论文部分内容阅读
粒子滤波(Particle Filter,PF)解调算法是粒子滤波在信号处理领域中新的应用,其研究的目的是通过粒子滤波算法来实现对通信信号幅度、载波频率和相位这三个参数的估计,实现信号的解调。数论方法中的代表点理论采样方法相对Monte Carlo采样方法具有更好的误差收敛速度和代表性,将它应用于粒子滤波中能够改善在小样本数的情况下滤波器的性能,从而减小了算法的计算量。本论文的主要研究内容如下:简要回顾了通信信号解调的研究状况、粒子滤波算法的发展历史和国内外研究成果,以及数论方法中代表点理论的历史背景与应用方向。并列出通信系统模型,从数字通信信号的角度出发,分别简述了ASK信号、FSK信号、PSK信号和QAM信号的解调原理和步骤,并且详细分析了传统解调方法中载波同步和符号同步这两个关键技术。通信信号的解调问题实际上就是信号的参数估计问题,因此可以将参数估计中的粒子滤波方法应用于通信信号的解调中去,提出了PF解调算法。首先从PF的数学理论基础(包括Monte Carlo采样和递推贝叶斯估计)出发,再以序贯重要性采样算法(Sequential Importance Sampling,SIS)和序贯重要性重采样算法(Sequential Importance Resampling,SIR)为整个PF算法的基本模块,分析了算法的基本原理,概括了算法的基本步骤。重点将PF算法应用于数字通信信号的解调中,以信号的幅度、载波频率和相位这三个参数矢量为待估计状态,通过PF算法,利用计算每一迭代时刻待估计状态后验概率密度方差变化情况的方法检测符号跳变时刻,最终实现信号参数估计和解调,并利用仿真验证了该方法的有效性。由于标准PF算法中采用的是Monte Carlo采样方法,其存在误差收敛速度较慢的缺点,导致了计算量大、实时性差问题的出现,因此将数论方法中的代表点采样应用于PF中以解决该问题。首先分析了数论方法中的代表点采样较Monte Carlo采样在误差收敛速度上存在较大优势,详细阐述了F-偏差和MSE-偏差代表点的定义和生成方法,接着在PF算法中运用了这些好的代表点采样方法来代替Monte Carlo采样方法,主要应用于先验分布的初始采样和重采样步骤中正则重采样算法对高斯核密度的采样,列出了详细的算法步骤。并通过仿真验证了该算法在小样本数情况下对标准PF算法性能的改进,从而说明其能减小算法的计算量。有了改进的PF算法,可以将其将应用于通信信号的解调中,因此提出了基于代表点采样的PF解调算法。对信号的幅度、载波频率和相位这三个参数矢量的先验概率分布进行代表点初始采样,以及正则重采样算法中对高斯核密度的代表点采样,列出了该信号解调算法的详细步骤。并通过仿真验证了相对于标准PF解调器,这种改进的PF解调器同样在小样本数的情况下具有更好的滤波性能,从另一个角度来说,该方法减少了计算量。