CN104320362A - 一种用于pcma信号盲分离的方法 - Google Patents
一种用于pcma信号盲分离的方法 Download PDFInfo
- Publication number
- CN104320362A CN104320362A CN201410629322.2A CN201410629322A CN104320362A CN 104320362 A CN104320362 A CN 104320362A CN 201410629322 A CN201410629322 A CN 201410629322A CN 104320362 A CN104320362 A CN 104320362A
- Authority
- CN
- China
- Prior art keywords
- particle
- available
- moment
- posterior probability
- particles
- 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.)
- Granted
Links
Landscapes
- Complex Calculations (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明涉及一种用于PCMA信号盲分离的方法,包括:根据信道参数及两路符号的初始先验概率的分布抽样得到多个初始粒子并初始化每个粒子的权重;根据上一时刻粒子的信道参数计算当前时刻粒子的信道参数;对每个粒子,当在其计算空间内存在一个后验概率值大于预先设定的后验概率门限值时,将粒子列为可用粒子;对可用粒子对应的两路符号进行更新;对可用粒子的权重进行更新;计算可用粒子的归一化权重;更新当前时刻可用粒子的轨迹;根据可用粒子的权重计算当前时刻的有效粒子数;当有效粒子数达到预先设定的门限时,根据当前时刻可用粒子的信道参数计算PCMA信号的信道参数的估计值并根据可用粒子的权重计算PCMA信号的两路符号的估计值。
Description
技术领域
本发明涉及PCMA技术领域,尤其涉及一种用于PCMA信号盲分离的方法。
背景技术
成对载波多址接入(PCMA)技术可用于双向卫星通信。该技术与频分多址技术相结合后,能使系统的频谱利用率相对于传统的卫星通信系统提高一倍,且具有较高的信息抗截获特性。
对于PCMA信号的接收方而言,需在两路信号参数完全未知的情况下,实现两路单通道同频混合信号的盲分离。
现有的一种针对单通道盲分离的方法是粒子滤波方法,该方法主要包括如下步骤:
步骤1:根据信道参数的初始先验概率p(Θ1:k)的分布及两路符号的初始先验概率p(Φ1:k)的分布抽样得到N个初始粒子并初始化每个粒子权重为
步骤2:通过对观察值的粒子重要性抽样得到当前时刻各粒子的信道参数、符号及权重。步骤2还可以进一步包括如下子步骤:
子步骤2-1:根据信道参数分布抽样得到各轨迹参数的估计值集合抽样方法可以采用核平滑方法;
子步骤2-2:根据如下公式(1)抽样得到各粒子对应的两路符号集
公式(1)可以计算k-D+L时刻两路符号为Φ(m)的后验概率值。其中,N为粒子数,Φ={a,b}为两路符号的所有状态的集合,状态数共有M2个,M为两路符号的调制阶数。表示k-D+L时刻两路符号为第m个状态Φ(m),m∈{1,2,…,M2}。yk=y((k-1)P:kP)表示k时刻的采样观测值向量,P表示过采样倍数。表示k时刻两路信道参数的集合,h为信道衰减系数,Δω为基带频偏,为初始相位,τ为延时。D为符号判决时延,L为成型滤波器拖尾长度,SD=Φk+L-D+1:k+L表示从k+L-D+1到k+L时刻的两路符号序列。
子步骤2-3:根据如下公式(2)更新得到各粒子权重
其中,表示k时刻第i个粒子的权重,SD+1=Φk+L-D:k+L表示从k+L-D时刻到k+L时刻的两路符号序列,表示从k+L-D时刻到k+L-1时刻的两路符号序列。
步骤3:根据公式得到归一化的粒子权重,并更新粒子轨迹(包括对粒子对应符号信道参数以及权重的更新);
步骤4:通过公式计算得到当前时刻可用粒子数Neff,若Neff<NL,则重采样粒子更新粒子权重其中,NL为预先设定的重采样门限值;否则,进入步骤5;
步骤5:根据公式得到参数集合Θk的最小均方误差估计值
步骤6:通过公式得到符号向量的最大似然估计值其中,
然而,现有的用于PCMA信号盲分离的方法存在如下缺点:
1)每个时刻粒子抽样都要遍历完两路符号组合状态空间中的每一个状态,这种做法的计算量很大,特别当使用高阶调制且成型脉冲拖尾较长时,计算量更大。
2)粒子抽样和权重更新所用的计算公式都需要计算高维联合分布,而质量差的轨迹通常会导致很小的似然函数值。这些粒子对参数和传输符号的估计贡献很小,但是却消耗了大量的计算资源。
发明内容
本发明的目的在于提供一种用于PCMA信号盲分离的方法,能够降低PCMA信号盲分离过程中的计算量,提高PCMA信号盲分离性能和鲁棒性。
本发明的一个实施例提供了一种用于PCMA信号盲分离的方法,包括:根据信道参数的初始先验概率的分布及两路符号的初始先验概率的分布抽样得到多个初始粒子并初始化每个粒子的权重;根据上一时刻粒子的信道参数计算当前时刻粒子的信道参数;对每个粒子,当在其计算空间内存在一个后验概率值大于预先设定的后验概率门限值时,将粒子列为可用粒子;对可用粒子对应的两路符号进行更新;对可用粒子的权重进行更新;计算可用粒子的归一化权重;更新当前时刻可用粒子的轨迹;根据可用粒子的权重计算当前时刻的有效粒子数;以及当有效粒子数达到预先设定的有效粒子数门限值时,根据当前时刻可用粒子的信道参数计算PCMA信号的信道参数的估计值并根据可用粒子的权重计算PCMA信号的两路符号的估计值。
附图说明
通过结合附图对于本发明的实施例进行描述,可以更好地理解本发明,在附图中:
图1所示为本发明的用于PCMA信号盲分离的方法的一个实施例的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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做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。
参考图1,图1所示为本发明的用于PCMA信号盲分离的方法的一个实施例100的流程示意图。如图1所示,方法100包括如下步骤101至109。
在步骤101中,根据信道参数的初始先验概率的分布及两路符号的初始先验概率的分布抽样得到多个初始粒子并初始化每个粒子的权重。
在本发明的一个实施例中,信道参数可以包括两路信号的初始相位及延时τ1,τ2。因此,第i个粒子的信道参数其中,τ1,τ2∈(0,Ts),其中,Ts表示采样周期。
在本发明的一个实施例中,当采用BPSK方式调制信号、成型滤波器的拖尾长度为L=2时,第i个粒子对应的两路符号序列可以按照如下方式进行初始化:
其中,
由此可以得到N个初始粒子在本发明的一个实施例中,粒子的总数N可以设置为与成正比,其中,m表示每个粒子符号序列包含的数据元素个数,M表示PCMA信号的调制阶数。
在本发明的一个实施例中,各粒子的权重的初始值可以设置为其中N为粒子的总数。
在步骤102中,根据上一时刻粒子的信道参数计算当前时刻粒子的信道参数。
在本发明的一个实施例中,可以利用核平滑方法结合上一时刻各粒子对应的信道参数对当前时刻的信道参数进行更新。具体公式如下:
其中,
γ,α为核平滑方法估计模型的参数。表示核平滑分布符合均值为方差为的高斯分布。
在步骤103中,对每个粒子,当在其计算空间内存在一个后验概率值大于预先设定的后验概率门限值时,将该粒子列为可用粒子。
在本发明的一个实施例中,可以通过如下两个子步骤对判断一个粒子是否为可用粒子。
在子步骤103-1中,对第i个粒子,可以计算如下的M2(D+1)个后验概率值:
......
其中,yk-D+1表示k-D+1时刻对PCMA信号的采样值向量,表示从k-D-L+2时刻到k-D+L-1时刻两路符号为第i个状态,表示第i个粒子在k时刻所对应的信道参数,中间变量m,o,q,...,r共有D+1个,m,o,q,...,r=1,2,...,M2,D+1为计算空间的长度,L为成型滤波器的拖尾长度。当中间变量m,o,q,...,r遍历从1到M2的所有取值时,就会得到M2(D+1)个上面列出的后验概率值。
在子步骤103-2中,当M2(D+1)个后验概率中存在一个后验概率值大于预先设定的后验概率门限值时,就可以将第i个粒子列为可用粒子。
在步骤104中,对可用粒子对应的两路符号进行更新。
在本发明的一个实施例中,可以通过如下两个子步骤对可用粒子对应的两路符号进行更新:
在子步骤104-1中,计算第i个粒子在k-D+L时刻所对应的两路符号取值为Φ(m)的概率分布
其中,中间变量o,q,...,r共有D个,o,q,...,r=1,2,...,M2,上述的计算p(m)的公式共有D个求和。
在子步骤104-2中,对概率分布抽样得到两路符号的更新值。
在步骤105中,对可用粒子的权重进行更新。
在本发明的一个实施例中,可以根据如下公式对第i个粒子在k时刻的权重进行更新:
在步骤106中,计算可用粒子的归一化权重。
在本发明的一个实施例中,可以根据公式得到归一化的粒子权重。
在步骤107中,更新当前时刻可用粒子的轨迹。
在本发明的一个实施例中,可以利用前面步骤得到的各个粒子的信道参数、两路符号及归一化权重来更新当前时刻各个粒子的轨迹
在步骤108中,根据可用粒子的归一化权重计算当前时刻的有效粒子数。
在本发明的一个实施例中,可以通过公式计算得到当前时刻可用粒子数Neff。
在步骤109中,当有效粒子数达到预先设定的有效粒子数门限值时,根据当前时刻可用粒子的信道参数计算PCMA信号的信道参数的估计值并根据可用粒子的权重计算PCMA信号的两路符号的估计值。
在本发明的一个实施例中,当有效粒子数达到预先设定的有效粒子数门限值时,可以基于最小均方误差准则对信道参数进行估计。
在本发明的一个实施例中,当有效粒子数达到预先设定的有效粒子数门限值时,可以基于最大似然准则对两路符号进行估计。
在本发明的一个实施例中,如果有效粒子数未达到预先设定的有效粒子数门限值,则重采样粒子并更新粒子权重然后返回步骤102,以便计算更新下一时刻的粒子轨迹。
至此描述了根据本发明实施例的用于PCMA信号盲分离的方法,相对于现有的粒子滤波方法,本发明方法增加了对粒子的可用性进行判断的步骤,并具体提出了判断的公式及逻辑,此外,还改进了对两路信号和权重值进行更新的公式。因此,本发明方法能够动态地剔除掉一些对信道参数和符号估计贡献较小的粒子,可以有效地减少不必要的计算量,节省计算资源,提高计算效率。并且,由于这些被丢掉的粒子对应的后验概率值很小,把它们丢掉能有效减小一些错误粒子对后验概率的影响,最终得到的后验概率逼近值将更为准确,进而使最终的信号盲分离性能得以改善。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (4)
1.一种用于PCMA信号盲分离的方法,其特征是,包括:
根据信道参数的初始先验概率的分布及两路符号的初始先验概率的分布抽样得到多个初始粒子并初始化每个粒子的权重;
根据上一时刻所述粒子的信道参数计算当前时刻所述粒子的信道参数;
对每个所述粒子,当在其计算空间内存在一个后验概率值大于预先设定的后验概率门限值时,将所述粒子列为可用粒子;
对所述可用粒子对应的两路符号进行更新;
对所述可用粒子的权重进行更新;
计算所述可用粒子的归一化权重;
更新当前时刻所述可用粒子的轨迹;
根据所述可用粒子的权重计算当前时刻的有效粒子数;以及
当所述有效粒子数达到预先设定的有效粒子数门限值时,根据当前时刻所述可用粒子的信道参数计算所述PCMA信号的信道参数的估计值并根据所述可用粒子的权重计算所述PCMA信号的两路符号的估计值。
2.根据权利要求1所述的方法,其特征是,所述对每个所述粒子,当在其计算空间内存在一个后验概率值大于预先设定的后验概率门限值时,将所述粒子列为可用粒子的步骤进一步包括:
对第i个粒子,计算如下的M2(D+1)个后验概率值:
……
其中,yk-D+1表示k-D+1时刻对所述PCMA信号的采样值向量, 表示所述第i个粒子从k-D-L+2时刻到k-D+L-1时刻的两路符号状态序列,表示第i个所述粒子在k时刻所对应的所述信道参数,m,o,q,...,r=1,2,...,M2,中间变量m,o,q,...,r共有D+1个,D+1为所述计算空间的长度,L为成型滤波器的拖尾长度;以及
当所述M2(D+1)个后验概率中存在一个后验概率值大于所述后验概率门限值时,将所述第i个粒子列为可用粒子。
3.根据权利要求2所述的方法,其特征是,所述对所述可用粒子对应的两路符号进行更新的步骤进一步包括:
计算第i个粒子在k-D+L时刻所对应的两路符号取值为Φ(m)的概率分布
以及
对所述概率分布抽样得到所述两路符号的更新值。
4.根据权利要求3所述的方法,其特征是,所述对所述可用粒子的权重进行更新的步骤进一步包括:
根据如下公式对第i个粒子在k时刻的权重进行更新:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410629322.2A CN104320362B (zh) | 2014-09-29 | 2014-11-10 | 一种用于pcma信号盲分离的方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515862.8 | 2014-09-29 | ||
CN201410515862 | 2014-09-29 | ||
CN2014105158628 | 2014-09-29 | ||
CN201410629322.2A CN104320362B (zh) | 2014-09-29 | 2014-11-10 | 一种用于pcma信号盲分离的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104320362A true CN104320362A (zh) | 2015-01-28 |
CN104320362B CN104320362B (zh) | 2017-07-18 |
Family
ID=52375535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410629322.2A Expired - Fee Related CN104320362B (zh) | 2014-09-29 | 2014-11-10 | 一种用于pcma信号盲分离的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104320362B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449291A (zh) * | 2018-01-30 | 2018-08-24 | 西安电子科技大学 | 一种成对载波系统中参数的联合估计方法 |
CN109412725A (zh) * | 2018-10-15 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 无线电通信pcma信号盲解调方法及装置 |
CN110048982A (zh) * | 2019-04-04 | 2019-07-23 | 中国人民解放军战略支援部队信息工程大学 | 不同符号速率的成对载波多址信号的盲分离方法及装置 |
CN111526103A (zh) * | 2019-02-01 | 2020-08-11 | 中国科学院半导体研究所 | Pcma信号单通道盲分离方法 |
CN112039613A (zh) * | 2020-08-07 | 2020-12-04 | 中国卫通集团股份有限公司 | 一种非对称pcma混合信号的处理方法及装置 |
CN117747116A (zh) * | 2024-02-19 | 2024-03-22 | 天津市第五中心医院 | 一种产科助产的生理指标智慧预警方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826910A (zh) * | 2010-03-23 | 2010-09-08 | 上海师范大学 | 一种成对载波复用多用户随机接入中的信号参数提取方法 |
-
2014
- 2014-11-10 CN CN201410629322.2A patent/CN104320362B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826910A (zh) * | 2010-03-23 | 2010-09-08 | 上海师范大学 | 一种成对载波复用多用户随机接入中的信号参数提取方法 |
Non-Patent Citations (2)
Title |
---|
唐谊: "粒子滤波及其在通信信号处理中的应用研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
张冬玲: "一种基于Turbo迭代处理实现PCMA信号盲恢复算法", 《武汉大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449291A (zh) * | 2018-01-30 | 2018-08-24 | 西安电子科技大学 | 一种成对载波系统中参数的联合估计方法 |
CN108449291B (zh) * | 2018-01-30 | 2021-09-10 | 西安电子科技大学 | 一种成对载波系统中参数的联合估计方法 |
CN109412725A (zh) * | 2018-10-15 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 无线电通信pcma信号盲解调方法及装置 |
CN109412725B (zh) * | 2018-10-15 | 2021-02-09 | 中国人民解放军战略支援部队信息工程大学 | 无线电通信pcma信号盲解调方法及装置 |
CN111526103A (zh) * | 2019-02-01 | 2020-08-11 | 中国科学院半导体研究所 | Pcma信号单通道盲分离方法 |
CN111526103B (zh) * | 2019-02-01 | 2021-06-18 | 中国科学院半导体研究所 | Pcma信号单通道盲分离方法 |
CN110048982A (zh) * | 2019-04-04 | 2019-07-23 | 中国人民解放军战略支援部队信息工程大学 | 不同符号速率的成对载波多址信号的盲分离方法及装置 |
CN112039613A (zh) * | 2020-08-07 | 2020-12-04 | 中国卫通集团股份有限公司 | 一种非对称pcma混合信号的处理方法及装置 |
CN117747116A (zh) * | 2024-02-19 | 2024-03-22 | 天津市第五中心医院 | 一种产科助产的生理指标智慧预警方法 |
CN117747116B (zh) * | 2024-02-19 | 2024-05-17 | 天津市第五中心医院 | 一种产科助产的生理指标智慧预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104320362B (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104320362A (zh) | 一种用于pcma信号盲分离的方法 | |
US20210383280A1 (en) | Methods and apparatuses for defense against adversarial attacks on federated learning systems | |
US20210365841A1 (en) | Methods and apparatuses for federated learning | |
CN102244633B (zh) | 用于提供从传输器传输到接收器的消息的信道均衡的方法 | |
CN111724601A (zh) | 一种适用于数据缺失的机动车交通流预测方法 | |
CN104537891A (zh) | 一种船舶轨迹实时预测方法 | |
CN114884949B (zh) | 基于maddpg算法的低轨卫星物联网任务卸载方法 | |
CN103414711A (zh) | 基于信任的网络群体异常感知方法 | |
CN103117817A (zh) | 一种时变衰落信道下的频谱检测方法与装置 | |
CN105050095A (zh) | 一种基于能量预测的异构无线传感网的拓扑构建方法 | |
CN105263149A (zh) | 移动无线传感器网络中节点自适应分布式重聚类方法 | |
US20220343180A1 (en) | Learning device, learning method, and learning program | |
CN103227761B (zh) | 一种基于经验似然方法的多径非高斯噪声信道的估计方法 | |
Wang et al. | Blind noise variance and SNR estimation for OFDM systems based on information theoretic criteria | |
CN105791183A (zh) | 基于改进粒子滤波的pcma信号单通道盲分离方法 | |
CN104199884A (zh) | 一种基于r覆盖率优先的社交网络观察点选取方法 | |
CN103501182B (zh) | 一种卷积码生成多项式的盲估计方法 | |
CN102035769B (zh) | 基于复数离散全反馈神经网络的相移键控信号盲检测方法 | |
CN105207959A (zh) | 一种miso-ofdm系统的信道估计方法 | |
Golchoubian et al. | Stochastic nonlinear model predictive control of battery-supercapacitor hybrid energy storage systems in electric vehicles | |
CN109063940B (zh) | 基于变结构贝叶斯网络的智能车辆威胁估计系统及方法 | |
EP3996309A1 (en) | Transmission/reception method in 1-bit quantization system, and device therefor | |
CN103249050A (zh) | 基于业务需求的多尺度频谱接入方法 | |
Wong et al. | Deep Learning for Channel Estimation and Signal Detection in OFDM-Based Communication Systems | |
CN101982945B (zh) | 一种基于混沌理论的频谱感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170718 Termination date: 20181110 |
|
CF01 | Termination of patent right due to non-payment of annual fee |