CN111431832A - 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 - Google Patents
一种基于多维ofdm的信号调制方法和系统及mimo通信系统 Download PDFInfo
- Publication number
- CN111431832A CN111431832A CN202010200953.8A CN202010200953A CN111431832A CN 111431832 A CN111431832 A CN 111431832A CN 202010200953 A CN202010200953 A CN 202010200953A CN 111431832 A CN111431832 A CN 111431832A
- Authority
- CN
- China
- Prior art keywords
- signal
- transmission
- ofdm
- signals
- analog signal
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
- H04L27/2623—Reduction thereof by clipping
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2668—Details of algorithms
- H04L27/2681—Details of algorithms characterised by constraints
- H04L27/2688—Resistance to perturbation, e.g. noise, interference or fading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2691—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation involving interference determination or cancellation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/345—Modifications of the signal space to allow the transmission of additional information
- H04L27/3461—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel
- H04L27/3483—Modifications of the signal space to allow the transmission of additional information in order to transmit a subchannel using a modulation of the constellation points
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明给出了一种基于多维OFDM的信号调制方法和系统及MIMO通信系统,包括对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;基于模拟信号中信噪比的函数关系确定模拟信号对应的最佳星座点位置,并将模拟信号映射至最佳星座点上;基于子载波个数和频率为样本集,利用机器学习以子载波中的误码率和传输效率为目标函数确定模拟信号的最佳子载波;通过多维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号。本发明直接利用OFDM发送信号模型对原始信号进行调制,整个信号调制过程完全自动化,减少人工处理时间和复杂度。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种基于多维OFDM的信号调制方法和系统及MIMO通信系统。
背景技术
基于高阶调制OFDM的水声视频传输技术采用ZFFT来实现OFDM通过计算量的对比,在高中心频率、频谱带宽集中时,ZFFT的实现方式降低了FFT运算点数和整体的运算量。其次,在视频通信中,OFDM一帧信号的持续时间较长,使得传统的同步方式不适合视频通信应用,采用了基于CP的同步设计。水声通信带宽受限,想要提高通信速率必须采用高阶调制。但在高阶调制时系统的误码率会逐步升高,为了纠正接收信号的错误,降低误码,仿真了符合DVB-S2标准的LDPC+BCH信道编码在QPSK、8PSK、16APSK、32APSK调制方式下不同码率时的性能。16APSK调制时内圆与外圆的比值不同,系统的性能也不相同,最终选择外圆与内圆比值在2.3左右,此时16APSK有最佳性能,但对于高清视频传输的话,16APSK并不能达到传输速率的要求。最后,在高斯白噪声信道、简单多途信道和由声速梯度的复杂多途信道下,在一定的信噪比条件,QPSK-OFDM、16APSK-OFDM、16QAM-OFDM三种调制方式在加LDPC+BCH信道纠错码时,能够达到理想的性能,对于近海更为复杂的噪声环境下,误码率并不能达到系统要求。
抑制峰均比(PAPR)技术一般采用以下方式:1.限幅滤波,OFDM信号在进入非线性功放之前,首先进行限幅,这样就可以使得信号峰值低于所期望的最大电平值。限幅是一种非常直接有效的降低峰值的方法,但是它是一个非线性过程,将导致严重的限幅噪声和带外干扰;2.峰值加窗技术,把OFDM的峰值加上(乘以)其他形状的时域窗,并且这些时域窗的频谱宽度比矩形窗窄,那么峰值加窗后的OFDM信号的带外干扰就会减小,但加窗的时间宽度内抽样值会产生畸变;3.峰值相消,从OFDM信号中减去一个时延的具有一定幅度的参考函数,用它至少可以降低信号中的一个峰值点。当设计参考函数的频谱宽度与OFDM信号频谱宽度大致相同时,这时峰值抵消技术基本上不会带来任何带外干扰,这种参考函数是要随着海洋环境噪声的变化而变化,否则效果会变差;4.编码类技术,把原先直接送入IFFT的并行数据先进行编码,然后从编码后所有码字中选择一些峰值较小的码字再送入IFFT中,对于那些峰值较大的码字就不送入IFFT了,这样可使得OFDM信号的峰值降低。这类技术不会出现限幅类技术中产生的限幅噪声。不过由于编码过程中需要增加冗余数据,因此会降低信息传输速率;5.概率类技术,把原先送入IFFT中的N个并行数据进行加权,然后再送入IFFT中,即通过这种线性变换来改变OFDM信号取值的概率分布,从而降低信号峰值出现的概率。但此系统需要较大复杂度,更难以实现。
发明内容
为解决现有技术中,二维OFDM调制信号带宽利用率低,峰均比PAPR高,信号传输速率慢,误码率高,带宽利用率低,以及OFDM符号在三维星座点上的映射效率低,本发明提出了一种基于多维OFDM的信号调制方法和系统及MIMO通信系统。
在一个方面,本发明提出了一种基于多维OFDM的信号调制方法,包括以下步骤:
S1:对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;
S2:基于模拟信号中信噪比的函数关系:SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,确定最大信噪比对应的位置为最佳星座点位置,并将模拟信号映射至最佳星座点上;
S3:基于子载波个数和频率为样本集,利用机器学习以子载波中的误码率和传输效率为目标函数f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,将f(x)达到最小来确定模拟信号的最佳子载波,其中,μ1和μ2表示权重参数,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长,;
S4:通过多维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号。
优选的,步骤S1中对原始信号进行基于机器学习的脉冲成型优化处理具体为:基于脉冲位置和脉冲幅度的选取,利用机器学习对信号正交性和实现复杂性进行分析和训练,将原始信号处理为正交模拟信号。通过脉冲位置(间隔)和脉冲幅度使得串并变换后的信号有所不同,将并联后的信号调制成正交信号,使得各信号之间互不干扰。
进一步优选的,利用机器学习对信号正交性和实现复杂性进行分析和训练时,原始信号之间的正交性设置为高权重,实现复杂度设置为低权重。以信号之间的正交性为高权重,实现复杂度为低权重进行训练,可以使得各信号之间互不干扰。
优选的,步骤S3中确定模拟信号的最佳子载波时,子载波中的低误码率设置为高权重,高传输效率设置为低权重。设定高权重的低误码率和低权重的高传输效率阈值,经过机器学习一定次数的训练,达到设定阈值或者次数已达上限,可以将最近一次的子载波个数和子载波频率视为最佳子载波分配规则。
优选的,步骤S4具体包括:分配给子信道的信号表示为:
进一步优选的,信号调制的计算公式为:
其中,0≤n1≤N-1且0≤n2≤2,表示第n1个和第n2个子信道,k1和k2是2D矩阵S的行索引和列索引,S表示N个子信道集合。
进一步优选的,在频域内形成的子信道的信号集合表示为:
优选的,步骤S4中的峰均比PAPR的计算公式为:
其中,max{|xn|2}表示信号峰值,E{|xn|2}表示信号均值。
根据本发明的第二方面,提出了一种基于多维OFDM的信号调制系统,该系统包括:
原始信号处理单元:配置用于对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;
星座点选择单元:配置用于基于模拟信号中信噪比的函数关系:SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,将此式达到最小确定模拟信号对应的最佳星座点位置,并将模拟信号映射至最佳星座点上;
子载波选择单元:配置用于基于子载波个数和频率为样本集,利用机器学习以子载波中的误码率和传输效率为目标函数:f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,式中μ1和μ2表示权重参数,可根据需求进行调整,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长,将f(x)达到最小来确定模拟信号的最佳子载波;
信号调制单元:配置用于通过三维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号。
根据本发明的第三方面,提出了一种MIMO通信系统,该系统包括:
环境采集单元:配置用于采集不同环境的噪声信号,生成噪声信号数据库;
深度强化学习估计网络:配置用于根据不同环境发送的脉冲信号或者单频信号,改变信道传输函数及其参数得到仿真信道,构建不同环境下的信道函数数据库;
噪声信道环境模型构建单元:配置用于基于噪声信号数据库和信道函数数据库构建包含噪声和信道的噪声信道环境模型;
上述基于多维OFDM的信号调制系统;
信号传输单元:配置用于将信号调制系统调制后的信号进行空分复用,形成MIMO信号,基于不同用户信道实现信号的并发传输;以及
信号接收单元:配置用于利用深度强化学习对接接收到的信号,解调恢复信号传输单元发送的数据。
本发明直接将原始信号输入OFDM发送模型,进而直接进行模/数、串并变换,脉冲成型调制,最终可得到进行星座点映射的信号,选取出多维星座点最佳位置,能使OFDM信号映射信号在当前传输环境中达到最高信噪比,从而有着更好的表现,利用了模拟的信道传输函数对OFDM信号进行高阶调制和子载波分配,使在当前信道下此分配原则的OFDM信号能够达到最低的误码率以及较高的传输效率,将并联的OFDM信号进行了多维星座点的映射,使得星座点图中点与点的最小距离比传统的二维星座点图中点与点的最小距离更大,也包括平均距离,从而在接收端接收到的OFDM信号更加容易区分识别,误码率更低;并且从硬件角度来讲,上述方法调制复杂度也相对较低。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过引用以下详细描述,它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例的一种基于多维OFDM的信号调制方法的流程图;
图2是本申请的一个实施例的基于多维OFDM的信号调制系统的框架图;
图3是本申请的一个实施例的MIMO通讯系统的框架图;
图4是本申请的一个具体的实施例的MIMO通信系统的原理图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的实施例的一种基于多维OFDM的信号调制方法的流程图。如图1所示,该方法包括以下步骤:
S101:对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号。
在具体的实施例中,将原始信号直接输入给预先构建的OFDM发送模型,进行第一步脉冲成型设计,包括脉冲位置和脉冲幅度的选取,通过机器学习对调制后的信号进行训练,具体通过对信号正交性以及实现复杂度进行分析。通过脉冲位置(间隔)和脉冲幅度使得串并变换后的信号有所不同,以它们之间的正交性为高权重,实现复杂度为低权重进行训练,将并联后的信号调制成正交信号,使得各信号之间互不干扰。最终可得到进行星座点映射的信号,使信号相关性减少并且降低了硬件实现的复杂度。
S102:基于模拟信号中信噪比的函数关系:SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,将此式达到最大确定模拟信号对应的最佳星座点位置,并将模拟信号映射至最佳星座点上。
在优选的实施例中,基于机器学习通过环境模型进行多维星座点的选取,包括:通过对传输环境进行长时间监听、检测,对其噪声信号的特性以及传输信道函数的构建,搭建一个包含噪声和信道的自适应噪声信道环境模型。直接将模拟信号(训练集信号)映射到不同情况下的星座点上,在模拟的环境下进行传输,设置以信噪比最大的目标函数,并设置一个目标函数的阈值和迭代次数上限,利用监督学习进行不断的迭代、训练,如果目标函数的值低于阈值或者迭代的次数达到了上限,那么就直接选择最后选取的星座点位置是该传输环境下最佳星座点的位置。利用自适应噪声信道环境模型和多维星座点位置训练集,选取出多维星座点最佳位置,能使OFDM信号映射信号在当前传输环境中达到最高信噪比,从而有着更好的表现。
S103:基于子载波个数和频率为样本集,利用机器学习以子载波中的误码率和传输效率为目标函数:f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,式中μ1和μ2表示权重参数,可根据需求进行调整,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长,将f(x)达到最小来确定模拟信号的最佳子载波;
在具体的实施例中,基于机器学习通过信道模型进行子载波个数和频率的选取,包括:通过对传输信道长时间的监听,以脉冲信号作为测试信号,利用机器学习对传输函数进行拟合,信道传输函数包含但不仅只包含多普勒效应、时延、衰减等参数。以模拟出的脉冲信号响应与实际接收脉冲信号响应相比较,以自适应梯度对传输函数进行参数修改,最终完成对传输函数的拟合。对将要发送的OFDM信号进行信道传输的模拟,在多个子载波中挑选的子载波个数和子载波频率作为样本集,对模拟接收到的信号进行相关解调,以误码率和传输效率为目标函数。
在具体的实施例中,设定高权重的低误码率和低权重的高传输效率阈值,并设定训练迭代次数,经过机器学习一定次数的训练,达到设定阈值或者次数已达上限,将最近一次的子载波个数和子载波频率视为最佳子载波分配规则。用了模拟的信道传输函数对OFDM信号进行子载波分配,使在当前信道下此分配原则的OFDM信号能够达到最低的误码率以及较高的传输效率。
S104:通过多维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号。
在具体的实施例中,将经过脉冲成型调制后的信号进行三维星座点映射,设定通信系统中一共有N个子信道,第k个子信道是已经通过机器学习挑选出用来传输信号的子信道,那么分配给这个子信道的信号表示为 或者用系数矩阵表示为Sk=(xkykzk),其中,和是x轴、y轴和z轴的单位向量,xk、yk和zk是OFDM信号映射到三维星座点的坐标。
那么,在频域内形成OFDM符号的N个子信道信号集合,
其中,上标T表示矩阵的转置。
为了对上式中的三维OFDM符号进行调制,该方法采用了二维IDFT。因此,调制信号为
其中,0≤n1≤N-1且0≤n2≤2,表示第n1个和第n2个子信道,k1和k2是2D矩阵S的行索引和列索引,S表示N个子信道集合。
在上述方法中,将并联的OFDM信号进行了多维星座点的映射,使得星座点图中点与点的最小距离比传统的二维星座点图中点与点的最小距离更大,也包括平均距离,从而在接收端接收到的OFDM信号更加容易区分识别,误码率更低;并且从硬件角度来讲,上述方法调制复杂度也相对较低。
在具体的实施例中,将峰均比PAPR小于预设的阈值作为最终信号发射。
在优选的实施例中,采用深度学习方法,抑制任务就由对多维OFDM符号进行修正转化为最小化网络的代价函数,网络的代价函数一般是网络的输出值与实际真实值的均方误差,在此方法中,可在一般代价函数公式的基础上加上PAPR指标CCDF。其中峰均比max{|xn|2}表示信号峰值,E{|xn|2}表示信号均值,PAPR0是规定的一个限值,通过不断修改参数使代价函数最小化,这样既可以使得重构信号的输出值与原值相差不大,即系统的误码率可以保证不恶化;也因为代价函数还包括PAPR指标,这样也就能最小化OFDM信号的PAPR,最终既可以保证误码率,也能有效降低PAPR值。将多维OFDM信号传入深度学习网络中,在经过不断的修改参数使得重构后的OFDM信号的PAPR降到最低,并保证误码率达到要求,低PAPR的OFDM信号对硬件的实现也降低了很大挑战。
图2示出了根据本申请的一个实施例的基于多维OFDM的信号调制系统的框架图,该系统包括原始信号处理单元201、星座点选择单元202、子载波选择单元203和信号调制单元204。
原始信号处理单元201:配置用于对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;
星座点选择单元202:配置用于基于模拟信号中信噪比的函数关系:SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,将此式达到最小确定模拟信号对应的最佳星座点位置,并将模拟信号映射至最佳星座点上;
子载波选择单元203:配置用于基于子载波个数和频率为样本集,利用机器学习以子载波中的误码率和传输效率为目标函数f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,式中μ1和μ2表示权重参数,可根据需求进行调整,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长,将f(x)达到最小来确定模拟信号的最佳子载波;
信号调制单元204:配置用于通过三维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号。
继续参考图3,图3是本申请的一个实施例的MIMO通讯系统的框架图。如图3所示,该系统包括环境采集单元301、深度强化学习估计网络302、噪声信道环境模型构建单元303、信号传输单元305、信号接收单元306和如图2所示的基于多维OFDM的信号调制系统的信号调制系统304。
在具体的实施例中,环境采集单元301:配置用于采集不同环境的噪声信号,生成噪声信号数据库;深度强化学习估计网络302:配置用于根据不同环境发送的脉冲信号或者单频信号,改变信道传输函数及其参数得到仿真信道,构建不同环境下的信道函数数据库;噪声信道环境模型构建单元303:配置用于基于噪声信号数据库和信道函数数据库构建包含噪声和信道的噪声信道环境模型;信号调制单元304:配置用于通过三维OFDM对模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用最佳子载波发送调制后的信号;信号传输单元305:配置用于将信号调制系统调制后的信号进行空分复用,形成MIMO信号,基于不同用户信道实现信号的并发传输;信号接收单元306:配置用于利用深度强化学习对接接收到的信号,解调恢复信号传输单元发送的数据。
图4是本申请的一个具体的实施例的MIMO通信系统的原理图。如图4所示,MIMO通信系统的运行逻辑包括:
401:长时间在不同环境测量噪声信号,并进行噪声信号的特性进行分析,形成一个具有各种复杂环境条件下的噪声信号数据库。
402:长时间在不同环境发送脉冲信号或者单频信号等简单信号,接收实际收到信号,通过深度强化学习估计网络不断仿真、训练、迭代,通过改变信道传输函数及其参数得到仿真信道,并构建在不同环境下的信道函数数据库。
403:融合第401步中噪声信号数据库和第402步中信道函数数据库所组成的混合信道样本库,搭建一个包含噪声和信道的自适应噪声信道环境模型。
404:根据包含信号传输特性和时变特性的信道模型,进行信号的脉冲成型设计,对每个符号的幅值大小以及符号间间隔进行优化。
405:对第404步中的信号进行多维高阶正交空间调制,多维正交频率调制,将信号调制成三维信号。
406:对第405步中的三维信号进行重构,通过第403步中噪声信道环境,将第405步中的空间信号进行降PAPR操作,以便系统发送数据更方便,并且具有有效性和低误码率。
407:将第406步中的重构信号进行空间调制,并进行空分复用,形成MIMO信号,通过不同用户信道进行传输,将不同用户所特有的信道,达到信号的并发传输。
408:接收端接收来自第407步中的发送数据,利用第403步中的自适应噪声信道环境模型,利用深度强化学习对接收到的信号进行检测、识别、匹配,从而解调恢复出发送数据。
本发明提供一个多维高阶OFDM信号调制解调的多用户传输系统,解决在复杂环境信道下发送接收OFDM信号时,对信号传输速率慢,误码率高,带宽利用率低的问题。利用空间多维性将OFDM信号的星座点从传统方法的二维转换为多维;基于机器学习环境自适应的多维星座点选取方法;利用基于深度学习网络预先构建的OFDM发送信号模型,依次对调制OFDM信号步骤中的脉冲成型调制、多维高阶正交空间调制、多维正交频率调制进行训练、优化,以降低PAPR的目的对其信号进行不断的重构,最终能调制成峰均比低、效率高的环境自适应的OFDM信号。直接将原始信号输入OFDM发送信号模型,直接利用OFDM发送信号模型对原始信号进行调制,包括模/数变换、串并变换、脉冲位置选择、多维星座点选取、信号映射、信号重构等基于环境自适应的一体化调制,使整个信号调制过程完全自动化,减少人工处理时间和复杂度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于多维OFDM的信号调制方法,其特征在于,所述方法包括:
S1:对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;
S2:基于所述模拟信号中信噪比的函数关系:SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,确定最大信噪比对应的位置为最佳星座点位置,并将所述模拟信号映射至所述最佳星座点上;
S3:基于子载波个数和频率为样本集,利用机器学习以所述子载波中的误码率和传输效率为目标函数:f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,将f(x)达到最小来确定所述模拟信号的最佳子载波,其中,μ1和μ2表示权重参数,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长;
S4:通过多维OFDM对所述模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用所述最佳子载波发送调制后的信号。
2.根据权利要求1所述的一种基于多维OFDM的信号调制方法,其特征在于,所述步骤S1中对所述原始信号进行基于机器学习的脉冲成型优化处理具体为:基于脉冲位置和脉冲幅度的选取,利用机器学习对信号正交性和实现复杂性进行分析和训练,将所述原始信号处理为正交模拟信号。
3.根据权利要求2所述的一种基于多维OFDM的信号调制方法,其特征在于,利用机器学习对信号正交性和实现复杂性进行分析和训练时,所述原始信号之间的正交性设置为高权重,所述实现复杂度设置为低权重。
4.根据权利要求1所述的一种基于多维OFDM的信号调制方法,其特征在于,所述步骤S3中确定所述模拟信号的最佳子载波时,所述子载波中的低误码率设置为高权重,高传输效率设置为低权重。
9.一种基于多维OFDM的信号调制系统,其特征在于,所述系统包括:
原始信号处理单元:配置用于对信号源发出的原始信号进行模/数变化和串并变化处理,并基于机器学习的脉冲成型优化处理生成模拟信号;
星座点选择单元:配置用于基于所述模拟信号中信噪比的函数关系SNR=E/N0,式中E表示每个数字波形(比特)的平均信号能量,N0表示单位频带内的噪声功率的比值,确定最大信噪比对应的位置为最佳星座点位置,并将所述模拟信号映射至所述最佳星座点上;
子载波选择单元:配置用于基于子载波个数和频率为样本集,利用机器学习以所述子载波中的误码率和传输效率为目标函数f(x)=μ1BER+μ2rb=μ1ne/n-μ2n/T,将f(x)达到最小来确定所述模拟信号的最佳子载波,其中,μ1和μ2表示权重参数,μ1表示误码率的权重系数,μ2表示传输速率的权重系数,BER是误码率,rb是比特传输速率,ne表示传输错误的比特数,n表示总传输比特数,T表示传输总时长;
信号调制单元:配置用于通过三维OFDM对所述模拟信号进行调制,响应于调试后的峰均比PAPR小于预设的阈值,利用所述最佳子载波发送调制后的信号。
10.一种MIMO通信系统,其特征在于,包括:
环境采集单元:配置用于采集不同环境的噪声信号,生成噪声信号数据库:
深度强化学习估计网络:配置用于根据不同环境发送的脉冲信号或者单频信号,改变信道传输函数及其参数得到仿真信道,构建不同环境下的信道函数数据库;
噪声信道环境模型构建单元:配置用于基于所述噪声信号数据库和所述信道函数数据库构建包含噪声和信道的噪声信道环境模型;
如权利要求9所述的一种基于多维OFDM的信号调制系统;
信号传输单元:配置用于将所述信号调制系统调制后的信号进行空分复用,形成MIMO信号,基于不同用户信道实现信号的并发传输;以及
信号接收单元:配置用于利用深度强化学习对接接收到的信号,解调恢复所述信号传输单元发送的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200953.8A CN111431832B (zh) | 2020-03-20 | 2020-03-20 | 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200953.8A CN111431832B (zh) | 2020-03-20 | 2020-03-20 | 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111431832A true CN111431832A (zh) | 2020-07-17 |
CN111431832B CN111431832B (zh) | 2021-08-10 |
Family
ID=71548359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010200953.8A Active CN111431832B (zh) | 2020-03-20 | 2020-03-20 | 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111431832B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187375A (zh) * | 2020-09-23 | 2021-01-05 | 厦门大学 | 一种基于mppam调制的三维空间信号调制解调方法及系统 |
CN112508172A (zh) * | 2020-11-23 | 2021-03-16 | 北京邮电大学 | 基于q学习和srnn模型的航天测控自适应调制方法 |
CN112866152A (zh) * | 2021-01-19 | 2021-05-28 | 重庆邮电大学 | 一种ofdm系统中的迭代信道估计和脉冲噪声抑制方法 |
CN115086134A (zh) * | 2022-04-29 | 2022-09-20 | 深圳市国电科技通信有限公司 | 通信方法、发送设备、接收设备、通信系统和存储介质 |
CN115086124A (zh) * | 2022-07-21 | 2022-09-20 | 海南浙江大学研究院 | 一种基于信道频率相关性的ofdm子载波调制识别方法 |
CN117614784A (zh) * | 2023-11-15 | 2024-02-27 | 浙江恒业电子股份有限公司 | 基于载波的无线通信模块 |
CN118075077A (zh) * | 2024-04-18 | 2024-05-24 | 北京邮电大学 | 一种基于强化学习的ofdm数字通信系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070071120A1 (en) * | 2005-09-26 | 2007-03-29 | Shilpa Talwar | Peak to average power reduction using channel state information |
CN101141167A (zh) * | 2007-05-28 | 2008-03-12 | 中兴通讯股份有限公司 | 一种dft-cdma系统中单载波频域均衡方法和系统 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm系统中抑制papr的方法 |
WO2018014969A1 (en) * | 2016-07-22 | 2018-01-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Papr reduction through tone reservation for ofdm |
CN109088843A (zh) * | 2018-10-22 | 2018-12-25 | 中国传媒大学 | 一种基于ofdm信号幅度最佳分布的峰均比抑制方法 |
CN109379173A (zh) * | 2018-12-28 | 2019-02-22 | 重庆世纪之光科技实业有限公司 | Ofdma系统中基于逆信道功率的子载波分配方法和装置 |
-
2020
- 2020-03-20 CN CN202010200953.8A patent/CN111431832B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070071120A1 (en) * | 2005-09-26 | 2007-03-29 | Shilpa Talwar | Peak to average power reduction using channel state information |
CN101141167A (zh) * | 2007-05-28 | 2008-03-12 | 中兴通讯股份有限公司 | 一种dft-cdma系统中单载波频域均衡方法和系统 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm系统中抑制papr的方法 |
WO2018014969A1 (en) * | 2016-07-22 | 2018-01-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Papr reduction through tone reservation for ofdm |
CN109088843A (zh) * | 2018-10-22 | 2018-12-25 | 中国传媒大学 | 一种基于ofdm信号幅度最佳分布的峰均比抑制方法 |
CN109379173A (zh) * | 2018-12-28 | 2019-02-22 | 重庆世纪之光科技实业有限公司 | Ofdma系统中基于逆信道功率的子载波分配方法和装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187375A (zh) * | 2020-09-23 | 2021-01-05 | 厦门大学 | 一种基于mppam调制的三维空间信号调制解调方法及系统 |
CN112187375B (zh) * | 2020-09-23 | 2021-10-22 | 厦门大学 | 一种基于mppam调制的三维空间信号调制解调方法及系统 |
CN112508172A (zh) * | 2020-11-23 | 2021-03-16 | 北京邮电大学 | 基于q学习和srnn模型的航天测控自适应调制方法 |
CN112866152A (zh) * | 2021-01-19 | 2021-05-28 | 重庆邮电大学 | 一种ofdm系统中的迭代信道估计和脉冲噪声抑制方法 |
CN115086134A (zh) * | 2022-04-29 | 2022-09-20 | 深圳市国电科技通信有限公司 | 通信方法、发送设备、接收设备、通信系统和存储介质 |
CN115086134B (zh) * | 2022-04-29 | 2024-01-26 | 深圳市国电科技通信有限公司 | 通信方法、发送设备、接收设备、通信系统和存储介质 |
CN115086124A (zh) * | 2022-07-21 | 2022-09-20 | 海南浙江大学研究院 | 一种基于信道频率相关性的ofdm子载波调制识别方法 |
CN117614784A (zh) * | 2023-11-15 | 2024-02-27 | 浙江恒业电子股份有限公司 | 基于载波的无线通信模块 |
CN117614784B (zh) * | 2023-11-15 | 2024-06-07 | 浙江恒业电子股份有限公司 | 基于载波的无线通信模块 |
CN118075077A (zh) * | 2024-04-18 | 2024-05-24 | 北京邮电大学 | 一种基于强化学习的ofdm数字通信系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111431832B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111431832B (zh) | 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 | |
CN102724147B (zh) | 一种水声正交频分复用的信道估计方法 | |
CN100556012C (zh) | 单载波信号的频域均衡 | |
CN108283025B (zh) | 正交时频空间通信系统中的多址访问 | |
CN111431831B (zh) | 一种基于多维ofdm环境自适应调制方法和系统 | |
CN101136884A (zh) | 用于tds-ofdm系统的信道估计方法 | |
CN113259298B (zh) | Otfs信号处理方法、装置、设备及存储介质 | |
CN105049386A (zh) | 一种ufmc系统中的主动干扰消除方法 | |
JP2018518924A (ja) | データ通信のための波形を設計する方法及びシステム | |
Himeur et al. | An adaptive recursive noise compensator for impulsive noise mitigation over OFDM power line communication | |
Kumar et al. | Performance evaluation of DFT-spread OFDM and DCT-spread OFDM for underwater acoustic communication | |
CN103595679A (zh) | 降低lte上行单载波频分多址信号峰均比的方法 | |
CN109257149B (zh) | 一种数据接收方法和数据接收装置 | |
CN100493056C (zh) | 带时域包络加权的正交频分复用系统的频域信道估计方法 | |
CN103441980A (zh) | 基于频率反转镜技术的无边带信息浅海水声通信图样选择峰均比抑制算法 | |
Hasan | A new PAPR reduction technique in OFDM systems using linear predictive coding | |
CN107426122A (zh) | 用于gfdm系统的低复杂度最小均方误差检测方法 | |
Barazideh et al. | Performance of analog nonlinear filtering for impulsive noise mitigation in OFDM-based PLC systems | |
KR100656384B1 (ko) | 가상 부반송파를 가진 ofdm 통신 시스템에서선형예측을 이용한 채널 추정 방법 및 장치 | |
Kumar et al. | Design and performance analysis of OFDM and FBMC modulation techniques | |
Sari et al. | Performance analysis GFDM Using MMSE equalization in audio transmission | |
CN106487738A (zh) | 一种基于正交导频序列的水声ofdm通信系统选择性映射峰均比抑制算法 | |
Wang et al. | WFRFT precoding for generalized frequency division multiplexing | |
Sohl et al. | Comparison of localized, interleaved and block-interleaved FDMA in terms of pilot multiplexing and channel estimation | |
Hajizadeh et al. | Channel Estimation in OFDM System Based on the Linear Interpolation, FFT and Decision Feedback |
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 |