[发明专利]一种混合噪声下MSK信号的自适应Viterbi解调方法

说明书

本发明属于通信技术领域，具体的说是涉及一种混合噪声下MSK信号的自适应Viterbi解调方法。本发明针对高斯白噪声和非高斯脉冲噪声同时存在的场景下，基于最大似然分支度量计算的MSK信号Viterbi解调算法复杂度过高的问题，设计了一种根据噪声特性选择分支度量计算方法的MSK信号自适应Viterbi解调方法，该发明在保证误码率性能的前提下可有效降低解调算法的整体复杂度。

技术领域

本发明属于通信技术领域，具体的说是涉及一种混合噪声下MSK信号的自适应Viterbi解调方法。

背景技术

最小频移键控(Minimum Shift Keying,MSK)是一种能够兼顾频谱效率和能量效率的连续相位调制技术，已经用于很多无线通信系统中。MSK调制信号的信息承载在连续变化的相位中，最小误码率(Bit Error Rate,BER)性能意义下，MSK信号的最优解调方法是最大似然序列检测，但其复杂度过高，因此一般采用次优的Viterbi算法(ViterbiAlgorithm，VA)解调MSK信号。

Viterbi算法是一种检测有限Markov序列的近似最优算法，由于具有回溯和剪枝操作，使其能够在几乎不影响性能的前提下大大降低复杂度，被广泛应用于通信接收机信号处理和信道译码(G.D.Forney,The Viterbi algorithm,in Proceedings of theIEEE,March 1973,vol.61,no.3:268-278.)。Viterbi算法核心是设计分支度量计算方法。当前，MSK解调方法大都针对高斯白噪声(White Gaussian Noise,WGN)设计分支度量计算方法，简称为高斯分支度量。根据高斯分布的概率密度函数(Probability DensityFunction,PDF)，高斯分支度量等效为收发信号间的欧氏距离。另一方面，非高斯脉冲噪声(Impulsive Noise,IN)广泛存在于自然环境中。近年来，一些研究针对脉冲噪声进行了建模，并分析设计了对应场景下的通信接收机。目前，广泛采用对称α稳定(symmetricαstable，SαS)分布建模脉冲噪声。

存在脉冲噪声的实际场景中，不可避免地同时存在高斯白噪声，两者叠加会形成加性混合噪声。这种混合噪声的模型比单一的高斯白噪声或脉冲噪声更加复杂。G.Sureka提出了一种混合噪声的近似PDF表达式，并据此设计了二元反极性调制信号(BPSK)的最大似然(Maximum Likelihood，ML)检测算法(G.Sureka and K.Kiasaleh,Sub-optimumreceiver architecture for AWGN channel with symmetric alpha-stableinterference,in IEEE Transactions on Communications,May 2013,vol.61,no.5:1926-1935.)，但MSK信号为非线性调制信号，具有记忆性，完全不同于线性调制的BPSK信号。

针对混合噪声，可通过数值计算其PDF，采用最优性能的ML算法计算Viterbi算法的分支度量，进行MSK解调，但其复杂度非常高，不利于实际接收机实现。实际上，除了最优的ML分支度量计算方法外，还有其它次优的Viterbi算法分支度量计算方法，包括：Myriad和前述高斯分支度量。Myriad度量是专门针对SαS分布的非高斯脉冲噪声的分支度量。Myriad和高斯分支度量的计算复杂度均小于ML度量。

发明内容

针对混合噪声下基于ML分支度量计算的MSK信号Viterbi解调算法复杂度过高的问题，本发明提出了一种基于噪声特性灵活选择分支度量的MSK信号自适应Viterbi解调方法。本发明的方法根据混合噪声参数，在不同分支度量计算方法之间灵活选择的MSK信号自适应Viterbi解调方法，在保证误码率性能的前提下降低接收机的整体复杂度。

本发明的技术方案为：

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：