[发明专利]一种混合噪声下MSK信号的自适应Viterbi解调方法

权利要求书

1.一种混合噪声下MSK信号的自适应Viterbi解调方法，其特征在于，包括以下步骤：

S1、估计混合噪声参数：

在发送信号中固定设置一段时间的静默期，不发送MSK信号，在静默期内，接收机根据接收的混合噪声采样信号n_i估计近似PDF模型中的参数：

其中，

因此要估计的参数为：α、γ_s、γ_g、γ_sg和c₁；α为脉冲噪声的特征参数，γ_s和γ_g分别为脉冲噪声和高斯白噪声的尺度参数，γ_sg和c₁用于调整分布模型高斯部分的方差和峰度；通过特征函数法估计α、γ_s和γ_g，通过经验法则得到γ_sg，在有限定义域内通过一维随机网格搜索得到c₁，将α、γ_s和γ_g的估计值分别表示为：和

S2、根据估计的混合噪声参数选择Viterbi算法中使用的分支度量计算方法：

设信号采样率为f_s，MSK信号的第i个样本是s_i，MSK信号的符号周期是T，候选的分支度量包括：

1)高斯分支度量M_g

2)Myriad分支度量M_m

其中，参数

3)ML似然分支度量M_ML

定义参数描述混合噪声中高斯噪声和非高斯脉冲噪声的功率之比，将参数λ和α在各自取值范围进行区间划分，其中根据设定的阈值dB将参数λ划分为两个门限值，表示为λ_t1和λ_t2，根据λ将参数α划分为从小到大的4个门限值，表示为α_t1、α_t2、α_t3和α_t4，分支度量计算方法选择的原则是：在满足系统BER性能的情况下，参数α或λ大于门限时，混合噪声的高斯性较强，采用高斯分支度量M_g降低复杂度；反之，当参数α或λ小于门限时，混合噪声的脉冲性更强，采用Myriad分支度量M_g降低复杂度；其它场景，选择ML分支度量；具体方法如下：

定义参数取值范围组合与分支度量选择的对应关系，并根据分支度量与参数组(λ,α)的对应关系构造决策树：采用作为根节点，由根节点得到的第一中间节点为λ_t1＜λ＜λ_t2；定义第一中间节点成立进入第一分支，第一分支的第一中间节点为若成立，则到达第一分支的第一叶节点Myriad度量，否则到达第一分支的第二中间节点若成立，则到达第一分支的第二叶节点ML度量，否则到达第三叶节点高斯度量；若不成立，则进入第二中间节点λ≤λ_t1；若λ≤λ_t1成立，则进入第二分支，定义第二分支中间节点为若成立，则到达第二分支的第一叶节点ML度量，否则到达第二分支第二叶节点Myriad度量；若λ≤λ_t1不成立，则进入第三分支，定义第三分支中间节点为若成立，则到达第三分支第一叶节点ML度量，否则到达第三分支第二叶节点Myriad度量；

S3、对混合噪声下接收的MSK信号根据所选分支度量进行Viterbi解调。