CN114448760A - 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统 - Google Patents

一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统 Download PDF

Info

Publication number
CN114448760A
CN114448760A CN202210042147.1A CN202210042147A CN114448760A CN 114448760 A CN114448760 A CN 114448760A CN 202210042147 A CN202210042147 A CN 202210042147A CN 114448760 A CN114448760 A CN 114448760A
Authority
CN
China
Prior art keywords
frequency offset
frequency
estimation
value
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
CN202210042147.1A
Other languages
English (en)
Other versions
CN114448760B (zh
Inventor
王洪君
张艳艳
刘东杰
徐红玉
张学林
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202210042147.1A priority Critical patent/CN114448760B/zh
Publication of CN114448760A publication Critical patent/CN114448760A/zh
Application granted granted Critical
Publication of CN114448760B publication Critical patent/CN114448760B/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
    • H04L27/0014—Carrier regulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H04L27/38—Demodulator circuits; Receiver circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0014—Carrier regulation
    • H04L2027/0024—Carrier regulation at the receiver end
    • H04L2027/0026—Correction of carrier offset

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明涉及一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统，包括：步骤1：接收信号；步骤2：频偏粗估计；步骤3：人工蜂群算法频偏精估计：将粗估计的载波频率代入到人工蜂群算法中，寻优函数为去掉载波频率后的划分网格的信号星座图中星座点占据的面积，人工蜂群算法通过在粗估计的载波频率附近进行随机迭代，最终求得全局最优值；步骤4：返回频率偏移。本发明在解决寻优问题上有着更快的求解速度，并且蜂群算法其随机性可避免陷入局部最优值，在利用网格法寻找星座点占据面积最小的问题上，可以具有更少的计算量和更快的求解速度，在实际非合作通信系统应用中，可以更加快速进行信号处理分析，提高实时性。

Description

一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏 盲估计方法及系统
技术领域
本发明涉及一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统，属于通信技术领域。
背景技术
随着信息产业的不断发展，现代通信在人们日常生活中发挥着重要的作用，数字信号以其优良的抗干扰、保密性等优势，在现代通信中占据重要地位。合作通信多用于传统的通信系统，通信双方知道通信系统的调制参数等先验信息；而非合作通信是指第三方在未经合作方授权的情况下对合作信号进行截获并进行解调处理的通信行为，非合作通信未知信号发送方的先验知识，多依靠现代信息处理技术对截获的信号进行分析处理。非合作信号处理在很多通信场景中都有涉及，且在民用和军用领域都有广泛的应用。如：政府部门为了保障无线频谱资源的合理利用，会对民用通信系统进行监测以防非法利用和无线干扰等；在军事电子对抗领域，非合作信号处理被广泛用于威胁识别、地方情报获取和电子对抗干扰策略等方面。
非合作通信中，由于先验信息的缺乏，如果要求接收机能够准确可靠地实现解调，首先得利用盲信号处理技术，从接收到的信号中提取有用的信号调制参数，包括载波频率、码元速率、调制方式等，再根据这些参数来完成信号准确解调，以此来满足非合作通信的实际需求。并且某些参数估计的准确度影响着调制信号识别的结果，如：若载波频率估计存在误差，经过下变频的接收信号就会存在频率偏移，这将导致信号星座图的旋转，造成星座图失真，严重影响信号识别的准确性。
目前，载波频率估计方法很多，既有依据时域信号的，如过零检测和相位差分法等；也有依据信号频域的，如倍频法和频率居中法。但这些方法有的对噪声比较敏感，低信噪比下估计性能不佳，有的对信号频谱对称性有要求，适用场景有限。针对传统算法的缺陷，基于网格聚类算法利用频偏造成星座图旋转，面积增大这一特点进行频偏纠正，进行转变为求面积最小化的问题，即找到一个频率偏移值使信号星座点占据面积最小。而传统的求解最优化问题的方法，如遍历迭代法，存在计算量大、速度慢等缺点，并且其步进值的选取也影响求解的精度。近年来，大量的群体智能算法涌现出来，在解决实际工程问题中，依靠其算法的智能性，对于某些复杂度高的问题，高效求解成为可能；利用其隐含本质并行性，提高了算法的求解能力。其中，人工蜂群算法(ABC)是群体智能算法的一种，是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。因此，利用人工蜂群算法，结合网格聚类算法，可以在解决频偏估计方面发挥出较大的优势。
发明内容
针对上述传统频偏估计算法中存在的问题，本发明提出了一种基于人工蜂群和网格聚类的数字非恒包络信号频偏盲估计方法。其中，数字非恒包络信号包括ASK(幅度键控)、PSK(相移键控)、QAM(正交幅度调制)、APSK(幅度相位键控)。通过人工蜂群算法求解信号星座点面积最小化问题，即对应频率偏移最小的情况，拥有更快的收敛速度。
本发明还提供了一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计系统。
本发明的技术方案为：
一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，包括步骤如下：
步骤1：接收信号
接收经过下变频处理后的低中频信号；
步骤2：频偏粗估计
对步骤1接收的低中频信号进行载波频率的粗估计；
步骤3：人工蜂群算法频偏精估计
将步骤2得到的粗估计的载波频率代入到人工蜂群算法中，人工蜂群算法的寻优函数为去掉载波频率后的划分网格的信号星座图中星座点占据的面积，人工蜂群算法通过在粗估计的载波频率附近进行随机迭代，最终求得全局最优值，即使得星座点占据面积最小的频率偏移值精确估计值；
步骤4：返回频率偏移
根据步骤3得到的频率偏移值精确估计值，接收信号进行去频偏处理之后，得到的无频偏基带信号。
根据本发明优选的，步骤1中，从信号接收机上接收到经过下变频处理后的低中频信号，表示为{x(n)}信号序列，包括同相分量I(n)和正交分量Q(n)，n＝1，2，…，N，采样频率为fs。
根据本发明优选的，步骤2中，利用载波频率估计算法对步骤1接收的低中频信号进行载波频率的粗估计；载波频率估计算法包括时域上的过零检测方法或者频域上的频率居中法。
根据本发明优选的，步骤2中，采用频域上的频率居中法对步骤1接收的低中频信号进行载波频率的粗估计，包括步骤如下：
步骤2.1：计算信号序列x(n)的离散傅里叶变换X(k)，如式(I)所示：
Figure BDA0003470696350000021
式(I)中，x(n)为信号序列，X(k)为信号序列x(n)的离散傅里叶变换，N为傅里叶变换区间长度，k＝0，1，…，N-1，j代表虚单位；
步骤2.2：根据载波估计公式计算载波频率估计值
Figure BDA0003470696350000031
如式(II)所示：
Figure BDA0003470696350000032
式(II)中，fs是指采样频率。
根据本发明优选的，步骤3中，采用人工蜂群和网格聚类结合的算法进行频偏精确估计，包括步骤如下：
步骤3.1：初始化蜂群参数，设置蜜蜂总数NP，其中，采蜜蜂和观察蜂各NP/2，最大搜索次数Limit，最大迭代次数maxCycle；
步骤3.2：初始化蜂群，设置所有蜜蜂为侦察蜂，在载波频率估计值
Figure BDA0003470696350000033
附近随机产生NP个可行解，其中，搜索邻域范围为
Figure BDA0003470696350000034
步骤3.3：计算NP个估计值即NP个可行解对应的信号星座点占据的面积，根据面积值进行升序排序，前1/2为采蜜蜂，后1/2为观察蜂，同时初始化标志向量，其功能为记录采蜜蜂在同一值搜索次数；
步骤3.4：每只采蜜蜂在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1；
步骤3.5：计算观察蜂选择的概率，随机一个(0，1)之间的数值与该概率比较，若概率较大，则选择跟随，并转化为采蜜蜂进行邻域搜索，搜索范围为fc＝fc±fc*rand(0，1)*rate/iter，iter指当前迭代次数，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1，进入步骤3.6；
步骤3.6：判断当前采蜜蜂的标志向量与最大搜索次数Limit的大小，若标志向量大于Limit，则采蜜蜂转化为侦察蜂，随机搜索新的频偏值；否则，进行步骤3.7；
步骤3.7：记录当前所有蜜蜂找到的频偏值对应的信号星座点占据的面积最小值，即为最佳频偏估计值即频率偏移值精确估计值，此时迭代次数加1；
步骤3.8：判断当前迭代次数与最大迭代次数maxCycle的大小，若当前迭代次数大于maxCycle，则返回最优值，结束；否则，返回执行步骤3.4。
进一步优选的，步骤3.3中，计算NP个估计值即NP个可行解对应的信号星座点占据的面积，面积计算方法为：
首先，构造载波频率估计值
Figure BDA0003470696350000041
的正弦调制载波
Figure BDA0003470696350000042
将接收到的信号序列x(n)与c(n)相乘，得到带有小频偏的基带信号，将其进行归一化处理；
然后，将星座图划分为L*M的网格，统计各个网格中星座点的个数，统计方法为：设置一个阈值threshold＝N/(L*M)，落入网格的星座点的点数超过该阈值，则该网格保留，否则，则舍弃；
最后，统计保留的网格数，以此值作为星座点占据的面积。
进一步优选的，步骤3.4中，每只采蜜蜂采用贪婪原则在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，搜索范围为fc±fc*rand(0，1)*rate/iter2，随着迭代次数的增加，局部搜索的步进减小，搜索范围逐渐减小，更新频偏估计值fc为fc±fc*rand(0，1)*rate/iter2，iter指当前迭代次数。
进一步优选的，步骤3.5，计算观察蜂选择的概率P，计算公式如式(III)所示：
Figure BDA0003470696350000043
式(III)中，Si是指当前采蜜蜂对应的星座图面积，S是指所有的采蜜蜂对应的星座图面积；
一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计系统，包括依次连接的信号接收单元、频偏粗估计单元、频偏精估计单元及频率偏移返回单元；
所述信号接收单元用于执行所述步骤1；所述频偏粗估计单元用于执行所述步骤2；所述频偏精估计单元用于执行所述步骤3；所述频率偏移返回单元用于执行所述步骤4。
本发明的有益效果为：
相比于已有的基于网格聚类的频偏估计算法，传统的求解采用的是遍历的方法，将区间划分为许多份，每一份区间取一个值，这种求解方式存在计算量大，并且结果精度受区间取值的影响较大，如果追求高精度，势必会带来巨大的计算量，增加计算复杂度。人工蜂群算法具有智能性和并行性，在解决寻优问题上有着更快的求解速度，并且蜂群算法利用个体的局部寻优行为，其随机性可避免陷入局部最优值，在利用网格法寻找星座点占据面积最小的问题上，可以具有更少的计算量和更快的求解速度，在实际非合作通信系统应用中，可以更加快速进行信号处理分析，提高系统实时性。
附图说明
图1为本发明基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法流程示意图；
图2为人工蜂群算法计算频率偏移流程示意图；
图3为16QAM信号存在频偏情况下的星座图；
图4为16QAM信号应用本发明方法求得频偏并去除情况下的星座图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。
实施例1
一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，以16QAM信号为例，如图1所示，包括步骤如下：
步骤1：接收信号
通过信号接收机接收经过下变频处理后的低中频信号；从信号接收机上接收到经过下变频处理后的低中频信号16QAM信号，表示为{x(n)}信号序列，包括同相分量I(n)和正交分量Q(n)，n＝1，2，…，N，采样频率为fs。
步骤2：频偏粗估计
利用传统载波频率估计算法对步骤1接收的低中频信号进行载波频率的粗估计；传统载波频率估计算法可以采用时域上的过零检测方法或者频域上的频率居中法；
步骤2中，利用载波频率估计算法对步骤1接收的低中频信号进行载波频率的粗估计；采用频域上的频率居中法对步骤1接收的低中频信号进行载波频率的粗估计，包括步骤如下：
步骤2.1：计算信号序列x(n)的离散傅里叶变换X(k)，如式(I)所示：
Figure BDA0003470696350000051
式(I)中，x(n)为信号序列，X(k)为信号序列x(n)的离散傅里叶变换，N为傅里叶变换区间长度，k＝0，1，…，N-1，j代表虚单位；
步骤2.2：根据载波估计公式计算载波频率估计值
Figure BDA0003470696350000052
如式(II)所示：
Figure BDA0003470696350000053
式(II)中，fs是指采样频率。
步骤3：人工蜂群算法频偏精估计
将步骤2得到的粗估计的载波频率代入到人工蜂群算法中，人工蜂群算法的寻优函数为去掉载波频率后的划分网格的信号星座图中星座点占据的面积，人工蜂群算法通过在粗估计的载波频率附近进行随机迭代，最终求得全局最优值，即使得星座点占据面积最小的频率偏移值精确估计值；如图2所示，具体包括步骤如下：
步骤3.1：初始化蜂群参数，设置蜜蜂总数NP，其中，采蜜蜂和观察蜂各NP/2，最大搜索次数Limit，最大迭代次数maxCycle；
步骤3.2：初始化蜂群，设置所有蜜蜂为侦察蜂，在载波频率估计值
Figure BDA0003470696350000061
附近随机产生NP个可行解，其中，搜索邻域范围为
Figure BDA0003470696350000062
步骤3.3：计算NP个估计值即NP个可行解对应的信号星座点占据的面积，根据面积值进行升序排序，前1/2为采蜜蜂，后1/2为观察蜂，同时初始化标志向量，其功能为记录采蜜蜂在同一值搜索次数；
计算NP个估计值即NP个可行解对应的信号星座点占据的面积，面积计算方法为：
首先，构造载波频率估计值
Figure BDA0003470696350000063
的正弦调制载波
Figure BDA0003470696350000064
将接收到的信号序列x(n)与c(n)相乘，得到带有小频偏的基带信号，将其进行归一化处理；
然后，将星座图划分为L*M的网格，统计各个网格中星座点的个数，统计方法为：设置一个阈值threshold＝N/(L*M)(平均值)，落入网格的星座点的点数超过该阈值，则该网格保留，否则，则舍弃；
最后，统计保留的网格数，以此值作为星座点占据的面积。
步骤3.4：每只采蜜蜂在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1；
每只采蜜蜂采用贪婪原则在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，搜索范围为fc±fc*rand(0，1)*rate/iter2，随着迭代次数的增加，局部搜索的步进减小，搜索范围逐渐减小，更新频偏估计值fc为fc±fc*rand(0，1)*rate/iter2，iter指当前迭代次数。
步骤3.5：计算观察蜂选择的概率，随机一个(0，1)之间的数值与该概率比较，若概率较大，则选择跟随，并转化为采蜜蜂进行邻域搜索，搜索范围为fc＝fc±fc*rand(0，1)*rate/iter，iter指当前迭代次数，防止陷入局部最优值，其搜索范围比其追随的采蜜蜂步进要大，并且也随着迭代次数的增加，步进逐渐变小，寻找新的频偏估计值，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1，进入步骤3.6；
计算观察蜂选择的概率P，计算公式如式(III)所示：
Figure BDA0003470696350000065
式(III)中，Si是指当前采蜜蜂对应的星座图面积，S是指所有的采蜜蜂对应的星座图面积；
概率应该与面积值成反比关系，即采蜜蜂找到的频偏对应的面积越小，则观察蜂跟随的概率越大。
星座图面积的计算方法如下：
首先，构造载波频率估计值
Figure BDA0003470696350000071
的正弦调制载波
Figure BDA0003470696350000072
将接收到的信号序列x(n)与c(n)相乘，得到带有小频偏的基带信号，将其进行归一化处理；
然后，将星座图划分为L*M的网格，统计各个网格中星座点的个数，统计方法为：设置一个阈值threshold＝N/(L*M)(平均值)，落入网格的星座点的点数超过该阈值，则该网格保留，否则，则舍弃；
最后，统计保留的网格数，以此值作为星座点占据的面积即星座图面积。
即一个采蜜蜂对应一个频偏值，那么就能通过面积计算方法计算相应的星座图面积。当前采蜜蜂对应的星座图面积计算时代入得是其当前得频偏估计值，计算所有采蜜蜂的面积代入的就是各自对应的频偏估计值，然后各面积求和。
步骤3.6：判断当前采蜜蜂的标志向量与最大搜索次数Limit的大小，若标志向量大于Limit，则采蜜蜂转化为侦察蜂，随机搜索新的频偏值；否则，进行步骤3.7；
步骤3.7：记录当前所有蜜蜂找到的频偏值对应的信号星座点占据的面积最小值，即为最佳频偏估计值即频率偏移值精确估计值，此时迭代次数加1；
步骤3.8：判断当前迭代次数与最大迭代次数maxCycle的大小，若当前迭代次数大于maxCycle，则返回最优值，结束；否则，返回执行步骤3.4。
步骤4：返回频率偏移
根据步骤3得到的频率偏移值精确估计值，接收信号进行去频偏处理之后，得到的无频偏基带信号。可以更好的进行后续信号识别、解调等过程。图3为16QAM信号存在频偏情况下的星座图；图4为16QAM信号应用本发明方法求得频偏并去除情况下的星座图。图3、图4中，横坐标为接收信号的同相分量，纵坐标为接收信号的正交分量，图中的点表示每个码元的位置。通过图3，可以看出带有频偏的接收信号其星座图上对应星座点发生了位置的偏转，从而导致星座点占据的面积增大，而通过本发明方法去除频偏后，图4中的星座图明显规整，更加符合标准分布。并且本发明利用群体智能算法，在问题求解速度上做了改进，克服传统遍历迭代求解速度和精度的矛盾，能够在有限的蜂群迭代次数中，求解最优值。
实施例2
一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计系统，用于实现实施例1所述的基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，包括依次连接的信号接收单元、频偏粗估计单元、频偏精估计单元及频率偏移返回单元；
信号接收单元用于执行步骤1；频偏粗估计单元用于执行步骤2；频偏精估计单元用于执行步骤3；频率偏移返回单元用于执行步骤4。

Claims (9)

1.一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，包括步骤如下：
步骤1：接收信号
接收经过下变频处理后的低中频信号；
步骤2：频偏粗估计
对步骤1接收的低中频信号进行载波频率的粗估计；
步骤3：人工蜂群算法频偏精估计
将步骤2得到的粗估计的载波频率代入到人工蜂群算法中，人工蜂群算法的寻优函数为去掉载波频率后的划分网格的信号星座图中星座点占据的面积，人工蜂群算法通过在粗估计的载波频率附近进行随机迭代，最终求得全局最优值，即使得星座点占据面积最小的频率偏移值精确估计值；
步骤4：返回频率偏移
根据步骤3得到的频率偏移值精确估计值，接收信号进行去频偏处理之后，得到的无频偏基带信号。
2.根据权利要求1所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤1中，从信号接收机上接收到经过下变频处理后的低中频信号，表示为{x(n)}信号序列，包括同相分量I(n)和正交分量Q(n)，n＝1,2,…,N，采样频率为fs。
3.根据权利要求1所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤2中，利用载波频率估计算法对步骤1接收的低中频信号进行载波频率的粗估计；载波频率估计算法包括时域上的过零检测方法或者频域上的频率居中法。
4.根据权利要求1所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤2中，采用频域上的频率居中法对步骤1接收的低中频信号进行载波频率的粗估计，包括步骤如下：
步骤2.1：计算信号序列x(n)的离散傅里叶变换X(k)，如式(Ⅰ)所示：
Figure FDA0003470696340000011
式(Ⅰ)中，x(n)为信号序列，X(k)为信号序列x(n)的离散傅里叶变换，N为傅里叶变换区间长度，k＝0,1,…,N-1,j代表虚单位；
步骤2.2：根据载波估计公式计算载波频率估计值
Figure FDA0003470696340000012
如式(II)所示：
Figure FDA0003470696340000021
式(II)中，fs是指采样频率。
5.根据权利要求1所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤3中，采用人工蜂群和网格聚类结合的算法进行频偏精确估计，包括步骤如下：
步骤3.1：初始化蜂群参数，设置蜜蜂总数NP，其中，采蜜蜂和观察蜂各NP/2，最大搜索次数Limit，最大迭代次数maxCycle；
步骤3.2：初始化蜂群，设置所有蜜蜂为侦察蜂，在载波频率估计值
Figure FDA0003470696340000022
附近随机产生NP个可行解，其中，搜索邻域范围为
Figure FDA0003470696340000023
步骤3.3：计算NP个估计值即NP个可行解对应的信号星座点占据的面积，根据面积值进行升序排序，前1/2为采蜜蜂，后1/2为观察蜂，同时初始化标志向量，其功能为记录采蜜蜂在同一值搜索次数；
步骤3.4：每只采蜜蜂在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1；
步骤3.5：计算观察蜂选择的概率，随机一个(0，1)之间的数值与该概率比较，若概率较大，则选择跟随，并转化为采蜜蜂进行邻域搜索，搜索范围为fc＝fc±fc*rand(0,1)*rate/iter，iter指当前迭代次数，并计算星座点的面积，若小于当前频偏值对应的星座点面积，则更新频偏估计值，且将标志向量置零，否则标志向量加1，进入步骤3.6；
步骤3.6：判断当前采蜜蜂的标志向量与最大搜索次数Limit的大小，若标志向量大于Limit，则采蜜蜂转化为侦察蜂，随机搜索新的频偏值；否则，进行步骤3.7；
步骤3.7：记录当前所有蜜蜂找到的频偏值对应的信号星座点占据的面积最小值，即为最佳频偏估计值即频率偏移值精确估计值，此时迭代次数加1；
步骤3.8：判断当前迭代次数与最大迭代次数maxCycle的大小，若当前迭代次数大于maxCycle，则返回最优值，结束；否则，返回执行步骤3.4。
6.根据权利要求5所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤3.3中，计算NP个估计值即NP个可行解对应的信号星座点占据的面积，面积计算方法为：
首先，构造载波频率估计值
Figure FDA0003470696340000031
的正弦调制载波
Figure FDA0003470696340000032
将接收到的信号序列x(n)与c(n)相乘，得到带有小频偏的基带信号，将其进行归一化处理；
然后，将星座图划分为L*M的网格，统计各个网格中星座点的个数，统计方法为：设置一个阈值threshold＝N/(L*M)，落入网格的星座点的点数超过该阈值，则该网格保留，否则，则舍弃；
最后，统计保留的网格数，以此值作为星座点占据的面积。
7.根据权利要求5所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤3.4中，每只采蜜蜂采用贪婪原则在各个采蜜蜂对应的当前频偏估计值fc局部搜索新的频偏值，搜索范围为fc±fc*rand(0,1)*rate/iter2，随着迭代次数的增加，局部搜索的步进减小，搜索范围逐渐减小，更新频偏估计值fc为fc±fc*rand(0,1)*rate/iter2，iter指当前迭代次数。
8.根据权利要求5所述的一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，步骤3.5，计算观察蜂选择的概率P，计算公式如式(Ⅲ)所示：
Figure FDA0003470696340000033
式(Ⅲ)中，Si是指当前采蜜蜂对应的星座图面积，S是指所有的采蜜蜂对应的星座图面积。
9.一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计系统，用于实现权利要求1-8任一所述的基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法，其特征在于，包括依次连接的信号接收单元、频偏粗估计单元、频偏精估计单元及频率偏移返回单元；所述信号接收单元用于执行所述步骤1；所述频偏粗估计单元用于执行所述步骤2；所述频偏精估计单元用于执行所述步骤3；所述频率偏移返回单元用于执行所述步骤4。
CN202210042147.1A 2022-01-14 2022-01-14 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统 Active CN114448760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210042147.1A CN114448760B (zh) 2022-01-14 2022-01-14 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210042147.1A CN114448760B (zh) 2022-01-14 2022-01-14 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统

Publications (2)

Publication Number Publication Date
CN114448760A true CN114448760A (zh) 2022-05-06
CN114448760B CN114448760B (zh) 2023-12-19

Family

ID=81368746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210042147.1A Active CN114448760B (zh) 2022-01-14 2022-01-14 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统

Country Status (1)

Country Link
CN (1) CN114448760B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104022981A (zh) * 2014-06-27 2014-09-03 重庆邮电大学 一种正交幅度调制信号的盲载波频偏估计方法
CN109543741A (zh) * 2018-11-16 2019-03-29 重庆邮电大学 一种基于改进人工蜂群的fcm算法优化方法
CN110060510A (zh) * 2019-04-24 2019-07-26 南京理工大学紫金学院 一种基于改进人工蜂群算法的星载ais碰撞信号分离方法
CN112511477A (zh) * 2020-11-16 2021-03-16 南京融星智联信息技术有限公司 一种基于星座图和深度学习的混合卫星通信调制识别方法及系统
CN112630761A (zh) * 2020-11-06 2021-04-09 北京遥测技术研究所 一种无人机蜂群组网中sc-fde信号联合测距方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104022981A (zh) * 2014-06-27 2014-09-03 重庆邮电大学 一种正交幅度调制信号的盲载波频偏估计方法
CN109543741A (zh) * 2018-11-16 2019-03-29 重庆邮电大学 一种基于改进人工蜂群的fcm算法优化方法
CN110060510A (zh) * 2019-04-24 2019-07-26 南京理工大学紫金学院 一种基于改进人工蜂群算法的星载ais碰撞信号分离方法
CN112630761A (zh) * 2020-11-06 2021-04-09 北京遥测技术研究所 一种无人机蜂群组网中sc-fde信号联合测距方法
CN112511477A (zh) * 2020-11-16 2021-03-16 南京融星智联信息技术有限公司 一种基于星座图和深度学习的混合卫星通信调制识别方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于晓辉;王士谦;张志成;李新波;孙晓东;石屹然;: "基于人工蜂群算法的线性调频信号参数估计", 吉林大学学报(工学版), no. 03 *
邱钊洋;黄焱;欧阳喜;: "基于星座图统计的盲载波同步算法", 系统工程与电子技术, no. 12 *

Also Published As

Publication number Publication date
CN114448760B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
O'Shea et al. Learning approximate neural estimators for wireless channel state information
Headley et al. Asynchronous classification of digital amplitude-phase modulated signals in flat-fading channels
CN112511477A (zh) 一种基于星座图和深度学习的混合卫星通信调制识别方法及系统
CN113037663B (zh) 一种改进的适用于非恒包络信号的码元速率估计方法
Zhendong et al. Modulation recognition based on constellation diagram for M-QAM signals
CN104363194A (zh) 基于波形变换的psk调制识别方法
Ahmadi Using fuzzy clustering and TTSAS algorithm for modulation classification based on constellation diagram
Ma et al. Modulation classification method based on deep learning under non-Gaussian noise
CN109274626B (zh) 一种基于星座图正交扫描特征的调制识别方法
CN107707499B (zh) 一种Alpha稳定分布噪声下OFDM信号调制参数估计方法
CN114448760B (zh) 一种基于人工蜂群和网格聚类的数字非恒包络调制信号频偏盲估计方法及系统
CN117579199A (zh) 基于多目标粒子群算法的通信感知一体化波形设计方法
CN109104215A (zh) 一种基于小波变换的跳频信号码元速率盲估计方法
Zheng et al. Statistical histogram-based blind frequency offset estimation for MPSK and MQAM signal
CN114172771B (zh) 一种基于突发通信的快速频偏估计和补偿的方法及系统
CN116388798A (zh) 一种Link16跳频信号去噪侦察识别算法
Wang et al. A learning-based signal parameter extraction approach for multi-source frequency-hopping signal sorting
CN101350682B (zh) 基于卷积运算的微波统一测控系统中的载波捕获方法
Jiang et al. Frequency hopping signal parameter estimation algorithm based on time-frequency point correlation
CN115378776A (zh) 一种基于循环谱参数的mfsk调制识别方法
CN112565127B (zh) 基于残差网络和频域图形的测控信号调制识别方法
Yin et al. Modulation classification of MQAM signals based on density spectrum of the constellations
CN107395540A (zh) 基于lmd 近似熵、高积累积量和svm 的调制信号识别方法
CN113542169B (zh) 数字调制信号差分星座图信息提取与调制识别方法
CN107370709B (zh) 一种mqam信号的星座图类型识别方法

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