OFDM調制識別及參數盲估計研究.pdf

1、調制信號識別在多種民用和軍用領域中扮演關鍵角色，如認知無線電、頻譜監(jiān)測等。在實際無線通信中，多徑信道會引起信號的失真，信號識別變得更有挑戰(zhàn)性。正交頻分復用(OFDM)在多徑信道中傳輸信息時因具有高頻譜利用率、高傳輸速率等優(yōu)點，是當代和下一代高速率無線通信系統(tǒng)的主要備選方案。故研究OFDM信號的調制識別與參數估計具有重要的理論與實際意義。
　　因此，本文以非協(xié)作通信為背景，在多徑信道下，對不同OFDM標準協(xié)議信號的識別展開研究，并對

2、OFDM的部分參數進行估計。
　　本文主要工作如下：
　　（1）針對常數模算法（CMA）、修正常數模算法（MCMA）等盲均衡算法的代價函數中使用了發(fā)射信號星座的先驗信息的局限，為了將MCMA算法應用到非協(xié)作通信調制識別的場景下，將其代價函數和迭代步長加以改進，獲得了可應用于非協(xié)作通信條件下的VNMCMA算法。仿真表明，其均衡后的星座圖更清晰，且在保證收斂速度的同時，有效的降低了剩余符號間干擾，并用VNMCMA算法對OFDM有

3、效子載波作盲均衡，其可以有效改善多徑帶來的影響。
　　（2）研究了基于高階累積量來檢測OFDM信號的方法。并根據實際通信中某時刻接收機可能只接收到高斯白噪聲，這時高斯白噪聲的高階累積量值與OFDM的值很接近。針對這一不足，本文聯(lián)合高階累積量和循環(huán)前綴來檢測OFDM信號，并估計其部分參數，分析并通過仿真驗證了該算法的有效性。
　?。?）改進了基于星座圖聚類來識別OFDM有效子載波的方法。減法聚類對領域半徑很敏感，模糊聚類需要預

4、先指定聚類數目，其對初始聚類中心、模糊因子敏感，以及其有效性函數的多樣性。針對這些不足，改進后的算法能動態(tài)地確定聚類數目和減法聚類的領域半徑，用其聚類后得到的聚類中心代替模糊聚類的初始聚類中心，并聯(lián)合Xie-Beni指標和聚類后星座圖的相對半徑評價聚類的合理性，可以自動確定信號的最佳聚類數目和調制類型。仿真表明，當信噪比大于等于13dB時，改進的算法能夠更準確地識別信號的調制方式，有更好的聚類性能，能減少模糊聚類達到收斂的迭代次數，擴大