CN114900411A - 一种混合噪声下MSK信号的自适应Viterbi解调方法 - Google Patents
一种混合噪声下MSK信号的自适应Viterbi解调方法 Download PDFInfo
- Publication number
- CN114900411A CN114900411A CN202210497270.2A CN202210497270A CN114900411A CN 114900411 A CN114900411 A CN 114900411A CN 202210497270 A CN202210497270 A CN 202210497270A CN 114900411 A CN114900411 A CN 114900411A
- Authority
- CN
- China
- Prior art keywords
- branch
- noise
- gaussian
- alpha
- lambda
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/10—Frequency-modulated carrier systems, i.e. using frequency-shift keying
- H04L27/14—Demodulator circuits; Receiver circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03828—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties
- H04L25/03834—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties using pulse shaping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/10—Frequency-modulated carrier systems, i.e. using frequency-shift keying
- H04L27/14—Demodulator circuits; Receiver circuits
- H04L27/156—Demodulator circuits; Receiver circuits with demodulation using temporal properties of the received signal, e.g. detecting pulse width
-
- 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)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Power Engineering (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明属于通信技术领域,具体的说是涉及一种混合噪声下MSK信号的自适应Viterbi解调方法。本发明针对高斯白噪声和非高斯脉冲噪声同时存在的场景下,基于最大似然分支度量计算的MSK信号Viterbi解调算法复杂度过高的问题,设计了一种根据噪声特性选择分支度量计算方法的MSK信号自适应Viterbi解调方法,该发明在保证误码率性能的前提下可有效降低解调算法的整体复杂度。
Description
技术领域
本发明属于通信技术领域,具体的说是涉及一种混合噪声下MSK信号的自适应Viterbi解调方法。
背景技术
最小频移键控(Minimum Shift Keying,MSK)是一种能够兼顾频谱效率和能量效率的连续相位调制技术,已经用于很多无线通信系统中。MSK调制信号的信息承载在连续变化的相位中,最小误码率(Bit Error Rate,BER)性能意义下,MSK信号的最优解调方法是最大似然序列检测,但其复杂度过高,因此一般采用次优的Viterbi算法(ViterbiAlgorithm,VA)解调MSK信号。
Viterbi算法是一种检测有限Markov序列的近似最优算法,由于具有回溯和剪枝操作,使其能够在几乎不影响性能的前提下大大降低复杂度,被广泛应用于通信接收机信号处理和信道译码(G.D.Forney,"The Viterbi algorithm,"in Proceedings of theIEEE,March 1973,vol.61,no.3:268-278.)。Viterbi算法核心是设计分支度量计算方法。当前,MSK解调方法大都针对高斯白噪声(White Gaussian Noise,WGN)设计分支度量计算方法,简称为高斯分支度量。根据高斯分布的概率密度函数(Probability DensityFunction,PDF),高斯分支度量等效为收发信号间的欧氏距离。另一方面,非高斯脉冲噪声(Impulsive Noise,IN)广泛存在于自然环境中。近年来,一些研究针对脉冲噪声进行了建模,并分析设计了对应场景下的通信接收机。目前,广泛采用对称α稳定(symmetricαstable,SαS)分布建模脉冲噪声。
存在脉冲噪声的实际场景中,不可避免地同时存在高斯白噪声,两者叠加会形成加性混合噪声。这种混合噪声的模型比单一的高斯白噪声或脉冲噪声更加复杂。G.Sureka提出了一种混合噪声的近似PDF表达式,并据此设计了二元反极性调制信号(BPSK)的最大似然(Maximum Likelihood,ML)检测算法(G.Sureka and K.Kiasaleh,"Sub-optimumreceiver architecture for AWGN channel with symmetric alpha-stableinterference,"in IEEE Transactions on Communications,May 2013,vol.61,no.5:1926-1935.),但MSK信号为非线性调制信号,具有记忆性,完全不同于线性调制的BPSK信号。
针对混合噪声,可通过数值计算其PDF,采用最优性能的ML算法计算Viterbi算法的分支度量,进行MSK解调,但其复杂度非常高,不利于实际接收机实现。实际上,除了最优的ML分支度量计算方法外,还有其它次优的Viterbi算法分支度量计算方法,包括:Myriad和前述高斯分支度量。Myriad度量是专门针对SαS分布的非高斯脉冲噪声的分支度量。Myriad和高斯分支度量的计算复杂度均小于ML度量。
发明内容
针对混合噪声下基于ML分支度量计算的MSK信号Viterbi解调算法复杂度过高的问题,本发明提出了一种基于噪声特性灵活选择分支度量的MSK信号自适应Viterbi解调方法。本发明的方法根据混合噪声参数,在不同分支度量计算方法之间灵活选择的MSK信号自适应Viterbi解调方法,在保证误码率性能的前提下降低接收机的整体复杂度。
本发明的技术方案为:
一种混合噪声下MSK信号的自适应Viterbi解调方法,其特征在于,包括以下步骤:
S1、估计混合噪声参数:
在发送信号中固定设置一段时间的静默期,不发送MSK信号,在静默期内,接收机根据接收的混合噪声采样信号ni估计近似PDF模型中的参数:
其中,
其中,要估计的参数为:α、γs、γg、γsg和c1。α为脉冲噪声的特征参数,γs和γg分别为脉冲噪声和高斯白噪声的尺度参数,γsg和c1可以调整分布模型高斯部分的方差和峰度,其余参数均可由上述参数表示出来;
通过特征函数法估计α、γs和γg,通过经验法则得到γsg,在有限定义域内通过一维随机网格搜索得到c1,将α、γs和γg的估计值分别表示为:和;具体算法细节Sureka在文献中均已给出(G.Sureka and K.Kiasaleh,"Sub-optimum receiverarchitecture for AWGN channel with symmetric alpha-stable interference,"inIEEE Transactions on Communications,May 2013,vol.61,no.5:1926-1935.);
S2、根据估计的混合噪声参数选择Viterbi算法中使用的分支度量计算方法:
设信号采样率为fs,MSK信号的第i个样本是si,MSK信号的符号周期是T,候选的分支度量包括:
1)高斯分支度量Mg
2)Myriad分支度量Mm
3)ML似然分支度量MML
定义参数描述混合噪声中高斯噪声和非高斯脉冲噪声的功率之比,将参数λ和α在各自取值范围进行区间划分,其中根据设定的阈值dB将参数λ划分为两个门限值,表示为λt1和λt2,根据λ将参数α划分为从小到大的4个门限值,表示为αt1、αt2、αt3和αt4,门限的确定需要通过仿真,根据选择原则,替换分支度量时对应的α和λ即为门限阈值。分支度量计算方法选择的原则是:在满足系统BER性能的情况下,参数α或λ大于门限时,混合噪声的高斯性较强,采用高斯分支度量Mg降低复杂度;反之,当参数α或λ小于门限时,混合噪声的脉冲性更强,采用Myriad分支度量Mg降低复杂度;其它场景,选择ML分支度量;具体方法如下:
定义参数取值范围组合与分支度量选择的对应关系,并根据分支度量与参数组(λ,α)的对应关系构造决策树:采用作为根节点,由根节点得到的第一中间节点为λt1<λ<λt2;定义第一中间节点成立进入第一分支,第一分支的第一中间节点为若成立,则到达第一分支的第一叶节点Myriad度量,否则到达第一分支的第二中间节点若成立,则到达第一分支的第二叶节点ML度量,否则到达第三叶节点高斯度量;若不成立,则进入第二中间节点λ≤λt1;若λ≤λt1成立,则进入第二分支,定义第二分支中间节点为若成立,则到达第二分支的第一叶节点ML度量,否则到达第二分支第二叶节点Myriad度量;若λ≤λt1不成立,则进入第三分支,定义第三分支中间节点为若成立,则到达第三分支第一叶节点ML度量,否则到达第三分支第二叶节点Myriad度量;
S3、对混合噪声下接收的MSK信号根据所选分支度量进行Viterbi解调。
本发明的有益效果为:本发明利用ML,Myriad和高斯分支度量,通过参数估计和决策树来选择不同的分支度量以减少运算复杂度,在脉冲噪声占主导的场景下可考虑使用Myriad代替ML,在高斯噪声占主导的情况下使用高斯分支度量,这样可以在保证系统性能的前提下,降低接收机的整体复杂度。
附图说明
图1是本发明中发明内容提供的自适应接收机结构。
图2是本发明中发明内容提供的完整决策树结构。
图3是本发明中发明内容提供的剪枝决策树结构。
图4是本发明中实施例提供的各分支度量的BER性能曲线。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
实施例
本实施例以MSK调制信号为对象,定义广义信噪比(Generalized Signal toNoise Ratio,GSNR)为:GSNR=10log10Eb/2(γs α+γg 2),其中Eb表示MSK信号功率,设置采样率fs=20,仿真比特数为N=105,近似PDF的横坐标截断范围为[-100,100],步长为0.01,固定GSNR(dB)=10。仿真中,信号在经过信道时经历10种不同α和λ的混合噪声,模拟自适应系统处于混合噪声的参数变化的场景,不同混合噪声场景的具体参数为:
表1 不同时刻混合噪声的参数配置
时刻 | α | λ |
1 | 1.2 | 1 |
2 | 1.3 | 1 |
3 | 1.5 | 5 |
4 | 1.5 | 15 |
5 | 1.1 | 0.2 |
6 | 1.6 | 0.5 |
7 | 1.7 | 20 |
8 | 1.8 | 50 |
9 | 1.2 | 0.5 |
10 | 0.8 | 1 |
具体实施步骤如下:
步骤1:估计混合噪声参数。
参数估计首先应产生混合噪声样本点,计算出样本特征函数,即:再利用特征函数法得到估计值和需要首先根据噪声样本拟合样本PDF曲线,再利用经验法则,即取曲线上衰减为原点值75%时对应的横坐标的平方作为c1的定义域为[0,1],因此可以在区间内通过一维网格搜索,当近似PDF和样本PDF之间KL散度最小时对应的值即为
步骤2:根据参数估计结果选择分支度量计算方法。
在本实施例中,暂将dB阈值设定为0.7dB,λt1=10,λt2=15,将不同λ的α门限阈值和此时所选的子树分支列为表格,符号“×”代表当前λ对应的分支不涉及该阈值:
表2 不同λ下α门限阈值
表3 各时刻参数估计结果和自适应分支度量选择
步骤3:根据所选分支度量进行Viterbi解调。
计算出每一个状态处的累积分支度量值,选择出最大的状态保留对应的幸存路径,删除其余的竞争路径,到达最后一个时刻后获得完整的幸存路径,回溯即得到解调码元。
经过仿真,各种分支度量的BER性能曲线显示自适应方法的误码率性能在各场景下都近似ML分支度量的性能。具体的时间开销为:
表4 各种分支度量在快速变化场景中的耗时情况
由上表的结果可看出,自适应方案在各种场景下会自动调整Viterbi算法的分支度量,在获得逼近ML度量的最佳误码率性能下,所需计算时间远小于ML度量,提高了系统效率。
Claims (1)
1.一种混合噪声下MSK信号的自适应Viterbi解调方法,其特征在于,包括以下步骤:
S1、估计混合噪声参数:
在发送信号中固定设置一段时间的静默期,不发送MSK信号,在静默期内,接收机根据接收的混合噪声采样信号ni估计近似PDF模型中的参数:
其中,
因此要估计的参数为:α、γs、γg、γsg和c1;α为脉冲噪声的特征参数,γs和γg分别为脉冲噪声和高斯白噪声的尺度参数,γsg和c1用于调整分布模型高斯部分的方差和峰度;通过特征函数法估计α、γs和γg,通过经验法则得到γsg,在有限定义域内通过一维随机网格搜索得到c1,将α、γs和γg的估计值分别表示为:和
S2、根据估计的混合噪声参数选择Viterbi算法中使用的分支度量计算方法:
设信号采样率为fs,MSK信号的第i个样本是si,MSK信号的符号周期是T,候选的分支度量包括:
1)高斯分支度量Mg
2)Myriad分支度量Mm
3)ML似然分支度量MML
定义参数描述混合噪声中高斯噪声和非高斯脉冲噪声的功率之比,将参数λ和α在各自取值范围进行区间划分,其中根据设定的阈值dB将参数λ划分为两个门限值,表示为λt1和λt2,根据λ将参数α划分为从小到大的4个门限值,表示为αt1、αt2、αt3和αt4,分支度量计算方法选择的原则是:在满足系统BER性能的情况下,参数α或λ大于门限时,混合噪声的高斯性较强,采用高斯分支度量Mg降低复杂度;反之,当参数α或λ小于门限时,混合噪声的脉冲性更强,采用Myriad分支度量Mg降低复杂度;其它场景,选择ML分支度量;具体方法如下:
定义参数取值范围组合与分支度量选择的对应关系,并根据分支度量与参数组(λ,α)的对应关系构造决策树:采用作为根节点,由根节点得到的第一中间节点为λt1<λ<λt2;定义第一中间节点成立进入第一分支,第一分支的第一中间节点为若成立,则到达第一分支的第一叶节点Myriad度量,否则到达第一分支的第二中间节点若成立,则到达第一分支的第二叶节点ML度量,否则到达第三叶节点高斯度量;若不成立,则进入第二中间节点λ≤λt1;若λ≤λt1成立,则进入第二分支,定义第二分支中间节点为若成立,则到达第二分支的第一叶节点ML度量,否则到达第二分支第二叶节点Myriad度量;若λ≤λt1不成立,则进入第三分支,定义第三分支中间节点为若成立,则到达第三分支第一叶节点ML度量,否则到达第三分支第二叶节点Myriad度量;
S3、对混合噪声下接收的MSK信号根据所选分支度量进行Viterbi解调。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497270.2A CN114900411B (zh) | 2022-05-09 | 2022-05-09 | 一种混合噪声下MSK信号的自适应Viterbi解调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497270.2A CN114900411B (zh) | 2022-05-09 | 2022-05-09 | 一种混合噪声下MSK信号的自适应Viterbi解调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114900411A true CN114900411A (zh) | 2022-08-12 |
CN114900411B CN114900411B (zh) | 2023-03-03 |
Family
ID=82722330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210497270.2A Active CN114900411B (zh) | 2022-05-09 | 2022-05-09 | 一种混合噪声下MSK信号的自适应Viterbi解调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114900411B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090052594A1 (en) * | 2007-08-17 | 2009-02-26 | The Hong Kong University Of Science And Technology | Robust joint erasure marking viterbi algorithm decoder |
US20140314185A1 (en) * | 2013-04-17 | 2014-10-23 | Electronics And Telecommunications Research Institute | Method and apparatus for impulsive noise mitigation using adaptive blanker based on bpsk modulation system |
CN107592135A (zh) * | 2017-05-16 | 2018-01-16 | 湖南人文科技学院 | 一种电力线通信自适应脉冲噪声抑制方法 |
CN110166391A (zh) * | 2019-06-13 | 2019-08-23 | 电子科技大学 | 脉冲噪声下基于深度学习的基带预编码msk信号解调方法 |
CN110233810A (zh) * | 2019-06-25 | 2019-09-13 | 电子科技大学 | 一种混合噪声下基于深度学习的msk信号解调方法 |
US20200252318A1 (en) * | 2019-02-04 | 2020-08-06 | General Dynamics Mission Systems, Inc. | Machine learning training system for identification or classification of wireless signals |
-
2022
- 2022-05-09 CN CN202210497270.2A patent/CN114900411B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090052594A1 (en) * | 2007-08-17 | 2009-02-26 | The Hong Kong University Of Science And Technology | Robust joint erasure marking viterbi algorithm decoder |
US20140314185A1 (en) * | 2013-04-17 | 2014-10-23 | Electronics And Telecommunications Research Institute | Method and apparatus for impulsive noise mitigation using adaptive blanker based on bpsk modulation system |
CN107592135A (zh) * | 2017-05-16 | 2018-01-16 | 湖南人文科技学院 | 一种电力线通信自适应脉冲噪声抑制方法 |
US20200252318A1 (en) * | 2019-02-04 | 2020-08-06 | General Dynamics Mission Systems, Inc. | Machine learning training system for identification or classification of wireless signals |
CN110166391A (zh) * | 2019-06-13 | 2019-08-23 | 电子科技大学 | 脉冲噪声下基于深度学习的基带预编码msk信号解调方法 |
CN110233810A (zh) * | 2019-06-25 | 2019-09-13 | 电子科技大学 | 一种混合噪声下基于深度学习的msk信号解调方法 |
Non-Patent Citations (3)
Title |
---|
GUOSHENG YANG等: ""CPFSK Signal Detection in White and Bursty Impulsive Noises"", 《 IEEE ACCESS ( VOLUME: 7)》 * |
SAMSUNG: "R1-134196 \"Link abstraction method for SLML receiver\"", 《3GPP TSG_RAN\\WG1_RL1》 * |
付柏成等: "Alpha稳定分布脉冲噪声下MPSK信号的自适应解调", 《电声技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114900411B (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Detection of bandlimited signals over frequency selective Rayleigh fading channels | |
Prlja et al. | Reduced-complexity receivers for strongly narrowband intersymbol interference introduced by faster-than-Nyquist signaling | |
Bei et al. | An improvement of the minimum distortion encoding algorithm for vector quantization | |
US7190743B2 (en) | Method and apparatus for optimizing tree pruning in a multiuser detector | |
US5796757A (en) | Methods and apparatus for performing rate determination with a variable rate viterbi decoder | |
US6947506B2 (en) | Method and apparatus for improved turbo multiuser detector | |
CN110166391B (zh) | 脉冲噪声下基于深度学习的基带预编码msk信号解调方法 | |
AU2010240533B2 (en) | Method and apparatus for generating soft bit values in reduced-state equalizers | |
CN107453807B (zh) | 一种大气光通信信道模型的极化方法、装置及电子设备 | |
CN110233810B (zh) | 一种混合噪声下基于深度学习的msk信号解调方法 | |
US9088400B2 (en) | Hypotheses generation based on multidimensional slicing | |
US6134277A (en) | System and method for self-adaptive maximum likelihood sequence detection | |
Sklar | How I learned to love the trellis | |
Savazzi et al. | A suboptimal approach to channel equalization based on the nearest neighbor rule | |
CN114900411B (zh) | 一种混合噪声下MSK信号的自适应Viterbi解调方法 | |
CN1319352C (zh) | 在无线接收机中为信道解码产生可靠性信息的方法 | |
CN115051734B (zh) | 一种固定复杂度球形译码的改进方法 | |
US20080310522A1 (en) | Sliding Map Detector for Partial Response Channels | |
US7136413B2 (en) | Method and apparatus for generation of reliability information with diversity | |
Liu et al. | Decoding on adaptively pruned trellis for correcting synchronization errors | |
Lewandowsky et al. | A discrete information bottleneck receiver with iterative decision feedback channel estimation | |
CN116055273B (zh) | 一种神经网络级联的qpsk接收机及其辅助模型训练方法 | |
Pan et al. | Equalization Techniques for Unmanned Aerial Vehicles Communication Based on Early Termination of Iteration | |
Shehata et al. | Near optimal viterbi decoders for convolutional codes in symmetric alpha-stable noise | |
Xu et al. | Joint estimation and decoding algorithm for LDPC code in different impulsive noise channel |
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 |