一种基于混沌无线通信系统的多径干扰抑制方法与流程

本发明属于无线通信技术领域，用于将多径信道下混沌信号回归映射分支进行重新分组，以降低无线通信系统中的多径干扰的方法，具体涉及一种基于混沌无线通信系统的多径干扰抑制方法。

背景技术：

随着信息化的不断发展，无线通信技术已经广泛应用于社会生活的各个方面。与有线通信方式相比，无线信道是一个更复杂的通信环境。多径传播、带宽受限、多普勒频移等信道特性给无线通信系统的设计带来很多的难题，其中多径传播引起的码间干扰是造成无线系统误码率高的主要原因。为了提升无线通信性能，现有系统经常采用信道均衡技术来消除码间干扰。但低复杂度线性均衡算法易受噪声和信道估计误差的影响，非线性均衡算法性能有改进，但计算开销大。

混沌信号具有高带宽、类噪声、易硬件生成等优点，近年来已经被广泛应用于通信系统。针对高斯白噪声信道下的相干接收通信系统，混沌信号已经被证明是最佳通信波形，它具有可简单硬件实现的线性匹配滤波器来最大化接收信噪比。但在无线信道下，多径传播依然是影响混沌无线通信系统性能的主要因素。

技术实现要素：

本发明的目的在于提供一种基于混沌无线通信系统的多径干扰抑制方法，解决了现有技术存在多径干扰，影响混沌无线通信系统性能的问题。

本发明所采用的技术方案是，一种基于混沌无线通信系统的多径干扰抑制方法，按以下步骤具体实施：

步骤1、对源信息比特序列进行混沌编码；

编码过程是，

1.1)将发射端单极性二进制比特序列b_n∈[0,1]，转化为双极性二进制序列s_n∈[-1,1]；

1.2)对双极性二进制序列s_n进行混沌编码，生成编码时间序列x(t)；

步骤2、接收机天线接收高频信号，并解调到基带；

步骤3、对基带接收信号进行混沌匹配滤波；

步骤4、计算混沌匹配滤波输出信号的回归映射；

步骤5、对混沌匹配滤波输出信号回归映射进行重新分组；

步骤6、计算分组后回归映射判决线；

步骤7、计算分组后检测判决门限。

本发明方法的有益效果是，能够在混沌无线通信系统中，降低多径传输引起的码间干扰，降低误码率，具体优点在于：

1)通过使用分段线性混沌系统进行信息编码，接收端可以根据接收信号回归映射来进行信息解码。

2)利用多径信道中接收信号的回归映射分支与多径时延符号组合存在的一一对应关系，可以根据已解码符号对多径回归映射分支进行分组，各组内分支将不存在多径干扰，从而达到消除多径干扰的目的。

3)与传统基于均衡的多径干扰消除方法相比，本发明方法只需要在每个采样时刻，计算一个检测门限，不需要复杂的均衡器设计，算法简单，易实现。

附图说明

图1是本发明方法采用的混沌无线通信系统原理框图；

图2是本发明方法的无线多径信道示意图；

图3是本发明方法中的源序列s(t)和编码序列x(t)时间序列波形；

图4是本发明方法中的发送信号的回归映射图；

图5是无噪声两径信道下混沌匹配滤波输出信号y(t)的回归映射图；

图6是有噪声两径信道下混沌匹配滤波输出信号y(t)的回归映射图；

图7是有噪声两径信道下本发明方法得到的混沌匹配滤波输出信号y(t)回归映射分组图；

图8是两径理想信道下，无分组、MMSE均衡、本发明分组最优判决门限、本发明分组次优判决门限、单径情况下误码率下界在不同信噪比情况的误码率变化曲线；

图9是两径估计信道下，无分组、MMSE均衡、本发明分组次判决门限三种方法在不同信噪比情况的误码率变化曲线；

图10是三径估计信道下，无分组、MMSE均衡、本发明分组次判决门限三种方法在不同信噪比情况的误码率变化曲线。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

如图1所示，为本发明方法采用的混沌无线通信系统实施例原理框图。该混沌无线通信系统包括混沌发射机、无线多径信道和混沌接收机。混沌发射机对数字二进制信息进行混沌编码，再通过射频模块将编码信号调制到高频载波上，利用天线发射出去。发射的信号经过无线多径信道，被混沌接收机天线所接收，高频接收信号先通过射频模块转换到基带，基带接收信号后再通过混沌匹配滤波器和符号检测，恢复出原始的发送信息，得到源信息。

如图2所示，为包含L个多径的无线信道示意图，每个多径包含多个不可分辨的子径。假设第l径信道的衰落系数和时延分别表示为α_l和τ_l，通过大量实测和统计结果表明，α_l能够表示为随τ_l指数衰落的模型，即其中参数γ为信道衰落系数；假设信道时延满足0≤τ₀<τ₁<…<τ_L-1，若发射信号为单冲激响应δ(t)，则信道冲激响应表示为其中t为时间变量，如图2所示，仅在L个多径时延点处存在响应值。

基于上述的无线多径信道条件下，本发明基于混沌无线通信系统的多径干扰抑制方法，按照以下步骤具体实施：

步骤1、对源信息比特序列进行混沌编码

编码过程如下：

1.1)将发射端单极性二进制比特序列b_n∈[0,1]，n为二进制数据的序号，转化为双极性二进制序列s_n∈[-1,1]；

1.2)对双极性二进制序列s_n进行混沌编码，生成编码后的时间序列x(t)，

混沌编码采用的混沌编码系统是一种包含连续微分方程和离散状态切换条件的混合动力学模型，其中包含一个连续的微分方程和一个离散的状态切换条件，如下式(1)所示：

其中，s(t)为双极性二进制序列s_n的对应时间序列，β为混沌系统参数，ω＝2πf，f为基频率，通过微扰方法(Hai-Peng Ren,Chao Bai，Jian Liu，Murilo Baptista,Celso Grebogi,Experimental Validation of Wireless Communication with Chaos,Chaos，2016,26(8),083117)来实现将待发送信息的双极性二进制序列s_n编码为时间序列x(t)；

对微分方程式(1)进行求解得到其中，符号表示对变量t向上取整，基函数p(t)的表达式如下：

在参数β＝0.65，f＝2时的波形图如图3所示，图3分别为时间序列x(t)和s(t)；

在t＝n/f时刻采样，令x_n＝x(n/f)，得到时间序列x(t)的回归映射x_n+1＝e^βx_n-(e^β-1)s_n，如图4所示，图4中左边分支上的点对应源信息s_n＝-1，右边分支上的点对应源信息s_n＝1。

编码后的信号经过射频模块调制到高频载波上，然后利用发射机天线发射出去。

步骤2、混沌接收机天线接收高频信号，并解调到基带

混沌接收机天线收到高频信号后，经过另一个射频模块解调到基带，混合有加性高斯白噪声的基带接收信号r(t)表示为：

其中，w(t)为加性高斯白噪声时间序列，L为信道多径数目；

步骤3、对基带接收信号进行混沌匹配滤波

将步骤2得到的基带接收信号r(t)通过混沌匹配滤波器g(t)＝p(-t)进行处理，得到混沌匹配滤波输出信号混沌匹配滤波输出信号y(t)的表达式如下：

类似地，对y(t)在t＝n/f时刻采样，采样输出y_n的表达式如下：

在式(5)中，等号右边第一项为期望接收信号，第二项为滤波后的符号间干扰，第三项W为滤波后噪声；是与多径参数有关的变量，l为多径序号，i为符号循环的变量。

步骤4、计算混沌匹配滤波输出信号的回归映射

将步骤3得到的混沌匹配滤波输出信号y(t)的回归映射表达式如下：

其中包含2^L个分支，L为信道多径数目；

如图5所示，为两径信道(L＝2)下，混沌匹配滤波输出信号y(t)的回归映射图，图5结果中没有包含噪声，β＝0.65，两径的时延分别为τ₀＝0和τ₁＝1，衰落系数γ＝0.9。采用判决线y_n+1＝e^βy_n进行符号检测，图5中细点画线为判决线，当采样点位于判决线左边的回归映射分支上时(粗实线)，对应于s_n＝-1；当采样点位于判决线左边的回归映射分支上时(粗虚线)，对应于s_n＝1。

在有噪声情况下，回归映射点发生波动，如图6中黑圈所示，由于噪声的影响，原本位于判决线左侧(右侧)的点可能会波动到判决线右侧(左侧)，如图6中实心的黑圈点，这使得符号检测发生错误，造成系统误码率的升高。定义回归映射不同符号分支之间的水平距离为判决距离，图6中的判决距离等于0.5673。

步骤5、对混沌匹配滤波输出信号回归映射进行重新分组

分组原则是：s_n+i为已发射序列，将相同s_n+i(i<0)取值对应的分支归为一组。

如图7所示，为两径时延分别为τ₀＝0和τ₁＝1，衰落系数γ＝0.9情况下，分组后的混沌匹配滤波输出信号y(t)回归映射图，四个分支分别标注为1、2、3、4。分支1对应{s_n,s_n-1}＝{-1,-1}，分支2对应{s_n,s_n-1}＝{-1,1}，分支3对应{s_n,s_n-1}＝{1,-1}，分支4对应{s_n,s_n-1}＝{1,1}。可见，分支1和分支3对应的情况为当s_n-1＝-1时，s_n分别为-1和1的两个分支，而分支2和分支4对应的情况为s_n-1＝1时，s_n分别为-1和1的两个分支。因此，图7中分支1和分支3归为分组一，对应s_n-1＝-1；分支2和分支4归为分组二，对应s_n-1＝1。此时判决距离为组内两个分支之间的水平距离，图7中判决距离为0.9559。

步骤6、计算分组后回归映射判决线

将步骤5得到的各组回归映射，取组内两分支的中心线为该组判决线，判决线的表达式为：

对于步骤5所述两径情况，图7中判决线1为分组一的判决线，判决线2为分组二的判决线；各组内，判决线左边分支上的点对应于s_n＝-1，判决线右边分支上的点对应于s_n＝1。

步骤7、计算分组后的判决门限

根据步骤6得到的判决线表达式，计算出采样时刻n的判决门限。当已知所有发射序列s_n+i的先验信息时，得到本发明方法的最优判决门限表达式为当s_n+i(i>0)不可知时，通过变换后，得到本发明方法的次优判决门限表达式为

本发明上述过程描述的多径干扰抑制方法，利用混沌序列自身特性，对多径信道下混沌映射的多个分支进行重新分组，组内分支间将不存在多径干扰，从而达到多径干扰消除的目的；同时，该发明方法只需要在每个采样时刻，重新计算组内的判决门限即可，降低了多径干扰消除的计算复杂度。

对本发明方法进行验证

在无线多径信道环境下进行对比仿真，仿真参数设置如下：源信息比特具有单位能量E_b＝1，信道衰落系数γ＝0.6，混沌系统参数β＝0.65，状态切换频率f＝1，仿真结果为50000次算法实现进行平均得到的。

实验一

两径信道下，τ₀＝0，τ₁＝1，接收端已知精确信道信息。在不同信噪比情况下比较了算法的性能，算法分别是：无分组、传统多径干扰消除(MMSE均衡)、分组最优判决门限、分组次优判决门限和单径情况下误码率下界。其中分组最优判决门限和单径情况下误码率下界的误码率是理论计算获得，其余三种算法的误码率是仿真获得，结果如图8所示。

在图8中，无分组算法不能消除多径干扰，因此性能最差，传统MMSE均衡能够消除部分码间干扰，性能有所提升，本发明的分组次优判决门限性能比上述两种算法有明显提升，当SNR大于11dB后，仿真误码率为0，本发明的分组最优判决门限性能与单径最优误码性能非常接近。对比上述结果可见，本发明方法比传统方法能够更加有效地消除多径干扰，降低系统误码率。

MMSE均衡和本发明算法执行过程中，都需要已知信道参数。在实际中，信道参数未知，必须通过信道估计获得。而由于信道时变性或信道估计算法的非完美性，估计信道会存在误差。

以下在未知信道参数下，采用压缩感知算法对信道参数进行估计，利用仿真比较不同算法的误码率性能，分析信道误差对各种算法的影响。

实验二

两径信道下，τ₀＝0，τ₁＝1，接收端未知信道信息，在不同信噪比情况下比较了三种算法的性能，该三种算法分别是：无分组，MMSE均衡，分组次优判决门限，比较结果如图9所示。无分组算法不需要信道参数，因此算法性能与实验一相同，MMSE均衡和本发明算法都会受信道误差的影响，但从仿真结果看，影响都在0.5dB左右。

实验三

三径信道下，τ₀＝0，τ₁＝1，τ₂＝2，接收端未知信道信息，在不同信噪比情况下比较了三种算法的性能，此三种算法分别是：无分组，MMSE均衡，分组次优判决门限，比较结果如图10所示。当多径数目增多，三种算法的性能都会变差，无分组算法影响最大，MMSE均衡次之，本发明算法影响最小。

对比上述各个实验结果可见，本发明方法相比传统方式有更好的多径消除能力和更强的鲁棒性。