高阶矩的衰落信道中OFDM信号检测算法

正交频分复用是一种具有很强抗多径干扰、码间干扰和窄带干扰以及很高频谱利用率的高效数据传输技术,已经得到广泛的应用;OFDM信号的自动识别和调制参数的估计是非协作通信和认知无线电中的关键问题。以基于高阶累计量的正交频分复用(OFDM)信号检测算法为研究对象,针对衰落信道将影响信号高阶统计特性的问题,提出一种适用于衰落信道环境中的基于高阶矩的OFDM信号检测算法,用以区别多载波信号(OFDM)与单载波信号(MFSK,MQAM);并通过数学推导和仿真数据验证了所提算法的可行性和衰落信号适应能力。     

基于高阶累积量的LCP-GLSTBC-OFDM信号调制识别

提出了频率选择性衰落信道条件下基于高阶累积量的LCP(Linear Constellation Precoding)-GLSTBC (Group Layered Space-Time Block Coding architecture)-OFDM (Orthogonal Frequency-Division Multiplexing) 信号识别算法，用以区分LCP-GLSTBC结构下的多载波信号(OFDM)和单载波信号(MPSK、MQAM)。该算法不需要预先知道信号和信道噪声的先验信息，也不需要对接收的信号进行解调，只需从接收的中频信号直接进行识别处理，分别求出接收信号的2阶和4阶累积量，然后构造特征参数消除信道衰落的影响。仿真结果表明：在SNR高于5dB时，对多载波和单载波信号的识别率大于90%。     

基于高阶循环累积量的正交频分复用(OFDM)信号子载波调制识别算法

针对OFDM(正交频分复用)信号的子载波调制方式在高斯信道下的盲识别问题,提出一种基于高阶循环累积量调制识别方法。通过理论分析了高斯信道下子载波采用不同调制方式的OFDM信号的四阶循环累积量,并证明了只有当循环频率等于子载波频率时,OFDM信号的四阶循环累积量才不为零,由于不同调制方式的OFDM信号的四阶循环累积量值不同,因此将信号四阶循环累积量值作为特征量来区分信号的不同调制方式。该方法不需要任何的先验信息就能识别子载波调制方式,仿真表明该方法具有一定可行性。     

基于高阶循环累积量的OFDM信号子载波调制识别算法

针对OFDM(正交频分复用)信号的子载波调制方式在高斯信道下的盲识别问题,提出一种基于高阶循环累积量调制识别方法。本文通过理论分析了高斯信道下子载波采用不同调制方式的OFDM信号的四阶循环累积量,并证明了只有当循环频率等于子载波频率时,OFDM信号的四阶循环累积量才不为零_[8],由于不同调制方式的OFDM信号的四阶循环累积量值不同,因此将信号四阶循环累积量值作为特征量来区分信号的不同调制方式。该方法不需要任何的先验信息就能识别子载波调制方式,仿真表明该方法具有一定可行性。     

基于累积量的通信信号调制样式类间识别

为了避免通信信号调制识别过程中的去载波、波形恢复和符号定时等预处理过程,该文将高阶累积量直接用于中频数字信号的识别。该算法通过估算信号功率对高阶累积量进行归一化,克服了信号幅度缩放的影响,从而使该算法不需要信号的任何先验知识。仿真证明高阶累积量对具有不同包络特征的信号具有良好的识别能力,并且在高信噪比时六阶累积量比四阶累积量的识别效果更好。     

DVB-T系统中OFDM信号子载波调制方式的识别

为了解决多径信道下DVB-T系统中OFDM信号子载波调制方式识别性能差的问题,文中提出了一种新的子载波调制方式识别方法.该方法首先采用子载波的归一化功率对空子载波信号进行识别,然后利用循环谱截面相关系数识别出导频子载波信号,最后通过混合高阶矩对调制子载波信号进行识别,从而完成了OFDM信号子载波调制方式的识别.仿真结果表明,在多径信道下,该方法不但具有良好的识别性能,而且具有较低的计算复杂度.     

用高阶累积量实现数字调相信号的分级识别

针对BPSK,QPSK,OQPSK和8PSK信号的调制模式自动识别,传统的基于高阶累积量算法无法区分QPSK和OQPSK,因此提出了一种基于差分高阶累积量的识别算法。该算法首先用四阶累积量提取待识别信号和其差分序列的特征参数,然后用决策树分类法实现信号的分级识别。理论分析和计算机仿真结果表明该算法有较强的抗噪声和抗相位抖动能力,在信噪比>3 dB时识别率达95%以上,更适用于较低信噪比下信号的识别。     

莱斯衰落信道下 MQAM 信号调制方式自动识别方法

针对受莱斯衰落影响的4QAM、16QAM、32QAM、64QAM、128QAM、256QAM六类信号,分别研究了卷积神经网络（CNN）模型以及特征参数结合深度神经网络（DNN）分类器模型的调制方式识别性能。CNN模型需要大量带标签的数据集以及很长的训练时间才能获得较好的识别性能,而特征参数结合深度神经网络分类器模型所需训练时间较短,但其分类性能受限于特征参数的设计。针对以上问题,研究了混合高阶矩作为特征参数集,再将DNN作为分类器对多进制正交幅度调制（MQAM）信号进行识别的方法。仿真结果表明,该方法在低信噪比情况下对受莱斯衰落影响的MQAM信号识别准确率高于CNN模型,且分类准确率上限明显高于采用高阶累积量作为特征参数的方法。     

瑞利衰落信道下MQAM信号的盲识别方法

针对MQAM信号识别难的问题,提出一种瑞利衰落信道条件下MQAM调制信号盲识别算法.该方法在不需要任何先验信息的情况下,利用瑞利衰落信道的特点,从信号的2阶、4阶和6阶累积量中提取的特征参数实现MQAM调制信号的识别.仿真结果表明：在信噪比为5dB下平均识别率能达到90%以上,与其他算法相比有更高的识别率和更强的抗噪声干扰能力,而且对相位抖动和频率偏差有很强的健壮性.     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

利用可变长度自相关算法的OFDM信号时域参数盲检测

OFDM信号循环前缀和有效数据末尾数据具有相关性,利用OFDM信号在时域上存在的相关性采用可变长度自相关算法进行时域参数盲估计,可以估计得到OFDM信号的子载波数。经理论分析和仿真验证,该算法有很高的识别效果。     

Rayleigh信道的建模与仿真

移动无线信道传输特性的仿真对移动通信的研究具有重要意义,其中小尺度衰落仿真又是其中的重点和难点。针对多普勒频移和无线信道的随机性,讨论了基于Rayleigh衰落的无线信道的小尺度模型,并运用数字信号处理方法,在频域给出了多普勒滤波仿真小尺度信道衰落的方法、频率选择性信道的仿真模型和仿真曲线。该方法较好地模拟了信号载波频率和通信终端移动速度的影响。     

基于高阶累积量和星座图的调制识别算法

提出了一种基于高阶累积量和星座图的数字调制信号识别的算法.该算法利用信号的高阶累积量,并结合改进的星座图聚类分析法,采用一种分层的多分类器对信号进行分类.算法中所选用的特征参数对信号的幅度和相位抖动不敏感,同时能有效地抑制加性高斯噪声.仿真结果表明,在接收数据长度为800和信噪比不低于6 dB的情况下,该算法对不同调制...     

基于高阶累积量构造特征参数的调制识别方法

针对传统基于高阶累积量的无线通信信号调制识别方法存在不含频率信息、低信噪比(signal to noise ratio, SNR)下识别率低及识别种类较少等问题，设计了一种新的基于高阶累积量构造特征参数的调制识别方法.该方法引入一阶微分和中值滤波预处理等技术，有效解决了多进制频移键控(M-ary frequency-shift keying, MFSK)信号的组内识别问题.进一步地，改进特征参数设置，设计识别流程，提升低信噪比下多达10种常用调制信号的识别率.蒙特卡洛仿真实验验证了所设计方法具有识别信号种类多和识别率高等优点，有望应用于实际场景.     

基于四阶累积量的直接序列扩频信号多参数估计

：将高阶统计理论应用于直接序列扩频信号的参数估计，提出了一种基于四阶累积量2-D切片的方法，该方法能够同时估计载波频率和扩频码周期。计算机仿真结果验证了该方法的有效性。     

衰落信道中等增益分集用于调制分类

针对在Rayleigh和Rician慢衰落信道下的QAM信号的调制分类问题,提出一种新的基于等增益分集的调制分类算法。给出等增益分集用于调制分类的模型,对合并器输出信号的归一化四阶累积量进行估计作为分类特征,并推导了用于判决的等增益合并器输出信号的四阶累积量理论值。计算复杂度仅为N阶(N为样本个数),数值仿真实验结果以及与已有方法的比较证明了理论分析的正确性和算法的实用性。     

基于超螺旋精度提升机制的OFDM网络信道噪声消除算法

为解决当前OFDM网络信道噪声消除算法难以规避信道中的窄带莱斯噪声,且抗信道衰落能力不强,以及信道间普遍存在严重的频率干涉问题,提出了一种基于超螺旋精度提升机制的OFDM网络信道噪声消除算法.首先,根据各个传输子信道具有差异化的频率载波特性,将传输子信道等价为接收背景中的接收点,从而构建了超螺旋接收结构,有效消除不同传输子信道间存在的频率干扰特性,降低信道窄带莱斯噪声对信号预发射过程的衰落影响;随后,基于角度识别方式进行锐-钝识别,并结合拐点思想,采用序列重排技术,将待发射信号进行消波处理,并进行自旋精度提升,从而提高了其抗窄带莱斯噪声的性能.仿真实验表明:与常见的超高频精度自适应机制(UHF adaptive,UHFA)、共线度自旋精度提升机制(the degree of accuracy of collinear spin,DACS)相比,本文算法与理想状态下的OFDM功率谱密度曲线最为接近,具有更高的信号增益水平与更低的信道误码率.     

采用导频子载波的OFDM系统频偏跟踪算法

为了进一步提高多径快衰落环境下,正交频分复用（orthogonal frequency division multiplexing,OFDM）系统的载波频偏估计精度,研究了利用在OFDM符号中插入的导频子载波进行小数倍频偏跟踪的算法在多径快衰落信道下的频偏跟踪性能。通过与常规的基于循环前缀的跟踪算法进行比较,采用导频子载波的频偏跟踪算法,不仅在高斯白噪声信道下能达到很好的频偏跟踪性能,而且在多径快衰落信道下也能实现更准确的频偏估计,因此采用导频子载波的算法更适合用于多径快衰落信道下的频偏跟踪。     

QC-LDPC编码OFDM系统的码优化及迭代译码

为解决在多径环境下,部分正交频分复用(OFDM)子载波可能遭受深衰落而导致系统性能严重下降的问题,该文提出了一种准循环低密度奇偶校验(QC-LDPC)编码的OFDM系统.在该系统中,编码后的校验比特被映射到更高阶的星座图中,并在迭代译码中采用Group Shuffled消息传递调度.根据码字比特映射方式的不同,利用基于Group Shuffled置信传播的密度演进的高斯近似对QC-LDPC码进行了优化.加性高斯白噪声和Rayleigh衰落信道下的仿真结果表明,该系统具有更好的纠错性能和更快的译码收敛速度.     

基于高阶统计量信号检测的研究

研究了高阶统计量（主要是三阶累积量）在信号检测中的应用，探讨了信号检测的高阶累积量算法.利用高斯噪声的高阶累积量的零均值特性，用计算机对SNR=20dB和SNR=0dB的输入信号进行模拟仿真，并将检测结果与原始信号进行比较，从结果上看执行效果较好．