CN106385307B - 一种传输损耗条件下stbc信号盲识别方法 - Google Patents
一种传输损耗条件下stbc信号盲识别方法 Download PDFInfo
- Publication number
- CN106385307B CN106385307B CN201610828727.8A CN201610828727A CN106385307B CN 106385307 B CN106385307 B CN 106385307B CN 201610828727 A CN201610828727 A CN 201610828727A CN 106385307 B CN106385307 B CN 106385307B
- Authority
- CN
- China
- Prior art keywords
- signal
- stbc
- frequency
- distance
- adjacent
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Radio Transmission System (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种传输损耗下STBC信号盲识别方法,通过考虑平坦衰落信道和传输损耗环境,结合STBC信号相关性,推导接收信号的四阶循环累积量、理论循环频率和相邻循环频率间距离;根据相邻循环频率间距离盲识别STBC信号。本发明可以较好的满足非合作通信中STBC信号识别要求,大大提高了识别的准确度,并且具有较低的计算复杂度。本发明可直接应用于非合作STBC通信系统,也可用于相应的软件无线电等系统。
Description
技术领域
本发明属于信号处理领域中非合作通信信号处理技术,具体是指一种传输损耗条件下基于四阶循环平稳的STBC信号识别方法。
背景技术
空时分组码(Space-Time Block Code,STBC)是利用无线信道的多径效应进行信道编码的新技术,大大地提高无线通信的有效性和可靠性。此外,MIMO-STBC(MultipleInput Multiple Output,MIMO)已经成为IEEE802.16e和IEEE802.11n的标准,是下一代无线通信理想的技术。因此STBC的盲识别是非合作MIMO系统通信侦察的重要内容之一。
STBC的盲识别主要有极大似然方法、二阶统计量方法、循环平稳方法和高阶统计量等方法。其中最大似然方法是计算接收信号的似然函数,通过最大化似然函数找到最优解。但是这类算法需要信道系数和噪声信息等先验信息,高阶调制方式条件下计算复杂度过高。二阶统计量方法是利用接收信号的二阶统计量的特征识别空时分组码类型,它主要解决多接收天线的识别问题,对单接收天线并不适用。循环平稳方法是通过接收信号二阶循环平稳或四阶循环平稳提取循环频率特征参数,根据不同的特征参数识别空时分组码。高阶统计量是利用接收信号的四阶统计量区分STBC的类型或估计信道。目前研究多输入单输出条件下STBC盲识别问题文献,并没有考虑传输过程中的时偏、频偏和相偏等传输损耗。而在实际的通信中,需要考虑相位噪声、频偏和多普勒频移等因素对接收信号影响。另外,基于四阶循环频率累积量和循环频率检测的算法由KARAMI E E等人在《IEEE TransactionVehicular Technology》杂志2015年第64期的“Identification of SM-OFDM and AL-OFDMsignals based on their second-order cyclostationarity”一文中提出,但是该算法并没有考虑传输损耗,且仅局限于SM(Spatial Multiplexing)码和Alamouti(Al)码,没有延伸到一般的STBC。且文中通过构造协方差矩阵的统计量识别STBC,该方法采用循环平稳检测循环频率,运算量较大。
由此可以看出,已有的方法还不能满足传输损耗下多输入单输出STBC信号识别问题,同时考虑计算复杂度的限制,还需研究一种更有效的STBC信号识别方法。
发明内容
本发明的内容是,在考虑传输损耗因子对接收STBC的影响条件下,提出了一种基于四阶循环平稳的STBC信号识别方法,提高识别的准确度。本发明可直接应用于非合作STBC通信系统,也可用于相应的软件无线电等系统。
为解决上述技术问题,本发明是通过以下技术方案实现的:考虑平坦衰落信道和传输损耗环境,结合STBC信号相关性,推导接收信号的四阶循环累积量、理论循环频率α和相邻循环频率间距离;根据相邻循环频率间距离盲识别STBC信号。
所述的推导接收信号四阶循环累积量、理论循环频率α和相邻循环频率间距离方法为:考虑具有Nt个发射天线、单接收天线的具有STBC的无线通信系统,在传输损耗条件下,接收信号r(t)表示为:
其中,θ0代表相位载波偏差,fe代表载波频偏,代表载波相位噪声,v(t)代表零均值的高斯白噪声,yλ(t)是未加传输损耗和噪声的接收信号,λ表示不同类型的STBC。而yλ(t)可表示为:
其中hi(t)代表第i个发射天线的信道系数,表示为g(t-(k+l-1)T+ε),g(t)是发射端整形滤波器和接收端滤波器的级联,T代表符号周期,ε代表发射滤波器和接收滤波器的时延。Ci,l代表编码矩阵的第i行第l列元素,其中0<i≤Nt、0<l≤L,同时i和l必须是整数。式中n为任意整数。
考虑信号集合Ω={ST4,ST3,Al,SM},其编码矩阵为式(3)-(6):
空间复用(SM),是对一组nt个符号通过nt个天线发射,其中传输矩阵X为:
Al码是一组2个符号通过两根发射天线发射,其中传输矩阵X为:
ST3是一组三个符号通过三个传输天线发射,其中传输矩阵X为:
ST4是一组四个符号通过三个传输天线发射,其中传输矩阵X为:
对于Al信号,计算接收信号在时延向量(τ0,τ1,τ2,τ3)=(0,0,τ,τ)四阶循环累积量为:
其中:
其中式(7)是周期为2T的周期函数,利用周期函数的相关性质,对(7)变形:
所以cAl(t,τ)的傅里叶变换CAl(α,τ)可表示为:
其中,A(α,τ)是a(t,τ)的傅立叶变换。
因此,Al循环频率其中k为整数,相邻循环频率距离为
同理,对于ST3信号计算接收信号在时延向量(τ0,τ1,τ2,τ3)=(0,0,τ,τ)四阶循环累积量为:
其中ci(t,τ)的表达式如(16a-16f)所示:
其中fi(t,τ)的表达式如(17a-17f)所示:
由于(15)是周期为4T的周期函数,对式(15)傅里叶变换
其中:
因此,ST3循环频率其中k为整数,相邻循环频率距离为
同理,对于ST4信号计算接收信号在时延向量(τ0,τ1,τ2,τ3)=(0,0,τ,τ)四阶循环累积量为:
其中,zi(t,τ)的表达式如式(21a-21g),mi,j(t,τ)表达式如(22)所示:
由于式(20)是周期为8T的周期函数,对式(20)傅立叶变换可得:
其中,Zi(α,τ)是zi(t,τ)的傅立叶变换,Mi,j(α,τ)是mi,j(t,τ)的傅立叶变换。
因此,ST4循环频率其中k为整数,相邻循环频率距离为
所述的根据相邻循环频率间距离盲识别STBC信号指的是:
由式(1)-(14)推导的Al信号四阶循环累积量的表达式,分析信道传输损耗因子{h(t),θ0,Δfe,ε}对CAl(α,τ)影响:由式(13)可知,CAl(α,τ)由B(α,τ)和A(α,τ)的卷积组成。对于B(α,τ),ε只改变CAl(α,τ)的相位,不会改变幅度。对于A(α,τ),θ0会对CAl(α,τ)产生相位旋转,但不会改变循环频率的幅度和位置。而Δfe不但产生相位旋转,而且改变CAl(α,τ)的循环频率位置,产生2Δfe的位移,和h(t)改变CAl(α,τ)幅度和相位,还产生新的频率成分。因此,Δfe,θ0和ε不会改变CAl(α,τ)的幅度,CAl(α,τ)在循环频率为有峰值。
同理,对于SM码,CSM(α,τ)没有任何的峰值;对于Al码,cAl(t,τ)是周期为2T的周期函数,所以CAl(α,τ)在τ=±T取得峰值,且循环频率为Z为整数;对于ST3码,cST3(t,τ)是周期为4T的周期函数,所以CST3(α,τ)在τ=±T,±2T,±3T取得峰值,且循环频率为对于ST4码,cST4(t,τ)是周期为8T的周期函数,所以CST4(α,τ)在τ=±T,±2T,±3T,±4T,±5T,±6T,±7T取得峰值,且循环频率为
若接收信号在时延向量(0,0,4T,4T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST4;若接收信号在时延向量(0,0,2T,2T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST3;若接收信号在时延向量(0,0,T,T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为Al。
与现有技术相比,本发明的有益效果是:
(1)能够在较低的信噪比条件下适应多输入单输出STBC信号,在不同接收符号、调制方式、估计带宽误差、相位噪声和多普勒频移都具有较高的识别性能,且计算量较低,适合实时环境。
(2)在信号建模的过程中,考虑相位噪声、频偏、时偏和多普勒频移等传输损耗因素的影响,其信号模型更贴近实际信号模型。
(3)本发明提出的方法不需要信道系数、调制方式和噪声功率的先验信息,适合非合作通信场合,有很强军事意义。
(4)本发明选用的基于循环频率的距离检测算法比基于循环平稳检测的算法计算复杂度低,适合工程应用。
附图说明
图1是本发明以上述四种STBC为例进行识别的总体流程图;
图2是实施例中Al码接收信号的四阶循环累积量α平面的截面图;
图3是实施例中不同STBC信号识别性能比较;
图4是实施例中不同接收信号符号数时STBC识别性能比较;
图5是实施例中不同调制方式时识别性能比较;
图6是实施例中估计带宽误差对本发明提出方法影响;
图7是实施例中相位噪声和多普勒频移对本发明提出方法影响。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。
图1是本发明以上述四种STBC为例进行识别的总体流程图,本实施例所述方法实现过程如下:
(1)截获多输入单输出信号y(k);
(2)求取接收信号四阶循环累积量,并根据峰值的位置求取循环频率α;
(3)根据相邻循环频率距离判决STBC信号的类型,若接收信号在时延向量(0,0,4T,4T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST4;若接收信号在时延向量(0,0,2T,2T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST3;若接收信号在时延向量(0,0,T,T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为Al。
实施例中:调制方式为QPSK,且调制后的符号方差为1,观察的符号数为4096,过采样因子为ρ=8,发射滤波器为滚降系数为0.35的升余弦整形脉冲,接收滤波器为巴特沃斯滤波器,且滤波器带宽等于信号的带宽,时偏和相位偏差分别设为均匀分布在[0,T)和[0,2π)的随机变量,频偏设为假定信道为频率非选择性信道,它由零均值的独立复高斯随机变量构成,且在观察的周期内是一个常数,初始化为零,SNR定义为在实验中,采用正确的识别概率P(λ|λ)和平均识别概率衡量算法的性能。
图2为Al码接收信号的四阶循环累积量α平面的截面图,由图3可以看出,接收符号数为8192时,当时延向量τ=±T时,Al码在循环频率0和循环累积量的幅度有峰值。
图3为不同STBC信号识别性能比较,由图4可以看出,SM的正确识别概率基本为1,不受SNR的影响;其它三种码的正确识别概率随着SNR提高而提高。其中,在SNR<5dB,Al码正确识别概率最高,而Al码在SNR>-2dB正确识别概率达到1,ST3在SNR>6dB正确识别概率基本保持不变,约为0.98,ST4的识别概率在SNR>4dB正确识别概率基本保持不变,约为0.99。
图4给出在不同接收信号符号数条件下,STBC的识别性能比较。从图4中可以看出,即使在很低的SNR下,增加接收符号数,平均识别概率Pc也显著提高。主要是因为接收样本数增大,的估计值更准确。在低样本数下,即使在高信噪比下,平均正确识别概率Pc也不是很理想,约为0.7519左右。
图5给出了在不同调制方式下,STBC的识别性能比较。由图5可以看出,平均正确识别概率并不随着调制方式的改变而改变。原因是因为提出的算法是检测相邻循环尖峰的距离,而调制方式的变化并不改变相邻循环尖峰的距离,因此对识别性能的几乎无影响。
图6给出了估计带宽误差对识别性能影响。由图6可以看出,带宽估计误差不影响算法的性能,通常来讲,鉴于所提出的特征参数对带宽估计误差不敏感,因此带宽估计误差影响可以忽略。更具体地说,若估计的带宽减少,噪声分布逐渐减少,在零循环频率的循环特性基本不受影响;另一方面,由于估计的带宽增加,噪声分布逐渐增大,在零循环频率的循环特性稍微受其影响;这就解释了在较低或中间的SNR,当ΔBW/BW=-0.2时,算法性能稍微提高;而当ΔBW/BW=0.2时,算法性能稍微降低。而在高SNR下,噪声分布可以忽略,因此识别的性能不依赖估计带宽的误差。另外,文中估计带宽的原因是因为在接受端需使用巴特沃斯滤波器滤除带外的噪声,估计带宽就需要分析带宽误差对其算法的影响,在一定的接受范围内,该发明提出的方法对估计带宽误差较稳健。
图7给出了相位噪声和多普勒频移对本发明提出方法影响。在实例中,相位噪声由一个速率为βT维纳过程生成,信道由修正的Jakes模型生成。由图7可以看出,在不同的多普勒频移和不同的相位噪声条件下,平均识别概率在Pc条件下,在βT≤0.03和fdT≤0.0001范围内较为理想,说明在一定范围内,该算法对多普勒频移和相位噪声不敏感。
Claims (2)
1.一种传输损耗条件下STBC信号盲识别方法,其特征在于,包括下述步骤:
步骤S1:建立传输损耗条件下接收信号模型,考虑频偏、相偏和相位噪声等因素对接收信号的影响;
步骤S2:推导接收信号四阶循环累积量和相邻循环频率距离,所述相邻循环频率距离为信号周期倒数的2倍;
步骤S3:根据相邻循环频率距离判断发射端STBC编码方式,具体方法为:若接收信号在时延向量(0,0,4T,4T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST4;若接收信号在时延向量(0,0,2T,2T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为ST3;若接收信号在时延向量(0,0,T,T)时四阶循环累积量,如果相邻的循环频率间距离为则信号识别为Al;否则,信号识别为SM。
2.如权利要求1所述的一种传输损耗条件下STBC信号盲识别方法,其特征在于,所述的步骤S2的方法具体为:
计算接收信号四阶循环累积量:
其中,r(t)为接收信号,(τ0,τ1,τ2,τ3)为时延向量;
对(1)进行傅里叶变换可得:
C(α,τ)=FFT[c(t,τ)] (2)
理论推导得到:Al循环频率其中k为整数,相邻循环频率距离为ST3循环频率其中k为整数,相邻循环频率距离为ST4循环频率其中k为整数,相邻循环频率距离为
其中,T为符号周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828727.8A CN106385307B (zh) | 2016-09-18 | 2016-09-18 | 一种传输损耗条件下stbc信号盲识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828727.8A CN106385307B (zh) | 2016-09-18 | 2016-09-18 | 一种传输损耗条件下stbc信号盲识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106385307A CN106385307A (zh) | 2017-02-08 |
CN106385307B true CN106385307B (zh) | 2019-05-21 |
Family
ID=57935715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610828727.8A Active CN106385307B (zh) | 2016-09-18 | 2016-09-18 | 一种传输损耗条件下stbc信号盲识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106385307B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111446972A (zh) * | 2020-04-24 | 2020-07-24 | 中国人民解放军海军航空大学 | 一种基于余弦比的ldpc码闭集识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103607361A (zh) * | 2013-06-05 | 2014-02-26 | 西安电子科技大学 | Alpha稳定分布噪声下时频重叠信号的参数预估方法 |
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
-
2016
- 2016-09-18 CN CN201610828727.8A patent/CN106385307B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103607361A (zh) * | 2013-06-05 | 2014-02-26 | 西安电子科技大学 | Alpha稳定分布噪声下时频重叠信号的参数预估方法 |
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
Non-Patent Citations (2)
Title |
---|
"一种基于高阶累积量的正交空时分组码盲识别方法";闫文君,张立民,凌青,孔东明;《电子学报》;20160531;第44卷(第5期);第1258-1264页 |
"基于高阶统计特征的空时分组码盲识别方法";闫文君,张立民,凌青,洪丹枫;《电子与信息学报》;20160331;第38卷(第3期);第668-673页 |
Also Published As
Publication number | Publication date |
---|---|
CN106385307A (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yousefi et al. | A survey on behavior recognition using WiFi channel state information | |
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN107070514B (zh) | 一种优化的大规模mimo信号检测方法 | |
CN106506427B (zh) | 一种基于folp的stbc-ofdm信号盲识别方法 | |
CN104502894A (zh) | 基于物理层信息的运动物体被动检测方法 | |
CN109951257B (zh) | Stbc-ofdm系统中构造不同分布信号序列的方法 | |
US6658261B1 (en) | Method for sinusoidal modeling and prediction of fast fading processes | |
CN105338609A (zh) | 多天线系统高能效动态功率分配方法 | |
CN110022274A (zh) | 一种毫米波mimo-ofdm系统的联合信道与载波频率偏移估计方法 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN106357369B (zh) | 一种基于相关谱超阈值特征的mimo码型识别方法 | |
Eldemerdash et al. | An efficient algorithm for space-time block code classification | |
Vasylyshyn | Channel estimation method for OFDM communication system using adaptive singular spectrum analysis | |
Gong et al. | Compressive subspace learning based wideband spectrum sensing for multiantenna cognitive radio | |
CN101026435A (zh) | 通信系统中低复杂度的极大似然检测方法及装置 | |
CN104539562A (zh) | 基于多输入多输出正交频分复用的宽带短波信道估计方法 | |
CN106385307B (zh) | 一种传输损耗条件下stbc信号盲识别方法 | |
US9094080B1 (en) | Method and apparatus for estimating statistics in wireless systems | |
Bhattacharjee et al. | Evaluation of orthogonal chirp division multiplexing for automotive integrated sensing and communications | |
DeYoung et al. | Using higher order cyclostationarity to identify space-time block codes | |
CN109861793A (zh) | 一种基于二阶统计量的空频分组码信号盲识别方法 | |
KR102091513B1 (ko) | Rfid 리더기의 수신 장치 및 수신 방법 | |
CN106341360B (zh) | 一种多输入单输出空时分组码系统的分层调制识别方法 | |
CN101710889B (zh) | 多路线性混合数字调制信号的盲符号率估计方法 | |
CN102891723B (zh) | Mimo-ofdm系统的无线电监测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190424 Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong Applicant after: Naval Aviation University of PLA Address before: 264001 scientific research department, 188 road two, Zhifu District, Yantai, Shandong Applicant before: Naval Aeronautical Engineering Institute PLA |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |