CN117938598B - 一种基于多幂次联合的单载波信号盲频偏估计方法 - Google Patents

Abstract

本发明公开了一种基于多幂次联合的单载波信号盲频偏估计方法，能够实现对单载波信号频偏进行全盲估计。本发明提取信号的多个高阶幂次特征，设计多幂次判决机制确定频偏估计值，具有良好的估计性能。相比传统频偏估计方法，本发明具有更好的通用性，能够适应多制式调制信号的全盲估计场景，具有良好的实用价值。

Description

一种基于多幂次联合的单载波信号盲频偏估计方法

技术领域

本发明涉及通信技术领域，尤其涉及一种基于多幂次联合的单载波信号盲频偏估计方法。

背景技术

频偏估计技术是利用数字信号先验信息或统计信息，对信号的载波频率偏移进行估计的技术，是接收机顺利解调的基础。然而在非合作通信过程中，接收端无法得知发送信号的先验信息，例如导频和同步序列。此外，随着自适应调制编码技术的应用，发送端可能在不同时段的同一信道中发送不同调制方式的信号，这给非合作接收机频偏估计与补偿带来了巨大的挑战。面对上述挑战，针对未知调制方式通信场景的盲频偏估计技术尤为重要，其在军事情报侦察、电子对抗等领域均可发挥重要作用。

传统频偏估计通常需要根据数字信号的调制方式采取不同的方法，因此在进行盲频偏估计时，传统方法是先进行调制识别，再根据调制方式选择频偏估计算法。传统调制识别算法主要包括基于高阶谱线、基于高阶累积量、基于相位差统计、基于聚类等。其中基于高阶累积量、基于相位差统计的方法在频偏较大的条件下性能较差，不适用于单载波系统调制预识别。而基于聚类的方法在面对高阶信号时容易因为星座点间欧式距离缩小而发生错误。基于高阶谱线的方法对频偏不敏感，但只能对信号调制方式进行大致的分类，因此在调制识别算法中不被重视。

另一方面，在传统的频偏估计算法中，基于高阶谱线的方法因其算法简单、频偏估计范围大而被广泛讨论。从当前研究可以发现，基于高阶谱线的方法具有很好的泛用性，可对包括PSK、QAM、APSK信号等多种调制方式进行有效的频偏估计，因此该方法在盲频偏估计算法中极具潜力。

本发明围绕传统频偏估计算法中的高阶谱线法展开研究，将其与调制识别算法中的高阶谱线法进行联合设计，在传统算法的基础上提出了一种改进的盲频偏估计方法。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种基于多幂次联合的单载波信号盲频偏估计方法，包括：

步骤S1、矩形窗采样模块将基带数字信号进行截断，利用部分信号的特征表示信号整体；

步骤S2、多幂次非线性处理模块根据信号调制方式集合设置非线性运算幂次集合，根据所述非线性运算幂次集合对信号进行对应的多幂次非线性处理；

步骤S3、频谱信息计算模块对多幂次非线性处理之后的信号进行快速傅里叶变换得到频谱，根据所述频谱获得最大峰值频谱位置和最大峰均比，按照采样窗口组别保存所述最大峰值频谱位置和所述最大峰均比，得到本轮采样信号经过多幂次非线性处理之后的频谱信息；

步骤S4、判断模块判断独立采样的次数是否大于或等于预设数值；

若判断结果为独立采样的次数小于预设数值，执行步骤S5；若判断结果为独立采样的次数大于或等于预设数值，执行步骤S6；

步骤S5、矩形窗移动模块移动采样窗口，移动距离至少为一个矩形窗的长度，以确保每次采样信号与前一次采样信号无重复样值；

执行完成步骤S5之后，执行步骤S1；

步骤S6、幂次判决模块根据众数进行幂次判决，获得最终幂次判决结果；

步骤S7、筛选模块根据所述最终幂次判决结果对所述频谱信息进行筛选，获得所述最终幂次判决结果对应的频谱信息，根据所述最终幂次判决结果对应的频谱信息获得最大峰均比对应的最大峰值频偏位置；

步骤S8、估计模块根据所述最大峰值频偏位置信息运算得到信号的频偏估计，所述频偏估计的M次幂运算表达式如下：

其中，为采样率，/>为快速傅里叶变换运算点数，/>表示最大峰值所在的频谱位置。

可选的，所述根据信号调制方式集合设置非线性运算幂次集合的步骤包括：

根据所述信号调制方式集合中的每种调制方式星座图的最外圈星座点数获得每种调制方式对应的非线性运算幂次；

根据所有非线性运算幂次形成非线性运算幂次集合。

可选的，所述步骤S6包括：

分别对每个采样组别不同幂次非线性处理信号的频谱信息进行比较，获得每个采样组别内最大的峰均比，所述最大的峰均比对应的运算幂次为所述采样组别的幂次判决结果；

根据所有采样组别的幂次判决结果的众数获得最终幂次判决结果。

可选的，还包括：

根据所述最终幂次判决结果对信号调制方式进行分类。

可选的，所述多幂次非线性处理之后的信号包括圆信号和非圆信号，所述圆信号是信号星座图中心对称、一阶旋转矩为零的信号，所述非圆信号是信号星座图一阶旋转矩不为零的信号。

本发明具有下述有益效果：

本发明提供了一种基于多幂次联合的单载波信号盲频偏估计方法，能够实现对单载波信号频偏进行全盲估计。本发明提取信号的多个高阶幂次特征，设计多幂次判决机制确定频偏估计值，具有良好的估计性能。相比传统频偏估计方法，本发明具有更好的通用性，能够适应多制式调制信号的全盲估计场景，具有良好的实用价值。

附图说明

图1为本发明实施例一提供的基于多幂次联合的单载波信号盲频偏估计方法的流程图。

图2a-2b为本发明实施例一提供的不同幂次运算后的8PSK信号频谱示意图。

图3为本发明实施例一提供的幂次识别准确率示意图。

图4为本发明实施例一提供的频偏估计归一化均方误差示意图。

图5为本发明实施例一提供的32APSK信号频偏估计可靠概率示意图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的基于多幂次联合的单载波信号盲频偏估计方法进行详细描述。

实施例一

本发明提出了一种基于多幂次联合的数字调制信号盲频偏估计方法，该方法针对单个未知调制方式的单载波信号，能够在已知信号调制方式集合的情况下，对信号频偏进行全盲估计，并对信号调制方式进行大致分类。该方法的整体流程图如图1所示。

图1中各模块的具体实现内容如下：

步骤1：矩形窗采样

接收信号往往具有较多符号，使用全部信号进行运算将带来巨大的运算量以至于硬件无法承受。矩形窗采样模块将信号进行截断，利用部分信号的特征来表示信号整体，以减小运算量。

步骤2：多幂次非线性处理

多幂次非线性处理根据信号调制方式集合，对信号进行对应的高幂次非线性处理，即并列进行多种不同M次幂的运算。

对PSK、QAM、APSK等常见的数字信号调制方式而言，对其进行相应的M次幂运算能够消除调制相位变化对信号频偏估计的影响。

在本步骤中，需要根据接收信号的调制方式集合设置非线性运算幂次集合。每一种调制方式所对应的非线性运算幂次，由该调制方式星座图最外圈星座点数决定。例如，当可能的信号调制方式集合如表1所示时，本步骤中设置的幂次集合为{4, 8}，即需对信号分别求取4次幂和8次幂，得到两组高阶信号。

表1 信号调制方式集合及对应幂次示例

步骤3：计算频谱信息

对每组采样值各幂次非线性处理后的信号进行FFT运算得到其频谱，此时圆信号与非圆信号的频谱会呈现出不同的特征。圆信号是信号星座图中心对称、一阶旋转矩为零的信号，如PSK、QAM信号，当各星座点独立等概出现时，这类信号具有类似非高斯噪声的频谱，其最大峰均比较小。而非圆信号则是信号星座图一阶旋转矩不为零的信号，如4次幂处理后的QPSK信号，在一定的信噪比条件下，这类信号的频谱中往往会出现显著的峰值谱线，其最大峰均比较大。

对于PSK、QAM、APSK等常见的数字调制方式而言，其信号在进行对应的M次幂运算后可由圆信号转变为非圆信号，使其频谱中出现显著的峰值谱线。例如当接收信号为无频偏的8PSK信号时，在经过4次幂和8次幂运算后，得到的频谱如图2所示。当对8PSK信号进行四次幂运算时，信号星座图转变为类似BPSK信号的圆信号星座图，此时信号频谱无显著峰值；当对8PSK信号进行八次幂运算时，其所有理想星座点均旋转到同一相位，此时的信号为非圆信号，频谱出现显著峰值。当接收信号存在频偏时，星座图将发生旋转，其峰值位置将发生相应的偏移，对应于/>。

因此在本步骤中，关注的频谱信息有：最大峰值的频谱位置、最大峰均比。将在频谱中搜寻得到的最大峰值频谱位置与计算得到的最大峰均比按采样窗口组别保存，得到本轮采样信号经过不同幂次处理后的频谱信息。

步骤4：窗口移动

移动采样窗口，移动距离至少为一个窗长，保证每次采样信号与前一次采样信号无重复样值，以确保每次采样得到的样值统计独立。进行多次独立采样有更大的概率获得对整体信号特征更具代表性的信号段，避免特殊信号段对方法准确性的影响。

每进行一次窗口移动，则需重复一次步骤1至步骤3。

步骤5：基于众数的幂次判决

在实际通信过程中，单个采样窗口得到的样值可能具有特殊性，将影响幂次判决的结果。多轮独立采样后基于众数进行幂次判决，能有效避免单次采样特殊性对幂次判决的影响，提高幂次判决的准确率。

基于众数的幂次判决过程为：分别对每个采样组别不同幂次处理信号的频谱信息进行比较，选出每个采样组别内最大的峰均比，其对应的运算幂次即为该组的幂次判决结果；之后以所有组别幂次判决结果的众数作为最终幂次判决结果。

在本步骤中，最终幂次判决结果与信号调制方式有关，因此根据该步骤的判决结果能得到信号调制方式的大致分类。

步骤6：最大峰值频偏估计

对于非圆信号而言，其频谱最大峰值所在位置与其星座图旋转角速度有关，在本实施例中则与信号的频偏有关。因此步骤4中搜寻得到的最大峰值频谱位置能够作为频偏估计的依据。但值得注意的是，对信号进行M次幂运算后，M次幂信号的频偏也将变成原始信号频偏的M倍。

本步骤首先基于步骤5的幂次判决结果对频谱信息进行筛选，仅考虑幂次判决结果对应的频谱信息。例如，当幂次判决结果为8次幂时，仅考虑每个分组中8次幂运算对应的频谱信息。从筛选出的频谱信息中寻找最大峰均比对应的最大峰值频偏位置，并利用该频谱位置信息运算得到信号的频偏估计。频偏估计运算式如下：

其中，为采样率(即符号速率)，/>为FFT运算点数(即采样窗长)，/>表示最大峰值所在的频谱位置。

对本实施例提供的基于多幂次联合的单载波信号盲频偏估计方法进行仿真测试，测试信道采用单径高斯白噪声含多普勒信道模型，测试环境参数如表2所示。测试信号的调制方式集合为{QPSK、MQAM、8PSK、(4,12)16APSK、(4,12,16)32APSK}，测试得到消除调制信息所需幂次的识别准确率如图3所示。频偏估计归一化均方误差曲线如图4所示。

表2 多幂次联合盲频偏估计方法测试参数

其中，归一化均方误差的计算式如下：

其中，表示蒙特卡洛实验次数，/>为第/>次实验的频偏估计值，/>为信号频偏真实值。

从图2可以看出，本实施例对QPSK、16QAM、64QAM、8PSK、16APSK、32APSK六种信号，分别在信噪比达到-5dB、-2dB、-1dB、3dB、7dB、10dB时幂次识别准确率达到99.9%以上，性能良好。

从图3可以看出，本实施例对QPSK、16QAM、64QAM、8PSK、16APSK五种信号，分别在信噪比达到-3dB、-1dB、0dB、3dB、9dB时频偏估计归一化均方误差达到量级，性能良好。对32APSK信号而言，该方法无法达到100%有效频偏估计。

本实施例定义频偏估计归一化均方误差小于时的频偏估计值为有效估计，则得到该方法对32APSK信号的频偏估计有效概率曲线如图5所示。由图5可以看出，在信噪比达到14dB时，虽然图4中32APSK的MSE较大，但所提方法对32APSK信号频偏估计有效概率能够达到97%以上。这是因为，少数的无效估计极大影响了MSE性能，而多数估计是有效估计，因此本实施例所提方法对32APSK信号仍具有实用性。

综上，本实施例所提方法实现了对多制式调制信号的调制粗识别与盲频偏估计，且具有良好的性能。相比传统调制识别方法，该方法具有更强的抗频偏能力，能够适应大频偏通信场景；相比传统频偏估计方法，该方法具有更好的通用性，能够适应多制式信号全盲估计场景，例如发送端应用自适应调制编码技术的场景。同时该方法易于实现，具有良好的实用价值。

本实施例提供一种基于多幂次联合的单载波信号盲频偏估计方法，针对单个未知调制方式的单载波信号，能够在已知信号调制方式集合的情况下，对信号频偏进行全盲估计，而且对信号调制方式进行大致分类。本实施例对多制式调制信号的调制粗识别与盲频偏估计，具有良好的性能。相比传统调制识别方法，本实施例具有更强的抗频偏能力，能够适应大频偏通信场景。相比传统频偏估计方法，本实施例具有更好的通用性，能够适应多制式信号全盲估计场景。本实施例在未知调制方式的情况下完成盲频偏估计任务，能够对信号的调制方式进行大类识别，便于后续解调算法简化，具有良好的实用价值。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (5)

1.一种基于多幂次联合的单载波信号盲频偏估计方法，其特征在于，包括：

步骤S1、矩形窗采样模块将基带数字信号进行截断，利用部分信号的特征表示信号整体；

步骤S2、多幂次非线性处理模块根据信号调制方式集合设置非线性运算幂次集合，根据所述非线性运算幂次集合对信号进行对应的多幂次非线性处理；

步骤S3、频谱信息计算模块对多幂次非线性处理之后的信号进行快速傅里叶变换得到频谱，根据所述频谱获得最大峰值频谱位置和最大峰均比，按照采样窗口组别保存所述最大峰值频谱位置和所述最大峰均比，得到本轮采样信号经过多幂次非线性处理之后的频谱信息；

步骤S4、判断模块判断独立采样的次数是否大于或等于预设数值；

若判断结果为独立采样的次数小于预设数值，执行步骤S5；若判断结果为独立采样的次数大于或等于预设数值，执行步骤S6；

步骤S5、矩形窗移动模块移动采样窗口，移动距离至少为一个矩形窗的长度，以确保每次采样信号与前一次采样信号无重复样值；

执行完成步骤S5之后，执行步骤S1；

步骤S6、幂次判决模块根据众数进行幂次判决，获得最终幂次判决结果；

步骤S7、筛选模块根据所述最终幂次判决结果对所述频谱信息进行筛选，获得所述最终幂次判决结果对应的频谱信息，根据所述最终幂次判决结果对应的频谱信息获得最大峰均比对应的最大峰值频偏位置；

步骤S8、估计模块根据所述最大峰值频偏位置信息运算得到信号的频偏估计，所述频偏估计的M次幂运算表达式如下：

,

其中，为采样率，/>为快速傅里叶变换运算点数，/>表示最大峰值所在的频谱位置。

2.根据权利要求1所述的基于多幂次联合的单载波信号盲频偏估计方法，其特征在于，所述根据信号调制方式集合设置非线性运算幂次集合的步骤包括：

根据所述信号调制方式集合中的每种调制方式星座图的最外圈星座点数获得每种调制方式对应的非线性运算幂次；

根据所有非线性运算幂次形成非线性运算幂次集合。

3.根据权利要求2所述的基于多幂次联合的单载波信号盲频偏估计方法，其特征在于，所述步骤S6包括：

分别对每个采样组别不同幂次非线性处理信号的频谱信息进行比较，获得每个采样组别内最大的峰均比，所述最大的峰均比对应的运算幂次为所述采样组别的幂次判决结果；

根据所有采样组别的幂次判决结果的众数获得最终幂次判决结果。

4.根据权利要求3所述的基于多幂次联合的单载波信号盲频偏估计方法，其特征在于，还包括：

根据所述最终幂次判决结果对信号调制方式进行分类。

5.根据权利要求1所述的基于多幂次联合的单载波信号盲频偏估计方法，其特征在于，所述多幂次非线性处理之后的信号包括圆信号和非圆信号，所述圆信号是信号星座图中心对称、一阶旋转矩为零的信号，所述非圆信号是信号星座图一阶旋转矩不为零的信号。