一种基于高阶统计分析的信号自适应处理方法技术

本发明专利技术公开了一种基于高阶统计分析的信号自适应处理方法，包括如下步骤：先对无线光通信模型系统的接收端接收到的信号进行预处理：对预处理后的信号进行非线性变换，提取出四倍频分量，即进行4次方非线性变换；接着对信号进行滑动相关算法的检测；之后采用滑动相关算法进行优化；接着使用高阶统计分析方法处理信号；最后建立门限自适应控制算法模型，进行自适应门限控制。本发明专利技术基于高阶统计分析算法提出一种自适应门限阈值检测技术，可以通过自身与外界环境的接触来改变自身对信号处理的性能，降低系统误码率，提高系统接收效果。

【技术实现步骤摘要】
一种基于高阶统计分析的信号自适应处理方法
本专利技术属于无线光通信系统
，涉及一种基于高阶统计分析的信号自适应处理方法。
技术介绍
无线光通信作为一种新型的通信技术,同时具有光纤通信和移动通信的优势，可实现宽带传输，组网机动灵活，无需频率申请，并且抗电磁干扰，保密性好，因此如今对无线光通信的研究受到了广泛的重视。在工程中，经常需要研究两个信号之间的关系，对于确定信号，它们之间的关系可以用明确的函数关系来描述。而在实际检测时，遇到的往往都是随机信号，它们不能通过一个确切的数字式子表达出来，只能用概率统计方式来描述。这类信号通常是从同一个被测对象上检测出来的随机信号，其间总会存在某种内在的关联，在对其进行分析时，常常就要用到相关原理。相关检测技术正是利用相关原理，通过自相关和互相关运算，达到对某些物理量进行检测或去除噪声的技术。在无线光接收系统中，若采用固定门限判决，若门限定得太低，当信号比较强时容易错锁在互相关或自相关旁瓣上，所以门限不宜定得太低；若门限定得太高，当信号很弱时，门限又不能锁定信号，降低了系统的灵敏度，所以门限不宜定得太高。
技术实现思路
本专利技术的目的是提供一种基于高阶统计分析的信号自适应处理方法，基于高阶统计分析算法提出一种自适应门限阈值检测技术，可以通过自身与外界环境的接触来改变自身对信号处理的性能，降低系统误码率，提高系统接收效果。本专利技术所采取的技术方案是：一种基于高阶统计分析的信号自适应处理方法，包括如下步骤：步骤1：对无线光通信模型系统的接收端接收到的信号进行预处理：先对此信号进行带通采样，采样后的信号再通过巴特沃兹数字滤波器进行滤波；步骤2：对滤波后的信号进行非线性变换，提取出四倍频分量，即进行4次方非线性变换；步骤3：对经过步骤2处理的信号进行滑动相关算法的检测；步骤4：对步骤3的滑动相关算法进行优化，即在步骤3的滑动相关算法中增加一个参考支路，提高信噪比；步骤5：使用高阶统计分析方法处理步骤4得到的信号；步骤6：建立门限自适应控制算法模型，进行自适应门限控制。本专利技术的特点还在于：步骤3中滑动相关算法为滑窗检测的方法，即依次对每个窗口是否有目标进行判决，窗口长度可以近似等于可能出现的目标长度。步骤3的具体过程为：当接收信号所包含的脉冲信号序列与本地脉冲信号序列相位差小于1/2Tc时，将输出与固定门限比较，大于门限就认为相位差已经小于1/2Tc，捕获完成转入跟踪状态，否则以1/2Tc调整脉冲信号产生器触发脉冲相位，继续捕获。步骤4的参考支路为：采用延后接收信号S(t)一个码长位置的信号与本地脉冲信号做相关得到S2(t)。步骤5.1：假定随机信号变量x1,x2,Λ,xn和x4均值为零，则c11＝cum(x1,x2)＝E[x1x2]c111＝cum(x1,x2,x3)＝E[x1x2x3]c1111＝cum(x1,x2,x3,x4)＝E[x1x2x3x4]-E[x1x2]E[x3x4]-E[x1x3]E[x2x4]-E[x1x4]E[x2x3]当随机变量的矩阵不为零时，上式中xi要用xi-E[xi]来替换。同样，前三阶的联合累积量与联合矩一样，而高于四阶的联合矩与联合累积量不同；步骤5.2：设k阶随机过程{x(n)}的均值为0，则定义该过程的k阶累积量ck,x(m1,m2,Λ,mk-1)＝cum(x(n),x(n+m1),Λ,x(n+mk-1))定义该过程的k阶矩mk,x(m1,m2,Λ,mk-1)＝mom(x(n),x(n+m1),Λ,x(n+mk-1))式中，联合矩用mom(·)表示。二、三、四阶累积量为c2,x(m)＝E[x(n)x(n+m)]c3,x(m1,m2)＝E[x(n)x(n+m1)x(n+m2)]c4,x(m1,m2,Λ,m3)＝E[x(n)x(n+m1)x(n+m2)x(n+m3)]-c2,x(m1)c2,x(m2-m3)-c2,x(m2)c2,x(m3-m1)-c2,x(m3)c2,x(m1-m2)平稳随机过程的二阶累积量为自相关函数，三阶累积量为其三阶矩，对信号采用四阶累计量。步骤6的建立门限自适应控制算法模型的过程为：步骤6.1：首先输入门限判决方框的相关峰样值信号Uj，取其相邻N个信号帧的N×L个样值Uj-M+1,Uj-M,L,Uj作为观测对象，所述M为0～NL的整数；然后门限判决器判决出每个帧周期内经相关运算得到的最大自相关峰：若Uj-M≥λj，判决器输出Z(j)＝1；若Uj-M＜λj，判决器输出Z(j)＝0；最后累加器对判决输出的N×L个Z(j)信号样值求累加和，输出信号为步骤6.2：在比较器中，累加和Xj与预定的参考码元数N比较大小，得到一个变量值ε,用以控制门限值的调整方向，比较过程等效于一个符号函数，即ε＝SGN(Xj-N)；步骤6.3：假设L表示脉冲序列的周期长度，A表示发送数字信号的幅值，可以认为，信号相关运算后得到的相关峰值范围为0～LA，将0～LA划分为2a+1个量化电平，包括0电平和LA电平，从而得到门限值的控制增量为比较器输出的变量值ε和Δλ相乘后就得到门限值的变化量λj-λj-1＝εΔλ。自适应门限控制过程为：若Xj＞N，表明门限取值过低，应增大为λj＝λj-1+Δλ；若Xj＜N，表明门限取值过高，应减小为λj＝λj-1-Δλ；若Xj＝N表明当前门限值适中，保持为λj＝λj-1；整个控制过程可简化为：λj＝λj-1+SGN(Xj-N)Δλ；观测样值Uj-M，随信道噪声的变化而变化，Uj-M继而控制ε变量值的变化，控制当前门限值的增加和减小，使判决门限随信道噪声的变化而变化，实现自适应控制。本专利技术的有益效果是：本专利技术一种基于高阶统计分析的信号自适应处理方法，基于高阶统计分析算法提出一种自适应门限阈值检测技术，可以通过自身与外界环境的接触来改变自身对信号处理的性能，降低系统误码率，提高系统接收效果。其中，依据相关检测原理，接收信号经累积相关运算后，输出信号的每个帧周期内有L个相关峰，其中只有一个是和本地码完全相关产生的最大自相关峰，携带了发送信号的信息。本专利技术中对给定观测帧长内的累积输出的相关峰经判决、累加、比较，从而得到自适应判决门限。附图说明图1是本专利技术一种基于高阶统计分析的信号自适应处理方法的流程图；图2是无线光通信模型系统结构示意图；图3是图1中对滤波后的信号进行非线性变换的原理图；图4是滑动相关算法基本原理图；图5是脉冲信号自相关特性图；图6是优化滑动算法原理图；图7是优化改进的脉冲信号自相关特性图；图8是门限自适应控制算法模型结构示意图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明本专利技术是一种基于高阶统计分析的信号自适应处理方法本文档来自技高网...

【技术保护点】
1.一种基于高阶统计分析的信号自适应处理方法，其特征在于，包括如下步骤：/n步骤1：对无线光通信模型系统的接收端接收到的信号进行预处理：/n先对此信号进行带通采样，采样后的信号再通过巴特沃兹数字滤波器进行滤波；/n步骤2：对滤波后的信号进行非线性变换，提取出四倍频分量，即进行4次方非线性变换；/n步骤3：对经过步骤2处理的信号进行滑动相关算法的检测；/n步骤4：对步骤3的滑动相关算法进行优化，即在步骤3的滑动相关算法中增加一个参考支路，提高信噪比；/n步骤5：使用高阶统计分析方法处理步骤4得到的信号；/n步骤6：建立门限自适应控制算法模型，进行自适应门限控制。/n

【技术特征摘要】
1.一种基于高阶统计分析的信号自适应处理方法，其特征在于，包括如下步骤：
步骤1：对无线光通信模型系统的接收端接收到的信号进行预处理：
先对此信号进行带通采样，采样后的信号再通过巴特沃兹数字滤波器进行滤波；
步骤2：对滤波后的信号进行非线性变换，提取出四倍频分量，即进行4次方非线性变换；
步骤3：对经过步骤2处理的信号进行滑动相关算法的检测；
步骤4：对步骤3的滑动相关算法进行优化，即在步骤3的滑动相关算法中增加一个参考支路，提高信噪比；
步骤5：使用高阶统计分析方法处理步骤4得到的信号；
步骤6：建立门限自适应控制算法模型，进行自适应门限控制。


2.如权利要求1所述的一种基于高阶统计分析的信号自适应处理方法，其特征在于，所述步骤3中滑动相关算法为滑窗检测的方法，即依次对每个窗口是否有目标进行判决，窗口长度可以近似等于可能出现的目标长度。


3.如权利要求2所述的一种基于高阶统计分析的信号自适应处理方法，其特征在于，所述步骤3的具体过程为：
当接收信号所包含的脉冲信号序列与本地脉冲信号序列相位差小于1/2Tc时，将输出与固定门限比较，大于门限就认为相位差已经小于1/2Tc，捕获完成转入跟踪状态，否则以1/2Tc调整脉冲信号产生器触发脉冲相位，继续捕获。


4.如权利要求1所述的一种基于高阶统计分析的信号自适应处理方法，其特征在于，所述步骤4的参考支路为：采用延后接收信号S(t)一个码长位置的信号与本地脉冲信号做相关得到S2(t)。


5.如权利要求1所述的一种基于高阶统计分析的信号自适应处理方法，其特征在于，所述步骤5的具体过程为：
步骤5.1：假定随机信号变量x1,x2,Λ,xn和x4均值为零，则
c11＝cum(x1,x2)＝E[x1x2]
c111＝cum(x1,x2,x3)＝E[x1x2x3]
c1111＝cum(x1,x2,x3,x4)
＝E[x1x2x3x4]-E[x1x2]E[x3x4]-E[x1x3]E[x2x4]-E[x1x4]E[x2x3]
当随机变量的矩阵不为零时，上式中xi要用xi-E[xi]来替换，同样，前三阶的联合累积量与联合矩一样，而高于四阶的联合矩与联合累积量不同；
步骤5.2：设k阶随机过程{x(n)}的均值为0，则定义该过程的k阶累积量
ck,x(m1,m2,Λ,mk-1)＝cum(x(n),x(n+m...

【专利技术属性】
技术研发人员：柯熙政，季旭宽，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61