CN114070687A - 一种基于载波体制键控的混合载波调制解调方法 - Google Patents

一种基于载波体制键控的混合载波调制解调方法 Download PDF

Info

Publication number
CN114070687A
CN114070687A CN202111333471.0A CN202111333471A CN114070687A CN 114070687 A CN114070687 A CN 114070687A CN 202111333471 A CN202111333471 A CN 202111333471A CN 114070687 A CN114070687 A CN 114070687A
Authority
CN
China
Prior art keywords
module
alpha
signal
wfrft
order
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
CN202111333471.0A
Other languages
English (en)
Other versions
CN114070687B (zh
Inventor
梅林�
李志洋
杜兆鹏
房宵杰
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202111333471.0A priority Critical patent/CN114070687B/zh
Publication of CN114070687A publication Critical patent/CN114070687A/zh
Application granted granted Critical
Publication of CN114070687B publication Critical patent/CN114070687B/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
    • H04L27/00—Modulated-carrier systems
    • H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0014—Carrier regulation

Landscapes

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

Abstract

一种基于载波体制键控的混合载波调制解调方法，解决了现有宽窄带信号融合传输过程中，现有架构会存在一定资源浪费的问题，属于通信技术领域。本发明将WFRFT与传统通信系统相融合，使用WFRFT阶数来进行信息键控的通信方法，并且给出了对应的解调方法。在解调时使用高阶累积量和BP神经网络进行α参数的识别。本发明将一部分发送信息调制到WFRFT的α参数上，其本质是将信息调制在信号的统计特征当中，信息载体除了具有确切函数形式的通信信号也可以是携带任意信息的随机信号，除了常见的通信场景，该发明也可以应用在如隐蔽通信、物联网通信等要求一定通信隐蔽性和多速率信息传输的场景。

Description

一种基于载波体制键控的混合载波调制解调方法
技术领域
本发明涉及一种基于载波体制键控的混合载波调制解调方法，属于通信技术领域。
背景技术
随着通信技术的发展，人们对于通信质量的要求也不断提高，高速率、低时延、多应用场景甚至是保密性和安全性都成为人们愈加关心的通信问题。载波体制一直是无线通信领域中的关键问题，在第四代移动通信中，以OFDM技术为主的多载波体制因其具有良好的抗多径能力而被广泛应用，随后学者们借鉴OFDM系统中的均衡技术提出了单载波频域均衡(SC-FDE)技术，在提高了单载波体制抗多径能力的情况下仍然保持着低峰均功率比的良好特性，故单载波体制和多载波体制分别作为上行和下行链路的物理层波形。
除了单载波和多载波之外，对新载波体制的探索和研究也受到通信领域学者们的广泛关注。
3GPP组织在2007年12月颁布了TS 36.101协议的第一个版本，协议规定了时域上1个OFDM符号与频域上的1个子载波组成单元为RE(Resource Element)，LTE系统中资源粒度单位为资源块RB(Resource Block)，其表示1个时隙(0.5ms)内所有的OFDM符号与频域上的12个子载波组成的资源块。LTE资源调度以一个RB为基本单位，即发送1bit数据所需要最少的资源为持续时间0.5ms OFDM符号中的12个子载波。对于一些低速促发的控制信令或是语音信号，使用LTE系统传输无疑会造成能量及频谱资源的浪费。在第五代移动通信系统中提出了“Mini-slot”的概念，将颗粒度由一个时隙变成了最小两个OFDM符号，提高了资源利用率。窄带物联网(Narrow Band Internet of Things,NB-IoT)系统同LTE的帧结构和时频资源分配方案基本一致，只是NB-IoT中上行链路重新规定了上行资源单元(Resource Unit,RU)，并根据发送信息的类型与长度定义了4种资源单元类型，分别为频域12个子载波，时域为1ms长度的OFDM符号；频域6个子载波，时域2ms；频域3个子载波，时域4ms和频域1个子载波，时域8ms，该种定义方法可以适配多种信息类型。细化资源单元可以提高资源利用率，但是也提高了系统的复杂度，并且细化资源单元无法从根本上解决宽窄带融合所造成的资源浪费问题。
发明内容
针对现有宽窄带信号融合传输过程中，现有架构会存在一定资源浪费的问题，本发明提供了一种基于载波体制键控的混合载波调制方法。
本发明的一种基于载波体制键控的混合载波调制方法，所述方法包括：
步骤一、一个WFRFT符号的周期为T，每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息；N为WFRFT点数；
步骤二、根据g2的值及映射规则获得对应的阶数α，映射规则中包括至少两个不同的阶数α；g1经调制及串并转换后，进行α阶N点WFRFT，再依次进行并串转换、加入循环前缀、数模转换和上变频后发送。
作为优选，g1可以是信息序列也可以是固定序列。
作为优选，所述根据g2的值及映射规则获得对应的阶数α包括：
针对不同的g2设置对应的阶数α，不同阶数α之间的差值应大于设定阈值。
作为优选，进行α阶WFRFT，经α阶WFRFT后的信号
Figure BDA0003349660540000021
为：
Figure BDA0003349660540000022
Figure BDA0003349660540000023
表示g1经调制及串并转换后的信号，
Figure BDA0003349660540000024
为
Figure BDA0003349660540000025
经过FFT和归一化之后的形式，
Figure BDA0003349660540000026
和
Figure BDA0003349660540000027
分别为
Figure BDA0003349660540000028
和
Figure BDA0003349660540000029
的翻转形式，n为序列
Figure BDA00033496605400000210
的符号序数，表示序列中的第几个符号，且1≤n≤N；wl(α)(l＝0,1，2，3)为根据阶数α得到的WFRFT表达式的加权系数，其为α的函数，
Figure BDA00033496605400000211
本发明还提供一种基于载波体制键控的混合载波解调方法，所述方法包括：
步骤一、接收信号，依次经下变频、模数转换、去掉循环前缀、串并转换、N点DFT变换、均衡后，获得频域信号
Figure BDA00033496605400000212
N为WFRFT点数；
步骤二、对频域信号
Figure BDA00033496605400000213
进行α参数识别，识别出阶数α的估计值
Figure BDA00033496605400000214
根据
Figure BDA00033496605400000215
及与发送端相同的映射规则，解映射出g2的估计值
Figure BDA00033496605400000216
步骤三、对频域信号
Figure BDA00033496605400000217
依次进行
Figure BDA00033496605400000218
阶WFRFT、并串转换及数字解调，得到g1的估计值
Figure BDA00033496605400000219
发送端每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息。
作为优选,对频域信号
Figure BDA0003349660540000031
进行载波制式判决，识别出阶数α的估计值
Figure BDA0003349660540000032
的方法包括：
对频域信号
Figure BDA0003349660540000033
进行预处理，然后计算高阶累积量，根据高阶累积量进行分类多叉树判决，确定对应的估计值
Figure BDA0003349660540000034
作为优选,对频域信号
Figure BDA0003349660540000035
进行载波制式判决，识别出阶数α的估计值
Figure BDA0003349660540000036
的方法包括：
对频域信号
Figure BDA0003349660540000037
进行预处理，提取信号特征，利用经过训练的BP神经网络对信号特征进行识别，输出识别结果，即：估计值
Figure BDA0003349660540000038
所述BP神经网络是利用已知载波制式的调制信号的特征及对应的
Figure BDA0003349660540000039
进行训练的
本发明的有益效果，本发明可以在原有宽带信号传输的基础上附着一条窄带通道，用以传输额外的键控信息，一定程度上可以解决不同速率信号同时传输所造成的资源浪费问题。本发明将WFRFT与传统通信系统相融合，创新性的提出使用WFRFT阶数来进行信息键控的通信方法，并且给出了对应的解调方法。本发明将一部分发送信息调制到WFRFT的α参数上，其本质是将信息调制在信号的统计特征当中，信息载体除了专利中描述的具有确切函数形式的通信信号也可以是携带任意信息的随机信号，除了常见的通信场景，该发明也可以应用在如隐蔽通信、物联网通信等要求一定通信隐蔽性和多速率信息传输的场景。α阶数不局限于0.5和-0.5，对于其他参数值进行相应变换后仍可以使用原通信系统进行调制和解调。本发明在接收机解调部分使用高阶累积量和BP神经网络进行α参数的识别，其解调方法区别于常见的通信方法。本发明发送端所发送的正常传输信息g1，可以是信息序列也可以是固定的随机序列，当使用已知的随机序列时参数估计方法将变得更加多样，且键控信息的误比特率性能会有显著提高，可根据不同的应用场景来选择不同方案实现。
附图说明
图1为混合载波系统的发射端的示意图；图2为混合载波系统的接收端的示意图；
图3为基于高阶累积量的α参数识别方法；
图4为α参数二叉树分类方法；
图5为基于神经网络的α参数识别方法；
图6为不同调制方式下C21随α变化情况；
图7为不同调制方式下C42随α变化情况；
图8为不同调制方式下C80随α变化情况；
图9为噪声对于高阶累积量C42影响；
图10为符号长度对高阶累积量值的影响；
图11为QPSK调制不同方法下g2的误比特率；
图12为16QAM调制不同方法下g2的误比特率；
图13为64QAM调制不同方法下g2的误比特率。
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。
本实施方式的一种基于载波体制键控的混合载波调制方法，如图1所示。包括：
步骤一、一个WFRFT符号的周期为T，每个符号传输gbits数据，将gbits数据分为g1bits和g2bits两部分，g＝g1+g2。其中g1bits为正常传输数据，L(g1)＝Nlog2(MO)bit，“L(x)”表示x的数据量，N为WFRFT点数，MO数字调制的阶数；另外，g2bits为键控信息，
Figure BDA0003349660540000041
Figure BDA0003349660540000042
为向下取整符号，M为α参数选择模块的参数值个数；
步骤二、根据g2的值及映射规则获得对应的阶数α，映射规则中包括至少两个不同的阶数α；g1经调制及串并转换后，进行α阶N点WFRFT，再依次进行并串转换、加入循环前缀、数模转换和上变频后发送。
本实施方式调制过程是为了实现载波体制键控，载波体制键控的实现是将传输信息分为正常传输信息与键控信息两部分，一部分进行正常的数据传输，另一部分用于驱动α参数切换实现键控。发送部分由于WFRFT阶数会随着键控信息的变化而变化，WFRFT的α参数可以看做成开关选择特定值的状态。
(1)g1bits数据经过数字调制模块之后映射为N长数据，表达式为x＝(x1,x2,…,xN)。g2bits控制α参数选择模块来键控数据x的调制阶数，首先对g2做格雷码编码得到
Figure BDA0003349660540000051
键控信息
Figure BDA0003349660540000052
用十进制值表示为
Figure BDA0003349660540000053
根据映射规则得到对应的α参数，映射规则不做过多约束，现给出一种8个参数值个数的键控参数简单映射规则，如表1所示。
由于WFRFT具有周期性，α参数选取范围一般定义为[-2,2)，参数选择模块的参数值个数可根据接收机算法的识别精度和对系统的可靠性约束来规定。键控，即对于不同时间的符号，由于g2数值的变化映射不同的WFRFT模块阶数α，故正常传输数据x随时间进行不同阶数的WFRFT。
表1键控信息参数映射查找表
Figure BDA0003349660540000054
(2)、N长数据x经过串并转换后表示为
Figure BDA0003349660540000055
串并转换得到的数据根据当前符号周期时间内g2的数值并按照步骤二中的映射规则进行对应α阶的WFRFT操作。α阶WFRFT表达式见式(1)。
Figure BDA0003349660540000056
式(1)中，
Figure BDA0003349660540000057
为
Figure BDA0003349660540000058
经过FFT和归一化之后的形式，
Figure BDA0003349660540000059
和
Figure BDA00033496605400000510
分别为
Figure BDA00033496605400000511
和
Figure BDA00033496605400000512
的翻转形式，n为序列
Figure BDA00033496605400000513
的符号序数，表示序列中的第几个符号，α为WFRFT的阶数，-1≤α≤1且1≤n≤N。wl(α)(l＝0,1，2，3)为根据阶数α得到的WFRFT表达式的加权系数，其为α的函数，wl(α)表达式定义如式(2)所示。
Figure BDA0003349660540000061
Figure BDA0003349660540000062
表示的是
Figure BDA0003349660540000063
经α阶WFRFT后的信号
α阶WFRFT操作用矩阵形式表达如式(3)所示
W(α)＝w0(α)I+w1(α)F+w2(α)Γ+w3(α)ΓF (3)
式(3)中矩阵I为N×N的单位阵，矩阵F为FFT操作的矩阵形式，
Figure BDA0003349660540000064
其中p,q∈[0,N-1]，[·]p,q表示的是矩阵的第p行第q列。
矩阵Γ定义为
Figure BDA0003349660540000065
(3)、经过α阶WFRFT操作之后的数据xα进行并串转换并加入循环前缀，得到待发送的中频信号
Figure BDA0003349660540000066
其具体表达式如式(5)所示。
Figure BDA0003349660540000067
式(5)中，xα(N-L+1),xα(N-L+2),…,xα(N)，表示数据xα的后L长数据，L为多径信道最大时延换算得到的最大时延长度，xα为N长WFRFT符号数据，故发射数据总长度为N+L长。
(4)、中频数字信号
Figure BDA0003349660540000068
经过模/数转换和上变频操作，通过对应频段天线发送到信道中去。
本实施方式中，g1可以是信息序列(未知的)，也可以是固定序列(发送端和接收端已知的)。当使用已知的固定序列时参数估计方法将变得更加多样，且键控信息的误比特率性能会有显著提高，可根据不同的应用场景来选择不同方案实现。
本实施方式中，针对不同的g2设置对应的阶数α，不同阶数α之间的差值应大于设定阈值。其目的是因为传输，接收端在参数识别时，α与发送端可能会存在误差，如果不同阶数α之间的差值太小，在映射规则中就不容易确定阶数α及其对应的g2。
与调制对应的解调，如图2所示，本实施方式基于载波体制键控的混合载波解调方法，包括：
步骤一、接收信号，依次经下变频、模数转换、去掉循环前缀、串并转换、N点DFT变换、均衡后，获得频域信号
Figure BDA0003349660540000071
N为WFRFT点数；
假设传输信道时域表达式为h＝(h1 h2…hL)，发送端数据符号
Figure BDA0003349660540000072
经过多径信道后，接收端的接收信号表达式为：
Figure BDA0003349660540000073
式(6)中w表示加性高斯白噪声向量，
Figure BDA0003349660540000074
为接收信号，接收信号为信道中模拟信号通过下变频和模数转换之后得到的数字信号，
Figure BDA0003349660540000075
为卷积符号。
对接收信号进行去循环前缀操作，去循环前缀后得到信号s＝(s1,s2,…,sN)，对其进行串并转换操作，得到并行向量
Figure BDA0003349660540000076
对频域向量
Figure BDA0003349660540000077
进行频域均衡处理，均衡技术主要是用来抵抗多径信道引起的符号间干扰问题，在OFDM技术兴起之后，学者们将传统的抽头滤波器时域均衡算法演进为频域均衡算法，目前常见的频域均衡算法为迫零均衡(ZFE)和最小均方误差(MMSE)均衡。传输信道的时域表达式为h＝(h0 h1…hL)，补零并进行N点FFT之后的表达式为H＝(H1,H2,…,HN)，ZF均衡的频域矩阵形式的表达式为
Figure BDA0003349660540000078
CZF对角线上的值为信道时域表达式h＝(h0 h1…hL)进行N点FFT之后的值的倒数。即
Figure BDA0003349660540000079
i表示矩阵中的位置，Hi为信道频域矩阵H＝(H1,H2,…,HN)中的第i项。
与ZF频域均衡类似，对于MMSE均衡，其均衡矩阵形式的表达式为：
Figure BDA00033496605400000710
CMMSE对角线上的值为信道时域表达式h＝(h0 h1…hL)，γ＝Ex/σ2为信噪比，Ex为每个调制信号的平均能量，σ2表示噪声能量，其对角线上的值为：
Figure BDA0003349660540000081
式(10)中i表示矩阵中的位置，Hi为信道频域矩阵H＝(H1,H2,…,HN)中的第i项；γ＝Ex/σ2为信噪比，Ex为每个调制信号的平均能量，σ2表示噪声能量。
对接收到的信号做频域均衡操作如下：
对于ZF频域均衡
Figure BDA0003349660540000082
而对于MMSE频域均衡
Figure BDA0003349660540000083
式(11)、(12)中，
Figure BDA0003349660540000084
为接收信号的频域形式，CZF和CMMSE分别为ZF频域均衡和MSME频域均衡的矩阵表示形式，
Figure BDA0003349660540000085
和
Figure BDA0003349660540000086
即为两种方法做频域均衡后的结果，因其信号形式一样，为方便书写，现规定信号
Figure BDA0003349660540000087
为接收信号做ZF均衡或MMSE均衡后的结果。
步骤二、对频域信号
Figure BDA0003349660540000088
(指
Figure BDA0003349660540000089
或
Figure BDA00033496605400000810
)进行载波制式判决，识别出阶数α的估计值
Figure BDA00033496605400000811
根据
Figure BDA00033496605400000812
及与发送端相同的映射规则，解映射出g2的估计值
Figure BDA00033496605400000813
对均衡后的信号进行载波制式判决(α参数识别)，α参数识别模块输出考虑到频域均衡时对信号做了一次FFT操作，等效于对接收信号做了一次α＝1的WFRFT操作，估计得到的
Figure BDA00033496605400000814
在去掉FFT引入的固定误差后，根据发射端步骤二的映射方法解映射，解出调制到传输数据中的键控信息，即
Figure BDA00033496605400000815
步骤三、对频域信号
Figure BDA00033496605400000816
依次进行
Figure BDA00033496605400000817
阶WFRFT、并串转换及数字解调，解映射出g1的估计值
Figure BDA00033496605400000818
发送端每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息。
根据α参数识别模块判决结果
Figure BDA00033496605400000819
对传输数据进行解调。首先对均衡得到的信号
Figure BDA00033496605400000820
做
Figure BDA00033496605400000821
阶WFRFT，使其变为时域信号，之后再使用数字解调算法得到正常传输信息
Figure BDA00033496605400000822
本实施方式中所提到α参数识别模块其主要功能是对输入信号的α参数进行识别，对应于发射端α参数选择模块，若发射端选择α＝±0.5进行WFRFT键控，则接收端对接收信号判决结果也应为
Figure BDA00033496605400000823
但映射规则中α取值数量应不小于2，这取决于接收端α参数识别的精度和系统对于信号传输可靠性的具体要求。对于α参数识别方法，该专利主要提出并讨论了基于高阶累积量的α参数识别方法和基于BP神经网络的α参数识别方法并且给出两种方法在不同调制方式、不同信噪比和不同均衡方式下的误比特率曲线。
基于高阶累积量的α参数识别方法：
本实施方式中只给出α键控取值集合元素数为2情况的解调方法说明，对于更大规模的取值集合，可以以此方法类推。
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，实现载波体制的判决分类。基于高阶累积量的α参数识别流程框图如图。
获取到的待识别调制信号为均衡后得到的频域向量
Figure BDA0003349660540000091
一般认为FFT或IFFT计算后输出为自然顺序排列。对待识别信号进行预处理，估计信号信噪比，抵消一些噪声带来的影响，根据实际情况选择预处理的操作。之后计算信号高阶累积量，高阶累积量定义如式(14)。
对于一个零均值复随机过程G(t)，其p阶混合矩可以表示为
Mpq＝E[G(t)p-qG*(t)q] (13)
式(13)中，G*(t)表示G(t)的共轭，E(g)表示g的期望，则G(t)的累积量定义如下
Figure BDA0003349660540000092
根据实际情况选择合适的高阶累积量组合进行判决，对于α键控取值集合元素数为2的情况，选取C42值为载波制式判决标准，二叉树分类见图。
需要说明的是图中λ值为判决门限值，当高阶累积量C42＞λ时，判决该信号WFRFT阶数为0.5，当高阶累积量C42＜λ时，判决该调制信号WFRFT阶数为-0.5，选取合适的λ值从而实现更精确载波制式判决。针对更多的α取值数量，可根据高阶累积量进行分类多叉树判决，确定对应的估计值
Figure BDA0003349660540000093
本实施方式中还提供一种基于BP神经网络的的α参数识别方法：
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。
回到本方法，对于α参数的识别可以使用BP神经网络进行判断，也可以使用像支持向量机这类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。基于BP神经网络的载波体制判决流程如图所示。
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。
接收待识别的均衡后信号
Figure BDA0003349660540000101
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。
与单/多载波体制判决方法类似，α参数识别仍然使用高阶累积量作为特征进行分类。现给出对随机信息进行不同数字调制后，在α＝[-1,1]区间以0.01为步进做WFRFT操作后，数据高阶累积量的变化情况。
图到图为三种调制方式:QPSK、16QAM和64QAM下，C21、C42和C80三种高阶累积量随着α值的变化情况。对于C21来说，其可以区分不同的调制方式，但是α参数的变化反应在C21值上变化并不明显，对于C42和C80来说，可以通过两种累积量的值来区分不同的α值。以C80为例，其值是以α＝0为中点对称的趋势。并且QPSK调制相较于16QAM和64QAM来说，其最大值与最小值的差值更大，即对于QPSK调制不同α值在高阶累积量值的变化上更明显，理论上该种调制方式下α参数的识别概率也会更高。
由于具有高斯统计特性的信号其高阶累积量值为0，故高阶累积量常用于统计信号估计与检测中。噪声对于高阶累积量的影响仿真如所示。
图为加入高斯噪声前后C42值随α变化情况，其中Eb/N0分别取0dB和5dB从仿真结果看出，加入噪声后，C42值随α变化趋势仍然保持不变，但是其最大值即在α＝0处的值减小，由此可以推断，加入噪声会对α识别造成负面影响。
图为不同符号长度下C42值随α变化情况，从仿真结果看出，符号长度增大高阶累积量值动态范围增大，理论误比特率性能提高，但是在相同调制方式下，码元峰值速率降低，频谱利用率有所降低。
载波体制判决性能：
图到图分别为正常传输信息比特g1进行QPSK调制、16QAM和64QAM三种调制，在多径数为3的条件下，分别使用ZF频域均衡方式和MMSE均衡方式实现频域均衡，参数识别方法也选取基于HOC的二叉树判决方法和基于BP神经网络的参数识别方法两种方法，即每种调制方式对应四种解调方法，键控信息g2的误比特率仿真结果。
从结果的对比和关于调制方式、采样点数和噪声对于高阶累积量影响的仿真分析中可以得到，低阶的调制方式相较于高阶调制其损失频谱效率换来更加良好的抗噪声性能；而MMSE均衡方式相较于ZF均衡也具有更好的抗噪声性能但是MMSE均衡实现更加复杂且需要对当前信噪比进行估计；使用BP神经网络进行参数识别其识别率大于基于HOC的二叉树识别方法，一是因为神经网络具有实时的调节功能，对于输入训练数据其能找到更好的分类标准，而对于HOC识别方法，由于其使用阈值进行判断，对于不同条件下高阶累积量的值会发生一定变化，无法自适应的改变阈值，所以会造成误比特率的下降，但是基于BP神经网络的参数识别方法对于信噪比估计要求较高，最优情况是能够对每一个信噪比下都形成一个训练好的网络结构，这无疑会占用更大的资源耗费更多的时间，并且根据仿真来看BP神经网络识别方法对训练集信噪比浮动范围较小时具有较高的识别率，而若训练集与真正进行识别时数据信噪比差异过大则识别率会急剧下降。
本实施方式还提供一种基于载波体制键控的混合载波发送端，包括：
分配端，同时与数字调制模块和α参数选择模块连接，用于将一个符号传输的gbits数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息，将g1输出至数字调制模块，将g2输出至α参数选择模块；
数字调制模块，与串并转换模块连接，用于将输入的g1进行调制，生成数字调制信号给串并转换模块；
串并转换模块，与α阶WFRFT模块，用于将输入的数字调制信号转换为并行信号，并输出至α阶N点WFRFT模块；N为WFRFT点数；
α参数选择模块，与α阶WFRFT模块，用于根据g2的值及映射规则获得对应的阶数α，并输出至α阶WFRFT模块，映射规则中包括至少两个不同的阶数α；
α阶WFRFT模块，与并串转换模块，用于将输入的并行信号进行α阶的N点WFRFT，并将变换后的信号输出至并串转换模块；
并串转换模块，与加入循环前缀模块连接，用于将输入的变换后的信号转换成串行信号，加入循环前缀以减小衰落信道造成的符号间干扰问题，并输出至数模转换模块；
数模转换模块，与上变频模块连接，用于将输入的串行信号转换成模拟信号，并输出至上变频模块；
上变频模块，与发送天线连接，用于将输入的模拟信号进行上变频操作，上变频之后的模拟信号输出至发送天线；
发送天线，用于将输入的模拟信号通过对应频段天线发送到信道中去。
其原理与本实施方式中的调制方法流程相同。
本实施方式还提供一种基于载波体制键控的混合载波接收端，包括：
接收天线，与下变频模块，用于接收信号，并输出至下变频模块；
下变频模块，与模数转换模块，用于将输入的信号进行下变频操作，并输出至模数转换模块；
模数转换模块，与去掉循环前缀模块，用于将输入的下变频操作后的信号转换成数字信号，并输出至去掉循环前缀模块；
去掉循环前缀模块，与串并转换模块连接，用于对输入的数字信号去循环前缀，将去掉循环前缀后的信号输出至串并转换模块；
串并转换模块，与N点DFT变换模块，用于将去掉循环前缀后的信号转换成并行信号，输出至N点DFT变换模块；N为WFRFT点数；
N点DFT变换模块，与均衡模块连接，用于将输入的并行信号N点FFT变换，将转换的频域信号输出至均衡模块；
均衡模块，与α参数识别模块连接，用于对输入的频域信号进行频域均衡处理，将均衡处理后的频域信号
Figure BDA0003349660540000121
输出至α参数识别模块；
α参数识别模块，同时与α参数解映射模块与
Figure BDA0003349660540000122
阶WFRFT转换模块连接，用于将输入的频域信号
Figure BDA0003349660540000123
进行α参数识别，识别出阶数α的估计值
Figure BDA0003349660540000124
并同时输出至α参数解映射模块和
Figure BDA0003349660540000125
阶WFRFT转换模块；
α参数解映射模块，用于根据
Figure BDA0003349660540000131
及与发送端相同的映射规则，解映射出g2的估计值
Figure BDA0003349660540000132
Figure BDA0003349660540000133
阶WFRFT转换模块，与并串转换模块连接，用于对频域信号
Figure BDA0003349660540000134
依次进行
Figure BDA0003349660540000135
阶WFRFT，并输出至并串转换模块；
并串转换模块，与数字解调模块连接，用于将WFRFT后的信号转换成串行信号，并将串行信号输出至数字解调模块；
数字解调模块，用于将输入的串行信号进行解调，获得g1的估计值
Figure BDA0003349660540000136
发送端每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息。
其原理与本实施方式中的解调方法流程相同。
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 (10)

1.一种基于载波体制键控的混合载波调制方法，其特征在于，所述方法包括：
步骤一、一个WFRFT符号的周期为T，每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息；N为WFRFT点数；
步骤二、根据g2的值及映射规则获得对应的阶数α，映射规则中包括至少两个不同的阶数α；g1经调制及串并转换后，进行α阶N点WFRFT，再依次进行并串转换、加入循环前缀、数模转换和上变频后发送。
2.根据权利要求1所述的混合载波调制方法，其特征在于，g1可以是信息序列也可以是固定序列。
3.根据权利要求2所述的混合载波调制方法，其特征在于，所述根据g2的值及映射规则获得对应的阶数α包括：
针对不同的g2设置对应的阶数α，不同阶数α之间的差值应大于设定阈值。
4.根据权利要求2所述的混合载波调制方法，其特征在于，进行α阶WFRFT，经α阶WFRFT后的信号
Figure FDA0003349660530000011
为：
Figure FDA0003349660530000012
Figure FDA0003349660530000013
表示g1经调制及串并转换后的信号，
Figure FDA0003349660530000014
为
Figure FDA0003349660530000015
经过FFT和归一化之后的形式，
Figure FDA0003349660530000016
和
Figure FDA0003349660530000017
分别为
Figure FDA0003349660530000018
和
Figure FDA0003349660530000019
的翻转形式，n为序列
Figure FDA00033496605300000110
的符号序数，表示序列中的第几个符号，且1≤n≤N；wl(α)(l＝0,1，2，3)为根据阶数α得到的WFRFT表达式的加权系数，其为α的函数，
Figure FDA00033496605300000111
5.一种基于载波体制键控的混合载波发送端，其特征在于，所述发送端包括：
分配端，同时与数字调制模块和α参数选择模块连接，用于将一个符号传输的gbits数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息，将g1输出至数字调制模块，将g2输出至α参数选择模块；
数字调制模块，与串并转换模块连接，用于将输入的g1进行调制，生成数字调制信号给串并转换模块；
串并转换模块，与α阶WFRFT模块，用于将输入的数字调制信号转换为并行信号，并输出至α阶N点WFRFT模块；N为WFRFT点数；
α参数选择模块，与α阶WFRFT模块，用于根据g2的值及映射规则获得对应的阶数α，并输出至α阶WFRFT模块，映射规则中包括至少两个不同的阶数α；
α阶WFRFT模块，与并串转换模块，用于将输入的并行信号进行α阶的N点WFRFT，并将变换后的信号输出至并串转换模块；
并串转换模块，与加入循环前缀模块连接，用于将输入的变换后的信号转换成串行信号，加入循环前缀以减小衰落信道造成的符号间干扰问题，并输出至数模转换模块；
数模转换模块，与上变频模块连接，用于将输入的串行信号转换成模拟信号，并输出至上变频模块；
上变频模块，与发送天线连接，用于将输入的模拟信号进行上变频操作，上变频之后的模拟信号输出至发送天线；
发送天线，用于将输入的模拟信号通过对应频段天线发送到信道中去。
6.一种基于载波体制键控的混合载波解调方法，其特征在于，所述方法包括：
步骤一、接收信号，依次经下变频、模数转换、去掉循环前缀、串并转换、N点DFT变换、均衡后，获得频域信号
Figure FDA0003349660530000021
N为WFRFT点数；
步骤二、对频域信号
Figure FDA0003349660530000022
进行α参数识别，识别出阶数α的估计值
Figure FDA0003349660530000023
根据
Figure FDA0003349660530000024
及与发送端相同的映射规则，解映射出g2的估计值
Figure FDA0003349660530000025
步骤三、对频域信号
Figure FDA0003349660530000026
依次进行
Figure FDA0003349660530000027
阶WFRFT、并串转换及数字解调，得到g1的估计值
Figure FDA0003349660530000028
发送端每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息。
7.根据权利要求6所述的混合载波解调方法，其特征在于，对频域信号
Figure FDA0003349660530000029
进行载波制式判决，识别出阶数α的估计值
Figure FDA00033496605300000210
的方法包括：
对频域信号
Figure FDA00033496605300000211
进行预处理，然后计算高阶累积量，根据高阶累积量进行分类多叉树判决，确定对应的估计值
Figure FDA00033496605300000212
8.根据权利要求6所述的混合载波解调方法，其特征在于，对频域信号
Figure FDA00033496605300000213
进行载波制式判决，识别出阶数α的估计值
Figure FDA00033496605300000214
的方法包括：
对频域信号
Figure FDA00033496605300000215
进行预处理，提取信号特征，利用经过训练的BP神经网络对信号特征进行识别，输出识别结果，即：估计值
Figure FDA00033496605300000216
所述BP神经网络是利用已知载波制式的调制信号的特征及对应的
Figure FDA0003349660530000031
进行训练的。
9.根据权利要求6所述的混合载波解调方法，其特征在于，所述步骤二中，还包括在识别出估计值
Figure FDA0003349660530000032
的基础上去掉N点DFT变换引入的固定误差，作为最终的估计值
Figure FDA0003349660530000033
10.一种基于载波体制键控的混合载波接收端，其特征在于，所述接收端包括：
接收天线，与下变频模块，用于接收信号，并输出至下变频模块；
下变频模块，与模数转换模块，用于将输入的信号进行下变频操作，并输出至模数转换模块；
模数转换模块，与去掉循环前缀模块，用于将输入的下变频操作后的信号转换成数字信号，并输出至去掉循环前缀模块；
去掉循环前缀模块，与串并转换模块连接，用于对输入的数字信号去循环前缀，将去掉循环前缀后的信号输出至串并转换模块；
串并转换模块，与N点DFT变换模块，用于将去掉循环前缀后的信号转换成并行信号，输出至N点DFT变换模块；N为WFRFT点数；
N点DFT变换模块，与均衡模块连接，用于将输入的并行信号N点FFT变换，将转换的频域信号输出至均衡模块；
均衡模块，与α参数识别模块连接，用于对输入的频域信号进行频域均衡处理，将均衡处理后的频域信号
Figure FDA0003349660530000034
输出至α参数识别模块；
α参数识别模块，同时与α参数解映射模块与
Figure FDA0003349660530000035
阶WFRFT转换模块连接，用于将输入的频域信号
Figure FDA0003349660530000036
进行α参数识别，识别出阶数α的估计值
Figure FDA0003349660530000037
并同时输出至α参数解映射模块和
Figure FDA0003349660530000038
阶WFRFT转换模块；
α参数解映射模块，用于根据
Figure FDA0003349660530000039
及与发送端相同的映射规则，解映射出g2的估计值
Figure FDA00033496605300000310
Figure FDA00033496605300000311
阶WFRFT转换模块，与并串转换模块连接，用于对频域信号
Figure FDA00033496605300000312
依次进行
Figure FDA00033496605300000313
阶WFRFT，并输出至并串转换模块；
并串转换模块，与数字解调模块连接，用于将WFRFT后的信号转换成串行信号，并将串行信号输出至数字解调模块；
数字解调模块，用于将输入的串行信号进行解调，得到g1的估计值
Figure FDA00033496605300000314
发送端每个符号传输gbits数据，将g数据分为g1和g2两部分，g＝g1+g2，其中g1为正常传输数据，g2为键控信息。
CN202111333471.0A 2021-11-11 2021-11-11 一种基于载波体制键控的混合载波调制解调方法 Active CN114070687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111333471.0A CN114070687B (zh) 2021-11-11 2021-11-11 一种基于载波体制键控的混合载波调制解调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111333471.0A CN114070687B (zh) 2021-11-11 2021-11-11 一种基于载波体制键控的混合载波调制解调方法

Publications (2)

Publication Number Publication Date
CN114070687A true CN114070687A (zh) 2022-02-18
CN114070687B CN114070687B (zh) 2024-05-28

Family

ID=80275049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111333471.0A Active CN114070687B (zh) 2021-11-11 2021-11-11 一种基于载波体制键控的混合载波调制解调方法

Country Status (1)

Country Link
CN (1) CN114070687B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038464A (zh) * 2014-06-05 2014-09-10 哈尔滨工程大学 一种多载波正弦型调频键控调制方法
CN107171713A (zh) * 2017-07-27 2017-09-15 中国电子科技集团公司第五十四研究所 一种信号发射方法及相应的接收端波束成形方法
CN109391292A (zh) * 2018-12-20 2019-02-26 哈尔滨工业大学 加权分数傅里叶变换域双时隙分集与复用的协同传输方法
CN111277530A (zh) * 2020-01-20 2020-06-12 哈尔滨工业大学 一种载波体制键控的调制解调方法
CN111711951A (zh) * 2020-06-15 2020-09-25 哈尔滨工业大学 一种加权分数傅里叶变换域多分量自干扰传输方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038464A (zh) * 2014-06-05 2014-09-10 哈尔滨工程大学 一种多载波正弦型调频键控调制方法
CN107171713A (zh) * 2017-07-27 2017-09-15 中国电子科技集团公司第五十四研究所 一种信号发射方法及相应的接收端波束成形方法
CN109391292A (zh) * 2018-12-20 2019-02-26 哈尔滨工业大学 加权分数傅里叶变换域双时隙分集与复用的协同传输方法
CN111277530A (zh) * 2020-01-20 2020-06-12 哈尔滨工业大学 一种载波体制键控的调制解调方法
CN111711951A (zh) * 2020-06-15 2020-09-25 哈尔滨工业大学 一种加权分数傅里叶变换域多分量自干扰传输方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XIAOLU WANG .ETC: "Enhanced Clipping and Filtering With WFRFT for PAPR Reduction in OFDM Systems", 2019 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE (WCNC) *
XIAOLU WANG .ETC: "On the probability density function of the real and imaginary parts in WFRFT signals", CHINA COMMUNICATIONS *
李婧等: "基于加权分数傅里叶变换域的2天线发射方法", 哈尔滨工业大学学报 *
梅林等: "基于加权类分数傅立叶变换的变换域通信系统", 中兴通讯技术 *

Also Published As

Publication number Publication date
CN114070687B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
Ye et al. Power of deep learning for channel estimation and signal detection in OFDM systems
CN106453190A (zh) 一种多用户子载波索引调制正交频分复用传输方法
CN104618082B (zh) 一种多天线sim‑ofdm多载波无线传输方法
CN111614587A (zh) 一种基于自适应集成深度学习模型的sc-fde系统信号检测方法
CN111431617B (zh) 一种无线光通信的非对称限幅光ofdm-im调制方法
CN110138700B (zh) 一种基于门限判决的连续相位调制低复杂度解调方法
CN107707500B (zh) 一种基于多种模式的ofdm序号调制方法
CN111277530B (zh) 一种载波体制键控的调制解调方法
Zhang et al. Real-time OFDM signal modulation classification based on deep learning and software-defined radio
WO2020113464A1 (zh) 一种5g多载波水声通信方法
CN111884980B (zh) 一种无线光通信的广义索引调制光ofdm调制方法
CN111224705A (zh) 一种基于随机映射的索引调制正交频分复用安全传输方法
CN111478871B (zh) 基于补给索引的高频谱效率载波索引调制方法
CN112702298A (zh) 一种扩展混合载波预编码的ofdm信号传输方法
Li et al. Model-driven deep learning scheme for adaptive transmission in MIMO-SCFDE system
CN114070687B (zh) 一种基于载波体制键控的混合载波调制解调方法
Aboharba et al. On the performance of OFDM Index Modulation over Nakagami fading channels
CN100586117C (zh) 选频单载波分块传输系统中的一种分块比特加载方法
Prasad et al. Hanowa Matrix based SLM Technique for PAPR Reduction in OFDM Systems
CN112350971A (zh) 一种用于隐蔽通信的码域索引调制方法
CN114866391B (zh) Siso-ofdm系统及其基于端到端神经网络的信号传输方法
OHTA et al. Asymmetric autoencoder for PAPR reduction of OFDM signals
Jada et al. Investigation On GFDM System For 5G Applications Over Fading Channels.
Lian et al. An Efficient Fast Walsh-Hadamard Transform Based OFDM-IM Scheme with Lower PAPR
Li et al. On Wireless Channel Classification Based on CP-OFDM System

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