Оценка циклической спектральной плотности мощности инфокоммуникационных сигналов

Радиотехника, в том числе системы и устройства телевидения


Авторы

Ефимов Е. Н.1*, Шевгунов Т. Я.**, Кузнецов Ю. В.2***

1. Московский авиационный институт (национальный исследовательский университет), Волоколамское шоссе, 4, Москва, A-80, ГСП-3, 125993, Россия
2. Кафедра 405 «Теоретическая радиотехника»,

*e-mail: omegatype@gmail.com
**e-mail: shevgunov@gmail.com
***e-mail: kuztetsov@mai-trt.ru

Аннотация

В работе предложен блочный алгоритм усреднения циклических периодограмм для формирования при помощи временного сглаживания оценок циклической спектральной плотности мощности (ЦСПМ) сигналов, обрабатываемых в бортовых вычислительных комплексах летательных аппаратов. Исследованы особенности формирования матрицы оценок ЦСПМ, исключающей пропуски по циклической частоте за счёт учета формы и эффективной ширины элементов разрешения, заполняющих область носителя ЦСПМ. Так же в работе дано теоретическое описание предложенного алгоритма и приведены результаты имитационного численного моделирования, демонстрирующие его работу на примере смеси амплитудно-модулированных сигналов, в которых в качестве информационных модулирующих компонент используются стационарные случайные процессы. Анализ полученных с использованием предложенного алгоритма циклических характеристик позволил определить количество сигналов в смеси, значения соответствующих им несущих частот, получить отдельно периодограммы каждого из процессов, а также сделать вывод о статистической независимости процессов.

Ключевые слова:

циклостационарность, циклическая спектральная плотность мощности, непараметрические методы оценивания, периодограмма, спектрально-корреляционный анализ, периодически коррелированные сигналы

Библиографический список

  1. Franks L.E. Signal Theory. Englewood Cliffs, N.J.: Prentice Hall, 1969, 318 p.

  2. Gardner W.A., Napolitano A., Paura L. Cyclostationarity: Half a century of research // Signal Processing, 2006, vol. 86, no. 4. pp. 639 – 697.

  3. Roberts R.S., Brown W. A., Loomis H.H. Computationally efficient algorithms for cyclic spectral analysis // IEEE Signal Processing Magazine, 1991, vol. 8, no. 3, pp. 38 – 49.

  4. Ефимов Е.Н., Шевгунов Т.Я. Формирование оценки направления прихода сигнала с использованием искусственных нейронных сетей // Труды МАИ. 2015. № 82. URL: http://trudymai.ru/published.php?ID=58786

  5. Ефимов Е.Н., Шевгунов Т.Я. Идентификация точечных рассеивателей радиолокационных изображений с использованием нейронных сетей радиально-базисных функций // Труды МАИ. 2013. № 68. URL: http://trudymai.ru/published.php?ID=41959

  6. Булыгин М.Л., Муллов К.Д. Формирователь зондирующего сигнала для радиолокатора с синтезированной апертурой // Труды МАИ. 2015. № 80. URL: http://trudymai.ru/published.php?ID=57040

  7. Antoni J., Cyclostationarity by examples // Mechanical Systems and Signal Processing, Elsevier, 2009, no. 23, pp. 987 – 1036.

  8. Мартиросов В.Е., Алексеев Г.А. Квазикогерентный модулятор сигнала QPSK // Труды МАИ. 2015. № 80. URL: http://trudymai.ru/published.php?ID=57051

  9. Ефимов Е. Н., Шевгунов Т. Я. Циклостационарные модели радиосигналов с квадратурной амплитудной модуляцией // Электросвязь. 2016. № 11. С. 65 – 71.

  10. Анциперов В.Е. Оценивание характера последействия случайных точечных процессов методами многомасштабного корреляционного анализа // Журнал радиоэлектроники. 2015. № 6. C. 12.

  11. E. Karami, O. A. Dobre and N. Adnani, Identification of GSM and LTE signals using their second-order cyclostationarity // 2015 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) Proceedings, Pisa, 2015, pp. 1108 – 1112.

  12. E. Karami, O. A. Dobre, Identification of SM-OFDM and AL-OFDM Signals Based on Their Second-Order Cyclostationarity // IEEE Transactions on Vehicular Technology, 2015, vol. 64, no. 3, pp. 942-953.

  13. Gardner W., Measurement of spectral correlation // IEEE Trans. on Acoustics, Speech, and Signal Processing, 1986, vol. 34, no. 5, pp.1111 – 1123.

  14. Welch P. The use of fast fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms // IEEE Transactions on Audio and Electromagnetics, 1967, vol. 15, no. 2, pp. 70 – 73.

  15. Тихонов В.И., Шахтарин Б.И., Сизых В.В., Случайные процессы. Примеры и задачи. Оценка сигналов, их параметров и спектров. Основы теории информации. Учебное пособие. – Москва: Горячая Линия – Телеком, 2012. – 400 c.

  16. Шахтарин Б.И., Сизых В.В., Булатов А.В. Обнаружение сигналов неизвестной интенсивности в гауссовском шуме с неизвестной дисперсией (алгоритм с обучением) // Научный вестник Московского Государственного Технического Университета Гражданской Авиации, 2005, № 93, С. 36 – 44.

  17. Gardner W.A. Cyclostationarity in Communications and Signal Processing, IEEE Press, 1994, 504 p.

  18. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения. – М.: Мир, 1990. – 584 c.

  19. Шевгунов Т.Я., Ефимов Е.Н., Жуков Д.М., Алгоритм 2N-БПФ для оценки циклической спектральной плотности мощности // Электросвязь (ISSN 0013-5771), 2017. № 6. С. 50 — 57.

  20. Gardner W. A. Statistical Spectral Analysis – A Nonprobabilistic Theory, Prentice Hall, 1988, 566 p.


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

 Вход