高动态通信系统中联合载波同步的自适应迭代译码方法

1.本发明属于通信技术领域，具体涉及高动态通信系统中联合载波同步的自适应迭代译码方法。


背景技术：

2.高动态环境下的无线通信与导航定位目前面临诸多难题和挑战，其中同步问题是关键技术之一。高动态环境下运动状态的急剧变化会让接收机收到的导航定位信号及通信信号产生较大的多普勒频偏和扩频码相位跳变，且在多载波通信系统中，多普勒频偏程度与系统移动速度呈现正相关关系。对于比较大的多普勒频偏与变化率，其频率偏移会超出锁频环能够捕捉的范围，导致锁频环不能对其进行跟踪恢复，解决这一问题需要增加锁频环带宽，但是带宽的增加必定使得环路噪声增大，接收端获得的信号误码率明显增加，信号失真也愈加明显，且外界噪声电平一旦超过环路工作阈值，锁频环失锁会导致解调的数据无法得到恢复。同时相位的偏移会使得导航定位准确度降低。这些问题对高动态通信系统的性能造成了严重冲击。因此，对高速移动状态下信息传输中时间、频率以及相位同步算法的研究，对提升高速移动系统抗干扰能力和接收机性能的研究，是现代通信发展的急切需求。精准同步是高动态环境下进行无线通信、导航定位、遥测遥控等工作的基础和前提。研究高速移动环境中的频率和相位同步技术是提高无线通信、导航定位性能的前提，是未来宽带无线通信在高速环境下得以广泛应用的关键所在。
3.在高动态通信系统载波同步技术的研究中，学术界提出了多种技术相结合的跟踪方法。其中最常用的有锁频环辅助跟踪的锁相环技术和最大似然估计算法辅助的跟踪环技术等。fll辅助pll的环路设计比较简单，fll负责粗同步，pll负责细同步，这种方法引入外界噪声多，会降低跟踪的精准度。最大似然估计算法原理是利用有可能会出现的频偏、相偏等对接收信号的偏移进行补偿，然后取残余误差信号功率谱的最大值，以此获得频偏或相偏的估计。这类算法精度很高，但是似然函数的非线性使得求解过程复杂度很高，导致算法跟踪速度很慢，实用性相对而言比较差。因此，探索更优的载波同步方法，同时提升系统抗干扰性能逐渐成为研究热点。
4.研究高动态环境下通信系统接收机快速同步技术，对高动态环境下远距离无线传输、精准打击、情报收集、监视侦察、预警等有很好的参考价值，在很多领域具有重要的理论价值和现实意义。


技术实现要素：

5.本发明的目的是为了解决现有技术中高动态环境下通信系统接收机快速同步存在的问题，用以提升高动态通信系统中载波同步的准确性，提升系统抗干扰性能。本发明利用em算法，给出了一种形式简单但性能优良的残余频偏和相偏估计方法，并将频偏和相偏的估计与迭代译码相结合，在译码迭代的同时实现载波同步；改进归一化偏移最小和算法(noms)，使其校正因子和偏移因子适应于系统编码码率和最大校验节点度数，参数由自适
应前向传播训练得到，训练中引入sigmoid函数和交叉熵损失函数，通过损失函数的随机梯度下降实现参数的更新，提升系统抗干扰性能。
6.为了实现上述目的，本发明采用的技术方案是：高动态通信系统中联合载波同步的自适应迭代译码算法，包括：
7.(1)发送端对信息序列进行信道编码，构造基于光正交码的准循环ldpc码；信道编码后的信号经调制、扩频、模数转换、模拟上变频后，被发送出；
8.(2)接收端在完成信号同步捕获后，通过锁频环和锁相环对捕获的信号进行频偏和相偏的粗估和校正；
9.(3)采用联合载波同步的迭代译码算法进行译码，每次译码迭代过程中利用更新的残余频偏和残余相偏估计值再次校正步骤(2)校正后的信号。
10.优选地，发送端利用光正交码循环自相关和循环互相关特性，构造准循环ldpc码，具体为：以码长为n0、汉明重量为ω的码字构造码长为n、汉明重量为ω的光正交码集x＝{xr}，其中r＝0,1,
…
,p，取m,p∈n，有
11.n＝(ω-1)pm+n0[0012][0013]
x
ω-1,1
≤m＜n0[0014][0015]
其中，x
ir
表示第r个码字的i次邻集，n表示自然数集合，共有p+1个码字，m表示模数，g表示码字x0的第i次邻集中的元素，h表示码字x0的第s次邻集中的元素，码字xr和光正交码集x均采用集合形式表示，码字xr集合形式中元素的取值由其各次邻集决定；
[0016]
光正交码集c构造完成后，对其中p+1个码字分别循环移位，得到p+1个不同的循环方阵q1,q2,
…
,q
p+1
，随机选择和排列这些循环方阵即可得到不同码率的校验矩阵h。
[0017]
进一步优选地，利用得到的频偏和相偏的估计值和对信号进行校正，得到校正后信号：
[0018][0019]
其中，rk表示接收端接收信号的第k位，t表示单位比特传输时间，表示环路跟踪得到的频偏估计值，表示环路跟踪得到的相偏估计值。
[0020]
进一步优选地，采用em算法估计步骤(2)所得信号的残余频偏和残余相偏，具体为：
[0021][0022][0023]
[0024]
其中，n表示接收符号序列长度即编码后的码长，d(d)＝{d:d＝[z
t
,c
t
]
t
}表示数据全集，c表示发送信号序列，z表示接收符号序列，b＝[δfr,θr]表示联合参数，δfr和θr表示残余频偏和残余相偏，l表示迭代次数，t表示单位比特传输时间，∧qk表示译码迭代中变量节点k(码字第k位)的消息。
[0025]
进一步优选地，所述联合载波同步的迭代译码算法采用改进的归一化偏移最小和算法译码，译码迭代时根据消息传递法则更新变量节点和校验节点消息后，对变量节点消息作硬判决，直至译码序列满足所有校验条件或迭代次数达到最大时停止迭代。
[0026]
进一步优选地，所述改进的归一化偏移最小和算法利用sigmoid函数和交叉熵损失函数对校正因子和偏移因子进行自适应前向传播训练，得到适应于系统编码码率和最大校验节点度数的校正因子和偏移因子。
[0027]
进一步优选地，所述校正因子和偏移因子自适应前向传播训练过程为：
[0028]
v＝(v1,v2,
…
vn)为训练集中某一接收信号，对应的发送信号为码字c＝(c1,c2,
…cn
)，码长为n，码率为r，最大校验节点的度数dc，这样的训练集信号共有s个；初始化校正因子α
(0)
、偏移因子β
(0)
以及变量节点传向校验节点的消息：
[0029][0030]
消息传递更新准则为：
[0031][0032][0033]
其中，^q
kj
表示变量节点k(码字第k位)传向校验节点j(校验位第j位)的外部概率信息，σ2表示信道噪声方差，∧p
jk
表示校验节点j传向变量节点k的消息，vj表示与校验节点j相连的变量节点的集合，ck表示与变量节点k相连的校验节点的集合，l表示迭代次数；
[0034]
一次迭代中变量节点和校验节点消息更新完成后，计算变量节点消息：
[0035][0036]
各变量节点消息作sigmoid非线性变换：
[0037][0038]
计算交叉熵损失函数：
[0039][0040]
交叉熵损失函数进行随机梯度下降，更新参数：
[0041][0042]
[0043]
其中η1、η2分别表示参数α和β的学习率；
[0044]
变量节点消息进行硬判决后完成一次迭代；随迭代次数的增加，参数不断向前传递更新；
[0045]
所有训练集信号训练后得到的参数值取均值，得到适应于系统编码码率r和最大校验节点度数dc的参数α和β，即校正因子和偏移因子。
[0046]
与现有技术相比，本发明的高动态通信系统中联合载波同步的自适应迭代译码方法，具有如下优点：
[0047]
(1)本发明基于em算法给出一种形式简单但性能优良的残余频偏和相偏估计方法，能更好地纠正高动态通信系统中信号的频率偏移和相位偏移，提升系统载波同步的准确性。
[0048]
(2)本发明采用载波同步与迭代译码相结合的方式，在译码的同时实现残余频偏和相位的估计及信号校正，避免了先校正后译码造成的空间和时间的浪费。
[0049]
(3)本发明采用改进的noms算法，引入sigmoid函数和交叉熵损失函数，通过对交叉熵损失函数进行随机梯度下降，实现校正因子和偏移因子的参数更新，使参数适应于系统编码码率和最大校验节点度数，提升了系统译码性能和抗干扰性能。
附图说明
[0050]
图1是本发明实施例中高动态通信系统中联合载波同步的自适应迭代译码方法整体流程图。
[0051]
图2是锁频和锁相相结合的自适应载波跟踪环详细结构示意图；
[0052]
图3是本发明实施例中联合载波同步的迭代译码算法原理示意图；
[0053]
图4是本发明实施例中改进的noms算法参数自适应前向传播训练示意图。
具体实施方式
[0054]
为了使本发明阐述地更加详细清楚，下面将结合附图对本发明进一步进行说明。应当理解，此处所描述的本发明的实施例仅用于解释本发明，并不用于限定本发明。
[0055]
如图1所示，本发明提供的高动态通信系统中联合载波同步的自适应迭代译码方法，包括以下步骤：
[0056]
一、高动态通信系统发送端对信息序列进行信道编码，利用光正交码独特的循环自相关和互相关特性，构造基于光正交码的准循环ldpc码。
[0057]
光正交码是一种为码分多址光纤设计的实用码，一族(n,ω,λ)等重光正交码集x中每一个码字(x0,x1,
…
,x
n-1
)的自相关函数和码集中任意两个不同码字(x0,x1,
…
,x
n-1
)与(y0,y1,
…
,y
n-1
)之间的互相关函数分别满足：
[0058][0059][0060]
τ表示光正交码字移位次数，λ＝1时的光正交码循环移位n-1次后形成的循环矩阵行向量之间1的重叠个数不超过一个；两个不同的光正交码分别循环移位后得到的两个循
环矩阵行向量之间1的重叠个数不超过一个。
[0061]
以码长为n0、汉明重量为ω的码字构造码长为n、汉明重量为ω的光正交码集x＝{xr}，其中r＝0,1,
…
,p，取m,p∈n，有
[0062]
n＝(ω-1)pm+n0[0063][0064]
x
ω-1,1
≤m＜n0[0065][0066]
其中，x
ir
表示第r个码字的i次邻集，n表示自然数集合，共有p+1个码字，m表示模数，g表示码字x0的第i次邻集中的元素，h表示码字x0的第s次邻集中的元素，码字xr和光正交码集x均采用集合形式表示，码字xr集合形式中元素的取值由其各次邻集决定。
[0067]
表1给出了光正交码比较典型常用的参数取值。
[0068]
表1光正交码典型的参数取值举例
[0069][0070]
光正交码集x构造完成后，对其中p+1个码字分别循环移位，得到p+1个不同的循环方阵q1,q2,
…
,q
p+1
，随机选择和排列这些循环方阵即可得到不同码率的校验矩阵。生成的校验矩阵符合ldpc码校验矩阵的约束条件，并且可以有效避免tanner图中四环和六环的出现，降低后续译码复杂度。
[0071]
二、信道编码器输出的信号经扩频调制、模数转换、模拟上变频、功率放大后，被发送出去。接收端在完成同步捕获后，通过锁频环和锁相环进行频偏和相偏的粗估和信号校正。
[0072]
图2给出了锁频和锁相相结合的自适应载波跟踪环详细示意图，环路跟踪器得到的频偏和相偏估计分别为和利用和校正接收的信号，得到校正后信号：
[0073][0074]
其中，rk表示接收端接收信号的第k位，t表示单位比特传输时间，表示环路跟踪得到的频偏估计值，表示环路跟踪得到的相偏估计值。
[0075]
三、基于改进归一化偏移最小和算法的联合载波同步的迭代译码算法进行译码，采用改进的归一化偏移最小和算法(noms)进行译码，改进的归一化偏移最小和算法中引入sigmoid函数和交叉熵损失函数，通过对参数进行前向传播训练得到适应于系统编码码率和最大校验节点度数的参数(校正因子和偏移因子)。依据em算法的迭代收敛性结合载波同步和译码，译码迭代时根据消息传递法则更新变量节点和校验节点消息，然后对变量节点消息作硬判决，直至译码序列满足所有校验条件或迭代次数达到最大停止迭代。
[0076]
1、em算法表征为以下两个迭代过程：
[0077]
q(b,b
(l)
)＝∫
d(z)
p(d|z,b
(l)
)logp(d|b)dz
[0078][0079]
em算法推导可得残余频偏和残余相偏迭代估计方法为：
[0080][0081][0082][0083]
其中，n表示接收符号序列长度即编码后的码长，d(d)＝{d:d＝[z
t
,c
t
]
t
}表示数据全集，c表示发送信号序列，z表示接收符号序列，b＝[δfr,θr]表示联合参数，δfr和θr表示残余频偏和残余相偏，l表示迭代次数，t表示单位比特传输时间，∧qk表示译码迭代中变量节点k(码字第k位)的消息。
[0084]
针对迭代过程中频偏估计优化问题的高复杂性，本发明给出一种形式简单但性能优异的频偏估计方法：
[0085][0086]
该估计方法在低信噪比情况下性能较现有算法性能更优。em算法中后一次迭代得到的估计值较前一次更优，算法收敛于最优估计值。
[0087]
2、联合载波同步的迭代译码算法原理如图3所示，具体为：
[0088]
(1)c＝(c1,c2,
…
,cn)为发送信息码字，z为经过频率和相位粗估校正后的信号序列，为译码所得序列。初始化残余频偏估计器初值和残余相偏估计器初值校正信号序列z：
[0089][0090][0091]
(2)初始化变量节点传向校验节点的消息：
[0092]
[0093]
(3)消息传递更新准则为：
[0094][0095][0096]
其中，∧q
kj
表示变量节点k(码字第k位)传向校验节点j(校验位第j位)的外部概率信息，σ2表示信道噪声方差，∧p
jk
表示校验节点j传向变量节点k的消息，vj表示与校验节点j相连的变量节点的集合，ck表示与变量节点k相连的校验节点的集合，l表示迭代次数。
[0097]
(4)一次迭代中变量节点和校验节点消息更新完成后，计算变量节点消息：
[0098][0099]
(5)对变量节点消息作硬判决，若判决否则判决变量节点消息进行硬判决后完成一次迭代。
[0100]
(6)利用em算法重新估计残余频偏和残余相偏，更新残余频偏和残余相偏估计值，用以进行下一轮译码迭代：
[0101][0102][0103][0104]
(7)反复迭代直至译码序列满足所有校验条件或迭代次数达到最大时停止。
[0105]
3、改进的noms算法中校正因子α和偏移因子β的自适应前向传播训练过程如图4所示，具体步骤如下：
[0106]
v＝(v1,v2,
…
vn)为训练集中某一接收信号，对应的发送信号为码字c＝(c1,c2,
…cn
)，码长为n，码率为r，最大校验节点的度数dc，这样的训练集信号共有s个。初始化校正因子α
(0)
、偏移因子β
(0)
以及变量节点传向校验节点的消息：
[0107][0108]
消息传递更新准则为：
[0109][0110][0111]
一次迭代中变量节点和校验节点消息更新完成后，计算变量节点消息：
[0112][0113]
各变量节点消息作sigmoid非线性变换：
[0114][0115]
计算交叉熵损失函数：
[0116][0117]
交叉熵损失函数进行随机梯度下降，更新参数α和β：
[0118][0119][0120]
其中η1、η2分别表示参数α和β的学习率。
[0121]
变量节点消息进行硬判决后完成一次迭代。随迭代次数的增加，参数不断向前传递更新。所有训练集信号训练后得到的参数值取均值，得到适应于系统编码码率r和最大校验节点度数dc的参数α和β。