电子学报 ›› 2020, Vol. 48 ›› Issue (3): 470-477.DOI: 10.3969/j.issn.0372-2112.2020.03.008

• 学术论文 • 上一篇    下一篇

基于离散小波分解和频率脊线分析的CPM信号符号速率盲估计

刘秋红, 李天昀, 王彬, 许漫坤, 邱钊洋   

  1. 中国人民解放军战略支援部队信息工程大学, 河南郑州 450001
  • 收稿日期:2019-07-29 修回日期:2019-09-17 出版日期:2020-03-25
    • 作者简介:
    • 刘秋红 女,1991年出生,江苏连云港人,现为战略支援部队信息工程大学研究生.研究方向为通信信号分析与处理.E-mail:1217283177@qq.com;李天昀 男,1979年出生,江西萍乡人,现为战略支援部队信息工程大学副教授、硕士生导师.研究方向为软件无线电、通信信号处理.;王彬 女,1971年出生,河南郑州人,现为战略支援部队信息工程大学副教授、硕士生导师.研究方向为软件无线电、无线通信中信道盲辨识、盲均衡等.;许漫坤 女,1977年出生,河南安阳人.现为战略支援部队信息工程大学副教授.研究方向为智能信号处理、图像处理与模式识别.;邱钊洋 男,1991年出生,河南许昌人,现为战略支援部队信息工程大学博士.研究方向为通信信号分析与处理.

Symbol Rate Estimation for CPM Signal Based on Discrete Wavelet Decomposition and Frequency Ridge Analysis

LIU Qiu-hong, LI Tian-yun, WANG Bin, XU Man-kun, QIU Zhao-yang   

  1. PLA Strategic Support Force Information Engineering University, Zhengzhou, Henan 450001, China
  • Received:2019-07-29 Revised:2019-09-17 Online:2020-03-25 Published:2020-03-25

摘要: 非合作接收条件下,连续相位调制(CPM,Continuous Phase Modulation)信号多变未知的信号体制使其符号速率盲估计一直是分析该类信号的难点之一.现有的算法大多直接基于信号的瞬时频率或循环平稳性,存在抗噪性能差,不适用于多指数CPM信号等问题.针对该问题,本文通过分析小波变换在信号分解和时频分析中的优势,提出一种综合利用离散小波(DWT,Discrete Wavelet Transform)分解和频率脊线提取的CPM信号符号速率估计的新算法.算法对比分析表明,所提算法具有更好的抗噪性能且在小数据量时也能达到较好的估计性能.

关键词: 连续相位调制, 符号速率估计, 小波变换, 信号分解, 时频分析, 频率脊线提取

Abstract: In the case of non-cooperative reception,blind estimation for the symbol rate estimation of continuous phase modulation (CPM) signals is usually one of the difficulties in signal analysis due to the varied signal specification.Most of the existing algorithms are based directly on instantaneous frequency or cyclostationarity,which have poor anti-noise performance and are not suitable for multi-h CPM signals.By analyzing the advantages of wavelet transform in signal decomposition and time-frequency,a new algorithm based on discrete wavelet transform (DWT) and frequency ridge extraction is proposed to estimate the symbol rate of CPM signal.Comparative analysis of the algorithm shows that the proposed method has better performance in condition of the low signal to noise ratio (SNR) and small data volume.

Key words: continuous phase modulation, symbol rate estimation, wavelet transform, signal decomposition, time-frequency analysis, frequency ridge extraction

中图分类号: