基于高阶累积量的OFDM子载波盲识别探讨

2014-02-23 01:56
电子测试 2014年21期
关键词:基带特征向量高阶

汪 威

(电子科技大学,成都,611731)

基于高阶累积量的OFDM子载波盲识别探讨

汪 威

(电子科技大学,成都,611731)

正交频分复用(OFDM)技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。

正交频分复用;调制模式识别;盲检测识别;模拟仿真

1 研究模型

首先对OFDM系统做如下合理的假设:

(1)OFDM信号各子载波调制方式为{BPSK、QPSK、8PSK、 16QAM}中的一种,每一个子载波上的信息符号来自M个有限的星座,即:,其中是第i个传输符号的第n个子载波上的信息符号,均值为零,方差为1,并且等概率分布,

(2)接收机已经完成必要的前端工作,也即实现载波同步、样值同步和匹配滤波,得到每个子信道上OFDM的基带信号离散序列。

(3)信道为慢变信道,即在一次突发传送期间信道保持不变,在一次突发到另外一次突发之间信道是慢变的;信道存在多径衰落,信道噪声建模为均值为零,方差为的复高斯噪声,噪声的实部与虚部不相关。

通常多径衰落信道可以建模为FIR模型,其冲激响应可以表示为:

2 识别算法

根据图一所示的OFDM系统等效并行衰落信道模型,以第n条子信道为例,得到的样值同步的采样序列可以表示为:

OFDM信号子载波调制方式的盲识别是通过计算接收累积量的识别特征向量进行,分别定义为:

各高阶累积量数值可以根据概率的相关公式给出,这里不做详细推导。假设各个子信道的信号序列是调制集合中独立同分布的零均值复随机序列,经过计算,平均功率归一化信号的累积量理论上的数值如表2所示。

2

从表中可以看出BPSK、QPSK、8PSK、16QAM四种子调制方式的信号经过匹配滤波得到的样值同步采用序列识别特征向量中各元素的构造消除了第n条子信道的信道衰减和相位旋转的影响,因此,识别特征向量对子信道的信道衰减和相位旋转具有不变性。利用和模式识别中用于度量模式相似性的欧式距离分类法,首先,可以利用先把信号分为3类:、、,然后再利用来区分QPSK与16QAM信号。得到OFDM信号子载波调制方式的判别准则为:

3 性能仿真与分析

3.1 识别特征向量的选取验证

仿真验证。OFDM信号的子载波调制方式分别采用BPSK、QPSK、8PSK、16QAM,其他OFDM信号参数设置与上一节相同。仿真选取接收端基带OFDM离散序列中的4000个采样数据,进行1000次独立实验求得、中各特征参数均值,仿真结果如图四所示.

可以看出,识别特征向量的仿真结果与理论分析相吻合,不同子载波调制方式下的基带OFDM信号具有明显的数值区别;并且基于高阶累积量的特征参数提取方法具有较强的抵抗高斯噪声性能,能使接收信号在较高的信噪比域上获得不同子载波调制方式的分类识别。

3.2 识别性能分析

本节意在仿真分析基于高阶累积量的OFDM信号子载波类型识别性能。OFDM信号的子载波调制采用{BPSK、QPSK、8PSK、16QAM}中随机的一种,信号为4径的多径衰落信道,假设接收信号已经实现载波同步、定时同步,接收方识别接收信号子信道的调制方式并与发送方相比较,得到每一次正确的识别性能。仿真中选取采样数据的长度分别为2000、4000、8000,并与理想信道下OFDM子载波方式的识别性能进行对比仿真结果如图五所示。

从图中可以看出,基于高阶累积量的OFDM子载波调制识别方式能够有效地抵抗多径衰落影响,从而验证所提取识别特征向量对于子信道的信道衰减和相位旋转具有不变性;并且识别性能受到观测数据长度的影响,随着观测数据长度的增加,子载波的识别性能得到不断优化。

4 总结

本文主要分析了信号的时域统计分析方法在OFDM信号多载波模式识别以及基带子载波类型识别上的应用。

在子载波调制识别中,本文对以{BPSK、QPSK、8PSK、16QAM}作为子信道调制方式的OFDM信号子载波识别技术做了深入分析,并假设在经过接收端处理后,分配到各子信道上离散序列仍受到多径衰落的影响。仿真实验表明,所提出的识别分类算法能够有效的分类识别OFDM信号子载波调制类型,并且能够抑制多径传输引起的调制相位旋转以及功率衰减。

[1] 吴伟陵,牛凯编著.移动通信原理[M].北京:电子工业出版社,2005.

[2] 张炜.数字通信信号调制方式自动识别研究[D].北京:国防科学技术大学博士学位论文 ,2011.

[3] 陈洄.基于循环谱相关的调制识别的研究[D]. 北京:北京交通大学硕士学位论文,2009.

[4] 尹长川,罗涛编著.OFDM移动通信技术原理与应用[M].北京:北京邮电大学出版社,2010

To investigate the OFDM sub carrier blind identification based on higher order cumulants

Wang Wei
(Chengdu University of Electronic Science and Technology,611731)

Orthogonal frequency division multiplexing(OFDM)is a special multi carrier modulation technology,because of its high spectrum utilization rate, the advantages of strong anti interference becomes one of the core technology of the fourth generation of broadband technology. At the same time, the wide application of OFDM has also brought a series of new tasks and challenges in the area of information warfare, the wireless spectrum resource management.Therefore, research on non cooperative OFDM signal collection technology,far-reaching significance. Because of the particularity of OFDM modulation,after the completion ofbroadband multi carrier and single carrier signal classification,the receiving system is necessary to sub carrier type on OFDM signals are further judgment.In this paper,based on the high order cumulant sub channel blind modulation recognition algorithm as the technical route,by extracting feature vector to achieve blind modulation recognition of sub channel. In the baseband OFDM signal modulation type identification part,based on the equivalent scalar model of OFDM system,using the statistical characteristic symbol sequence of each sub carrier,high order cumulant sequence ofidentification as a classification feature extraction algorithm,can powereffectively suppress multi-path fading effect caused by attenuation and phase rotation of sub carrier modulation type recognition performance,combined with simulation experiments,we analyzed the recognition performance of the proposed algorithm is efficient.

OFDM;modulation recognition;blind detection;simulation

由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。

在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。

猜你喜欢
基带特征向量高阶
二年制职教本科线性代数课程的几何化教学设计——以特征值和特征向量为例
克罗内克积的特征向量
有限图上高阶Yamabe型方程的非平凡解
Ag元素对Ni-7at.%W合金基带织构形成的影响
高阶各向异性Cahn-Hilliard-Navier-Stokes系统的弱解
滚动轴承寿命高阶计算与应用
苹果10亿美元为5G买“芯”
一类特殊矩阵特征向量的求法
EXCEL表格计算判断矩阵近似特征向量在AHP法检验上的应用
基于高阶奇异值分解的LPV鲁棒控制器设计