【技术实现步骤摘要】
本专利技术属于通信，具体涉及一种载波频偏影响下的编码qam信号部分相干检测方法。
技术介绍
1、高速无线多媒体网络ieee 802.15.3标准作为一种高速无线接入技术能够在较短的10米覆盖范围内为电子设备提供低功耗，低成本的高速无线数据传输。ieee 802.15.3标准中给出的正交振幅调制(quadrature amplitude modulation,qam)和低密度奇偶校验码(low density parity check,ldpc)方案可以从根本上保证数据传输的高可靠性和高实时性。非相干检测无需载波获取和跟踪，且在信噪比较低时不存相位模糊现象。因此，基于ieee 802.15.3标准标准中ldpc编码的qam信号，研究非相干检测方法，对无线多媒体网络物理层数据可靠传输具有重要理论意义和应用价值。
2、ieee 802.15.3协议规定的毫米频段单载波物理层中，ldpc编码qam信号的传统基于最大似然准则的最佳非相干检测方法需要从接收信号中提取对数似然比(log-likelihood ratio，llr)用于译码。此llr中包含指数、对数和第一类零阶修正的贝塞尔函数等复杂数学运算，且此计算复杂度与观测区间长度呈指数级增长关系。此外，传统最佳llr计算方法还需完美估计信道状态信息(channel state information，csi)，即加性高斯白噪声(additive white gaussian noise，awgn)的方差。一旦方差估计不准确，将极大降低检测性能，即传统方法对csi的鲁棒性不足。最
技术实现思路
1、为了克服以上不足，本专利技术提供一种载波频偏影响下的编码qam信号部分相干检测方法，具有计算复杂度低，对载波相位和载波频率的鲁棒性强的特点。
2、为了实现上述目的，本专利技术采用的技术方案为：
3、一种载波频偏影响下的编码qam信号部分相干检测方法，包括以下步骤：
4、s1、发送方将比特序列进行ldpc编码，并扩频调制后经过引cpo和cfo的加性高斯白噪声信道到达接收方；
5、s2、接收方将比特符号周期的接收序列输入到已经离线训练完成的神经网络中得到译码所需的对数似然比；
6、所述神经网络为构建的三层神经网络，且为降低神经网络训练集样本数量的同时保证训练后的神经网络模型检测性能而构建用于理想训练的两种神经网络训练集：第一种训练集包括接收机接收信号实部、虚部、llr值ζm，采样时考虑在传统方法llr提取过程中对cfo量化的条件下采样神经网络训练集样，第二种训练集是基于硬检测位信息构成的训练集，该训练集训练的神经网络输出可以提取软信息；
7、s3、将该对数似然比输入到ldpc译码器后得出最终的判决结果。
8、进一步优化，步骤s1具体包括：
9、s11：ldpc编码器将k位信息比特序列x＝(x1,x2,…,xk)进行编码后得到n位序列c＝(c1,c2,…,cn)，编码后的序列c使用ieee 802.15.3协议毫米频段单载波物理层规定的扩频方式扩频为其中，中每个符号包含64个码片，对再进行16qam调制后，生成复数形式码片序列s＝(s1,s2,…,sn)，其中si包含16个复数元素；
10、s12：经过引cpo和cfo的加性高斯白噪声信道传输后得到复基带接收信号为z＝(z1,z2,…,zn)，其中zi包含16个复数元素；第m个比特周期接收到的负基带信号为1≤m≤n，其中，sm是第m个复数形式传输码片序列，j为虚数单位，θm和ωm分别表示信道传输引起的随机相位偏移向量cpo和随机频移偏移向量cfo，表示θm和ωm对发送码片序列sm在相位和频率上造成的影响。nm是均值为零、方差为的复高斯随机变量，θm＝{θm,1,θm,2,…,θm,16}，ωm＝{ωm,1,ωm,2,…,ωm,16}，nm＝{nm,1,nm,2,…,nm,16}，sm＝{sm,1,sm,2,…,sm,16}，zm＝{zm,1,zm,2,…,zm,16}；则第k个符号对应的接收信号可表示为
11、进一步优化，步骤s11中选择编码方式为(672,336)ldpc码，并采用bp译码算法，最大迭代次数设置为20次。
12、进一步优化，步骤s11中在每个符号周期内，使用线性反馈寄存器生成伪随机比特序列，将编码比特c从1比特扩展为64比特，线性反馈寄存器初始化15比特种子值是:[x-1,x-2,…,x-15]＝[0101 000 0011 111]，每个输入比特按照伪随机序列的输出值选择与a64＝{0x63af05c963500536}序列或b64＝{0x6ca00ac66c5f0a39}序列异或输出，经过扩频后，将比特插入16qam星座映射器进行调制。
13、进一步优化，所述步骤s2中，每个比特符号周期的接收序列被分为实部和虚部两部分作为神经网络输入层的输入，其中隐藏层的输出作为输出层的输入，隐藏层神经元数值由定量分析得出，输出层激活函数修改为线性输出函数，隐藏层激活函数采用双曲正切函数。
14、进一步优化，所述第一种训练集表示为第二种训练集表示为
15、进一步优化，用来训练神经网络的近似对数似然比值得计算方法为：通过先对cpo进行统计平均，再对cfo进行统计平均，并经求和对积分进行近似得出近似对数似然比值。
16、本专利技术的有益效果为：
17、1、本专利技术需要通过二重积分的形式来得到llr值，即考虑cfo又考虑cpo，具体为先对cpo进行统计平均，再对cfo进行统计平均，由于在第二次对cfo进行统计平均时很难得出显式表达式，因此采用了以求和的方式来对积分进行近似的处理方法，最终得出了一种近似的llr显式表达式，并用此近似的llr值来训练神经网络；
18、2、本专利技术的输出层激活函数为可直接将输入映射成输出，不经过非线性变换的线性输出函数，最终得到一个连续范围内的llr数值输出，而不需要限制在某个特定范围内；
19、3、构建了神经网络结构，利用传统方案中量化的频率空间的方法采样高信噪比条件下的llr数据和硬检测位信息数据，并且构建了两种训练集用于保证神经网络训练集样本数量，且根据固定次数的迭代、损失的阈值或损失未减少的迭代次数定义了一个停止标准，其中第一种训练集仅仅在高信噪比下在接收机端采样信息用于神经网络训练，训练后的神经网络对低信噪比同样适用，第二种训练集是基于硬检测位信息式构成的训练集，该训练集训练的神经网络的输出可以提取软信息，两种训练集同样考虑了相位偏移量量化取值，以及高信噪比下采样信息而不选择每个信噪比都采样的方法，直接在硬检测接收机接收端采样作为神经网络训练集训练的神经网络精度；
20、本文档来自技高网...
【技术保护点】
1.一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，步骤S1具体包括：
3.如权利要求2所述的一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，步骤S11中选择编码方式为(672,336)LDPC码，并采用BP译码算法，最大迭代次数设置为20次。
4.如权利要求2所述的一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，步骤S11中在每个符号周期内，使用线性反馈寄存器生成伪随机比特序列，将编码比特C从1比特扩展为64比特，线性反馈寄存器初始化15比特种子值是：[X-1,X-2,…,X-15]＝[0101 000 0011 111]，每个输入比特按照伪随机序列的输出值选择与a64＝{0x63AF05C963500536}序列或b64＝{0x6CA00AC66C5F0A39}序列异或输出，经过扩频后，将比特插入16QAM星座映射器进行调制。
5.如权利要求1所述的一种载波频偏影响下的编码QAM信
6.如权利要求1所述的一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，所述第一种训练集表示为第二种训练集表示为
7.如权利要求1所述的一种载波频偏影响下的编码QAM信号部分相干检测方法，其特征在于，用来训练神经网络的近似对数似然比值得计算方法为：通过先对CPO进行统计平均，再对CFO进行统计平均，并经求和对积分进行近似得出近似对数似然比值。
...【技术特征摘要】
1.一种载波频偏影响下的编码qam信号部分相干检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种载波频偏影响下的编码qam信号部分相干检测方法，其特征在于，步骤s1具体包括：
3.如权利要求2所述的一种载波频偏影响下的编码qam信号部分相干检测方法，其特征在于，步骤s11中选择编码方式为(672,336)ldpc码，并采用bp译码算法，最大迭代次数设置为20次。
4.如权利要求2所述的一种载波频偏影响下的编码qam信号部分相干检测方法，其特征在于，步骤s11中在每个符号周期内，使用线性反馈寄存器生成伪随机比特序列，将编码比特c从1比特扩展为64比特，线性反馈寄存器初始化15比特种子值是：[x-1,x-2,…,x-15]＝[0101 000 0011 111]，每个输入比特按照伪随机序列的输出值选择与a64＝{0x63af05c963500536}序列或b6...
【专利技术属性】
技术研发人员：张高远，陈开，冀保峰，文红，李兴旺，李春国，王东署，唐杰，宋欢欢，张冀，张平，孙力帆，陶发展，李永恩，王鹏飞，何晓东，谢萍，张晓辉，穆昱，李奕玮，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。