CN115913868A - 一种基于聚类的矢量调制信号分析方法及其系统 - Google Patents
一种基于聚类的矢量调制信号分析方法及其系统 Download PDFInfo
- Publication number
- CN115913868A CN115913868A CN202211507832.3A CN202211507832A CN115913868A CN 115913868 A CN115913868 A CN 115913868A CN 202211507832 A CN202211507832 A CN 202211507832A CN 115913868 A CN115913868 A CN 115913868A
- Authority
- CN
- China
- Prior art keywords
- clustering
- cluster
- centers
- vector modulation
- modulation 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 9
- 238000013507 mapping Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 12
- 238000003064 k means clustering Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- 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
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种基于聚类的矢量调制信号分析方法及其系统,本方法包括获取矢量调制信号的待测符号样点;从待测符号样点中选取出与矢量调制信号产生的原始星座点数量相同的多个样点,将多个样点作为初始聚类中心并通过聚类算法对多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心;计算多个聚类中心中的每个聚类中心与原始星座点的相似度,根据相似度对多个聚类中心进行排序,得到排序后的多个聚类中心;将排序后的多个聚类中心与原始星座点比较失真,得到矢量调制信号的I/Q不平衡参数,本方法能够准确的测量I/Q不平衡参数,而且在各种调制方式星座图映射下均适用,当发射符号比例不均衡时也具有良好的效果。
Description
技术领域
本发明涉及数字信号处理技术领域,特别涉及一种基于聚类的矢量调制信号分析方法及其系统。
背景技术
正交振幅调制(Quadrature Amplitude Modulation,QAM)是一种基带信号矢量调制方式,将基带数字信息分离成同向(I路)和正交(Q路)两个独立的分量分别加载到载波上,具有传输效率高、抗噪声能力强等优点,广泛应用于实际通信系统。在QAM调制过程中,调制器的属性不平衡等因素会导致矢量信号I/Q不平衡,体现在基带信号星座图上表现为原点偏移、角度失衡、幅度失衡。信号的调制质量将会直接影响通信质量,因此需要对发射机产生的射频信号进行矢量分析,准确估计发射信号的I/Q不平衡参数。射频一致性测试指标中,对矢量调制信号质量定义了I/Q直流偏移(I/Q Offset)、I/Q相位失衡(I/QQuadrature Error)、I/Q幅度失衡(I/Q Gain Imbalance)等度量来表征。
一些传统的I/Q不平衡指标测量算法对信号进行直接平均,估计直流偏移等参数,这种方法在原始符号比例不均衡时表现不佳,或者直接利用参考信号,建立二元线性回归模型,将该问题转化为多维线性方程组求解问题,这些方法的精度依赖于参考信号的获取,若从导频信号中获取,则依赖于导频符号数量和比例,并且大多数通用综测仪往往无法获取导频信息,若从待测符号中获取,则在I/Q失衡严重的情况下有大量错判。
发明内容
本发明旨在至少解决现有技术中存在的技术问题。为此,本发明提出一种基于聚类的矢量调制信号分析方法及其系统,能够准确的测量I/Q不平衡参数。
本发明的第一方面,提供了一种基于聚类的矢量调制信号分析方法,所述基于聚类的矢量调制信号分析方法包括:
获取矢量调制信号的待测符号样点;
从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点,将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心;
计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心;
将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数。
根据本发明的实施例,至少具有如下技术效果:
本方法利用聚类算法对多个接收符号星座点位置进行聚类,依据聚类后形成的多个聚类中心与原始星座点的相似度判决多个聚类中心的编号,依据排序后的多个聚类中心和原始星座点比较失真,从而测量I/Q不平衡参数,本方法能够准确的测量I/Q不平衡参数,而且在各种调制方式星座图映射下均适用,当发射符号比例不均衡时也具有良好的效果。
根据本发明的一些实施例,所述聚类算法为K-means算法。
根据本发明的一些实施例,所述将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心,包括:
将所述多个待测符号样点进行平均功率归一化,得到归一化后的多个待测符号样点;
遍历计算所述归一化后的多个待测符号样点中的每个样点和所述初始聚类中心的闵可夫斯基距离,并归到距离最小的簇中;
依次类推,当进行第k次聚类时,遍历计算所述归一化后的多个待测符号样点中的每个样点和第k-1次聚类中心的闵可夫斯基距离,并归到距离最小的簇中;其中,k>1;
直至当第k次聚类中心和第k-1次聚类中心的距离小于预设迭代收敛门限或第k次聚类达到预设最大迭代次数时,迭代结束,得到聚类完成后的多个聚类中心。
根据本发明的一些实施例,所述相似度为欧式距离;所述计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心,包括:
计算所述聚类中心点与所述原始星座点的欧氏距离,将与所述聚类中心点欧式距离最近的一个所述原始星座点作为与所述聚类中心点最相似的一个所述原始星座点;
将所述聚类中心点最相似的一个所述原始星座点的编号作为所述聚类中心点的预设编号;
根据每个所述聚类中心点的所述预设编号进行排序,得到排序后的所述多个聚类中心。
根据本发明的一些实施例,所述从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点作为初始聚类中心,包括:
获取所述矢量调制信号的调制方式的理想星座图和所述矢量调制信号的数据点分布星座图区域;
通过所述理想星座图对所述星座图区域进行网格划分,将落在每个区域内的理想星座点作为初始聚类中心。
根据本发明的一些实施例,所述将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数,包括:
将所述排序后的所述多个聚类中心和所述原始星座点代入I/Q不平衡参数计算公式中,得到矢量调制信号的I/Q不平衡参数。
根据本发明的一些实施例,所述基于聚类的矢量调制信号分析方法还包括:
根据所述I/Q不平衡参数计算发射信号测量指标。
本发明的第二方面,提供了一种基于聚类的矢量调制信号分析系统,所述基于聚类的矢量调制信号分析系统包括:
样点获取单元,用于获取矢量调制信号的待测符号样点;
样点聚类单元,用于从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点,将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心;
相似度判决单元,用于计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心;
不平衡参数计算单元,用于将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数。
由于基于聚类的矢量调制信号分析系统采用了上述实施例的基于聚类的矢量调制信号分析方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
本发明的第三方面,提供了一种电子设备,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行上述的基于聚类的矢量调制信号分析方法。由于电子设备采用了上述实施例的基于聚类的矢量调制信号分析方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
本发明的第四方面,提供了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计算机可执行指令,所述计算机可执行指令用于使计算机执行上述的基于聚类的矢量调制信号分析方法。由于可读存储介质采用了上述实施例的基于聚类的矢量调制信号分析方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
需要注意的是,本发明的第二方面至第四方面与现有技术之间的有益效果与上述的基于聚类的矢量调制信号分析方法与现有技术之间的有益效果相同,此处不再细述。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是矢量调制信号生成流程示意图;
图2是本申请一个实施例提供的基于聚类的矢量调制信号分析方法的流程示意图;
图3是本申请一个实施例提供的利用K-means聚类算法进行矢量调制信号分析的流程示意图;
图4是本申请一个实施例提供的利用调制方式作为先验信息改进K-means聚类算法进行矢量调制信号分析的流程示意图;
图5是本申请一个实施例提供的第一组仿真条件下方法一的初始聚类中心和最终聚类效果图;
图6是本申请一个实施例提供的第一组仿真条件下方法二的初始聚类中心和最终聚类效果图;
图7是本申请一个实施例提供的第二组仿真条件下方法一的初始聚类中心选到同一簇的情况图;
图8是本申请一个实施例提供的第二组仿真条件下方法一的初始聚类中心选到不同簇的情况图;
图9是本申请一个实施例提供的第二组仿真条件下方法二的初始聚类中心和最终聚类效果图;
图10是本申请一个实施例提供的综测仪测量结果显示图;
图11是本申请一个实施例提供的电子设备的结果示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
需要理解的是,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
QAM是一种基带信号矢量调制方式,将基带数字信息分离成同向(I路)和正交(Q路)两个独立的分量分别加载到载波上,具有传输效率高、抗噪声能力强等优点,广泛应用于实际通信系统。但在QAM调制过程中,调制器的属性不平衡等因素会导致矢量信号I/Q不平衡,体现在基带信号星座图上表现为原点偏移、角度失衡、幅度失衡。信号的调制质量将会直接影响通信质量,因此需要对发射机产生的射频信号进行矢量分析,准确估计发射信号的I/Q不平衡参数。射频一致性测试指标中,对矢量调制信号质量定义了I/Q直流偏移(I/Q Offset)、I/Q相位失衡(I/Q Quadrature Error)、I/Q幅度失衡(I/Q Gain Imbalance)等度量来表征。
矢量调制信号生成的系统模型:
假设理想信号X(n)的两路数据分别为I(n)和Q(n),其复基带信号表达式如下:
X(n)=I(n)+j*Q(n) (1)
定义调制过程中产生的I/Q不平衡参数包括I/Q两路调制增益分别为Ai和Aq,调制角度分别为α和β,直流偏置分别为a和b,w~(0,N)是器件底噪,I/Q不平衡参数对两路信号产生影响的过程如图1所示。产生复基带信号表达形式如下:
其中:
发射信号指标测量中的I/Q直流偏移、I/Q相位失衡、I/Q幅度失衡指标度量分别表示为:
参照图2,本申请的一个实施例,提供一种基于聚类的矢量调制信号分析方法,本方法包括如下步骤S101至步骤S105:
步骤S101、获取矢量调制信号的待测符号样点。
这里的待测符号样点是指待分析的矢量调制符号样点的集合。
步骤S102、从待测符号样点中选取出与矢量调制信号产生的原始星座点数量相同的多个样点,将多个样点作为初始聚类中心并通过聚类算法对多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心。
聚类算法是一种经典的无监督学习算法,主要思想是根据样本的相似性,将相似度高的样本自动归到同一类别中,相似度低的样本归类到不同类别中,并识别聚类中心。在本申请的一些实施例中,聚类算法为K-means算法,K-means算法是一种经典聚类算法。步骤S102使用K-means算法进行聚类的过程包括如下步骤S1021至S1024:
步骤S1021、将多个待测符号样点进行平均功率归一化,得到归一化后的多个待测符号样点。
步骤S1022、遍历计算归一化后的多个待测符号样点中的每个样点和初始聚类中心的闵可夫斯基距离,并归到距离最小的簇中。
步骤S1023、依次类推,当进行第k次聚类时,遍历计算归一化后的多个待测符号样点中的每个样点和第k-1次聚类中心的闵可夫斯基距离,并归到距离最小的簇中;其中,k>1。
步骤S1024、直至当第k次聚类中心和第k-1次聚类中心的距离小于预设迭代收敛门限或第k次聚类达到预设最大迭代次数时,迭代结束,得到聚类完成后的多个聚类中心。
因M阶QAM调制将产生M组不同星座点,在星座图上的编号从左下点到右上点连续编号记为X0,X1,X2,…,XM-1。如图1,在上述的系统模型中,X′(n)对应的理想信号X(n)的每一项取值来自集合X0,X1,X2,…,XM-1,将X′(n)还原成X(n),就是从集合X0,X1,X2,…,XM-1中找到X′(n)对应的X(n)。
将多个待测符号样点X′(n)进行平均功率归一化,得到X″(n),X″(n)在星座图上聚为M簇,定义迭代收敛门限为ε,最大迭代次数KMAX。
遍历计算X″(n)中的每个样点和初始聚类中心Z0(0),Z1(0),Z2(0),…,ZM-1(0)的闵可夫斯基距离,并归到距离最小的簇中;当进行第k次聚类时,遍历计算X″(n)中的每个样点和第k-1次聚类中心Z0(k-1),Z1(k-1),Z2(k-1),…,ZM-1(l-1)的闵可夫斯基距离,并归到距离最小的簇中;直至当第k次聚类中心和第k-1次聚类中心的距离小于预设迭代收敛门限或第k次聚类达到预设最大迭代次数时,迭代结束,得到聚类完成后的多个聚类中心。
步骤S103、计算多个聚类中心中的每个聚类中心与原始星座点的相似度,根据相似度对多个聚类中心进行排序,得到排序后的多个聚类中心。在本申请的一些实施例中,相似度为欧式距离,步骤S103具体步骤如下所示:
多个聚类中心为:Z0,Z1,Z2,…,ZM-1;原始星座点为:X0,X1,X2,…,XM-1。首先,Z0分别与X0,X1,X2,…,XM-1进行比较,找到欧式距离最小的一个星座点,Z1分别与X0,X1,X2,…,XM-1进行比较,找到欧式距离最小的一个星座点,依次类推,直至ZM-1分别与X0,X1,X2,…,XM-1进行比较,找到欧式距离最小的一个星座点。
假设:与Z0欧式距离最小的星座点是XM-1,与Z1欧式距离最小的星座点是X2,与Z2欧式距离最小的星座点是XM-1,以此类推,与ZM-1欧式距离最小的星座点是X0。
多个最终聚类中心为:Z0,Z1,Z2,…,ZM-1的原序号为0,1,2,…,M-1;找到的欧式距离最近的原始星座点的序号为:1,2,M-1,…,0。那么多个最终聚类中心:Z0,Z1,Z2,…,ZM-1,排序后的多个聚类中心为:Z1,Z2,ZM-1,…,Z0。引入Y进行改写,Z1变为Y0,Z2变为Y1,直至把Z1,Z2,ZM-1,…,Z0改写为:Y0,Y1,Y2,…,YM-1。
步骤S104、将排序后的多个聚类中心与原始星座点进行失真比较,得到矢量调制信号的I/Q不平衡参数。
将排序后的多个聚类中心Y0,Y1,Y2,…,YM-1和原始星座点X0,X1,X2,…,XM-1代入I/Q不平衡参数计算公式(即上述公式(3))中,得到矢量调制信号的I/Q不平衡参数,I/Q不平衡参数包括:I/Q直流偏移(I/Q Offset)、I/Q相位失衡(I/Q Quadrature Error)、I/Q幅度失衡(I/Q Gain Imbalance)。
步骤S105、根据I/Q不平衡参数计算发射信号测量指标。
将上述步骤S104得到的I/Q Offset、I/Q Quadrature Error和I/Q GainImbalance输入至上述公式(4)中,得到发射信号测量指标。
本方法对多个接收符号星座点位置进行聚类,依据多个聚类中心与原始星座点的相似度判决多个聚类中心的编号,依据排序后的多个聚类中心和原始星座点比较失真,识别接收信号相对于原始发射信号的星座图失真情况,从而测量I/Q不平衡参数。本方法能够准确的测量I/Q不平衡参数,而且在各种调制方式星座图映射下均适用,当发射符号比例不均衡时也具有良好的效果。
基于上述实施例,K-means作为一种经典聚类算法,应用中大多没有考虑样本特征而直接聚类,常常稳定性和效率不高。具体的,步骤S102中的从待测符号样点中选取出与矢量调制信号产生的原始星座点数量相同的多个样点作为初始聚类中心,包括:
获取矢量调制信号的调制方式的理想星座图和矢量调制信号的数据点分布星座图区域。其中,矢量调制信号的数据点分布星座图区域是通过在I/Q星座图上根据幅度和相位估计出范围。
通过理想星座图对星座图区域进行网格划分,将落在每个区域内的理想星座点作为初始聚类中心。其中,理想星座图和理想星座点是指给定某种调制方式下产生的I/Q星座图和星座点。
在本实施例中,初始聚类中心为随机选取时,可能会出现其中若干点选取到同一簇的情况,此时会出现“两心一簇”或“一心两簇”的风险,影响之后其他簇的编号,从而出现大面积的星座编号错判。本方法直接从接收信号星座图出发,以调制信号特征等先验信息改进K-means算法,本方法对初始聚类中心的选取进行了优化,首先估计出数据点分布星座图范围,依据当前调制方式下的理想星座图对区域进行网格划分和编号,以每个区域内的理想星座点作为初始聚类中心,再进行聚类和I/Q不平衡参数估计运算,可达到“一簇一心”的聚类效果,提高测量准确度。
参照图3,为了便于理解,本申请的一个实施例,提供了一种利用K-means聚类算法进行矢量调制信号分析(在后续实验结论中,本方法为方法一),本方法包括如下步骤S201至步骤S204:
首先,M阶QAM调制将产生M组不同星座点,在星座图上的编号从左下点到右上点连续编号记为:X0,X1,X2,…,XM-1,即原始星座点,待测符号样点X′(n)进行平均功率归一化记为X″(n)在星座图上聚为M簇,定义迭代收敛门限为ε,最大迭代次数KMAX。
步骤S201、利用K-means聚类从待测符号样点X′(n)中获得M个聚类中心,其初始聚类中心为随机选取。
步骤S2011、初始化运算次数为k=0,初始聚类中心为样本中随机选择M点,记为Z0(0),Z1(0),Z2(0),…,ZM-1(0)。
步骤S2012、运算次数k=k+1,在第k次运算中,遍历所有样本点X″(n)计算和第k-1次聚类中心Z0(k-1),Z1(k-1),Z2(k-1),…,ZM-1(k-1)的闵可夫斯基距离,并归到距离最小的簇里。
步骤S2013、每一簇中样本均值用于更新聚类中心Z0(k),Z1(k),Z2(k),…,ZM-1(k),重复上述步骤S2012,直至第k次聚类中心和第k-1次聚类中心的距离小于迭代收敛门限ε或k达到最大迭代次数KMAX。
步骤S202、将最终聚类中心记作Z0,Z1,Z2,…,ZM-1,然后将Z0,Z1,Z2,…,ZM-1和原始星座点X0,X1,X2,…,XM-1根据欧氏距离最小准则判决,并对Z0,Z1,Z2,…,ZM-1按照顺序重新标记为Y0,Y1,Y2,…,YM-1。
步骤S203、将(I′,Q′)=Y0,Y1,Y2,…,YM-1和(I,Q)=X0,X1,X2,…,XM-1代入上述公式(3)中得到I/Q不平衡参数两路幅度增益Ai和Aq,调制角度α和β,直流偏置a和b。
步骤S204、将I/Q不平衡参数代入上述公式(4)中得到发射信号测量指标。
参照图4,本申请的一个实施例,提供了一种利用调制方式作为先验信息改进K-means聚类算法进行矢量调制信号分析的流程示意图(在后续实验结论中,本方法为方法二),本方法包括如下步骤S301至步骤S304:
首先,M阶QAM调制将产生M组不同星座点,在星座图上的编号从左下点到右上点连续编号记为X0,X1,X2,…,XM-1,待测符号样点X′(n)进行平均功率归一化记为X″(n)在星座图上聚为M簇,定义迭代收敛门限为ε,最大迭代次数KMAX。
步骤S301、利用调制方式作为先验信息改进K-means聚类算法进行矢量调制信号分析。
仿真发现,当初始聚类中心为随机选取时,可能会出现其中若干点选取到同一簇的情况,此时会出现“两心一簇”或“一心两簇”的风险,影响之后其他簇的编号,从而出现大面积的星座编号错判。而为了达到“一心一簇”的效果,将利用调制方式作为先验信息改进K-means聚类算法,计算过程如下:
步骤S3011、初始化运算次数为k=0,估计出数据点分布星座图范围,依据当前调制方式下的理想星座图对区域进行网格划分和编号,将落在每个区域内的理想星座点作为初始聚类中心Z0(0),Z1(0),Z2(0),…,ZM-1(0)=X0,X1,X2,…,XM-1。
步骤S3012、运算次数k=k+1,在第k次运算中,遍历所有样本点X″(n)计算和第k-1次聚类中心Z0(k-1),Z1(k-1),Z2(k-1),…,ZM-1(k-1)的闵可夫斯基距离,并归到距离最小的簇里。
步骤S3013、每一簇中样本均值用于更新聚类中心Z0(k),Z1(k),Z2(k),…,ZM-1(k),重复步骤S3012,直至第k次聚类中心和第k-1次聚类中心的距离小于ε或者k达到最大迭代次数KMAX。
步骤S302、最终聚类中心记作Z0,Z1,Z2,…,ZM-1和标准星座点X0,X1,X2,…,XM-1根据欧氏距离最小准则判决,并对Z0,Z1,Z2,…,ZM-1按照顺序重新标记为Y0,Y1,Y2,…,YM-1。
步骤S303、将(I′,Q′)=Y0,Y1,Y2,…,YM-1和(I,Q)=X0,X1,X2,…,XM-1代入上述公式(3)中得到I/Q不平衡参数两路幅度增益Ai和Aq,调制角度α和β,直流偏置a和b。
步骤S304、将I/Q不平衡参数代入上述公式(4)中得到发射信号测量指标。
参照图5至图10,以下提供一组实验数据,用于验证上述实施例的效果:
假定某通信系统发射机符号速率为32ksym/s,每个突发持续时间为10ms,其中随机生成数据符号数为315,保护符号数为5,采用根升余弦滚降滤波器成型,滚降系数α=0.35,器件底噪为-60dBm/Hz,发射信号平均功率为25dBm,等效符号信噪比为42dB,对发射的空口信号进行矢量分析时,在下变频后以1.28MHz频率采样,并完成匹配滤波、时间-频率-相位同步。这里以M=4的QAM调制为例进行了仿真,并在仿真中设定了两种不同程度的I/Q不平衡场景。设置仿真迭代收敛门限为ε=0.01,最大迭代次数KMAX=100。
(1)I/Q两路增益Ai/Aq=1.001,直流偏移(a,b)=(0.0005,0.0002),相位偏差(α,β)=(0,0)。
此时代入上述公式(4)中,仿真了1000组随机数据,计算I/Q不平衡指标理论值和测量平均值如下表1所示:
表1
在I/Q两路矢量调制信号增益偏差较小的情况下,两种方法与理论值都非常接近,但由于初始聚类中心的选取偏差如图5中a)所示,方法一迭代次数更多,收敛后最终聚类结果如图5中b)所示,方法二的初始聚类中心和最终聚类结果如图6所示。
I/Q两路增益Ai/Aq=1.1,直流偏移(a,b)=(0.5,0.2),相位偏差(α,β)=(0.3,0)
此时代入上述公式(4)中,仿真了1000组随机数据,计算I/Q不平衡指标理论值和测量平均值如下表2所示:
表2
在I/Q两路矢量调制信号增益偏差较大的情况下,方法一与理论值偏离较大的原因是,部分仿真组别的初始聚类中心随机选取到了同一簇中,导致运算中出现“一心两簇”的情况,且该中心偏离两个理想的聚类中心都很远,因此出现了迭代不收敛和聚类错误的现象,如图7所示。
而在初始聚类中心选取在不同簇的仿真组别如图8所示,指标测量值与理论值接近,如下表3所示:
表3
在I/Q两路矢量调制信号增益偏差较大的情况下,方法二仍有很好的表现如图9所示。
某型号综测仪采用射频模块+基带模块+CPU处理器作为硬件架构,测量软件计算部分运行在CPU处理器上,包含信号处理算法以及矢量调制信号指标测量功能。综测仪对信号进行矢量分析时,将空口信号经射频模块下变频处理后,在基带处理模块以1.28MHz频率采样,并完成匹配滤波、时间-频率-相位同步,在通过测量软件进行信号处理和指标计算,利用调制信息改进聚类算法进行矢量调制信号分析方法已经集成到综测仪测量软件中。
利用信号源发送射频信号,信号源加载的波形符号速率为32ksym/s,采用QPSK调制,每个突发持续时间为10ms,其中随机生成数据符号数为315,保护符号数为5,采用根升余弦滚降滤波器成型,滚降系数α=0.35,器件底噪为-60dBm/Hz,发射信号平均功率为25dBm,等效符号信噪比为42dB,对该发射波形适当增加扰动如下:I/Q两路增益Ai/Aq=1.001,直流偏移(a,b)=(0.0005,0.0002),相位偏差(α,β)=(0,-0.0001)。测量结果如图10所示,集成了本方法的综测仪指标测量结果与理论值一致,与仿真结果一致。
本申请的一个实施例,提供一种基于聚类的矢量调制信号分析系统,基于聚类的矢量调制信号分析系统包括样点获取单元1100、样点聚类单元1200、相似度判决单元1300以及不平衡参数计算单元1400,具体如下:
样点获取单元1100用于获取矢量调制信号的待测符号样点。
样点聚类单元1200用于从待测符号样点中选取出与矢量调制信号产生的原始星座点数量相同的多个样点,将多个样点作为初始聚类中心并通过聚类算法对多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心。
相似度判决单元1300用于计算多个聚类中心中的每个聚类中心与原始星座点的相似度,根据相似度对多个聚类中心进行排序,得到排序后的多个聚类中心。
不平衡参数计算单元1400用于将排序后的多个聚类中心与原始星座点进行失真比较,得到矢量调制信号的I/Q不平衡参数。
需要注意的是,本基于聚类的矢量调制信号分析系统实施例与上述的方法实施例是基于相同的发明构思,因此上述方法实施例的相关内容同样适用于本系统实施例,这里不再赘述。
参照图11,本申请还提供一种基于聚类的矢量调制信号分析电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现:如上述的基于聚类的矢量调制信号分析方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述实施例的基于聚类的矢量调制信号分析方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例中的基于聚类的矢量调制信号分析方法,例如,执行以上描述的图1中的方法步骤S101至步骤S105。
本申请还提供一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行:如上述的基于聚类的矢量调制信号分析方法。
该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述电子设备实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的基于聚类的矢量调制信号分析方法,例如,执行以上描述的图1中的方法步骤S101至步骤S105。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储数据(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的数据并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何数据递送介质。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于聚类的矢量调制信号分析方法,其特征在于,所述基于聚类的矢量调制信号分析方法包括:
获取矢量调制信号的待测符号样点;
从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点,将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心;
计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心;
将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数。
2.根据权利要求1所述的基于聚类的矢量调制信号分析方法,其特征在于,所述聚类算法为K-means算法。
3.根据权利要求2所述的基于聚类的矢量调制信号分析方法,其特征在于,所述将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心,包括:
将所述多个待测符号样点进行平均功率归一化,得到归一化后的多个待测符号样点;
遍历计算所述归一化后的多个待测符号样点中的每个样点和所述初始聚类中心的闵可夫斯基距离,并归到距离最小的簇中;
依次类推,当进行第k次聚类时,遍历计算所述归一化后的多个待测符号样点中的每个样点和第k-1次聚类中心的闵可夫斯基距离,并归到距离最小的簇中;其中,k>1;
直至当第k次聚类中心和第k-1次聚类中心的距离小于预设迭代收敛门限或第k次聚类达到预设最大迭代次数时,迭代结束,得到聚类完成后的多个聚类中心。
4.根据权利要求2或3所述的基于聚类的矢量调制信号分析方法,其特征在于,所述相似度为欧式距离;所述计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心,包括:
计算所述聚类中心点与所述原始星座点的欧氏距离,将与所述聚类中心点欧式距离最近的一个所述原始星座点作为与所述聚类中心点最相似的一个所述原始星座点;
将所述聚类中心点最相似的一个所述原始星座点的编号作为所述聚类中心点的预设编号;
根据每个所述聚类中心点的所述预设编号进行排序,得到排序后的所述多个聚类中心。
5.根据权利要求2所述的基于聚类的矢量调制信号分析方法,其特征在于,所述从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点作为初始聚类中心,包括:
获取所述矢量调制信号的调制方式的理想星座图和所述矢量调制信号的数据点分布星座图区域;
通过所述理想星座图对所述星座图区域进行网格划分,将落在每个区域内的理想星座点作为初始聚类中心。
6.根据权利要求4所述的基于聚类的矢量调制信号分析方法,其特征在于,所述将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数,包括:
将所述排序后的所述多个聚类中心和所述原始星座点代入I/Q不平衡参数计算公式中,得到矢量调制信号的I/Q不平衡参数。
7.根据权利要求1所述的基于聚类的矢量调制信号分析方法,其特征在于,所述基于聚类的矢量调制信号分析方法还包括:
根据所述I/Q不平衡参数计算发射信号测量指标。
8.一种基于聚类的矢量调制信号分析系统,其特征在于,所述基于聚类的矢量调制信号分析系统包括:
样点获取单元,用于获取矢量调制信号的待测符号样点;
样点聚类单元,用于从所述待测符号样点中选取出与所述矢量调制信号产生的原始星座点数量相同的多个样点,将所述多个样点作为初始聚类中心并通过聚类算法对所述多个待测符号样点进行聚类,得到聚类完成后的多个聚类中心;
相似度判决单元,用于计算所述多个聚类中心中的每个所述聚类中心与所述原始星座点的相似度,根据所述相似度对所述多个聚类中心进行排序,得到排序后的所述多个聚类中心;
不平衡参数计算单元,用于将所述排序后的所述多个聚类中心与所述原始星座点进行失真比较,得到所述矢量调制信号的I/Q不平衡参数。
9.一种电子设备,其特征在于:包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行权利要求1至7任一项所述的基于聚类的矢量调制信号分析方法。
10.一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计算机可执行指令,所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的基于聚类的矢量调制信号分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211507832.3A CN115913868A (zh) | 2022-11-25 | 2022-11-25 | 一种基于聚类的矢量调制信号分析方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211507832.3A CN115913868A (zh) | 2022-11-25 | 2022-11-25 | 一种基于聚类的矢量调制信号分析方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115913868A true CN115913868A (zh) | 2023-04-04 |
Family
ID=86480216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211507832.3A Pending CN115913868A (zh) | 2022-11-25 | 2022-11-25 | 一种基于聚类的矢量调制信号分析方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115913868A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2363912A1 (en) * | 2000-11-29 | 2002-05-29 | Gerard Terreault | Method and apparatus for detecting and quantifying impairments in qam signals |
US20040203472A1 (en) * | 2002-09-05 | 2004-10-14 | G-Plus, Inc. | Compensation of I-Q imbalance in digital transceivers |
US7352832B1 (en) * | 2003-02-24 | 2008-04-01 | Cisco Technology, Inc. | Method and implementation for adaptive symbol decision mapping |
US20090316589A1 (en) * | 2004-05-27 | 2009-12-24 | Hassan Shafeeu | Method of Determining True Error Vector Magnitude in a Wireless Lan |
CN104079524A (zh) * | 2014-07-24 | 2014-10-01 | 电子科技大学 | 一种基于ofdm的qam调制下的已失真通信信号识别方法 |
CN104202289A (zh) * | 2014-09-18 | 2014-12-10 | 电子科技大学 | 一种用于短距离无线通信的抗iq不平衡失真的信号判决方法 |
WO2014201619A1 (zh) * | 2013-06-18 | 2014-12-24 | 华为技术有限公司 | 一种利用高维星座图传输数据的方法和设备 |
WO2016180410A1 (de) * | 2015-05-13 | 2016-11-17 | Ls Telcom Ag | Verfahren und vorrichtung zur automatischen klassifikation des modulationsformats eines digital modulierten signals |
CN107359940A (zh) * | 2017-07-18 | 2017-11-17 | 深圳市杰普特光电股份有限公司 | 相位噪声估计的方法和装置 |
CN112039599A (zh) * | 2019-06-03 | 2020-12-04 | 中兴通讯股份有限公司 | 数据信号处理方法及装置、存储介质、电子装置 |
-
2022
- 2022-11-25 CN CN202211507832.3A patent/CN115913868A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2363912A1 (en) * | 2000-11-29 | 2002-05-29 | Gerard Terreault | Method and apparatus for detecting and quantifying impairments in qam signals |
US20040203472A1 (en) * | 2002-09-05 | 2004-10-14 | G-Plus, Inc. | Compensation of I-Q imbalance in digital transceivers |
US7352832B1 (en) * | 2003-02-24 | 2008-04-01 | Cisco Technology, Inc. | Method and implementation for adaptive symbol decision mapping |
US20090316589A1 (en) * | 2004-05-27 | 2009-12-24 | Hassan Shafeeu | Method of Determining True Error Vector Magnitude in a Wireless Lan |
WO2014201619A1 (zh) * | 2013-06-18 | 2014-12-24 | 华为技术有限公司 | 一种利用高维星座图传输数据的方法和设备 |
CN104079524A (zh) * | 2014-07-24 | 2014-10-01 | 电子科技大学 | 一种基于ofdm的qam调制下的已失真通信信号识别方法 |
CN104202289A (zh) * | 2014-09-18 | 2014-12-10 | 电子科技大学 | 一种用于短距离无线通信的抗iq不平衡失真的信号判决方法 |
WO2016180410A1 (de) * | 2015-05-13 | 2016-11-17 | Ls Telcom Ag | Verfahren und vorrichtung zur automatischen klassifikation des modulationsformats eines digital modulierten signals |
CN107359940A (zh) * | 2017-07-18 | 2017-11-17 | 深圳市杰普特光电股份有限公司 | 相位噪声估计的方法和装置 |
CN112039599A (zh) * | 2019-06-03 | 2020-12-04 | 中兴通讯股份有限公司 | 数据信号处理方法及装置、存储介质、电子装置 |
Non-Patent Citations (4)
Title |
---|
NAJI ALBAKAY等: ""Novel Frequency Offset Estimation Scheme for Reliable Wireless Communication using Modified K-Means Clustering"", 《IEEE》, 22 July 2019 (2019-07-22) * |
刘雪娇等: ""基于改进聚类算法的I/Q不平衡指标测量算法"", 《通信技术》, vol. 57, no. 3, 20 March 2024 (2024-03-20) * |
吴屹: ""太赫兹通信IQ不平衡与相位噪声补偿技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 January 2022 (2022-01-15) * |
周钟青;杨彦甫;张群;何倩雯;向前;曹军涛;: "借助聚类分析的光发射机信号畸变评估方法", 激光与光电子学进展, no. 03, 10 March 2018 (2018-03-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108155648B (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
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 | |
CN101406019A (zh) | 用于计算数字通信系统中接收信号的似然度量的方法和设备 | |
CN107707497B (zh) | 基于减法聚类和模糊聚类算法的通信信号识别方法 | |
CN108667564B (zh) | 一种在线学习的自适应链路mcs切换控制方法 | |
CN113033457B (zh) | 一种软故障识别模型训练和软故障识别方法、装置 | |
Wong et al. | Emitter identification using CNN IQ imbalance estimators | |
CN115913868A (zh) | 一种基于聚类的矢量调制信号分析方法及其系统 | |
TWI381668B (zh) | 訊號偵測方法及使用其之接收裝置 | |
CN112183425B (zh) | 信道参数估计方法及装置 | |
CN113191224A (zh) | 一种无人机信号提取和识别方法、系统 | |
CN107425928B (zh) | 一种信号合成方法及系统 | |
CN113447708B (zh) | 非恒包络调制信号的功率测量方法、装置及电子设备 | |
CN111917436B (zh) | 噪声估计方法、通信接口和计算机可读存储介质 | |
CN108734188A (zh) | 一种聚类方法、设备及存储介质 | |
CN109412670A (zh) | Gsm-mbm系统中基于松弛迭代的低复杂度检测方法 | |
JP7130179B2 (ja) | 信号諸元識別装置、制御回路およびプログラム記憶媒体 | |
KR20180080073A (ko) | 최대 우도 방식을 이용한 심볼 검출 방법 및 이를 수행하는 수신기 | |
CN110912843A (zh) | 大规模无线传感器网络中的分布式盲估计方法及系统 | |
Köse et al. | Signal-to-noise ratio estimation of noisy transient signals | |
US9693245B2 (en) | Method and system for measuring interference signal in carrier signal | |
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 | |
CN110943952B (zh) | 调幅信号的检测方法及装置 | |
CN111273216B (zh) | 宽带信号幅度比的估计方法和装置 | |
CN111680262B (zh) | 一种自适应增益梯度投影辨识方法 |
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 |