基于高阶统计量和神经网络FBMC信号的载波调制识别制造技术

本发明专利技术请求保护一种基于高阶统计量和神经网络FBMC信号的载波调制识别，属于信号处理技术领域。本文利用高阶统计量抑制噪声的特点，同时运用反向传播(back

【技术实现步骤摘要】
基于高阶统计量和神经网络FBMC信号的载波调制识别


[0001]本专利技术涉及多载波通信信号处理，具体为一种基于高阶统计量和神经网络FBMC信号的载波调制识别方法。

技术介绍

[0002]在非协作通信背景下，在接收端对信号检测和解调的前提条件是对多载波调制方式的成功识别，尤其是自动调制识别分类器(automatic modulation classification,AMC)的设计是特别关键的一环。随着AMC技术的发展，衍生出了两类方法：基于似然函数的决策树理论法和基于统计特性的特征提取法，相比决策理论法，特征提取在稳定性和复杂度上更具有优势。
[0003]目前，针对信号的调制方式识别问题，主要集中在单载波信号的调制识别，特征提取的主要方法为高阶统计量和循环谱算法、星座图聚类算法以及小波变换算法等。文献(赵雄文,郭春霞,李景春.基于高阶累积量和循环谱的信号调制方式混合识别算法[J].电子与信息学报,2016,38(03):674
‑
680.)联合高阶循环累积量和循环谱算法构建特征参数，利用反向传播(back
‑
propagation,BP)神经网络对多载波和单载波信号分类。文献(Liu G H,Xu M T.Research on a modulation recognition method for the FBMC
‑
OQAM signals in 5G mobile communication system[C]//2018 13th IEEE Conference on Industrial Electronics and Applications(ICIEA).Wuhan,China:IEEE,2018.)对FBMC信号的子载波调制方式进行了识别，该方法将传统的对数似然比判定与功率谱旁瓣衰减特性相结合，该方法复杂度高且在低信噪比下识别率低。高阶QAM调制信号具有传输效率高的特性，被广泛应用到移动通信系统中，文献(AHMED K.ALI,ERGUN ERCELEBI.Algorithm for automatic recognition of PSK and QAM with unique classifier based on features and threshold levels[J].ISA Transactions,2020,102:173
‑
192.)利用高阶矩算法有效识别出高阶QAM信号。因此，利用高阶统计量算法解决FBMC信号的载波调制方式识别与识别率低是可有效的。
[0004]鉴于此，本专利技术利用高阶统计量算法和BP神经网络构建AMC识别模型，首先将预处理后的MPSK和MQAM信号求二阶、四阶和六阶统计量的值，然后构造三个特征参数，最后利用BP神经网络训练后识别出数字调制信号{BPSK,QPSK,16QAM,32QAM,64QAM,128QAM,256QAM}。

技术实现思路

[0005]本专利技术所要解决的技术问题，在低信噪比下，对FBMC信号的调制方式识别存在研究缺陷，为弥补这一缺陷，本文提出一种基于高阶统计量和神经网络FBMC信号的载波调制识别方法。该方法复杂度简单，在低信噪比下，提高了调制方式的识别率。
[0006]本专利技术解决上述技术问题而提出的技术方案的实施办法为：该方法首先将预处理后的MPSK和MQAM信号求二阶、四阶和六阶统计量的值，然后构造三个特征参数，最后利用BP
神经网络训练后识别出数字调制信号{BPSK,QPSK,16QAM,32QAM,64QAM,128QAM,256QAM}。
[0007]对于FBMC技术下的数字调制方式QAM，传统的QAM调制会导致相邻载波间存在混叠干扰，由此提出OQAM的调制方式，其原理是将QAM调制的I/Q路信息偏移半个码元周期传输来抑制混叠干扰。
[0008]假设接收端经过理想的高斯白噪声信道，其信号模型表达为
[0009][0010]其中:i表示FBMC符号变量；n表示子载波变量；N为载波数；s
n,i
表示第i个符号的第n个载波实值信号；h(t)表示原型滤波器的时域表达式；T为FBMC符号周期；ω(t)表示均值为0，方差为σ2的窄带高斯白噪声。
[0011]数字调制映射MPSK其幅度不传递信息，主要通过相位传递码元信息，其时域表达式为：
[0012]s
MPSK
(t)＝A{I(t)cos[2π(f
c
+nΔf)t]‑
Q(t)sin[2π(f
c
+nΔf)t]} 0≤t≤T
s
ꢀꢀꢀ
(2)
[0013]其中：A为信号幅度，f
c
为初始载波频率，Δf为相邻载波间隔，基带同相分量I(t)＝cosφ
m
g(t
‑
nT
s
)，正交分量Q(t)＝sinφ
m
g(t
‑
nT
s
)，φ
m
∈{2π(m
‑
1)/M,m＝1,2,
…
M}为调制相位，M为调制阶数，g(t)为码元矩形波形，其宽度为T
s
。
[0014]MQAM利用幅度和相位联合传输码元信息，是一种高速调制技术，MQAM调制方式的星座图分为方形QAM(M＝16、64、256)和十字形QAM(M＝32、128)，其时域表达式为：
[0015][0016][0017]其中：A
m
和θ
m
分别表示MQAM信号的幅度及相位；偏移的相位信息满足QAM调制的符号分为实部和虚部分两路调制，且虚实交替映射，在奇偶载波虚实间隔传输，该方法增加传输的数据量，抑制了载波间的干扰。
[0018]首先发送端的Bit流串并变换后，在调制集合{BPSK、QPSK、16QAM、32QAM、64QAM、128QAM、256QAM}中选择载波的调制方式，MQAM经过相位偏移，再通过IFFT与多相网络完成时域加窗。通过理想的白噪声信道，对接收端信号经过AMC模型处理，以实现快速高效的解调恢复出有效信息。
[0019]AMC模型的设计是调制识别中关键技术，其预处理过程主要包括对信号的同步、信道估计、参数估计等过程；然后经过特征算法求不同调制方式下的载波信号的特征值；最后通过不同类型的特征值设计分类器识别载波信号的调制方式，恢复发送端的码元信息，提取有效信息。
[0020]在低信噪比下利用星座图聚类算法识别MQAM信号的识别率低，因为MQAM信号的幅度和相位间隔很小，相邻星座点干扰严重。高阶统计量算法在阶数大于二阶时，能有效抑制高斯白噪声，且根据调制方式的不同，各阶统计量存在差异，根据差异构造特征参数，识别其调制方式。
[0021]假设r(k)表示随机接收信号，其r
*
(k)为复共轭，即对应的信号各阶混合矩定义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高阶统计量和神经网络FBMC信号的载波调制识别，具体步骤：该方法首先将接收端的信号经过同步、参数估计等预处理；然后利用四阶和六阶统计量构建三个特征参数；最后运用不同信号特征参数的差异性，构造BP神经网络识别出QAM(16、32、64、128和256)和PSK(...

【专利技术属性】
技术研发人员：张天骐，王晓烨，张刚，徐伟，陈显露，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：