自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而...自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。展开更多
为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译...为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译码效率。在Middleton A类电力线信道模型下仿真结果表明:改进后的译码方法在低信噪比区域与BP算法性能相近,而在较高信噪比区域改进后的算法与BP译码算法相比所需信噪比少约0.8 d B,并且显著减少了译码过程中的迭代次数。展开更多
文摘影响宽带电力线载波通信的关键因素之一是随机突发的脉冲噪声。目前的噪声研究大多停留在理论建模上,缺乏标准化的电力线噪声硬件实现方法。文中深入研究Markov-Middleton脉冲噪声模型,分析产生Markov性质的脉冲序列原理,利用System Generator和Xilinx Vivado联合仿真工具,设计出具有随机突发特性的电力线噪声生成系统,并完成该系统的硬件实现。通过对比现场可编程门阵列(FPGA)输出、Middleton Class A模型仿真与实测电力线噪声的统计特性,证明了该硬件实现方法能够生成具有随机突发性和时间相关性的脉冲噪声。通过搭建实验室环境下的电力线载波通信系统,测试不同参数下噪声对通信成功率的影响程度,对比其他的硬件实现方法,验证了所提方法的工程应用价值。
文摘自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。
文摘为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译码效率。在Middleton A类电力线信道模型下仿真结果表明:改进后的译码方法在低信噪比区域与BP算法性能相近,而在较高信噪比区域改进后的算法与BP译码算法相比所需信噪比少约0.8 d B,并且显著减少了译码过程中的迭代次数。
