信号通信论文范文第1篇

1.1中短波电台的现状

中短波电台在历史上为保证航行安全做出了重要贡献，至今仍承担海上通信安全、遇险、救助等任务。目前在我国沿海有上海、广州、天津、大连等电台，它们的工作方式基本上是VHF，SSB，NBDP，Morse，覆盖的频段为400KHz到30MHz。由于各种通信技术的发展和应用，中短波通信受到越来越大的冲击。不但它的应用范围上有很大的局限性，而且更是由于中短波电台系统大多采用模拟方式，它的抗干扰性差，不稳定性而产生的噪声使它的通信质量难以得到保证。目前，通信数字化技术已相当成熟，基于这个技术本论文提出了中短波通信数字化的观点。数字系统与模拟系统不同，它的特性不易随使用条件的变化而变化，数字信号可以存储，可以按照理论算法运算，可以获得较高的指标。这些特点决定了中短波通信的噪声可以通过数字化来解决。

1.2中短波电台的发展方向

在我国不同区域、不同级别、不同用途、不同波段的无线电台很多，无线电台的这些特点，不但使相互间的联合通信很困难，也给电台的功能扩展增加了难度，同时更为重要的是，它使电台无法适应新技术的飞速发展而及时更新换代。因此采用数字化技术，对来自天线射频的信号直接进行采样，以通用的数字信号处理器为硬件平台，用软件来完成无线电台的所有功能，是无线电台的发展方向。

根据我国的目前的情况，改造现有的模拟电台具有非常重要的意义，因为它是使通信设备向小型化、模块化、数字化和软件化过度的一种切实可行的方法。对于短波无线电台而言，随着数字信号处理技术的发展和数字器件越来越多的应用到HF收发信机设备中，现有的HF收发信设备普遍采用微处理器作为电台控制，有的采用了数字式频率合成器，采用了数字式天线匹配器，有的还采用了数字信号处理器以实现自适应链路建立和抗干扰通信。

进入九十年代，国外的通信厂家推出的新型HF收发信设备，出现了数字化接收机，数字化发射激励器、数字化电台等设备。这类设备同以往设备的最大区别是采用数字信号处理技术代替了以往设备中与各种工作方式有关的模拟器件，这样可以利用数字信号处理方面的许多优点，例如在模拟设备中的边带滤波器的群迟延特性在通带范围内是U型的，不是常数，而在数字信号处理中用FIR滤波器很容易实现群迟延特性为常数。

HF收发信设备数字化的实质是收发信设备中信道部分的数字化，它采用数字信号处理技术实现音频与中频之间的频潜变换，涉及的内容主要有音频处理，各种工作方式的调制/解调，中频及射频的自动增益控制/自动电平控制。

HF收发信设备信道数字化后，由于采用了大规模集成电路取代分立元件，用软件实现滤波器等功能，简化了硬件电路，同时提高了性能指标和可*性，也增加了电台灵活性，为软件无线电打下了基础。

现有的模拟式HF收发信机设备均采用2至3个中频，否则无法实现高的性能指标。理想的数字化方案应是*近天线的数字化，考虑到HF波段的特点和现有的技术，现在取消中频直接在射频上数字化在技术上是非常困难的，在目前是难以实现的，较好的数字化方案是应该在较适中的频率上数字化。

收发信机普遍采用高中频的方案：第一中频在40MHz到100MHz之间，受到硬件技术发展水平的限制，在一中频实现数字化是非常困难的，因此HF收发信机的数字化主要集中在9MHz、2.5MHz、500KHz、200KHz。

高于200KHz中频的数字化通常只采用两个中频，而低于200KMz中频的数字化往往要采用三个中频。采用三个中频的HF收发信设备较采用两个中频的HF收发信设备的硬件电路要复杂。在较低的中频上数字化是采用三个中频的主要原因，目前的技术在二中频上实现数字化己经成熟，且在三中频上数字化也没有明显的好处，所以新的数字化方案中避免在较低的中频上数字化。

综上所述，目前的HF收发信设备的数字化方案应采用双中频方案，在二中频上实现数字化，二中频的频率应高于200KHz。在较高的中频上实现数字化可以获得较高的处理增益，达到较高的性能指标。

2．多级抽取数据处理原理

对于数字电视广播信号反射回波的频谱分布，我们只对其中心频率附近可能出现的运动目标的一段频谱感兴趣，例如：由传输速率决定的数字电视广播信号的频谱宽度为432MHz，而实际目标可能覆盖的频段不会超过20kHz。如果对所有采样点计算FFT，计算量非常大，且这样的计算效率很低。如果采用信号抽取方法就可以做局部的谱分析，提高计算效率。实现局部频谱分析的工作原理，如图1所示。信号经过复调制，把要进行分析的一段频谱（例如X0附近）搬移到零频附近，然后进行MB1的抽取，这样在较少的点数下做信号频谱分析，达到细化频谱的目的。

但是当抽取因子M很大时，一次抽取对滤波器的特性要求很高，为滤波器的设计带来困难。如果采用多级采样率变换来实现抽取，不但可以简化滤波器的设计，而且可以进一步减少计算量和系统的存储量。

3．多抽样率数字信号处理技术

在一个信号处理系统中有时需要不同的抽样率。这样做的目的有时是为了系统中各处需要不同的抽样率，以利于信号的处理、编码、传输和存储，有时是为了节省计算工作量。使抽样率降低的抽样率转换称为抽取；使抽样率升高的抽样率转换称为内插，抽取和内插是多抽样率信号处理的基木环节。

3.1多抽样率数字信号处理

实现多抽样率变换的基本方法包括：整数抽取、整数内插、抽样速率的有理数变换等。

（1）整数抽取

如图2所示为整数抽取器的结构，其中为抗混叠低通滤波器，其理想频域响应为：

（1）

设输入信号的频域响应为，通过计算可得输出信号的频域响应为

（2）

若满足（1）式，则有。即整数抽取序列的数字谱是M个输入序列经频谱扩展（M倍）和周期移位后的迭加谱，提高了信号的频域分辨率。

图2整数抽取器的结构

（2）整数内插

如图3所示为整数内插器的结构，其中为平滑低通滤波器，其理想频域响应为：

（3）

图3整数内插器的结构

设输入信号的频域响应为，通过计算可得输出信号的频域响应为

（4）

即整数内插序列的数字谱是输入序列经L倍压缩后的谱提高了信号的时域分辨率。

（3）抽样速率的有理数变换

以上介绍的整数内插与抽取都属于采样速率的整数变换，将其推广可得抽样速率的有理数变换。有理数（L/M）倍的速率变换可以这样来实现：首先通过L倍内插然后进行M倍抽取。其中为内插低通滤波器与抽取低通滤波器合二为一，满足下式，式中

（5）

3.2滤波器设计及实现

在多抽样率系统中我们总是设法把乘法运算安排在低抽样率的一侧以使每秒钟内的乘法次数（MPS）最少。但在抽取器和内插器中滤波的卷积运算都是在抽样率较高的一侧，例如实现抽取器的运算，如果先做抗混迭滤波的卷积计算然后抽取，则必然有很多计算工作是徒劳的，而且一个卷积运算又必须再在输入信号的抽样时间间隔内完成，这样就使得每秒钟的乘法次数很高。在实现多抽样率系统时，FIR结构具有很大的优越性。一方面它绝对稳定的，并具有很容易做成线性相位的优点，另一方面也容易实现高效结构。

多抽样率系统的实现一般有3种结构：直接实现、多相结构的实现、时变网络的高效实现。在实际中应用广泛的是多相结构的实现，同时在HSP50215、HSP50214中也主要使用这种方式。多抽样率系统中的多相表示和整数倍内插器表示两种方式。其中多相表示又称为多相分解，是指将数字滤波器的转移函数H（z）分解成若干个相位不同的组。通常，对于简单整系数滤波器，在抽取系统中，当抽取因子D不恰好是2的幂，但包含多个二倍抽取器的级连，我们常常在抽取系统的第一级（或内插系统的最后一级）采用运算极为简单的整系数滤波器，因为这种简单的整系数滤波器的的低通滤波性能并不很好，所以它只用于抽取系统的第一级或内插系统的最后一级，其余各级则仍使用半带滤波器。这是HSP502I4中CIC滤波器和半带滤波器级连这种结构设计的依据。

（1）数字高通滤波器的设计

设采样频率为F=250Hz，为了减少孔径误差，其频率稳定度远远高于电网频率稳定度（由需要的处理精度确定）。其中对于孔径误差，它指因采样频率不稳定造成采样脉冲未在预定时刻t0出现，而是在t0之前或之后出现，所采样的值与实际t0时刻的值之差。其频率稳定度为max[|f－f0|]/f0，式中f0为标准频率，f为实际出现或允许出现的频率，且N=125，其中：

|Gd（k）|=[0，a1，a2，1，…，1，a2，a1]（6）

Gd（k）=exp（－jkpi（N－1）/N）k=0，1，2，…，N－1（7）

式中N为Gd（k）的长度，在计算机上调整a1和a2，可改变高通滤波器的频率特性。由傅里叶反变换可求得其N点单位抽样响应g（n）=IDFT（Gd（k）），且g（n）对称。

（2）由数字高通滤波器到多带阻带通滤波器

根据多抽样率思想，对g（n）进行插值，每一个g（n）后面插入K－1个0，令h（n）=g（n/K），n=0，K，2K，3K，…，（N－1）K；h（n）=0，n=其他。并取h（n）的长度为KN，K=F/50=5。

由多抽样率理论很容易推导出h（n）的频谱将是g（n）的频谱的K倍压缩。在matlab上仿真，由h（n）的频谱图可以看出，其阻带中心频率在0Hz，50Hz，100Hz，150Hz，200Hz处。

调整a1和a2的值，可达到阻带宽度为0.36Hz时，衰减超过60dB；阻带宽度为0.4Hz时，衰减超过52dB；通带下限频率（或上限频率）与阻带中心频率的差为2（F/N）/（F/50）=2×50/N=0.8Hz，通带减不超过3dB。在直流附近，低于0.18Hz的信号将被滤掉，衰减大于60dB，大于0.8Hz的信号将得到保留，其衰减不超过3dB，在通带内的纹波系数小于1.2%。

参考文献：

1．宗孔德，《多抽样信号处理》，清华大学出版社，2004

2．玉美、高西全、彭学愚，《数字信号处理》，西安电子科技大学出版社，2006

3．姚天任、孙洪，《现代数字信号处理》，华中科技大学出版社，2005

4．周浩敏，《信号处理技术基础》，北京航空航天出版社，2001

信号通信论文范文第2篇

论文关键词：城市轨道交通，信号设备，检修计划，施工软件管理系统

 

0 引言

城市轨道交通是城市中的公益性交通基础设施，是城市百年大计的建设运营项目，也是目前正在蓬勃发展的行业。轨道交通项目一旦投入运营，就必须保持整个系统日以继夜的正常运行。而整个系统的正常运营，必须要以设备安全运行为前提和保障。

地铁设备主要有以下几个部分：车辆，供电系统，通信设备，信号设备，机电设备，工务设备等。为保证系统中所有设备安全、良好运行，必须有一套能协调各专业、行之有效的检修方案。

1 设备检修分类及内容

设备检修计划，按检修的目的，可以分为设备预防性检修计划、改善性计划检修、故障检修计划；按检修的深入程度，可分为大、中、小修、二级保养等；按编制的时间点，可分为年度检修计划、月度检修计划、日检修计划、临时检修计划。

在南京地铁运营分公司，在每日坚持对设备状态进行巡查的基础上，把信号设备的保养检修分为月检查、二级保养、小修、中修等几种等级，检修的时间间隔分别为月、季、半年（年）、10年。

1.1 月检查

月检查的检修间隔为每个月，针对对重要的（损坏后果很严重）、使用频率高、易损坏的零件进行例行检查，比如处于关键位置的道岔。月检查主要包括以下几个检修内容：⑴检查基本状态、检查紧固零件；⑵检查调整零件；⑶检查润滑及冷却系统；⑷检查启动和传动装置；⑸修理或更换易损件；⑹处理检查出来的缺陷，排除故障；⑺做好检修数据记录。

1.2 二级保养

二级保养的检修间隔为一个季度，检修内容与月检查几乎相同，检修的对象更全面。

1.3 小修

小修通常以半年(一年)为检修间隔，是对易损元件或者设备的一般缺陷进行维护性的检查和修理，以保证设备的正常运行。通常检修的项目比较多，检修的时间比较长，主要包括以下几个检修内容：⑴检查基本状态、检查紧固零件；⑵检查调整零件；⑶检查润滑及冷却系统；⑷检查启动和传动装置；⑸修理或更换易损件；⑹更换阀门；⑺更换填料和垫片；⑻处理检查出来的缺陷，排除故障等；⑼基本功能测试；⑽做好检修数据记录。以地铁信号系统的转辙机为例的检修内容如表1所示。

表1 室外的转辙机小修检修内容

 

序号

检修对象

转辙机的小修检修内容

1

检查基本状态、检查紧固零件

各部螺栓、锁轴检查、紧固；老伤裂纹检查

2

检查调整零件

道岔密贴(2mm/4mm试验)、锁闭、开程及表示缺口检查

3

检查润滑及冷却系统

锁闭框、锁闭钩、锁闭杆检查及油润

4

检查启动和传动装置

手摇转辙机交通论文，阻力检查；摩擦联结器、滚珠丝杠、动作杆检查；电机及速动开关组检查

5

修理或更换易损件

开口销、绑扎线检查

6

更换填料和垫片

转辙机盒子密封性检查

7

基本功能测试

手摇转辙机，阻力检查；转换力检查；道岔方正、磨卡别劲检查

8

处理检查出来的缺陷，排除故障等

排除检查出来的故障

9

信号通信论文范文第3篇

【关键词】蒙特卡罗仿真 信噪比 误码率

【中图分类号】TN911 【文献标识码】A 【文章编号】1006-9682（2012）10-0084-02

蒙特卡罗（Monte Carlo）方法是一种基于随机试验和统计计算的数值方法，其基本原理是当需要求解的问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，可以通过一种“实验”的方法，用这种事件出现的频率来估计该随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。如果需要求解的问题不是一个随机事件问题，还可以通过数学分析找出与之等价的随机事件模型，然后再利用蒙特卡罗方法去求解。[1]

误码率是评价一个通信系统性能优劣的重要指标，但由于误码率的计算公式复杂，甚至在很多情况下无法得到解析解。[2～3]因此通过蒙特卡罗方法模拟实际的通信过程，得到仿真的通信系统误码率就成为一种方便的手段，特别适用于难以对检测器的性能进行分析的情况。

一、多种二进制基带信号的传输与接收

1.正交信号的传输与接收

在数字通信系统中，0和1组成的二进制数据可以用两个正交波形s0（t）和s1（t）来传输，传输信号通过加性高斯白噪声

信道（AWGN）后叠加了功率谱密度为 （W/Hz）的噪声n（t）。

接收端的信号可表示为：

r（t）=si（t）+n（t），i=0，1；0≤t≤Tb （1）

接收端在接收到信号r（t）后，判断在区间0≤t≤Tb内发送

是0还是1。接收机的设计原则是使差错率最小，满足这个原则的接收机称为最佳接收机。AWGN信道的最佳接收机可以由信号相关器和检测器组成。图1所示：

图1 最佳接收机方框图

信号相关器将接收到的信号r（t）与两个可能的发送信号s0（t）和s1（t）做互相关，假设s0（t）是已发送信号，相关器计算在区间0≤t≤Tb内的两个输出，得：

（2）

式中，n0和n1为信号相关器输出端的噪声分量；Eb为脉冲信号s0（t）的能量。同理，当s1（t）是已发送信号，相关器计算得到两个输出为r1（t）=Eb+n1而r0（t）=n0。

在t=Tb时刻对这两个输出r0（t）和r1（t）采样后，判决器将比较r0（t）和r0（t）并按如下规则判决：当r0>r1时，传输的是0。当r0

因为s0（t）和s1（t）是正交的，所以理论误码率为[1、4]：

（3）

2.双极性信号的传输与接收

在s0（t）和s1（t）是双极性信号时，有s1（t）=-s0（t）。此时图1所示的最佳接收机只需要一个相关器即可。假设相关器与s0（t）做互相关，当发送的是s0（t）时，相关器的输出r=Eb+n，当发送的是s1（t）时，相关器的输出r=-Eb+n，噪声分

量n的方差 ，最佳判断器与阈值0相比较，若r>0则判

断s1（t）被发送，若r

因为s1（t）=-s0（t），所以理论误码率为[1、4]：

（4）

3.单极性信号的传输与接收

用单极性信号来传送二进制序列，若信息比特为0，则不传送任何信号；若信息比特是1，则发送信号波形s（t）。因此，接收到的信号波形可以表示为：

与双极性信号一样，单极性信号的最佳接收机也只需要一个相关器。理论误码率为[1、4]：

（5）

二、二进制基带通信系统的蒙特卡罗仿真

在通信系统仿真中经常采用蒙特卡罗方法来实现误码性能的估计。为了说明问题，以加性高斯白噪声（AWGN）信道下二进制基带信号的误码性能为例，说明如何使用蒙特卡罗方法进行通信系统的误码性能仿真。

1.正交信号数字通信系统的仿真模型

用Simulink建立一个正交信号数字通信系统的仿真模型如图2所示。[1]

图2 正交信号数字通信系统误码性能仿真框图

在该系统模型中，主要包含以下模块：

（1）Random Integer Generator随机整数产生器模块，用它来产生消息比特。

（2）Porduct乘法器模块，在发送端产生s0（t）和s1（t），在接收端则与s0（t）和s1（t）进行相关运算。

（3）AWGN信道模块，用来对发送信号叠加高斯白噪声。

（4）Cumulative Sum累加器模块与乘法器Product2、Product3一起完成相关运算。

（5）Relational Operator关系操作模块用来对相关器的输出进行判决。

（6）误比特率统计模块（BER Calculation），对发送比特和解调比特进行比较，计算误比特率。

设置模型发送nsymbol=100000个数据比特，SNR的范围[0～12]dB，Simulink模型运行结果见图3。

通过曲线分析可知，蒙特卡罗仿真差错率与理论差错率在低信噪比情况下完全一致，而在高信噪比发生了一定的偏差。产生这一结果是因为蒙特卡罗的仿真精度和仿真次数N有密切关系。一般情况下，蒙特卡罗估计是无偏的，N越小，估计的方差就越大；N越大，估计的方差就越小。当N∞时，则估计值收敛于真实值。为了保证仿真精度，蒙特卡罗仿真次数N与给定差错率pe的关系应满足[5]N>10/pe。

由上式可知，当信噪比Eb/N0=10dB时相应的误码率数量级N在10-3以下，根据公式N>10/pe可知为了保证仿真精度与理论值的吻合，N应该大于104次。而上图的仿真误码率曲线是在固定仿真次数为105次的情况下得到的，故仿真误码率曲线与理论曲线基本吻合。当Eb/N0=12dB时相应的误码率数量级在10-5以上。根据公式N>10/pe可知为了保证仿真精度与理论值的吻合，N应该大于106次。而上图的仿真误码率曲线是在固定仿真次数为105次的情况下等到的，故仿真误码率曲线与理论曲线出现偏离。

根据上述分析可知，如果想要使信噪比较大时仿真曲线与理论曲线也比较吻合，可以在信噪比较大时，根据式子N>10/pe采用适当的仿真次数即可解决此问题。

2.双极性和单极性信号数字通信系统的仿真模型

与图2相比，双极性仿真模型只需要一个相关器与s0（t）相关，最后的判决器与0进行比较。单极性与双极性的仿真模型基本相同，只是在二进制数据源的输出端有很小的变化，因此两个模型可以通用。

对3种信号数字通信系统，在不同信噪比下，发送N=100000个数据比特，理论误码率结果图4所示：

从图4可以看出，单极性信号的误比特率高于双极性信号，与双极性信号似乎相差6dB，与正交信号也相差3dB。但是，需要注意的是，使用单极性信号，其平均发送的能量比双极性信号和正交信号少3dB。因此，单极性信号与正交信号性能是相同的，与双极性信号相差3dB。

三、结 论

文中对3种二进制基带通信系统的信号传输和最佳接收进行了理论分析，在此基础上，讨论了以误码率为性能指标的蒙特卡罗仿真建模方法，对蒙特卡罗仿真方法的试验精度等方面进行了性能分析。蒙特卡罗方法在通信系统的仿真中有着广泛的应用，因此有必要对其仿真方法进行研究，更好的运用这种方法解决实际工程问题。

参考文献

1 邵玉斌.Matlab/Simulink通信系统建模与仿真实例分析[M].北京：清华大学出版社，2008

2 Shanmugan K S.通信系统仿真原理与无线应用（肖明波等译）[M].北京：机械工业出版社，2008

3 许建霞、聂明新.基于MATLAB的数字基带传输系统的仿真[J].武汉理工大学学报，2005（6）：450～452

信号通信论文范文第4篇

关键词 高阶统计；MPSK信号调制识别；测试设备

中图分类号：TN911 文献标识码：A 文章编号：1671-7597（2014）20-0063-04

随着通信技术的发展，无线通信环境日益复杂。通信信号在很宽的频带上采用不同调制参数的各种调制方式。对未知信号的调制方式的识别可提供信号的结构、信号源特性等有用信息，并可以为信号的解调提供相应的参数，从而为有效识别和监视这些信号提供依据。这些技术的研究和开发不仅在现代信息对抗系统中，通信对抗中可以得到重要应用，也在无委会电磁频谱管理中可以得到非常大的应用。因此根据物业委员会的频谱管理要求和信号侦查等技术要求，结合无线通信的信道特性，进行系统平台的原理设计和验证，基于C语言进行系统的构建和实现。

该平台拟软件无线电架构进行设计，可以将中频数字通信信号进行数字化处理、分析和参数估计，通过这一系列的参数估计和分析达到将通信的调制方式识别的目的，并实现信号的参数估计（带宽、载波频率、符号率等）与均衡，最终将数字通信信号解码还原成相应的信号星座中的数据。

1 调制方式识别的模型

调制信号的识别问题的实质是模式识别，其核心是特征参数的选取与分类器的设计。特征参数的选取是基于对信号的认识和分析，信号的时域频域分析是信号理论的基础，其时域频域特征也是调制识别的基本特征。基于判决树的分类方法逻辑简单，易于实现。一个基于判决理论方法的调制自动识别器一般由三个部分组成：预处理、特征提取和调制自动识别。原理框图如图1所示。

图1 调制方式识别的模型

预处理的主要功能是对信号进行中频处理得到用于识别的基带信号。预处理主要包括了载波估计，符号速率估计，下变频，符号同步等基本的解调模块。预处理之后的信号能够更好的用于信号调制方式的识别。

特征的提取是识别的主要部分。不同的调制方式在时域频域上有着不同的特征参数，利用这些参数可以识别出不同的调制方式。本文征的提取是基于不同调制方式的频域特征和高阶统计量的联合特征。判决识别模块的功能是通过提取到的特征与设置的阈值进行比较，从而判断出调制类型。

2 信号模型

对于该项技术的研究中，主要涉及到各种调制方式的识别和相应的参数估计，如用于识别的不同调制信号参数的估计、用于解调的参数估计，如带宽、载波和符号率等估计。下面以MPSK和16QAM调制方式的识别为例进行方法的阐述相应的信号模型。发射端的MPSK及16QAM信号可以用统一的信号模型来

表示：

（1）

其中，分别为信号的I路和Q路基带信号。是成型滤波器，一般情况下选用根升余弦滤波器，为符号持续时间，为信号的初始相位，为载波频率，是不同调制方式下的I，Q路符号集，且信号的功率，符号集对应的取值如表1所示。经过高斯白噪声信道之后的信号可以表示成为：

（2）

其中是信道中均值为0方差为的高斯白噪声。

在接收端，信号的载波频率以及符号速率都是未知的，需要对信号的载波频率和符号速率进行估计。本文中符号速率的估计是基于对信号包络的检测，载波频率的估计采用的是频率中心法，具体的过程在下文介绍。

在符号速率估计过程中，设引入的符号偏差为，则得到的存在符号偏差的离散数字信号为

（3）

其中，，是采样时间。

高阶统计量是指高阶矩，高阶累积量以及它们的谱，即高阶矩谱和高阶累积量谱这四种主要的统计量。对于复平稳信号，其高阶矩表示为：

（4）

高阶累量表示为：

（5）

其中表示求累量。设接收端的信号简记为：，其中为信号，为高斯噪声，由高阶累量不变性可以得到：

（6）

现代通信理论有零均值高斯白噪声的M（M>2）阶累量为零，所以

（7）

可以看出如果一非高斯信号是在与之独立的加性高斯噪声中被观测的话，那么观测过程的高阶累积量将与非高斯信号过程的高阶累积量相等。因而，使用高阶累积量作为分析工具，理论上可以完全抑制高斯噪声的影响。信号的各阶高阶累量取决于信号的调制类型，因此通过计算信号高阶累量理论上可以识别出不同的调制方式，这是本文调制方式自动识别的理论出发点。常用的高阶累量与高阶矩之间的关系表示如下：

（8）

（9）

（10）

（11）

（12）

（13）

（14）

文献[2]给出了MPSK信号以及16QAM信号在载波同步，符号同步的情况下常用的高阶累量的理论值如表1所示，表中的表示信号的功率。

表1 符号载波同步下的MPSK及16QAM信号的常用高阶累量值

高阶累

积量 C20 C21 C40 C41 C42 C60 C63

BPSK P P 2P2 2P2 2P2 16P3 13P3

QPSK 0 P P2 0 P2 0 4P3

8PSK 0 P 0 0 P2 0 4P3

16QAM 0 P 0.68P2 0 0.68P2 0 2.08P3

3 载波偏差对调制方式识别的影响

从表2的数据我们可以看到，不同的调制方式其各阶累量是不完全相同的，这就给我们提供了对这些调制方式识别的理论依据。但是这些值的计算是在载波，以及符号完全同步的情况下的到的，而工程应用中不可能完全做到载波和符号完全同步。载波估计模块也只是对信号的中心频率做了一个大概的估计，因此总是存在一定的频率和相位偏差。在有频率以及相位偏差的情况下表1中的值将会发生较大的变化，图2可以说明这一点：

图2 载波偏差为0.01时不同调制方式的值

从图2中可以看到当存在载波偏差的时候，的值与理论值相差较大，由于高阶统计量都与M20，M21有关，因此我们对这两个统计值做推导来说明载波偏差对高阶统计量的值的影响。引用式（11）得到存在载波偏差的基带信号为： （15）

取信号的二次方得：

（16）

对信号进行化简处理：

BPSK： （17）

QPSK： （18）

8PSK： （19）

16QAM：

（20）

计算得：

BPSK： （21）

QPSK：

（22）

同理，8PSK，16QAM信号M20=0。

工程中，一般用平均值作为统计平均值的估计即：当存在载波偏差的时候，= 0。因此，载波偏差会使BPSK信号的M20接近0，而由于QPSK，8PSK，16QAM信号的统计平均值本质上就为0，因此载波偏差不会对其M20造成影响。同理，M40理也会受到类似的影响，所以这类高阶统计量将不适合用来作存在载波偏差信号的特征值。

若对信号的二次方模值求均值可以得到：

（23）

从上式可见，对于任意的载波偏差，信号的模值与载波频差没有关系，因此，将不受载波偏差的影响。同理，类似M42等高阶统计量也不受载波偏差的影响，因此存在载波偏差的时候我们可以选择这一类统计量作为判断的特征值。

4 存在载波偏差的MPSK信号以及16QAM信号的识别

上一节的分析中我们可以看到当信号具有载波偏差的时候，文献[2]定义的部分判决特征值将不适用。本文中根据信号的特点选择参数，以及信号本身的频谱关系来自动识别信号的调制方式。

1）BPSK信号的识别。

当信号是BPSK信号的时候，。由此可见BPSK信号的二次方频谱存在一个单频，而其他形式的PSK或者16QAM都不具备这样的性质，不同调制方式的二次方频谱如图3所示。

a

b

c

d

图3 的频率谱，a：BPSK，b：QPSK，c：8PSK，d：16QAM.SNR=10dB，载波偏出为0.01

从图中可以看出，无论是否存在载波偏差，BPSK信号都会有一个单频分量（没有载波偏差的时候，单频=0Hz），其他几种调制方式的频谱不具备单频的性质，因此检测信号的频谱的单频性质可以识别出BPSK信号。

为了识别出存在载波偏差的16QAM信号，定义判决特征值：，则不同调制方式的F值如下表2所示。

表2 不同调制方式的值

高阶累积量 F

16QAM 2.08E3 0.68E2 13.7594

QPSK 4E3 E2 16

8PSK 4E3 E2 16

我们可以看出16QAM的与QPSK以及8PSK的都不一样，因此计算信号的值可以识别出16QAM信号，图4为不同信噪比下的QPSK，8PSK以及16QAM的的值，其中设定判断阈值为15。

图4 不同信噪比下QPSK，8PSK，16QAM的的值

由于QPSK信号的平方也应该具有BPSK信号的特征， QPSK信号的四次方为：

从上式中可以看出，QPSK信号的四次方频谱也具有BPSK信号二次方频谱的特点，即具有单频分量，而8PSK信号却不具有这样的特点，因此从频谱的关系中我们可以识别出8PSK信号以及QPSK信号。图5所示为QPSK，8PSK信号的四次方频谱。

a QPSK

b 8PSK

图5 的频率谱， （SNR=10dB，载波偏出为0.01）

对于含载波偏差的MPSK和16QAM的识别过程，从以上的分析中可以得出含载波偏差的MPSK和16QAM的识别框图如图6所示，其中th（F）表示对判决的门限值，本文中th（F）=15，具体的步骤为：

1）检测的频谱，若存在单频，则原信号是BPSK，转入步骤4），否则转2）。

2）计算的值，如果

3）检测的频谱，若存在单频，则原信号是QPSK，否则为8PSK，转入步骤4）。

4）返回检测结果。

图6 存在载波偏差的MPSK及16QAM的识别过程

5 仿真结果

本文中分别对100个MPSK及16QAM信号在不同的信噪比条件下进行仿真，并令th（F）=15，仿真时的参数设置如表3所示，仿真结果显示在表4和表5以及图7中。

表3 仿真参数

参数名称 参数值 备 注

符号个数 1000

符号速率fb

（MBoud/s） 3

采样频率fs（MHz） 48 符合带通采样定理

载波频率fc（MHz） 6

过采样因子U 8

符号速率偏差 估计的符号速率 存在偏差

载波偏差 估计的频率 估计的频率都不是精确值，存在载波偏差

根升余弦滚降因子 0.35 成型、匹配滤波

信道信噪比Eb/N0（dB） [0：1：19] AWGN信道

表4 SNR=0dB时自动识别的结果（识别概率%）

输出输入 BPSK QPSK 8PSK 16QAM

BPSK 100 0 0 0

QPSK 0 98 1 1

8PSK 1 0 99 0

16QAM 0 2 6 92

表5 SNR=5dB时自动识别的结果（识别概率%）

输出输入 BPSK QPSK 8PSK 16QAM

BPSK 100 0 0 0

QPSK 0 100 0 0

8PSK 0 0 100 0

16QAM 0 0 0 100

图7 不同信噪比下各调制方式的识别率

从表4以及表5可以看出，在信噪比较低的时候，识别率仍然可以达到较好的效果，尤其是BPSK信号的识别率在低信噪比下仍可达到100%，当信噪比高于5dB的时候，16QAM信号的识别率也可以达到100%。

6 结论

本文通过高阶累积量的方法进行MPSK信号的调制方式识别的研究，进行了相应的信号模型的建立，提出了相应的实现方法，仿真结果表明，该方法是可行的的，可以应用到相应的系统设备中。

参考文献

信号通信论文范文第5篇

关键词：盲源分离，自然梯度算法，自适应步长

 

引言

在科学研究和工程中，很多观测信号可以看成是不可见的源信号的混合，这意味着源信号和传输信道都是未知的，仅仅由观测信号对未知的传输信道和源信号进行估计的问题称为盲源分离（Blind Signal Separation,BSS），所谓“盲”是指（1）源信号不可观测；（2）混合方式未知。硕士论文，自然梯度算法。BSS技术是当前信号处理领域的一个热点研究问题，在生物医学信号处理、军事雷达技术、通信信号处理中有着广泛的应用[1-3]。硕士论文，自然梯度算法。

在Amari[4]的自然梯度算法中，步长的选择对算法的稳定性和收敛速度有着非常重要的影响。步长越大，算法的收敛速度就越快，但同时会引起算法的稳态失调；步长越小，算法的稳态误差就越小，但同时收敛速度变慢。本文算法在迭代过程中，适时对步长进行优化，使得算法在保证稳态误差的情况下收敛速度大幅提高。

1 线性混叠盲源分离模型

假设有n个相互统计独立的未知源信号，经过未知的传输信道后获得m个观测信号,写成矩阵形式为：

（1）

即，该模型称为盲源分离的线性混叠模型，称为混叠矩阵或者传输信道，t为时间指标。硕士论文，自然梯度算法。盲源分离的任务就是在源信号和传输矩阵A均为未知的情况下，仅仅由对源信号作出估计，通过学习，寻找一个满秩的分离矩阵W使得各分量之间尽可能的独立，依此作为对源信号的一个估计。若全局矩阵[5]的各行各列只有一个元素接近于1，其余的元素皆接近于0，此时估计信号是源信号的一个拷贝。硕士论文，自然梯度算法。

2、Iformax[6]（information maximization）盲源分离算法

Informax算法采用信息传输极大准则，通过调整分离矩阵使得非线性输出与网络输入之间的互信息最大：

图1 Informax 算法原理图

由信息论知识：

（2）

边缘熵： （3）

微分熵： （4）

得到代价函数：（5）

与分离矩阵无关，优化代价函数为：

（6）

即算法通过调整通过调整分离矩阵，使得(5)式极大。

采用自然梯度算法搜索代价函数（5）的极值点：

（7）其中： （8）

第个分量：（9）

称为激活函数，是对源信号的概率密度函数的近似估计。硕士论文，自然梯度算法。

3、改进的自适应步长算法

在信号分离的初始阶段，由于信号之间的强相关性，算法需要使用较大学习速率，以加速信号的分离，到了算法的后期，需要跟踪分离出来的信号，同时还需要捕捉未分离出来的信号，此时较小的步长可以满足需求，以分离出剩余的信号。硕士论文，自然梯度算法。算法收敛时满足：

（10）

计算过程的迭代式为[4]：

（11）

当（9）式成立时，算法的迭代式满足：

（12）

由（11）式可以看出，当[7]取值较大时，则信号分离情况较差，需要较大的步长，算法趋于收敛时，取值趋于0。所以可以依据取值大小调整步长。现有定义如下：

（13） （为源信号个数）（14）

（15）

综合（10）(11)（12）（13）（15），本文的自适应步长算法可以描述为：

（16）

令，设置小的正数，当时算法收敛。

4、计算机仿真

随机选取混合矩阵，两个语音信号为：

图2：源声音信号图

Fig2:Sourcespeech signal

混合后的信号图像为：

图3：混合声音信号

Fig3:Mixture speech signal

还原后的信号图像为：

图4: 还原声音信号

Fig4: Recovery speech signal

串音误差曲线图[8]为：

图5：串音误差曲线图

Fig5: Crosstalk error

5总结：

本文在对自然梯度算法进行分析的基础上，提出了算法迭代过程中步长适时调整的依据，在加快算法收敛速度的同时兼顾稳态误差，通过计算机仿真，本文算法的收敛速度明显优于原算法，且稳态误差较小。

参考文献：

[1]张贤达，保铮.盲信号分离.[J]电子学报，2001，29(12):1766一77.

[2]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[3]E.OjaThenonlinearpcalearningruleinindependentcomponentanalysis.[J].NeuroComputing,17(1):25-46,1997.

[4]SAmari.NaturalGradientWorksEfficientlyinLearning.[J].NauralComputation,10,251-276,1998.

[5]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[6]RLinsker.Self-organizationinaperceptualnetwork.Computer,[J].21:105-117,1988.

[7]一种改进的步长自适应EASI算法。[J].舰船电子工程，2006，（2），P137

[8]AmariS,CichockiA,YangHH.Anewlearningalgo2rithmsforblindsignalseparateion[J].NeuralInformationProcess2ingSystems,1996,(8):757～763