CN114465854B - 一种基于拟牛顿法的盲解调参数优化方法、系统及介质 - Google Patents

一种基于拟牛顿法的盲解调参数优化方法、系统及介质 Download PDF

Info

Publication number
CN114465854B
CN114465854B CN202111593649.5A CN202111593649A CN114465854B CN 114465854 B CN114465854 B CN 114465854B CN 202111593649 A CN202111593649 A CN 202111593649A CN 114465854 B CN114465854 B CN 114465854B
Authority
CN
China
Prior art keywords
value
carrier frequency
symbol rate
estimation value
demodulation
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.)
Active
Application number
CN202111593649.5A
Other languages
English (en)
Other versions
CN114465854A (zh
Inventor
向俊
张吉楠
王萌
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.)
Hunan Econavi Technology Co Ltd
Original Assignee
Hunan Econavi Technology Co Ltd
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 Hunan Econavi Technology Co Ltd filed Critical Hunan Econavi Technology Co Ltd
Priority to CN202111593649.5A priority Critical patent/CN114465854B/zh
Publication of CN114465854A publication Critical patent/CN114465854A/zh
Application granted granted Critical
Publication of CN114465854B publication Critical patent/CN114465854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明公开了一种基于拟牛顿法的盲解调参数优化方法、系统及介质，包括以下步骤：对调制样式识别后的信号进行载频和符号速率估计；根据相应调制样式配置解调器；将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；计算解调后的信号的解调质量，若不满足要求，修改调制样式重新配置解调器对信号进行解调，若满足要求，通过拟牛顿法更新载频估计值和符号速率估计值直到获得最优值，并将载频估计值和符号速率估计值的最优值输入所述解调器对信号进行解调。本发明先对解调质量进行评估选取最优调制样式，然后对解调参数进行优化选取最优解调参数，从而提高盲解调质量。

Description

一种基于拟牛顿法的盲解调参数优化方法、系统及介质
技术领域
本发明涉及信号处理领域，尤其涉及一种基于拟牛顿法的盲解调参数优化方法、系统及介质。
背景技术
在电子对抗、通信系统传输监控、数字微波无线链路、音频带单点对多点通信网络等诸多应用场景中，都迫切需要能够在无相关参数信息的情况下完成对信号的识别和解调。由此出现了将对方信号的识别和解调的盲解调技术，常规的盲解调流程为信号体制识别、载频估计、符号速率估计。载频和符号速率是盲解调必需的两个参数，在信噪比低或者存在干扰的情况下，载频和符号速率估计的误差难以避免，传统的盲解调在参数估计出现误差时无法进行纠正，直接影响解调结果。
专利CN113095294A公开了一种自适应数字调制信号解调器及其解调方法，将信号特征输入HDCL BFGS算法训练好的神经网络模型得到识别结果，并根据识别结果对信号进行解调，预先训练好的神经网络模型能够取代人工识别的方法，但是由于神经网络模型需要预先对大量样本进行训练，而盲信号解调由于相关参数信息都是未知的，因此采用神经网络模型对于训练集中样本数量要求较高，同时存在样本缺失的风险，而在样本缺失的情况下，采用神经网络模型来识别信号特征也会导致识别结果有误，通过有误的识别结果对信号进行解调也会出现存在无法纠正的误差。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种基于拟牛顿法的盲解调参数优化方法、系统及介质，先对解调质量进行评估选取最优调制样式，然后对解调参数进行优化选取最优解调参数，从而提高盲解调质量。
为解决上述技术问题，本发明提出的技术方案为：
一种基于拟牛顿法的盲解调参数优化方法，包括以下步骤：
S1)对调制样式识别后的信号进行载频和符号速率估计；
S2)根据相应调制样式配置解调器；
S3)将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
S4)计算解调后的信号的解调质量，若满足要求则执行步骤S5)，否则修改调制样式并返回步骤S2)；
S5)通过拟牛顿法更新载频估计值和符号速率估计值，并返回步骤S3)，直到获得载频估计值和符号速率估计值的最优值，将所述最优值输入所述解调器对信号进行解调。
进一步的，步骤S4)中计算解调后的信号的解调质量包括以下步骤：
S41)获取解调后的信号，绘制星座图，并将解调后的信号码元进行星座图逆映射得到理想信号的坐标；
S42)根据理想信号的坐标计算得到参考矢量；
S43)根据解调后的信号的坐标计算得到实际测量矢量，计算实际测量矢量和参考矢量的差值得到误差矢量；
S44)计算误差矢量的均方值和参考矢量的均方值的比值得到解调质量。
进一步的，步骤S44)中解调质量的函数表达式为：
上式中，RMS(E)表示误差矢量的均方值，RMS(R)表示参考矢量的均方值，C表示实际测量矢量，R表示参考矢量，C表示误差矢量。
进一步的，步骤S4)还包括判断解调质量是否满足要求的步骤，具体包括：将解调质量的值与预设的门限值进行比较，若解调质量的值小于所述门限值，则解调质量满足要求，若解调质量的值大于所述门限值，则解调质量不满足要求。
进一步的，步骤S5)中通过拟牛顿法更新载频估计值和符号速率估计值具体包括：根据当前载频估计值和符号速率估计值构建迭代函数，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值，是则执行将所述最优值输入所述解调器对信号进行解调的步骤，否则将更新后的载频估计值和符号速率估计值作为当前载频估计值和符号速率估计值并执行返回步骤S3)的步骤。
进一步的，根据当前载频估计值和符号速率估计值构建迭代函数的步骤包括：
S501)根据当前载频估计值和符号速率估计值构建基础数学模型；
S502)对所述基础数学模型求解最优化问题得到搜索方向；
S503)根据BFGS拟牛顿条件对所述基础数学模型和搜索方向计算得到BFGS迭代公式。进一步的，步骤S501)中，基础数学模型表达式为：
f(x)＝axc+b
上式中，x＝(x1,x2)，其中x1为载频估计值且x2为符号速率估计值，a为载频、符号速率和解调质量的关系常数，b为受噪声影响的常数，c为偶数。
进一步的，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值包括以下步骤：
S51)根据基础数学模型初始点的值计算BFGS迭代公式的初始值，所述基础数学模型初始点的值为初始的载频估计值和符号速率估计值；
S52)确定基础数学模型当前点，根据BFGS迭代公式和最优目标在当前点的一阶导数计算当前点的搜索方向；
S53)从当前点出发，沿所述搜索方向进行一维搜索得到各搜索结果以及对应的搜索步长，计算最优步长并根据最优步长更新基础数学模型下一点的值，所述基础数学模型下一点的值为更新后的载频估计值和符号速率估计值；
S54)若最优目标在下一点的一阶导数小于预设阈值，则更新后的载频估计值和符号速率估计值为最优值，结束并退出，否则执行步骤S55)；
S55)根据最优目标在下一点与当前点的一阶导数的步长以及最优步长更新BFGS迭代公式，返回步骤S52)。
本发明还提出一种基于拟牛顿法的盲解调参数优化系统，包括：
粗估计单元，用于对调制样式识别后的信号进行载频和符号速率估计；
解调器配置单元，用于根据相应调制样式配置解调器；
解调单元，用于将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
解调质量控制单元，用于计算解调后的信号的解调质量，若满足要求则调用精确估计单元，否则修改调制样式并调用解调器配置单元；
精确估计单元，用于通过拟牛顿法更新载频估计值和符号速率估计值直到获得最优值，并将载频估计值和符号速率估计值的最优值输入所述解调器对信号进行解调，更新后载频估计值和符号速率估计值若不为最优值则调用解调单元。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有被编程或配置以执行任一所述的基于拟牛顿法的盲解调参数优化方法的计算机程序。
与现有技术相比，本发明的优点在于：
本发明针对无相关参数信息的情况下的未知信号，首先通过不同调制样式下的解调质量评估的结果来确定最合适的调制样式，然后通过拟牛顿法来更新载频与符号速率估计值，并选取其中的最优值来对信号进行解调，克服了传统的盲解调在参数估计出现误差时无法进行纠正的问题，显著提高了盲解调质量。
附图说明
图1为本发明实施例一的流程图。
图2为本发明实施例一中实际测量矢量、误差矢量和参考矢量在星座图上关系的示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
实施例一
如图1所示，一种基于拟牛顿法的盲解调参数优化方法，包括以下步骤：
S1)对调制样式识别后的信号进行载频和符号速率估计；
S2)根据相应调制样式配置解调器；
S3)将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
S4)计算解调后的信号的解调质量，若满足要求则执行步骤S5)，否则修改调制样式并返回步骤S2)；
S5)通过拟牛顿法更新载频估计值和符号速率估计值，并返回步骤S3)，直到获得载频估计值和符号速率估计值的最优值，将所述最优值输入所述解调器对信号进行解调。
由于盲解调时，对于所接收的信号没有已知的参数信息，在信噪比低或者存在干扰的情况下，调制样式有可能会识别错误，载频估计和符号速率估计也可能会产生较大的误差，因此本实施例通过上述步骤首先对于解调质量进行评价，当解调质量满足要求之后再调整载频估计值和符号速率估计值，并获得最优值，调整载频估计值和符号速率估计值的过程中，还根据调整后的载频估计值和符号速率估计值对信号进行解调，并判断解调质量是否符合要求，从而实现了利用调整后的载频估计值和符号速率估计值反馈解调质量，建立了一个负反馈机制来进行解调优化。
本实施例中，利用EVM(误差矢量幅度)对解调质量进行评价，在数字通信中，因为正交解调之后信号有同相分量和正交分量两路信号，这里的同相分量实际上是信号的实部，而正交分量实际上是信号的虚部。所以，通常可以将中频信号经过下变频后得到的数字信号表示在I-Q平面内，这样可以直观的表示码元之间的关系，这种图形就称为星座图。星座图是I/Q两路信号的复数表示形式在直角坐标上的映射，理想状态下每一个码元在星座图上会固定落于某一点。但是，由于存在噪声影响、非理想系统以及盲解调参数估计不准确等原因，造成解调之后的I/Q两路信号并不是理想的，所以计算出来的幅度和相位与理想星座点的幅度和相位有差别，实际的星座点可能会在理想星座点位置周围弥散开来。所以，通过观察星座图上点的弥散程度就可以知道解调质量的好坏程度。
如图2所示，误差矢量是描述理想信号和实际信号偏差的向量，误差矢量的计算式如下：
误差矢量＝(I-Ic)+j(Q-Qc)#(1)
式(1)中，(I,Q)是实际测量矢量在I-Q坐标系统中的位置，即测量信号的实部和虚部。(IC,IQ)是参考矢量在I-Q坐标系中的位置，即理想信号的实部和虚部。误差矢量是个复数，其实部是I-IC，虚部是(Q-QC)。理想信号是通过解调的码元在理想调制状态下获得的。
误差矢量计算的关键在于通过解调码元进行星座图逆映射获得对应的理想信号矢量，根据I/Q两路信号获得实际的调制信号的矢量，误差矢量包含着幅度信息和相位信息，也就是当前码元的幅度误差和相位误差。幅度误差就是理想状态矢量的幅度和实际状态矢量的幅度之差值。其计算方法为：
式(2)中，(I,Q)是实际测量矢量在I-Q坐标系统中的位置，即测量信号的实部和虚部。(IC,IQ)是参考矢量在I-Q坐标系中的位置，即理想信号的实部和虚部。
相位误差就是理想状态矢量的相位和实际状态矢量的相位之差值，或者说是误差矢量的相角。其计算方法为：
式(3)中，(I,Q)是实际测量矢量在I-Q坐标系统中的位置，即测量信号的实部和虚部。(IC,IQ)是参考矢量在I-Q坐标系中的位置，即理想信号的实部和虚部。
为了获得误差矢量的统计特性，以便更加全面的衡量信号的调制质量。根据3GppTS25.102规范，EVM通常定义为误差矢量的均方值(RMS)与参考矢量的均方值(RMS)的比值，计算过程中，选取一定长度的I/Q两路信号，并通过这段信号的解调结果获得理想信号，利用上述两个结果计算误差矢量的均方值和参考矢量的均方值，然后把这两个值的比值作为EVM的计算结果，如下所示：
式(4)中，RMS(E)表示误差矢量的均方值，RMS(R)表示参考矢量的均方值，C表示实际测量矢量。
假设采用N个码元进行统计分析，那么式(4)可以写成以下形式：
式(5)中,Ci表示第i个实际测量矢量,Ri表示第i个参考矢量。这里的均方值实际上就是一组误差矢量和参考矢量平方和的平方根。均方值以统计的方法来计算EVM，描述的是调制信号的总体误差矢量的大小，而不是某个时刻数据，这样的值对于通信信号的评价是很合理的。
综上所述，本实施例的步骤S4)中计算解调后的信号的解调质量包括以下步骤：
S41)获取解调后的信号，绘制星座图，并将解调后的信号码元进行星座图逆映射得到理想信号的坐标；
S42)根据理想信号的坐标计算得到参考矢量；
S43)根据解调后的信号的坐标计算得到实际测量矢量，计算实际测量矢量和参考矢量的差值得到误差矢量；
S44)计算误差矢量的均方值和参考矢量的均方值的比值得到解调质量，函数表达式为：
上式中，RMS(E)表示误差矢量的均方值，RMS(R)表示参考矢量的均方值，C表示实际测量矢量，R表示参考矢量，C表示误差矢量。
得到解调质量即EVM的值之后，将EVM的值与预设的门限值进行比较，若EVM的值小于该门限值，则解调质量满足要求，若EVM的值大于该门限值，则解调质量不满足要求。
通过计算解调质量的值并判断是否满足要求能够对于调制样式识别出错时进行纠正，接下来，为了纠正载频估计和符号速率估计时的误差，我们采用拟牛顿法来求解最优值，拟牛顿法在牛顿法的基础上进行了优化，大大减小了计算复杂度。
由于拟牛顿法只是一种优化方法，利用拟牛顿法获取最优解调参数时，最关键的问题是数学模型的建立，采用合适的迭代函数获取到正确的优化，因此，本实施例中对解调质量和解调参数建立数学模型，获取迭代函数，利用BFGS法得到BFGS迭代公式，通过迭代函数和BFGS迭代公式对载频估计值和符号速率估计值进行优化和误差纠正，步骤S5)中通过拟牛顿法更新载频估计值和符号速率估计值具体包括：
根据当前载频估计值和符号速率估计值构建迭代函数，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值，是则执行将所述最优值输入所述解调器对信号进行解调的步骤，否则将更新后的载频估计值和符号速率估计值作为当前载频估计值和符号速率估计值并执行返回步骤S3)的步骤。
具体的，根据当前载频估计值和符号速率估计值构建迭代函数的步骤包括：
S501)根据当前载频估计值和符号速率估计值构建基础数学模型作为迭代函数，本实施例中基础数学模型表达式为：
f(x)＝axc+b (7)
上式中，x＝(x1,x2)，为二维特征参数，其中x1为载频估计值且x2为符号速率估计值，a为载频、符号速率和解调质量的关系常数，即解调参数和解调质量的关系常数，b为受噪声影响的常数，在本实例中设a为1，c为偶数，其取值大小对计算结果没有影响，为方便计算，c取值为2；
S502)对所述基础数学模型求解最优化问题得到搜索方向，对于一维x的情况，求解最优化问题可以将f(x(t+1))在x(t)附近用二阶泰勒展开近似：
然后用泰勒展开的极值点近似f(x)的极值点：
因此
即
上式中，gt和ht分别是最优目标在当前点的一阶导数和二阶导数；
本实施例中，x＝(x1,x2)是多维向量的情况，得到
上式中，gt任然是向量，而Ht是hesse矩阵
由于本实例中x＝(x1,x2)，因此:
由此推导得到搜索方向是：
S503)根据BFGS拟牛顿条件对所述基础数学模型和搜索方向计算得到BFGS迭代公式；
BFGS拟牛顿条件为：
上式中，B-1为构造得到的逼近H-1的矩阵，构造矩阵B-1的具体过程为本领域公知的内容，在此不再赘述；
其中Δxt和Δgt可以由式(7)至式(15)得到，因此BFGS迭代公式为：
对BFGS迭代公式引入两次谢尔曼莫里森公式就能得到优化后的BFGS迭代公式，BFGS迭代公式引入谢尔曼莫里森公式为本领域公知的内容，在此不再赘述的具体计算过程，优化后的BFGS迭代公式为：
本实施例通过建立数学模型并使用拟牛顿法来解决该数学模型的最优化问题，对解调参数进行优化和误差纠正达到优化解调质量的目的，本实施例中，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值包括以下步骤：
S51)将基础数学模型初始点x(0)的值代入式(7)至式(18)的推导过程计算BFGS迭代公式的初始值本实施例中基础数学模型初始点x(0)的值为初始的载频估计值和符号速率估计值；
S52)确定基础数学模型当前点x(t)，根据BFGS迭代公式当前值和最优目标在当前点x(t)的一阶导数gt计算当前点的搜索方向d(t)，当前点x(t)的搜索方向函数表达式为：
上式中，为当前BFGS迭代公式，gt为最优目标在当前点的一阶导数，对于初始点x(0)，其搜索方向函数表达式为：
上式中，为BFGS迭代公式初始值，g0为最优目标在当前点的一阶导数；
S53)从当前点x(t)出发，沿所述搜索方向d(t)进行一维搜索得到各搜索结果f(x(t)+λ·d(t))以及对应的搜索步长λ，计算最优步长λt并根据最优步长λt更新基础数学模型下一点x(t+1)的值，所述基础数学模型下一点x(t+1)的值为更新后的载频估计值和符号速率估计值，最优步长λt以及基础数学模型下一点x(t+1)的函数表达式如下：
上式中，d(t)为搜索方向，f(x(t)+λ·d(t))为搜索结果，λ为搜索步长；
S54)若最优目标在下一点x(t+1)的一阶导数gt+1小于预设阈值，即
|gt+1|<∈ (19)
上式中，∈为预设阈值；
则BFGS迭代公式收敛，更新后的载频估计值和符号速率估计值为最优值，结束并退出，否则执行步骤S55)；
S55)根据最优目标在下一点与当前点的一阶导数的步长以及最优步长更新BFGS迭代公式，返回步骤S52)，BFGS迭代公式更新后的值为：
上式中，Δg＝gt+1-gt且Δx＝x(t+1)-x(t)，gt+1为最优目标在下一点x(t+1)的一阶导数，gt为最优目标在当前点x(t)的一阶导数，x(t+1)为基础数学模型下一点的值，x(t)为基础数学模型当前点的值。
通过上述步骤，本实施例采用拟牛顿法构建迭代函数，并在每次迭代过程中更新载频估计值、符号速率估计值以及迭代函数的值，以此来对载频估计和符号速率估计的结果出现的误差进行纠正，在更新后的载频估计值、符号速率估计值为最优值时，迭代函数收敛，因此不需继续进行迭代，直接输出最优值，并结合前面的纠正后的调制样式对信号进行解调，从而能够得到较为准确的解调结果，避免出现误差。而在更新后的载频估计值、符号速率估计值不为最优值的情况下，说明载频估计和符号速率估计的结果还需继续纠正，因此继续迭代，同时由于调制样式和解调参数之间存在相互影响的关系，为了保证解调质量不会受到载频估计值和符号速率估计值纠正的影响，还对于非最优值的载频估计和符号速率估计的结果进行解调质量的验证，在不满足要求的情况下改变调制样式，从调制样式和解调参数两个方面实时的进行适应性调整，从而确保得到不会影响解调质量的载频估计值和符号速率估计值的最优解。
实施例二
本实施例基于实施例一，提出一种基于拟牛顿法的盲解调参数优化系统，包括：
粗估计单元，用于对调制样式识别后的信号进行载频和符号速率估计；
解调器配置单元，用于根据相应调制样式配置解调器；
解调单元，用于将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
解调质量控制单元，用于计算解调后的信号的解调质量，若满足要求则调用精确估计单元，否则修改调制样式并调用解调器配置单元；
精确估计单元，用于通过拟牛顿法更新载频估计值和符号速率估计值直到获得最优值，并将载频估计值和符号速率估计值的最优值输入所述解调器对信号进行解调，更新后载频估计值和符号速率估计值若不为最优值则调用解调单元。
本实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有被编程或配置以执行任一所述的基于拟牛顿法的盲解调参数优化方法的计算机程序。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (6)

1.一种基于拟牛顿法的盲解调参数优化方法，其特征在于，包括以下步骤：
S1)对调制样式识别后的信号进行载频和符号速率估计；
S2)根据相应调制样式配置解调器；
S3)将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
S4)计算解调后的信号的解调质量，若满足要求则执行步骤S5)，否则修改调制样式并返回步骤S2)；
S5)通过拟牛顿法更新载频估计值和符号速率估计值，并返回步骤S3)，直到获得载频估计值和符号速率估计值的最优值，将所述最优值输入所述解调器对信号进行解调；
步骤S5)中通过拟牛顿法更新载频估计值和符号速率估计值具体包括：根据当前载频估计值和符号速率估计值构建迭代函数，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值，是则执行将所述最优值输入所述解调器对信号进行解调的步骤，否则将更新后的载频估计值和符号速率估计值作为当前载频估计值和符号速率估计值并执行返回步骤S3)的步骤；
根据当前载频估计值和符号速率估计值构建迭代函数的步骤包括：
S501)根据当前载频估计值和符号速率估计值构建基础数学模型；
S502)对所述基础数学模型求解最优化问题得到搜索方向；
S503)根据BFGS拟牛顿条件对所述基础数学模型和搜索方向计算得到BFGS迭代公式；
步骤S501)中，基础数学模型表达式为：
f(x)＝axc+b
上式中，x＝(x1,x2)，其中x1为载频估计值且x2为符号速率估计值，a为载频、符号速率和解调质量的关系常数，b为受噪声影响的常数，c为偶数；
对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值包括以下步骤：
S51)根据基础数学模型初始点的值计算BFGS迭代公式的初始值，所述基础数学模型初始点的值为初始的载频估计值和符号速率估计值；
S52)确定基础数学模型当前点，根据BFGS迭代公式和最优目标在当前点的一阶导数计算当前点的搜索方向；
S53)从当前点出发，沿所述搜索方向进行一维搜索得到各搜索结果以及对应的搜索步长，计算最优步长并根据最优步长更新基础数学模型下一点的值，所述基础数学模型下一点的值为更新后的载频估计值和符号速率估计值；
S54)若最优目标在下一点的一阶导数小于预设阈值，则更新后的载频估计值和符号速率估计值为最优值，结束并退出，否则执行步骤S55)；
S55)根据最优目标在下一点与当前点的一阶导数的步长以及最优步长更新BFGS迭代公式，返回步骤S52)。
2.根据权利要求1所述的基于拟牛顿法的盲解调参数优化方法，其特征在于，步骤S4)中计算解调后的信号的解调质量包括以下步骤：
S41)获取解调后的信号，绘制星座图，并将解调后的信号码元进行星座图逆映射得到理想信号的坐标；
S42)根据理想信号的坐标计算得到参考矢量；
S43)根据解调后的信号的坐标计算得到实际测量矢量，计算实际测量矢量和参考矢量的差值得到误差矢量；
S44)计算误差矢量的均方值和参考矢量的均方值的比值得到解调质量。
3.根据权利要求2所述的基于拟牛顿法的盲解调参数优化方法，其特征在于，步骤S44)中解调质量的函数表达式为：
上式中，RMS(E)表示误差矢量的均方值，RMS(R)表示参考矢量的均方值，C表示实际测量矢量，R表示参考矢量，C表示误差矢量。
4.根据权利要求2所述的基于拟牛顿法的盲解调参数优化方法，其特征在于，步骤S4)还包括判断解调质量是否满足要求的步骤，具体包括：将解调质量的值与预设的门限值进行比较，若解调质量的值小于所述门限值，则解调质量满足要求，若解调质量的值大于所述门限值，则解调质量不满足要求。
5.一种基于拟牛顿法的盲解调参数优化系统，其特征在于，包括：
粗估计单元，用于对调制样式识别后的信号进行载频和符号速率估计；
解调器配置单元，用于根据相应调制样式配置解调器；
解调单元，用于将当前载频估计值和符号速率估计值输入所述解调器对信号进行解调；
解调质量控制单元，用于计算解调后的信号的解调质量，若满足要求则调用精确估计单元，否则修改调制样式并调用解调器配置单元；
精确估计单元，用于通过拟牛顿法更新载频估计值和符号速率估计值直到获得最优值，并将载频估计值和符号速率估计值的最优值输入所述解调器对信号进行解调，更新后载频估计值和符号速率估计值若不为最优值则调用解调单元；
精确估计单元通过拟牛顿法更新载频估计值和符号速率估计值时，根据当前载频估计值和符号速率估计值构建迭代函数，对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值，是则执行将所述最优值输入所述解调器对信号进行解调，否则将更新后的载频估计值和符号速率估计值作为当前载频估计值和符号速率估计值并调用解调单元；
精确估计单元根据当前载频估计值和符号速率估计值构建迭代函数时的步骤包括：
S501)根据当前载频估计值和符号速率估计值构建基础数学模型；
S502)对所述基础数学模型求解最优化问题得到搜索方向；
S503)根据BFGS拟牛顿条件对所述基础数学模型和搜索方向计算得到BFGS迭代公式；
步骤S501)中，基础数学模型表达式为：
f(x)＝axc+b
上式中，x＝(x1,x2)，其中x1为载频估计值且x2为符号速率估计值，a为载频、符号速率和解调质量的关系常数，b为受噪声影响的常数，c为偶数；
精确估计单元对所述迭代函数用BFGS迭代公式更新载频估计值和符号速率估计值，并判断更新后的载频估计值和符号速率估计值是否为最优值时，包括以下步骤：
S51)根据基础数学模型初始点的值计算BFGS迭代公式的初始值，所述基础数学模型初始点的值为初始的载频估计值和符号速率估计值；
S52)确定基础数学模型当前点，根据BFGS迭代公式和最优目标在当前点的一阶导数计算当前点的搜索方向；
S53)从当前点出发，沿所述搜索方向进行一维搜索得到各搜索结果以及对应的搜索步长，计算最优步长并根据最优步长更新基础数学模型下一点的值，所述基础数学模型下一点的值为更新后的载频估计值和符号速率估计值；
S54)若最优目标在下一点的一阶导数小于预设阈值，则更新后的载频估计值和符号速率估计值为最优值，结束并退出，否则执行步骤S55)；
S55)根据最优目标在下一点与当前点的一阶导数的步长以及最优步长更新BFGS迭代公式，返回步骤S52)。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有被编程或配置以执行权利要求1～4任一所述的基于拟牛顿法的盲解调参数优化方法的计算机程序。
CN202111593649.5A 2021-12-23 2021-12-23 一种基于拟牛顿法的盲解调参数优化方法、系统及介质 Active CN114465854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111593649.5A CN114465854B (zh) 2021-12-23 2021-12-23 一种基于拟牛顿法的盲解调参数优化方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111593649.5A CN114465854B (zh) 2021-12-23 2021-12-23 一种基于拟牛顿法的盲解调参数优化方法、系统及介质

Publications (2)

Publication Number Publication Date
CN114465854A CN114465854A (zh) 2022-05-10
CN114465854B true CN114465854B (zh) 2023-08-01

Family

ID=81408028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111593649.5A Active CN114465854B (zh) 2021-12-23 2021-12-23 一种基于拟牛顿法的盲解调参数优化方法、系统及介质

Country Status (1)

Country Link
CN (1) CN114465854B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110113286A (zh) * 2019-05-06 2019-08-09 厦门大学 一种基于正交匹配追踪的低复杂度水声信道估计算法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7933847B2 (en) * 2007-10-17 2011-04-26 Microsoft Corporation Limited-memory quasi-newton optimization algorithm for L1-regularized objectives
US9722633B2 (en) * 2015-02-11 2017-08-01 Mitsubishi Electric Research Laboratories, Inc. Method and system for reliable data communications with adaptive multi-dimensional modulations for variable-iteration decoding
CN107517169B (zh) * 2017-07-26 2020-04-03 北京邮电大学 一种云无线接入网络联合协作分簇的半盲信道估计方法
CN111262804B (zh) * 2018-11-30 2022-09-27 展讯通信（上海）有限公司 频偏估计方法及装置、存储介质、终端
CN113194049B (zh) * 2021-04-14 2022-06-07 杭州电子科技大学 基于牛顿迭代二值采样信号的参数鲁棒估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110113286A (zh) * 2019-05-06 2019-08-09 厦门大学 一种基于正交匹配追踪的低复杂度水声信道估计算法

Also Published As

Publication number Publication date
CN114465854A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
Wong et al. Specific emitter identification using convolutional neural network-based IQ imbalance estimators
RU2407197C2 (ru) Способ и устройство для гибридной коррекции с решающей обратной связью
US8422599B2 (en) Device and method of estimating symbol using second order differential phase vector
TW200414726A (en) Method and apparatus for hybrid decision feedback equalization
WO2017181763A1 (zh) 载波相位恢复方法、装置及存储介质
Zhang et al. Variable-modulation specific emitter identification with domain adaptation
Anttila et al. Blind signal estimation in widely-linear signal models with fourth-order circularity: Algorithms and application to receiver I/Q calibration
CN114465854B (zh) 一种基于拟牛顿法的盲解调参数优化方法、系统及介质
Bakulin et al. Bayesian estimation with successive rejection and utilization of a priori knowledge
Wong et al. Estimation of transmitter I/Q imbalance using convolutional neural networks
Wong et al. Emitter identification using cnn iq imbalance estimators
US10476731B2 (en) Joint noncoherent demodulation and carrier frequency offset correction based on non-linear filtering
CN111343113B (zh) 基于数字示波器的相位同步改进方法及装置
CN112183425B (zh) 信道参数估计方法及装置
Brandes et al. RF waveform synthesis guided by deep reinforcement learning
Ahmadi Using fuzzy clustering and TTSAS algorithm for modulation classification based on constellation diagram
CN111181880B (zh) 基于集成聚类的无线通信系统的相位噪声补偿方法及系统
WO1999012290A2 (en) Method for parameter estimation and receiver
US7482862B2 (en) Demodulation method and apparatus
CN115913868A (zh) 一种基于聚类的矢量调制信号分析方法及其系统
KR101999776B1 (ko) 위상 및 주파수 오프셋에 강인한 자동 변조 분류 방법 및 장치
US20170180182A1 (en) Joint noncoherent demodulation and carrier frequency offset correction based on non-linear filtering
WO2023170783A1 (ja) 信号解析装置、信号解析方法、制御回路および記憶媒体
CN107145474B (zh) 一种基于自回归模型的卡尔曼滤波算法
Sergienko et al. Non-data-aided phase and frequency offset estimation for QAM signals using batch learning

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