面向无人机数据采集的短突发CPM盲Turbo均衡.pdf

第2卷 第4期V o l.2 N o.4 2 0 2 3年8月 J o u r n a l o f A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A A u g.2 0 2 3面向无人机数据采集的短突发C PM盲T u r b o均衡潘子豪,谢 琛,王 桁,魏以民,郭道省(陆军工程大学 通信工程学院,江苏 南京 2 1 0 0 0 7)摘要:在无人机辅助的战场侦察传感器数据采集中,短突发连续相位调制(c o n t i n u o u s p h a s e m o d u l a-t i o n,C PM)具有重大的实用价值,但也面临着盲均衡复杂度高、性能差等问题。基于期望最大化(e x p e c t a-t i o n-m a x i m i z a t i o n,EM)-维特比类盲均衡算法,针对短突发C PM提出了一种盲T u r b o均衡算法。采用盲信道捕获方法设计了一组初值方案,同时在EM算法中嵌入L a z y维特比算法,提高了信道估计收敛性并降低了复杂度;接着在编码C PM中匹配卷积码和交织器,优化系统参数,并利用T u r b o均衡进一步改善误码率;针对短帧迭代过程中交织深度不够导致的正反馈问题,通过改进外信息交换方式提升T u r b o迭代的收敛性。理论分析和仿真结果表明,相比传统方法,所提算法在显著降低计算复杂度的同时能够兼顾误码率性能。关键词:盲均衡;短突发;EM算法;L a z y 维特比算法;T u r b o均衡 中图分类号:T N 9 1 4D O I:1 0.1 2 0 1 8/j.i s s n.2 0 9 7-0 7 3 0.2 0 2 2 0 6 0 7 0 0 1B l i n d T u r b o E q u a l i z a t i o n o f S h o r t B u r s t C P M f o r U A V D a t a C o l l e c t i o n P AN Z i h a o,X I E C h e n,WANG H e n g,WE I Y i m i n,GUO D a o x i n g(C o l l e g e o f C o mm u n i c a t i o n s E n g i n e e r i n g,A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A,N a n j i n g 2 1 0 0 0 7,C h i n a)A b s t r a c t:I n t h e c a s e o f UAV-a i d e d b a t t l e f i e l d d a t a c o l l e c t i o n w i t h r e c o n n a i s s a n c e s e n s o r s,s h o r t c o n-t i n u o u s p h a s e m o d u l a t i o n(C PM)b u r s t s h a v e t h e p r o b l e m s o f h i g h c o m p l e x i t y a n d p o o r p e r f o r m a n c e f o r b l i n d e q u a l i z a t i o n,t h o u g h w i t h g r e a t v a l u e.T h e r e f o r e,a b l i n d T u r b o e q u a l i z a t i o n a l g o r i t h m f o r s h o r t C PM b u r s t s i s p r o p o s e d b a s e d o n e x p e c t a t i o n-m a x i m i z a t i o n V i t e r b i-l i k e a l g o r i t h m.F i r s t l y,t h e b l i n d c h a n-n e l c a p t u r e m e t h o d i s u s e d t o d e s i g n o n e s e t o f i n i t i a l i z e r a n d t h e L a z y V i t e r b i a l g o r i t h m i s e m b e d d e d i n t o t h e e x p e c t a t i o n-m a x i m i z a t i o n(EM)a l g o r i t h m,w h i c h i m p r o v e s t h e c o n v e r g e n c e o f c h a n n e l e s t i m a t i o n a n d r e d u c e s t h e c o m p l e x i t y.S e c o n d l y,m a t c h e d c o n v o l u t i o n a l c o d e s a n d i n t e r l e a v e r s a r e u s e d t o o p t i m i z e s y s-t e m p a r a m e t e r s w h i l e t h e B i t E r r o r R a t e(B E R)p e r f o r m a n c e i s f u r t h e r i m p r o v e d b y u s i n g T u r b o e q u a l i z a-t i o n.F i n a l l y,a i m i n g a t t h e p o s i t i v e f e e d b a c k c a u s e d b y s h o r t f r a m e,i m p r o v e d e x t r i n s i c i n f o r m a t i o n i s u s e d t o i m p r o v e t h e c o n v e r g e n c e o f i t e r a t i o n.T h e t h e o r e t i c a l a n a l y s i s a n d s i m u l a t i o n r e s u l t s s h o w t h a t c o m p a r e d w i t h t r a d i t i o n a l m e t h o d s,t h e p r o p o s e d a l g o r i t h m c a n s i g n i f i c a n t l y r e d u c e t h e c o m p l e x i t y a n d t a k e i n t o a c c o u n t t h e B E R p e r f o r m a n c e.K e y w o r d s:b l i n d e q u a l i z a t i o n;s h o r t b u r s t s i g n a l;EM a l g o r i t h m;l a z y v i t e r b i a l g o r i t h m;T u r b o e q u a l i z a t i o n 收稿日期:2 0 2 2-0 6-0 7基金项目:国家自然科学基金(6 1 9 7 1 4 4 0)。第一作者:潘子豪,博士研究生,主要研究信道估计和均衡。通信作者:郭道省,教授,博士生导师,主要研究卫星通信、通信抗干扰等。随着万物互联时代的到来,物与物之间的连接方式也在不断发展和更新。近年来,无人机因具有成本低、机动性强等优势,被广泛应用于执行多样化任务1。特别是在战场侦察传感器的数据采集中,无人机能够作为数据汇集的节点,一方面其高机动性可以实现数据的高效灵活采集,另一方面只有当无人机在一定距离内传感器才会传输数据,大大减小了传感器发射功率2-3,也兼顾了传输的安全和隐蔽性。通过有效利用无人机与地面终端之间的短视距通信链路,能够大幅提高传输性能,具有较大的战场应用价值。现代战争节奏快、消耗大,战场空间广阔,战场态势瞬息万变,为满足指挥机构对战场态势持续、快速、精准掌握这一需求,无人机辅助的侦察传感器数据采集亟需低功耗、低复杂度的传输方案。连续相位调制(c o n t i n u o u s p h a s e m o d u l a t i o n,C PM)因其高频带利用率被广泛应用于带宽资源受限的系统4。对比线性调制,在相同频谱效率时,C PM的功率效率更高5。另外,C PM信号具有恒包络特性,能够克服功放的非线性效应,系统可以使用廉价的C类功率放大器,既能提升能效又节约成本。小型无人机、传感器的载荷能力有限,通常电量耗尽后不易回收充电。因此,功效特性优越的C PM可显著延长设备的工作时间6。然而,C PM信号在无线信道中传输极具挑战性,尤其是在接收端。如果通信系统设计不合理将导致性能下降,甚至抵消恒包络带来的功效优势。因此,面向战场无人机数据采集中采用短突发C PM信号的低速通信,优化通信系统结构,降低接收计算量,为无人机与侦察传感器以及其他感知侦察手段结合提供基础工具支撑。由于信号传输受到信道影响会发生畸变且接收端难以获取准确的信道状态信息,因此需要进行信道估计。文献7 针对不同类型的C PM信号,设计了一种广义的导频插入技术,由前端滤波器和插值滤波器输出信道响应估计信息,利用维特比算法实现信道的均衡;文献8 在导频符号之前添加了过渡符号,用于保持C PM相位连续性,并采用局部B样条插值估计导频之外符号的信道,降低复杂度的同时兼顾了估计精度。但以上研究均在平坦衰落信道中开展,并且在短帧信号中加入额外的数据辅助估计会造成冗余,增大开销。此外,转换到频域处理的方法9-1 4,虽然复杂度更低,但与导频数据辅助类似,也要加入额外的循环前缀。为了解决无人机中短突发C PM信号的均衡问题,可在时域上采用盲均衡方式。文献1 5 利用T o n g-X u-K a i l a t h(T X K)提取信号的二阶统计量,文献1 6 采用E i g e n V e c t o r方法从四阶交叉累积矩阵中估计信道。然而,这些方法因对C PM线性化表示弱化了性能,并且计算统计量需要足够的符号数来减少噪声引起的误差,在短突发中得到的信道估计精度会很低。文献1 7 针对最小频移键控(m i n i m u m s h i f t k e y i n g,M S K)信号提出了一种前向自适应软输入软输 出(f o r w a r d-a d a p t i v e s o f t i n p u t s o f t o u t p u t,F A-S I S O)的盲均衡算法,在平坦衰落信道中分析性能,并在此基础上减少网格状态数,提出A-S I S O算法1 8。文献1 9 在F A-S I S O基础上,运用逐幸存处理思想减少网格搜索过程中的路径数,并结合T u r b o均衡思想与译码器交换软信息进一步提升均衡性能,提出了一种 新 的C PM信 号 的 自 适 应 盲T u r b o均衡算法。文献6 为短突发C PM信号推导了一个新的次优的序列度量,并基于B C J R算法实现逐符号检测,但在计算度量过程中面临高复杂度的矩阵求逆。文献2 0 提出了一种新的期望最大化维特比盲均衡算法,在性能和复杂度之间做了良好的权衡,但该算法仅在无编码下研究盲均衡,没有考虑通信系统整体的性能。因此,为实现战场环境下无人机数据采集的可靠通信,需要研究短突发C P M信号的盲均衡方法并优化通信系统,确保可靠性的同时兼顾计算量以提高实时性和减少能量消耗。本文面向无人机辅助的侦察传感器数据采集、传输对终端低功耗、低复杂度的需求,首先针对短突发帧长较短、交织深度不够的问题,对编码C PM系统的卷积码、交织器等参数进行了优化设计;在此基础上,针对期望最大化(e x p e c t a t i o n m a x i m i z a t i o n,EM)-维特比盲均衡算法的缺陷,通过盲信道捕获(b l i n d c h a n n e l-a c q u i s i t i o n,B C A)方法构建了初值集确保信道估计的收敛精度,避免算法收敛到错误解。而后,在EM算法中嵌入L a z y维特比算法,减少所需遍历的状态数,显著降低了计算量。最后,结合T u r b o均衡思想,通过软信息迭代处理进一步提升系统性能,并针对短帧信号在迭代过程中容易出现正反馈的现象,改进外信息交换方式,进一步提升T u r b o均衡迭代的收敛性。1 系统模型1.1 编码C PM通信系统通信系统采用编码C PM的方式,接收端利用T u r b o均衡技术,模型如图1所示。(1)发射机。信息比特序列m=(m0,m1,mI)经过信道编码得到码字比特序列b=(b0,b1,71第4期 潘子豪,等:面向无人机数据采集的短突发C PM盲T u r b o均衡,bt)并交织为u=(u0,u1,ut),经过符号映射得到符号序列=(0,1,K)输入到C PM调制模块中。C PM信号等效复基带信号表达式为s(t,)=EsTe x p(j(t,)(1)式中:Es为符号能量,T为符号时间。相位(t,)为C PM信号携带信息的部分,在第n个符号周期内定义为(t,)=2 hnk=-L+1kg(t-v T)(2)式中:h为调制指数,表示两个互质整数的商,即h=p/q;k-(M-1),-1,1,M-1,g(t)为频率脉冲,积分后得到相位脉冲q(t),q(t)在区间0,L T 之外为0;L为频率脉冲的长度,L=1为全响应信号,L1为部分响应信号。图1 发射机和接收结构C PM的R i m o l d i分解包括连续相位编码和无记忆调制器两部分,分解后得到倾斜相位为(t)=(t,)+h(M-1)t/T(3)令Ui=(i+(M-1)/2,可得(t+n T)=R2 2 h Rpn-Li=0Ui +4 hL-1i=0Un-iq(t+i T)+w(t)(4)式中:Rp表示取模p,Vn=Rpn-Li=0Ui 表示累积相位,w(t)为数据无关项。基于R i m o l d i分解得到的C PM信号表达式为s(t)=EsTe x p(j(t)(5)(2)信道。信号传输时受到衰落信道和噪声的影响后会发生畸变,接收信号等效表达式为r(t)=s(t,)c(t)+w(t)(6)采用离散形式进一步处理,定义采样时间Ts=T/,是每个符号的采样点个数。因此,发送、接收信号和噪声的离散表示为rk=rk,rk+1,r(k+1)-1Tsk=sk,sk+1,s(k+1)-1Twk=wk,wk+1,w(k+1)-1TS()=sk,sk-1,sk-D(7)信 道 是 由 信 道 脉 冲 响 应c确 定 的,c=(c0,c1,cD)T,其中D+1是以Ts为单位表示的信道记忆长度,以符号持续时间T为单位的信道长度表示Lc=D/+1,接收信号的离散表达式为rk=S()c+wk(8)(3)C PM信道估计和均衡。基于C PM信号的R i m o l d i分解和记忆特性,C PM与多径信道可以构建一个联合网格,网格的状态数Ns=pML+Lc-1,每个状态有M条到达分支,并且该网格可以用一个有限状态机描述。该有限状态机具有马尔可夫链结构,可以采用隐马尔可夫模型(h i d d e n M a r k o v m o d-e l,HMM)描述。因此,可以用C PM信号的信道估计和均衡建模为HMM求解。具体来说,信道估计可以看作HMM的参数学习问题,信道均衡可以看作HMM的译码问题。(4)T u r b o均衡。因为维特比算法能够实现软输入软输出(s o f t i n p u t s o f t o u t p u t,S I S O),所以可以采用T u r b o均衡的形式进一步改善盲均衡性能。根据C PM信号时域离散表达式,将接收信号r 和信道译码模块输出的软信息LD(bt)(第一次迭代设置为0)输入到C PM与信道估计和均衡器中,均衡器输出对数似然比,经过解交织后输入到译码器中,后者根据预设迭代次数经过一次或数次迭代后,硬判决输出信息比特或者返回码字比特外信息对数似然比LD(bt)LD(bt)=l n(bt=1|LE(bt|r)bt=0|LE(bt|r)-LE(bt|r)(9)1.2 信道模型由于无线电波受到反射、绕射、散射和多径传播等因素的影响,在接收端信号会出现衰落现象。对于符号数较少的短突发,收发双方移动不剧烈时,假设一个突发时间内的信道恒定,突发间信道系数独立分布。一种典型的无人机辅助的战场侦察传感器数据采集的传输场景如图2所示,部署在山地丛林等偏远地区的传感器节点可以借助无人机传输数据。当旋翼无人机以低速飞行或悬停方式采集数据时,传感器通过上行链路发送信号,多径信道模型可以采用莱斯衰落信道描述。采用典型的两径莱斯信道模型,信道响应为81 第2卷 c(,t)=LO S(t)(-1(t)+2(t)e-j2(t)(-2(t)(1 0)式中:LO S(t)和2(t)分别为视距分量和反射分量的衰落系数,1(t)和2(t)为时延拓展。图2 无人机辅助的战场侦察传感器数据采集传输场景2 基于B C A初值的EML V A算法2.1 维特比算法及其变体维特比算法常用于卷积码的译码,基于网格图的表示方法,通过从左至右遍历网格所有状态,输出最大似然(m a x i m u m-l i k e l i h o o d,ML)路径的序列。该算法的计算复杂度为O(S N),其中S=ML为有限状态机的状态数,L为记忆长度,M为进制数,N为接收序列长度。当记忆长度较长时,搜索所有路径并找到ML路径的计算量很大,难以实现。实际上,在寻找ML路径时,特别是高信噪比条件下,可通过避免搜索小概率路径,减少遍历数。文献2 1 和2 2 通过改进原始算法得到简化的L a z y维特比算法。为了避免不必要的路径搜索,可以引入优先队列(p r i o r i t y q u e u e,P Q)的数据结构。相比标准的维特比算法,在最优条件下,引入P Q能够大幅减少计算量,计算量最大也不会超过原始算法。这两个算法是本文理论的基础,统称为维特比类算法。L a z y维特比算法实现步骤如下:(1)网格设置为空,P Q的初始节点和初始化的累积度量设置为0;(2)将P Q与初始节点加载到网格上;(3)弹出P Q顶部节点作为当前节点;(4)若顶部节点和同一时刻的网格节点相同,则丢弃该节点;(5)反之,若顶部节点是P Q中具有最小度量的节点,则输出作为当前节点;(6)若该节点不是最后时刻的节点,则插入该节点的后续节点,并返回执行步骤3;(7)回溯ML路径,输出路径软信息度量或者直接作硬判决输出结果。2.2 期望最大化-维特比类算法算法框图如图3所示,灰色方框代表初值集。由于EM算法对初值敏感,每个突发信道独立,采用固定的初值方案会收敛到极大值解,难以捕获精确的信道响应,因此采用多个初值方案将在2.3节中给出,本节将介绍维特比算法内嵌EM算法的实现流程。图3 算法框图(1)设置初值(c(0),N(0)0),设置最大迭代次数Sm a x,初始迭代s=0。(2)利用维特比类算法得到路径集 qQq=1,路径的累积度量 qQq=1(s)q,(s)qQq=1=V i t e r b i/L a z y-V i t e r b i(r,(s)(1 1)(3)利用路径的累积度量,计算每条幸存路径的概率P(s)q=P r(q|r,(s)=1z(s)e x p(s)-(s)qN(s)0)(1 2)式中:N(s)0为第s次迭代估计的噪声功率;(s)为常数,所有路径度量减去该值可以有效避免度量值过大导致数据溢出,可以取这一组路径中的最小度量值;z(s)为归一化常数,使所有路径概率和为1。(4)计算对数似然函数的期望L(|(s)=Ea(RL L R|r,(s)-Qq=1P(s)qr-S()c2N(s)0-Ll n(N(s)0)+d(1 3)(5)最大化条件期望,计算估计的参数91第4期 潘子豪,等:面向无人机数据采集的短突发C PM盲T u r b o均衡 c(s+1)=(qP(s)qSH(q)S(q)-1(qP(s)qSH(q)r(1 4)N(s+1)0,l=1LqP(s)q(s)q(1 5)(6)重复步骤25直至达到最大迭代次数Sm a x,输出估计参数值和ML路径对应的软信息,并作为下一个模块的输入信息或软判决输出检测结果。2.3 B C A初值方案与收敛准则关于初值集的构建问题,基于文献2 3 的B C A方法设计了一组K初值方案,对于复数信道响应,如果初值只包含一个非零单位实值和一个非零单位纯虚数,并且位于合适的位置上时,那么算法将以很大概率确保全局收敛。因此,对于长度为D+1的复 数 信 道 响 应,需 要 构 建 并 遍 历 一 组 大 小 为2(D+1)2初值集,对于实值信道,集合大小缩减为2(D+1),为方便表示,将该初值集记作B C A初值方案。2.4 C PM信号的T u r b o均衡与正反馈现象为进一步提升系统性能,可以结合 T u r b o均衡的思想,将C PM的S I S O盲均衡器输出的软信息与S I S O信道译码模块交互迭代,能够有效改善算法误码率性能 以及收敛性,得 到 了 基 于B C A初 值 的EM-软出维特比类的T u r b o均衡算法。为与EM算法的迭代过程区分,T u r b o均衡的过程记作外迭代,EM算法的迭代记作内迭代,算法流程如下:(1)设置初值集(c(0),N(0)0)k,k=1,2,K,并选取第k个初值(0)=(c(0),N(0)0)k。(2)设置最大T u r b o均衡次数Tm a x,记作最大外迭代次数,初始外迭代T=0;设置EM算法最大迭代次数Sm a x,初始内迭代估计s=0。(3)基于当前初值,接收信号r,卷积码返回的先验信息LD(u)(初始为0),执行1.2节中的算法,得到Q条幸存路径 qQq=1、路径度量 qQq=1和相应路径的软信息 LqE()Qq=1。(4)遍历所有初值后,当初值个数大于1时,根据收敛准则选取最优的估计参数作为下一次外迭代的盲均衡模块的初值,否则以当前估计值作为下一次迭代的初值,对应的符号软信息LE()经过解映射、解交织后得到信息比特的软信息LE(b),作为先验信息输入到译码模块中。(5)令TT+1,当TTm a x时,将码字比特软信息LD(b)经过交织后返回C P M盲均衡模块,并重复步骤3直至算法外迭代次数达到预设最大值。外迭代采用不同EM-维特比类算法分别记作T-EMVA和T-EML VA,需要注意的是,短帧条件下,编码C PM系统在T u r b o均衡交互外信息的过程中,直接传递外信息容易发生正反馈现象,表现为收敛到一个次优解上。因此,在迭代的过程中外信息传递方式对迭代的收敛性能发挥着重要的作用,通过改变外信息的交换方式能够使均衡性能进一步提高。2.5 复杂度分析本文所提的盲T u r b o均衡算法的计算量主要来自嵌入的维特比类算法。针对该部分,在T u r b o均 衡 进 行 迭 代 之 前 的EMVA的 复 杂 度 为O(2(D+1)2S p ML+Lc-1N),加入T u r b o均衡方案后算法复杂度增加到O(2(D+1)2S p ML+Lc-1N+(T-1)S p ML+Lc-1N)。其中,D为信道抽头数目,Lc为用符号时间表示的信道长度,Lc=(D/)+1,L为C P M频率脉冲的关联长度,M为C P M的阶数,S为迭代估计的内迭代次数,T为T u r b o均衡外迭代的次数,N为序列长度。嵌入L a z y维特比算法有效减少遍历状态降低计算量,最优情况下未迭代的E M-L V A计算量可减少至O(2(D+1)2S N+(T-1)S N)。3 仿真与分析3.1 仿真参数设置在对众多无人机通信传输技术的评估中,GM-S K因其优越的性质成为首选的调制方式之一2 4。以GM S K为例对系统进行误码率性能分析。GM-S K的频率脉冲由单位幅度的矩形脉冲通过高斯滤波器得到g(t)=12TQ2 Bt-T/2l n 2 -Q2 Bt+T/2l n 2 (1 6)式中Q()为互补误差函数。Q(t)=t12 e x p(-2/2)d(1 7)基于GM S K通信系统设置的仿真环境与相关参数见表1。无人机通信载频为5 0 6 0 MH z,传输速率2 0 0 k b/s,符号持续时间为5 s,采样时间为02 第2卷2.5 s,两径莱斯衰落最大时延拓展参考A r r i v a l/T a k e o f f模型2 4设置为7 s。根据载频数值,为模拟山地丘陵环境,莱斯因子选取2 9 d B2 5。表1 仿真参数设置参数设置备注频率脉冲高斯脉冲关联长度3进制数M2调制指数h1/2训练比特4,6,8最大似然检测数据长度/b6 6发送速率/(k bs-1)2 0 0采样间隔2采样点/符号衰落信道两径莱斯信道莱斯因子2 9 d B信道编码卷积码码率1/2外迭代次数1 03.2 系统参数优化和AWGN信道下S C C PM系统一样,外码卷积码和C PM的软入软出盲均衡模块能够通过迭代交互进一步提升性能。卷积码的状态数、自由距大小会影响交织增益,一般来说状态数越大的卷积码自由距离越大,能够提供更多的交织增益,但前提是交织长度足够大、信噪比在收敛门限之上。在短帧情况下,状态数多的卷积码存在收敛性问题反而 会 导 致 性 能 下 降。因 此,本 文 比 较(5,7)、(1 7,1 5)、(2 3,3 5)和(5 3,7 5)4种 卷 积 码 的 性 能(图4(a),优化生成多项式。分析0次迭代和1 0次迭代后的误码率性能,综合考虑短帧长、信噪比和实现复杂 度,编码C P M系 统 的 信 道 编 码 选 取(5,7)卷积码。交织器打乱了原有的发送顺序,在发送端能够起到随机编码的作用,扩展了编码的码长,在接收端能够将突发错误分散开来,提供更多的编码增益。为选择合适的交织器提升性能增益,图4(b)比较了矩阵交织器、Q P P交织器、通用块交织器、s伪随机交织器和W c d m a交织器5种交织器性能。图4 信道已知条件下编码C PM系统性能经过1 0次外迭代后,曲线性能表明s 伪随机交织器性能最优。因此,编码GM S K系统采用s 伪随机交织器。3.3 EML V A与传统方法性能对比由图5(a)可见,基于B C A初值的EML VA算法能够保证算法具有良好的收敛性,设置外迭代次数为0、内迭代次数为4,大约3次内迭代后达到收敛,不再有性能增益,因此后续实验内迭代次数设置为3。采用固定的单一初值方案误码率曲线随着信噪比增加下降缓慢,并且迭代增益不明显。这是因为单一的初值方案无法适应变化的信道,算法收敛性差,性能损失大。结合复杂度和误码率分析,可以发现所提算法能够在几乎未弱化性能的条件下显著降低复杂度。图5(b)将基于数据辅助的相干检测方法与盲T u r b o均衡方法的性能进行对比,并给出了已知准确信道状态信息时的误码率曲线。信道状态信息已知的曲线是盲均衡算法能达到的极限,并采用训练序列的数据辅助方法作为对比的基准方法。12第4期 潘子豪,等:面向无人机数据采集的短突发C PM盲T u r b o均衡图5 EML VA与传统方法性能对比在训练序列长度分别为4、6或8比特下采用ML估计得到信道响应的估计值,外迭代1 0次后性能均低于本文提出的盲均衡算法,表明在导频受限的情况下,数据辅助的方式难以获取精确的信道响应。固定内迭代次数为3次,随着外迭代次数增加,大约5次外迭代后接近收敛,并且性能逼近信道已知下的误码率。3.4 改进的外信息交换方式为比较不同加权系数对系统性能的影响,在参数a0.8,1,b0.0 0 1,0.0 1 选取6组系数比较误码率性能,如图6(a)所示。结果表明在高信噪比下,当加权系数选取(0.9,0.0 1)时外迭代的收敛能力得到了明显提升,在6组系数中具有最优性能。图6(b)比较了不同外信息交换方式1 0次迭代后的性能,可以看出采用平均外信息交换方式迭代后性能反而变差,没能起到提高外迭代收敛性的作用,而选取合适加权系数的加权外信息能够在直接外信息交换的基础上进一步提升外迭代的收敛性,从而改善系统误码率。图6 改进的外信息交换方式4 结论本文面向无人机数据采集的通信需求,采用短突发C PM信号。把C PM与信道构成的联合网格图建立为隐马尔可夫模型。通过对HMM的问题进行求解实现了C PM盲均衡。将L a z y维特比算法和B C A初值应用到EM算法中,兼顾了算法收敛和计算量,并且结合T u r b o均衡思想提出了一种适用于短突发C PM的盲T u r b o均衡算法。在迭代过程中通过优化编码器、交织器参数,改进外信息交换方式,实现通信系统整体性能提升。仿真表明,相比传统方法,所提算法能够有效降低复杂度并确保通信的可靠性,在此基础上改进的外信息交换方式能够进一步提高外迭代过程的收敛性,使得系统误码率较低。参考文献:1 王海,秦蓁,熊飞,等.全分布式软件定义网络架构在无人集群系统中的应用J.陆军工程大学学报,2 0 2 2,1(1):1 6-2 1.WANG H a i,Q I N Z h e n,X I ON G F e i,e t a l.A p p l i c a-t i o n o f f u l l y d i s t r i b u t e d s o f t w a r e d e f i n e d n e t w o r k a r-c h i t e c t u r e t o u n m a n n e d s w a r m s y s t e mJ.J o u r n a l o f A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A,2 0 2 2,1(1):1 6-2 1.2 Z HA N C,Z E N G Y,Z HA N G R.E n e r g y-e f f i c i e n t d a t a c o l l e c t i o n i n U A V e n a b l e d w i r e l e s s s e n s o r n e t w o r kJ.I E E E W i r e l e s s C o mm u n i c a t i o n s L e t t e r s,2 0 1 8,7(3):3 2 8-3 3 1.3 S AY S,I NA T A H,L I U J,e t a l.P r i o r i t y-b a s e d d a t a g a t h e r i n g f r a m e w o r k i n UAV-a s s i s t e d w i r e l e s s s e n s o r n e t w o r k sJ.I E E E S e n s o r s J o u r n a l,2 0 1 6,1 6(1 4):5 7 8 5-5 7 9 4.4 AU L I N T,S UN D B E R G C.C o n t i n u o u s p h a s e m o d u-l a t i o n-p a r t I:F u l l r e s p o n s e s i g n a l i n gJ.I E E E T r a n s-22 第2卷a c t i o n s o n C o mm u n i c a t i o n s,1 9 8 1,2 9(3):1 9 6-2 0 9.5 E L CHAMAA M,L ANK L B.B l i n d S I S O d e t e c t i o n o f M-a r y C PM i n f a s t-f a d i n g f l a t c h a n n e l sC/2 4 t h I n t e r n a t i o n a l I T G W o r k s h o p o n S m a r t A n t e n n a s.H a m b u r g:V D E,2 0 2 0:1-6.6 CHAMAA M E,L ANK L B.N o n c o h e r e n t s y m b o l d e-t e c t i o n o f s h o r t C PM b u r s t s i n f r e q u e n c y-s e l e c t i v e f a-d i n g c h a n n e l sJ.I E E E T r a n s a c t i o n s o n W i r e l e s s C o mm u n i c a t i o n s,2 0 2 0,1 9(2):7 7 1-7 8 2.7 HO P,K I M J H.P i l o t s y m b o l-a s s i s t e d d e t e c t i o n o f C PM s c h e m e s o p e r a t i n g i n f a s t f a d i n g c h a n n e l sJ.I E E E T r a n s a c t i o n s o n C o mm u n i c a t i o n s,1 9 9 6,4 4(3):3 3 7-3 4 7.8 B R OWN C,V I GN E R ON P J.S i g n a l r e c o v e r y f o r C PM i n f r e q u e n c y f l a t f a s t f a d i n g c h a n n e l sC/M I L-C OM 2 0 1 2-2 0 1 2 I E E E M i l i t a r y C o mm u n i c a t i o n s C o n-f e r e n c e.O r l a n d o:I E E E,2 0 1 2:1-6.9 T AN J,S TU B E R G L.F r e q u e n c y-d o m a i n e q u a l i z a t i o n f o r c o n t i n u o u s p h a s e m o d u l a t i o nJ.I E E E T r a n s a c t i o n s o n W i r e l e s s C o mm u n i c a t i o n s,2 0 0 5,4(5):2 4 7 9-2 4 9 0.1 0P AN C A L D I F,V I T E T T A G M.E q u a l i z a t i o n a l g o-r i t h m s i n t h e f r e q u e n c y d o m a i n f o r c o n t i n u o u s p h a s e m o d u l a t i o n sJ.I E E E T r a n s a c t i o n s o n C o mm u n i c a-t i o n s,2 0 0 6,5 4(4):6 4 8-6 5 8.1 1O Z GU L B,KO C