《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 突發(fā)OFDM信號(hào)調(diào)制識(shí)別
突發(fā)OFDM信號(hào)調(diào)制識(shí)別
來(lái)源:電子技術(shù)應(yīng)用2012年第7期
李國(guó)漢,王可人,劉世春
電子工程學(xué)院, 安徽 合肥 230037
摘要: 為了對(duì)OFDM信號(hào)進(jìn)行識(shí)別,針對(duì)高斯性檢測(cè)法無(wú)法識(shí)別白噪聲和OFDM信號(hào)的問(wèn)題,提出先應(yīng)用多子帶譜熵法進(jìn)行OFDM信號(hào)端點(diǎn)檢測(cè),再構(gòu)造KS檢驗(yàn)統(tǒng)計(jì)量進(jìn)行OFDM信號(hào)識(shí)別的方案。理論分析及仿真結(jié)果表明,多子帶譜熵法能夠有效地進(jìn)行OFDM信號(hào)的端點(diǎn)檢測(cè),基于端點(diǎn)檢測(cè)的KS統(tǒng)計(jì)量降低了純?cè)肼曅盘?hào)帶來(lái)的虛警,進(jìn)而提高了對(duì)OFDM信號(hào)的識(shí)別能力,可以有效地進(jìn)行突發(fā)OFDM信號(hào)的識(shí)別。
中圖分類(lèi)號(hào): TN911.72
文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2012)07-0099-04
Modulation identification on OFDM burst signal
Li Guohan,Wang Keren, Liu Shichun
Electronic Engineering Institute, Hefei 230037, China
Abstract: Gaussianity test is employed to the OFDM modulation identification,but it can not distinguish OFDM from Gaussian noise.In order to solve the ploblem, a KS test statistics after Multi-Bands-Entropy based endpoint detection on OFDM signal is proposed in this paper.The results of simulation and analysis shows Multi-Bands-Entropy based method effectively achieves OFDM signal endpoint detection,and thanks to endpoint detection,the KS statistics reduces the alarm probability caused by pure noise,improves performance of OFDM identification.The method presented in this paper can achieve OFDM burst signal modulation identification.
Key words : EDF; modulation identification; OFDM; endpoint detection

    通過(guò)對(duì)現(xiàn)有信號(hào)識(shí)別算法的研究分析發(fā)現(xiàn):由于單載波信號(hào)的特征比較容易提取,而且所需解調(diào)參數(shù)比較簡(jiǎn)單,所以對(duì)于單載波信號(hào)的調(diào)制類(lèi)型識(shí)別的研究很多[1-3],但對(duì)于OFDM信號(hào)而言,由于存在信號(hào)特征不易提取、需要估計(jì)的信號(hào)參數(shù)較多等問(wèn)題,因此針對(duì)OFDM信號(hào)的識(shí)別算法很少[4-5]。但OFDM技術(shù)因其可有效對(duì)抗窄帶干擾、多徑干擾(ISI),提高頻譜利用率和系統(tǒng)容量而被廣泛應(yīng)用于非對(duì)稱(chēng)用戶(hù)環(huán)路(ADSL),ETSL標(biāo)準(zhǔn)的數(shù)字音頻廣播(DAB)、數(shù)字視頻廣播(DVB)、高清晰度電視(HDTV)和基于IEEE802.11標(biāo)準(zhǔn)的無(wú)線(xiàn)局域網(wǎng)(WLAN)等系統(tǒng)中。

    參考文獻(xiàn)[6]提出一種利用高階矩在多徑信道下識(shí)別OFDM信號(hào)的盲識(shí)別算法,但該方法算法較復(fù)雜。參考文獻(xiàn)[7-8]對(duì)Walter-Akmouche算法進(jìn)行改進(jìn),選擇歸一化四階累積量作為多徑信道中識(shí)別OFDM信號(hào)和單載波信號(hào)的特征量。參考文獻(xiàn)[7]選取參數(shù)|C40|2/|C21|2作為識(shí)別特征量,由于BPSK、MFSK和OFDM信號(hào)的四階累積量均為零,因此無(wú)法區(qū)分這幾種信號(hào)和OFDM信號(hào)。參考文獻(xiàn)[8]對(duì)參考文獻(xiàn)[7]的算法進(jìn)行了改進(jìn),選用|C42|2/|C21|2作為識(shí)別參數(shù),該特征參數(shù)能在更多的單載波信號(hào)中識(shí)別出OFDM信號(hào),并且有較好的抗多徑能力。這些方法本質(zhì)上屬于高階統(tǒng)計(jì)量的方法,因而導(dǎo)致運(yùn)算量很大,這是不利于實(shí)際使用的。而利用OFDM信號(hào)的漸近高斯性,引入經(jīng)驗(yàn)函數(shù)分布擬合檢驗(yàn)方法來(lái)實(shí)現(xiàn)對(duì)OFDM信號(hào)的快速識(shí)別可以大大減少運(yùn)算量。
    高斯性檢測(cè)類(lèi)方法有一個(gè)重大缺陷即無(wú)法分清噪聲和OFDM信號(hào),實(shí)際的通信環(huán)境往往是噪聲與信號(hào)共存的。這些方法存在把根本不含OFDM信號(hào)的純?cè)肼晿颖井?dāng)作OFDM信號(hào)的風(fēng)險(xiǎn),這對(duì)接收機(jī)的參數(shù)估計(jì)是極為不利的。針對(duì)這一問(wèn)題,本文引入譜熵這一特征量來(lái)區(qū)分含噪OFDM信號(hào)和純?cè)肼曅盘?hào),然后對(duì)信號(hào)樣本進(jìn)行KS檢驗(yàn),識(shí)別OFDM信號(hào)。
1 譜熵端點(diǎn)檢測(cè)
    本文所指的端點(diǎn)檢測(cè)類(lèi)似于語(yǔ)音端點(diǎn)檢測(cè),即從一段含噪信號(hào)和純?cè)肼曅盘?hào)中把含噪信號(hào)的起始點(diǎn)和結(jié)束點(diǎn)找出來(lái),進(jìn)而劃分出信號(hào)段和純?cè)肼暥巍?br/>


    (1) 獲得N個(gè)樣本取實(shí)部或者虛部,采用極大似然估計(jì)(MLE),估計(jì)參數(shù)向量?茲=(u,?滓),得到F(xi,?茲)。
  (2) 把N個(gè)樣本的實(shí)部或虛部從大到小排列,組成次序統(tǒng)計(jì)量,計(jì)算經(jīng)驗(yàn)分布函數(shù)Fn(xi)。
    (3) 遍歷樣本的實(shí)部,選取步驟(1)和(2)中兩者相減的最大值Dn與臨界值相比,若Dn大于臨界值,則拒絕H0。在檢驗(yàn)過(guò)程中,需要比較距離Dn和選擇分布在顯著度水平?琢下的臨界值。本文通過(guò) Monte-Carlo仿真編制不同經(jīng)驗(yàn)分布函數(shù)下的臨界值表。表編制與以上檢驗(yàn)過(guò)程類(lèi)似,以100 000次Monte-Carlo仿真為例,首先生成OFDM信號(hào)標(biāo)準(zhǔn)樣本,分別執(zhí)行步驟(1)~步驟(3)檢驗(yàn),將得到的100 000個(gè)距離Dn從小到大排序,選擇第99 900、99 800、99 500個(gè)距離值Dn作為顯著度水平0.01、0.02、0.05下的臨界值CVs(Critical Values)。對(duì)不同的序列長(zhǎng)度N重復(fù)上述檢測(cè)過(guò)程,最終得到表1所示的臨界值表(限篇幅僅列出α=0.05值)。

3 仿真結(jié)果與分析
3.1多帶譜熵檢測(cè)法的性能

    仿真條件:OFDM符號(hào)寬度4 s,64個(gè)子載波,采樣間隔0.003 9 s,信噪比為2 dB和20 dB,先產(chǎn)生16 s的純?cè)肼曅盘?hào),再產(chǎn)生16 s的含噪OFDM信號(hào)最后又產(chǎn)生16 s的純?cè)肼曅盘?hào)作為此次仿真的突發(fā)OFDM信號(hào)樣本,目的在于檢驗(yàn)譜熵檢測(cè)法能否正確識(shí)別OFDM信號(hào)端點(diǎn),以便把純?cè)肼曅盘?hào)段去掉。在高信噪比條件下(20 dB),兩種方法譜熵的峰值都很明顯,限于篇幅仿真圖不予列出。重點(diǎn)考察在低信噪比條件下的性能,圖5為信噪比2 dB一般譜熵下的仿真值,圖中顯示OFDM信號(hào)譜熵值很不穩(wěn)定,據(jù)此很難確定信號(hào)端點(diǎn)。相反,圖6基于多子帶的譜熵檢測(cè)法性能更好。

 

 

    為確定端點(diǎn)檢測(cè)門(mén)限,在不同信噪比條件下進(jìn)行仿真,純?cè)肼暤淖V熵值不隨信噪比變化,可以通過(guò)設(shè)定一個(gè)高于基底噪聲熵的門(mén)限作為端點(diǎn)檢測(cè)的門(mén)限值。
3.2 基于譜熵OFDM信號(hào)識(shí)別
 仿真條件同上,分別在顯著性水平?琢=0.05條件下仿真直接進(jìn)行OFDM調(diào)制識(shí)別和加端點(diǎn)檢測(cè)再進(jìn)行調(diào)制識(shí)別兩種方法下的性能,如圖7所示,其中加方形標(biāo)記的為先進(jìn)行端點(diǎn)檢測(cè)再進(jìn)行調(diào)制識(shí)別的平均正確率曲線(xiàn),許多文章中識(shí)別曲線(xiàn)與此類(lèi)似,表現(xiàn)出不隨信噪比變化的性能。從圖7中還可看出經(jīng)過(guò)端點(diǎn)檢測(cè)后的識(shí)別率反而降低,其根本原因在于加端點(diǎn)檢測(cè)后把純?cè)肼曅盘?hào)排除了,所謂“低信噪比下OFDM信號(hào)識(shí)別率高”不過(guò)是表明基于高斯性檢測(cè)的算法無(wú)法識(shí)別純?cè)肼曅盘?hào)和OFDM信號(hào),也就是說(shuō)未經(jīng)端點(diǎn)檢測(cè)進(jìn)行OFDM信號(hào)識(shí)別虛警率必然是較高的。經(jīng)過(guò)端點(diǎn)檢測(cè)的識(shí)別性能仿真表明,基于高斯性檢測(cè)的虛警率明顯降低。其對(duì)多載波信號(hào)的識(shí)別能力與單載波一致,也與信噪比有關(guān),信噪比越高識(shí)別性能越好。

    對(duì)OFDM信號(hào)的識(shí)別研究隨著OFDM技術(shù)的廣泛使用意義日見(jiàn)凸顯。目前,調(diào)制識(shí)別集中在單載波,OFDM信號(hào)識(shí)別研究較少,并且大多集中于通過(guò)高斯性檢測(cè)使用高階矩及其改進(jìn)法進(jìn)行單載波和OFDM信號(hào)的識(shí)別。但高斯性檢測(cè)法無(wú)法區(qū)分純?cè)肼曅盘?hào)和OFDM信號(hào),本文首先利用多帶譜熵法對(duì)OFDM信號(hào)進(jìn)行端點(diǎn)檢測(cè),排除純?cè)肼曅盘?hào),再進(jìn)行基于KS檢驗(yàn)的高斯性檢測(cè)識(shí)別OFDM信號(hào),最后進(jìn)行了仿真。數(shù)值分析結(jié)果表明,多帶譜熵法比傳統(tǒng)譜熵法能更有效地進(jìn)行OFDM信號(hào)端點(diǎn)檢測(cè),先端點(diǎn)檢測(cè)后進(jìn)行KS檢驗(yàn)有效地識(shí)別OFDM信號(hào),同時(shí)還降低了OFDM信號(hào)在低信噪比下的虛警概率。
參考文獻(xiàn)
[1] MARTRET L. Modulation classification by means of different orders statistical moments[C]. MILCOM′97.1997(3):1387-1391
[2] YANG S Q, CHEN W D. Classification of  MPSK signals  using cumulant invariants[J]. Journal of Electronics,2002,19(1):99-103
[3] 陳衛(wèi)東.數(shù)字通信信號(hào)調(diào)制識(shí)別算法研究[D].西安:西安電子科技大學(xué),2001.
[4] 韓鋼,李建東,張文紅,等.基于多尺度小波分解和支撐矢量機(jī)的調(diào)制識(shí)別研究[J]. 西安電子科技大學(xué)學(xué)報(bào),2003,30(7):19-23.
[5] Wang Bin, Ge Lindong. A novel algorithm for identification of OFDM signal wireless communication[J]. IEEE Trans.Commun.,2006,53(1):261-264.
[6] Wang Bing, Gc Lindong. A novel algorithm for identification of OFDM Signal[C]. Proc. Of the international Conference on Wireless Communications,Networking and Mobile Computing:IEEE Press,2006.
[7] 劉鵬.OFDM調(diào)制識(shí)別和解調(diào)關(guān)鍵技術(shù)研究[D].西安:西安電子科技大學(xué),2006.
[8] 呂挺岑,李兵兵.一種多徑信道下的OFDM信號(hào)盲識(shí)別算法[J].現(xiàn)代電子技術(shù),2007, 30(11):13-16.
[9] 傅祖蕓.信息論——基礎(chǔ)理論與應(yīng)用(第二版)[M].北京:電子工業(yè)出版社,2007.
[10] SHEN J L, HUNG J W, LEE L S. Robust entropy-based endpoint detection for speech recognition in noisy environments[C]. Processing.Sydney ICSLP (S0160-5840),Sydeny,  Australia,Nov-Dec1998.CD2ROM.1998:32-235.
[11] Wu Ginder, Lin Chinteng. Word boundary detection with  mel-scale frequency bank in noisy environment[J]. IEEE  Transactions on Speech and Audio Processing (S1063-6676), 2005,8(5):541-554.
[12] Wu Bingfei, Wang Kunching. Roust endpoint detection algorithm based on the adaptive band-partitioning spectral entropy in adverse environments[J]. IEEE Transactions on Speech and Audio Processing (S1063-6676),2009,13(5):762-775.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。