CN114070687B - 一种基于载波体制键控的混合载波调制解调方法 - Google Patents

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后的信号为：

表示g₁经调制及串并转换后的信号，/>为/>经过FFT和归一化之后的形式，/>和/>分别为/>和/>的翻转形式，n为序列/>的符号序数，表示序列中的第几个符号，且1≤n≤N；w_l(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，/>

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N为WFRFT点数；

步骤二、对频域信号进行α参数识别，识别出阶数α的估计值/>根据/>及与发送端相同的映射规则，解映射出g₂的估计值/>

步骤三、对频域信号依次进行/>阶WFRFT、并串转换及数字解调，得到g₁的估计值/>

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,对频域信号进行载波制式判决，识别出阶数α的估计值/>的方法包括：

对频域信号进行预处理，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/>

作为优选,对频域信号进行载波制式判决，识别出阶数α的估计值/>的方法包括：

对频域信号进行预处理，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/>

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， 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,…,x_N)。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做格雷码编码得到键控信息/>用十进制值表示为/>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

(2)、N长数据x经过串并转换后表示为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)。

式(1)中，为/>经过FFT和归一化之后的形式，/>和/>分别为/>和/>的翻转形式，n为序列/>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。w_l(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，w_l(α)表达式定义如式(2)所示。

表示的是/>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，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

(3)、经过α阶WFRFT操作之后的数据x_α进行并串转换并加入循环前缀，得到待发送的中频信号其具体表达式如式(5)所示。

式(5)中，x_α(N-L+1),x_α(N-L+2),…,x_α(N)，表示数据x_α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，x_α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N为WFRFT点数；

假设传输信道时域表达式为h＝(h₁ h₂…h_L)，发送端数据符号经过多径信道后，接收端的接收信号表达式为：

式(6)中w表示加性高斯白噪声向量，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，/>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,…,s_N)，对其进行串并转换操作，得到并行向量

对频域向量进行频域均衡处理，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…h_L)，补零并进行N点FFT之后的表达式为H＝(H₁,H₂,…,H_N)，ZF均衡的频域矩阵形式的表达式为

C_ZF对角线上的值为信道时域表达式h＝(h₀ h₁…h_L)进行N点FFT之后的值的倒数。即

i表示矩阵中的位置，H_i为信道频域矩阵H＝(H₁,H₂,…,H_N)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：

C_MMSE对角线上的值为信道时域表达式h＝(h₀ h₁…h_L)，γ＝E_x/σ²为信噪比，E_x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：

式(10)中i表示矩阵中的位置，H_i为信道频域矩阵H＝(H₁,H₂,…,H_N)中的第i项；γ＝E_x/σ²为信噪比，E_x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

而对于MMSE频域均衡

式(11)、(12)中，为接收信号的频域形式，C_ZF和C_MMSE分别为ZF频域均衡和MSME频域均衡的矩阵表示形式，/>和/>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/>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(指/>或/>)进行载波制式判决，识别出阶数α的估计值根据/>及与发送端相同的映射规则，解映射出g₂的估计值/>

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/>

步骤三、对频域信号依次进行/>阶WFRFT、并串转换及数字解调，解映射出g₁的估计值/>

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对传输数据进行解调。首先对均衡得到的信号做/>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/>

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

M_pq＝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

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

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E_b/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参数解映射模块与阶WFRFT转换模块连接，用于将输入的频域信号/>进行α参数识别，识别出阶数α的估计值/>并同时输出至α参数解映射模块和阶WFRFT转换模块；

α参数解映射模块，用于根据及与发送端相同的映射规则，解映射出g₂的估计值

阶WFRFT转换模块，与并串转换模块连接，用于对频域信号/>依次进行/>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

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 (9)

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；

α参数选取范围定义为[-2,2)；

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。

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为信息序列或固定序列。

3.根据权利要求2所述的混合载波调制方法，其特征在于，进行α阶WFRFT，经α阶WFRFT后的信号为：

表示g₁经调制及串并转换后的信号，/>为/>经过FFT和归一化之后的形式，和/>分别为/>和/>的翻转形式，n为序列/>的符号序数，表示序列中的第几个符号，且1≤n≤N；w_l(α)为根据阶数α得到的WFRFT表达式的加权系数，其为α的函数，l＝0,1，2，3，/>

4.一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模块连接，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模块连接，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参数选取范围定义为[-2,2)；

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；

α阶WFRFT模块，与并串转换模块连接，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。

5.一种基于载波体制键控的混合载波解调方法，其特征在于，所述解调方法基于权利要求1所述的基于载波体制键控的混合载波调制方法实现，所述解调方法包括：

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N为WFRFT点数；

步骤二、对频域信号进行α参数识别，识别出阶数α的估计值/>根据/>及与发送端相同的映射规则，解映射出g₂的估计值/>

步骤三、对频域信号依次进行/>阶WFRFT、并串转换及数字解调，得到g₁的估计值/>

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。

6.根据权利要求5所述的混合载波解调方法，其特征在于，对频域信号进行α参数识别，识别出阶数α的估计值/>的方法包括：

对频域信号进行预处理，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/>

7.根据权利要求5所述的混合载波解调方法，其特征在于，对频域信号进行α参数识别，识别出阶数α的估计值/>的方法包括：

对频域信号进行预处理，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/>

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进行训练的。

8.根据权利要求5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/>

9.一种基于载波体制键控的混合载波接收端，其特征在于，所述接收端基于权利要求4所述的基于载波体制键控的混合载波发送端实现，所述接收端包括：

接收天线，与下变频模块连接，用于接收信号，并输出至下变频模块；

下变频模块，与模数转换模块连接，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连接，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变换模块连接，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参数解映射模块与阶WFRFT转换模块连接，用于将输入的频域信号/>进行α参数识别，识别出阶数α的估计值/>并同时输出至α参数解映射模块和/>阶WFRFT转换模块；

α参数解映射模块，用于根据及与发送端相同的映射规则，解映射出g₂的估计值/> 阶WFRFT转换模块，与并串转换模块连接，用于对频域信号/>依次进行/>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

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。