CN109861793A

CN109861793A - 一种基于二阶统计量的空频分组码信号盲识别方法

Info

Publication number: CN109861793A
Application number: CN201910090771.7A
Authority: CN
Inventors: 闫文君; 凌青; 张立民; 刘传辉; 钟兆根
Original assignee: Naval Aeronautical University
Current assignee: Naval Aeronautical University
Priority date: 2019-01-29
Filing date: 2019-01-29
Publication date: 2019-06-07

Abstract

本发明公开了一种基于二阶统计量的空频分组码信号盲识别方法。该方法具体包括以下步骤：构造不同接收天线接收信号的二阶统计量，然后进行傅里叶变换（DFT）得到频谱图；通过检测频谱图是否存在峰值区分SM‑OFDM和AL‑OFDM信号。其中峰值检测方法具体是根据二阶统计量的周期性，可以推测有16个尖峰，因此可以通过检测峰值的数量，若检测出16个峰值，则判定为AL‑OFDM信号，否则判定为SM‑OFDM信号；或者通过检测峰值间距离，若距离为二阶统计量序列的1/16，则判定为AL‑OFDM信号，否则判定为SM‑OFDM信号。

Description

一种基于二阶统计量的空频分组码信号盲识别方法

技术领域

本发明属于信号处理领域中非协作通信信号处理技术，具体是指一种基于二阶统计量的空频分组码信号盲识别方法。

背景技术

信号盲识别技术一直是近几年研究的热点和难点，特别是在频谱资源日益紧张的信息时代。随着频谱资源的紧缺，多载波技术由于其频带利用率高和抗多径干扰能力强的优点而应用的越来越广泛，因此多载波多天线识别技术也成为研究的热点。近些年多载波OFDM系统与空间编码(Space Block Coding,SBC)结合，已经成为IEEE 806.12n和IEEE806.12e核心技术，广泛应用在第四代移动通信中。总的来说，SBC与OFDM结合有两种方式，一种是STBC-OFDM，它是把数据符号先OFDM编码然后再SBC编码，而另一种是SFBC-OFDM，是先进行SBC编码，然后再OFDM编码。目前大多数识别算法的研究对象是STBC-OFDM信号，主要针对STBC-OFDM信号盲识别发射端编码方式，主要的方法有统计特性、循环谱、K-S检测和FOLP等，从识别效果来看，识别效果较理想，算法的鲁棒性也较强。但是SFBC-OFDM盲识别问题相关的文献还处于空白。本发明的算法是针对SFBC-OFDM信号中空间复用信号空频分组码(SM-OFDM)和AL空频分组码(AL-OFDM)信号进行识别。

发明内容

本发明的内容是在全盲条件下，对SFBC-OFDM信号中空间复用信号空频分组码(SM-OFDM)和AL空频分组码(AL-OFDM)信号进行识别。

为解决上述技术问题，本发明是通过以下技术方案实现的：构造不同接收天线的接收信号的二阶统计量，然后对二阶统计量进行离散傅里叶变换(DFT)得到频谱图，通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM。

SM和AL信号编码方式详细的方案如下：

对SM通信系统，将整个数据集d以2N为单位分块，以块为单位进行信号发射，第b块数据集通过空间复用生成两个新的数据向量，并通过天线0和天线1发射：

q^(b,0)＝[d^(b)(0),d^(b)(2),…d^(b)(2N-2)]

q^(b,1)＝[d^(b)(1),d^(b)(3),…d^(b)(2N-1)]

其中，q^(b,i)分别为第i(i＝0,1)根天线第b个长度为N的发射信号。

对于AL通信系统，将整个数据集d以N为单位分块，以块为单位进行信号发射，第b块数据向量通过空间编码为新的数据向量u为：

u^(b,0)＝[d^(b)(0),-d^(b)*(1),d^(b)(2),…d^(b)(N-2),-d^(b)*(N-1)]

u^(b,1)＝[d^(b)(1),d^(b)*(0),d^(b)(3),d^(b)*(2)…d^(b)(N-1),d^(b)*(N-2)]

其中，u^(b,i)分别为第i(i＝0,1)根天线第b个长度为N的发射信号。

在SBC编码后，进行OFDM变换，具体方法是：对得到的新数据集u和q做IFFT变换，并且加上前缀，可得到OFDM块，当信号为AL编码时x^(b,f)为：

当信号为SM时x^(b,f)为：

其中，n＝-v,…N-1，f＝0,1代表发射天线的编号，u^(b,f)(k)和q^(b,f)(k)分别表示u^(b,f)和q^(b,f)第k个数据符号。

s由不同块发射信号x^(b)组合而成，因此s⁽⁰⁾和s⁽¹⁾分别为：

s⁽⁰⁾＝[x^(0,0),x^(1,0),x^(2,0),…]

s⁽¹⁾＝[x^(0,1),x^(1,1),x^(2,1),…]

因此，发射信号经过信道后第i根天线接收信号可以表示为：

其中，i＝0,1,…n_r-1，h_fi(l)是第f个发射天线和第i个接收天线的信道脉冲响应，L_h代表未知路径数，n⁽ⁱ⁾(m)是高斯白噪声序列，s^(f)(m)是s^(f)的第m个序列。

所述的构造不同接收天线的接收信号二阶统计量，然后对二阶统计量进行DFT得到频谱图具体为：构造第k时刻和(k+N/2)时刻二阶统计量，其中N为OFDM子载波个数，k为接收信号时刻，然后对二阶统计量进行DFT变换。

为了进一步说明问题，本发明所述的构造不同接收天线的接收信号二阶统计量，具体为：将两个不同接收天线的接收信号rⁱ(k)和r^i′(k)，构造二阶统计量形式为y(k)＝E[r⁽ⁱ⁾(k)r⁽ⁱ'⁾(k+N/2)],i≠i′，rⁱ(k)表示第i根接收天线第k个时刻接收信号，r^i′(k+N/2)表示第i′根接收天线第(k+N/2)个时刻接收信号。

由于随机变量可以表示为其均值和另一个代表偏差的零均值的变量的和，因此SM和AL信号的y(k)可以表示为：

y^SM(k)＝E{y^SM(k)}+ψ^SM(k)

y^AL(k)＝E{y^AL(k)}+ψ^AL(k)

其中，E{y^ξ(k)}是y^ξ(k)均值，ψ^ξ(k)代表均值的偏差，ξ∈{AL,SM}。

对于y^ξ(k)，ψ^ξ(k)认为是隐藏在E{y^ξ(k)}中的噪声项，当不存在噪声时由于发射信号是独立同分布的，很容易得到：

y^SM＝[0,0,0,…]

对于AL信号，不考虑噪声，E{y^AL(k)}表达式为：

根据发射端信号相关性，E[x^(b,0)(n)x^(b,1)(n+N/2)]表达式为：

结合发射端的相关性，E{y^AL(k)}表达式为：

其中，Π(k,k+N/2-l-l′)代表指示函数，其含义是s^(b,f)(k-l)和s^(b,f′)(k+N/2-l′)在同一个OFDM块中。

对于y^ξ(k)，ψ^ξ(k)认为是隐藏在E{y^ξ(k)}中的噪声项，当不存在噪声时：

y^AL＝[C₁,0,0…C₂,0,0…C₃,0,0…C₄,0,0…]

其中，C₁＝-1、C₂＝-j、C₃＝1和C₄＝j，中间是15个连零，因此序列y^AL是一个周期函数，其周期为16。

所述的对二阶统计量进行离散傅里叶变换(DFT)得到频谱图，具体为：假设Y＝[Y(0),Y(1),…Y(K-1)]是向量y的DFT变换：

因此，Y^SM和Y^AL分别为：

Y^SM(n)＝Ψ^SM,n＝0,1,…K-1

所述的通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM，如果没有峰值则判定是SM-OFDM。具体为：如果有16个尖峰，则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM，具体为：检测频谱图主尖峰的数量，如果主尖峰为16个，则判定为AL-OFDM信号，否则判定为SM-OFDM信号。

算法流程如下：

输入：接收信号r⁽ⁱ⁾(k)和r^(i′)(k)；

1)计算接收信号的二阶统计量估计值

2)对二阶统计量进行DFT变换，得到频域图；

3)如果主尖峰为16个，则判定为AL-OFDM信号(H₁为真)，否则判定为SM-OFDM信号(H₀为真)。

所述的通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM，如果没有峰值则判定是SM-OFDM。具体为：如果尖峰之间距离为则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM，K为y(k)序列数量。

输入：接收信号r⁽ⁱ⁾(k)和r^(i′)(k)；

1)计算接收信号的二阶统计量估计值

2)对二阶统计量进行DFT变换，得到频域图；

3)如果尖峰之间距离为则判定为AL-OFDM信号(H₁为真)，如果没有峰值则判定是SM-OFDM(H₀)。

本发明方法能识别在全盲条件下AL-OFDM信号和SM-OFDM信号，且在低信噪比下识别效果较好；且不受调制方式等影响，方法的鲁棒性较好。

附图说明

图1是本发明所述方法的总体流程图。

图2是本发明所述的SFBC-OFDM信号传输框图。

图3是SM-OFDM和AL-OFDM二阶统计量的频谱图

图4是不同信噪比下SM-OFDM和AL-OFDM识别概率。

图5实施案例中不同调制方式对识别性能对比。

具体实施方式

本实施方式的总体流程图如图1所示，发射SFBC-OFDM信号传输框图如图2所示。

本实施例所述方法实现过程如下：

1)采样，初始化数据；

2)分别计算SM-OFDM和AL-OFDM信号的二阶统计量；

3)对二阶统计量进行DFT变换，得到频域图；

4)采用识别算法中方法一或者方法二峰值检测算法检测峰值；

5)重复步骤1～步骤4进行1000次蒙特卡洛仿真，计算正确识别概率。

实例中无特殊说明，仿真参数如下设置：子载波N＝64，循环前缀v＝5，采用QPSK调制方式，对于每一条传输路径，信道假定为频率选择信道，其中包括3个统计独立的抽头，每一个抽头建模为均值为0的复高斯随机变量，其功率服从指数PDF，其中l＝0,1,…,L_h-1。信噪比定义为其中为每根发射天线的功率，为高斯噪声功率。正确识别概率p_c(λ|λ)衡量算法性能。每个信噪比做1000次蒙特卡洛实验。

SM-OFDM和AL-OFDM二阶统计量的频谱图如图3所示。对于AL信号，|Y(n)|确实每隔有一个尖峰，主峰值的数量为16个，在每组主峰值旁边还有两个次峰值，数量也是16个，且相邻主峰之间的间隔也是

图4为P(λ|λ)与SNR关系，图中列出了不同的OFDM块数目下正确识别概率，从图4分析，增大OFDM块数目，AL识别性能得到很大提高，主要是由于块数目增大，的估计值更准确，其峰值更明显，另外，SM信号不随着OFDM块数目变化，主要是由于即使块数目增大，其互相关函数也没有展现峰值。

图5为SM-OFDM和AL-OFDM在不同调制方式下下识别概率图。其中调制方式为QPSK、8-PSK、16-PSK和64-QAM。其余仿真条件采用默认条件，实验仿真结果如图5所示。从图中曲线可以发现，调制方式对算法基本无影响。

Claims

1.一种基于二阶统计量的空频分组码信号盲识别方法，其特征在于：构造不同接收天线的接收信号的二阶统计量，然后对二阶统计量进行离散傅里叶变换得到频谱图，通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM。

2.根据权利要求1所述的盲识别方法，其特征在于，所述的构造不同接收天线的接收信号二阶统计量，然后对二阶统计量进行离散傅里叶变换得到频谱图，具体为：构造第k个时刻和第(k+N/2)个时刻二阶统计量，其中N为OFDM子载波个数，k为接收信号时刻，然后对二阶统计量进行离散傅里叶变换。

3.根据权利要求2所述的盲识别方法，其特征在于，所述的构造不同接收天线的接收信号二阶统计量，具体为：将两个不同接收天线的接收信号rⁱ(k)和r^i′(k)，构造二阶统计量形式为y(k)＝E[r⁽ⁱ⁾(k)r^(i')(k+N/2)],i≠i′，rⁱ(k)表示第i根接收天线第k个时刻接收信号，r^i′(k+N/2)表示第i′根接收天线第(k+N/2)个时刻接收信号。

4.根据权利要求1至3中任一所述的盲识别方法，其特征在于，所述的通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM的具体方法为：检测频谱图主尖峰的数量，如果主尖峰数量为16个，则判定为AL-OFDM信号，否则判定为SM-OFDM信号。

5.根据权利要求1至3中任一所述的盲识别方法，其特征在于，所述的通过检测频谱图是否存在峰值，如果存在峰值则判定为AL-OFDM信号，如果没有峰值则判定是SM-OFDM的具体方法为：检测频谱图尖峰间距离，如果相邻尖峰间距离为则判定为AL-OFDM信号，否则判定为SM-OFDM信号，K为y(k)序列数量。