CN109561035A - 一种基于太赫兹的超宽带单通道信号盲检测方法 - Google Patents

Abstract

本发明属于信号盲检测技术领域，具体的说是涉及一种基于太赫兹的超宽带单通道信号盲检测方法。本发明所提出的方法，仅使用一路30GSPS的高性能ADC以及一片高性能FPGA对太赫兹下变频后的中频信号进行采样恢复与处理，最终可实现10GHz范围内的中频信号准确中心频率估计和调制识别。本发明能够适应太赫兹频段下对{BPSK，QPSK，8PSK，8QAM，16QAM，32QAM，64QAM}调制集内调制方式的高精度识别并相应的恢复出源信号。

Description

一种基于太赫兹的超宽带单通道信号盲检测方法

技术领域

本发明属于信号盲检测技术领域，具体的说是涉及一种基于太赫兹的超宽带单通道信号盲检测方法。

背景技术

充足的频谱资源以及超高传输速率使得太赫兹通信成为无线通信发展的必然趋势，发展高功率太赫兹源，强化太赫兹波的检测能力是未来太赫兹通信的主要发展方向。在无线通信领域，对于信号调制识别的传统方法多种多样。基于瞬时特征参数进行分类器设计的方法能够对多种调制方式进行高精度识别且算法复杂度较低，区别仅在于选取的瞬时特征不同，但是算法的鲁棒性以及可迁移性很差，无法应用于盲识别。通过对基带信号瞬时幅度进行减法聚类实现了MQAM的盲识别，但仅适用于MQAM调制方式对MPSK无法适用。基于信号循环谱特征可以实现对不同调制方式的识别但算法复杂度过高。

调研太赫兹超宽带无线通信，常见调制方式集为{BPSK，QPSK，8PSK，8QAM，16QAM，32QAM，64QAM}，对于已有宽带信号检测技术，发现其共有的局限之处在于信道均假设为AWGN信道，不能直接推广到太赫兹情况，其次，已有信号检测或者不适用于盲检测场景或者算法复杂度过高或者适用范围仅适用于类内检测。对于太赫兹超宽带信号盲检测，传统的宽带信号检测技术将受到很大局限。如果能找到一种适用于太赫兹信道，复杂度较低，且识别域较广的盲信号检测算法将是十分有意义的。

发明内容

本发明的目的是提出一种适合于太赫兹频段下基于均值漂移聚类算法的调制识别及信号恢复方法。

本发明的技术方案为：

一种基于太赫兹的超宽带单通道信号盲检测方法，其特征在于，包括以下步骤：

S1、中频信号接收；

S2、通过接收的中频信号，进行中心频率估计及过采样率估计：

S3、下变频恢复I/Q数据；

S4、匹配滤波及最优采样点选取：

S41、生成采样率30GHz，符号速率为1M时的滤波器系数作为系数基准，对于过采样率为OS时，此时对应的滤波器系数为：

其中bias为1Msps符号速率对应的基准滤波器系数，表示对数n进行向下取整操作；

S42、采用最小方差准则选取最优采样点，记映射到复数域的数据为data，具备包括：

S421、初始化最佳采样位置为loc＝1；

S422、从loc开始间隔OS个点进行符号提取如下：

datachoose＝abs(data(loc:OS:end)),abs(x)表示对向量x取模值；

S423、计算方差：

delta(loc)＝var(datachoose)，var(x)表示对向量x求方差运算；

S424、更新采样点位置loc＝loc+1；

S425、重复步骤S422～S424共OS次；

S426、选取方差向量中最小值对应的位置为最优采样点；

S5、校正过采样率及滤波器系数，设估计出来的过采样率为在的范围内遍历过采样率取值，在每个过采样取值下利用步骤S42的方法求取最小方差，则最小的最小方差取值对应的过采样率即为修正后的准确过采样率取值，具体包括：

S51、初始化i＝1；

S52、遍历过采样率

S53、基于过采样率OS值从基准滤波器系数中提取相应的滤波器系数并对信号进行匹配滤波；

S54、在每个过采样率下利用步骤S42的方法获得相应的方差最小值记为mintemp，最小值位置记为minloc_temp；

S55、记S54所得方差最小值:minvar(i)＝mintemp；

方差最小值位置minloc(i)＝minloc_temp；i＝i+1,deta＝deta-1；

S56、重复步骤步骤S52～S55共2*deta次，找到minvar的最小值位置记为OS_deta；

S57、计算正确的过采样值：

最佳采样位置loc＝minloc(OS_deta)；

S58、利用修正后的过采样值提取相应的正确的滤波器系数；

S6、对下变频后的数据进行匹配滤波以及最优采样；

S7、采用均值漂移聚类算法对最优采样数据进行聚类，获得聚类中心点数N；

S8、根据聚类中心点数N进行调制识别，并计算中心点间距离的最小值D；

S9、利用N和D进行调制识别及准确性判断，若判断为准确，则进入步骤S10，否则回到步骤S1；具体为：

判断是否成立，若不成立，则判断为准确，其中判决阈值δ和d的取值根据不同的调制方向进行设定：

BPSK：d＝2.0000，δ＝1.0000；

QPSK：d＝1.4142，δ＝0.7071；

8PSK：d＝0.7654，δ＝0.3827；

16QAM：d＝2.0000，δ＝1.0000；

32QAM：d＝2.0000，δ＝1.0000；

64QAM：d＝2.0000，δ＝1.0000；

S10、相位修正及星座图恢复；

S11、解调信号。

本发明的有益效果为，能够适应太赫兹频段下对{BPSK，QPSK，8PSK，8QAM，16QAM，32QAM，64QAM}调制集内调制方式的高精度识别并相应的恢复出源信号。

附图说明

图1为本发明的逻辑结构框图；

图2为本发明的方法流程图。

具体实施方式

下面结合附图对本发明进行详细描述，以便本领域的技术人员能够更好地理解本发明。

本发明所提出的方法，仅使用一路30GSPS的高性能ADC以及一片高性能FPGA对太赫兹下变频后的中频信号进行采样恢复与处理，最终可实现10GHz范围内的中频信号准确中心频率估计和调制识别。对于星座图聚类的调制识别方法，旨在利用不同调制方式与星座图一一对应的关系通过恢复星座图进行调制识别并相应的解调恢复源信号。接收中频信号后直到解调完成基于星座图聚类的算法流程如图1所示。

本发明中假设：1.待测信号符号速率介于1MSPS～1GSPS之间2.已经通过接收到的中频信号精确估计载频，中心频率0～10GHz之间，粗略估计过采样率。基于均值漂移聚类的太赫兹超宽带盲检测设计具体过程如图2所示：

首先，重构滤波器系数，在检测端只能接收到中频实信号，无法获得滤波器系数，这就要求根据粗略估计出的过采样率自己生成相应的滤波器系数。在升余弦滚降因子确定的条件下可以通过如下方法利用过采样率重构滤波器系数。

生成采样率30GHz，符号速率为1M(过采样率为30000)时的滤波器系数作为系数基准，实测系数长度为2400001，对于过采样率为OS时，此时对应的滤波器系数为：

其中bias为1Msps符号速率对应的基准滤波器系数，表示对数n进行向下取整操作。简而言之，不同符号速率对应的滤波器系数就是对基准滤波器系数的等间隔采样并相应扩大幅度。

其次，进行最佳采样点的选取，匹配滤波后的数据，每个符号对应OS个采样点，需要从OS个采样点中找到最佳采样点位置，之后每隔OS个点在最佳采样点位置进行采样即可得到最佳采样数据。最佳采样点的选取采用最小方差准则。记映射到复数域的数据为data，算法步骤如下所示：

1.初始化最佳采样位置为loc＝1；

2.从loc开始间隔OS个点进行符号提取如下

datachoose＝abs(data(loc:OS:end)),abs(x)表示对向量x取模值；

3.计算方差：

delta(loc)＝var(datachoose)，var(x)表示对向量x求方差运算；

4.更新采样点位置loc＝loc+1；

5.重复步骤2～4共OS次；

6.最优采样位置即方差向量中最小值对应的位置。

最小方差准则的理论依据是，最佳采样点对应最好的星座图特性，即应该以聚类中心为中心呈团块状分布。杂散度最低，加之各个调制方式理想星座点关于零点对称，取模值后进一步减小了最佳采样点星座的杂散度，即对应最小方差。以最小方差准则确定的最佳采样点杂散度最低，对应最好的星座特性，最适于聚类分析的进行。

接着，进行过采样率及滤波器系数校正，实际检测的过程中，由于频谱的不理想性，无法估计出精确的过采样率。不准确的过采样率必然造成滤波器系数抽值的不准确，从而直接影响最佳采样点的选择，会对最终聚类造成严重影响，这就要求在检测端人为地对估计出的过采样率进行修正，从而得到准确的滤波器系数。修正过程仍然基于最小方差准则，记估计出来的过采样率为在的范围内遍历过采样率取值，在每个过采样取值下利用上诉算法流程求取最小方差，则最小的最小方差取值对应的过采样率即为修正后的准确过采样率取值，算法流程如下所示：

1.初始化i＝1；

2.遍历过采样率

3.基于过采样率OS值从基准滤波器系数中提取相应的滤波器系数并对信号进行匹配滤波；

4.在每个过采样率下利用上述算法流程计算相应的方差最小值记为mintemp最小值位置记为minloc_temp；

5.记录4所得方差最小值:minvar(i)＝mintemp方差最小值位置minloc(i)＝minloc_temp；

6.i＝i+1,deta＝deta-1；

7.重复步骤2～5共2*deta次，找到minvar的最小值位置记为OS_deta；

8.计算正确的过采样值：最佳采样位置loc＝minloc(OS_deta)；

9.利用修正后过采样值提取相应的正确的滤波器系数；

利用上述算法流程即可以将不准确的过采样率自行修正到准确值，并且得到相应的准确的滤波器系数以及最佳采样点的位置，进而就可以实现对下变频后的数据进行匹配滤波以及最优采样。

再次，选择均值漂移聚类算法对最优采样数据进行聚类，算法流程如下：

1.在未被标记的数据点中随机选择一个点作为中心点C；

2.确定滑动窗口半径r，找出离中心点C距离在r之内的所有点，记做集合M，认为这

些点属于簇C。同时，把这些点属于这个类的次数加1，用于最后步骤的分类；

3.以随机选取的中心点C半径为r的圆形滑动窗口开始滑动。每一次滑动到新的区域，

计算滑动窗口内的均值作为中心点，滑动窗口内的点的数量为窗口内的密度，均值漂移

类在每一次迭代中向密度更高的区域移动；

4.重复步骤2、3直到前后两个中心点距离小于阈值，记住此时的中心点。注意，这个

迭代过程中遇到的点都应该归到簇C；

5.如果收敛时当前簇C的中心点与其它已经存在的簇中心的距离小于阈值，那么把两

个簇合并。否则把C作为新的聚类，增加一类；

6.重复1～5直到所有的点都被标记访问；

7.根据每个类对各个点的访问次数，将访问次数最多的簇作为各个点的所属的簇；

到此即可以根据恢复的星座图进行调制识别如下：

根据聚类中心点数判断调制类别，当聚类中心点数为2，4时为PSK调制，当聚类中心点数为16,32,64时为QAM调制，当点数为8时，提取信号零中心归一化瞬时幅度绝对值的平均值M₁如下：

其中

s为接收到的中频实信号，用于区分恒模调制与非恒模调制：对于MPSK信号瞬时幅度仅在相位变化的时刻产生幅度突变，M₁值较小，对于MQAM信号，包络幅度不恒定，M₁值较大。设定恰当的阈值，通过M₁与阈值的比较即能识别出是8PSK还是8QAM。

在实际检测过程中无法对载波的相位进行估计，实测情况中，下变频时可能会引入载波相偏，存在载波相偏时，信号星座图整体旋转一个固定的角度，因此，相偏并不会影响检测信号点表现出来的聚集性，但是会影响与预期星座点位置的匹配关系，以至于最终影响解调的正确性

为了能够对数据做正确的解调，最后，需要对载波相偏进行补偿以及对星座图进行归一化处理。

注意到相偏的影响仅仅是星座图旋转特定的角度，故只要能够估计出这个旋转角度，即能对旋转过的星座图做相应的补偿，不妨记理想星座图星座点对应的相位φ(i),i＝1,2,...,N，N为调制阶数，聚类出的星座点对应的相位为ψ(i),i＝1,2,...,N(N＝2,4,8,16,32,64)。则旋转相位的大小为：

其中mean(x)表示对向量x求均值，故mean代表六种待识别调制方式理想星座图的相位均值，可以预先生成，具体值参见表1。记聚类出来的带相偏的中心点集为cp，对中心点进行相偏修正如下：

cp＝abs(cp)exp(j(mean(ψ)-θ)) (5)

表1：不同调制方式星座图相位均值对照表

相位补偿后的星座图和理想信号星座图形状完全一致但是幅值并不匹配，所以，为了准确地解调数据，需要对相位补偿后的星座图进行归一化操作。

对于PSK调制方式，做如下归一化处理，所有中心点对中心点的最大模值做归一化处理即：

其中，abs(cp)表示对向量cp中每个元素取模值。

对于QAM调制方式，此时分I/Q两路分别进行归一化处理即：

cp＝real(cp)+j*imag(cp) (9)

其中real(cp)表示向量cp的实部，imag(cp)表示向量cp的虚部。

经归一化处理的星座图与标准的星座图基本吻合，接下来只需要进行解调即能获得符号数据完成检测任务。

从图1基于聚类算法总的流程图不难发现，在调制识别之前都无法判定过采样率的修正是否正确，进而无法确定是否应用的是正确的滤波器系数，以及是否选到了最佳采样点，在实际检测的应用中，显然不能事先知道被检测对象所采用的调制方式，因而无法直接对判决结果正确与否做判断。

举一个例子，被检测方使用的是64QAM调制方式，由于噪声过大或者在传播过程中受到了其他信号源的干扰。利用上述处理算法。检测到聚类中心数恰好为32，会判定为32QAM，但由于没有判断机制，并不能发现识别错误，这样就会针对错误的星座使用错误的解调方式，对检测会造成灾难性的影响，因此虽说这种特殊情况发生概率极低，还是要引入一种判断机制判断调制识别结果是否正确。

这里，利用六种调制方式下标准星座图中星座点间距最小值的一半作为判决阈值δ，六种调制方式标准星座点间距的最小值d的取值如表2所示。对于归一化后的星座图计算任意两星座点之间距离的最小值D若满足：

其中d为根据判决出的调制类型从表2中查到的星座点间距最小值，即判定为聚类失败，需要重新侦测数据，否则则判定为聚类成功。

表2：不同调制方式星座点间距最小值以及判别阈值表

调制方式	星座点间距最小值d	判别阈值δ
			BPSK	2.0000	1.0000
π/4-QPSK	1.4142	0.7071
			8PSK	0.7654	0.3827
16QAM	2.0000	1.0000
			32QAM	2.0000	1.0000
64QAM	2.0000	1.0000

若聚类成功，即可进行后续的相位修正与星座图恢复。若聚类失败，原因就是检测点数不足带来的影响，均值漂移算法的思想是向密度增加的位置滑窗，当待聚类符号点过少时一定会出现聚类偏差，实测数据表明当检测到的符号数达到相应调制方式阶数的130倍以上时可以获得较好的信号检测效果。

Claims (1)

1.一种基于太赫兹的超宽带单通道信号盲检测方法，其特征在于，包括以下步骤：

S1、中频信号接收；

S2、通过接收的中频信号，进行中心频率估计及过采样率估计：

S3、下变频恢复I/Q数据；

S4、匹配滤波及最优采样点选取：

S41、生成采样率30GHz，符号速率为1M时的滤波器系数作为系数基准，对于过采样率为OS时，此时对应的滤波器系数为：

其中bias为1Msps符号速率对应的基准滤波器系数，表示对数n进行向下取整操作；

S42、采用最小方差准则选取最优采样点，记映射到复数域的数据为data，具备包括：

S421、初始化最佳采样位置为loc＝1；

S422、从loc开始间隔OS个点进行符号提取如下：

datachoose＝abs(data(loc:OS:end)),abs(x)表示对向量x取模值；

S423、计算方差：

delta(loc)＝var(datachoose)，var(x)表示对向量x求方差运算；

S424、更新采样点位置loc＝loc+1；

S425、重复步骤S422～S424共OS次；

S426、选取方差向量中最小值对应的位置为最优采样点；

S5、校正过采样率及滤波器系数，设估计出来的过采样率为在的范围内遍历过采样率取值，在每个过采样取值下利用步骤S42的方法求取最小方差，则最小的最小方差取值对应的过采样率即为修正后的准确过采样率取值，具体包括：

S51、初始化

S52、遍历过采样率

S53、基于过采样率OS值从基准滤波器系数中提取相应的滤波器系数并对信号进行匹配滤波；

S54、在每个过采样率下利用步骤S42的方法获得相应的方差最小值记为mintemp，最小值位置记为minloc_temp；

S55、记S54所得方差最小值:minvar(i)＝mintemp；

方差最小值位置minloc(i)＝minloc_temp；i＝i+1,deta＝deta-1；

S56、重复步骤步骤S52～S55共2*deta次，找到minvar的最小值位置记为OS_deta；

S57、计算正确的过采样值：

最佳采样位置loc＝minloc(OS_deta)；

S58、利用修正后的过采样值提取相应的正确的滤波器系数；

S6、对下变频后的数据进行匹配滤波以及最优采样；

S7、采用均值漂移聚类算法对最优采样数据进行聚类，获得聚类中心点数N；

S8、根据聚类中心点数N进行调制识别，并计算中心点间距离的最小值D；

S9、利用N和D进行调制识别及准确性判断，若判断为准确，则进入步骤S10，否则回到步骤S1；具体为：

判断是否成立，若不成立，则判断为准确，其中判决阈值δ和d的取值根据不同的调制方向进行设定：

BPSK：d＝2.0000，δ＝1.0000；

QPSK：d＝1.4142，δ＝0.7071；

8PSK：d＝0.7654，δ＝0.3827；

16QAM：d＝2.0000，δ＝1.0000；

32QAM：d＝2.0000，δ＝1.0000；

64QAM：d＝2.0000，δ＝1.0000；

S10、相位修正及星座图恢复；

S11、解调信号。