Mc-cdma信号的调制识别及伪码序列盲估计的制作方法
【专利摘要】本发明请求保护一种基于奇异值分解的MC?CDMA信号调制识别及伪码序列估计方法，属于信号处理技术领域。通过先去除循环前缀，再构造矩阵并对其做奇异值分解，根据特征值个数的不同从而区分信号类别。由于单用户MC?CDMA信号的特征值个数始终为1，与构造矩阵的大小无关，易从中区分开来。在已知调制类别和伪码周期等先验信息情况下，通过左奇异向量估计伪码序列，该算法对信号识别和伪码序列的问题分步进行，避免了传统识别算法中特征值提取后的分类器设计等复杂问题，对于伪码序列的估计，该算法有计算量小的优势。本方法可以有效区分出MC?CDMA和MC?DS?CDMA信号，同时对MC?CDMA信号的伪码序列进行盲估计，从而对该信号的后续处理以及细微特征分析具有重要意义。
【专利说明】
MC-CDMA信号的调制识别及伪码序列盲估计
技术领域
[0001] 本发明设及通信信号处理，具体为一种基于奇异值分解的多载波CDMA信号(MC- CDMA和MC-DS-CDMA信号）的调制识别，及MC-CDMA信号的伪码序列盲估计问题。
【背景技术】
[0002] 由CDMA和OFDM技术结合而成的多载波CDMA充分保留了各自优点，具有截获率低、 抗衰落能力强、频谱利用率高、数据传输效率高W及良好的码分多址能力等优点。在发送端 和接收端，分别利用快速傅里叶变换(FFT)和快速傅里叶逆变换（IFFT)很容易产生和恢复 运些多载波信号，降低了发射机和接收机的复杂性。多载波CDMA共有巧巾形式:多载波码分 多址(MC-CDMA)，多载波直扩码分多址(MC-DS-CDMA)和多音频码分多址(MT-CDMA)。多载波 CDMA技术可广泛应用于移动通信、无线局域网、超宽带通信等系统，并提供多种业务类型， 其中MC-CDM更是一种B4G的增强技术。
[0003] 本专利WMC-CDMA和MC-DS-CDMA信号为研究对象，在非协作通信环境中提取它们 的信号特征。
[0004] 目前，有关MC-CDMA信号的研究，主要集中在信道估计，频偏，或误比特性能分析 上，设及MC-CDMA信号的调制识别、伪码序列等估计问题，国内外相关文献很少。在非协作通 信中，对信号类型的判断W及伪码序列的估计是解调信息的基础，所W对运方面的研究具 有重要意义。文南犬('Shun-Te Tsen 邑.LMSE-based parameter acquisition for multicarrier CDMAsystems.IE邸 Trans.Commun. ,2009"提出基于最小均方误差（LMSE)的 方案，用于符号定时，载波相位，多径增益等参数估计，前提是用户的扩频码已知。文献 "A.Punchihewa.On the cyclcostationarity of OFDM and single carrier linearly digitally modulated signals in time dispersive channels: Theoretical developments and application. IEEE Trans .Wireless Commun. ,2010"提出基于循环平 稳的调制识别方法区分正交频分复用(ΟΠΜ)信号和单载波线性数字(S化D)调制信号，主要 利用加循环前缀的OFDM信号的二阶循环累积量在有用符号周期处产生尖峰，通过峰值的有 无来识别0抑Μ和SCLD信号。同时直扩信号的序列估计已被广泛研究，常用的一些盲估计方 法有特征值分解，盲源分离及期望最大化算法等。事实上，MC-CDMA亦可看成是扩频信号的 一种特殊形式，只是在调制过程中增加了多路，多载波，循环前缀等特征，通过适当的方式 去除前缀等信息，在接收端同样可W利用直扩信号的方法来估计扩频序列。本专利将针对 MC-CDM与MC-DS-CDMA信号间的调制识别及MC-CDM信号的伪码序列估计做研究。
【发明内容】
[000引本发明所要解决的技术问题，针对MC-CDMA和MC-DS-CDMA信号的识别问题，提出基 于奇异值分解的方法，根据信号矩阵的秩(非零特征值的个数）的不同解决它们的判别问 题。在识别出MC-CDMA信号的基础上，根据左奇异向量估计该信号的伪码序列。在伪码序列 实现的过程中，采用累加平均的方法可W达到降低噪声和精确估计的目的。
[0006] 本发明解决上述技术问题的技术方案是:一种基于奇异值分解的MC-CDMA信号的 调制识别及伪码序列估计，其步骤在于，假定一个码片只采一个点，对接收信号去循环前缀 后，按PN码周期构造 NXM阶的信号矩阵R，N为子载波个数(也即MC-CDMA信号的扩频增益）， 取Μ为N的整数倍，因为MC-DS-CDMA的特征值取决于M/N。对信号进行解调，即对R做FFT变换， 并构造相关矩阵R^/)，对其进行奇异值分解。根据非零特征值的个数，进行判定是否为 MC-CDMA信号(若秩为1，则为MC-CDMA信号），再根据左奇异向量实现对MC-CDMA信号的伪码 序列的盲估计。
[0007] 本发明运用奇异值分解法对MC-CDMA信号的调制识别及伪码序列进行估计，分析 推导了MC-CDMA及MC-DS-CDMA信号矩阵的秩的特点和自相关矩阵的表达式。根据非零特征 值个数的不同实现了MC-CDMA信号的调制识别，根据左奇异向量实现了MC-CDMA信号的伪码 序列估计。在估计伪码序列的同时，通过累加平均的方法提高该算法的抗噪声性能。
【附图说明】
[000引图1本发明MC-CDMA信号调制识别及伪码序列盲估计方法流程图；
[0009] 图2本发明MC-CDMA信号产生框图；
[0010] 图3本发明MC-CDMA信号的特征值二维图；
[0011] 图4本发明MC-DS-CDMA信号的特征值二维图；
[001^ 图5本发明2个MC-CDMA用户信号特征值二维图；
[0013] 图6本发明在两用户功率差别大时用户1的估计序列二维图；
[0014] 图7本发明用户1的原序列二维图；
[0015] 图8本发明在两用户功率差别大时用户2的估计序列二维图；
[0016] 图9本发明用户2的原序列二维图；
[0017] 图10本发明在两用户功率相近时用户1的估计序列二维图；
[0018] 图11本发明在两用户功率相近时用户2的估计序列二维图；
[0019] 图12本发明在不同用户数下估计序列所需平均数据组数与SNR的关系图；
【具体实施方式】
[0020] W下结合附图和具体实例，对本发明的实施作进一步的描述。
[0021] 图1显示的是本发明MC-CDMA信号调制识别及伪码序列盲估计流程图。具体步骤： 对接收信号同步解调后(子载波频率已被估计），运用已有的循环自相关算法估计出符号长 度，有用符号长度等参数后，去循环前缀。然后构造 W子载波数目为行，子载波数目的整数 倍为列的矩阵，并对该矩阵的每一列做FFT变换。接着构造信号矩阵，并对其做奇异值分解， 根据理论分析得出，若较大非零奇异值个数为1(即无噪声时矩阵的秩为1)，则可判定为MC- CDMA信号。在此基础上，由左奇异向量估计MC-CDMA信号的伪码序列。
[0022] 图2显示本发明MC-CDMA信号产生框图。MC-CDMA有巧巾信号模型，图2显示的是简单 型MC-CDMA上行第k个用户信号流图。数据流经复制器后，与每一个码片相乘，经IDFT变换 后，加入循环前缀。再经并串变换，脉冲成型发送出去。另一种复杂MC-CDMA信号模型是在复 制器之前加上一个串并变换转换器，使得每一路都可W看成平坦的衰落信道。本章 W简单 模式下的MC-CDMA模型为准，并假定扩频增益等于子载波数，且所有用户的扩频增益相同。
[0023] 经子载波调制后输出矢量Sk,i可表示为：
[0024]
(I)
[0025] 其中Pk为第k个用户的平均发送功率，bk,康示第k个用户的第i个比特，bk,ie{l，- U服从等概率分布，均值为0,方差为，V抽扩频序列ck=kk,o，CM，ck,2, . . .，CMN-1)]T经 过IDFT，再取后L个元素作为循环前缀共同组成。
m =0,1, . . . ,Ν' -1 ,Ν'=化1^,ck,nE {1,-1}。束k个用户的发送f曰号可表不为：
[0026]
(2)
[0027]其中Tw为整个符号周期，Tc为码片周期，Tw=(化L)Tc，Tu = NTc为有用符号周期，
[002引
贷)
[0029] 本专利是在获得符号同步基础上，对MC-DS-CDMA和MC-CDMA两种信号做调制识别， 并对MC-CDMA信号的伪码序列进行估计。为便于理论分析，W单用户为主。
[0030] 对于 MC-CDMA 信号，
[0031] Rmc = cTa (4)
[0032] 其中，c=[ci，C2, . . .，CN]为用户扩频序列，曰=[曰1，曰2, . . .，aM]为信息序列，做自相 关运算，有：
[0033]
(、）
[0034] 由于秩rank(cTa) = 1，由矩阵相关性质易知rank(Ymc) = 1，即对Ymc做奇异值分解， 只有一个非零奇异值。
[0035] 对于 MC-DS-CDMA信号，
[0036]
巧）
[0037] 其中，Cd是行向量，为该用户扩频序列，扩频增益为N。d,^ 为NXl的数据矩阵，n=l， 2，…，M/N。一般取Rmd的列数Μ为行数N的整数倍。则Rmd的自相关函数：
[00 測
（7)
[0039]其中，X = C:Cd: *Ymd为Μ X Μ阶对称阵。、(! ！由信息矩阵得来，为常数。通过基本 的矩阵变换可进一步将Ymd化简为：
[0040]
(8)
[OOW 式中，kn为常数，η = 1，2，…，M/N。由此可知rank( Ymd) =M/N，即MC-DS-CDMA的特征 值个数与构造矩阵的行数和列数有关。根据运一特点对MC-CDMA和MC-DS-CDMA信号进行识 别。
[0042] 在判定信号为MC-CDMA后，接下来对该信号的伪码序列进行估计。去循环前缀的 MC-CDMA信号的离散形式与DS-CDMA类似，设S个用户的DS-CDMA信号表达式为：
[0043]
俄
[0044] 其中，v(t)是零均值，方差为的高斯白噪声，Ak为用户k的接收信号的幅值，~为 随机时延，bk(i)为第k个用户发送的信息，To为信息码宽度，
量第k 个用户的伪码序列波形，码片宽带为T。，有To = NTe，N为扩频增益，Μ为信息符号数。假设在接 收端同步解调并按照码速率采样后，得离散表达式为：
[0045]
(10)
[0046] 写成向量矩阵的形式为：
[0047] Y=[yi,y2,...,yM] (11)
[004引其中
口1<=^1<(1)，0<(2)，...，0<柳]了为第4个05-〔01八用 户的扩频序列。
[0049] 对矩阵￥=切，72，一，7?]￡护^?求其自相关，则相关矩阵的估计为
[0050]
(^巧）
[0051] 按照奇异值分解理论，任意的NXM数据矩阵都可W分解为
[0化2] Υ = υΣγΤ (13)
[0化引其中，IJLXL和yMXM为正交归一化矩阵，且有U-1二uT，y-i = ^。
[0054]
巧 4)
[0055] 式（14)中，Σ是Y矩阵的所有奇异值按照从大到小的顺序排列而成的对角矩阵，前 k个非零奇异值跟信号有关，对应的特征向量构成了信号子空间；后m-k个奇异值则取决于 噪声，对应的特征向量构成了噪声子空间。综合(12)、（13)和(14)式可W得到
[0056]
(15)
[0化7]式中，
％对角方阵，也是自相关矩阵的特征值。按照数 据信号子空间和噪声子空间的思想可W将(12)式修改为：
[0060]假设信息码的均值为零，方差为《4,信号与噪声之间是相互独立的，各用户的信 息码不相关，贝U
[00化]
(20)
[0066] 结合式(15)、（16)W及式(20)，则第k个用户的伪码序列估计值为
[0067]
(21)
[006引在（16)式中，特征值λι>λ2>…>λκ>λκ+ι>…入。，且它们的大小取决于用户功率。 当用户功率不相等时，较大特征值对应的特征向量构成了信号的子空间；反之，当用户功率 相等或非常接近时，特征值对应的特征向量VI和Vj之间存在酉模糊，运也是特征值分解固有 的酉模糊特性，此时得到的特征向量并不是所要估计的伪码序列。
[0069] 利用仿真实验对本发明算法的理论推导进行验证，实验参数设置:假设两种信号 扩频周期均为64,子载波个数为64,信噪比为OdB，取MC-DS-CDMA为640bit，MC-CDMA为 lOObit。从图3中可明显看出，MC-CDMA信号较大的特征值个数始终为1，与符号数无关。图4 显示MC-DS-CDMA信号较大的特征值有10个，与构造的矩阵有关。
[0070] 图5显示本发明2个MC-CDMA用户信号特征值二维图情况。实验设置2用户，且两用 户功率之比设为Pi:P2 = l.6:1，取200个信息符号，扩频码为64位，循环前缀长度为16位，信 噪比为-8地。从实验可看出，由于单用户MC-CDMA信号的特征值的个数为1，因此图5中2个较 大特征值对应2个用户，从图6,图7W及图8,图9可看出，奇异值分解可有效估计出原序列， 同时实验还发现，通过奇异值分解有时估计的序列是原序列的相反序列，而且，如果用户功 率相等或近似相等，会导致估计序列局部出现相位模糊。实验结果如图10,图11所示(两用 户功率比设为Pi: h = 1:1，其它条件不变），此时奇异值方法不适用。
[0071] 图12显示本发明在不同用户数下估计序列所需平均数据组数与SNR的关系图。在 同步情况下，设置MC-CDMA子载波数为64,扩频周期也为64, W码片周期采样，信息符号数为 80,信噪比从-15地到0地变化，进行100次蒙特卡洛仿真。W算法完全收敛(估计序列等于原 序列或估计序列为原序列的反序列)为判决条件，检测单用户MC-CDM信号在不同信噪比下 所需的平均数据组数。从图12可W看出，随着信噪比的增加，正确地估计出扩频序列所需要 的数据组数逐渐减少。同时，在相同信噪比条件下，随着用户数的增加，所需要的数据组数 也是增加的。
[0072] 本发明针对MC-CDMA和MC-DS-CDMA调制信号盲识别问题，通过先去除循环前缀，再 构造矩阵并对其做奇异值分解，根据非零特征值个数的不同从而区分信号类别。由于单用 户MC-CDMA信号的特征值个数始终为1，与构造矩阵的大小无关，易从中区分开来。在已知调 制类别和伪码周期等先验信息情况下，通过左奇异向量估计伪码序列，该算法对信号识别 和伪码序列的问题分步进行，避免了传统识别算法中特征值提取后的分类器设计等复杂问 题，同时对于伪码序列的估计，该算法有计算量小的优势。本发明重点放在MC-CDMA信号的 调制识别及伪码序列估计，对于简单模式下短码调制的MC-CDMA信号，其与一般直接序列扩 频信号在调制过程方面基本一致，只是增加了 IFFT和循环前缀运些过程，因而用奇异值分 解法对MC-CDM信号的伪码序列进行估计。
【主权项】
1. 一种基于奇异值分解的MC-CDMA信号的调制识别及伪码序列估计，其步骤在于，对接 收信号去循环前缀后，按PN码周期构造NXM阶的信号矩阵R，N为子载波个数(也即MC-CDMA 信号的扩频增益），取Μ为N的整数倍，因为MC-DS-CDMA的特征值取决于M/N;对信号进行解 调，即对R做FFT变换，并构造相关矩阵:进行奇异值分解;根据非零特征值的个数，进 行判定是否为MC-CDMA信号（若秩为1，则为MC-CDMA信号）；根据左奇异向量实现对MC-CDMA 信号的伪码序列的盲估计。2. 根据权利要求1所述的估计方法，其特征在于，建立MC-CDMA信号模型为 = %，其中sk，i为子载波调制后输出矢量，Pk为第k个用户的平均发送功率，bk，i表 示第k个用户的第i个比特，1^，1^{1，-1}服从等概率分布，均值为〇，方差为〇^由扩频序列 Ck=[Ck，Q，Ck，l，Ck，2，···，Ck，(N-l)]T经过IDFT，再取后L个元素作为循环前缀共同组成。 .·，N' _1，N' =N+L，ck，nG {1，_1}。第k个用户 ?=υ的发送信号可表示为：， Iw为整个符号周期，Tc为码片周期，Iw^N+DTc^TfNT。为有用符号周期。3. 根据权利要求1所述的估计方法，其特征在于，对于MC-CDMA信号，由于秩rank(cTa)= 1，由矩阵相关性质易知rank(Y m。）= 1，即对Ym。做奇异值分解，只有一个非零奇异值。对于 MC-DS-CDMA信号，可知rank(Y md)=MN，即MC-DS-CDMA的特征值与构造矩阵的行列和列数有 关。根据这一特点对MC-CDMA和MC-DS-CDMA信号进行识别。4. 根据权利要求1-3所述的估计方法，在判定信号为MC-CDMA后，接下来对该信号的伪 码序列进行估计。去循环前缀的MC-CDMA信号的离散形式与DS-CDMA类似，对于包含Μ个数 据向量的矩阵Y=[ yi，y2，…，yM] eRNXM对其求自相关，则相关矩阵的估计为，通过奇异值分解可得，按照数据信号子 空间和噪声子空间的思想可以将力(M)修改为：假设信息码的均值为零，方差为σ〗，信号与噪声之间是相互独立的，各用户的信息码不 相关，则自相关矩阵可以变换为而且综上所述，则第k个用户的伪码序列估计值为 之=±.s'4r?(W/')。
【文档编号】H04L27/00GK105871764SQ201610164502
【公开日】2016年8月17日
【申请日】2016年3月22日
【发明人】张天骐, 钱文瑞, 张刚, 罗忠涛
【申请人】重庆邮电大学