基于极值分布及小波变换特征的多载波信号类型识别方法技术

本发明专利技术提出了一种基于极值分布及小波变换特征的多载波信号类型识别方法，这是针对OFDM、FOFDM、FBMC、UFMC四种多载波信号，所提出的一种基于超阈值极值及小波变换特征的5G多载波信号识别方法。该方法分为两个步骤：首先，通过对多载波信号的时域模值平方序列进行POT分布拟合检验，以实现对OFDM类及非OFDM类信号的类间识别；而后，分别提取两类信号的频谱Haar小波变换中段的POT极值特征及其线谱存在性特征，以实现类内多载波信号的识别。本发明专利技术避免了算法对训练样本的依赖性，提高了算法在低信噪比条件下的识别性能。低信噪比条件下的识别性能。低信噪比条件下的识别性能。

【技术实现步骤摘要】
基于极值分布及小波变换特征的多载波信号类型识别方法


[0001]本专利技术属于信号识别与处理领域，具体涉及5G新型多载波信号识别方法。

技术介绍

[0002]多载波技术是新一代移动通信系统物理层的关键技术之一，其主要思想是将发送端的数据流通过编码、交织、符号映射等分解成多个比特流，每个比特流都具有更低的传输速率，更小的符号间的干扰。其中，正交频分复用(0rthogonal Frequency Division Multiplexing，OFDM)以其传输效率高、易通过傅立叶变换实现及易于与多输入多输出(Multi Input Multi Output，MIMO)结合等优点被广泛应用于4G通信系统中。但OFDM调制技术也存在一些缺陷。比如，由于多普勒效应的存在，信号在无线信道传输过程中，接收端信号会产生偏移，从而破坏了OFDM系统的正交性。另外，OFDM的高性能是在载波严格同步的情况下得到的，为了保证载波的严格同步系统需要采取很多附加的措施，这无疑增加了系统的复杂性，特别在第五代通信系统(5th Generation，5G)中典型的物联网及机器对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于极值分布及小波变换特征的多载波信号类型识别方法，待识别的多载波信号库中包含OFDM信号、FOFDM信号、FBMC信号与UFMC信号，其特征在于，包括如下步骤：步骤1：对多载波信号的模值取平方，选定阈值λ0，构建超阈值序列；步骤2：计算超阈值序列的经验分布函数，并通过检验超阈值序列的经验分布是否服从GP
‑
I分布，将多载波信号分为OFDM类和非OFDM类；步骤3：对分类后的多载波信号先进行DFT变换后作Haar小波变换，得到多载波信号频谱的小波变换序列；步骤4：针对OFDM类信号，提取多载波信号频谱的小波变换序列中段部分，通过检验其是否服从GP
‑
I分布来对OFDM信号和FOFDM信号进行区分；对非OFDM类信号，对多载波信号频谱的小波变换序列再作一次DFT，并通过检验该频谱中是否存在线谱来对UFMC信号和FBMC信号进行识别。2.如权利要求1所述的基于极值分布及小波变换特征的多载波信号类型识别方法，其特征在于：在步骤1中，待识别信号为r(k)，其模值平方序列为：z(k)＝|r(k)|2式中，s(k)表示多载波信号，h(k)表示信道系数，n(k)为加性高斯白噪声，z(k)是取模平方后的多载波信号，Δf表示载波频率偏移，k表示时间序列的取值，K表示信号样本总数，τ表示定时偏移，N表示子载波的个数。3.如权利要求2所述的基于极值分布及小波变换特征的多载波信号类型识别方法，其特征在于：在步骤1中，选定阈值λ0，构建超阈值序列G：式中，G＝{g1，g2…
g
L
}共有L个样本。4.如权利要求3所述的基于极值分布及小波变换特征的多载波信号类型识别方法，其特征在于：在步骤2中，设超阈值序列G＝{g1，g2…
g
L
}的经验分布函数为F(g)，GP
‑
I分布为F0(g)，则多载波信号中OFDM类信号和非OFDM类信号的识别问题转化为如下概率分布拟合检验：检验采...

【专利技术属性】
技术研发人员：胡国兵，韩磊，赵嫔姣，陈正宇，杨莉，姜志鹏，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：