CN111277530A - 一种载波体制键控的调制解调方法 - Google Patents

Abstract

一种载波体制键控的调制解调方法，属于电力系统领域，为解决现有的单一的载波体制均存在不足的问题。本发明发射机待传输信息为高速率数据，通过低速率数据键控发射机载波体制，实现对高速率数据进行单载波调制或多载波调制，调制后的基带信号加入循环前缀后通过数模转换，通过混频实现频谱搬移，调制至对应的射频波段，通过天线发射进入传输信道；接收机从传输信道中接收射频信号，经过去循环前缀得到接收序列，对接收序列进行串并转换、快速傅里叶变换和频域均衡，获得的向量进行载波体制判决；根据判别结果，输出窄带信号的数据信息，并且解调对应的宽带信号，得到高速率的数据信息。本发明用于对载波体制进行键控。

Description

一种载波体制键控的调制解调方法

技术领域

本发明涉及一种载波体制键控的调制解调方法，属于通信技术领域。

背景技术

载波通信(Carrier communication)是基于频分复用技术的电话多路通信体制，属于经典模拟通信的制式，载波体制是无线通信领域的关键问题。

传统的单载波(SC，Single Carrier)调制是目前大多数通信系统所使用的载波体制，具有峰均功率比(PAPR，Peak-to-Average Power Rate)低，载噪比门限低、对载波同步和定时偏差不明显和实现简单等优点。传统的单载波体制对于多径传输引起的ISI(InterSymbol Interference，符号间干扰)问题一般使用自适应时间延迟估计(TDE，Time DelayEstimate)滤波器技术或是码分多址系统中的Rake接收技术来解决。对于窄带(低速率)信号通信系统，可以通过牺牲资源、提高复杂度来实现抗符号间干扰，但是对于宽带(高速率)信号，实现传输系统的抗多径所付出的代价就过于巨大。

多载波(MC，Multi-Carrier)技术则是通过串并转换将高速率信号分解为多个独立的低速率子比特流信号，调制相应的子载波，从而构成多个低速率信号并行发送的一种传输技术，目前研究最广泛的是1970年前后Weinstein提出的基于快速傅里叶变换的OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)系统。当然，多载波传输系统也有其不足之处，如高PAPR对发射机要求较高、对载波频率频偏和载波同步敏感等。

发明内容

本发明是为了解决现有的单一的载波体制均存在不足的问题，提供了一种载波体制键控的调制解调方法。

本发明所述一种载波体制键控的调制解调方法，该调制解调方法为：

发射机包括两种待传输信息，分别为为高速率数据和低速率数据，通过低速率数据键控发射机的载波体制，实现对高速率数据单载波或多载波的载波制式选择，调制后的基带信号加入循环前缀后通过数模转换，将数字信号转换为模拟信号后通过混频调制至对应的射频波段，通过天线发射进入传输信道；

接收机从传输信道中接收射频信号，通过滤波器、低噪声放大器、下变频和模数转换后获得数字信号，经过去循环前缀得到接收序列，对接收序列进行串并转换、快速傅里叶变换和频域均衡，获得的向量进行载波体制判决；

根据判别结果，输出窄带信号的数据信息，并且解调对应的宽带信号，得到高速率的数据信息。

本发明的优点：

1、本发明将低速率信号融入到OFDM和SC-FDE两种高速率信息传输系统中去，利用OFDM系统与SC-FDE系统的共存结构实现传输过程中载波体制的变换；

2、通过载波体制的键控实现宽窄带信号的融合

3、在接收机解调部分使用一些算法实现对传输信号载波体制的判决，输出低速率数据。

本发明的应用范围不局限于传统的通信，也可以应用于宽窄带融合和保密通信或抗截获通信等方向。

附图说明

图1是本发明所述一种载波体制键控的调制解调方法的原理框图；

图2是发射机实现对高速率数据进行单载波调制或多载波调制的原理框图；

图3是基于高阶累积量的载波体制判决方法的判决流程图；

图4是基于神经网络的调制方式识别方法的判决流程图；

图5是基于高阶累积量的载波体制判决方法的效果仿真图；

图6是基于BP神经网络的载波体制判决方法的效果仿真图；

图7是基于高阶累积量判决的系统低速率数据误比特率示意图；

图8是基于BP神经网络判决的系统低速率数据判决误比特率示意图；

图9是在基于高阶累积量判决和基于BP神经网络判决两种识别方法下高速率数据的误比特率与理论值的比较示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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作出创造性劳动的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。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

具体实施方式一：下面结合图1-图4说明本实施方式，本实施方式所述一种载波体制键控的调制解调方法，该调制解调方法为：

发射机包括两种待传输信息，分别为为高速率数据和低速率数据，通过低速率数据键控发射机的载波体制，实现对高速率数据单载波或多载波的载波制式选择，调制后的基带信号加入循环前缀后通过数模转换，将数字信号转换为模拟信号后通过混频调制至对应的射频波段，通过天线发射进入传输信道；

接收机从传输信道中接收射频信号，通过滤波器、低噪声放大器、下变频和模数转换后获得数字信号，经过去循环前缀得到接收序列，对接收序列进行串并转换、快速傅里叶变换和频域均衡，获得的向量进行载波体制判决；

根据判别结果，输出窄带信号的数据信息，并且解调对应的宽带信号，得到高速率的数据信息。

本实施方式中，接收机进行频域均衡的目的是：消除信道多径效应引起的频率选择性衰落等影响。

本实施方式中，接收机输出的窄带信号数据信息对应发射端的低速率数据。

进一步的，所述发射机实现对高速率数据进行单载波调制或多载波调制键控的具体方法为：

将高速率数据输入载波制式选择模块，将低速率数据作为载波制式选择模块的键控信息，载波制式选择模块两个输出端分别连接多载波调制模块和单载波调制模块，根据键控数据选择输出数据进入多载波调制模块或单载波调制模块；

发射机的待传输信息为高速率数据，其信息序列为x，在t时刻发送信息为x_t；

发射机的键控信息为低速率数据，其信息序列为s，在t时刻发送信息为s_t，s_t∈{0,1}；

在t时刻低速率数据s_t＝1，则输出数据进入多载波调制模块进行多载波调制；

在t时刻低速率数据s_t＝0，则输出数据进入单载波调制模块进行单载波调制。

再进一步的，输出数据进入多载波调制模块进行多载波调制的具体方法为：

在t₁～t₁+T时刻

T表示低速率键控数据的符号周期，高速率数据进行正交频分复用调制，进入多载波调制模块的高速率数据信息序列为：

N≥4，N表示后端快速傅里叶逆变换的点数；

输入至多载波调制模块的高速率数据首先进行串并转换，将串行的信息序列转换为N维的并行向量，然后进行N点快速傅里叶逆变换运算，获得向量：

最后进行并串转换，获得长度为N的序列：

完成多载波调制。

本实施方式中，N表示后端快速傅里叶变换的点数，由两种数据的传输速率决定。

本实施方式中，正交频分复用是多载波调制的一种。

再进一步的，输出数据进入单载波调制模块进行单载波调制的具体方法为：

在t₁～t₁+T时刻

高速率数据进行单载波调制，进入单载波调制模块的高速率数据信息序列为：

即完成单载波调制。

再进一步的，调制后的基带信号加入循环前缀的具体过程为：

加入循环前缀CP的长度为M，M＜N；加入循环前缀CP后获得长度为M+N的序列；

单载波调制后加入循环前缀CP的序列为：

多载波调制后加入循环前缀CP的序列为：

本实施方式中，加入循环前缀CP的长度为M,M＜N，M由实际信道的时延确定。

再进一步的，接收机接收到数据进行去循环前缀操作后得到序列为：

对接收序列进行串并转换获得N维并行向量：

对N维并行向量进行N点快速傅里叶变换，获得变换后的频域向量：

进行频域均衡后的向量为：

再进一步的，所述接收机进行载波体制判决的方法包括：基于高阶累积量的载波体制判决方法、基于神经网络的调制方式识别方法和基于小波变换的识别方法。

本实施方式中，实际上，载波体制判决模块不限于这几种算法，应该根据实际工程需要选择合适的算法进行载波体制判决。

再进一步的，所述基于高阶累积量的载波体制判决方法的具体过程为：

对于零均值复随机过程G(t)，p阶混合矩为：

其中，G^*(t)表示G(t)的共轭，E(·)表示期望；q为G^*(t)的指数；

G(t)的累积量为：

C₂₁＝cum(G,G^*)＝M₂₁

C₈₀＝cum(G,G,G,G,G,G,G,G)

选取高阶累积量C₄₂值为载波制式判决标准，当C₄₂＞λ时判决该信号为多载波调制信号，当C₄₂＜λ时判决该信号为单载波调制信号；

所述λ为判决门限值。

本实施方式中，由于高斯白噪声的三阶和更高阶的累积量为零，因此基于高阶累积量的载波体制判决算法具有很好的抗噪性能，主要思路就是计算调制信号的高阶累积量值，根据不同载波制式其高阶累积量值的大小差异选择合适的门限形成分类二叉树进行判决，对于本方法的应用场景，只需要判断多载波体制和单载波体制，实现载波体制的判决分类。

本实施方式中，选取合适的λ值实现更精确载波制式判决。

本发明中，载波体制判决的另外一种算法是基于神经网络的载波体制判决方法，神经网络是八十年代初随着计算机算力的提高而重新兴起的一个领域，目前常见的有BP(Back Propagation)神经网络、支持向量机和卷积神经网络等，这些神经网络结构被广泛的应用于模式识别、分类和图像处理等方面，利用神经网络进行调制识别也是近几年兴起的一种应用。

而本实施方式中，对于载波体制的识别可以使用BP神经网络进行判断，也可以使用像支持向量机这种二输出的分类器实现判决，这里使用BP神经网络进行训练和判决，但基于神经网络的载波体制判决方法并不局限于这一种结构。

神经网络实现精确分类识别的前提是需要大量的先验数据进行训练，可以通过仿真或接收实际信号等方式获得已知载波制式的通信信号，将其作为神经网络训练的样本库。

对于浅层神经网络结构其不具备深度学习其强大的特征提取功能，若信号序列长度较长或数据量较大，直接输入神经网络会使神经网络的分类效果下降，故使用人工特征提取的方法，对信号进行特征提取处理，同时还可以缩小维度，减小神经网络的规模。常见特征参数有信号的瞬时特征，如零中心归一化瞬时幅度的谱密度最大值，零中心非弱信号段瞬时相位非线性分量绝对值的标准方差，和归一化瞬时频率的方差等，除瞬时特征之外还有信号的统计特征参数，例如信号的高阶统计量等，还有一些基于其他变换域的特征参数。特征参数很大程度上决定了神经网络分类器的性能上限。

初始化神经网络结构和参数，包括确定BP神经网络层数和各层隐藏层神经元个数，选择传递函数和训练函数，确定神经网络初始的权值和阈值，设置目标函数值等，BP神经网络的输入层神经元个数为提取特征参数的种类数，输出层根据实际判决种类情况设置神经元个数。利用提取到的特征参数作为训练样本，对神经网络进行训练，得到训练好的神经网络。

接收待识别的调制信号

进行归一化等预处理，之后计算特征值实现与训练时相同特征提取操作，参数输入训练好的神经网络，得到识别结果。

载波制式判决模块的输出与发射机键控相对应，若判决为多载波调制则模块输出1，结果为单载波调制则模块输出0，最终判决得到发射端t₁时刻窄带信息s_r，根据载波体制判决模块的判别结果，单载波调制信号则进行IFFT运算，再输入至并串转换模块，而多载波调制信号则直接进行并串转换，从向量变为长度为N的序列x_r。

最终得到的高速率数据为高速率比特流经过了如BPSK、QPSK和16QAM等调制之后的数据，想要得到初始的高速比特数据需要对高速率数据进行进一步的调制方式识别，调制识别可以仍然使用基于高阶累积量的调制识别方法或是基于神经网络的调制识别但不局限于这两种方法，应根据实际情况和工程需要选择合适的调制识别方法。

再进一步的，所述高速率数据为高速率的比特流编码后进行调制得到的数据；所述低速率数据为二进制比特流信号。

对维数N＝1024的数据分别利用高阶累积量和神经网络的方法进行判决。基本调制方式为2PSK调制、4PSK调制、8PSK调制和16QAM，再分别对基本调制后的信号进行多载波调制和单载波调制，所以共存在8种调制方式的信号，在加性高斯白噪声环境下对调制信号载波体制进行判决后得到的估计值与真实值对比，最终得到在信噪比范围为-3到6dB下，对单载波制式信号和多载波制式信号的判决情况。判决结果见图5-图8

图5和图6为系统分别使用高阶累积量的方法和使用BP神经网络判决方法在高速率数据分别为BPSK调制、QPSK调制、8PSK调制和16QAM四种调制方式下对单载波调制和多载波调制的载波制式判决情况。图7和图8为传输系统在两种判决方法下在高速率数据采用不同调制方式时，低速率数据的误码率情况。需要说明的是信噪比为信号功率与噪声功率之比，而不是每比特的功率和噪声功率密度之比。

从图5到图8可以看出，BP神经网络在训练参数合适且训练样本库足够大时具有较好的判决效果，但是基于BP神经网络的载波制式判决方法有对信号信噪比要求估计准确、训练时间过长和样本库的规模过大等不足，且载波制式判决不局限于这两种算法，在工程实现时应根据实际需求选择合适的算法。

对信号的载波制式进行判决之后需要对高速率数据的调制方式进行识别并且对不同调制信号使用相应方法进行解调。本方法给出系统分别使用高阶累积量的调制识别方法和BP神经网络的调制识别方法进行调制识别后进行解调的误码率情况，结果见图9。

从图9中可以看出，当每比特信噪比大于零时，在理想的解调情况下，系统使用两种调制识别方法，系统的高速率数据的误比特率已经接近理论值，说明在该信噪比条件下两种载波制式的识别率已经接近于100％，具有一定的实现价值。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (9)

1.一种载波体制键控的调制解调方法，其特征在于，该调制解调方法为：

发射机包括两种待传输信息，分别为为高速率数据和低速率数据，通过低速率数据键控发射机的载波体制，实现对高速率数据单载波或多载波的载波制式选择，调制后的基带信号加入循环前缀后通过数模转换，将数字信号转换为模拟信号后通过混频调制至对应的射频波段，通过天线发射进入传输信道；

接收机从传输信道中接收射频信号，通过滤波器、低噪声放大器、下变频和模数转换后获得数字信号，经过去循环前缀得到接收序列，对接收序列进行串并转换、快速傅里叶变换和频域均衡，获得的向量进行载波体制判决；

根据判别结果，输出窄带信号的数据信息，并且解调对应的宽带信号，得到高速率的数据信息。

2.根据权利要求1所述的一种载波体制键控的调制解调方法，其特征在于，所述发射机实现对高速率数据进行单载波调制或多载波调制键控的具体方法为：

将高速率数据输入载波制式选择模块，将低速率数据作为载波制式选择模块的键控信息，载波制式选择模块两个输出端分别连接多载波调制模块和单载波调制模块，根据键控数据选择输出数据进入多载波调制模块或单载波调制模块；

发射机的待传输信息为高速率数据，其信息序列为x，在t时刻发送信息为x_t；

发射机的键控信息为低速率数据，其信息序列为s，在t时刻发送信息为s_t，s_t∈{0,1}；

在t时刻低速率数据s_t＝1，则输出数据进入多载波调制模块进行多载波调制；

在t时刻低速率数据s_t＝0，则输出数据进入单载波调制模块进行单载波调制。

3.根据权利要求2所述的一种载波体制键控的调制解调方法，其特征在于，输出数据进入多载波调制模块进行多载波调制的具体方法为：

在t₁～t₁+T时刻

T表示低速率键控数据的符号周期，高速率数据进行正交频分复用调制，进入多载波调制模块的高速率数据信息序列为：

N≥4，N表示后端快速傅里叶逆变换的点数；

输入至多载波调制模块的高速率数据首先进行串并转换，将串行的信息序列转换为N维的并行向量，然后进行N点快速傅里叶逆变换运算，获得向量：

最后进行并串转换，获得长度为N的序列：

完成多载波调制。

4.根据权利要求3所述的一种载波体制键控的调制解调方法，其特征在于，输出数据进入单载波调制模块进行单载波调制的具体方法为：

在t₁～t₁+T时刻

高速率数据进行单载波调制，进入单载波调制模块的高速率数据信息序列为：

即完成单载波调制。

5.根据权利要求4所述的一种载波体制键控的调制解调方法，其特征在于，调制后的基带信号加入循环前缀的具体过程为：

加入循环前缀CP的长度为M，M＜N；加入循环前缀CP后获得长度为M+N的序列；

单载波调制后加入循环前缀CP的序列为：

多载波调制后加入循环前缀CP的序列为：

6.根据权利要求5所述的一种载波体制键控的调制解调方法，其特征在于，接收机接收到数据进行去循环前缀操作后得到序列为：

对接收序列进行串并转换获得N维并行向量：

对N维并行向量进行N点快速傅里叶变换，获得变换后的频域向量：

进行频域均衡后的向量为：

7.根据权利要求6所述的一种载波体制键控的调制解调方法，其特征在于，所述接收机进行载波体制判决的方法包括：基于高阶累积量的载波体制判决方法、基于神经网络的调制方式识别方法和基于小波变换的识别方法。

8.根据权利要求7所述的一种载波体制键控的调制解调方法，其特征在于，所述基于高阶累积量的载波体制判决方法的具体过程为：

对于零均值复随机过程G(t)，p阶混合矩为：

M_pq＝E[G(t)^p-qG^*(t)^q]；

其中，G^*(t)表示G(t)的共轭，E(·)表示期望；q为G^*(t)的指数；

G(t)的累积量为：

C₂₁＝cum(G,G^*)＝M₂₁

C₈₀＝cum(G,G,G,G,G,G,G,G)

选取高阶累积量C₄₂值为载波制式判决标准，当C₄₂＞λ时判决该信号为多载波调制信号，当C₄₂＜λ时判决该信号为单载波调制信号；

所述λ为判决门限值。

9.根据权利要求1-8任一项权利要求所述的一种载波体制键控的调制解调方法，其特征在于，所述高速率数据为高速率的比特流编码后进行调制得到的数据；所述低速率数据为二进制比特流信号。

Images