论文部分内容阅读
在信息化元素极为丰富的战场环境中,实时准确的电子侦察是夺取制电磁权的关键因素,即需要接收机在缺乏先验信息的情况下对接收频段范围内的多个非合作辐射源信号进行实时的监测,得到信号调制方式等关键信息。实现大宽带、高速率的业务传输是目前移动通信的要求,也就是要求处理大带宽、多频带以及多调制类别的无线通信场景。本文研究低信噪比环境下大宽带多调制信号的重构问题,并基于重构出来的信号完成信号的参数估计和调制识别。由于通信接收要实现对大带宽频谱的实时监测(如2-18GHz),则基于奈奎斯特采样定理的信号接收方案采样的数据量大,给后续数据的存储和处理带来了不便。为了解决宽带信号的接收问题,可以考虑引入压缩感知理论的方法,即利用信号的频带稀疏性将信号接收问题转换为稀疏重构问题。但是,传统的稀疏重构算法计算复杂度高并且在低信噪比环境下重构性能差,因此,如何在低信噪比环境中有效重构信号是一项值得研究的课题。为了解决稀疏重构算法的弊端,我们考虑引入信号频域支撑集信息对信号进行重构与分析,即先根据频谱感知算法检测出信号的频域支撑集信息,然后将信号重构问题转换为常见的参数估计问题,利用最小二乘估计得到信号频域支撑集区域的频点值,恢复出原始信号,并且实现子信号的分离,最后对恢复出来的单个信号做参数估计和调制识别。首先,研究了低信噪比环境下宽带信号的频谱感知问题。引入一种基于多陪集压缩采样框架的快速功率谱重构算法,它适合宽带信号的频谱检测。讨论噪声在功率谱上的分布,基于快速重构出来的功率谱估计噪声功率。然后基于重构功率谱和噪声功率估计值在功率谱上完成信号的频域检测,得到原信号的频域支撑集信息。此外,还利用信号频域分布的频带性修正支撑集信息,获取每个源信号的支撑集。其次,研究了基于支撑集信息的压缩重构问题。基于支撑集信息将稀疏重构问题转换为信号参数估计问题,利用最小二乘估计恢复原始信号和分离源信号。此外,讨论信号恢复能达到的理论下限。最后,研究了重构信号的载频、码率估计问题和调制识别问题。讨论几种经典的载频、码率估计算法,验证它们在不同信噪比下的参数估计性能。讨论几类典型调制信号的时域表现,选取时域参数实现调制识别。