信道利用率

信道利用率（共4篇）

信道利用率 篇1

0 引 言

随着无线自组织网络的发展,空间复用越来越得到更多研究的关注,空间复用可以提升网络的总吞吐量,而调整载波侦听阈值是一种具体的提高空间复用的方法。在CSMA/CA机制中,如果检测到的信号功率大于载波侦听阈值,那么表明信道忙,否则空闲。每个节点在传输之前检测信道并在检测到信道繁忙时延迟传输来减少冲突。选择一个合适的载波侦听阈值对提高空间复用率很重要,如果提高载波侦听阈值,那么竞争域的数量变多,且外部竞争域的干扰将会使其传输情况恶化,反之,竞争域的范围会变大,空间复用性能会下降。因此,为了充分利用空间复用并降低干扰的影响,选择一个最优的载波侦听阈值是非常有必要的。

IEEE 802.11协议支持无线多跳自组织网络中信道的多速率,根据香农定理,速率与信噪比(SINR)成正比,因此,调整载波侦听阈值有助于选择合理的速率,而基于这个速率,MAC层的传输速率就能够得到显著提高。

1 相关工作

越来越多的研究开始关注载波侦听阈值和空间复用对系统性能的影响。文献[1]中,空间复用被证明依赖于网络的多种特征,包括无线传播类型、网络拓扑结构、信道质量要求和信号传播环境等。文献[2]只允许距离小于一定阈值的发射-接收对之间进行数据传输,该阈值所对应的干扰范围不会大于传输范围,从而避免了RTS/CTS的情况。当前关于自组织网络的研究主要是使用文献[3,4]范围模型来描述无线链路,这些方法假定传输范围固定,没有考虑多速率情况。在文献[5,6,7]中,在成功传输所需最小信噪比的基础上,分析了同步信道干扰,得到相应的空间复用率和无线网络容量。文献[8]说明了物理载波侦听范围对一跳数据流总吞吐量的影响,并提出了一种反馈机制去权衡空间复用和数据冲突。

在选择最优载波侦听阈值和提高空间复用算法的基础上,本文通过跨层设计方法来利用物理层的信息来控制MAC的发送速率。

2 载波侦听阈值选择算法

无线网络协议分为5层,所有数据都通过物理层收发。因此,选择恰当的速率并调整MAC层发送速率是提高网络性能的关键。在香农定理的基础上,速率与SINR成正比,如式(1)所示:

rate=B×log2(1+SINR) (1)

其中,B是带宽,SINR是信噪比。

在CSMA/CA、多跳、多速率的无线自组织网络中,更高的信道速率只保持在较小的范围内。当节点成功接收数据时,SINR较信噪比阈值要大。所以可以从式(2)和式(3)中得到载波侦听阈值:

RTH/CS>=SINRTH (2)

CS<=RTH/SINRTH (3)

其中,RTH是接收到的功率,CS是载波侦听阈值,SINRTH是信噪比阈值。

在式(2)和式(3)中,通过调整载波侦听阈值能够提高空间复用。当提高载波侦听阈值时,竞争域变得越来越多,但域间的干扰会影响传输质量;当降低载波侦听阈值时,竞争域数目减少,域的范围扩大,并发节点虽越来越多,但由于域内竞争而导致并行度被消减。因此,选择合适的载波侦听阈值可以提高网络的性能。本文提出了基于多速率的载波侦听阈值选择算法。

在多速率无线网络中,每个节点有一个速率向量{Ratei|1≤i≤N,Ratei-1<=Ratei},并且存在一个载波侦听阈值向量{Csj|1≤i≤N,Csi-1>=Csi},这两个向量是一一对应的。

在无线网络中存在接收功率阈值,当物理层接收的强度大于接收功率阈值时,接收成功。因为SINRTH与速率相对应,那么接收方的干扰就一定小于RTH/SINRTH,所以给出一个Rate,每个Csk(i≤k≤N)都能和它匹配。

基于上次的传输情况,如果Rate和Csj传输成功,那么Cs∈{Csk|i≤k≤j};否则Cs∈{Csk|k>j},这一步可以使空间复用度的提高和速率的提升得到平衡。

上面描述了选择最优载波侦听阈值的算法,而在最优载波侦听阈值的基础上,可以通过香农定理获得相应的速率。从一个节点的角度,计算其物理层的信道利用率如式(4):

$pce=({\displaystyle \sum _{i=1}^{n}p}hysize\_frame{}_i/rate)/t\_update$ (4)

其中,n是物理层帧的数量,physize_framei是物理层帧的大小,rate是物理层的速率,t_update是统计周期,pce是物理层信道利用率。

3 竞争窗口控制算法

在文献[9]工作的基础上,我们从以下两个部分进行分析。首先获得一个站在一个通用时隙内传输一个帧的传输概率τ。然后,用τ的函数来表示MAC信道利用率。

3.1 帧发送概率

在二维马尔科夫链模型中存在两个随机过程:第一个是s(t),表示站在时间t时的退避状态(0,…,m),m是CWmax=2m*W(W=CWmin)产生的一个集合;第二个是b(t),表示给定的站在时间t时的退避定时器计数值。在我们的模型中,假设每个帧不论经历过多少次重传和冲突,每个帧均以常量概率p发生冲突。一旦假设成立,就可被用于模拟二维过程{s(t),b(t)}。根据状态的转变,我们获得帧传输概率如下:

$\{\begin{array}{l}prob\{i,k|i,k+1\}=1k\in (0,w{}_i-2),i\in (0,m)\\ prob\{0,k|i,0\}=(1-p)/w{}_{0}k\in (0,w{}_i-1),i\in (0,m)\\ prob\{i,k|i-1,0\}=p/w{}_{i}k\in (0,w{}_i-1),i\in (1,m)\\ prob\{m,k|m,0\}=p/w{}_{m}k\in (0,w{}_m-1)\end{array}(5)$

假设bi,k=limt→∞prob{s(t)=i,b(t)=k} k∈(0,wi-1),i∈(0,m)是给定状态的概率。现在,我们可以获得马尔科夫链的解决方案,还可以获得bi,k的结果[9]。

$b{}_{i,0}=\left(\frac{p{}^i}{{\displaystyle \sum _{j=1}^{i}w}{}_j}\right)\times b{}_{0,0}i\in (0,m)$ (6)

$b{}_{0,0}=\frac{2(1-2p)(1-p)}{(1-2p)(w+1)+p\times w(1-(2p){}^m)}$ (7)

由式(6)和式(7)可得到传输概率如下:

$\begin{array}{l}\tau ={\displaystyle \sum _{i=0}^{m}b}{}_{i,0}=b{}_{0,0}(1+{\displaystyle \sum _{i=1}^m(}p{}^i/{\displaystyle \prod _{j=1}^i)})\\ =\frac{2(1-2p)(1-p)}{(1-2p)(w+1)+p\times w(1-(2p){}^m)}(1+\\ {\displaystyle \sum _{i=1}^m(}p{}^i/{\displaystyle \prod _{j=1}^i)})(8)\end{array}$

其中,w=CWmin,wj=2j*CWmin,p表示未知的冲突概率。假设有n个站共享同一个信道,每个站以一定概率τ发送一个帧。那么p可表示如下:

p=1-(1-τ)n-1 (9)

通过式(8)和式(9),我们可以构造一个递归函数F(τ,1-(1-τ)n-1)=0,用以解决未知参数τ和p。

3.2 MAC信道利用率

为了获得MAC信道利用率,我们需要计算成功传输的时间以及传输的总时间、冲突时间和空闲时间。设ptr是在给定时隙内至少一次传输的概率,ps是传输成功的概率。这两个变量简单地表示如下:

基于上述结果,MAC信道利用率表示如下:

$rm\_eff=\frac{size\_frame/mr}{(1-p{}_{tr})\sigma +p{}_{tr}p{}_s{\rm T}{}_s+p{}_{tr}(1-p{}_s){\rm T}{}_c}$ (11)

其中,Ts是成功传输的时间,Tc是冲突时间,σ是空闲时间。根据基于802.11的RTS/CTS的接入机制,Ts和Tc可表示如下:

Ts=difs+cwi+rts+sifs+δ+cts+sifs+

size_framei/mr+sifs+δ+ack+δ (12)

Tc=difs+cwi+rts+δ (13)

其中,δ是传播延迟,cwi是回退时间。

至此,我们已经得到物理层信道利用率和MAC层信道利用率。由于物理层的信道利用率实际上反应了网络的状态,我们需要比较MAC层和物理层的信道利用率。为了使MAC层的信道利用率接近物理层的信道利用率,就需要调整MAC层的回退机制。如果rm_eff/pce>1,那么当冲突发生或传输失败时,竞争窗口为(CW)=(rm_eff/pce)×CW ;否则当rm_eff/pce<1时,CW也可以被设为(rm_eff/pce)×CW;而当rm_eff/pce==1时,CW的值保持不变。

在变化的网络环境下,本文提出的方法可以实现竞争窗口大小的自适应控制。

4 性能评估

我们在NS-2模拟器中实现了提出的算法。在模拟器中,共有24个网络节点,网络拓扑设置为六个两两相连的六边形,每个六边形看起来像有六个节点的蜂窝结构。模拟场景设置为300m×300m,数据源类型为VBR。物理层信道利用率和MAC层信道利用率的统计时间设置为0.5s,竞争窗口的初始值和最大值分别为31和1023,模拟时间为30s。在模拟实验中,任意两个节点间都能够以至少1Mbps的物理层速率(采用IEEE 802.11b的物理层速率,发送节点可以使用l、2、5.5或者11Mbps传输数据帧)通信,每个发送节点始终处于饱和状态,即其发包队列一直不为空。

图1和图2显示了本文方法和原有机制之间在延迟和吞吐量方面的比较。从图中可以看出,随着数据发送节点数量的上升,网络吞吐量也随之增长,同时由于节点间的冲突和竞争更加激烈,从而延迟也相应增长。由于本文算法采用动态的载波侦听阈值并根据物理信道实际状况来调整竞争窗口的大小,减少了不必要的竞争和冲突,并提高了信道利用率,从而本文算法在延迟方面增长比较平缓,比原有机制降低了33.18%,在吞吐量方面增长较快,比原有机制提升了47.66%。

5 结 语

本文提出了一种新的机制,把物理层信道利用率反馈给MAC层,并对二者的信道利用率进行比较来实现竞争窗口控制。通过对本文提出的机制进行性能评估,仿真结果表明,该机制在吞吐量和延迟方面要优于802.11 DCF。

摘要：介质访问控制(MAC)协议的物理载波侦听机制是一种减少冲突的有效方法。同时,载波侦听阈值的大小对网络性能也有很大影响。由于无线自组织网络物理层可具有多种速率,而MAC层中的发送速率与物理层速率的不匹配,会导致网络拥塞和网络性能下降。在分析物理层速率和载波侦听阈值之间关系的基础上,提出一个选择与多速率相匹配的载波侦听阈值算法,最后基于物理层的最理想速率,对MAC层和物理层信道利用率进行比较,再通过竞争窗口来自适应控制MAC层的发送速率来提高网络性能。仿真结果表明,该机制在吞吐量和延迟方面要优于802.11DCF,在吞吐量方面提升了47.66%,在延迟方面降低了33.18%。

关键词：空间复用,信道利用率,竞争窗口,载波侦听阈值

参考文献

[1] The working group for WLAN standards.IEEE 802.11 standards,Part 11:Wireless Medium Access Control (MAC) and Physical Layer (PHY) specifications[R].Technical Report,IEEE,1999.

[2] Crow B P,Kim J G.IEEE 802.11 Wireless Local Area Networks[C]//IEEE Comm.Mag.Sept,1999.

[3] Broch J,Maltz D,Johnson D.A Performance Comparison of Multi Hop Wireless Ad Hoc Network Routing Protocols[C]//Proc of ACE/IEEE MobiCom,1998.

[4] Li J Y,Blake C,Douglas S J.Capacity of Ad Hoc Wireless Networks[C]//Proc of ACM SIGMOBILE,July 2001.

[5]Gupta P,Kumar P R.The capacity of wireless networks[J].IEEE Trans-actions on Information Theory,2000.

[6]Hekmat R,Mieghem P V.Interference in wireless multi-hop ad-hoc net-works and its effect on network capacity[M]//Med-hoc-Net,September 2002.

[7] Guo X,Roy S,Conner W S.Spatial reuse in wireless ad-hocnetworks[C]//Proc.VTC,2003.

[8] Deng J,Liang B,Varshney P K.Tuning the carrier sensing range f IEEE 802.11 MAC[C]//Proc.IEEE GLOBECOM,Dec.2004.

[9]Bianchi G.Performance Analysis of the IEEE 802.11 Distributed Coor-dination Function[J].IEEE Journal on Selected Areas in Communica-tions,2000,18:535-547.

信道利用率 篇2

SCA (Subsidiary Communications Authorization, 直译为辅助通信业务) 是在调频广播中利用已有的FM广播发射设备、发射天线, 在原有载波频率上附加一个或多个不同节目的广播方式, 实现一个载波频率同时播送两套以上互不干扰的独立节目或者数据信号的一项频率复用技术, 即调频多工广播技术。

在1961年, 美国1000座调频台中已有25% 的电台设有SCA信道。到目前, 美国几乎所有调频台都已开展了SCA业务, 并收到了重大的经济收益。可见SCA广播这一项高新技术, 对提高现有频率资源的利用率、节约日益紧张的频率资源、节省建台费用、发展无线电通信事业都有重大的经济价值和社会效益, 更将成为广播部门今后新的经济增长点, 前景诱人。自从1992年我国第一个SCA广播电台——广州羊城交通台开播至今, 我国各大中城市的调频广播电台都相继开展了SCA广播业务。这说明我国的广播正向着“台中台”、“一主多副”、“一台多路”的多工通信方向发展。

SCA信道主要传送和立体声节目完全无关的信息, 其应用非常广泛, 具有代表性应用的主要表现在以下几个方面:

第一, 金融股市信息。

第二, 交通信息广播。

第三, 广播寻呼系统。

第四, 背景音乐广播。

第五, LED屏幕显示。

第六, 能源电力控制。

第七, 汽车防盗系统。

第八, 语言加密广播。

第九, 教学节目广播

第十, 气象报警广播。

第十一, 数据通信。

第十二, 市场报价。

SCA广播利用调频广播频带中附加信道的副载波来传送信息。由于调频立体声广播的基带信号频宽为53k Hz (调频单声道为15k Hz) , 所以在调频广播中, 53k Hz~100k Hz (调频单声道为15k Hz~100k Hz) 的频带几乎是闲置的, 该范围内有多个副信道可供利用, 其频率分布示意图见图1。为使附加的信息广播与原有的调频广播的副信道互不干扰, 其调制方式采用调频方式。SCA广播是调频—调频广播方式, 即双重调频制式, 它要求把附加信道的副载波频率选在干扰最小处, 即在19k Hz导频的谐波处, 如57k Hz、76k Hz、95k Hz, 也可选在干扰较小的66.7k Hz处。

这些年, SCA数据广播业务更是得到了长足发展。计算机系统和嵌入系统的快速发展和普及使得其数据通信已变为现实, 用户只需把计算机或嵌入系统联接上SCA数据接收机, 通过相应的软件就可接收到所需的各种数据信息, 并进行显示和分析处理。典型的应用例子就是移动LED屏幕广告信息发布系统。下面简单说明一下SCA数据广播系统的基本组成和工作原理。其接收系统主要技术指标如下:

主载波频率范围:87MHz-108MHz

调制方式:MSK (Minimum frequency Shift Keying最小频移键控, 调制指数为0.5时的CPFSK)

数据通信速率:9600bps

数据传输发式:同步

中心频率:76KHz

频偏:±4k Hz (副载波的空号为72k Hz, 传号为80k Hz)

SCA数据接收门限灵敏度:小于40μV

天线阻抗:75Ω

二、SCA数据传输系统基本原理

SCA数据传输系统主要由发送部分和接收部分组成。

SCA数据发送系统利用调频广播基带中的76k Hz作为附加信道的副载波, 其基带频率分布图见图2。

信息发射端:首先把要发布的数据信息通过实时播出软件进行筛选、压缩、编码、加密等处理, 再把已处理的数据经过计算机的RS232串行端口发送到SCA数字编码器进行编码, 并采用MSK数字信号调制方式将数字信息转换成副载波频移键控信号, 然后送入激励器的SCA附加信道输入端口, 和已通过立体声编码处理的节目信号进行混合, 最后送给FM调频发射机进行无线数据广播发射。数据信息发射端系统框图见图3。

用户接收端:用户通过一台SCA接收机将SCA信号接收下来并解调、解密, 变成标准的数据信息, 然后通过RS232串行端口将数据送到计算机系统或嵌入系统, 经安装的驱动程序和软件就可以显示、分析和处理所收到的数据信息。数据信息用户接收端框图见图4。

三、SCA数据信息发送系统的原理

经计算机数字化了的数据信息, 通过计算机的RS232接口电路转化为0V和5V的数字信号, 然后送入SCA数字编码器进行MSK调制, 变为频偏为4k Hz的频移键控信号。即将0V电平转换为80k Hz的频率信号, 将5V电平转换为72k Hz的频率信号, 且使这两个电平所产生的频率相位连续, 幅度不变, 使其转换的MSK调制信号的中心频率为 (80k Hz+72k Hz) /2=76k Hz。然后将这个频移键控信号放大, 送入激励器的SCA输入口, 至加法器与已编码的立体声信号进行线性相加后送入主调频器上, 并以规定的频偏调制到调频台的主频率上, 经过功率放大, 最后再由天线发射出去。SCA的调制度为调频广播总调制度的10% (立体声信号占80%, 导频占10%) 。

SCA数字编码器由RS232接口电路、MSK发声器、不平衡/ 平衡转换、信号放大等电路组成, 其结构框图如图5所示。

计算机的正负交变电平通过RS232接口电路转换为TTL电平后送至MSK发生器的输入端, 控制MSK发生器内部的电流开关电路, 以改变MSK发生器内的阻容式压控振荡器VCO的定时电阻的阻值来产生不同频率, 使其受所传数据的键控来生产频移信号, 并在该频移信号经过正弦波整形电路和不平衡/ 平衡转换电路后进行信号放大及滤波, 最后送入激励器的SCA输入口。

四、SCA数据信息接收系统的原理

SCA接收系统由调谐、中频滤波、限幅中放、鉴频、副载波带通滤波器、MSK解调器、RS232接口电路等组成, 其方框图如图6所示。

立体声和附加信道数据所混合的调频复合信号经SCA接收机的天线输入至调谐电路的高放, 和本振混频后变为10.7MHz的中频信号, 再经滤波后送入中放系统电路进行限幅中放、鉴频, 然后将鉴频器输出的立体声信号和副载波频移键控信号经72k Hz~80k Hz的带通滤波电路, 把需要的频移键控信号选出并送给MSK解调电路进行解调, 最后再通过RS232接口电路送入计算机, 使其复原为计算机可处理的数字信号。

MSK解调器由频移信号放大电路、锁相环及数据滤波电路等组成。锁相环包含阻容式压控振荡器 (VCO) 、鉴相电路和环路滤波电路等。MSK解调器结构框图如图7所示。

由副信道带通滤波器选出的MSK频移数据信号, 经放大后与来自VCO的信号进行鉴相并按所指定的PLL (Phase Locked Loop锁相环) 跟踪范围锁定其频移信号, 使其让环路滤波器输出一个与频移信号频率值相对应的直流电压, 这样随着输入频率的不断变化, 就产生了高低两个电平, 使MSK信号转变成数字信号, 最后把该数字信号送入计算机, 就完成了SCA数据的接收。

五、结束语

从以上分析我们可以看到:

第一, 利用现有调频广播电台设备及各项基础设施, 加上SCA数字编码器就可以组成SCA数据信息发送系统, 节省了投资费用。

第二, SCA数据信息传输系统不需另外申请频点, 就可开展无线数据传输业务, 如实现移动LED屏幕广告的信息发布, 节约了开支。

第三, 调频广播电台的发射天线高, 覆盖面广, 为SCA数据信息的发送奠定了实用基础, 更能充分体现SCA无线传输的优越性。

摘要：本文简要介绍了如何利用调频附加信道广播实现数据通信, 阐述了SCA数据传输系统的实现方法, 对SCA数据传输系统的发送和接收都进行了较为深入的介绍。

信道利用率 篇3

目前针对单一的调制类型识别其调制阶数的研究已经比较完善,当不同调制制式混合在一起时,调制识别问题就显得更加困难。而且待识别的调制样式种类越多,问题的难度就越大。一方面由于科技的发展使新的调制技术不断出现,已有的一些方法识别的调制种类有限;另一方面,分类器也在不断发展之中,功能更强、识别效率更高的一些分类器也被引入到了调制识别中。单纯采用决策树识别器构成超平面,分类效果不太理想。而神经网络识别器可以同时对多个特征参数进行非线性优化组合,综合考虑空间划分的整体效果,这样得到的超曲面能够对整个特征空间进行较精细的分割,从而提高调制识别的整体性能。

1综合识别算法设计

综合识别算法的基本原理如图1所示,一般待识别的信号分为有幅度调制和无幅度调制两大类,前者包括MASK和MQAM信号,后者包括MPSK和MFSK信号。此两大类可由信号的包络特征进行区分。对MASK信号可以利用累计量和包络特征确定调制阶数。对MPSK和MFSK信号,可以通过对恒包络信号求差分,根据二者的包络特征表现处明显的区别进行区分。对MPSK信号,引用高阶累计不变量识别具体调制阶数的方法,而MFSK的调制阶数可使用谱特征进行判断。针对MQAM信号的识别,可以采用基于对数似然函数的方法。

1.1 区分MASK,MQAM和MPSK/MFSK

在无噪声影响的理想情况下,有幅度调制的信号包络为多台阶函数,而无幅度调制信号的包络为常数[1]。首先利用三个基于信号包络的特征实现MASK、MQAM和MPSK/MFSK的识别。设输入信号的表达式为:

$f(t)=s(t)+n(t)(1)$

式中R,γmax和σa的定义分别为[2]:

$\begin{array}{l}R=\frac{R{}_{\text{s}}}{(1+2\text{Ν}\text{S}\text{R}){}^2}+\frac{8\text{Ν}\text{S}\text{R}+8(\text{Ν}\text{S}\text{R}){}^2}{(1+2\text{Ν}\text{S}\text{R}){}^2}-1(2)\\ \gamma {}_{\max }=\max |\text{D}\text{F}\text{Τ}(A{}_{\text{c}\text{n}}(i))|{}^2(3)\\ \sigma {}_{\text{a}}=\sqrt{\frac{1}{{\rm N}}{\displaystyle \sum _{i=0}^{{\rm N}-1}A}{}^2(i)-\left[\frac{1}{{\rm N}}{\displaystyle \sum _{i=0}^{{\rm N}-1}A}(i)\right]{}^2}(4)\end{array}$

常见调制方式信号的Rs值,如表l所示[3]。图2以2/4ASK,2PSK,2FSK,4QAM为例,描述了不同信噪比条件下,调制信号的R值。除了R特征外,还采用γmax和σa特征以取得更好的识别效果。

采用RBF网络对调制信号进行分类网络的输入为从接收信号提取的R,γmax和σa特征参数。输出为MPSK/MFSK,MQAM和MASK三类。分类器结构如图3所示。

1.2 MPSK/MFSK差分后的包络特征

判断出MPSK/MFSK信号后,可以利用求差分信号后信号的包络方差与均值平方比进一步区分MPSK和MFSK信号。2FSK与2PSK差分后所得信号的包络方差与均值的平方之比值如图4所示。可以看出,二者差别显著。当SNR>5 dB时,完全可以利用该参数将PSK和FSKA信号区分开来。

1.3 基于高阶累计量和包络特征的MASK信号分类

对于一个具有零均值的平稳复随机过程X(k),定义[4]:

${\rm M}{}_{pq}=E[X{}^{p-q}(k)(X{}^{*}(k)){}^q](5)$

及如下的各阶累计量:

$\begin{array}{l}C{}_{20}={\rm M}{}_{20}(6)\\ C{}_{40}={\rm M}{}_{40}-3{\rm M}{}_{20}^2(7)\\ C{}_{60}={\rm M}{}_{60}-15{\rm M}{}_{40}{\rm M}{}_{20}+30{\rm M}{}_{20}^3(8)\\ C{}_{80}={\rm M}{}_{80}-28{\rm M}{}_{60}C{}_{20}-35{\rm M}{}_{40}^2+420{\rm M}{}_{40}{\rm M}{}_{20}^2-630C{}_{20}^4(9)\end{array}$

表2列出了无噪声时MASK信号的理论累计量值[3],与前面介绍的包络参数Rs一起,应用RBF网络可以对4/8ASK信号进行区分。

使用式(4),式(5)和式(6)计算实际采样MASK信号的和Cx,40,Cx,60和Cx,80,并提取信号包络方差与均值的平方之比R,作为RBF神经网络的输入/输出为4/8ASK信号。不同数据长度下,分类效果与信噪比的关系如图5所示。从图中可以看出,联合使用高阶统计量和包络特征,并采用分类性能强的RBF网络,在信噪比为6 dB以上时,正确分类概率达90%以上。

1.4 基于高阶累计不变量的MPSK信号调制识别

MPSK信号的主要特征是相位的不同,利用其相位的二阶及高阶矩可以区分不同的调制阶数M[5]。按${\rm M}{}^{\cdot }=\underset{{\rm M}}{{\displaystyle \text{a}\text{r}\text{g}\text{m}\text{i}\text{n}}}(\widehat{\mathit{F}}{}_{\text{r}}-\mathit{F}{}_{\text{Μ}\text{Ρ}\text{S}\text{Κ}}{}^2)$的准则判断调制所使用的阶数M。其中特征向量FMPSK为:

$\mathit{F}{}_{\text{Μ}\text{Ρ}\text{S}\text{Κ}}=\{\begin{array}{cc}[1,1]‚& {\rm M}=2\\ [1,0]‚& {\rm M}=4\\ [0,0]‚& {\rm M}=8\end{array}(10)$

在没有噪声的理想状况下,经集平均计算得到2PSK,4PSK和8PSK的4阶阶累积量理论值如表3所示。

选取BPSK,QPSK和8PSK信号进行仿真实验,验证基于高阶累计量特征的MPSK调制分类方法性能。采样频率和调制频率分别为码元速率为1 200 kHz和150 kHz。码元速率为12.5 kHz。信噪比范围从5～15 dB每隔2 dB进行100次Monte Carlo仿真实验。在不同数据长度下的分类结果(见图6)。可见当信噪比超过5 dB时,正确识别率达95%以上。

1.5 基于谱特征的MFSK信号分类

信号的谱特征,包括频谱、功率谱及其高次方谱等,用于描述信号频域特征的参数主要有:归一化中心瞬时频率的绝对值的标准差[6]σaf 、单谱峰检测值D、谱峰数目、信号n次方的n倍频处频谱分量[7]等。

MFSK信号的调制指数较大,利用信号功率谱谱峰数目可区分2FSK和4FSK;当调制指数较小时,信号平方功率谱的谱峰数目可区分2FSK和4FSK。对于小调制指数的2FSK和MSK信号的区分,可以利用信号平方功率谱的单谱峰检测值完成。

1.6 MQAM信号的识别

MQAM信号幅度概率密度函数只与M有关[8]。也即是说,对于MQAM信号,不同M值对应不同的幅度分布。因此,可以通过求取信号的幅度分布来识别不同调制阶数的MQAM信号。表4为使用概率密度方法的MQAM信号识别率。

2算法流程

综合前面介绍的算法原理,得到图8所示的调制信号制式自动识别算法。

算法的实现步骤为:

(1) 经预处理后,完成载波频率、数据速率、相位等参数的估计,且观测数据中只含有一个待识别的信号;

(2) 计算信号包络特征R,γmax和σa;

(3) 使用RBF网络l,将信号分为MFSK/MPSK,MASK和MQAM三大类;

(4) 对MFSK/MPSK信号,利用差分信号的包络特征将其分为MFSK(含MSK)和MPSK两类。利用谱特征区分2FSK/4FSK/MSK信号,利用累计量特征区2/4/8PSK信号;

(5) 对MASK信号,使用累量和包络特征作为RBF网络2的输入,区别2ASK和4ASK信号;

(6) 对MQAM类,使用基于对数似然函数的方法区别4/16/64QAM信号。

3仿真结果

仿真条件:所有信号的波特率均归一化为1.0,归一化载波频率为10,所使用的信噪比变化范围为5～20 dB。成形滤波均为矩形脉冲,2FSK/4FSK调制指数分别为0.5和1.5。

每一种信号在每一个调制参数(包括载波频率、调制指数和信噪比)下均仿真100次,最后统计总的识别率,最终的识别结果如表6所示。

从仿真结果表明,对备择调制方式较多,且包含不同种类的调制类型的复杂调制类型识别问题,使用综合调制识别方案,在SNR>11 dB时,所有信号的正确识别率超过90%。在不考虑噪声影响的情况下,针对某种调制方式判别调制阶数时不同分类器的调制识别效果如表7所示。可以看出,使用贝耶斯和神经网络都能很好地完成识别任务。

4结语

采用决策树和RBF网络相结合的综合调制识别方法,能对AWGN信道下常见的调制方式2ASK,4ASK,ZFSK,4FSK,MSK,BPSK,QPSK,SPSK,4QAM,16QAM和64QAM信号进行准确识别。仿真结果表明,在信噪比不低于11 dB时,所关注信号的准确识别率均超过90%。该方法具有一定的实用性,为复杂调制识别提供了新的思路和方法。

参考文献

[1]陈健,阔永红,李建东,等.通信信号自动识别方法[J].电路与系统学报,2005,10(5):102-108.

[2]DOBRE O A,ABDI A,BAR-NESS Y,et al.Survey of au-tomatic modulation classification teelmiques:classieal ap-proaehes and new trends[J].Conmmunications IET,2007,l(2):137-156.

[3]李杨,李国通,杨根庆.通信信号数字调制方式自动识别算法研究[J].电子与信息学报,2005,27(2):197-201.

[4]XI Song-nan,WU H C.Robust automatic modulation clas-sifieation using cumulant features in the presence of fadingchannels[J].Wireless Communications and NetworkingConference,2006,4:2094-2099.

[5]胡敏,易波,王世练.基于滑动平均和高阶统计量的数字调制识别[J].电子信息对抗技术,2006(4):15-18.

[6]姜园,张朝阳,罗智勇.小波变换与模式识别用于自动识别调制模式[J].电路与系统学报,2006,11(4):125-130.

[7]HOSSEN A,AI F,JERVASE J A.Classification of modu-lation signals using statistical signal characterization andarficial Neural networks[J].Engineering Applications ofArtificial Intelligence,2007,20(4):463-472.

MIMO系统信道模型及信道容量 篇4

在实际的MIMO无线系统中由于无线传输线路伴随着各种衰落和多径效应的广泛存在, 使MIMO通信系统的信道的频率随时间不断变化。当信道的时延扩展T远远大于或相当于符号的持续间隔T 。发送的信号发生了时间色散现象, 这样就引起了码间串扰 (ISI) , 接收端所接收到得信号中包含了经历衰减和时延的发送的多径信号, 产生了接收信号失真。这样的信道称为频率选择性信道, 如图1 所示。

考虑点到点的MIMO通信系统, 有Nt根发射天线和Nr根接收天线, 不考虑噪声的情况下MIMO的信道模型可以表示为:

H (t) 为MIMO系统的信道矩阵。假定信道服从瑞利分布, Hl中的元素是均值为零的高斯随机变量。Hl是MIMO信道H () 在第l径, 时的信道脉冲响应。当l 0 时对应频率平坦性衰落信道矩阵。

当Rlr, dr和Rlt, dt都是单位矩阵时, 就是空间独立的频率选择性信道, 即为:

2 无线通信系统信道容量分析

无线通信系统中的信道容量的研究是研究其他无线通信技术的基础, 对于分配有Nt根发射天线和Nr根接收天线的多输入多输出 (MIMO) 信道, 发射端不知道传输信道的状态信息条件下, 如果信道的幅度固定, 则信道容

3 小结

MIMO信道的容量在很大的程度上取决于天线之间的相关性能和MIMO信道矩阵的满秩情况。在MIMO信道模型中, 考虑相关性的方式类似于通常在波束形成 (BF) 信道模型中的做法, 用一个相关矩阵前乘或后乘信道矩阵来控制天线的相关度, 使其成为路径角度、天线间隔和工作波长的函数。

摘要：MIMO通信技术与正交频分复用OFDM技术相结合是3G移动通信时代和后3G时代的关键技术之一, 不仅能进一步提高频谱利用率, 抗频率选择性衰落还具有良好的抗多径干扰等能力, 本文针对MIMO-OFDM信号检测算法展开研究, 在接收端和发送端分别采用多天线能显著地提高系统容量, 但容量的提高必须采用合适的信号处理技术, 现在有各种方案可应用到MIMO系统, 如最大似然 (ML) 检测算法、迫零 (ZF) 检测算法、最小均方误差 (MMSE) 检测算法、V-BLAST检测算法等, 人们提出了各种各样的改进算法, 为了评估这些信号检测算法的特性, 必须建立一个合适的基于MIMO系统的无线信道模型

关键词：OFDM技术,MIMO通信技术,信道容量

参考文献

[1]范毅君, 蔡家麟.OFDM通信系统研究及其仿真分析[J].软件导刊, 2009 (01) .

[2]石瑞华.MIMO在无线通信技术中的应用[J].苏州工职院, 2009 (02) .

[3]李忻, 黄绣江.MIMO无线技术的研究现状[J].2006 (05) .

[4]贺翠.MIMO-OFDM系统信号检测技术研究[J].西安电子科技大学硕士学位论文, 2008 (01) .

[5]绛岩林.MIMO系统中的信号检测与预编码[J].西安电子科技大学, 2008.

[6]赵谦.无线MIMO系统的容量及信道估计算法的研究[J].2005 (04) .