使用任意的实数作为调制系数，扩大的CPM调制的应用范围。

附图说明

图1显示为现有技术中的CPM接收机的结构示意图；

图2显示为本发明中CPM信号的最优解调设备的结构示意图；

图3显示为本发明中维特比状态转移示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

本发明提出了一个新的CPM最优解调算法。该CPM解调算法的原理与最大似然序列检测算法相同，同样基于状态网格图，通过搜索最小欧式距离的路径，找到一个可能的估计序列α(a₁,a₂,...,a_n)，使条件概率P(α|r(t))最大。即在接收到信号为r(t)的条件下，序列α具有最大的出现概率。这个准则可以使正确判断的概率最大，因此也使错误概率最小。

本发明的CPM最优解调设备包括相位旋转模块21、匹配滤波器模块22和维特比最大似然序列检测器23这三部分，结构如图2所示。其中，CPM信号经过相位旋转模块21去掉其中累积相位的影响，再经过匹配滤波器模块22配合，计算状态转移的分支度量，最后维特比最大似然序列检测器23根据计算得到的状态转移的分支度量，选择具有最大路径度量的幸存路径。待到达接收到的CPM信号序列尾部时，确定最大似然路径，通过回溯最大似然路径，得到解调数据。

其中，维特比最大似然序列检测器23在kT时刻的状态定义为：S_k=[a_k-1,a_k-2,...,a_k-L+1]，共有M^L-1个状态。每个状态记录了到达本状态幸存路径、路径度量数据和该路径的累积相位θ_k。维特比最大似然序列检测器23在原有到达kT时刻的幸存路径的基础上，用计算得到的分支度量进行路径度量的更新。对(k+1)T时刻的每个状态比较其M个更新后的路径度量值，保存最大路径度量对应的路径，同时消去其它M-1条路径。对所有状态节点完成上述操作后，每个状态将仅仅保留一条幸存路径。保存幸存路径数据和路径度量数据，同时计算累积相位θ_k+1并保存。每过一个码元，重复上述步骤，直到序列完成，然后选择具有最大路径度量的路径，即为最大似然路径。通过回溯最大似然路径，根据最大似然路径所经过的状态，确定解调数据。

图3所示为本发明中维特比状态转移示意图。其中，L=3、M=2，因此，状态数目为2^3-1=4个。下面举例说明状态转移的过程。对于l=2时刻的状态’00’，需要计算l=1时刻的状态’00’和’10’到达本状态的分支度量，并更新路径度量。保存最大路径度量对应的路径后，保存更新后的路径度量并计算累加相位。

下面介绍分支度量的计算。将发送信号的相位函数进行分解后，可得到在kT≤t≤(k+1)T周期内的状态转移的分支度量为：

因此，分支度量的计算包括相位旋转和匹配滤波两个部分。相位旋转是将kT到(k+1)T周期内的接收数据，与幅度为1、相位为当前路径的累加相位的负值的复数相乘，去掉累积相位对当前数据的影响。匹配滤波是根据当前状态和下一个可能的比特，将去掉累积相位的I路和Q路信号分别通过冲击响应为和的匹配滤波器。两个滤波器的输出经抽取后相加，得到了该状态转移的分支度量。

累积相位θ_k+1的计算是针对每个节点中幸存路径对应的上一个节点的累积相位和上一个节点的状态计算而得。

θ_k+1=θ_k+πha_k-L+1

由于序列(a_k,a_k-1,...,a_k-L+1)共有M^L种可能，并且分别需要对应的正弦和余弦滤波器，当考虑到正弦函数和余弦函数的对称性时，共需要M^L个滤波器。每完成一次状态转移，需要完成2M^L次滤波。

本发明提出的算法与现有CPM的最优解调算法原理完全相同，并没有降低调制信号的码距，且与现有CPM的最优解调算法的解调性能完全相同。

该算法通过改变维特比算法中状态的定义来减少状态的数目，大幅度地降低了解调算法的复杂度。如表1所示，与现有CPM最优解调算法MLSD相比，可见：维特比状态数、完成一次状态转移所需滤波次数和滤波器的数目仅为MLSD算法的1/p、1/2p和1/2。

表1本发明提出的方法与MLSD算法之间复杂度的对比

同时，本发明提出的算法的运算复杂度与调制系数无关，因此可以选择任意码距大的调制系数来提高解码的性能，而不必在解调算法复杂度和解调性能之间寻求一个折衷。同时，本方法将调制系数的选择范围，从有理数扩大到了无理数，从而可以选择任意实数作为调制系数。这些都大大扩大了CPM调制技术的应用范围。

综上所述，本发明的CPM信号的最优解调设备及解调方法，其可在不影响CPM信号解调性能的前提下，大幅度降低调制的复杂度。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (6)

1.一种CPM信号的最优解调设备，其特征在于：所述最优解调设备至少包括：相位旋转模块、匹配滤波器模块和维特比最大似然序列检测器，

其中，在kT≤t≤(k+1)T周期内，CPM信号的相位函数为：

<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mi>&amp;infin;</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mrow> <mi>k</mi> <mo>-</mo> <mi>L</mi> </mrow> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mo>+</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mi>k</mi> </msub> <mo>+</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>

其中L为调制长度，a_n为待调制的M进制数据，取值范围为：a_n∈{±1,±3,...,±(M-1)}，T为符号间隔，h为调制系数，包括有理数和无理数，θ_k为累积相位，q(t)为相位脉冲函数，q(t)定义为其中g(t)为频率成型脉冲函数，满足，

<mrow> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>t</mi> <mo>&amp;le;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0.5</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>t</mi> <mo>&amp;GreaterEqual;</mo> <mi>L</mi> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

所述相位旋转模块用于去掉所述CPM信号中累积相位θ_k的影响；

所述匹配滤波器模块与所述相位旋转模块相连，用于将去掉累积相位的I路和Q路信号进行滤波，并将匹配滤波器的输出抽取后相加，得到kT≤t≤(k+1)T周期内状态转移的分支度量；

在kT≤t≤(k+1)T周期内状态转移的分支度量为：

<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>Re</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>r</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>Re</mi> <mo>&amp;lsqb;</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <mi>cos</mi> <mo>&amp;lsqb;</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>Im</mi> <mo>&amp;lsqb;</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <mi>sin</mi> <mo>&amp;lsqb;</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>

其中，r(t)为接收到的CPM复基带信号；

所述维特比最大似然序列检测器与所述匹配滤波器模块相连，所述维特比最大似然序列检测器在kT时刻的状态定义为：S_k＝[a_k-1,a_k-2,...,a_k-L+1]，且每个状态用于记录到达本状态的幸存路径、路径度量数据和该路径的累积相位θ_k，所述维特比最大似然序列检测器在原有到达kT时刻的幸存路径基础上，根据计算得到的所述分支度量选择(k+1)T时刻具有最大路径度量的幸存路径，且记录到达该状态的幸存路径、路径度量数据和该路径的累积相位θ_k，待到达接收到的CPM信号序列尾部后，确定最大似然路径，通过回溯最大似然路径，确定解调数据；且每完成一次状态转移，需要完成2M^L次滤波。

2.根据权利要求1所述的CPM信号的最优解调设备，其特征在于：累积相位θ_k+1根据下式更新θ_k+1＝θ_k+πha_k-L+1。

3.根据权利要求1所述的CPM信号的最优解调设备，其特征在于：所述相位旋转模块将kT到(k+1)T周期内的CPM信号，与幅度为1、相位为当前路径的累积相位的负值的复数相乘，以去掉所述CPM信号中累积相位的影响。

4.根据权利要求1所述的CPM信号的最优解调设备，其特征在于：所述匹配滤波器包括冲击响应为和的匹配滤波器。

5.一种CPM信号的最优解调方法，其特征在于：在kT≤t≤(k+1)T周期内，CPM信号的相位函数为：

<mrow> <mtable> <mtr> <mtd> <mrow> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mi>&amp;infin;</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mrow> <mi>k</mi> <mo>-</mo> <mi>L</mi> </mrow> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mo>+</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mi>k</mi> </msub> <mo>+</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>,</mo> </mrow>

其中，L为调制长度，a_n为待调制的M进制数据，取值范围为：a_n∈{±1,±3,...,±(M-1)}，T为符号间隔，h为调制系数，包括有理数和无理数，θ_k为累积相位，q(t)为相位脉冲函数，q(t)定义为g(t)为频率成型脉冲函数，满足，

<mrow> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>t</mi> <mo>&amp;le;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0.5</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>t</mi> <mo>&amp;GreaterEqual;</mo> <mi>L</mi> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

最大似然序列检测器在kT时刻的状态定义为：S_k＝[a_k-1,a_k-2,...,a_k-L+1]，且每个状态用于记录到达本状态的幸存路径、路径度量数据和该路径的累积相位θ_k；

所述CPM信号的最优解调方法包括以下步骤：

步骤一、在原有到达kT时刻的幸存路径基础上，通过相位旋转和匹配滤波计算kT≤t≤(k+1)T周期内状态转移的分支度量，其中，在kT≤t≤(k+1)T周期内状态转移的分支度量为：

<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>Re</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>r</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>Re</mi> <mo>&amp;lsqb;</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <mi>cos</mi> <mo>&amp;lsqb;</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Integral;</mo> <mrow> <mi>k</mi> <mi>T</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mi>T</mi> </mrow> </munderover> <mi>Im</mi> <mo>&amp;lsqb;</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>j&amp;theta;</mi> <mi>k</mi> </msub> </mrow> </msup> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <mi>sin</mi> <mo>&amp;lsqb;</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mi>h</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>a</mi> <mi>n</mi> </msub> <mi>q</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>n</mi> <mi>T</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>

r(t)为接收到的CPM复基带信号；

步骤二、对(k+1)T时刻的每个状态，比较其M个更新后的路径度量值，保存最大路径度量对应的路径，同时消去其它M-1条路径；

步骤三、对所有状态节点完成上述操作，每个状态仅保留一条幸存路径，保存所述幸存路径和路径度量数据，同时重新计算累积相位θ_k+1并保存；

每过一个码元，重复上述步骤一到步骤三，直到序列完成，然后选择具有最大路径度量的路径，即为最大似然路径，回溯所述最大似然路径，即得到解调数据；

其中，每完成一次状态转移，需要完成2M^L次滤波。

6.根据权利要求5所述的CPM信号的最优解调方法，其特征在于：步骤三中，所述累积相位θ_k+1由θ_k+1＝θ_k+πha_k-L+1得到。