一种双极性混沌键控通信系统解调方法

摘要

一种双极性混沌键控通信系统解调方法属于通信技术领域，针对双极性混沌键控通信系统中同步特性不理想时，相干解调会产生高误码率的问题，本发明利用两个不同的混沌信号跟踪器分别跟踪接收到的已调混沌信号，通过计算比较各跟踪信号与接收信号的均方误差实现发送数据的判别。其中的混沌信号跟踪方法采用了扩展卡尔曼滤波和粒子滤波两种算法，结果表明在同步特性不理想时，本发明的解调方法较传统的相干解调误码率大大降低；而且采用粒子滤波算法的误码率优于扩展卡尔曼滤波算法的误码率。

权利要求

1.一种双极性混沌键控通信系统解调方法，其特征在于，它包括如下步骤：步骤一，两路不同混沌信号跟踪器分别跟踪发送端发送的混沌信号，其中混沌信号跟踪器采用的跟踪算法包括扩展Kalman滤波和粒子滤波算法；

步骤二，各混沌信号跟踪器跟踪后的信号根据同步误差量和算法的收敛步长去掉每比特信号前面和后面相应的扩频数据点，再与接收到的信号计算均方误差；

步骤三，通过比较两路均方误差的大小判决发送端所发的数字信号。

2.根据权利要求1所述的一种双极性混沌键控通信系统解调方法，其特征在于：在步骤一中，混沌信号跟踪器1所采用的跟踪动态方程和发送端一致，混沌信号跟踪器2由反相器和混沌信号跟踪器1级联组成。

3.根据权利要求1所述的一种双极性混沌键控通信系统解调方法，其特征在于：在步骤三中，当上下两路两均方误差的差值小于0时，判数字信息“1”输出，反之判数字信息“-1”输出。

说明书

一种双极性混沌键控通信系统解调方法

技术领域

[0001] 本发明属于通信领域，尤其涉及一种双极性混沌键控通信系统解调方法。

背景技术

[0002] 由于混沌信号具有类随机性和宽阔的频谱，混沌保密通信成为信息安全领域的重要研究内容之一，在民事和军事中有良好的应用价值。混沌键控通信方式具有电路结构简单、易于实现、低截获率和保密性强等优点，是常用的混沌通信方案。而双极性混沌键控采用一个混沌信号发生器，发射机可以避免键控连续工作，所以具有更高的实用价值。传统的双极性混沌键控通信系统采用相干解调的形式，而相干解调需要收发双方实现理想的混沌同步。混沌信号具有图钉型自相关函数，因此即使时间轴上的微小误差也会导致相关特性的极具恶化，其结果表现在进行相干解调时同步的稍有偏差，将导致大量的误码。然而实际的通信过程受到信道特性、噪声、电路参数失配和延迟线不理想等因素的影响，理想的同步往往很难达到。

[0003] 双极性混沌键控方式发射机原理图如图1所示，图中发送端g(t)表示混沌发生器产生的混沌基信号，本发明以Tent混沌信号为例，Tent混沌信号具有均匀的概率密度和理想的相关特性，其映射可以表示为：

[0004] xn+1＝a-1-a|xn|，(1＜a≤2) (1)

[0005] 当参数a选择合适时，其值可均匀的分布在[-1，1]这个范围之内。图1中bj∈(-1，1)为待发送的第j个数字信号，S(t)代表已调制的混沌信号。当bj＝1时，发送端发送混沌基信号；当bj＝-1时，发送与混沌基信号相反的信号。

[0006] 双极性混沌键控相干解调方式接收机原理图如图2所示，接收端通过混沌同步器产生与发送端的混沌基信号相同的混沌信号，然后通过相干解调来判决发送端所发的数字信号。双极性混沌键控相干解调方法中需要收发双方实现理想的混沌同步，然而在实际的混沌通信过程中由于受到信道和噪声等因素的影响，理想的混沌同步是很难维持的。一旦收发双方出现混沌同步不理想的情况，将导致高误码率，这一点可以从混沌信号的自相关特性图3中看出。图3是从序列长度为128的Tent混沌信号的归一化自相关特性杆状图中截取的一部分，当混沌信号理想同步时，Tent信号的自相关值为1，表现为强相关性；一旦收发双方异步，即使是微小的差异也会导致相关值很小，相关特性急剧变差。

[0007] 对双极性混沌键控系统传统的相干解调进行仿真，仿真参数设置为：Tent混沌映射参数a＝1.9，混沌扩频因子数为128，数据点数为10万比特。图4所示为系统理想同步和系统同步误差分别为1、2和3个单位时间下的误码率性能曲线。由图4分析可知，混沌信号自相关值的大小和正负是影响系统误码率的主要因素。当收发双方混沌信号理想同步时，Tent信号的自相关值为1，双极性混沌键控通信系统相干解调方法10万点仿真无误码；然而当混沌同步不理想时，相干解调的误码率很高。特别是当同步误差为1个单位时间时，误码率高达50％以上，并随着信噪比的增大而上升，其原因在于此时Tent信号的自相关值由图3知约为-0.2，因此相干解调出的数字信号恰好和发送端的数字信号相反。另外图4中同步误差为2个单位时间时的误码率高于同步误差为3个单位时间时的误码率是因为图
2中Tent信号的同步误差为2个单位时间时的自相关值低于同步误差为3个单位时间时的自相关值。

发明内容

[0008] 本发明的目的是一种可以克服同步不理想带来高误码率的双极性混沌键控通信系统解调方法。

[0009] 为实现上述目的，本发明采用以下技术方案，它包括如下步骤：

[0010] 步骤一，两路不同混沌信号跟踪器分别跟踪发送端发送的混沌信号，其中混沌跟踪器采用的跟踪算法包括扩展Kalman滤波和粒子滤波算法；

[0011] 步骤二，各混沌信号跟踪器跟踪后的信号根据同步误差量和算法的收敛步长去掉每比特信号前面和后面相应的扩频数据点，再与接收到的信号计算均方误差；

[0012] 步骤三，通过比较两路均方误差的大小判决发送端所发的数字信号。

[0013] 在步骤一中，混沌跟踪器1所采用的跟踪动态方程和发送端一致，混沌信号跟踪器2由反相器和混沌信号跟踪器1级联组成。

[0014] 在步骤三中，当上下两路两均方误差的差值小于0时，判数字信息“1”输出，反之判数字信息“-1”输出。

[0015] 采用上述技术方案的本发明，提出了一种新的双极性混沌键控新解调方法可以解决现有相干解调方式在同步不理想时带来高误码率的缺陷。

附图说明

[0016] 图1为双极性混沌键控发射机原理图；

[0017] 图2为双极性混沌键控相干解调接收机原理图；

[0018] 图3为Tent混沌信号归一化自相关特性图；

[0019] 图4为双极性混沌键控相干解调误码率图；

[0020] 图5为本发明中双极性混沌键控接收机原理图；

[0021] 图6为本发明双极性混沌键控基于EKF算法和粒子滤波算法的误码率图。

具体实施方式

[0022] 本发明为一种双极性混沌键控通信系统新解调方法，它包括如下步骤：

[0023] 步骤一，解调端采用两路不同混沌信号跟踪器分别跟踪发送端发送的混沌信号，其中混沌跟踪器采用的跟踪算法包括扩展Kalman滤波和粒子滤波算法；混沌信号跟踪器1所采用的跟踪动态方程和发送端一致，混沌信号跟踪器2由反相器和混沌信号跟踪器1级联组成。混沌跟踪器采用的跟踪算法包括EKF和粒子滤波算法。由此可见当发送数字信号“1”时，混沌信号跟踪器1跟踪发送端发送的混沌基信号的性能良好，混沌信号跟踪器2无法跟踪；当发送数字信号“-1”时，混沌信号跟踪器2具有良好的跟踪特性，而混沌信号跟踪器1无法跟踪。

[0024] 步骤二，各混沌信号跟踪器跟踪后的信号与接收到的信号计算均方误差；收发双方存在着同步误差时，由于发送的每比特信息经过了混沌扩频，在计算均方误差时根据同步误差量和算法的收敛步长去掉每比特信号前面和后面相应的扩频数据点。

[0025] 步骤三，通过比较两路均方误差的大小判决发送端所发的数字信号，当上下两路两均方误差的差值小于0时，判数字信息“1”输出，反之判数字信息“-1”输出。

[0026] 图5中解调数字信号时需要混沌信号跟踪器来跟踪发端发送的混沌信号，本发明主要讨论EKF和粒子滤波两种算法。EKF是一种将非线性问题线性化的方法，仅适用于高斯分布模型，而粒子滤波算法结合了贝叶斯理论，它能够处理各种非线性模型和任意的概率分布问题。

[0027] EKF是经典Kalman滤波器的改进型式，同经典Kalman滤波原理基本一致，也是在最小均方误差估计理论基础上，通过一组递推公式，不断地预测并通过观测信号修正来估计系统的状态。然而与经典Kalman滤波不同的是，EKF通过在最优估计点附近计算非线性函数的泰勒级数并将高阶分量舍弃，进而将非线性系统近似线性化以达到可以处理非线性问题的目的。EKF算法主要分为两个部分，首先是预测，预测过程利用当前状态的最优估计和误差协方差通过状态转移方程计算下一个时刻的状态和误差协方差的先验估计；其次是更新，更新过程则利用观测量来进一步修正预测状态，从而完成系统状态的最优估计。其具体算法如下：

[0028] 1)建立状态方程和测量方程：

[0029] xn＝f(xn-1) (2)

[0030] yn＝xn+wn (3)

[0031] 其中 表示状态变量； 表示观测变量；f表示非线性映射；表示高斯白噪声。

[0032] 2)时间更新(预测)

[0033] 状态一步预测：

[0034] 误差协方差一步预测： 其中

[0035] 3)测量更新(校正)

[0036] 计算卡尔曼增益：

[0037] 根据观测变量yn更新估计值：

[0038] 更新误差协方差：

[0039] 粒子滤波算法的主要思想是通过大量的粒子来近似系统状态的后验概率密度分布，它适用于任意的非线性和非高斯模型。简言之，在粒子滤波算法中，概率密度函数通过一组带权重的粒子来进行近似，然后用大量粒子的均值代替积分运算，从而获得系统状态的最优估计。这里的粒子指的是系统状态空间中的采样点，随着粒子数目的增加，其可以接近任意的概率密度分布。虽然粒子滤波算法中的概率密度分布仅仅是对真实分布的近似，然而它并没有将非线性系统线性化，所以在处理非线性问题时随机变量不必满足高斯分布，能够更广泛地适用于各种非高斯模型。其具体算法如下：

[0040] 1)初始化：从状态的分布中采样 计算权重 i＝1，2，…N，假设初始状态平均分布在整个状态空间，

[0041] 2)重要性采样：在k时刻，基于状态空间模型式(2)和式(3)更新采样[0042] 3)计算重要性权值：

[0043] 4)重采样：根据权值 重采样。

[0044] 5)状态最优估计：

[0045]

[0046] 图6是针对所提解调方法基于EKF算法和粒子滤波算法进行的误码率仿真，仿真时粒子滤波采用的粒子数为500个，假设收发双方同步误差为2个单位时间，其它参数与图4仿真中的相同。考虑到同步误差以及混沌信号跟踪的收敛时间问题，计算均方误差时去掉每比特数据前后各10个扩频点。由图可知，当混沌同步不理想时，和图4传统的相干解调相比，所提解调方法能在很大程度上降低系统的误码率。而且因为混沌信号的非线性特征，使用粒子滤波算法的误码率要比使用EKF算法的误码率低1个数量级左右，从而表明了粒子滤波在处理非线性和非高斯问题方面的优越性。应该注意的是粒子滤波算法的运算量要远大于EKF算法，在实际使用时要具体情况具体分析，采用EKF算法就可以达到比较理想的效果时，应首先考虑EKF算法。