[發明專利]高階調制線性混合信號頻偏初相聯合估計方法及裝置

有效

• 申請號: 201910272227.4
• 申請日: 2019-04-04
• 公開（公告）號: CN110138698B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 魏馳;彭華
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: H04L27/00
• 分類號: H04L27/00;G06N3/08;G06K9/00;G06F17/15
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

1.一種高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，包含如下內容：

針對兩路線性混合信號，按符號周期采樣，獲取混合離散信號；

根據混合離散信號，對頻偏與初相聯合估計，建立兩者的聯合估計代價函數；

利用神經網絡對聯合估計代價函數進行預測，通過求解代價函數極值獲取頻偏與初相的估計值；

利用神經網絡對聯合估計代價函數進行預測中，采用BP神經網絡拓撲結構模型，分別對該結構模型進行訓練檢測，然后再利用訓練檢測后的結構模型對混合信號進行估計；

利用神經網絡對聯合估計代價函數進行預測，包含如下內容：

確定頻偏和初相兩個估計參數粗區間范圍；

在兩個區間范圍內各隨機選取N個值，并分別獲取選取的頻偏、初相兩個值的歐式距離；

將分別選取N個頻偏和初相值作為神經網絡輸入，將獲取到的歐氏距離作為神經網絡訓練輸出，對網絡模型參數進行反復訓練學習，直至誤差接近目標誤差系數，完成神經網絡的訓練；

在兩個區間范圍內再隨機選取M個值并依次獲取參數變量的歐氏距離，對訓練后的神經網絡進行測試，通過對比網絡輸出值與真實值誤差進行神經網絡模型的檢測；

設定搜索頻率區間，根據神經網絡模型在搜索頻率區間內輸出的函數值，確定兩路信號的頻偏和初相值。

2.根據權利要求1所述的高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，混合離散信號表示為：

其中，g(·)為等效信道濾波器，L₁、L₂為等效信道濾波器的非因果和因果周期，s^(t)_k+m為第t路信號的第k+m個輸入符號，h_t為幅度，Δf_t為頻偏，為初相，τ_t,k為時間延時，v_k為均值為0、功率譜密度為N₀時的加性高斯白噪聲在k時刻的采樣值，T為符號周期。

3.根據權利要求2所述的高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，建立聯合估計代價函數，包含如下內容：

首先，信號幀數為N_f，獲取混合離散信號中關于信道參數的似然函數；

然后，依據采樣率采樣過程，獲取信號最佳采樣；

依據信號最佳采樣，將似然函數最大化的求解轉化為信道參數函數最小化求解。

4.根據權利要求3所述的高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，信道參數函數最小化求解中，通過計算頻偏和初相兩個向量的歐氏距離最小值，獲取頻偏和初相兩個的估計值。

5.根據權利要求4所述的高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，歐氏距離計算公式表示為：

其中，Q＝2πΔf_t(i+n·N)T，T為符號周期，N_f為信號幀數，K為同步碼符號長度，N為信號符號幀長，y_i+n·N表示信號符號幀長為N的混合信號，a^(t)_i-nt+1表示第t路信號中同步幀i-n_t+1位置的同步碼符號，表示表示第t路信號初相估計值，n₁表示第1路信號編碼起始位置，n_t表示第t路信號編碼起始位置。

6.根據權利要求1所述的高階調制線性混合信號頻偏初相聯合估計方法，其特征在于，設定搜索頻率區間，選取兩路信號的頻偏和初相值中，首先根據神經網絡模型在搜索頻率區間內輸出的函數值，選取兩個最大值分別對應的頻偏和初相值，作為粗搜索的兩路頻偏和初相值；然后，采用二分法進行細密搜索，依據迭代次數設定頻偏和相位二級搜索的分辨率，并依據輸出函數值，選取輸出的最大值分別對應的頻偏和初相值作為精確搜索最終確定的兩路頻偏和初相值。

7.一種高階調制線性混合信號頻偏初相聯合估計裝置，其特征在于，包含信號獲取模塊、函數建立模塊和預測求解模塊，其中，

信號獲取模塊，用于針對兩路線性混合信號，按符號周期采樣，獲取混合離散信號；

函數建立模塊，用于根據混合離散信號，對頻偏與初相聯合估計，建立兩者的聯合估計代價函數；

預測求解模塊，用于利用神經網絡對聯合估計代價函數進行預測，通過求解代價函數極值獲取頻偏與初相的估計值；

所述預測求解模塊包含參數范圍確定單元、數值選取單元、訓練學習單元、模型檢測單元和估計輸出單元，其中，

參數范圍確定單元，用于確定頻偏和初相兩個估計參數粗區間范圍；

數值選取單元，用于在兩個區間范圍內各隨機選取N個值，并分別獲取選取的頻偏、初相兩個值的歐式距離；

訓練學習單元，用于將分別選取N個頻偏和初相值作為神經網絡輸入，將獲取到的歐氏距離作為神經網絡訓練輸出，對網絡模型參數進行反復訓練學習，直至誤差接近目標誤差系數，完成神經網絡的訓練；

模型檢測單元，用于在兩個區間范圍內再隨機選取M個值并依次獲取參數變量的歐氏距離，對訓練后的神經網絡進行測試，通過對比網絡輸出值與真實值誤差進行神經網絡模型的檢測；

估計輸出單元，用于設定搜索頻率區間，根據神經網絡模型在搜索頻率區間內輸出的函數值，確定兩路信號的頻偏和初相值。