联合调制（共5篇）
联合调制 篇1
相位编码 (PC) 和频率步进 (SF) 信号是两种常用的脉冲压缩信号[1]。相位编码信号[1]的模糊函数呈图钉形, 因此具有很高的时延和多普勒分辨力。频率步进信号[2]通过脉冲串中子脉冲载频的跳变来获得大带宽, 通过IFFT处理来获得很高的距离分辨率, 但是它的积累周期相对较长, 因此数据率较低, 存在距离-多普勒耦合的问题。本文研究了一种脉内相位编码, 脉间频率步进[3]的联合调制信号 (PCSF) , 它可以克服频率步进信号的缺点, 具有非常好的应用前景。
1 PCSF信号波形定义及其模糊函数
PCSF信号在步进频率信号的子脉冲内进行相位调制, 使得步进量f随相位编码子脉冲宽度T1变化, 而脉冲宽度T=KT1, 其中K是编码位数。因此, PCSF信号能够获得比SF信号更大的f, 可以在保证雷达系统平均发射功率的前提下, 用较少的脉冲个数实现等同的带宽, 解决作用距离、系统带宽和系统输出数据率之间的矛盾。
PCSF信号的表达式如下:
其中,
N是脉冲个数, Tr是步进子脉冲重复周期, f是频率步进量, T是步进子脉冲宽度, T1是相位编码子脉冲每位的宽度, K是编码长度, 且T=KT1, cm是相位编码序列, 常用巴克码、弗兰克码、P码等编码序列[1]。PCSF信号的波形如图1所示, 其中TP为PCSF信号的帧周期。
信号模糊函数[1]是对信号进行分析和设计的有效工具, 它用来描述发射一定波形, 采用最佳信号处理方式, 该信号所具有的分辨率、测量精度和杂波抑制能力等指标。按照模糊函数的定义:
将 (1) 式代入 (2) 式可得PCSF的模糊函数如 (3) 式。
针对PCSF信号的模糊函数采用如下的仿真参数:载频是f0=94GHz, 频率步进量是f=40MHz, 子脉冲脉宽是T1=0.13us, 频率步进子脉冲是采用K=13位的巴克码序列, 脉冲重复周期是Tr=20us, 脉冲个数是N=13, 结果如图2所示。另外, 在相同的脉冲重复周期、相同的等效时宽、相同的工作带宽等参数下频率步进信号的模糊图见图3。
对比图2和图3可以看出:
(1) PCSF信号和SF信号的模糊图都是刀刃型, 但是PCSF信号副瓣要比SF信号副瓣低很多。可见PCSF的距离多普勒联合旁瓣比SF低很多, 模糊图更近似呈图钉形状, 因此PCSF雷达信号具有更高的距离多普勒分辨率。
(2) 距离分辨率取决于信号等效带宽, 仿真中对两信号采用的有效带宽相同。由于PCSF采用了脉内相位编码调制技术, 因此从模糊图上可以看到它的距离旁瓣衰减明显快于SF信号。另外PCSF采用了相位编码技术, 步进量f得到增加, 因此可以减少步进个数, 同时提高数据率, 以及降低多普勒敏感。从另外一个角度来说, 如果采用相同的步进个数, 那么PCSF信号可以获得更大的有效带宽, 从而可以获得更高的距离分辨率。
(3) 速度分辨率取决于信号的等效时宽, 仿真时对于两信号采用的等效时宽相同。由于PCSF信号采用了脉内相位编码技术, 因此可以更有效地抑制多普勒模糊旁瓣, 而且与一般的步进频脉冲串波形的速度模糊旁瓣相比, PCSF的多普勒模糊旁瓣衰减的速度更快。另外, 相对SF信号, PCSF在保持较大步进的同时, 容易获得大的时宽, 也就更容易提高速度分辨率。
2 结语
本文研究了一种脉内相位编码, 脉间频率步进 (PCSF) 的混合调制信号, 详细介绍了信号波形、参数和模糊函数。PCSF信号采用了脉内和脉间的二级调制形式, 可以获得比普通SF信号更大的频率步进量, 能够用较少的脉冲个数实现相同的等效带宽, 从而解决了频率步进量、脉冲串个数, 以及发射平均功率之间的矛盾。因此, 在保证一定距离分辨率的前提下, PCSF信号既能提高雷达系统的数据率, 又能降低雷达系统的多普勒敏感性, 具有非常好的应用前景。但在需要获得精确距离信息和目标径向速度非常大的情况下, 还需要进一步研究适合的速度补偿算法。
参考文献
[1]Wehner D R.High resolution radar[M].2nd ed.Boston:Ar-tech House, 1995
[2]毛二可等.频率步进雷达信号处理[J].航空学报, 2001, 22 (增) :167-170
[3]K.L.Sitler, M.A.Temple, R.C.Novack.High range resol-ution profiling using phase-coded, stepped-frequency wave-forms[J].Electronics letters, 3rd January2002, 38 (1) :46-48
[4]Einstein, T.H.Generation of high resolution radar range profiles and range profile auto-correlation function using stepped-frequency pulse trains[R].Lincoln Laboratory Pro-ject Report TT-54, 1984
[5]E.Yadin, A.Strupinsky.Adaptive beam forming on imper-fect phase synchronizing source echoes[A].RADAR-9IEEE International Radar conference[C].1992:454～457
联合调制 篇2
1 分形盒维数和归一化峰度
假设接收信号x (t) 是调制信号s (t) 和高斯白噪声n (t) 的叠加, 即x (t) =s (t) +n (t) 。其中, n (t) ~N (0, σ2) 。在仿真中, s (t) 属于以下6种调制类型:ASK, 4FSK, 8PSK, 16QAM, 4PAM和OFDM。其中OFDM信号子载波采用BPSK调制, 子载波数为64。信号调制类型识别的目标是对于给定的s (t) 的N个信号采样点, 在集合ASK, 4FSK, 8PSK, 16QAM, 4PAM和OFDM中识别分类。
1.1 分形盒维数
分形维数是分形理论中定量描述分形集复杂性的主要参数。分形维数能有效度量通信信号。Hausdorff维数是分形理论中最基本的一种分形维数, 但其计算复杂, 因此, 一般使用分形盒维数描述信号的分形信息。文献[1]提出了一种基于分形盒维数的调制类型识别的方法。
图1是ASK, 4FSK, 8PSK, 16QAM, 4PAM, OFDM六种调制信号的分形盒维数随信噪比变化的曲线图。横轴SNR代表信噪比, 纵轴DIM代表信号分形盒维数。从图1中可以看出, ASK, 4PAM, 8PSK, 16QAM调制信号归一化峰度随着SNR有明显变化, 当SNR变高时, 逐步趋于稳定。4FSK和OFDM信号不随SNR变化而变化, 两者分形盒维数特征类似。从图1可以看出在SNR未知时, 分形盒维数很难区分信号类型。在SNR已知时, 4FSK信号和OFDM信号也不能依赖分形盒维数区分。
1.2 归一化峰度
归一化峰度等于3的实信号是高斯信号, 小于3的实信号是亚高斯信号, 大于3的实信号为超高斯信号[8]。无线通信中的数字调制信号多为亚高斯信号。图2是ASK, 4FSK, 8PSK, 16QAM, 4PAM, OFDM六种调制信号的归一化峰度随SNR变化的曲线图。横轴SNR代表信噪比, 纵轴K代表信号归一化峰度。从图2中可以看出, 4PAM、16QAM调制信号归一化峰度在不同SNR下的变化。ASK和OFDM信号不随SNR变化而变化, 两者信号特征类似。4FSK和8PSK信号特征类似, 且随着SNR变化而变化。由图2可以看出, 信号归一化峰度用于区分信号调制类型时, 在SNR未知时不能有效区分。在SNR已知时, 也不能区分4FSK和8PSK信号, 以及ASK和OFDM信号。
2 Dimension Peak算法
从图1和图2可以看出, 分形盒维数和归一化峰度都在SNR未知时不能有效区分信号调制类型。DP算法将分形盒维数和信号归一化峰度作为二维信号特征向量, 使用径向基神经网络进行分类识别。
分形盒维数在文献[9]中定义为
式中:是覆盖G的最小半径为的最小闭球数目。文献[10]将其简化, 对于数字化离散空间信号点集的分形维数有如下计算公式。设信号采样序列为f (ti) , (i=1, 2, …, N+1) , 其中N为偶数。令
则分形盒维数可以表示为
实信号的归一化峰度为
式中:E[x]为x的期望。
图3和图4分别是是信号信噪比大于-5 d B和0 d B时, ASK, 4FSK, 8PSK, 16QAM, 4PAM, OFDM六种调制信号的二维特征图。图中实验信号SNR分别是在-5~+20 d B和0~+20 d B均匀分布的。由图3和图4可以看出, 相对于一维的分形盒维数特征或归一化峰度特征, 二维特征具有更明显的信号调制类型区分能力。由图3和图4对比可以看出, 信号在SNR较高时, 信号具有更明显的分类特征。当SNR接近-5 d B时, 信号特征出现聚集现象, 不利于区分。然而, 相对于前面两种一维特征, 新算法在区分信号调制类型时不需要已知SNR。
3 仿真验证
待测信号为ASK, 4FSK, 8PSK, 16QAM, 4PAM, OFDM六种数字调制信号。实验中, 待测信号信噪比为在20 d B>SNR>-5 d B和20 d B>SNR>0 d B范围内进行测试。由于SNR很高时, 信号特征明显, 容易区分, 所以实验时SNR取值上限为20 d B。SNR>-5 d B时每种信号测试2 600次, SNR>0 d B时每种信号测试2 100次。两种测试的径向基神经网络分别由SNR在-5~+20 d B和0~20 d B的6种随机数据调制信号训练。表1和表2分别是SNR>-5 d B和SNR>0 d B时调制信号分类结果。其中No.1, No.2, No.3, No.4, No.5和No.6分别代表检测结果为ASK, 4FSK, 8PSK, 16QAM, 4PAM和OFDM信号。表中的数据代表相应的检测次数。由表1和表2知, 在SNR>-5 d B时, 6种信号的分类正确率分别是95.46%, 94.31%, 97.42%, 100.00%, 99.85%, 98.96%。在SNR>0 d B时, 6种信号的分类正确率都超过99.90%。可见, 新算法在SNR未知时检测性能也很高。但该算法的缺点是在SNR很低时, 性能会下降。
4 结论
分形盒维数和信号归一化峰度作为信号特征, 它随着SNR变化而变化。DP算法使用分形盒维数和归一化峰度作为二维分类特征, 并使用神经网络作为分类器进行信号调制类型识别。该算法具有计算简单、实现容易的特点。仿真结果表明, 在SNR>-5 d B时, DP算法在SNR未知的情况下, 可以取得很高的检测性能。
参考文献
[1]DOBRE O A, ABDI A, BARNESS Y, et al.A survey of automatic modulation classification techniques:classical approaches and new developments[J].IET Commun., 2007, 1 (2) :137-156.
[2]RAMKUMAR B.Automatic modulation classification for cognitive radios using cyclic feature detection[J].Circuits and Systems Magazine, 2009, 9 (2) :27-45.
[3]DOBRE O A, ABDI A, BAR-NESS Y, et al.Cyclostationarity-based modulation classification of linear digital modulations in flat fading channels[J].Kluwer Wireless Personal Commun, 2010, 54 (4) :699-720.
[4]SHEN L, LI S, SONG C, et al.Automatic modulation classification of mpsk signals using high order cumulants[C]//Proc.8th International Conference on Signal Processing.[S.l.]:IEEE Press, 2006:4.
[5]MENG Lingling, SI Xiujie.An improved algorithm of modulation classification for digital communication signals based on wavelet transform[C]//Proc.International Conference on Wavelet Analysis and Pattern Recognition.[S.l.]:IEEE Press, 2007:1226-1231.
[6]VADIVELU R.Implementation of modified time-smoothing algorithms and its comparative analysis in spectrum sensing[J].European Journal of Scientific Research, 2012, 80 (2) :237-243.
[7]陈纬, 张旭东, 邢志强.基于综合检测的多调制格式信号频谱感知[J].电声技术, 2013, 37 (3) :63-38.
[8]张贤达.现代信号处理[M].2版.北京:清华大学出版社, 2002.
[9]赵春晖, 马爽, 杨伟超.基于分形盒维数的频谱感知技术研究[J].电子与信息学报, 2011, 33 (2) :475-478.
联合调制 篇3
1974年,Massey提出编码调制[1](CM,Coded Modulation)的概念,其中心思想是将编码与调制结合起来实现系统的最优化设计,以提高数据传输系统的性能。高效编码调制与传统的将纠错编码与调制分离的技术相比,其最大的优越性就在于能够在既不展宽频带又不降低有效数据传输率的前提下,提高系统的性能。1982年,Ungerboeck提出网格编码调制 [2](TCM),通过二进制集合分割方法将二进制标签矢量映射到星座点上实现。但TCM除了好码的设计和搜索的复杂度过高以外,其结构本身存在部分交叠的信号星座集,在衰落信道下系统性能较差等缺点。多级编码调制[3](MLCM)的完整方案是H.Imai在1977年提出的,MLCM中使用多级的编码来保护信号点的每一个二进制向量元素,每一级编码器的码型选择是以欧氏距离最大化为依据的。在接收端,每个码字都经过多级译码,从最低级开始的,高级考虑前一级的译码结果。MLCM方案的最大优点在于:码率设计的可调性,可实现不等错误保护(UEP),分量码选择灵活,且易于使用信道容量规则,是Rayleigh衰落信道下有效地编码调制方案之一。
目前对MLCM的理论研究主要集中在以下三个方面。 第一,分量码的设计。MLCM各级的分量码可以选择BCH码,卷积码,LDPC码等,各级码率的设计主要使用信道容量规则[1]。第二,映射规则的选择。文献[4]指出,采用MASK调制方式,在AWGN信道下最佳的MLCM设计准则为信道容量规则加UP映射,在Rayleigh衰落信道下最佳设计准则为信道容量规则加BP映射。第三,译码算法的选择。目前常用的译码算法主要有多级译码[3](MSD)和多级并行译码[5](PDL)两种。MSD算法是一种准最佳译码方法,其译码过程是分阶段进行的,前一级的译码结果为后一级提供参考,提高信息传输的可靠性,但存在"错误传播"和译码时延高的问题;P.Schramm提出的PDL译码算法很好地解决了MSD算法的问题,其各级译码是独立完成的,各级译码器之间不存在关联,但会造成信息的丢失。
上面的两种译码算法都存在一定的缺陷,MSD算法性能较好但不易实现,PDL算法容易实现但会造成性能的下降。针对译码算法的缺陷,本文主要研究了一种联合LDPC码多级编码调制的迭代判决算法,并建立了MLCM-ID系统方案和仿真模型。仿真结果表明,采用迭代判决的方法可以有效地提高系统的性能。
2 多级编码调制的基本原理
2.1 多级编码调制系统方案
一般来讲,由纠错编码和数字调制组成的MLCM方案中,通常有以下几个模块:串并转换器、多级编码器和映射器,如图1所示。MLCM系统设计中有最为关键的两个部分:其一为MLCM的每一级编码器设计,其二为信号星座的映射设计。
在发送端,信源信息经串并转换后并行进入MLCM编码器,每一路进行独立的二元编码,在特定的集分割规则下编码器输出数据被映射成信号的星座点,进而完成编码调制过程。在接收端,则进行相应的反映射和译码操作。
在AWGN信道下,传统的MLCM系统中在编码器和星座映射之间一般不设置交织器;而在衰落信道下,为离散突发错误和避免多级译码的误码传播,则需要在其间设置比特交织器或符号交织器。
系统的总编码效率为各级分量码编码效率的总和,这也正是MLC这种编码调制方案的最大优点之一:码率可调整或码率设计灵活,它也为信道容量设计规则的提出准备了必要的条件。同时,由于每一级分量码都是等长度的,因此在数据信息源的不同块间没有干扰存在,这样也可避免译码错误对各级数据块的传播。
2.2 多级编码调制的译码算法
若MLCM系统采用最大似然译码算法,则其计算复杂度随信息位呈几何级数增长,因而准最佳似然译码算法是当前的研究热点。传统MLCM译码处理算法以非迭代方式进行,通常有以下两种:一种是多级译码(MSD),另一种则是并行译码(PDL),如图 2、图 3所示。
MSD是一种渐进最佳的译码算法,采用逐级译码方式,前级译码输出均为后级译码提供信息参考,其复杂度较最大似然算法低很多,是一种较为理想的译码方法,但存在着"错误传播"的问题,即前级的误码会通过反馈,造成后级的译码错误。相比之下,PDL在级与级之间没有反馈,各级并行独立译码,因而结构相对简单,译码延迟小,但译码性能较差,仅适合于对误码性能要求不高的情况。
3 MLCM迭代判决译码算法
随着Turbo概念的提出和BICM-ID[6]技术的深入研究,有理由相信:若在MLCM每级编码器与星座映射间均插入比特交织器,并将"编码器-交织器-星座映射"视为一种多级并行的级联编码,则采用迭代译码方法可获得更大的处理增益。根据Turbo迭代原理[7],对于某一系统的各个子系统,只要满足以下两个条件:
a)子系统间存在着约束或关联;
b)子系统间存在着交织或隐交织。
即可使用迭代处理方式对各子系统的逆过程进行联合处理,从而取得大的处理增益。
由图 1可见,MLCM系统满足上述两个条件,因而可以采用迭代方式进行联合处理。这里参考BICM-ID模型,提出一种MLCM-ID系统模型,事实上,在MLCM-ID体制中,BICM-ID可视为其级数为1时的一个特例。
为便于算法描述,将图 1的MLCM系统结构图等效为图 4所示的NG(Normal Graph)图。在此图中,各符号含义如下:
a) P表示串并转换,输出矢量记:
b) Ci(i = 0, 1, …, m-1)表示编码器,输出矢量记:
c) Пi(i = 0, 1, …, m-1)表示交织器,输出矢量记:
d) M表示星座映射,经过信道后的有噪接收矢量记:Y。
将NG图中的P、Ci、Пi和M等各个符号,等价为MLCM-ID系统的若干子系统。定义算子
MLCM-ID系统的迭代处理算法,描述如下:
初始化:设定最大迭代次数Imax。
步骤1:当迭代次数<Imax时,进行迭代
步骤2:迭代结束后,判决输出
4 联合LDPC码的MLCM-ID系统仿真模型
本节根据上面介绍的MLCM迭代判决算法,建立联合LDPC码的MLCM-ID系统仿真模型。
MLCM系统的分量码可以进行灵活的选择,本文使用LPDC码作为分量码,其主要原因有三:首先,LDPC码可以取得比Turbo码更接近香农限的性能,目前最好的非规则LDPC码在AWGN信道下距香农限仅0.0045dB;其次,LDPC码采用基于因子图的并行迭代译码算法,不仅保证了低的误比特率,而且并行译码大大降低了译码时延;再次,不同码长和码率的LDPC码比较容易构建,系统可以在较大的码率空间内选择分量码。另外,由文献[8]可知,LDPC校验矩阵的随机性构造及其稀疏性表明其译码器拥有一个内置的交织器,因此在MLCM系统中,即使不使用交织器,也能取得较好的性能,在仿真模型中可以省略交织部分,减小系统的复杂度。
系统调制方式选择常用的8PSK,星座映射方式使用UP映射,如图 5所示,这种映射方式通过每一级的分割,使每一级内部子集的最小欧氏距离最大化。
根据以上分析,建立MLCM-ID系统的仿真模型,如图 6所示。
发送端经串并变换将数据分为x1,x2,x3三级比特流进行传输,多级编码器对并行比特流进行LDPC编码得到c1,c2,c3,经过星座映射成8进制星座点。ri为第i级的信道输出序列, Li,li分别是解调器和译码器输出的外信息,Ei,ei分别是输入译码器和解调器的先验信息。联合译码的解调过程是在译码器和解调器之间的外信息反复迭代直至收敛的过程。图 6中的虚线部分是MSD算法的反馈译码过程,即前一级的译码结果为后面的级提供译码信息。
5 仿真结果与分析
本节根据上一节建立的仿真模型,对MLCM-ID系统进行仿真分析。本文采用PEG算法构造的非规则LDPC码,码长为1084比特,码率为0.4723,多级编码器的每一级码率相同,8PSK调制方式,UP映射方式,内迭代为30次,外迭代分别为1次和5次,在AWGN信道条件下进行仿真。
由仿真结果可以看出,在多级编码调制中使用迭代判决能够明显提高系统的性能。图 7是在PDL算法的基础上对每一级的译码进行迭代处理的误比特率仿真图,从图中可以看出,使用迭代判决算法可以提高性能约1.5dB,迭代一次的性能已经可以取得不错的效果,而迭代5次的效果并不明显,且随信噪比的提高对性能的提高越来越小。
同样地,对MSD算法(即图 6虚线表示的部分)中的每一级使用迭代判决,其性能如图 8所示,可以看到迭代对MSD算法提高的性能并没有PDL算法那么明显,这是由于MSD算法的级与级之间存在反馈,前一级的译码结果会为后面的级提供参考,因此对后面的级使用迭代判决所取得的性能提升是比较有限的,而PDL算法每一级译码是独立的,迭代判决对每一级都有较大的性能提升。如图 9所示,在MLCM-MSD系统,第一级的性能最差,第三级的性能最好,这就是MLCM的不等错误保护特性,在使用UP映射时,第一级星座点的最小欧式距离最小,而第三级星座点的最小欧式距离最大,第三级具有更高的比特保护度;迭代一次后,第一级的性能有较为明显的提高,而后两级的性能提高并不明显。
由以上仿真可以得出结论:在MLCM系统使用迭代判决能够明显提升系统的性能,每一级的迭代能够强化该级的比特保护度;对于PDL算法的每一级都有较大性能提升,因而整体的性能就有较大提升,而对于MSD算法,后面两级的性能提升比较有限,但可以强化第一级的性能,因此可以有效地解决"错误传播"的问题;迭代次数选择1次就可以取得不错的效果,随着迭代次数的增加,性能提升就越来越小,而系统的开销和译码时延却越来越大,因此,实际应用中使用一次迭代比较合理。
6 小 结
本文研究了一种多级编码调制的迭代判决算法,以LDPC做为系统分量码,并建立MLCM-ID系统方案和仿真模型。通过计算机仿真发现,采用迭代判决的方法可以提高MLCM系统每一级的性能,从而有效地提高整个系统的性能。
摘要：论文介绍了多级编码调制的基本原理和译码算法,以LDPC码作为多级编码调制的分量码,在译码过程中引入了迭代思想,分析了一种适用于多级编码调制的迭代判决算法,并建立了MLCM-ID系统模型。计算机仿真表明,该算法能够有效地提高系统性能,具有一定的应用价值。
关键词：多级编码调制,LDPC,迭代译码算法
参考文献
[1]Udo Wachsmann,Robert F.H.Fischer,and JohannesB.Huber,Multilevel Codes:Theoretical Concepts andPractical Design Rules[J].IEEE Transactions on Infor-mation Theory,1999,45(5):1361-1391.
[2]Ungerboeck G,Trellis Codes Modulation with RedundantSignal State Sets Part 2:State of the Art[J].IEEE Com-munications Magazine,1987,(2):12-21.
[3]H Imai and S Hirakawa.A New Multilevel Coding Meth-od Using Error Correcting Codes[J].IEEE Transactionson Information Theory,1977,pp.371-377.
[4]Dongfeng Yuan,Cheng-Xiang Wang,Qi Yao,Zhi-Gang Cao.A Novel Criterion for Optimum MultilevelCoding Systems in Mobile Fading Channels[J].ChineseJournal of Electronics,2001.
[5]P.Schramm.Multilevel coding with independent deco-ding on levels for efficient communication on static andinterleaved fading channels[A].IEEE PIMRC'97[C],Helsinki,Finland,1997:1196-1200.
[6]X.Li and J.A.Ritcey,Bit-interleaved Coded Modula-tion with Iterative Decoding Using Soft Feedback[J].E-lectronic Letters,1998,34(10):942-943.
[7]Udo Wachsmann and Johannes Huber.Power and Band-width Efficient Digital Communication Using Turbo Codesin Multilevel Codes[J].European Transactions on Tele-communications,1995,6(5):557-567.
联合调制 篇4
关键词：无线通信,密度进化,高阶调制,非均等保护
0引言
LDPC码及其逼近香农限的性能和低复杂度的并行译码结构［1］,成为当前信道编码领域最受瞩目的研究热点之一。目前,下一代卫星数字视频广播标准DVB-S2［2］、移动通信和深空通信［3］等领域均采用了基于LDPC码的编码方案。
与文字信息不同,图像信息的存储和传输需要较大的容量和宽的传输信道,因此为了实现无线通信系统中功率和频谱的高效应用,LDPC码和高阶调制的联合成为一种趋势。各种LDPC码联合高阶调制的方案被提了出来,如Lu等提出了分层( Mul- tilayer) 方案［4］,Tan等提出了差分调制方案［5］,Ahn等提出了自适应调制编码方案［6］,裴中威等提出了比特交织( BICM) 改进方案［7］,Smith等提出了根状( Root-Like) 比特映射方案［8］等。然而,在这些方案中,均假设迭代译码的初始消息为信道平均信噪比, 没有结合高阶调制符号中并行比特子信道特点,所以这些方案的理论信道容量和实际信道容量存在差距,尤其在高阶或短码的情况下。本文将高阶调制符号经历信道等效为一组并行比特子信道,并推导了并行子信道条件下的高斯近似密度进化算法。
对于LDPC码编译码的研究,一般都设定所有输入信息比特具有相同的重要性。然而,在实际通信系统中,由于不同的数据重要性是不同的,因此需要加以不等差错保护［9］。例如本文中图像经SPIHT编码形成的码流的重要性是不相同的,码流前面的比特流对错误敏感且对图像重构起非常重要的作用,需要作重点保护［10，11］。非规则LDPC码各节点的度并不相同,度数高的节点可以从相邻校验节点获得更多的信息,从而可以更加准确地译码,所以非规则LDPC码本身具有不等保护特性。本文提出了一种信源信道联合编码方法,利用密度进化方法对非规则LDPC码的度分布进行优化,设定要达到的目标错误概率Pe,同时重要比特信息满足某一个错误概率P。
1 LDPC码的编码调制系统
1.1系统描述
由于无线通信中广泛采用Gray映射矩形多进制正交幅度调制( MQAM) 星座图。因此,本文以Gray映射矩形MQAM调制为例。 假设信息序列u = { u1,u2,…,uM} 经过LDPC编码后生成码序列c = { c1,c2,…,cM} 。在进行MQAM调制时,先将码序列进行成组,每组包含q比特,再对每组进行格雷映射,映射到Q维星座b = { b1I,b1Q,b2I,b2Q,…,bIq / 2, bqQ/ 2} 的某一点上。本文设定为高斯信道,经过信道传输,接收值为y =x+n,x为发送的经过LDPC编码和MQAM调制后的符号; n表示均值为0、方差为 σ2的复高斯白噪声。
1.2并行比特子信道模型
由于格雷映射可以分为I和Q两路,并且I、Q两路是独立映射的,所以只考虑I路的情况。设接收到的MQAM信号为r = x + jy ,解调产生的软判决信息为比特对数似然比( LLR) ,它代表了比特的软判决可靠性,映射到I路的比特bkI,k = 1,2,…, ( log2M) / 2的LLR定义为:
式中,{ xm1,xm2,…,xmq / 2} 和{ xn1,xn2,…,xnq / 2} 分别为I路映射中,符号第k位为0和为1对应的坐标值。以64QAM为例,得到LLR值简化计算公式［12，13］:
式中,i = { ±1,±3,±5,±7} 表示I路星座点坐标值; K = 1 /2σ2。由于高斯近似( GA) 算法分析所需的只是绝对值的统计平均,计算平均值得到mb1= 16K = 8 / σ2、mb1= 8K = 4 / σ2和mb1= 4K = 2 / σ2。
64QAM的平均符号能量Es= 42,每个符号对应的比特数M = 6,所以平均比特能量Es= Eb/ M = 7。 得到平均比特等效LLR BP译码的初始消息为:
上式表明,MQAM符号中不同比特的软判决可靠性不同。本文将调制符号中不同比特所经历的信道等效为一组并行比特子信道。为了提高系统的整体误码性能,将编码调制视为一个整体,接收端联合调制和译码框图如图1所示。Cxyq表示信源S与接收端Y之间的信道增益,Cbi表示MQAM的第i比特与Y之间的比特子信道,dvi( 2 ≤ i ≤ L) 表示变量点度。MQAM解调输出信号作为LDPC码译码器的初始输入信息,采用置信传递译码算法可恢复信息序列。
2基于MQAM调制的LDPC码高斯近似分析
设总的边数为E,变量节点数为n,dv表示为最大变量节点的度数,cv表示为抗噪声性能最好的子信道,ai，j表示分配到第j个子信道且度数为i的变量节点占总变量节点的比例,λi，j表示与分配到第j个子信道且度等于i的变量点相连的边占总边的百分比,mul－ 1表示第l-1次迭代从校验节点传递到变量节点消息的均值,mi，jl表示在第l次迭代时,分配到第j个子信道且度等于i的变量节点传递到校验节点的消息均值。下面推导并行比特子信道下高斯近似密度进化算法。
2.1计算变量节点到校验节点对数似然比( LLR) 消息的均值
第l轮迭代时,度( i,j) 变量点传递到校验点消息均值为:
式中,mi表示MQAM符号中第i比特所经历信道的初始对数似然比均值
2.2计算校验节点到变量节点消息的均值
第l轮迭代时,度( i,j) 校验节点消息均值的进化为:
式中,
在译码过程中,消息概率密度在变量点和校验点之间反复迭代。第l次迭代后,译码器输出消息的错误概率为:
每个变量点输出消息的错误概率为:
变量节点排列示意图如图2所示。
将变量节点按照图2的方式排列得到比率为t对应的错误概率,
定义一个噪声门限值 σ*,当 σ*>σ 时,迭代一定次数后,mvl将趋于一个稳定值; 当 σ*<σ 时,迭代一定次数后,mvl将趋于无穷大,此时pml的值趋于零,所以通过GA找到 σ*。使用上面的算法,不仅可以确定LDPC码的门限,而且可以找出高斯信道条件下好的度数分布。
3 LDPC码的信源信道联合编码
SPIHT算法和基于LDPC码不等差错保护相结合的联合编码方法流程如图3所示。
LDPC码的信源信道联合编码方法的具体步骤如下:
1信源编码部分采用小波SPIHT编码算法, SPIHT的编码码率为0.4 bpp,小波分解参数为3级。 由于SPIHT编码算法编码出来的比特的重要性沿码流呈递减的趋势,即越靠前的比特越重要,从而为与信道编码结合实施不等差错保护提供了良好的先天条件。编码时将重要的信息比特对应度数高的节点,非重要信息比特对应度数低的节点,以提高通信的可靠性。 SPIHT编码的初始阈值n0= ? log2( max( abs( ci，j) ) ) 」,其中ci，j为小波系数。选定阈值n = 6时编码出来的比特为重要比特,它所占的比例为t= 0.235 8。
2给定总的信道编码码率R = 0.5,设置变量节点度的个数为5,它的最小值和最大值分别为dmin= 2和dmax= 20。最大迭代次数lmax= 100,信道参数的初始值 σ = 4,要达到的目标错误概率为Pe= 1. 0 × 10－6,重要比特部分满足错误概率为P = 1.0×10－50, 给定以上条件,采用文献[14,15]所给方法实现编码调制系统下LDPC码的度分布优化。
3假设长度为N的LDPC码字c被映射到N /6个64QAM符号上,将这些符号的比特位置排列为b = { b1I,b1Q,b2I,b2Q,b3I,b3Q} ,c中变量节点重新排列后逐比特映射到b,然后将它分为k = 3个通信子信道, 它们的初始译码BP对数似然比值为m1、m2和m3。
4仿真结果分析
方法1: 未进行比特子信道划分,迭代译码时初始译码BP对数似然比值采用平均信噪比,利用密度进化对LDPC码的度分布进行优化设计时,针对SPIHT码流的特点,使重要比特部分误码率达到某一要求; 方法2: 对比特子信道进行了划分,每个子信道对应不同的初始消息对数似然比; 方法3: 进行了比特子信道划分,并且重要比特部分误码率满足某一要求。64QAM调制下的各个变量节点度分布如表1所示。
仿真中采用的LDPC码的码率为1 /2,校验矩阵的大小为( 504,100 8) ,选取了信噪比为6.5 d B时,3种方法图像重构以后的效果图如图4所示。
由图4可以得出,在信道的信噪比为6. 5 d B时,方法1图像重构完全失败,这是因为方法一进行迭代译码时,初始消息采用的是平均信噪比,利用密度进化方法设计LDPC码度分布时,理论信道容量和实际信道容量存在差距,从而导致它的性能下降。 方法2能够重构出来,但是较方法3重构出的图像效果差,这是因为方法2并没有加强对重要信息的保护。
为了对算法性能作进一步研究,定义
式中,M、N分别表示图像的大小; xi，j、yi，j分别表示2个图像的像素值。本文中M = N = 512。PSNR反映了2个图像的相似程度,值越大,2个图像的区别就越小。为了使实验数据平稳,在每个信噪比点将实验重复50次并取平均值。信噪比与峰值信噪比均值之间的关系图如图5所示。
为了进一步比较3种方法的性能,在表2中对信噪比SNR分别为6.5 d B和7.25 d B两点处的图像重建质量进行了定量分析,并设定PSNR>20 d B时视为解码成功,可以重建原始图像。
由表2可知,50次试验中,在SNR = 6.5 d B时, 采用方法3就能够基本重建原始图像,这是因为方法3对前端的重要信息加强了保护,即使非重要信息发生较多的误码,仍能够获得图像的基本信息; 而采用方法2,50次试验中能重建原始图像的次数较方法3少,因为方法2在干扰噪声大、信噪比较低时,易损失重要信息而导致无法重建图像。方法1基本上不能重建原始图像,因为在LDPC码度分布设计时,实际容量和理论容量存在较大的误差。在信噪比SNR = 7.25 d B时,方法2重构出来的图像效果比方法3略好,因为在大信噪比情况下,解码基本上没有错误,而方法3进行密度进化设计度分布时, 对重要比特的误码率进行了约束,所以性能要比方法2略差。
综合以上仿真结果可知,无线通信在干扰严重、 信道带宽受限的情况下,采用方法3来重建图像优于方法1和方法2。
5结束语
联合调制 篇5
自由空间光通信,一般选用大气透射率较好的红外激光[1],以电源内调制的方式对APT (准跟踪系统)[2]、中继系统[3],或融入WDM(波分复用)和MIMO(多入多出)等技术进行处理,实现远距离、高速率自由空间激光通信,在外太空星际自由空间传输方面有了较大的发展与应用[4],但短距离可见激光在自由空间通信方面还有很多工作可做。可见激光通信系统因其结构简单、对光源要求低和辐射小等特点,具有广阔的发展前景。
激光调制主要有内调制和外调制两种方式,相比于内调制,激光外调制有着独有的优势,其对光源稳定性要求低,调制速率高,且对光源的损害小,性价比高,故激光外调制是一种较好的光通信调制技术。外调制的方法和器件很多,相比于其他外调制方式,AOM(声光调制)有着较高的消光比(一般大于1000∶1),其驱动功率低,温度稳定性能高,调制频率稳定[5],光电质量优异。除此之外,其结构简单、成本相对较低,因此我们选用AOM方式来研究目前在国内研究较少的激光外调制通信。
1AOM原理
声波在介质中传播时,会使介质产生相应的弹性形变,从而激起介质中各质点沿声波传播方向振动,介质的密度呈疏密相间交替分布,形成光学“相位光栅”。该光栅间距等于入射声波波长λs,当光波通过该介质时,就会发生衍射现象,衍射光的强度、频率和方向等信息都会随着声场的变化而变化,基于上述声光效应即可实现AOM[6]。相比于拉曼-纳斯衍射,布拉格衍射具有调制效率高、调制带宽较宽等优点,因此本文采用布拉格角AOM方式进行调制,其原理如图1所示。
图中,入射角为布拉格角θB,且有
式中,λ为入射光波长;n为声光介质折射率。当激光以θB入射并通过声光晶体时发生布拉格衍射,其衍射光只有两级:0级和+1级(或-1级),1级光的衍射效率较高,该衍射效率可表示为
式中,Ps为超声波功率;L、H、M2分别为换能器的长度、宽度及声光介质物理参数组合,若AOM定型,则其参数不变。当改变Ps时,衍射效率会随之变化,即可达到改变衍射光强的目的,实现AOM。
2AOM的控制方法研究
2.1AOM控制理论
基于声光效应可以实现声光偏转、声光移频和AOM等三种应用,而在光通信研究中主要是利用AOM。本文采用中国电子科技集团第26研究所研制出的一款TSGMN—1型AOM,该调制器件由驱动电源、换能器和声光晶体组成,其驱动电源产生的射频信号用来控制超声波频率与强度。利用该驱动电源,本文提出三种控制超声波的方式并应用于AOM。
驱动电源有三个输入控件,分别对应三种不同的调制方法,其中调制输入端添加TTL(晶体管晶体管逻辑)电平信号,其高低电平则相当于一个射频“开关”,对驱动源的射频输出有无进行控制,而功率调节旋钮与直流输入端口可控制射频输出幅度的大小,从而能有效调节超声波的功率,达到控制衍射光强的目的。
2.2AOM控制方法的验证
本文对上述三种控制方法进行实验验证,将驱动源输出端口连接于示波器,观察其射频输出信号的幅度及频率大小,从而验证不同输入端口对射频输出的控制作用。
DC(直流电源)+24V端口是直流输入,也是驱动源的供电端口。当按标准在DC输入端接入+24V直流源时,用信号发生器为驱动源调制输入端提供不同频率的TTL矩形波,观察驱动源射频输出信号随TTL电平的变化情况。实验效果如图2所示。经实验验证,为调制输入端提供不同频率的TTL矩形波,当调制信号在5MHz以内时,调制信号能对射频输出起到“开关”作用,达到了预期效果。如图2(b)所示,高频的射频信号在低频的TTL矩形电平控制下对应输出,当矩形波为低电平时,将射频输出“关闭”,无射频输出;当矩形波为高电平时,将射频输出“开启”,输出端口正常输出100MHz射频信号。
固定DC+24V端口为+24V直流电压,调整电源功率,可得其射频输出幅值与电功率旋钮旋转圈数的关系,其结果如图3所示。初始功率设置为最小,将功率向最大方向逐渐调整,其射频输出的幅值会随之线性增大,而射频信号固有频率不变,此方法为传统的AOM方法,即通过改变电功率使超声波功率随之变化,又根据公式(2)可知,改变超声波功率Ps,也可达到调制激光衍射效率、改变接收光强大小的目的。
将其他端口闲置,电功率固定于某一值,改变DC输入电压,当DC输入在+10V以内时,其射频输出变化较小;DC输入超过+10V时,其对应的射频输出幅值也随之线性增大,电功率与射频输出幅值的关系如图4所示。
实验结果表明,DC输入在+10V以上时,其射频输出信号的幅值大小与只改变电功率时的输出范围一致,因此改变DC大小与传统的改变电功率大小二者实验效果一致。通过有效地控制DC输入(固定电功率),实现了对布拉格衍射效率的线性控制,达到了调控衍射光光强的目的。由以上实验可知,若使用一个+12V与+24V可快速切换的开关电压源,使DC输入不同,可以达到控制衍射光强进行通信的目的。
3通信系统发射端的研究与实现
3.1激光外调制信号通信系统的研究
本文选用了波长为632.8nm的He-Ne激光器,使用信号发生器对AOM输入端输入TTL电平信号,通过AOM晶体在激光光路上对激光进行有效控制,衍射后的1级激光搭载了该TTL电平信号,用PMT(光电倍增管)进行1级光信号的接收,通过转换电路连接到示波器中对接收信号进行观察,如图5所示。图5(a)为原始激 光波形图,图5(b)为加300kHz调制信号后的波形,图5(c)为加5MHz调制信号后的波形。
实验数据表明,接收信号与加载在AOM上的矩形波信号频率相同,即调制信号能被激光无偏差传输。所以本AOM可实现周期≤5MHz的信号传输,即通信速率最高可达10Mbit/s。当调制速率>5MHz,则输出波形无规则可循,不宜用于通信使用。基于上述实验结果,本文采用FPGA(现场可编程门阵列)编码进行数字调制,将调制信号载入AOM,搭载He-Ne激光进行传输。其传输与检测原理图如图6所示,发射端通过PC机串口发送数字信号,经FPGA进行编码处理,编码后的信号输入到AOM中,通过激光与声光晶体的相互作用,将调制信号加载到激光上;接收端通过PMT接收数据,激光信号经I-V(电流-电压)转换、放大和整形等电路模块进行处理,在示波器中进行显示对比。
3.2激光数字通信的实现
2FSK (二进制移频键控)是激光通信中常见的编码方式,该方式抗干扰能力强,易实现。本文选用2FSK调制方式,搭载速率为115.2kbit/s的数字信号,实现了激光外调制通信系统的发射与接收。
2FSK调制原理如下,
式中,g(t0)表示3个占空比 为50%、带宽为345.6kHz的矩形波信号;g(t1)表示6个占空比为50%、带宽为691.2kHz的矩形波信号。二者不同的载波分别用来表示数字信号0和1。
通过PC机串口助手发送不同速率的数字信号,用FPGA进行2FSK调制,调制后的信号通过AOM加载到632.8nm的He-Ne激光上进行自由空间传输。FPGA编码仿真结果如图7所示。图中,data_in为串口输入数字信号,rst为复位输入信号,dataout为经过2FSK编码后的输出信号。
若串口以16进制发送数字45,则串口输出信号为010100010,其中第一位为串口起始位,串口信号经2FSK调制后,通过AOM加载到激光上,PMT接收激光信号,经I-V转换、放大和整形后在示波器上显示,如图8所示。接收信号表明,原串口信号经调制后,能以高低载波的形式通过激光完整地传输到光信号接收端。
经实验验证,通过串口发送不同数据,AOM均能使激光稳定地传送不同波特率的FSK调制信号,经PMT接收,达到了使用外调制技术对可见光波段激光进行短距离、高质量通信的目的,为其他波段的激光外调制传输奠定了一定的理论基础和技术基础。若将该技术应用于紫外波段,理论上也可将紫外激光传输速率提高到兆比特级别。
4结束语
根据以上实验,对AOM的三种不同的控制方式进行了有效验证,并制作了基于AOM的通信实验样机,该样机理论最高速率为10Mbit/s,借助串口实现了通信速率为115.2kbit/s的数字通信,其高频载波为0.7MHz。使用外调制方式进行激光传输,实验装置体积小,价格便宜,寿命长,且易操作,能随时满足不同需求下的自由空间光通信。同时,该研究为其他波段的短距离、高速率通信奠定了一定的理论和技术基础,选用不同的声光晶体,可以实现外调制方式下的其他波段的激光通信。
摘要：通过对激光外调制不同方式的对比分析,重点研究了AOM(声光调制)器件的原理及控制方法,提出了三种可控调制方法,且在控制方面分别进行了对比验证。采用其中的TTL电平(典型值高电平3.5V,低电平0.2V)调控方法,将数字信号经FPGA(现场可编程门阵列)以2FSK(二进制移频键控)方式进行调制编码,调制信号通过AOM加载于激光上,激光通过自由空间传输,借助串口实现了通信速率为115.2kbit/s的数字通信,且该激光外调制通信系统高频载波达到了0.7MHz左右。