基于频域移位平均周期图和神经网络译码的载波同步方法技术

本发明专利技术提出了一种基于频域移位平均周期图和神经网络译码的载波同步方法，首先，利用基于频域移位平均周期图法在低信噪比下对大范围频偏进行初步估计，然后利用初步估计的频偏和频偏变化率进行载波多普勒频偏校正后输入载波细同步部分，在此阶段采用基于神经网络的译码辅助载波同步模型，完成译码过程得到软判决输出信息反馈辅助细同步过程，并经过多次迭代校正过程，实现对残留频差的进一步估计，以消除对后续信号处理过程以及信道译码过程的影响。本发明专利技术分别采用基于频域移位平均周期图法和基于神经网络的译码辅助载波同步模型完成不同范围内的载波多普勒频偏估计，不仅使系统有效工作于低信噪比环境下，而且可实现对大范围频偏的精细校正。

【技术实现步骤摘要】
基于频域移位平均周期图和神经网络译码的载波同步方法
本专利技术涉及无线通信行业的数字信号处理
，特别是指一种基于频域移位平均周期图和神经网络译码的载波同步方法。
技术介绍
载波同步环节是无线通信系统中接收信号处理过程的必备环节，对于后续信号处理过程和有效信息的正确提取至关重要。载波同步结果的精度直接影响后续定时同步、帧同步和译码过程的估计精度，最终影响信息比特的正确提取，从而决定无线通信过程的有效性。随着现代通信技术的高速发展，人们对于现有通信资源的利用率要求越来越高，具体表现为实现尽可能低的信噪比工作范围和尽可能大的载体动态估计范围。现有载波同步技术按照是否有导频辅助可以分为数据辅助和非数据辅助两类。其中数据辅助是通过在信号数据帧中插入导频信号，在接收端通过已知导频信息实现载波同步[参考文献[1]:A.SpalvieriandL.Barletta,"Pilot-AidedCarrierRecoveryinthePresenceofPhaseNoise,"inIEEETransactionsonCommunications,vol.59,no.7,pp.1966-1974,July2011]。虽然算法估计精度高，信噪比工作性能好，但该算法需要占用数据帧资源，是以通信效率换取通信范围，不利于通信系统整体性能的提高。非数据辅助包括传统的锁频锁相环技术[参考文献[2]:P.Henkel,K.GigerandC.Gunther,"Multifrequency,MultisatelliteVectorPhase-LockedLoopforRobustCarrierTracking,"inIEEEJournalofSelectedTopicsinSignalProcessing,vol.3,no.4,pp.674-681,Aug.2009.]、基于傅里叶变换的载波同步算法以及译码辅助的载波同步算法[参考文献[3]:J.Mengetal.,"CarrierFrequencyOffsetEstimationBasedonTwiceFFTMatrixAlgorithm,"2019IEEEInternationalInstrumentationandMeasurementTechnologyConference(I2MTC),Auckland,NewZealand,2019,pp.1-6.//C.Wang,Y.LiandK.Li,"AnHigh-precisionFFTFrequencyOffsetEstimationAlgorithmbasedonInterpolationandBinarySearch,"2019IEEE3rdInformationTechnology,Networking,ElectronicandAutomationControlConference(ITNEC),Chengdu,China,2019,pp.437-442.]，其中锁频锁相环技术是目前应用最为广泛的载波同步技术之一，其经典的反馈校正结构不仅能够保证较好的收敛速度，而且算法结构简单、估计精度高。但是在低信噪比、大动态的通信环境下该算法结构存在着尽可能滤除信号噪声和尽可能拓宽捕获带宽之间难以平衡的设计困难，即便增加粗捕获过程仍然不能满足设计要求。基于傅里叶变换的载波同步算法，是利用信号频谱频率集中和信道噪声频谱分散的不同特性来实现低信噪比下的载波多普勒频偏估计，代表算法有：延迟自相关傅里叶变换、分数阶傅里叶变换和频域移位平均周期图法，均可工作与低信噪比大动态应用环境下的信号快速捕获。其中带有补零的频域移位平均周期图法可在信噪比-41dB、载波多普勒频偏(-300～300)kHz、多普勒变化率(-800～800)Hz/s、码速率为20bps条件下实现频偏精度达±12Hz、多普勒变化率精度达±25Hz/s、捕获概率达在90％以上的载波粗同步[参考文献[4]:段瑞枫,刘荣科,周游,王闰昕,侯毅.一种低复杂度的极低信噪比高动态信号载波粗捕获算法[J].航空学报,2013,34(03):662-669]。虽然该类算法可实现在低信噪比大动态条件下的频偏估计，但是要达到更高数量级的估计精度必须以十倍的计算复杂度为代价，因此为达到较高的估计精度需要与载波细同步算法相结合。基于译码辅助的载波同步算法借助高效信道编码良好的低信噪比性能，利用译码输出软信息辅助载波估计算法实现载波多普勒频偏估计，可以有效工作在低信噪比通信条件下，实现接近理想的性能曲线[参考文献[5]:Bai,C.,Cheng,Z.Acode-aidedcarriersynchronizationalgorithmbasedonimprovednonbinarylow-densityparity-checkcodes.Optoelectron.Lett.12,353–357(2016).https://doi.org/10.1007/s11801-016-6089-z]。但是该算法的计算复杂度很高，对频率估计的计算复杂度更高，此外该算法需要结合信道译码环节，同步过程耗时与译码时长相关联，信息比特速率过低势必会影响载波多普勒频偏估计速度，限制算法应用范围。近年来，随着深度学习算法在信号处理领域的研究不断深入，以基于神经网络的深度学习算法替代传统置信度传播译码算法不仅可以提高译码速度，而且可以降低译码部分的信噪比工作范围[参考文献[6]:A.R.Karami,M.AhmadianAttariandH.Tavakoli,"MultiLayerPerceptronNeuralNetworksDecoderforLDPCCodes,"20095thInternationalConferenceonWirelessCommunications,NetworkingandMobileComputing,Beijing,2009,pp.1-4]，然而基于神经网络的译码算法在载波同步过程中的应用还未有人尝试，有待进一步研究。可见，现有同步算法可以解决在一定范围内的低信噪比大动态下的载波同步问题，但仍存在着许多问题未得到解决，亟待进一步研究：1)随着我国空间探测活动的深入，如何实现在信噪比低于常规通信信噪比范围下的信号传输，提高现有算法的鲁棒性，对保障空间探测器的可靠工作具有重要意义；2)空间探测器及弹载通信系统极大的动态变化范围给测控信号的快速捕获过程带来极大困难，如何快速准确地实现该条件下的载波同步对于拓展无线电通信技术应用范围，进一步开发现有通信资源至关重要；3)现有算法多采用分阶段实现结构，存在着结构复杂、整体设计困难以及缺乏自适应性的问题，因此，如何简化现有载波同步算法结构，提高算法自适应性也是迫切需要解决的问题。
技术实现思路
针对上述
技术介绍
中存在的不足，本专利技术提出了一种基于频域移位平均周期图和神经网络译码的载波同步方法，解决了现有载波同步技术的实现结构复杂、自适应差的技术问题。本专利技术的技术方案是这样实现的：一种基于频域移位平均周期图和神经网络译码的载波同步方法，其步本文档来自技高网...

【技术保护点】
1.一种基于频域移位平均周期图和神经网络译码的载波同步方法，其特征在于，其步骤如下：/n步骤一、针对接收信号的第一次频谱，分别以首个前半符号周期和首个后半符号周期为起点，每隔半个符号周期对接收信号的第一次频谱执行带有补零的FFT运算，得到前半符号周期的累积频谱峰值P

【技术特征摘要】
1.一种基于频域移位平均周期图和神经网络译码的载波同步方法，其特征在于，其步骤如下：
步骤一、针对接收信号的第一次频谱，分别以首个前半符号周期和首个后半符号周期为起点，每隔半个符号周期对接收信号的第一次频谱执行带有补零的FFT运算，得到前半符号周期的累积频谱峰值P1和后半符号周期的累积频谱峰值P2；
步骤二、将前半符号周期的累积频谱峰值P1与后半符号周期的累积频谱峰值P2进行比较，当P1>P2时，将首个前半符号周期作为接收信号的的起点，否则，将首个后半符号周期作为接收信号的起点；
步骤三、根据步骤二得到的接收信号的起点，每隔半个符号周期对接收信号执行带有补零的频域移位平均周期图法，得到多普勒频偏估计值和频偏变化率；
步骤四、根据多普勒频偏估计值和频偏变化率生成本地频偏矫正信号，并将本地频偏矫正信号和接收信号输入乘法器，获得载波多普勒频偏补偿信号；
步骤五、在译码辅助迭代载波同步算法中引入了神经网络，构建基于神经网络的译码辅助载波细同步模型；
步骤六、将步骤四中的载波多普勒频偏补偿信号输入基于神经网络的译码辅助载波细同步模型中，得到经过载波细同步的码字，实现输出软信息辅助载波细同步过程。


2.根据权利要求1所述的基于频域移位平均周期图和神经网络译码的载波同步方法，其特征在于，所述每隔半个符号周期对接收信号执行带有补零的FFT运算，得到累积频谱峰值P1、P2的方法为：
S11、设置信号多普勒频偏范围为基带码速率为Rb，信号采样fs，频谱累积次数的下限M，其中，M≥2fs2/(N2astep)；
S12、设置累计次数m＝1，前半符号周期的累积频谱峰值P1＝0，后半符号周期的累计频谱峰值P2＝0，设置FFT补零倍数需满足的条件为：(k+1)/R≈(fs/N)2/(amax-amin)，其中，k表示补零倍数，表示单次傅里叶变换点数；
S13、利用信号采样fs对接收信号s(t)的第一次频谱的第m个前半符号周期进行采样，得到N个采样点，并在N个采样点后补充N*k个零点，再对N*(k+1)个点进行FFT变换，得到第m个前半符号周期的峰值pm；
S14、将第m个前半符号周期的峰值pm累加到前半符号周期的累积频谱峰值P1上，即P1＝P1+pm；
S15、m＝m+1，判断m是否大于M，若是，输出前半符号周期的累积频谱峰值P1，否则，返回步骤S13；
S16、将累计次数m重置为1；
S17、利用信号采样fs对接收信号s(t)的第一次频谱的第m个后半符号周期进行采样，得到N个采样点，并在N个采样点后补充N*k个零点，再对N*(k+1)个点进行FFT变换，得到第m个后半符号周期的峰值p'm；
S18、将第m个后半符号周期的峰值p'm累加到后半符号周期的累积频谱峰值P2上，即P2＝P2+p'm；
S19、m＝m+1，判断m是否大于M，若是，输出后半符号周期的累积频谱峰值P2，否则，返回步骤S17。


3.根据权利要求1所述的基于频域移位平均周期图和神经网络译码的载波同步方法，其特征在于，所述根据步骤二得到的接收信号的起点，每隔半个符号周期对接收信号执行带有补零的频域移位平均周期图法，得到多普勒频偏估计值和频偏变化率的方法为：
S31、设置信号多普勒频偏范围为频偏变化率范围为[amin,amax]，基带码速率为Rb，信号采样fs，频偏变化率精度要求apre，匹配支路数R＝(amax-amin)/astep+1，匹配支路变化率步进astep＝2apre，频谱累积次数的下限M，其中，M≥2fs2/(N2astep)；
S32、设置累计次数m'＝1，设置FFT补零倍数需满足的条件为：(k+1)/R≈(fs/N)2/(amax-amin)，其中，k表示补零倍数，表示单次傅里叶变换点数；
S33、利用信号采样fs对接收信号s(t)的第m'个半符号周期进行采样，得到N个采样点，并在N个采样点后补充N*k个零点，再对N*(k+1)个点进行FFT变换，得到第m'个半符号周期的峰值pm'；
S34、将第m'个半符号周期的峰值pm'累加到半符号周期的累积频谱峰值R'上，即R'＝R'+pm'；
S35、m'＝m'+2，判断是否大于M，若是，输出半符号周期的累积频谱峰值R'，否则，返回步骤S33；
S36、对频谱进行...

【专利技术属性】
技术研发人员：魏苗苗，张爱华，李春雷，徐庆伟，杨艳，黄杰，杨益，郭振铎，高辉，
申请(专利权)人：中原工学院，
类型：发明
国别省市：河南;41