CN110690931B - 一种基于多小波基联合的数字信号自适应码率估计方法和装置 - Google Patents
一种基于多小波基联合的数字信号自适应码率估计方法和装置 Download PDFInfo
- Publication number
- CN110690931B CN110690931B CN201910962680.8A CN201910962680A CN110690931B CN 110690931 B CN110690931 B CN 110690931B CN 201910962680 A CN201910962680 A CN 201910962680A CN 110690931 B CN110690931 B CN 110690931B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- estimation
- code rate
- base
- scale
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明涉及一种基于多小波基联合的数字信号自适应码率估计方法和装置,包括预处理和自适应码率估计两个步骤。预处理步骤以观察窗口的原始I/Q数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;自适应码率估计步骤先由带宽粗估结果自适应选择小波变换的尺度,再对上述基带I/Q数据进行小波变换并提取变换后的跳变信息,最后通过自适应决策输出数字信号的码率及采信的小波基。本发明改善传统的基于小波变换的数字信号码率估计所面临的小波基适用范围单一、估计精度低的问题,提高非协作情况下数字通信系统码率估计的准确度,可用于频谱监测、电磁侦察等领域。
Description
技术领域
本发明属于无线电监测技术领域,涉及一种基于多小波基联合的数字信号自适应码率估计方法和装置,改善了传统的基于小波变换的数字信号码率估计中面临的小波基适用范围单一、估计精度低的问题,提高了非协作情况下数字通信系统码率估计的准确度和智能化水平。
背景技术
在实际通信系统应用中,大量存在着非协作通信这种发送方信息对于接收方来说基本不可知的情况,譬如民用通信中的频谱监控管理、通信系统故障检测;军用通信中军事侦查、通信电子对抗的电子战;以及新型的软件无线电系统、自适应调制系统通信等。接收方只能在没有任何先验信息或者极少先验信息的条件下进行盲处理。对接收信号的码率估计,获得符号周期是非协作数字通信系统所有后续所有识别、解调等信号处理工作的基础,只有在较低信噪比下准确估计出接收信号码率等参数,才有可能满足非协作通信的实际应用需求。
目前,常用的码率估计方法主要包括以下四种:
一是基于信号时域瞬时特征统计的方法,该方法在时域检测符号转换,根据欧拉定理来估计符号周期,原理简单,但噪声敏感度大,在较低信噪比环境下的估计性能会急剧下降;二是基于信号与其延迟相乘的方法,该方法通过检测基带信号延迟相乘生成谱线来估计符号周期,不受载频影响,对噪声也有较强鲁棒性,但仅适用于MPSK信号情况;三是基于循环相关的方法,该方法按循环频率步进搜索与过采样率有关的峰值来估计符号周期,不受噪声影响,但需要使用较多采样点做循环自相关估计并构造较大维度的特征向量,计算复杂度非常大,不易于实现。四是基于小波变换的方法,该方法通过小波变换提取码元相位的周期跳变,然后在时域或者频域估计符号速率,但对存在小波尺度盲点、抗噪声性能差等问题,且需要预先知道信号的调制类型,不适用于非合作通信。
由于可变的时频域分析窗口,小波分析对于码元之间的瞬变这样的暂态特征具有很好的检测和分析能力,且计算复杂度适中,因此基于小波变换的方法成为了码率估计方法研究的重点。目前最成熟的基于小波变换的方法是多尺度基带小波变换的码率估计,对基带信号进行多个尺度的小波变换,然后将各尺度下的小波变换幅值相加,最终从幅值之和中搜索最大谱峰,并推算出信号的码率。该方法采用基带信号进行分析,削弱了尺度盲点问题,多尺度的引入,提高了估计的精度。但由于使用haar或db5单一的小波基,适用范围有限,前者只适用于矩形脉冲成型下数字调制信号的码率识别,后者只适用于根升余弦成型下MPSK、MQAM调制信号的码率识别。
发明内容
本发明目的是针对现有的利用小波变换进行数字信号码率估计时,由于不同小波基适用范围单一所导致的估计精度低、估计信号种类有限的问题,提出一种基于多小波基联合的数字信号自适应码率估计方法和装置。该方法可适用于非合作情况下的数字通信系统,智能的对多尺度、多小波基下的估计谱线进行自适应融合,在有限的系统复杂度下,无需人工干预便能获得较大的估计范围和较大的估计精度。
本发明的技术解决方案如下所述。
一种基于多小波基联合的数字信号自适应码率估计方法,对观察窗口的原始I/Q采样数据先后执行预处理和自适应码率估计两个步骤,具体如图1所示。其中,预处理步骤以观察窗口的原始I/Q采样数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;自适应码率估计步骤先根据带宽粗估结果自适应选择小波变换的尺度,再对上述基带I/Q数据进行多小波基联合检测,最后通过自适应决策层,输出该采样数据的码率Rs以及采信的小波基WAV。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的预处理,是为了将原始的采样带宽固定的I/Q采样数据,变换为与原始采样数据的信号有效带宽相适应的基带1/Q数据形式,更利于后续估计处理。为了达到该目的,预处理主要是对原始I/Q采样数据进行快速傅里叶变换(FFT)、下变频及降采样处理。快速傅里叶变换的结果是输入原始信号的频域表达形式,在复杂电磁环境下其信号特征较时域形式更为明显。根据快速傅里叶变换所得的离散谱线谱峰位置和宽度情况,可估计出原始信号的频率和带宽,作为后续下变频及降采样的基础。因此,快速傅里叶变换是预处理步骤中必不可少的基础。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的下变频,是为了解决载频引起的尺度盲点问题。由于在a=4nπ/ωc(其中a为小波尺度,n为任意正整数,ωc为采样数据中信号的中心角频率)的小波尺度上,会出现尺度盲点现象,具体表现为,跨越码元时的暂态值形成的尖峰序列并不明显,而跨越码元时的暂态峰值反映了相邻码元间的相位跳变,故在该情况下无法完成符号率的提取。因此,根据快速傅里叶变换估计出的信号频率,将原始I/Q采样数据频谱搬移至基带,即ωc≈0后,小波变换的暂态值不再包含载频信息,可以有效消除小波变换峰值随小波尺度呈周期性振荡造成的尺度盲点问题。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的降采样,是根据快速傅里叶变换粗略估计出的信号有效带宽,将基带I/Q数据段的采样率控制在一定范围内。一方面,系统的观察窗大小是有限的,在该情况下,采样信号的码元个数和过采样率成反比关系,即处理数据段长度固定情况下,过采样率越低,该数据段包含的码元个数就越多,则在不改变估计复杂度的情况下,过采样率越低,码率估计精度越高;另一方面,降采样处理能缩小原始采样率和信号有效带宽之间的差距,有效降低观察窗口带宽远大于信号带宽情况下引起的估计误差。需要注意的是,由于不同的信号体制具有不同的能量聚中程度,即不同信号谱包络下降程度不一,因此在本步骤中只能对过采样率进行粗估计,旨在尽可能降低后续工作的复杂性,而不能直接作为码率估计的结果输出。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的自适应码率估计,包括小波尺度自适应层、多小波基联合检测层和自适应决策层。其中,小波尺度自适应层结合预处理得到的带宽粗估结果,选择后续小波变换的尺度为1×V实数列向量,V为包括1在内的正整数,不同的小波基的尺度大小可根据线下蒙特卡洛仿真性能确定;多小波基联合检测层通过小波变换检测码元跳变信息,即信号频率、幅度及相位的跳变情况,获取并行度为U×V的多小波基跳变谱线,其中U为本层选取的小波基个数,V为某一小波基下尺度变换个数;自适应决策层是本步骤的重点,将码率信息从多小波基联合检测层输出的U×V多小波基多尺度跳变谱线中精确估计出来,并给出相应的小波基标签。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的多小波基联合检测层,采用统一的小波变换模块及周期跳变信息提取模块,先将基带I/Q数据并行通过预置了不同小波基及尺度的小波变换模块,得到相应的小波变换结果谱线,其并行度为U×V;然后周期跳变信息提取模块通过诸如快速傅里叶变换、二次小波变换或谱线自相关处理方法,提取上述结果谱线峰值的周期性,得到并行度为U×V的多小波基跳变谱线。U和V越大,估计精度越高。
上述一种基于多小波基联合的数字信号自适应码率估计方法,所述的自适应决策层,通过归一化融合方法对多小波基跳变谱线进行组合分类,根据“择大准则”估计出码率精确估计结果及相应的小波基标签。首先,为了在同等条件下对各跳变谱线进行组合分类,需要在融合前对U×V个跳变谱线进行能量归一化处理,得到U×V个归一谱线,并对其进行峰值搜寻,综合考虑最大峰值及次大峰值的位置关系,得到相应的峰值、位置及标签向量,其中,标注内容为该向量对应的小波基名称及小波尺度,作为归一化输出结果。然后采用双层峰值融合方法,先后两次调用统一的峰值融合模块,将相同位置下的归一化输出向量进行组合,并给出组合标签,第一次用以处理同一小波基V个尺度的归一化结果融合,第二次在第一次调用基础上处理U个小波基的归一化结果融合,根据“择大准则”得到最优峰值及对应位置、组合标签,最终精确估计出信号的码率及相应小波基。具体如图2所示。
基于同一发明构思,本发明还提供一种基于多小波基联合的数字信号自适应码率估计装置,其包括:
预处理模块,负责以观察窗口的原始I/Q采样数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;
自适应码率估计模块,负责通过所述预处理模块获得的所述带宽粗估结果自适应选择小波变换的尺度,再将所述基带I/Q数据进行多小波基联合检测,最后通过自适应决策,输出数字信号的码率以及采信的小波基。
进一步地,所述自适应码率估计模块包括:
小波尺度自适应层,负责通过所述预处理模块得到的过采样率粗估结果,设置后续小波变换的尺度为1×V实数列向量,V为包括1在内的正整数,不同的小波基的尺度大小可由线下蒙特卡洛仿真性能确定;
多小波基联合检测层,负责通过小波变换检测码元跳变信息,即信号频率、幅度及相位的跳变情况,将所述基带I/Q数据并行通过小波变换模块及周期跳变信息提取模块,前者负责预置不同的小波基和尺度进行小波变换,后者负责提取相应小波变换结果的周期性,获取并行度为U×V的多小波基跳变谱线,其中,U为本层选取的小波基个数,V为某一小波基下尺度变换个数,U和V越大,估计精度越高;
自适应决策层,负责通过归一化融合方法对多小波基联合检测层输出的U×V多小波基多尺度跳变谱线进行组合分类,根据“择大准则”获取码率精确估计结果及采信的小波基标签。
本发明的有益效果是:
(1)本发明采用的自适应决策,可结合多个小波基的跳变谱线分类结果,扩大了估计范围,提高了信号识别的准确性和鲁棒性。
(2)本发明采用的多小波基联合检测,仅通过修改变换提取模块中小波变换的小波基及尺度来提取信息,模块复用率高、实现复杂度低。
(3)本发明自适应决策模块除了最终的码率估计结果外,还输出相应的小波基标签,可为后续信号调制识别、盲解调等处理提供更多维度的输入标签辅助,并且可通过收集小波基标签,指导本方法中多小波基选择,可迭代优化系统。
(4)本发明采用的预处理步骤结合后续自适应小波尺度及决策模块,可有效降低原始采样信号的输入要求,具备自动化程度相对较高、可重用性强、可扩展性优良等特点。
附图说明
图1为本发明中一种基于多小波基联合的数字信号自适应码率估计模型概要框图;
图2为本发明中自适应码率估计步骤的自适应决策模块处理框图;
图3为基于本发明的自适应码率估计系统及相应测试分析环境搭建示意图;
图4为基于本发明的自适应码率估计系统中某小波基下联合检测模块方框图;
图5为基于本发明的自适应码率估计系统评估结果图(即与现有估计方法在不同测试信号、不同Es/N0下性能对比曲线图),其中(a)图为方波成型下的数字信号码率估计成功率曲线对比图;(b)图为非方波成型下的数字信号码率估计成功率曲线对比图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。通过足够详细的描述这些实施示例,使得本领域技术人员能够理解和实践本发明。在不脱离本发明的主旨和范围的情况下,可以对实施做出逻辑的、实现的和其他的改变。因此,以下详细说明不应该被理解为限制意义,本发明的范围仅仅由权利要求来限定。
上述发明内容从核心思路和算法的层面,对一种基于多小波基联合的数字信号自适应码率估计方法做了描述。但是,在实际开发过程中,除了实现本发明的内容外,还需要一些额外准备的工作。图3为本发明的一种具体实施方式,下面将分步骤详细介绍。
(一)搭建软硬件开发环境
本发明涉及无线电监测领域,所需的开发环境包括1部通用软件无线电平台(USRP)以及1台PC机。USRP设备作为自适应码率估计系统的射频端,由于本身为货架产品,无需再安装软件,仅需要在PC机内安装驱动;PC机作为自适应码率估计系统的主体,主要完成采样信号的存储以及自适应码率估计系统的数据处理工作,需要安装Gnuradio 3.7或以上版本、Python 2.7/3.5或以上版本、MATLAB 2015或以上版本等必备软件。
(二)构造并采集测试信号
为了评估自适应码率估计系统的运行状态,可由如下步骤获取本实施方案的输入信号。
步骤1——构造测试信号。将多种数字调制信号存入信号源中作为被测信号,表1为一组数字调制信号列表。
被测信号与噪声源输出噪声由三通器结合,调节信号源与噪声源的功率可得到不同信噪比条件下的测试信号,并将其作为自适应码率估计系统的输入,由于噪声直接与被测信号叠加,因此在本发明的实施方案中,采用的是实验室下的高斯白噪声(AWGN)环境,且通过信号源与噪声源的功率之差,可得到原始信号的Es/N0。
表1
序号 | 调制种类 | 调制阶数 | 过采样倍数 | 成型滤波 |
1 | MSK | M=2 | Nsmp=8 | 矩形脉冲成型,即方波成型 |
2 | MSK | M=2 | Nsmp=8 | 高斯成型(BT=0.3),即GMSK |
3 | MQAM | M=16 | Nsmp=8 | 矩形脉冲成型,即方波成型 |
4 | MQAM | M=16 | Nsmp=8 | 根升余弦成型(α=0.2) |
5 | MPSK | M=2 | Nsmp=8 | 矩形脉冲成型,即方波成型 |
6 | MPSK | M=2 | Nsmp=8 | 根升余弦成型(α=0.2) |
步骤2——采集测试信号。采集测试信号时需要用到USRP设备和PC机。首先,利用Gnuradio软件搭建信号采集流图,具体构建方法请自行参考Gnuradio开发教程。流图是Gnuradio软件架构中的概念,其本质就是利用Gnuradio内置工具包,构建的一个描述信息流和处理单元功能的python代码。然后,将PC机与USRP设备连接,运行该流图,可以将测试信号以I/Q(相位正交的两路信号)采样数据的格式实时进行分帧存储,每帧存入一个单独的文件,置于硬盘内,作为原始数据的存档和后续处理的缓冲。每完成一帧数据的存储后,向预处理模块发送“数据帧到达信号”,告知预处理模块有新数据帧到达,可以开始后续运算。对该信号的格式和发送方式不作任何限制,可以采用socket、消息队列、信号量等信息传递方式。
(三)码率估计
当预处理模块接收到“数据帧到达信号”,则标明额外准备的工作已经完成。下面对本发明的估计过程的预处理及自适应码率估计两个主要模块进行详细描述:
1、预处理
在本发明的实施方案中,预处理模块的作用主要是:读取原始I/Q数据,并将其进行简单数字信号处理,转变为一种更有利于自适应估计的形式。预处理模块接收到“数据帧到达信号”后,从硬盘文件中读取M×N个原始I/Q采样符号进行数据处理,其中N为数据处理段的长度也是后续FFT的点数,M为数据处理段的组数。在本发明的实施方案中,取M=6,N=1024。
预处理模块中,数据处理具体步骤如下:
步骤1——将M组原始I/Q采样符号x(n)分别进行N点的FFT变换,得到原始信号的频域表达,具体为:
步骤2——为了减小低信噪比下噪声对谱峰估计的影响,减小频谱波动范围,需要对X(k)进行滑动窗平均,得到平均谱Xavg(k),具体为:
其中,Wavg为滑动窗大小。在本发明的实施方案中,取Wavg=16。
步骤3——计算平均谱幅度的dB功率表达,具体为:
Xavg_dB(k)=10·lg(|Xavg(k)|)
步骤4——搜索最大值max(Xavg_dB(k))及均值mean(Xavg_dB(k)),并设定判决门限Th为:
其中,max(Xavg_dB(k))下降3dB限是常规的带宽门限,mean(Xavg_dB(k)上升3dB限是本发明的实施方案中针对频谱包络下降较快的信号设置的补充门限。
步骤5——找出满足Xavg_dB(k)≥Th的最高和最低频点索引值kH和kL,则参数估计结果如下:
其中,fs表示当前采样数据的采样率。
步骤7——为增大有限数据段长度内的有效码元数,根据过采样估计结果Nsmp,采用半带滤波器迭代处理对基带I/Q信号进行降采样,直到新的基带I/Q信号x″(n)过采样率N′smp在4~16倍之间。如上述发明内容所指出的,由于不同的信号体制具有不同的能量聚中程度,即不同信号谱包络下降程度不一,因此步骤5中门限判决的方法只能对带宽及过采样率进行粗估计,故在本步骤中,不对降采样后的过采样率值进行严格规定,仅满足一定范围即可。
最终,预处理模块的输出为:M组N个基带I/Q降采样数据x″(n)及过采样率的估计结果N′smp。
2、自适应码率估计
自适应码率估计模块是本发明的实施方案的重点,主要利用小波变换优秀的边缘检测能力,提取出基带I/Q降采样数据x″(n)码元跳变谱线,最后从U×V组多小波基多尺度跳变谱线中精确估计出码率信息,并给出相应的小波基标签,其中U为系统选取的小波基个数,V为某一小波基下尺度变换个数。在本发明的实施方案中,分别采用db5小波基、morlet小波基及gaus3小波基进行小波变换,即U=3。
自适应码率估计模块中,数据处理具体步骤如下:
步骤1——小波尺度自适应。根据过采样率N′smp,设置后续小波变换的尺度。一般来说,小尺度下的小波变换能精确刻画信号的边缘信息,但受噪声影响较大,不利于码元速率的精确估计;大尺度下的小波变换对噪声有较好的平抑作用,但容易淹没真实局部极值,不能正确反映信号的局部特征。考虑到预处理模块中过采样率N′smp的估计精度较低,因此,本发明的实施方案在一定预留余度内,设置三个小波尺度,即V=3。不同的小波基采用不同的小波变换尺度,表2表示本实施方案采用的小波基及对应尺度。
表2
需要注意的是,在自适应码率估计模块中,小波基及相应的尺度均可根据需求进行个数和形式的变化,一般说来,采用的小波基和小波尺度越多,估计精度越高。
步骤2——多小波基联合检测。用U种小波基进行V个小波尺度的小波变换并提取相应的码元跳变信息。在本发明的实施方案中,该步骤采用统一的提取模块,不同的小波基及小波尺度仅需要对该模块的输入参数进行修改,具体如图4所示:
1)首先,在当前小波基ψ(n)及小波尺度a下,对输入的基带I/Q降采样数据段x″(n)进行连续小波变换,得到其幅度表达式为:
2)然后搜索小波变换幅度的极值点,并进行极值填充处理,得到充极序列CWTextre(a,k)。极值点是序列中判断区间中的最值点,设序列为x(n),则极值点需要满足以下条件:
在本发明的实施方案中,极值点的判断区间为R=5。
极值填充处理,是将小波幅度的各区间由该区间极值点填充的操作,主要用于减少噪声波动对跳变信息的干扰,提高小波幅度的奇异性。设小波变换幅度的极值点个数为m,则具体操作为:
①第1个极值点之前所有小波幅度值用第1个极值点值代替;
②第i个极值点到第i-1个极值点之间所有小波幅度值用第i-1个极值点值代替,i<m;
③第m个极值点之后所有小波幅度值用第m个极值点值代替。
3)再将充极序列CWTextre(a,k)进行差分处理,具体为:
CWTdiff(a,k)=CWTextre(a,k+1)-CWTextre(a,k)
随后利用快速傅里叶变换,得到码元跳变谱线Z(a,k),在频域更直观、迅速的通过FFT离散谱线来完成码元转换时周期跳变序列信息的获取。
4)最后,为了增强3)中码元跳变谱线Z(a,k)的强度,减少“底噪”影响,需要利用滑动窗对其进行峰值强调处理,得到提取模块的最终输出跳频谱线Zpek(k),具体为:
其中,Wpek为滑动窗大小。在本发明的实施方案中,取Wpek=16。
步骤3——自适应决策。采用归一化融合方法对U×V个跳变谱线进行组合分类,根据“择大准则”估计出码率精确估计结果及相应的小波基标签。归一化融合方法是本步骤的重点,也是本实施方案的重中之重,下面将对其进行详细说明。
1)首先,自适应决策的输入信号为不同尺度不同小波基下的跳变谱线,将这些谱线转变成可以相互进行比较、组合的具有相同量纲和数量级的数据,需要对U×V个跳变谱线Zpek(k)进行能量归一化处理,得到U×V个归一谱线Znorm(k),具体为:
2)然后,对每一组归一谱线Znorm(k)搜索其峰值及对应位置,得到U×V个峰值及位置向量。一般情况下,归一谱线Znorm(k)可能有多个明显的峰,各谱峰的间距与码率有关,并且,当小波基及相应变换尺度与采样信号越契合、信噪比环境越高,则多谱峰的现象越明显。因此,在本发明的实施方案中,综合考虑最大峰值及次大峰值的位置关系,提高峰值搜寻的准确性及权重,具体为:
①搜索归一谱线Znorm(k)的最大值max_data及其位置max_loc;
②搜索归一谱线Znorm(k)的次大值sec_data及其位置sec_loc;
③计算变量vrb1=min(max_loc,sec_loc)及vrb2=abs(max_loc-sec_loc);
④当满足以下条件,则输出峰值位置min(vrb1,vrb2),峰值大小max_data+sec_data;
反之,输出峰值位置max_loc,峰值大小max_data。
其中:
·vrb1和vrb2均不小于10;
·vrb1和vrb2的最大公约数为vrb1;
·vrb2/vrb1=n,n为正整数。
最终,输出U×V个搜寻结果峰值向量Zsearch作为自适应决策归一化部分的结果,表达形式为:Zsearch=[峰值位置PLsearch,峰值大小PDsearch,标签Labersearch],其中此处标签Labersearch是最初的标签,标注此向量相对应的小波基名称及小波尺度。
3)随后,采用双层峰值融合方法,输入多组峰值向量,将相同峰值位置下的峰值向量进行组合,并给出组合标签。在本发明的实施方案中,该步骤先后两次调用统一的峰值融合模块,第一次用以处理同一小波基V个尺度的峰值向量融合,第二次在第一次调用基础上处理U个小波基的峰值向量融合,最终精确估计出信号的码率及相应小波基。
峰值融合模块是该步骤的重点,具体为:
①输入多组峰值向量Zsearch,将Zsearch按峰值位置PLsearch排序;
②将相同大小的峰值位置PLsearch下的Zsearch归为一个组合,得到组合向量Zcomb,表达式为:Zcomb=[峰值位置PLcomb,峰值大小PDcomb,标签Labercomb]。其中:
·峰值位置PLcomb为本组合内共同的PLsearch;
·峰值大小PDcmob为本组合内所有的PDsearch之和;
·标签Labercomb为本组合内Labersearch的共有部分。
③搜索所有组合向量Zcomb,将峰值大小PDcmob最大的Zcomb所为本模块的输出。
第一次调用峰值融合模块,输入为U×V个峰值向量Zsearch,输出为U个组合向量Zcomb,每个组合向量表示某一小波基下的最优峰值向量组合结果,其Labercomb为该小波基名称以及对应的最优小波尺度。
第二次调用峰值融合模块,输入为第一次调用该模块的输出U个组合向量Zcomb,输出为1个组合向量,设该组合向量为最优向量Zfinal=[峰值位置PLfinal,峰值大小PDfinal,标签Laberfinal],Zfinal表示最优小波基下的最优峰值向量组合结果,其Laberfinal为该小波基名称以及对应的最优小波尺度。
需要注意的是,最优小波尺度可用于后续方法改进,但不是后续数据处理的必备输入,可根据情况进行裁剪。
4)最后,根据最优向量Zfinal的峰值位置PLfinal计算输入信号码率精确估计值,计算表达式为:
(四)测试结果评估
自适应码率估计完成后,可根据测试信号构造情况,对系统自适应估计结果进行一个分析、评估。在本发明的实施方案中,在每个Es/N0环境下,对多组不同数字调制的原始I/Q采样数据的码率估计结果进行统计,并与现有最普遍的基于db5小波基的多尺度二次小波码率估计方法进行比较。
将码率估计值在[-6%,+6%]范围内认为估计成功,则在100组测试下二者估计成功率对比结果如图5所示。图5中rect表示该数字信号采用方波成型,rcos表示该数字信号采用根升余弦成型。从图上可看出,在估计成功率不低于80%情况下,基于本发明的实施方案(图5中propose相应曲线)比现有算法(图5中common相应曲线)性能高出至少5dB,具体为:
1)对于MSK类数字调制信号:
·方波成型情况下(即MSK信号),本发明提出的方法在Es/N0≥3dB时能达到80%以上的估计成功率,而现有算法需要Es/N0≥9dB;
·在BT=0.3的高斯成型情况下(即GMSK信号),本发明提出的方法在Es/N0>11dB时能达到80%以上的估计成功率,而现有算法需要Es/N0≥19dB。
2)对于MQAM类数字调制信号:
·方波成型情况下,本发明提出的方法在Es/N0≥1dB时能达到95%以上的估计成功率,而现有算法需要Es/N0≥6dB;
·在滚降系数为0.2的根升余弦成型情况下,本发明提出的方法在Es/N0>8dB时能达到90%以上的估计成功率,而现有算法需要Es/N0≥16dB。
3)对于MPSK类数字调制信号:
·方波成型情况下,本发明提出的方法在Es/N0≥1dB时能达到95%以上的估计成功率,而现有算法需要Es/N0≥6dB;
·在滚降系数为0.2的根升余弦成型情况下,本发明提出的方法在Es/N0≥10dB时能达到90%以上的估计成功率,而现有算法需要Es/N0>19dB。
评估结果表明,基于本发明的实施方案(图5中propose相应曲线)在每种数字调制下性能均优于现有算法(图5中common相应曲线),扩大了估计范围,提高了信号识别的准确性和鲁棒性。同时,实施方案在估计关键的多小波基联合检测和自适应决策部分均采用了模块复用的方式,具有实现复杂度低、可重用性强的优点。
基于同一发明构思,本发明另一实施例提供一种基于多小波基联合的数字信号自适应码率估计装置,其包括:
预处理模块,负责以观察窗口的原始I/Q采样数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;
自适应码率估计模块,负责通过所述预处理模块获得的所述带宽粗估结果自适应选择小波变换的尺度,再将所述基带I/Q数据进行多小波基联合检测,最后通过自适应决策,输出数字信号的码率以及采信的小波基。
其中,所述自适应码率估计模块包括:
小波尺度自适应层,负责通过所述预处理模块得到的过采样率粗估结果,设置后续小波变换的尺度为1×V实数列向量,V为包括1在内的正整数,不同的小波基根据自身特点采样不同的尺度大小;
多小波基联合检测层,负责通过小波变换检测码元跳变信息,即信号频率、幅度及相位的跳变情况,将所述基带I/Q数据并行通过小波变换模块及周期跳变信息提取模块,前者负责预置不同的小波基和尺度进行小波变换,后者负责提取相应小波变换结果的周期性,获取并行度为U×V的多小波基跳变谱线,其中U为本层选取的小波基个数,V为某一小波基下尺度变换个数,U和V越大,估计精度越高;
自适应决策层,负责通过归一化融合方法对多小波基联合检测层输出的U×V多小波基多尺度跳变谱线进行组合分类,根据“择大准则”获取码率精确估计结果及采信的小波基标签。
基于同一发明构思,本发明的另一个实施例提供一种计算机/服务器,其包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行本发明方法中各步骤的指令。
基于同一发明构思,本发明的另一个实施例提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘),所述计算机可读存储介质存储计算机程序,所述计算机程序被计算机执行时,实现本发明方法的各个步骤。
本发明未详细阐述部分属于本领域技术人员的公知技术。
Claims (7)
1.一种基于多小波基联合的数字信号自适应码率估计方法,其特征在于,包括以下步骤:
以观察窗口的原始I/Q采样数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;
根据所述带宽粗估结果自适应选择小波变换尺度,再将所述基带I/Q数据进行多小波基联合检测,最后通过自适应决策,输出数字信号的码率以及采信的小波基;
所述的自适应选择小波变换尺度,是根据不同尺度下的蒙特卡罗仿真性能,结合带宽粗估结果,为各小波基选择对应的小波变换尺度,具体为1×V实数列向量,其中V为小波变换尺度的个数,取值为包括1在内的正整数;
所述的多小波基联合检测,是通过小波变换检测码元跳变信息,即信号频率、幅度及相位的跳变情况,包括以下步骤:将基带I/Q数据进行多个小波基及尺度下的小波变换,得到并行的小波变换结果谱线,其并行度为U×V,其中U为本层选取的小波基个数,V为某一小波基下尺度变换个数;通过快速傅里叶变换、二次小波变换或谱线自相关处理方法,提取上述结果谱线峰值的周期性,得到并行度为U×V的多小波基跳变谱线;U和V越大,估计精度越高;
所述的自适应决策,通过归一化融合方法对多小波基联合检测输出的U×V多小波基多尺度跳变谱线进行组合分类,根据“择大准则”估计出码率精确估计结果及采信的小波基标签,其中U为小波基个数,V为某一小波基下尺度变换个数。
2.根据权利要求1所述的方法,其特征在于,将采样带宽固定的原始I/Q采样数据,通过所述的下变频和降采样处理,变换为与原始I/Q采样数据的信号有效带宽相适应的基带I/Q数据,包括以下步骤:
由快速傅里叶变换结果进行原始信号的频率估计和带宽粗估;
通过频率估计结果将原始I/Q采样数据频谱搬移至基带,有效消除小波变换峰值随小波尺度呈周期性振荡造成的尺度盲点问题;
通过带宽粗估结果推算出原始采样信号的过采样率,对基带I/Q采样数据降采样,将基带I/Q数据的过采样率控制在指定范围内,有效降低原始固定采样带宽远大于信号带宽时所引起的估计误差;
输出带宽粗估结果和指定过采样范围的基带I/Q数据。
3.根据权利要求1所述的方法,其特征在于,所述的自适应决策包括以下步骤:
对U×V个跳变谱线进行能量归一化处理,得到U×V个归一谱线,并对其进行峰值搜寻,综合考虑最大峰值及次大峰值的位置关系,得到相应的峰值、位置及标签向量;标签的标注内容为该向量对应的小波基名称及小波尺度,作为归一化输出结果;
采用双层峰值融合方法,先后两次调用统一的峰值融合模块,将相同位置下的归一化输出向量进行组合,并给出组合标签;第一次用以处理同一小波基V个尺度的归一化结果融合,第二次在第一次调用基础上处理U个小波基的归一化结果融合,根据“择大准则”得到最优峰值及对应位置、组合标签,最终精确估计出信号的码率及相应小波基。
4.一种采用权利要求1~3中任一权利要求所述方法的基于多小波基联合的数字信号自适应码率估计装置,其特征在于,包括:
预处理模块,负责以观察窗口的原始I/Q采样数据作为输入,经过快速傅里叶变换、频率估计、带宽粗估、下变频和降采样处理,输出带宽粗估结果和指定过采样范围的基带I/Q数据;
自适应码率估计模块,负责通过所述预处理模块获得的所述带宽粗估结果自适应选择小波变换尺度,再将所述基带I/Q数据进行多小波基联合检测,最后通过自适应决策,输出数字信号的码率以及采信的小波基。
5.根据权利要求4所述的装置,其特征在于,所述自适应码率估计模块包括:
小波尺度自适应层,负责通过所述预处理模块得到的过采样率粗估结果,设置后续小波变换的尺度为1×V实数列向量,V为包括1在内的正整数,不同的小波基的尺度大小由线下蒙特卡洛仿真性能确定;
多小波基联合检测层,负责通过小波变换检测码元跳变信息,即信号频率、幅度及相位的跳变情况,将所述基带I/Q数据并行通过小波变换模块及周期跳变信息提取模块,小波变换模块负责预置不同的小波基和尺度进行小波变换,周期跳变信息提取模块负责提取相应小波变换结果的周期性,获取并行度为U×V的多小波基跳变谱线,其中,U为本层选取的小波基个数,V为某一小波基下尺度变换个数,U和V越大,估计精度越高;
自适应决策层,负责通过归一化融合方法对多小波基联合检测层输出的U×V多小波基多尺度跳变谱线进行组合分类,根据“择大准则”获取码率精确估计结果及采信的小波基标签。
6.根据权利要求5所述的装置,其特征在于,所述自适应决策层进行以下操作:
对U×V个跳变谱线进行能量归一化处理,得到U×V个归一谱线,并对其进行峰值搜寻,综合考虑最大峰值及次大峰值的位置关系,得到相应的峰值、位置及标签向量;标签的标注内容为该向量对应的小波基名称及小波尺度,作为归一化输出结果;
采用双层峰值融合方法,先后两次调用统一的峰值融合模块,将相同位置下的归一化输出向量进行组合,并给出组合标签;第一次用以处理同一小波基V个尺度的归一化结果融合,第二次在第一次调用基础上处理U个小波基的归一化结果融合,根据“择大准则”得到最优峰值及对应位置、组合标签,最终精确估计出信号的码率及相应小波基。
7.一种计算机,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1~3中任一权利要求所述方法中各步骤的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962680.8A CN110690931B (zh) | 2019-10-11 | 2019-10-11 | 一种基于多小波基联合的数字信号自适应码率估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962680.8A CN110690931B (zh) | 2019-10-11 | 2019-10-11 | 一种基于多小波基联合的数字信号自适应码率估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110690931A CN110690931A (zh) | 2020-01-14 |
CN110690931B true CN110690931B (zh) | 2020-12-22 |
Family
ID=69112016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962680.8A Active CN110690931B (zh) | 2019-10-11 | 2019-10-11 | 一种基于多小波基联合的数字信号自适应码率估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110690931B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898583B (zh) * | 2020-08-13 | 2022-07-05 | 华中科技大学 | 一种基于深度学习的通信信号调制方式识别方法及系统 |
CN112187316A (zh) * | 2020-10-09 | 2021-01-05 | 中国人民解放军空军研究院战略预警研究所 | 信号处理方法、装置、接收机及存储介质 |
CN112333123B (zh) * | 2020-10-10 | 2022-06-03 | 南京世海声学科技有限公司 | 非合作psk水声通信信号多小波基自动优选基带解调方法 |
CN112532985B (zh) * | 2020-12-01 | 2023-05-26 | 北方工业大学 | 基于变周期采样的移动终端视频流码率的自适应调节方法 |
CN113315727B (zh) * | 2021-03-29 | 2022-10-11 | 中山大学 | 基于预处理降噪的数字通信信号调制识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108737302A (zh) * | 2018-06-04 | 2018-11-02 | 中国人民解放军战略支援部队信息工程大学 | 低信噪比条件下随机共振联合小波变换的符号速率估计方法及其装置 |
CN109104215A (zh) * | 2018-09-03 | 2018-12-28 | 北京科技大学 | 一种基于小波变换的跳频信号码元速率盲估计方法 |
CN109450829A (zh) * | 2018-11-14 | 2019-03-08 | 南京长峰航天电子科技有限公司 | 数字调制信号码速率估计方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7822137B2 (en) * | 2006-10-25 | 2010-10-26 | L3 Communications Integrated Systems, L.P. | System and method for symbol rate estimation using vector velocity |
-
2019
- 2019-10-11 CN CN201910962680.8A patent/CN110690931B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108737302A (zh) * | 2018-06-04 | 2018-11-02 | 中国人民解放军战略支援部队信息工程大学 | 低信噪比条件下随机共振联合小波变换的符号速率估计方法及其装置 |
CN109104215A (zh) * | 2018-09-03 | 2018-12-28 | 北京科技大学 | 一种基于小波变换的跳频信号码元速率盲估计方法 |
CN109450829A (zh) * | 2018-11-14 | 2019-03-08 | 南京长峰航天电子科技有限公司 | 数字调制信号码速率估计方法和装置 |
Non-Patent Citations (3)
Title |
---|
A Self-adapting Symbol Rate Estimator Based on Wavelet Transform with Optimal Scale and Resample;Ding Yang等;《2014 IEEE 80th Vehicular Technology Conference (VTC2014-Fall)》;20141204;第1-5页 * |
Research on Communication Signal Symbol Rate Estimation Based on Wavelet Transform;Zhifei Yang等;《2019 IEEE 8th Joint International Information Technology and Artificial Intelligence Conference (ITAIC)》;20190805;第1660-1663页 * |
基于小波变换的MPSK 短信号符号率估计;苏志金等;《电子测量与仪器学报》;20130228;第27卷(第2期);第140-144页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110690931A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110690931B (zh) | 一种基于多小波基联合的数字信号自适应码率估计方法和装置 | |
CN102075484B (zh) | 一种降低信号峰均比的方法和装置 | |
CN113014524B (zh) | 一种基于深度学习的数字信号调制识别方法 | |
CN101977091B (zh) | 电磁频谱监测方法及系统 | |
CN108574546B (zh) | 一种主同步信号的符号位置的确定方法及装置 | |
CN113395225B (zh) | 通信信号波形到比特直接接收的通用智能处理方法及装置 | |
CN108737302B (zh) | 低信噪比条件下随机共振联合小波变换的符号速率估计方法及其装置 | |
CN112910812A (zh) | 一种基于时空特征提取深度学习的调制模式识别方法 | |
CN109450829B (zh) | 数字调制信号码速率估计方法和装置 | |
CN114925720A (zh) | 基于时空混合特征提取网络的小样本调制信号识别方法 | |
CN101436877A (zh) | 一种抗多径干扰的pn码自适应门限捕获方法 | |
CN108900445B (zh) | 一种信号符号率估计的方法及装置 | |
CN102664843A (zh) | 一种单频干扰检测和消除的方法及其装置 | |
CN107612860B (zh) | 适用于802.11ac接收机的同步与下采样估计方法 | |
CN111490954B (zh) | 信道脉冲响应的重要时延抽头选择方法及系统 | |
CN102055692B (zh) | 一种多天线系统中的信道估计方法及装置 | |
CN109067678A (zh) | 基于高阶累积量wfrft信号级联调制识别方法、无线通信系统 | |
CN116032709B (zh) | 无先验知识fsk信号盲解调和调制特征解析方法及装置 | |
CN107395540B (zh) | 基于lmd近似熵、高积累积量和svm的调制信号识别方法 | |
CN107341519B (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 | |
CN104753842B (zh) | 基于峰值位置判别的信号调制方式识别方法 | |
CN112333123B (zh) | 非合作psk水声通信信号多小波基自动优选基带解调方法 | |
CN111064686B (zh) | 一种符号定时同步方法及其装置 | |
CN111917674A (zh) | 一种基于深度学习的调制识别方法 | |
CN101552752B (zh) | 一种基带通信信号的信噪比估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |