[发明专利]一种非合作水声OFDM子载波调制方式识别方法

说明书

本发明在水声衰落信道下提供了一种基于分块期望最大化的非合作水声OFDM通信子载波映射识别方法，该方法首先根据OFDM的结构特点对观测数据分块，然后在每个分块下分别利用聚类算法得到衰落信道的初始状态信息，然后分别在每一种候选子载波调制方式下应用期望最大化算法迭代的对信道状态信息进行更新，完成信道状态信息的估计，最后通过类混合似然比检验完成子载波调制方式的识别。本发明在非合作OFDM子载波识别上提供了一种新的思路，联合水声OFDM调制结构上的特点，对接收到的信号分块作为期望最大化算法的观测样本，有效提高了衰落信道的估计精度，进而提升了识别的可靠性。仿真和外场实验验证了该算法的有效性。

技术领域

本发明涉及一种非合作水声OFDM子载波调制方式识别方法，属于水声通信与水声对抗领域，涉及非合作水声OFDM子载波调制识别问题，以期在水声衰落信道下能保持较高的子载波识别率。

背景技术

非合作水声通信中的调制识别是通信系统参数估计以及加扰等技术的重要基础。水声正交频分复用技术因其频谱利用率高以及良好的抗频率选择性衰落等特性在水声通信领域中应用广泛，已经成为高速水声通信的主要技术之一，所以针对非合作水声OFDM的识别尤为重要，早期关于OFDM的识别主要集中在与单载波的分类上，而对于子载波调制方式的识别上研究较少，主要原因有两个，第一是由于子载波的识别建立在准确去除循环前缀与经过快速傅里叶变换分离出各子载波信号的基础上，第二是由于水声衰落信道较为复杂，识别难度大。目前已经有了很多优秀的算法可以有效解决第一个问题，所以针对水声衰落信道下的OFDM子载波识别问题成为亟需解决的问题。

目前关于水声OFDM子载波调制识别的研究还很少，大多应用场景集中在无线电中，包含基于最大似然、高阶矩等识别方法，然而，这些方法要么不能适用于多径信道，要么需要较高的信噪比。在非OFDM子载波识别领域，针对MPSK信号提出了用期望最大化算法估计未知衰落信道系数、相位偏移，最后通过似然比检验的方式识别子载波调制方式，有效提高了识别性能，提供了衰落信道下自动调制识别的新思路。

发明内容

本发明的目的是为了提供一种基于分块期望最大化的非合作水声OFDM子载波调制方式识别方法。

本发明的目的是这样实现的：包括如下步骤：

步骤一：将映射后的信号建模为高斯混合模型，在接收端对经过FFT运算后的OFDM信号进行分块，子载波个数为N，分块个数设为N_Block，在所有的OFDM符号上，取前N/N_Block子载波为分块1，作为EM算法的观测样本，取N/N_Block+1至2N/N_Block为分块2，以此类推实现对所有OFDM符号分块，分别对每块观测样本依次执行步骤二-步骤九，直到求出所有分块的信道衰落系数和噪声功率；

步骤二：设置k-means迭代次数、信道衰减系数初始值、信道噪声功率初始值；

步骤三：k-means代价函数为z_t,n,m是定义的隐变量T、N、M分别表示OFDM符号个数、子载波数、候选的子载波调制方式的个数，r是接收的观测数据，s是发送端子载波映射后的符号，分别对Re{h}、Im{h}求偏导，并令其结果为零，得到信道衰落系数的估计值并将其作为新的迭代初始值；

步骤四：重复执行步骤三，直到到达迭代次数，并且利用聚类后的结果计算方差，将此步骤得到的结果作为EM算法的初始值hⁱ、σⁱ；

步骤五：E步：引入隐变量z_t,n,m，将观测样本展开成完整数据，得到完整数据的似然函数N(r|s_m,h,σ)是第m个高斯模型的概率密度函数；