CN113098657A - 一种适用于突发通信的过采样率盲估计方法 - Google Patents

一种适用于突发通信的过采样率盲估计方法 Download PDF

Info

Publication number
CN113098657A
CN113098657A CN202110196462.5A CN202110196462A CN113098657A CN 113098657 A CN113098657 A CN 113098657A CN 202110196462 A CN202110196462 A CN 202110196462A CN 113098657 A CN113098657 A CN 113098657A
Authority
CN
China
Prior art keywords
signal
osr
periodogram
burst
burst 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
Application number
CN202110196462.5A
Other languages
English (en)
Other versions
CN113098657B (zh
Inventor
刘荣科
杨超三
赵洪博
赵岭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110196462.5A priority Critical patent/CN113098657B/zh
Publication of CN113098657A publication Critical patent/CN113098657A/zh
Application granted granted Critical
Publication of CN113098657B publication Critical patent/CN113098657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
    • H04L1/0038—Blind format detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0006—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format
    • H04L1/0007—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format by modifying the frame length

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Optical Communication System (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明提供一种适用于突发通信信号的过采样率盲估计方法，可以在每段突发持续时间很短且接收机的过采样率(OSR)为非整数值时仍能获得精准的过采样率。针对突发通信中的OSR盲估计问题，提出了一种OSR的偏差消除周期图方法，通过深入分析了影响OSR估计精度的因素，使得传统的周期图方法中的OSR峰检测在信号段长度很短的情况下依旧非常准确，进而获得准确的OSR值。本发明创新性的提出一种OSR盲估计方法，可以显著提高OSR估计的精度，即使每个突发信号仅由几十个符号组成，估计的OSR的均方根误差(RMSE)也可以减小到10‑4以下。

Description

一种适用于突发通信的过采样率盲估计方法
技术领域
本发明属于通信领域，具体涉及一种针对短突发信号所采取的过采样高精度盲估计方法。
背景技术
突发通信(即源信息在短突发时间内传输)广泛应用于军事通信和公共应急通信。突发通信中的盲符号检测尤其具有挑战性，特别是当突发信号的持续时间很短时，例如在跳频系统中。设计一种针对短突发信号所采取的过采样率高精度盲估计方法的工作有重要意义。
传统的OSR估计方法大致可分为两类：循环平稳方法和傅立叶变换方法。然而，现有技术普遍存在局限性。现有的OSR估计技术是建立在可估计信号长度足够长的基础上，文献[1] 研究中使用简化的循环平稳方法可以对600个以上的采样点的信号成功实现码率估计。文献 [2]研究中使用傅立叶变换方法可以对256个以上的采样点的信号成功实现码率估计。
经过传统的信号参数估计方法可以从接收信号的频谱中发现强而尖锐的OSR波峰。在符号长度很短的情况下，OSR估计的研究较少。当通信符号长度只有几十位时，估计出的OSR 不够准确，严重降低接收机的性能。
[1]C.Shen and T.Ye,“Improving Symbol Rate Estimation Accuracy byBandpass Filter Bank,” IEEE 19th International Conference on CommunicationTechnology(ICCT),Xi’an,China, 2019,pp.203-209,doi:10.1109/ICCT46805.2019.8947260.
[2]Y.Hu,S.Wu and H.Geng,“Improvement on Blind Symbol Rate Detectionunder Unfavorable Conditions,”International Conference on Communications andIntelligence Information Security,Nanning,2010,pp.29-35,doi:10.1109/ICCIIS.2010.65.
发明内容
本发明的目的是提供一种适用于突发通信的过采样率盲估计方法，可以在每段突发持续时间很短且接收机的过采样率(OSR)为非整数值时仍能获得精准的过采样率。
本发明针对的是短突发信号，其OSR盲估计过程如图1所示，在进行过采样率估计之前需要进行突发信号检测，然后对短突发信号进行补零处理后计算周期图，最后进行偏移消除的处理后进行OSR估计，整个过程需要控制器来进行与各模块的信息交互。
本发明提出的突发通信的过采样率盲估计方法具体实现步骤包括：突发信号检测、补零处理、平均周期图、偏移消除OSR参数估计过程，接下来对各模块进行详细分析：
(1)突发信号检测
在实际情况中，我们会收到一个连续的信号序列，接收到的序列在某些持续时间内包含突发信号，并且在突发信号之间会夹杂着高斯白噪声。因此首先需要对突发信号进行鉴别和切割去除噪声段，并从检测到的突发信号中提取突发信号段。突发信号检测模块包括以下步骤：
步骤1：计算每一信号采样点的功率。
p(n)＝x(n)·x*(n)0≤n≤Lwhole (1)
其中x(n)表示接收到的信号，Lwhole是整个接收序列的长度，x*(n)表示x(n)的复共轭值， n为采样序号。
步骤2：对信号的功率序列应用移动平均窗处理，并在窗口内的样本生成平均功率。假设移动平均窗长为L，平均功率表示为
Figure RE-GDA0003088942640000021
步骤3：设置一个功率判决门限阈值pth，由平均功率的大小判决出突发信号。
步骤4：通过使用判决门限阈值来识别出突发信号的开始和结束。n′由1开始增大，当 pav(n′)＞pth时，n′为突发信号的起始位置。当pav(n′)＜pth时，n′为突发信号的结束位置。在识别突发信号之后，信号的功率将由式(3)计算
Figure RE-GDA0003088942640000022
其中，
Figure RE-GDA0003088942640000023
表示识别出的第i段突发信号，
Figure RE-GDA0003088942640000024
是突发信号
Figure RE-GDA0003088942640000025
的复共轭函数， Li为第i段突发信号的长度。
步骤5：与控制器的信息交换。需要传递给控制器每个突发信号段的长度。当突发信号的数目足够时，估计控制向突发检测块发送命令以停止数据采集并进行信号参数的估计过程。
(2)补零处理
时域的零填充等价于频域的插值。在序列末尾进行零填充后，信号频谱的分辨率将得到提高。估计控制块需要知道每个段的Li，即使各段突发信号的长度不一样，仍能通过补零处理使各段信号保持一致的长度，这样可以充分利用接收到的突发信号进行盲估计。
补零后待处理信号的长度从Li扩展到Npoint，Npoint为补零后的信号长度。补零后的信号功率为p′i(n)，由式(4)给出
Figure RE-GDA0003088942640000031
补零长度讨论：补零处理是为了增加下一步中周期图的离散傅里叶变换DFT的规模，增加DFT的规模可以提高OSR估计的精度，但是其计算复杂度也会随着DFT的大小而增加。
DFT大小如何影响估计的准确性如图2所示。真实的OSR为ε，DFT的大小为Npoint，周期图中代表OSR的峰值出现在1/ε′处，预设的过采样率估计误差为Athreshold，满足公式(5)
|ε′-ε|≤Athreshold (5)
在周期图频谱中，距离真实OSR最近的两个频率位置是1/ε'+1/Npoint和1/ε'-1/Npoint，这意味着最小的DFT规模Npoint满足不等式：
Figure RE-GDA0003088942640000032
综上所述，Npoint的最小值需要满足条件：
Figure RE-GDA0003088942640000033
由式(7)可知，Npoint的值与估计误差精度Athreshold和OSR值有关。
(3)平均周期图
对补零后的功率信号p′i(n)进行平均周期图运算，功率信号p′i(n)的平均周期图可由式(8) 和(9)计算。在对第i段的功率信号进行加零处理后，通过DFT变换计算功率信号p′i(n)的周期图Pi(f)。
Figure RE-GDA0003088942640000034
其中f是归一化频率，K是突发信号的总段数；e是自然指数的底e＝2.7182818284590452, j是虚数项；
然后对各段信号的周期图进行平均，平均周期图表示为公式(9)
Figure RE-GDA0003088942640000035
通过计算平均周期图可以获得OSR波峰可能发生的范围，需要将OSR范围信息传递给控制器用于下一步的偏移消除模块。
(4)基于偏移消除的OSR参数估计过程：
当信号的段长下降到几百个甚至几十个点时，平均周期图中代表OSR信息的部分不再是一条脉冲非常尖锐的曲线，而是一条相对平滑的波动曲线，因此代表OSR信息的峰值变得不太明显。同时，波段曲线是一个左高右低的斜率曲线，因此峰值点的位置趋向于向正确点的左侧移动。为了克服峰值漂移带来的误差，需要进行基于偏移消除的OSR参数估计过程，以补偿斜率曲线带来的影响。
平均周期图的加行干扰量分析：在对斜率曲线进行补偿之前，首先需要验证干扰项是加性的干扰，周期图的分析如下：
对于信号x(t)直接进行周期图分析时，其平均周期图的数学期望表示为：
Figure RE-GDA0003088942640000041
其中f是归一化频率。Γxx(α)是传输信号的功率密度谱函数，表示为公式(11)，W(f) 是窗函数，表示为公式(12)。α是自相关频率。
Figure RE-GDA0003088942640000042
E{}表示期望，l表示自相关函数的位移序数。
Figure RE-GDA0003088942640000043
其中Lω代表突发信号段的实际长度(未加零处理前的长度)。
为了从接收信号中发现隐藏的过采样率信息，我们用四阶谱代替常用的功率谱。进行四阶谱分析时，公式(11)转换为公式(13)：
Figure RE-GDA0003088942640000044
最终在本发明中的周期图分析是采用Γpp(α)代替Γxx(α)。
当接收到的突发信号段数K→∞时，接收到的突发信号得到的平均周期图将接近其期望值，即其方差接近于零。即
Figure RE-GDA0003088942640000045
其中，
Figure RE-GDA0003088942640000046
表示信号的平均周期图，W(f-α)表示由于短突发造成的窗函数。
因此
Figure RE-GDA0003088942640000047
变为
Figure RE-GDA0003088942640000051
其中，
Figure RE-GDA0003088942640000052
是符号速率，公式(14)中，
Figure RE-GDA0003088942640000053
分为三部分的和，包括：
Figure RE-GDA0003088942640000054
和
Figure RE-GDA0003088942640000055
其中
Figure RE-GDA0003088942640000056
部分引入了在
Figure RE-GDA0003088942640000057
位置的OSR波峰，我们称
Figure RE-GDA0003088942640000058
为OS波峰项。
Figure RE-GDA0003088942640000059
和
Figure RE-GDA00030889426400000510
是与窗函数有关的两个干扰项。
Figure RE-GDA00030889426400000511
取决于直流项Γpp(0)，我们称
Figure RE-GDA00030889426400000512
为窗函数下的直流干扰，相对的称
Figure RE-GDA00030889426400000513
为窗函数下的非直流项。
图4是根据公式(14)计算了理论上的周期图曲线。从
Figure RE-GDA00030889426400000514
可以获得没有误差的OSR 波峰信息。但是真实的应用中，由接收到的信号获取的周期图数据会含有
Figure RE-GDA00030889426400000515
和
Figure RE-GDA00030889426400000516
干扰项，真实的周期图中的OSR波峰是由理论中的OSR波峰与两项干扰项的叠加之和，即A 线中的波峰。由
Figure RE-GDA00030889426400000517
引起的OSR波峰如B线所示，另外由
Figure RE-GDA00030889426400000518
引起的有限窗下的直流干扰由D线所示，由
Figure RE-GDA00030889426400000519
引起的有限窗下的直流干扰由C线所示。由于这两个干扰项的存在，真实的峰值往往偏离正确的OSR峰值位置。显然，为了得到正确的峰位，我们需要从整个峰值中去除这两个偏差的影响，鉴于干扰项是加性干扰，我们通过去除倾斜角度来获得正确的 OSR信息。
基于偏移消除的OSR参数估计过程：
步骤1：寻找代表OSR信号的波峰位置。在脉冲最可能出现的范围内，求平均周期图的最大值。假设最大值出现的地方是f0，对应的最大值是
Figure RE-GDA00030889426400000520
步骤2：通过公式(15)计算周期图局部范围的斜率系数kslope。
Figure RE-GDA00030889426400000521
步骤3：在局部范围内，计算经过斜率修正后的新平均周期图
Figure RE-GDA00030889426400000522
Figure RE-GDA00030889426400000523
其中，wl是设置为0.5的比例因子。
步骤4：寻找在新的周期图中的代表OSR信息的波峰
Figure RE-GDA00030889426400000524
其中f1是位置信息。
步骤5：计算信号的过采样率。
ε′＝1/f1 (17)
本发明的优点与积极效果在于：研究了突发性(短脉冲)的精确过采样率(OSR)估计问题。当突发符号长度很短(每个突发中包含几十到几百个符号)时，传统的周期图估计方法不能很好地估计过采样率。为了克服上述局限性，本文提出并研究了以下技术：(a)在单个突发信号段的末尾采用补零处理以获得高的FFT分辨率。(b)对平均周期图进行斜率校正，提高平均周期图峰值的估计精度。利用实际数据进行的仿真结果表明，采用上述技术短脉冲突发信号的估计精度可达10-4以上。
附图说明
图1为本发明给出的短突发信号的高精度估计系统。
图2为平均周期图中估计误差范围的示意图。
图3为本发明给出的不同OSR值时最小的FFT规模。
图4为本发明给出的平均周期图中各项的分解。
图5为本发明给出的高精度盲估计方法流程图。
图6(a)为接收到的原始突发信号图。
图6(b)为突发信号的功率图。
图7为具有不同补零长度下的平均周期图。
图8为周期图和平均周期图的对比。
图9(a)为采用斜率修正的平均周期图。
图9(b)为采样斜率修正部分的局部放大图。
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。本发明的目的是提供一种适用于突发通信的过采样率盲估计方法，可以在每段突发持续时间很短且接收机的过采样率(OSR) 为非整数值时仍能获得精准的过采样率。
本发明提出的突发通信的过采样率盲估计方法，为了使盲估计过程描述的更清楚，在图 5中展示了高精度盲估计方法的各模块的流程图。具体实现步骤包括：突发信号检测、补零处理、平均周期图、偏移消除，OSR参数估计过程。
接下来对各模块进行详细分析：
(1)突发信号检测
首先对突发信号进行鉴别和切割去除噪声段，并从检测到的突发信号中提取突发信号段。接收机收到的信号如图6(a)所示，突发信号检测模块包括以下步骤：
步骤1：计算每一信号采样点的功率。
p(n)＝x(n)·x*(n)0≤n≤Lwhole (18)
步骤2：对信号的功率序列应用移动平均窗口，并为窗口内的样本生成平均功率。平均功率如图6(b)所示
Figure RE-GDA0003088942640000071
步骤3：设置一个功率判决门限阈值pth，由平均功率的大小判决突发信号。
步骤4：通过使用判决门限阈值来识别出突发信号的开始和结束。n′由1开始增大，当 pav(n′)＞pth时，n′为突发信号的起始位置。当pav(n′)＜pth时，n′为突发信号的结束位置。在识别突发信号之后，信号的功率将由式(20)计算
Figure RE-GDA0003088942640000072
步骤5：与控制器的信息交换。需要传递给控制器每个突发信号段的长度。当突发信号的数目足够时，估计控制向突发检测块发送命令以停止数据采集并进行信号参数的估计过程。
(2)补零处理
在执行补零操作之前，我们需要从控制器获得零填充的长度，补零的数学形式由式(21) 给出，待处理信号的长度从Li扩展到Npoint。补零后的信号功率为p′i(n)，由式(21)给出
Figure RE-GDA0003088942640000073
其中，Npoint的值与估计误差精度Athreshold和OSR值有关。从表1可以看出，当精度要求为10-4时，Npoint的最小值随OSR的增大而增大。图7给出了具有不同补零长度下的平均周期图，可以看出增加 DFT的规模后，周期图的分辨率明显增加。
表1FFT的规模与OSR值得关系(估计误差精度10-4)
ε' 2 3 4 10
N<sub>point</sub>&gt; 4.00E+04 9.00E+04 2.50E+05 1.00E+06
(3)平均周期图
在对第i段的功率信号进行加零处理后，获取突发信号的平均周期图。
步骤1：通过DFT变换计算其周期图pi′(n)
Figure RE-GDA0003088942640000074
步骤2：对各段信号的周期图进行平均，平均周期图表示为(23)
Figure RE-GDA0003088942640000081
步骤3：通过平均周期图获得OSR波峰可能发生的范围，需要将OSR范围信息传递给控制器用于下一步的偏移消除模块。
(4)基于偏移消除的OSR参数估计过程：
当信号的段长下降到几百个甚至几十个点时，平均周期图中代表OSR信息的部分不再是一条脉冲非常尖锐的曲线，而是一条相对平滑的波动曲线，因此代表OSR信息的峰值变得不太明显。偏移消除算法包括以下步骤：
步骤1：寻找代表OSR信号的波峰位置。在脉冲最可能出现的范围内，求平均周期图的最大值。假设最大值出现的地方是f0，对应的最大值是
Figure RE-GDA0003088942640000082
步骤2：通过公式(24)计算周期图局部范围的斜率系数kslope
Figure RE-GDA0003088942640000083
步骤3：在局部范围内，计算经过斜率修正后的新平均周期图
Figure RE-GDA0003088942640000084
Figure RE-GDA0003088942640000085
其中wl是设置为0.5的比例因子。
步骤4：寻找在新的周期图中的代表OSR信息的波峰
Figure RE-GDA0003088942640000086
其中f1是位置信息。
步骤5：计算信号的过采样率。
ε′＝1/f1 (26)
图9(a)和图9(b)显示了突发信号长度是100个采样点时的过采样率估计过程，真实的过采样率是2.23215，采用平均周期图时得到的过采样率是2.2336，本发明得到的结果是 2.2321，其精度在10-4以内。

Claims (3)

1.一种适用于突发通信的过采样率盲估计方法，其特征在于：包括：突发信号检测、补零处理、平均周期图、偏移消除OSR参数估计过程，具体步骤如下：
(1)突发信号检测
对突发信号进行鉴别和切割去除噪声段，并从检测到的突发信号中提取突发信号段；突发信号检测模块包括以下步骤：
步骤1.1：计算每一信号采样点的功率；
p(n)＝x(n)·x*(n) 0≤n≤Lwhole (1)
其中x(n)表示接收到的信号，Lwhole是整个接收序列的长度，x*(n)表示x(n)的复共轭值，n为采样序号；
步骤1.2：对信号的功率序列应用移动平均窗处理，并在窗口内的样本生成平均功率；设移动平均窗长为L，平均功率表示为：
Figure FDA0002946909110000011
步骤1.3：设置一个功率判决门限阈值pth，由平均功率的大小判决出突发信号；
步骤1.4：通过使用判决门限阈值来识别出突发信号的开始和结束；n′由1开始增大，当pav(n′)＞pth时，n′为突发信号的起始位置；当pav(n′)＜pth时，n′为突发信号的结束位置；在识别突发信号之后，信号的功率将由式(3)计算
Figure FDA0002946909110000012
其中，
Figure FDA0002946909110000013
表示识别出的第i段突发信号，
Figure FDA0002946909110000014
是突发信号
Figure FDA0002946909110000015
的复共轭函数，Li为第i段突发信号的长度；
步骤1.5：与控制器的信息交换；需要传递给控制器每个突发信号段的长度。
(2)补零处理
时域的零填充等价于频域的插值；在序列末尾进行零填充后，信号频谱的分辨率将得到提高；控制器需要知道每个段的Li，即使各段突发信号的长度不一样，仍能通过补零处理使各段信号保持一致的长度，充分利用接收到的突发信号进行盲估计；
补零后待处理信号的长度从Li扩展到Npoint，Npoint为补零后的信号长度；补零后的信号功率为p′i(n)，由式(4)给出
Figure FDA0002946909110000021
设OSR为ε，DFT的大小为Npoint，周期图中代表OSR的峰值出现在1/ε′处，预设的过采样率估计误差为Athreshold，满足公式(5)
|ε′-ε|≤Athreshold (5)
在周期图频谱中，距离OSR最近的两个频率位置是1/ε'+1/Npoint和1/ε'-1/Npoint，最小的DFT规模Npoint满足不等式：
Figure FDA0002946909110000022
Npoint的最小值需要满足条件：
Figure FDA0002946909110000023
由式(7)可知，Npoint的值与估计误差精度Athreshold和OSR值有关；
(3)平均周期图
对补零后的功率信号p′i(n)进行平均周期图运算，功率信号p′i(n)的平均周期图由式(8)和(9)计算；在对第i段的功率信号进行加零处理后，通过DFT变换计算功率信号p′i(n)的周期图Pi(f)；
Figure FDA0002946909110000024
其中f是归一化频率，K是突发信号的总段数；e是自然指数的底e＝2.7182818284590452,j是虚数项；
然后对各段信号的周期图进行平均，平均周期图表示为公式(9)
Figure FDA0002946909110000025
通过计算平均周期图获得OSR波峰可能发生的范围，需要将OSR范围信息传递给控制器用于下一步的偏移消除模块；
(4)基于偏移消除的OSR参数估计过程：
在对斜率曲线进行补偿之前，首先需要验证干扰项是加性的干扰，周期图的分析如下：
对于信号x(t)直接进行周期图分析时，其平均周期图的数学期望表示为：
Figure FDA0002946909110000031
其中f是归一化频率；Γxx(α)是传输信号的功率密度谱函数，表示为公式(11)，W(f)是窗函数，表示为公式(12)；α是自相关频率；
Figure FDA0002946909110000032
E{}表示期望，l表示自相关函数的位移序数；
Figure FDA0002946909110000033
其中Lω代表突发信号段的实际长度，即未加零处理前的长度；
为了从接收信号中发现隐藏的过采样率信息，用四阶谱代替常用的功率谱；进行四阶谱分析时，公式(11)转换为公式(13)：
Figure FDA0002946909110000034
周期图分析是采用Γpp(α)代替Γxx(α)；
当接收到的突发信号段数K→∞时，接收到的突发信号得到的平均周期图将接近其期望值，即其方差接近于零；即
Figure FDA0002946909110000035
when K→∞；其中，
Figure FDA00029469091100000311
表示信号的平均周期图，W(f-α)表示由于短突发造成的窗函数；
因此
Figure FDA0002946909110000036
变为：
Figure FDA0002946909110000037
其中，
Figure FDA0002946909110000038
是符号速率，公式(14)中，
Figure FDA0002946909110000039
分为三部分的和，包括：
Figure FDA00029469091100000310
和
Figure FDA0002946909110000041
其中
Figure FDA0002946909110000042
部分引入了在
Figure FDA0002946909110000043
位置的OSR波峰，
Figure FDA0002946909110000044
为OS波峰项；
Figure FDA0002946909110000045
和
Figure FDA0002946909110000046
是与窗函数有关的两个干扰项；
Figure FDA0002946909110000047
取决于直流项Γpp(0)，
Figure FDA0002946909110000048
为窗函数下的直流干扰，相对的称
Figure FDA0002946909110000049
为窗函数下的非直流项。
2.根据权利要求1所述的一种适用于突发通信的过采样率盲估计方法，其特征在于：从
Figure FDA00029469091100000410
获得没有误差的OSR波峰信息；但实际应用中，由接收到的信号获取的周期图数据会含有
Figure FDA00029469091100000411
和
Figure FDA00029469091100000412
干扰项，周期图中的OSR波峰是由理论中的OSR波峰与两项干扰项的叠加之和；另外，由
Figure FDA00029469091100000413
引起的有限窗下的直流干扰和由
Figure FDA00029469091100000414
引起的有限窗下的直流干扰的存在，真实的峰值会偏离正确的OSR峰值位置；为了得到正确的峰位，需要从整个峰值中去除这两个偏差的影响，鉴于干扰项是加性干扰，通过去除倾斜角度来获得正确的OSR信息。
3.根据权利要求1或2所述的一种适用于突发通信的过采样率盲估计方法，其特征在于：基于偏移消除的OSR参数估计过程：
步骤1：寻找代表OSR信号的波峰位置；在脉冲最可能出现的范围内，求平均周期图的最大值；设最大值出现的地方是f0，对应的最大值是
Figure FDA00029469091100000415
步骤2：通过公式(15)计算周期图局部范围的斜率系数kslope；
Figure FDA00029469091100000416
步骤3：在局部范围内，计算经过斜率修正后的新平均周期图
Figure FDA00029469091100000417
Figure FDA00029469091100000418
其中，wl是设置为0.5的比例因子；
步骤4：寻找在新的周期图中的代表OSR信息的波峰
Figure FDA00029469091100000419
其中f1是位置信息；
步骤5：计算信号的过采样率；
ε′＝1/f1 (17)。
CN202110196462.5A 2021-02-22 2021-02-22 一种适用于突发通信的过采样率盲估计方法 Active CN113098657B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110196462.5A CN113098657B (zh) 2021-02-22 2021-02-22 一种适用于突发通信的过采样率盲估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110196462.5A CN113098657B (zh) 2021-02-22 2021-02-22 一种适用于突发通信的过采样率盲估计方法

Publications (2)

Publication Number Publication Date
CN113098657A true CN113098657A (zh) 2021-07-09
CN113098657B CN113098657B (zh) 2022-03-15

Family

ID=76666132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110196462.5A Active CN113098657B (zh) 2021-02-22 2021-02-22 一种适用于突发通信的过采样率盲估计方法

Country Status (1)

Country Link
CN (1) CN113098657B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977169A (zh) * 2010-11-09 2011-02-16 西安电子科技大学 Ofdm信号的时域参数盲估计方法
CN103020901A (zh) * 2012-12-05 2013-04-03 上海电力学院 数字图像旋转角度的盲估计方法
CN103856431A (zh) * 2014-03-04 2014-06-11 中国人民解放军理工大学 基于快速傅里叶变换的mpsk调制下开环载波同步算法
CN105721375A (zh) * 2016-03-28 2016-06-29 电子科技大学 一种低信噪比短前导突发信号的解调系统及方法
WO2020061346A1 (en) * 2018-09-19 2020-03-26 University Of Maryland, College Park Office Of Technology Commercialization Methods and apparatuses for tracking weak signal traces
CN111654308A (zh) * 2020-04-30 2020-09-11 中国科学院上海微系统与信息技术研究所 一种突发扩频弱信号的精密频偏估计方法
CN112039818A (zh) * 2020-08-31 2020-12-04 中原工学院 基于频域移位平均周期图和神经网络译码的载波同步方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977169A (zh) * 2010-11-09 2011-02-16 西安电子科技大学 Ofdm信号的时域参数盲估计方法
CN103020901A (zh) * 2012-12-05 2013-04-03 上海电力学院 数字图像旋转角度的盲估计方法
CN103856431A (zh) * 2014-03-04 2014-06-11 中国人民解放军理工大学 基于快速傅里叶变换的mpsk调制下开环载波同步算法
CN105721375A (zh) * 2016-03-28 2016-06-29 电子科技大学 一种低信噪比短前导突发信号的解调系统及方法
WO2020061346A1 (en) * 2018-09-19 2020-03-26 University Of Maryland, College Park Office Of Technology Commercialization Methods and apparatuses for tracking weak signal traces
CN111654308A (zh) * 2020-04-30 2020-09-11 中国科学院上海微系统与信息技术研究所 一种突发扩频弱信号的精密频偏估计方法
CN112039818A (zh) * 2020-08-31 2020-12-04 中原工学院 基于频域移位平均周期图和神经网络译码的载波同步方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵建平，张忠培，汤东海: "采用CCSK承载非同步随机接入信息的方法", 《电子科技大学学报》 *

Also Published As

Publication number Publication date
CN113098657B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN110113075B (zh) 基于stft-spwvd的混合网台跳频参数盲估计方法
CN108512791B (zh) 基于定时频偏补偿的星载ais解调方法
CN106597408B (zh) 基于时频分析和瞬时频率曲线拟合的高阶pps信号参数估计方法
CN112684251B (zh) 一种基于功率谱模版的目标信号频域检测方法
CN105429719B (zh) 基于功率谱和多尺度小波变换分析强干扰信号检测方法
WO2019179084A1 (zh) 一种基于噪声消除的到达时间估计方法
CN112751629A (zh) 基于时频图像处理的宽带特定信号检测方法
CN114025379A (zh) 一种宽带多信号检测方法、装置和设备
CN107607920B (zh) 基于gp分布拟合检验的复合调制信号分析结果校验方法
CN114785379A (zh) 一种水声janus信号参数估计方法及系统
CN109490852B (zh) 一种线性调频脉冲信号调频斜率极性确定方法
Mankun et al. A new time-frequency spectrogram analysis of FH signals by image enhancement and mathematical morphology
CN113098657B (zh) 一种适用于突发通信的过采样率盲估计方法
CN112235077B (zh) 基于高斯Copula的BPSK信号盲处理结果可信性自适应校验方法
CN112929141B (zh) 一种基于图传信号匹配的无人机检测识别方法和系统
US9985805B1 (en) Adaptive filter with recursive processing
CN109617839B (zh) 一种基于卡尔曼滤波算法的莫尔斯信号检测方法
CN109120562B (zh) 一种基于频谱累加匹配的mfsk信号频率估计方法
CN116260692A (zh) 基于ofdm信号数据帧盲捕获的算法、系统和处理器可读介质
CN115184876A (zh) 一种基于小波变换及波形整形的2fsk信号参数估计方法
CN115441970A (zh) 一种基于尺度迭代和频谱补偿的宽带信号检测方法
CN115378776A (zh) 一种基于循环谱参数的mfsk调制识别方法
CN104270328A (zh) 一种信噪比实时估计方法
CN108008360B (zh) 一种幅度加权的非线性调频波形设计方法
CN116032703B (zh) 一种变换域通信系统信号码元数量的估计方法及系统

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