首页 / 专利库 / 变压器和转换设备 / 鉴频器 / 一种基于等效扩频跟踪的自适应时频交叠信号分离方法

一种基于等效扩频跟踪的自适应时频交叠信号分离方法

阅读:737发布:2020-05-14

专利汇可以提供一种基于等效扩频跟踪的自适应时频交叠信号分离方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种基于等效扩频 跟踪 的自适应时频交叠 信号 分离方法,属于卫星通信和 数字信号 处理技术领域,具体包括如下步骤:重构已知信号,时延和频偏粗捕获,时延和频偏精确跟踪,幅度自适应估计,信号分离。采用本发明的时频交叠信号分离方法,能对卫星通信中的时频交叠信号进行有效分离, 算法 简单易实现、适应低 信噪比 、适用多种调制方式、算法性能高。,下面是一种基于等效扩频跟踪的自适应时频交叠信号分离方法专利的具体信息内容。

1.一种基于等效扩频跟踪的自适应时频交叠信号分离方法,其特征在于,具体包括如下步骤:
步骤1,重构已知信号:设接收的混合信号包含一路已知信号和一路未知信号,已知信号的参数已知,包括成型参数、符号速率及调制方式,要从混合信号中获得未知信号,需要先根据已知信号的参数重新构建已知信号的采样序列;
步骤2:频偏和时延粗捕获:通过基于傅里叶变换(FFT)的并行捕获的方法对接收的混合信号中存在的频偏和时延进行初步估计,初步估计后的频偏和时延作为精确跟踪的初始值;
步骤3:频偏和时延精确跟踪:通过等效扩频跟踪的方法对频偏和时延进行精确跟踪,消除混合信号中的频偏,并根据精确跟踪得到的时延调整本地重构已知信号相位,通过频环(FLL)和锁相环(PLL)对频偏进行跟踪,通过延迟锁相环(DLL)对时延进行跟踪;
步骤4:幅度自适应估计:通过NLMS自适应算法对本地重构的已知信号幅度进行估计,其中,NLMS自适应算法为归一化LMS算法;
步骤5:信号分离:根据步骤2的初步估计、步骤3进行精确跟踪得到的频偏、时延和步骤
4估计的幅度对本地重构信号进行调整,从混合信号中抵消掉重构的信号,得到未知信号。
2.根据权利要求1所述的基于等效扩频跟踪的自适应时频交叠信号分离方法,其特征在于,所述步骤2频偏和时延粗捕获根据如下公式(1)计算得到:
其中, 为相关峰值,时延最小时相关峰值最大,
为频偏估计量,SLocal为本地重构已知信号序列,
Smix为混合信号,wc为载频,Ts为采样间隔。
3.根据权利要求1所述的基于等效扩频跟踪的自适应时频交叠信号分离方法,其特征在于,所述步骤3频偏和时延精确跟踪具体过程为:
步骤3.1,时延精确跟踪,具体步骤如下:
采用延迟锁定环路,利用已知序列a的自相关特性,将本地序列分为超前支路和滞后支路,分别进行积分累加,通过环路鉴别函数计算值控制环路滤波器输出误差信号,通过该误差信号去控制时钟移位,使本地已知序列a与接收到的信号精确同步,其中,延迟锁相环环路鉴别函数具体为:
其中,Acce为超前支路积分累加值,Accl为滞后之路积分累加值,D为超前支路和滞后支路时间差,一般取0.5;
步骤3.2:频偏精确跟踪,具体步骤如下:
频偏跟踪环路由鉴别器和环路滤波器2个部分组成,其中,频偏跟踪环路采用FLL+PLL结合的方法,其中,FLL为锁频环;
其中,锁频环采用叉积点积-二象限反正切鉴频器,锁频环鉴别函数具体为:
DisFLL=-arctan2(Pcross/Pdot)/2πT      (3)
其中,Pcross、Pdot为叉积和点积,T为积分时长;
锁相环采用四象限反正切鉴相器,锁相环鉴别函数为:
其中,AccI、AccR为积分结果的虚部实部
4.根据权利要求1所述的基于等效扩频跟踪的自适应时频交叠信号分离方法,其特征在于,在步骤4中:
LMS算法包括滤波过程和自适应过程两个基本过程:具体如下:
滤波过程:自适应滤波器计算器对输入x(n)的相应,并且通过与期望响应d(n)比较,得到估计的误差信号e(n);
自适应过程:系统估计误差自动调整滤波器w(n)自身的参数;
滤波过程和自适应过程两个过程共同组成一个反馈环;
误差信号为:
e(n)=d(n)-y(n)     (5)
自适应滤波器输出为:
T T
y(n)=x(n)w(n)=w(n)x(n)       (6)
2
估计均方误差函数ξ=E[e (n)]的梯度▽(n),以此梯度估计值 来替代最速下降法中的理论情况下的梯度真值;LMS算法进行梯度估计的方法是以误差信号每一次迭代的瞬时平方值代替其均方值,并以此来估计梯度的,即:
用梯度值 替代最速下降法中的梯度真值▽(n),得到
w(n+1)=w(n)+2μe(n)x(n)       (8)
对收敛因子μ进行归一化的NLMS算法,则的归一化收敛因子表示为:
其中,σx2为输入信号x(n)的方差;通常,用时间平均代替统计方差,则得到归一化LMS:
5.根据权利要求1所述的基于等效扩频跟踪的自适应时频交叠信号分离方法,其特征在于,所述步骤5信号分离具体为:
根据NLMS算法,输入信号为本地序列,即x(n)=Slocal(n),期望信号为去频偏的混合信号,即d(n)=Smix(n),则NLMS环路输出就是抵消了本地序列的另一路信号,即y(n)=Smix(n)-Slocal(n)wT(n)。

说明书全文

一种基于等效扩频跟踪的自适应时频交叠信号分离方法

技术领域

[0001] 本发明属于卫星通信和数字信号处理技术领域,特别是一种基于等效扩频跟踪的自适应时频交叠信号分离方法。

背景技术

[0002] 在当今信息化快速发展的时代,多种多样的电子设备得到广泛应用,从而形成了时域密集、频域混叠空域交织的复杂电磁环境。在卫星通信系统中,地面频谱监测设备监测到时频交叠叠信号的概率大大提高,有效分离出各信号能够对卫星通信频谱资源管控提供重要依据。
[0003] 目前国内外针对时频交叠信号分离的问题,主要有三大类研究。基于滤波的方法:例如基于循环维纳滤波的信号分离方法、基于盲循环维纳滤波的信号分离方法、基于改进的最速下降法的信号分离方法等。基于干扰消除的方法:例如基于自干扰信号波形重构的抵消算法、基于独立分量分析(ICA)的分离方法、基于解调-重构抵消的迭代信号分离方法等。基于参数估计的方法:例如基于粒子滤波理论的单通道时频混合信号盲分离方法、基于Max-Log-Map简化粒子滤波算法的盲分离算法、基于PSP的同频盲分离算法等。
[0004] 前述的信号分离方法普遍存在算法复杂、工程难实现、信噪比要求高和调制方式受限的不足,针对这些不足,本发明的任务将提供一种新的信号分离方法,以实现算法性能高,简单易实现、适应低信噪比和适用多种调制方式的自适应信号分离。

发明内容

[0005] 本发明的目的在于提供一种基于等效扩频跟踪的自适应时频交叠信号分离方法,该方法能够在已知其中一路信号参数的基础上,重构出已知信号,从而通过等效扩频跟踪的技术将时频交叠信号中另外一路信号分离出来,算法简单易实现、适应低信噪比。
[0006] 实现本发明目的的技术解决方案为:
[0007] 一种基于等效扩频跟踪的自适应时频交叠信号分离方法,具体包括如下步骤:
[0008] 步骤1,重构已知信号:设接收的混合信号包含一路已知信号和一路未知信号,已知信号的参数已知,包括成型参数、符号速率及调制方式,要从混合信号中获得未知信号,需要先根据已知信号的参数重新构建已知信号的采样序列;
[0009] 步骤2:频偏和时延粗捕获:通过基于傅里叶变换(FFT)的并行捕获的方法对接收的混合信号中存在的频偏和时延进行初步估计,初步估计后的频偏和时延作为精确跟踪的初始值;
[0010] 步骤3:频偏和时延精确跟踪:通过等效扩频跟踪的方法对频偏和时延进行精确跟踪,消除混合信号中的频偏,并根据精确跟踪得到的时延调整本地重构已知信号相位,通过频环(FLL)和锁相环(PLL)对频偏进行跟踪,通过延迟锁相环(DLL)对时延进行跟踪;
[0011] 步骤4:幅度自适应估计:通过NLMS自适应算法对本地重构的已知信号幅度进行估计,其中,NLMS自适应算法为归一化LMS算法;
[0012] 步骤5:信号分离:根据步骤2的初步估计、步骤3进行精确跟踪得到的频偏、时延和步骤4估计的幅度对本地重构信号进行调整,从混合信号中抵消掉重构的信号,得到未知信号。
[0013] 作为本发明基于等效扩频跟踪的自适应时频交叠信号分离方法的进一步优选方案,所述步骤2频偏和时延粗捕获根据如下公式(1)计算得到:
[0014]
[0015] 其中, 为相关峰值,时延最小时相关峰值最大,为频偏估计量,SLocal为本地重构已知信号序列,
Smix为混合信号,wc为载频,Ts为采样间隔;
[0016] 作为本发明基于等效扩频跟踪的自适应时频交叠信号分离方法的进一步优选方案,所述步骤3频偏和时延精确跟踪具体过程为:
[0017] 步骤3.1,时延精确跟踪,具体步骤如下:
[0018] 采用延迟锁定环路,利用已知序列a的自相关特性,将本地序列分为超前支路和滞后支路,分别进行积分累加,通过环路鉴别函数计算值控制环路滤波器输出误差信号,通过该误差信号去控制时钟移位,使本地已知序列a与接收到的信号精确同步,其中,延迟锁相环环路鉴别函数具体为:
[0019]
[0020] 其中,Acce为超前支路积分累加值,Accl为滞后之路积分累加值,D为超前支路和滞后支路时间差,一般取0.5;
[0021] 步骤3.2:频偏精确跟踪,具体步骤如下:
[0022] 频偏跟踪环路由鉴别器和环路滤波器2个部分组成,其中,频偏跟踪环路采用FLL+PLL结合的方法,其中,FLL为锁频环;
[0023] 其中,锁频环采用叉积点积-二象限反正切鉴频器,锁频环鉴别函数具体为:
[0024] DisFLL=-arctan2(Pcross/Pdot)/2πT   (3)
[0025] 其中,Pcross、Pdot为叉积和点积,T为积分时长;
[0026] 锁相环采用四象限反正切鉴相器,锁相环鉴别函数为:
[0027]
[0028] 其中,AccI、AccR为积分结果的虚部实部
[0029] 作为本发明基于等效扩频跟踪的自适应时频交叠信号分离方法的进一步优选方案,在步骤4中:
[0030] LMS算法包括滤波过程和自适应过程两个基本过程:具体如下:
[0031] 滤波过程:自适应滤波器计算器对输入x(n)的相应,并且通过与期望响应d(n)比较,得到估计的误差信号e(n);
[0032] 自适应过程:系统估计误差自动调整滤波器w(n)自身的参数;
[0033] 滤波过程和自适应过程两个过程共同组成一个反馈环;
[0034] 误差信号为:
[0035] e(n)=d(n)-y(n)   (5)
[0036] 自适应滤波器输出为:
[0037] y(n)=xT(n)w(n)=wT(n)x(n)   (6)
[0038] 估计均方误差函数ξ=E[e2(n)]的梯度 以此梯度估计值 来替代最速下降法中的理论情况下的梯度真值;LMS算法进行梯度估计的方法是以误差信号每一次迭代的瞬时平方值代替其均方值,并以此来估计梯度的,即:
[0039]
[0040] 用梯度值 替代最速下降法中的梯度真值 得到
[0041] w(n+1)=w(n)+2μe(n)x(n)   (8)
[0042] 对收敛因子μ进行归一化的NLMS算法,则的归一化收敛因子表示为:
[0043]
[0044] 其中,σx2为输入信号x(n)的方差;通常,用时间平均代替统计方差,则得到归一化LMS:
[0045]
[0046] 作为本发明基于等效扩频跟踪的自适应时频交叠信号分离方法的进一步优选方案,所述步骤5信号分离具体为:
[0047] 根据NLMS算法,输入信号为本地序列,即x(n)=Slocal(n),期望信号为去频偏的混合信号,即d(n)=Smix(n),则NLMS环路输出就是抵消了本地序列的另一路信号,即y(n)=Smix(n)-Slocal(n)wT(n)。
[0048] 本发明与现有技术相比,其显著优点:
[0049] 1、算法简单易实现:本发明提出的算法采用并行傅里叶变换对时延和频偏进行粗略捕获,采用数字环路技术对时延和频偏进行精确跟踪,采用NLMS算法对幅度进行自适应估计,算法简单,工程上容易实现;
[0050] 2、适应低信噪比:本发明提出的算法是基于等效扩频跟踪的方法,适应信噪比动态范围较大,在低信噪比条件下也能有效分离信号;
[0051] 3、适用多种调制方式:本发明提出的算法适用卫星通信中常用的调制方式,包括BPSK、QPSK、8PSK、16QAM、16APSK;
[0052] 4、算法性能高:本发明提出的算法分离性能高,分离出的未知信号的符号信噪比损失在2dB以内。附图说明
[0053] 图1是本发明基于等效扩频跟踪的自适应时频交叠信号分离方法的流程图
[0054] 图2是分离出的信号与基准信号波形比对仿真结果图;
[0055] 图3是分离出的信号与基准信号频谱比对仿真结果图;
[0056] 图4是时延估计环路收敛结果图。

具体实施方式

[0057] 下面结合附图和具体实施方式对本发明做更进一步的具体说明。
[0058] 如图1所示,一种基于等效扩频跟踪的自适应时频交叠信号分离方法,包括如下步骤:
[0059] 步骤1:重构已知信号:设接收的混合信号包含一路已知信号和一路未知信号,已知信号的参数已知,包括成型参数、符号速率及调制方式,要从混合信号中获得未知信号,需要先根据已知信号的参数重新构建已知信号的采样序列;
[0060] 步骤2:频偏和时延粗捕获:
[0061] 频偏和时延粗捕获可根据如下公式(1)计算得到:
[0062]
[0063] 其中, 为相关峰值,时延最小时相关峰值最大,为频偏估计量,SLocal为本地重构已知信号序列,
Smix为混合信号,wc为载频,Ts为采样间隔;
[0064] 步骤3:频偏和时延精确跟踪:
[0065] (1)时延精确跟踪,具体步骤如下:
[0066] 采用延迟锁定环路,利用已知序列a的自相关特性,将本地序列分为超前支路和滞后支路,分别进行积分累加,通过环路鉴别函数计算值控制环路滤波器输出误差信号,通过该误差信号去控制时钟移位,使本地已知序列a与接收到的信号精确同步,其中,延迟锁相环环路鉴别函数具体为:
[0067]
[0068] 其中,Acce为超前支路积分累加值,Accl为滞后之路积分累加值,D为超前支路和滞后支路时间差,一般取0.5;
[0069] (2)频偏精确跟踪,具体步骤如下:
[0070] 频偏跟踪环路由鉴别器和环路滤波器2个部分组成,其中,频偏跟踪环路采用FLL+PLL结合的方法,其中,FLL为锁频环;
[0071] 其中,锁频环采用叉积点积-二象限反正切鉴频器,锁频环鉴别函数具体为:
[0072] DisFLL=-arctan2(Pcross/Pdot)/2πT   (3)
[0073] 其中,Pcross、Pdot为叉积和点积,T为积分时长;
[0074] 锁相环采用四象限反正切鉴相器,锁相环鉴别函数为:
[0075]
[0076] 其中,AccI、AccR为积分结果的虚部和实部。
[0077] 步骤4:幅度自适应估计:
[0078] 幅度自适应估计采用NLMS算法。
[0079] LMS算法包括两个基本过程:一个是滤波过程,一个是自适应过程。在滤波过程中,自适应滤波器计算器对输入x(n)的相应,并且通过与期望响应d(n)比较,得到估计的误差信号e(n)。在自适应过程中,系统估计误差自动调整滤波器w(n)自身的参数。这两个过程共同组成一个反馈环。
[0080] 误差信号为:
[0081] e(n)=d(n)-y(n)   (7)
[0082] 自适应滤波器输出为:
[0083] y(n)=xT(n)w(n)=wT(n)x(n)   (8)
[0084] 现在的任务是采用一种方法来估计均方误差函数ξ=E[e2(n)]的梯度 以此梯度估计值 来替代最速下降法中的理论情况下的梯度真值。LMS算法进行梯度估计的方法是以误差信号每一次迭代的瞬时平方值代替其均方值,并以此来估计梯度的,即:
[0085]
[0086] 用梯度值 替代最速下降法中的梯度真值 得到
[0087] w(n+1)=w(n)+2μe(n)x(n)   (10)
[0088] 为确保自适应滤波器的稳定收敛,出现了对收敛因子μ进行归一化的NLMS算法,这种算法的归一化收敛因子表示为:
[0089]
[0090] 其中,σx2为输入信号x(n)的方差。通常,用时间平均代替统计方差。则得到归一化LMS:
[0091]
[0092] 步骤5:信号分离:
[0093] 根据NLMS算法,输入信号为本地序列,即x(n)=Slocal(n),期望信号为去频偏的混合信号,即d(n)=Smix(n),则NLMS环路输出就是抵消了本地序列的另一路信号,即y(n)=Smix(n)-Slocal(n)wT(n)。
[0094] 本发明针对卫星通信系统中地面频谱监测设备对时频交叠信号进行分离的问题,提出了一种基于等效扩频跟踪的自适应分离方法,通过数据辅助(DA)重构已知信号,将已知信号作为本地序列,采用等效扩频跟踪的方法调整频偏和时延的影响,采用NLMS算法自适应估计幅度,从而分离出另外一路信号。该方法算法简单,易于实现。
[0095] 图2、图3、图4给出了采用基于等效扩频跟踪的自适应时频交叠信号分离方法的仿真结果。仿真参数为:未知信号BPSK,信噪比30dB,符号速率5M;本地已知信号BPSK,符号速率5M,采样频率40M;两路信号功率对等。仿真验证了该方法的可行性。
[0096] 本发明提供了一种基于等效扩频跟踪的自适应时频交叠信号分离方法,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。另外,本实施例中未明确的各组成部分均可用现有技术加以实现。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈