振动信号解调

振动信号解调（精选九篇）

振动信号解调 篇1

1 激光外差干涉系统的组成

图1 为本文所设计的对微弱激光超声信号检测的示意图。采用功率为大于2 m W的DH-HN250 氦氖激光器作为光源, 发出的光的波长为632. 8 nm, 光束通过布拉格器件产生频率不同的两束光: 0 级光和1 级光[8,9], 其频差为80 MHz。0 级光通过三角棱镜、反射镜M2、偏振分光棱镜PBS, 在偏振分光棱镜上发生全透射通过的为P光, 再在分光棱镜BS上发生全透射不改变原来的偏振态仍然为P光。1级光经过反射镜M1、偏振分光棱镜PBS, 在PBS上发生全透射产生P光, 再在分光棱镜BS上发生全透射, 到达样品, 经样品反射后再通过分光棱镜BS反射, 而分光棱镜BS不改变偏振态, 产生的还是P光, 调整光路使0 级光和1 级光重合, 重合的两束P光汇聚到光电检测器上发生干涉。

图2 为实物图。与传统的线偏振外差干涉系统相比本系统的优点如下:

第一, 光源发出的激光经布拉格器件产生两束光 ( 0 级光和1 级光) , 频差为80 MHz, 高频率更好地抑制了低频部分的噪声, 而且得到的布拉格衍射光能量分布比较集中。

第二, 对于0 级光和1 级光在发生干涉之前, 没有使用传统的波片来改变振动方向, 而是直接采用PBS发生全透射产生P光。这避免了在使用波片来改变振动方向时的较大误差。而且减少了器件的使用, 使对光路的调试更加容易, 同时干扰因素也减少。

第三, 最后在汇聚到光电检测器时没有使用透镜, 虽然透镜可以使光强增加, 增加干涉光的幅值, 但是在聚焦点的精确控制上有一定的难度, 同时由于使用的是开放式的光路, 所以会同时把一些污染光给聚焦进去, 对信号造成污染, 使噪声增加。而且两束光经过PBS后形成P光本身的噪声就已经比较少了。

2 微弱超声信号检测原理

若样品表面有超声脉冲u ( t) , 则1 级光经样品表面反射后由于多普勒效应发生 ( 4π/λ) u ( t) 的相位移[10]。与0 级参考光发生干涉作用, 经光电探测器输出含有相位调制的电流信号, 其表达式可写为[11,12]:

式 ( 1) 中, fB为80 MHz, u ( t) 为超声振动位移, A为信号幅值, φ0为初始相位。

其中标准参考信号也是由布拉格器件输出, 其表达式为:

式 ( 2) 中, fs= fB= 80 MHz。 在实验中, 信号处理电路可由放大器、相敏检波器 ( 乘法器) 和低通滤波器等部分组成, 其原理框图如图3 所示。

待测信号U ( t) 经过放大后与参考信号W ( t) 在相敏检波器处相乘并整理得:

调整相位使 φ0与 φs相差90°, 并通过低通滤波器滤除上式的第一项, 又 ( 4π/λ) u ( t) 很小以致接近于0, 所以可得:

因此输出电流正比于[其中比例系数K = ( 2π/λ) AA1]超声振动位移, 据此可检测超声信息。

3 实验结果分析

经过调试光路, 在示波器上可以观察到明显的差拍信号如图4 所示。它的频率为79. 37 MHz, 与理想的80 MHz的频率相对误差只有0. 7% , 幅值为66 m V, 接近70 m V, 比传统的光路的幅值要大出将近15 m V。

经过Matlab处理, 在振动的样品上解调出了振动超声信号的处理图像如图5 所示。实验中得到了振动信号的幅值从100 m V到2 V时的信号的解调处理图像, 其中选了比较典型的幅值为400 m V频率为4 k Hz、幅值为400 m V频率为5 k Hz、幅值为1 V频率为5 k Hz、幅值为1 V频率为6 k Hz的图像的对比如下。

由图5 解调出来的波形对比可知当振动信号幅值相同, 频率小的, 解调出的信号的幅值大, 趋向于平稳所用时间长。当振动信号的频率相同时, 幅值大的, 解调出的信号的幅度大, 趋向于平稳所用时间长。而且振动信号的频率为5 k Hz, 幅值为1 V时的解调图像振动幅度最大, 趋于平稳的时间最长。

4 结论

激光超声是近些年发展起来的一种新的无损伤探测技术, 具有非接触、宽带等诸多优点。本文设计的外差干涉系统, 在光源上对激光的要求不是特殊的线偏振光源, 而是采用氦氖激光器光源, 使用PBS得到相同的线偏振光, 节省了开支, 有效地抑制了光学噪声, 而且提高了系统的灵敏度。同时控制了光学仪器的数量, 但是在调试上更容易来调试, 得到的外差干涉信号的幅值也大幅度地提高, 调试方便, 有利于改善外差信号的幅值。实验结果表明, 得到的外差信号接近于70 m V, 频率也接近80 MHz, 对检测微弱超声信号的研究很有利, 而且解调出来了振动信号的波形, 对下一步的激光超声的探测有指导性的作用。

参考文献

[1] 钱梦骤.激光超声检测技术及其应用.上海计量测试, 2003;30 (1) :4 —7

[2] 张淑义.激光超声与材料无损评价.应用声学, 1992;11 (4) :1—6

[3] Li X F, Wang C H, Xiang H B, et al.Finite element simulation of ultrasonic guided waves generated by a pulsed laser in human skin.Instrument of Science&Technology, 2006;34 (6) :711—725

[4] Qi L H, Ni Q L, Chen B.Experimental investigation of laser-produced—plasma EUV source based on liquid target.Opt Precision Eng, 2005;13 (5) :604—607

[5] Ma P, Hu J P, Chen S L, et al.High laser damage threshold coatings and damage testing technology Opt Precision Eng, 2005;13 (4) :500 —504

[6] Monchalin J P.Heterodyne interferometric laser probe to measure continuous ultrasonic displacement Rev Sci Instrum, 1985;56 (4) :543 —546

[7] 龚育良, 张永智, 梁海岩.用外差干涉法探测固体表面激光超声的研究.中国激光, 1997;24 (9) :819—822

[8] Berg N J, Pellegrino J M.Acousto-optic Signal Processing:Theory and Implementation.New York:Marcel Dekker Inc, 1996:125—146

[9] 冀贞海, 胡勇, 李锋, 等.声光信号处理的频谱分析技术研究.航天电子对抗, 2012;28 (6) ;42—44

[10] 龚育良, 李红卫, 白世武.激光外差探测超声位移的原理、方法和实验.声学学报, 1996;21 (3) :259—264

[11] 李醒飞, 王驰, 向红标, 等.光学外差干涉法检测微弱超声振动.光学精密工程, 1998;16 (7) :1158—1163

振动信号解调 篇2

为了对潜艇实施减振降噪处理,需要对其进行振动测试.测试得到的振动信号实际上包含了多个振动源(如电机、轴、轴承、桨等)对于被测点振动的贡献.为了得到关于不同振动源的信息,采用基于自然梯度的独立分量分析(ICA)算法,分析振动测试信号的统计独立性,从而分离得到相互独立的振动源信号.仿真结果表明,采用该方法在无需任何先验知识的`情况下(如固有频率、器件型号),可以很好地将不同的振动源信号分离开来,从而解决了潜艇振动源信号的辨识问题,为潜艇的减振降噪奠定了基础.

作 者：王凌燕 黄公亮 侯文 作者单位：王凌燕,侯文(中北大学电子测试技术国家重点实验室,山西,太原,030051)

黄公亮(解放军驻三五三一厂军事代表室(贵阳 550009))

振动信号解调 篇3

摘要：结合旋转机械设备的典型故障特征，设计开发了一个基于LabVIEW的信号分析处理系统，可以实现常用的信号分析处理方法。该系统可读取、存储不同类型的数据格式，对采集的信号从幅域、时域、频域三个不同角度进行分析处理，提取信号的特征信息，用于旋转机械故障的初步诊断。通过对转子、轴承、齿轮的实际振动数据进行分析处理，验证了系统的正确性与可行性。

关键词：故障诊断；振动信号分析处理；虚拟仪器；LabVIEW

随着现代化工业大生产的不断发展，机械设备的结构变得越来越复杂，并且经常运行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响，会导致机械设备发生故障、轻则降低生产质量或导致停产，重则会造成严重的甚至是灾难性的事故。为此，为尽最大可能地避免事故的发生，机械设备状态监测与故障诊断技术近年来得到了极为广泛的重视，其应用所达到的深入程度十分令人鼓舞。目前，机械设备状态监测与故障诊断已经基本上形成了一门既有理论基础、又有实际应用背景的交叉性学科。

在实际应用中，故障与征兆之间往往并不存在简单的一一对应关系，一种故障可能对应着多种征兆，反之一种征兆也可能是由于多种故障所致。因此，通常必须要借助信号处理等手段从采集的原始数据中加工出特征信息，提取特征量，从而保证有效、准确地进行故障诊断、也就是说，信号处理与故障诊断有着极为密切的联系，信号特征提取是故障诊断中必不可少的一个重要环节。

故障诊断技术的各种理论研究和方法探讨最终都必须落实到具体诊断装置的研制上。而传统的测控仪器以硬件为关键，其开发与维护的费用高、技术更新周期长、价格高、仪器功能柔性差、不易与其他设备连接等特点，越来越不能满足科技进步的要求。虚拟仪器的出现改变了这样的局面，它充分利用了计算机技术来实现和扩展传统测试系统与仪器的功能。

NI公司的图形化编程语言LabVIEW成为当今虚拟仪器开发最流行的一种语言。LabVIEW的最大特点是用图标代码来代替编程语言创建应用程序。LabVIEW有丰富的函数、工具包、软件包、数值分析、信号处理、设备驱动等功能，还有应用于专业领域的专业模块，解决了传统的虚拟仪器系统采用c、c++、汇编等语言存在的编程、调试过程繁琐、开发周期长、对编程人员要求高等问题、广泛地应用于航空、航天、电子、机械等众多领域。

本文基于LabVIEW开发一个针对旋转机械故障诊断的振动信号分析系统，并在成都飞机设计研究所某航空设备监控上获得了应用。

系统设计

根据信号分析系统的设计原则，又考虑到LabVIEwZ有图形化编程特点以及丰富的工具箱。因此，笔者选用NI公司的Lab VIEW 7.1作为信号分析系统的开发平台。

笔者开发的信号分析系统主要分为三大模块，即文件管理模块(文件的读取及存储)、信号分析模块、显示模块。按照图1所示的使用流程对这三个模块进行设计。

由于读取数据以及后面的数据分析存在明显的先后顺序，因此采用顺序结构将数据读取模块、信号分析模块结合起来，构成统一的总程序。图2示出总程序。左侧框图内实现信号的读取与存储的程序。由于读取的数据类型不同，因此采用选择结构。右侧是程序主体部分，用于实现信号分析及处理，包括幅域分析、时域分析、频域分析。由于信号分析方法的多样性，信号分析模块采用事件结构，通过调用子程序的办法来实现。信号分析系统总界面见图3。

文件管理模块

数据格式的类型多种多样，主要有文本文件格式(.txt)、二进制格式(.dat)、MATLAB数据格式(.mat)等。因此，针对不同格式的数据，LabVIEW需要采用不同的程序进行读取。

文件的读取模块主体采用了选择结构。读取MATLABNLabVIEW中的MATLAB Script来实现：读取文本文件(.txt)和二进制文件(.dat)用LabVIEW的Read Lvm节点来实现。

存储分析所得数据可以利用LabviEW的WriteLvm节点实现。

信号分析模块

信号的分析处理主要分成三各部分：幅域分析、时域分析以及频域分析。采用模块化程序进行编程。分别将幅域分析、时域分析以及频域分析三部分做成子程序，采用主程序调用子程序的办法实现信号分析模块的开发。

幅域主要包括峰峰值、均方根值、直流量、峭度、斜度以及波形最大值、最小值的分析：时域分析是按照信号的时间顺序，即数据产生的先后顺序进行计量分析。频域分析是将时域信号变换至频域加以分析的方法。针对旋转机械，主要包括幅值谱、相位谱、功率谱、倒谱、Hilbert变换。

显示模块及装饰

为了确保系统具有友好的使用界面，方便使用者操作，本系统加入了一些显示程序，包括指示灯、文件存储路径显示、面板人性化设计等。实验结果

对旋转机械的三个主要部件转轴、齿轮、轴承所采集的数据进行分析，并与实际参数进行了比较，验证了所开发的基于LabVIEW的信号分析系统的正确性与可行性，主要包括：

(1)利用分析转轴数据的幅值谱，得出的转轴转速与实际转速相近：

(2)利用转轴时域分析的自相关功能，能够准确识别信号的周期：

(3)利用幅域分析以及频域中的幅值谱、功率谱对齿轮数据进行分析，并与齿轮异常图及其振动特征比较，得出齿轮的初步故障诊断结果为齿轮表面磨损，有局部缺失，与实际情况相符：

(4)利用倒谱计算出的频率与41齿齿轮转频相近：

(5)利用轴承信号在频域的Hilbert变换得出了轴承存在内圈缺陷的初步诊断。

本文仅对最后一项进行呈现。

本文采用的数据为单列深沟球轴承的数据，所涉及到的滚动轴承试件类型为GB6203，试件基本参数如表1所示，轴承所在轴的转频约为12Hz，采样频率fs=12800Hz。

设单列角接触球轴承的工作轴转速为n(r／min)，轴承节径为D(mm)，滚动体直径为d(mm)，接触角为b(rad)，滚动体个数为z。假设滚动轴承各滚动体和内外圈表面间的接触方式为纯滚动接触。其故障特征频率计算公式如下所示。内圈旋转频率，即工作轴转频为：

滚动体上某一个固定点通过滚道(包括内、外圈)的频率，简称滚动体通过频率：

在工程中，这三个通过频率fbp、fip。和fop又常被称作滚动轴承的滚动体故障特征频率、内圈故障特征频率和外圈故障特征频率。

根据公式(1)～(4)可以得到故障特征频率理论值如表2所示。

工程中多采用频域分析方法来反映轴承的运转状态。频域上分析又分为幅值谱、相位谱、功率谱以及Hilbert变换。这里主要利用轴承信号Hilbert变换对系统进行验证。

单列深沟球轴承信号的Hilbert变换如图4所示。由图中可以看出，幅值较大处所对应归一化频率分量如指针所示，边带带宽为0.00412。

因此，可以计算对应的频率：

fl=fs*0.00412=52.7hz

这与参考的内圈故障特征频率fin=51.9Hz(如表2)十分相近，可以得出诊断结果：轴承存在内圈缺陷。这与实际情况一致。

结语

该系统具有如下特点：(1)采用当前测控领域中极为流行的图形化编程软件LabVIEw作为开发平台，提高了编程的效率和软件质量。(2)能读取、存储不同类型的数据格式，从幅域、时域、频域三个角度对信号进行分析处理，正确提取信号特征，并具有相应的显示功能。(3)具有友好的人机交互界面。

光纤光栅振动解调方法对比分析 篇4

关键词：光纤布拉格光栅,振动解调系统,灵敏度,解调范围

0引言

振动传感技术广泛应用于设备故障检测和建筑损伤探测等实际工程中[1]。FBG(光纤布拉格光栅)振动传感技术因其抗电磁干扰、可采用波长编码实现传感等优势而得到重视[2]。当前,FBG振动解调方法可分为相位解调式和光强解调式两种,前者灵敏度高,但易受环境影响;后者易实现、易复用,但灵敏度及解调范围易受FBG解调系统中器件的影响。

本文针对常见的FBG光强式振动解调方法,通过理论推导和仿真计算,分析了此类解调系统中影响解调性能的各种因素,并对其灵敏度和解调范围进行了对比分析。

1FBG光强式振动解调原理

FBG光强式振动解调方法包括匹配光栅法、边缘滤波法和激光匹配法。常见的光强式振动解调系统如图1所示。宽带光源发出的宽谱光经环行器进入FBG振动传感器,FBG的反射光再经3dB耦合器分成两路光,一路作为解调光路经滤波器后进入光电检测器I1,另一路作为参考光路直接进入光电检测器I2,所获两路电压再通过除法器进行除法运算,最后经ADC(模/数转换器)得到数字量。

当振动信号作用在FBG传感器上时,会导致FBG传感器产生轴向动态应变,从而使其中心波长λS 发生周期性的变化,且FBG中心波长的变化量ΔλS 与其所产生的轴向应变εZ成正比[3],两者的关系如下:

光强式振动解调方法的核心是建立FBG中心波长与解调光功率的线性关系。光强式振动解调方法的原理如图2所示。图中,倾斜虚线为解调系统中滤波器的滤波特性曲线;3个谱峰代表FBG的反射谱漂移;阴影部分的面积反映了FBG反射谱经滤波器后所得光功率,因此解调光路的光功率为

参考光路的光功率为

式中,I0为FBG反射谱光强;α为光能利用率;RS(λ,λS)为FBG反射谱光谱函数;H(λ)为匹配滤波器光谱函数。

宽带光源的不平坦性和光连接器件的不稳定性会导致式(2)和式(3)中I0和α的波动,并对解调光功率准确度造成影响,通过对两路光功率做除法运算,即对解调光功率的归一化运算,就可消除此影响。最终,光强式解调法的解调函数可由式(4)描述,此时I0和α被抵消,同时保留了待解调信息λS。

由式(4)可知,当滤波器的滤波特性曲线为直线时,输入到光电检测器的光功率与FBG的中心波长成线性关系,当振动信号作用到FBG传感器上时,便可在光电检测器的输入端得到与振动信号变化相同的光功率变化,实现振动信号的解调。

2影响系统解调性能的关键因素

由光强式振动解调方法的特点可知,解调系统中某些器件特性的微小变化可能会给振动信号解调带来很大的误差。本节将就系统中各器件的工作范围、灵敏度的协调和匹配进行讨论。

2.1FBG振动传感器

对于FBG振动检测,要依据工程测量需要设计FBG振动传感器和FBG振动解调系统。传感器的设计方案需考虑解调系统可实现的解调范围、灵敏度和精度等因素。振动使FBG传感器产生的最大单向应变决定系统的解调范围,最小单向应变决定系统的分辨率。

中心波长在1550nm附近时,FBG的应变灵敏度为1.2pm/με。此时,设传感器中FBG产生的最大单向应变为D(单位:με),最小单向应变为d(单位:με),则传感器中FBG中心波长的最大摆动范围为2.4×10-3×D (单位:nm),所以解调系统的解调范围需大于2.4×10-3×D (单位:nm);而中心波长的最小摆动为1.2×10-3×d(单位:nm),所以解调系统的分辨率需高于1.2×10-3×d(单位:nm)。

2.2光电检测器

光电检测器的灵敏度及动态范围是制约系统解调范围的重要因素。若系统采用灵敏度为S (单位:mW)、动态范围为L (单位:mW)的光电检测器,则其可测光功率范围为S~(S+L)(单位:mW),因参考光路光功率大于解调光路光功率,对于光强式解调法需满足:

光电检测器输出电压与输入光功率的关系为

式中,A为探测器响应度;R为跨阻抗;I为输入光功率。由式(6)可知,光电检测器输出电压的范围为A·R·S~A·R(S+L)(单位:mV)。在实际系统搭建中,在保证式(5)条件的同时,应通过增减衰减系数尽量使解调光路进入光电检测器的光功率处在其功率可检测范围的中间位置,以保证解调系统获得最大的解调范围。

2.3数据采集

解调系统中ADC的位数和输入模拟电压范围也会影响系统性能。若ADC的位数为N,输入电压范围为Umin ~Umax,则其电压分辨率为

结合FBG振动传感器和光电检测器的参数,ADC的参数需满足:

由于ADC中的噪声和共模干扰也会增大测量误差,因此应根据实际情况合理设置ADC输入模拟电压的范围,以保证系统的测量精度。

3解调系统灵敏度及解调范围

灵敏度和解调范围是FBG振动解调系统的关键指标,灵敏度决定系统可检测的最小振动幅度,解调范围则决定振动幅度的测量范围。本节将对匹配光栅法、边缘滤波法及激光匹配法的系统灵敏度和解调范围进行对比,并分析FBG的带宽对灵敏度及解调范围的影响。

FBG反射谱通常可由如下高斯函数来描述[4]:

下面将结合式(4)和式(10)对不同解调方法进行仿真研究。假设光栅反射率RS=0.94、中心波长λS=1550nm、3dB带宽ΔλS=0.2nm。

3.1匹配光栅法

匹配光栅法采用与传感光栅参数相近的匹配光栅作为线性滤波器进行解调,分为反射式和透射式两种结构,本文采用透射式结构进行仿真。通过计算可得匹配光栅解调函数如下:

式中,RB为匹配光栅反射率;λB为匹配光栅中心波长;ΔλB为匹配光栅3dB带宽,所选取的匹配光栅反射率和3dB带宽与传感光栅相同。为保证系统获得最大的解调范围,选取匹配光栅中心波长为λB=λS±ΔλS/2,本文仿真计算时选取匹配光栅的中心波长为1550.1nm。

匹配光栅法的仿真光谱曲线如图3所示。

图中,正峰为传感光栅光谱,负峰为匹配光栅光谱。当振动信号导致λS变化时,应使传感光栅光谱在光谱1和光谱2位置之间移动,才能保证λS和I(λS)成线性关系,超出范围后将无法解调,光谱1和光谱2之间的波长间隔即为匹配光栅法的解调范围,约等于两光栅的3dB带宽。当对传感光栅施加1Hz正弦振动信号时,光功率信号的波形如图4所示。图中,实线为传 感光栅工 作在1549.9 ~1550.1nm范围内的时域波形,I(λS)的峰峰值为0.5;虚线为传感光栅工作在1549.8~1550.2nm范围内的时域波形,此时已经超出解调范围,波形发生严重畸变。畸变后的波形中依然包含1Hz的频谱分量,并伴随其他分量的出现,若实际应用中只关注信号频谱,将会造成测量误差。

设光谱1和光谱2的中心波长分别为λS1和λS2,当传感光栅移动到位置1时将获得最大光功率I(λS1)max,移动到位 置2时将获得 最小光功 率I(λS2)min,则系统解调范围l和灵敏度s可分别表示如下:

当改变传感光栅和匹配光栅的带宽时,灵敏度和解调范围将发生变化。如图5所示,当两光栅带宽从0.1nm变化至0.3nm时,I(λS)的线性区域范围增大,但其峰峰值相同,由图5、式(12)和式(13)可知,对于匹配光栅法,增加两光栅带宽时,解调范围增大,灵敏度减小。

匹配光栅法的灵敏度相对较大,但工作范围受限,且在实际应用中,匹配光栅中心波长的选取要求较为严格,不利于应用。

3.2边缘滤波法

边缘滤波法采用具有较宽线性区域的光滤波器进行解调,如LPFG(长周期光栅)、TFBG(倾斜光栅)等。在实际应用中,尽量使FBG的初始中心波长处于边缘滤波器线性区域的中间部位,这样可以保证系统获得最大的解调范围。本文采用中心波长为1556nm、3dB带宽为12nm的LPFG进行仿真计算,通过传输矩阵法可获得LPFG的透射谱函数H(λS)[5],边缘滤波法的仿真光谱曲线如图6所示。

因FBG反射谱带宽远小于LPFG透射谱带宽,I(λS)的线性区域即为边缘滤波法的解调范围,当对FBG施加1Hz正弦振动信号时,光功率信号的波形如图7所示。此时FBG工作在1549.9 ~1550.1nm的范围内,I(λS)的峰峰值仅为0.025,但其解调范围较大,时域波形不易发生畸变。

当FBG带宽从0.1nm变化至0.3nm时,解调函数在1549.9~1550.1nm的范围内基本重合,如图8所示。对于边缘滤波法,当增加FBG带宽时,解调范围和灵敏度都不变。

边缘滤波法的解调范围很宽,但灵敏度较低(在实际应用中,通常采用双边缘滤波法、级联法来提高系统灵敏度),另外边缘滤波器件易受外界环境影响,因此,此方法的解调精度不高。

3.3激光匹配法

激光匹配法与前两种方法不同,系统中用窄带激光器取代了宽带光源和滤波器,利用激光带宽远小于FBG带宽的特性进行解调,使系统变得更为简单,如图9所示。

本文选取中心波长为1550.1nm、3dB带宽为0.02nm的窄带激光器进行仿真计算,窄带激光器的谱函数也可由高斯函数描述。激光匹配法仿真光谱曲线如图10所示。

激光匹配法原理与其他方法类似,通过计算可得其解调函数为

式中,R0(λ)为窄带激光器的谱函数。与匹配光栅法类似,当FBG光谱在光谱1和光谱2之间移动时,λS和I(λS)成线性关系,则激光匹配法的解调范围也为FBG的3dB带宽,但激光器光功率较大,此方法灵敏度较高。当对传感光栅施加1Hz的振动信号时,归一化后光功率信号的波形如图11所示。FBG工作在1549.9~1550.1nm范围内时,时域波形正常,对解调函数进行归一化后,I(λS)的峰峰值为0.9;而当FBG工作在1549.8~1550.2nm范围内时,时域波形发生严重畸变。

当FBG带宽从0.1nm变化至0.3nm时,解调函数的线性区域增大,但其峰峰值相同,如图12所示。由图12、式(12)和式(13)可知,对于激光匹配法,增加FBG带宽时,解调范围增大,灵敏度减小。

激光匹配法的灵敏度最大,解调范围与匹配光栅法相同,但由于无参考通道,光器件的不稳定性将对解调精度造成较大的影响。

通过上述分析,在相同振动条件下,分别得到了三种振动解调方法的系统灵敏度及解调范围,表1给出了三种解调方法性能的综合对比。

4结束语

PCMA信号分离解调技术研究 篇5

PCMA技术是1998年由美国Viasat公司提出的一种新的卫星通信多址接入技术[1]。PCMA卫星通信系统采用透明转发器,经卫星转发后,2个地球站均可接收到由本地信号成分(自干扰信号) 与对方信号成分(有用信号)组成的下行混合信号,由于用户已知自身发射信号的内容,因此可以采用干扰抵消算法在一定程度上消除自干扰信号[2]。由此可见,PCMA系统的关键技术在于自干扰信号的参数估计与抑制,实现信号分离。

对PCMA系统建模的基础上,详细分析了PCMA自干扰信号的捕获及参数估计方法。针对不同的信号参数特征,采用有效的参数估计算法,并对最为关键的时延估计,通过消除载波频偏对相关特性的影响,提高了时延估计的准确性,从而实现了对PCMA信号的准确分离及有用信号的可靠解调。

1PCMA系统模型

PCMA系统是一个自干扰系统,在解调之前首先需要进行自干扰信号的抵消,实现信号分离。PCMA系统解调处理过程示意图[3]如图1所示,其中 τ 为时延、f为载波频率、 为载波相位、A为信号幅度。

高斯信道下,地球站接收到的下行信号可表示为:

式中,s(t)为有用信号;J(t) 为自干扰信号;n(t) 为系统引入的高斯白噪声,单边功率谱密度为N0。考虑复基带模型,当自干扰信号为PSK数字调制信号时,干扰信号可表示为:

式中,A为自干扰信号的幅度;θ(t)为载波瞬时相位 (含频偏);τ 为信号传输时延;a(n) 为发送的符号序列;T为符号周期;h(t)为信道脉冲响应。为了重构自干扰信号,需要对自干扰信号的幅度、载波瞬时相位、信号传输时延进行估计。重构的自干扰信号可以表示为:

式中,分别为干扰抵消器对自干扰信号的幅度、载波瞬时相位、信号传输时延的估计,干扰抵消器的性能与上述参数的估计误差有关[4,5]。

2PCMA信号分离解调关键技术

2.1PCMA自干扰信号时延估计

PCMA自干扰信号时延估计采用差分共轭相关算法。设本地序列为c(t),其码元宽度为 τ0,则它与自身延迟的相关函数可以表示为:

当c(t)长度为N时,

由相关检测的公式可以看出,当本地序列与接收序列对齐时相关值最大,而其他情况相关值很小。

为了消除载波频偏对相关特性的影响,在进行信号相关检测时,首先将接收的信号变至零中频,然后延迟一个符号共轭相乘、低通滤波得到基带信号; 对本地序列进行差分(使用本地符号延迟相乘来实现),然后对差分后数据进行与接收信号相同调制样式的调制;将接收信号的差分信号与本地调制信号进行滑动互相关,若相关系数出现的峰值大于设定的门限,则判为信号出现,根据相关峰位置即可得到接收信号的时延估计 ^τ 。

2.2PCMA自干扰信号频率估计

PCMA自干扰信号频率估计采用经典的M&M算法。M&M算法通过求接收信号采样值的自相关函数相位增量来获得频偏估计值[6],自相关函数表达式为:

式中,Lp为相关计算的符号长度;M为设计参数,其值不超过Lp/2;zk为第k个接收符号;ck为第k个本地参考信号。

M&M算法频率估计表达式为:

式中,lm为平滑因子,

2.3PCMA自干扰信号载波相位估计

对PCMA自干扰信号载波相位进行估计时,可先忽略有用信号的影响( 或将有用信号等效为噪声)[7],则PCMA接收信号可表示为:

对接收信号进行匹配滤波,得到统计独立的样本:

应用以下算法对载波相位进行估计[8]:

式中,n'k为复高斯噪声,方差为 σ2,观测长度为L = 2N + 1,其最佳观测长度值Lopt为:

式中,f为载波剩余频差;T为采样周期;f T为归一化剩余载波频率偏差。

2.4PCMA自干扰信号幅度估计

对PCMA信号进行频偏及时延校正,并根据估计得到的自干扰信号载波相位对本地参考信号进行重新调制,得到本地参考信号为[9]:

忽略有用信号的影响(或将有用信号等效为噪声),对接收信号进行匹配滤波,得到统计独立的样本:

将接收信号与本地参考信号进行共轭相乘, 得到:

式中,θ'k为剩余随机相差,不具有周期性;n'k为复高斯噪声,方差为 σ2。PCMA自干扰信号幅度估计由下式得到:

根据估计得到的PCMA自干扰信号可以重构本地参考信号,并将自干扰信号抵消,得到有用信号。

2.5PCMA有用信号解调

PCMA有用信号采用相干解调方式,首先对I / Q两路信号进行滤波,然后对中频信号进行下变频滤波(对零中频信号可以跳过此步骤),接着进行码元同步、载波同步,然后进行判决,最后得到数字码流。

3信号分离解调算法仿真

以QPSK调制信号对PCMA信号分离解调算法进行仿真。QPSK信号参数如下:Fs:200 × 106;Rs: 25 × 106; Eb/ N0= 15 d B; 成型滤波 器滚降系 数: 0. 35;2个信号参数一致。将其中一个信号作为PCMA自干扰信号,应用差分共轭相关算法估计自干扰信号时延得到的相关峰[10]如图2所示。

由图2中的峰值位置即可得到接收信号中自干扰信号的时延估计,找到自干扰信号与本地信号的对齐位置。

对自干扰信号进行频偏估计并校正后的自干扰信号载波相位估计值如图3所示。

根据估计得到的自干扰信号时延、频偏、载波相位及幅度对本地参考信号进行重调制,对应抵消后的信号时域波形及信号频谱如图4所示。

由图4可以看出,应用自干扰信号干扰抵消算法后,信号时域波形幅度明显降低,得到有用信号, 对有用信号进行解调后的信号星座图如图5所示。

由图5可以看出,对于PCMA信号,采用自干扰信号抵消算法后,可以实现对有用信号的正确解调, 从而验证了在自干扰信号参数估计方面,差分共轭相关、M&M和匹配滤波等算法的有效性,相对于基于参数量化的最大似然估计算法,该方法更为简单, 易于工程实现。

4结束语

相移键控信号盲解调的仿真分析 篇6

在通信对抗侦察中,对相移键控信号进行侦察主要包括检测、识别和盲解调,有效检测和正确识别是进行盲解调的条件。检测由通用的搜索侦测接收机完成即可,而识别则可用基于统计矩的数字通信信号调制识别属于哪类信号。对相移键控信号进行盲解调可在得到传输的信号相位信息的同时为调制识别提供更为详细的信息,是通信对抗中对相移键控信号侦察的重要一步。

对相移键控信号进行盲解调是对检测到的信号为相移键控信号基础上进行解调的[1],其载波和码速需要进行估计,然后进行解调,对相移键控信号进行分析和解调的文献也比较多,如张浩的8PSK全数字解调技术的实现[2]、王永建的相位噪声对QPSK系统性能的影响[3]、和贾墨林的基于FPGA的多体制中频数字解调器实现[4],但是进行盲解调分析研究比较少。

1 相移键控信号的编码及调制原理

多进制数字相位调制信号是利用载波的多种不同相位来表征数字信息的调制方式,可以分为绝对相移和相对相移两种,绝对相移是利用载波的相位来表征数字信息,而相对相移是利用码元间前后载波相位的相对变化来表征数字信息。假设用M相调制波形来表示2k种状态,有2k=M ,码元持续时间为Ts,则M相调制波形可以表示为undefined,其中φn是M中相位的一种,g(t-nTs)是该相位期间的波形成形函数。

每个相位代表的信息跟编码是相关的,在信息编码方面,主要采用格雷码等,若采用格雷码,并且假定在相位解调过程中,在不出现跨相位解调错误的情况下,则无波特率与误码率相同。

2 相移键控信号的载波频率估计和码元速率估计

相移键控信号的盲解调是在信号相关参数未知的条件下进行的,那么解调信号的参数就必须估计出来,核心的参数就是信号的载波频率和码元速率。

2.1 相移键控信号的载波频率估计

对射频信号的载波频率估计方法比较多,可以采用窄带搜索接收机对信号搜索的同时进行测量。在数字处理技术广泛应用之后采用FFT测频的广泛应用,对一个相移信号进行的傅里叶变换得到信号频谱瞬时谱,取多帧信号频谱的平均谱中心频率为载波频率。有平方倍频法测频,这种方法要求采用频率要高,信号的频率是测出频率的0.5倍。

2.2 相移键控信号的码元速率估计

码元速率估计主要有延迟相乘法码元速率估计和直方图法码元速率估计。延迟相乘法码元速率估计其估计模型如图1所示。

由此产生一个波形为w(t)=1-s(t)s(t-)的输出信号,这时对w(t)作FFT变换,就可以在频谱中码元速率的整数倍位置产生一根离散的谱线。在进行估计时,如果输出信号在频谱中出现离散谱线,并且这根谱线的幅度明显高于其邻域的幅度,则认为这根谱线所在的位置对应的数值就是信号的码元速率值。在码元速率检测时,信号首先通过低通滤波器,滤除高频成分。

3 相移键控信号解调过程

利用估计出来的参数采用相干解调,其原理如图2所示。

图2中,S(t)为模拟信号,S(n)为数字信号,I(n)为数字下变频后的I通道信号,Q(n)为数字下变频后的Q通道信号。则

undefined

式中:d(t)是幅度信息,fc是载波频率,fo是本振频率,Δφ为相差,Δφ=φc-φo,N(nTs),(nTs),(nTs),NI(nTs),NI(nTs),N(nTs)分别为相应的噪声,Ts是采样周期。提取瞬时包络,瞬时相位利用正交变换,S1为同相信道输出,S2为正交信道输出。瞬时包络和瞬时相位分别表示为

A(n)=S21(n)+S2(n) (2)

θ(n)=arctanS(n)S1(n) (3)

4 相移键控信号盲解调的仿真分析

4.1 载波频率及码元速率的估计

射频信号频率较高,这里采用降频以后的信号仿真,对载波频率为800 Hz,码元速率为200 Baud,信噪比为20 dB的相移键控信号用10 kHz的采用频率对信号进行采样,直接进行傅里叶变换,得到如图3所示的频谱。对信号进行频率估计,取门限为540(相对值),可以估计出信号频率为800 Hz。

对采样取得信号进行w(t)=1-s(t)s(t-)变换,取傅里叶变换如图4所示,经过低通滤波器后,得到信号的码元速率为200 Baud。

4.2 4PSK和8PSK盲解调仿真

对4PSK,8PSK信号在上述参数下,本振初始相位为0,其中4PSK,8PSK幅度设置为1,8PSK为1 200个相位符号,4PSK信号为450个符号,盲解调仿真如图5所示。

4.3 16QAM和16PSK盲解调仿真

16QAM和16PSK的信号在4.1节设置的参数下,本振初始相位为0,信号为900个符号,16QAM信号的幅度分别为undefined三个幅度,16PSK幅度为3,仿真如图6所示。

4.4 仿真分析

载波频率和码速率估计正确的情况下对4PSK,8PSK,16PSK,16QAM信号在-2～+30 dB每一信噪比情况下进行1 000次解调仿真,其统计性能如图7所示。

5 小结

对相移键控信号的形成和调制原理进行了分析,从而推导出对相移键控信号和振幅相位联合键控盲解调的公式,并进行了仿真,通过对仿真结果的分析,明确了信噪比多相移键控信号进行盲解调的影响,给通信对抗侦察提供了参考和依据。

参考文献

[1]冯小平.通信对抗原理[M].西安:西安电子科技大学出版社,2009.

[2]张浩,张彧,潘长勇.8PSK全数字解调技术的实现[J].电视技术,20103,4(2):4-6.

[3]王永建,赵洪林,李明江.相位噪声对QPSK系统性能的影响[J].南京航空航天大学学报,2010,42(10):68-70.

[4]贾墨林,聂伟.基于FPGA的多体制中频数字解调器实现[J].北京化工大学学报,20103,7(2):132-136.

中频遥测OOK信号解调的设计实现 篇7

OOK仍是现有遥测常用调制体制之一, 传统的调制解调处理以模拟技术为主。由于数字技术的发展, 信号和数据处理能力大大提高, 促进了遥测通信系统从模拟终端设备到数字设备的发展。由于信号的信息体现在包络不同的位置里, 当位置发生变化, 其所含的信息发生变化。需要找到一种有效的方法精确提取包络位置并输出’0’、’1’信号。

1方案设计及数学模型[1]

数字化OOK解调方案设计框图如图1所示。前端的中频OOK调制信号经下变频后得到基带I、Q信号, 滤波后进行数字检波, 提取信号包络, 采用滑窗能量累积法对信号包络进行最佳匹配, 对匹配结果进行判决, 得到’0’、’1’比特流输出。

1.1数字下变频[3]

假设接收到的中频OOK调制信号的数学表达式为:

$\begin{array}{l}S{}_1(t)=A\text{c}\text{o}\text{s}[2\text{π}(f{}_0+f{}_p)t+\theta {}_c]‚0<t\le {\rm T}(\text{基}\text{带}\text{符}\text{号}1)‚\\ S{}_2(t)=0‚0<t\le {\rm T}(\text{基}\text{带}\text{符}\text{号}0)。\end{array}$

(1)

式中, A为脉冲基带信号包络;f0为载波频率;fp为飞行器高速飞行带来的多普勒频率分量。

接收到的中频调制信号采样后经下变频:

$\begin{array}{l}{\rm I}(n)=A\text{c}\text{o}\text{s}[2\text{π}(f{}_0+f{}_p)n+\theta {}_c]\cdot \cos 2\text{π}\cdot f{}_{0}n‚\\ Q(n)=A\text{c}\text{o}\text{s}[2\text{π}(f{}_0+f{}_p)n+\theta {}_c]\cdot \sin 2\text{π}\cdot f{}_{0}n。\end{array}$

(2)

低通滤波后, I、Q两路的输出结果为:

$\begin{array}{l}{\rm I}(n)=\frac{A}{2}\cos [2\text{π}f{}_{p}n+\theta {}_c]‚\\ Q(n)=\frac{A}{2}\sin [2\text{π}f{}_{p}n+\theta {}_c]。\end{array}$

(3)

1.2数字检波

在该设计中采用平方和法提取脉冲信号包络。

跟据式 (3) , I、Q信号的平方可分别表示为:

$\begin{array}{l}{\rm I}{}^2(n)=(\frac{A}{2}){}^2\cos {}^2[2\text{π}f{}_{p}n+\theta {}_c]‚\\ Q{}^2(n)=(\frac{A}{2}){}^2\sin {}^2[2\text{π}f{}_{p}n+\theta {}_c]。\end{array}$

(4)

相加后, 则有

${\rm I}{}^2(n)+Q{}^2(n)=\frac{A{}^2}{2}$。 (5)

上述理论证明, 采用平方和法可以提取脉冲信号的包络。相关仿真图形如图2所示。

1.3滑窗最佳匹配

提取了包络信息还没有完成OOK解调工作, 因为此时信号的沿口受噪声的影响变得模糊, 而OOK信号是用不同的位置表示不同的信息, 所以对解调出的“1”码的沿口位置精度的要求较高, 如果解调判决出的脉冲前后沿位置抖动较大, 超过了冗余范围, 会引起误判, 增加了解调误码率。需要找到一种有效的方法能够精确地提取脉冲信号的位置。

在分析了OOK信号的特性后发现, 对遥测OOK信号而言, 不论基带信号周期如何, 经整形得到射频调制脉冲的宽度是固定的, 当采样率确定, 每个脉冲宽度内的样点数也是固定的, 但受到噪声等因素的干扰, 脉冲宽度会有一定程度的波动, 导致采样得到的每个脉冲宽度内的点数也在一定范围内变化。在选取最佳匹配滑窗时, 可以选定理想情况下每个脉冲宽度内的样点数作为窗长。

由式 (5) 可知, 滑动对象为包络的平方, 始终是个非负值。当窗在其上逐点滑动时, 就是在累积窗内的能量, 相当于积分的过程。当窗开始滑入脉冲内时, 其能量累积的值不断增加, 当窗全部滑到了信号包络内, 能量累积的结果最大。如果脉冲宽度超过或小于滑窗长度, 峰值不再是理想情况下的一个点, 而是出现几个相差不大的峰值。当窗逐渐滑出脉冲范围内, 能量累积值将逐渐减小。根据滑窗能量累积过程的特性, 可以采用对能量累积结果求一阶导的方法提取脉冲沿口, 从该沿口位置开始输出一定宽度的“1”码, 其余输出“0”码, 完成了OOK解调的任务。

2仿真测试与实验测试[2]

2.1测试方法

中频解调误码率测试方法如图3所示。将噪声源Agilent33250A输出的噪声和中频信号源HP8648C输出的脉冲调制信号通过合路器后送解调器, 调整信号源和噪声源的大小, 使终端误码率测试软件的误码率小于且接近1×10-4, 将此时的噪声源和信号源分别接频谱分析仪测量信号功率和噪声功率, 2个值相减即得中频信噪比。

2.2测试结果分析

从上述实验测试的结果可以看出:在进行测试时, 数据源通过校验信号源产生。调制信号通过AD采样, 存在量化误差, 且由于是任意起始点时刻开始采样, 采样位置不能保证在最佳峰值位置, 导致采样信号同真实信号相比存在一定程度的失真。从误码率测试结果表明, 在误码率1×10-4情况下, 解调结果的误码率和理论值相差小于0.5 dB, 证明了该研究项目所设计的OOK信号解调算法的正确性。

3结束语

根据OOK解调原理, 采用了数字设计方法实现了中频OOK遥测信号的解调, 通过仿真测试和实验测试证明了该设计的正确性和可行性, 获得了较好的解调性能。其中, 在脉冲位置精确定位上采用了滑窗能量累积法, 方法简单有效, 降低了设计的复杂度, 提高了设计的精度。仿真测试和实验测试均证明了该算法的可行性, 为数字化中频脉冲遥测OOK接收机的设计提供了行之有效的方法。

参考文献

[1]曹志刚.现代通信原理[M].北京.清华大学出版社, 1992.

[2]楼顺天.基于MATLAB的系统分析与设计——信号处理[M].陕西:西安电子科技大学出版社, 1998.

振动信号解调 篇8

OQPSK信号作为一种恒包络信号,由于具有较好的频带利用率和抗噪声性且能抑制180°相位跳变,已经成为一种在测控和通信领域广泛使用的调制方式。OQPSK解调器基于软件无线电的设计思想,对调制信号进行中频采样,采用XILINX高性能FPGA芯片,成功实现了OQPSK信号128 Ksps～30 Msps符号速率的解调。

1 中频全数字OQPSK解调器总体结构

解调器主要由抗混叠带通滤波器、高速AD采样单元、数字下变频及滤波抽取单元、数字AGC单元、符号同步和载波同步单元、判决、差分解码等模块组成。输入的模拟中频信号由抗混叠带通滤波器滤波,经过AD采样单元转换为数字中频信号,数字下变频单元用一组正交本振信号与输入的数字信号进行混频,然后根据侦察分析得到的信号带宽进行滤波抽取,得到2路零中频信号,2路信号送给后面的数字AGC、符号同步和载波同步模块进行处理。解调器总体结构框图如图1所示。

OQPSK信号解调中在载波未同步的情况下,符号同步非常困难,同时载波同步又需要符号同步提供正确的时钟信息,所以如果采用符号环路和载波环路串行同步结构有可能由于各同步算法相互依赖而使系统性能下降。设计采用的基本算法与传统串行设计完全相同,但选择了将符号同步和载波同步组合在一起构成一个大的闭环跟踪结构,从而使整个数字同步系统协同工作,保证了同步环路的稳定性。

2 下变频滤波抽取

数字下变频由数字混频器、数控振荡器(NCO)和滤波抽取单元构成,NCO可将产生的正交本振信号输入到数字混频器与采样信号混频,抽取滤波器滤除倍频分量和带外信号,并进行抽取处理,得到速率适中的2路零中频信号。当抽取倍数很大时,采用单级滤波会造成滤波器阶数非常高,消耗大量乘法器。因此在FPGA中大都采用由积分梳状滤波器(CIC)、半带滤波器(HB)和FIR滤波器级联结构来实现。

在FPGA中,NCO采用相位累加器和正余弦查找表的结构来实现,其工作时钟为采样时钟,输入的频率控制字与输出频率的关系如下:

$f{}_{\text{o}\text{u}\text{t}}=\frac{f{}_S*\text{F}\text{C}\text{W}}{2{}^{{\rm N}}}$。 (1)

式中,N为相位累加器的宽度;FCW为频率控制字;fout为输出频率。在设计中,N取30 bit,输出位宽取16 bit,频率分辨率可达0.2 Hz,无杂散动态范围可达95 dB,完全可以满足需要。

数字下变频抽取输出信号采样率为符号速率的5～11倍,下变频抽取倍数由采样率和侦察分析得到的信号带宽决定。抽取滤波单元由CIC、HB和FIR三部分完成,CIC完成最大16倍抽取,2级HB滤波器最大抽取4倍,FIR最大抽取4倍。每级滤波器的抽取倍数要根据信号带宽合理设定。需要注意的是设计中采用5级CIC滤波器设计,D倍抽取的放大倍数为D5,当输入数据位宽为16位,抽取因子为16时,输出为36位,截取高16位输出,但是D较小时,数据截位后有效位会大大降低。为了保证输出截取后依然有足够的分辨率,需要在CIC输入端加一级桶形移位器,根据D的大小对输入数据进行左移位,移位值LS可以按照下式计算:

$LS=floor\left(20-\log {}_{2}D{}^5\right)$。 (2)

同时CIC滤波器直流放大为D,5级CIC级联则直流增益为D5,在FPGA实现中,输入信号存在直流偏移时,很容易造成溢出,所以在CIC之前必须有去除直流偏移的电路。

3 符号同步环路

在全数字接收机中,采用异步采样方式,即采样时钟频率与发送的符号速率不相关,而是一个固定时钟频率,采样点中不一定包含判决时刻。由于采样不同步而引入的误差,需要用数字信号处理的方法来补偿,即通过定时误差估计值控制内插滤波器对采样得到的信号样本值进行插值运算,从而得到信号在最佳采样时刻的近似值。

符号同步环路采用基于内插滤波的定时恢复算法,主要包括定时误差检测器、环路滤波器、内插滤波器和内插控制器等。输入数据以1/Ts的速率进行采样,得到采样点x(mTs)。采样点经过插值滤波后进行定时偏差估计产生误差信号e(k),经环路滤波器滤除噪声后进行累加,累加溢出将触发移位操作或降采样的超前或滞后采样操作对定时位置进行调整,从而逐渐调整到y(kTi)的最佳采样输出。其中,Ti=Ts/k,k是一个整数。闭环结构的符号同步结构框图如图2所示。

Gardner符号误差算法多用于QPSK信号的符号同步,但应用于OQPSK信号时,由于Q路数据比I路数据错后了半个码元,因此Gardner算法的性能较差。这里采用I/Q-GAD法,即在Gardner算法的基础上针对OQPSK信号的特点进行了一定的改进,利用I路数据和错后半个码元的Q路数据进行时钟误差估计以消除上述影响。该算法的定时偏差估计结构与Gardner算法类似,只是在误差计算单元采用了错后半个码元的Q路数据。其计算表达式如下:

e(k)=-I(k-1/2)[I(k)-I(k-1)]-

Q(k)[Q(k+1/2)-Q(k-1/2)]。 (3)

式中,I(k)、Q(k)为同相和正交分量。

符号同步设计中环路滤波器的设计至关重要。环路滤波器在锁相设计中,主要是为了滤掉环路的相位噪声,提取环路误差信号,控制VCO捕获和跟踪输入信号频率和相位。其传递函数为:

$F={\rm K}1+{\rm K}2\frac{1}{1-z{}^{-1}}$。 (4)

环路滤波器分为直通路和积分路,调节直通路和积分路的系数,可以改变环路带宽和环路增益等参数,进而影响到收敛时间、捕获带宽、稳态抖动等性能。环路带宽越大,环路收敛越快,但误差值稳态抖动越大;环路的阻尼因子ξ通常取为0.707,此时环路噪声带宽,收敛时间等参数取得最好的折衷。

将同步过程分为捕获和跟踪2个阶段,在捕获阶段,环路采用较大的带宽和环路增益捕获时钟频率误差,这样可以使环路较快地达到频率锁定。进入跟踪阶段后,减小环路带宽、降低环路增益可以使环路稳态抖动减小。

在FPGA设计中为了实现的简便性,K1和K2取值为2的指数,这样可以通过简单的移位运算即可实现与误差值的相乘功能,大大减少设计中乘法器资源。在调试符号同步环路参数时还需注意另一个问题,就是输入信号的幅度对环路性能的影响很大,幅度大时,定时误差检测值变大,环路抖动加大,甚至环路失锁。信号幅度较小时,环路收敛时间加长。所以,在调试符号同步环路前,要保证AGC环路可靠锁定,并且要考虑信号的动态范围

4 载波环路

设计采用直接判决载波相位同步算法,利用IQ两路硬判决后的信号,对输出的2路基带信号进行处理,产生相位误差控制信号,通过环路滤波,控制载波恢复锁相环路。同步算法结构如图3所示。

输入基带信号以2倍的符号速率进行采样,经串并转换后产生x(k)和x(k+1/2)两路信号,“I/Q”模块分别计算出x(k)和x(k+1/2)两路信号的同相和正交分量:I(k)、Q(k)、I(k+1/2)、Q(k+1/2)。

检测器做如下判决:

$\widehat{a}{}_k=\mathrm{sgn}[{\rm I}(k)];$

$\widehat{b}{}_k=\mathrm{sgn}[Q(k+1/2)]$。 (5)

误差产生单元利用I路数据和半个码元后的Q路数据进行相位偏差估计,以消除Q路数据相对于I路数据错后半个码元的影响。误差产生单元进行如下运算:

$e(k)=\widehat{a}{}_{k}Q(k)-\widehat{b}{}_k{\rm I}(k+1/2)$。 (6)

对该误差检测算法在开环情况下进行仿真,得到相位误差S曲线如图4所示,在区间(-0.3,0.3)基本为线性。

值得注意的是估计结果存在π/2相位模糊度,这也很好地解释了实际信号在完全不知道码元信息的情况下理论上无法区分I路和Q路。所以设计中OQPSK连续信号解调器并不能区分I路和Q路,如果知道码元的一些信息如已知码元采用了差分编码则可以确定唯一的解调结果。

5 性能测试分析

通过设置相应的参数可以实时解调OQPSK信号。另外利用FPGA在线加载的功能,可以加载其他调制类型的解调模块,进一步扩展接收机功能,测试误比特率如表1所示,测试结果比理论值恶化少于1 dB。

算法首先在MATLAB中进行了仿真,对各级滤波器系数进行了量化,然后在ISE中进行了VHDL的编程,用ModelSim工具进行了时序仿真,最后在一块采样及信号处理板上得到了实现。高速ADC芯片采用ANALOG公司AD9430,最高采样率为210 Msps,分辨率为12 bit,最大模拟输入带宽为700 MHz,无杂散动态范围可达80 dBc。FPGA采用XILINX的高性能Virtex4系列的XC4VLX100。

6 结束语

基于FPGA的全数字高速OQPSK信号解调器,实现了数字下变频、载波恢复和定时恢复等功能,并给出了各主要模块的详细设计,在此基础上完成了信号的正确解调。解调器具有体积小、功耗低、集成度高、可软件升级和抗干扰能力强的特点,既提高了接收设备的稳定性和灵活性,又便于设备的集成化和小型化,使该解调器在各种通信领域中具有广泛的应用前景。

参考文献

[1]张华冲,王晓亚.全数字解调器的设计和FPGA实现[J].无线电工程,2010,40(6):20-30.

[2]刘昕,吴建辉,黄伟.基于DVB-C的符号同步电路优化设计[J].电子器件,2007,30(2):499-502.

[3]刘莉琛,蒋文军,朱维乐.QAM全数字接收机符号同步环路[J].现代有线传输,2003(4):47-49.

[4]苏耀峰,杨瑾.基于VHDL语言的OQPSK解调器设计与实现[J].现代计算机,2009,30(9):175-177.

[5]史晓峰,陈咏恩.DVB-C接收机中的时钟恢复电路设计[J].计算机工程与应用,2006(33):78-80.

[6]田耘,徐文波,张延伟.无线通信FPGA设计[M].北京:电子工业出版社,2008:215-219.

[7]GARDNER F M.A BPSK/QPSK Timing Error Detector for SampledReceivers[J].IEEE Trans.Comm.,1986,34(5):423-429.

几种AM信号数字化解调算法比较 篇9

关键词：幅度调制,数字解调,解调算法,Matlab

0 引 言

在目前的通信中,因数字信号与模拟信号相比有易于存储,可靠性高等优点,而得到了越来越广泛的应用,数字体制开始逐步取代模拟体制。许多以往的模拟信号处理部分现在正逐步被数字化变换取代,从而能够进行数字信号处理。

幅度调制(AM)方式是常见的信号调制方式之一。其原理是用调制信号去控制有用信号的幅度,使之随调制信号作变化。它的模拟解调方法有两种:相干解调和包络解调(非相干解调)。相干解调也叫同步检波,是通过接收端提供与接收的已调AM信号载波严格同步的相干载波,使其与接收的已调信号相乘后,取出低频分量得到基带信号。包络检波是通过整流器和低通滤波器直接从已调波的幅度中提取原调制信号[1]。

AM信号的数字化解调不能使用模拟器件,因而只能采用数字器件实现解调。目前采用的主要是数字化正交解调器,本文阐述了其原理及局限性,并探讨了另外两种数字解调的方法,对这3种方法进行了比较。

1 传统正交解调法

AM信号数字化解调中广泛采用的是数字正交解调法解调,解调框图如图1所示[2,3]。

收到的已调信号采样值为:

$S(n)=A(n)\cos (2\text{π}f{}_{\text{c}}n+\phi ),-\infty \le n\le +\infty$

式中:A(n)为包含有用信息的调制信号;fc为载波频率;φ是初相。采样后信号与正交的两路本振信号直接相乘,然后经滤波器输出。该滤波器带宽取决于基带信号带宽,从而得到I/Q两路正交信号:

$\begin{array}{l}{\rm I}(n)=\frac{1}{2}A(n)\cos \phi \\ Q(n)=-\frac{1}{2}A(n)\sin \phi \end{array}$

利用解调算法即可得到所需信号:

$A(n)=2\sqrt{{\rm I}{}^2(n)+Q{}^2(n)}$

采用正交解调获得I/Q两路正交信号时,可以较容易地获得信号的三个特征:瞬时幅度、瞬时相位和瞬时频率,它们都是信号识别解调的基础。理想情况下,数字正交解调精度高,误差小。但其存在很大的局限性,在解调过程中需要本地恢复载波,往往需要用到数控振荡器或锁相环等器件,电路很复杂,因其恢复本地载波效果直接关系到最后的输出效果及误差,所以对器件要求较高,非常耗费资源。

2 AM信号数字化包络解调

传统方法在提取所需本地载波时需要的器件和电路非常复杂,在数字器件处理中可能会引入系统误差,甚至使信号失真。因数字信号处理比较灵活,可以利用一种算法实现AM信号的数字化包络解调[4],而将大大简化电路。

在AM信号调制中,有用信号包络是由各个幅值点支撑起来的,因此该算法通过采样得到幅值点来获得信号包络,实现起来较简单。假设载波频率为fc,信号采样率为fs,则在一个载波周期内应该有$\frac{f{}_{\text{s}}}{f{}_{\text{c}}-nf{}_{\text{s}}}$个采样点,n取使$\left|f{}_{\text{c}}-nf{}_{\text{s}}\right|$最小的正整数。在所有这些采样点中存在一个有用信息的幅值点,将存在于所有载波周期内的这些幅值点取出,就可得到幅度信号包络。通过对每个载波周期内的采样值统计,在周期末输出这个周期内的最大值,可以很方便地对各幅值点之间不等间隔采样的零值作处理,且可降低$\frac{f{}_{\text{s}}}{f{}_{\text{c}}-nf{}_{\text{s}}}$倍采样速率。最后对输出的各个幅值点进行曲线拟合[5],即可得到调制信号的表达式。

载波周期末输出幅值和实际幅值会产生时间上的偏差$\frac{f{}_{\text{s}}}{f{}_{\text{c}}-nf{}_{\text{s}}}\cdot \frac{1}{f{}_{\text{s}}}=\frac{1}{f{}_{\text{c}}-nf{}_{\text{s}}}$,引入的相位误差为$\frac{\omega {}_{\text{s}}}{f{}_{\text{c}}-nf{}_{\text{s}}}$,一般载波频率和采样率都比较大,调制信号频率远小于采样率,则此相位误差很微小,通过曲线拟合更是可以忽略不计。如果一个载波周期内采样点数为整数时,幅值点的出现具有周期性,则每个周期的幅值点出现对应的样点数相同,可对幅值点计数获得固定相差,对调制信号修正。当一个载波周期内采样点数为非整数时,载波周期样点数应选择靠近实际值的整数中较小的数,以避免单周期内出现两个幅值而造成包络失真。 这种解调方法原理简单,实现起来较容易,且设备资源消耗少,但由于是基于包络的检波,它对于噪声的抑制作用较弱。AM信号数字化包络解调框图如图2所示。

3 基于滑动DFT的AM信号数字化解调算法

以上两种方法都是对调制信号本身进行处理的,在频域角度,常用FFT算法对信号进行解调,但这种方法计算量较大,且耗时。这里介绍采用滑动DFT算法对AM信号进行数字化解调[6]。该方法相比于传统的FFT算法计算量大大降低,具有较高效率。

经A/D采样后的离散信号表示为:

$x(n)=A\text{c}\text{o}\text{s}(\omega {}_{\text{c}}/f{}_{\text{s}}n+\phi ),-\infty \le n\le +\infty$

式中:fs为A/D采样频率;A,ωc和φ分别对应信号幅度、载波角频率和初相。

窗口截取信号表示为:

$v(n)=\frac{A}{2}[\text{e}{}^{\text{j}(2\text{π}\frac{f{}_{\text{c}}}{f{}_{\text{s}}}+\phi )}+\text{e}{}^{-\text{j}(2\text{π}\frac{f{}_{\text{c}}}{f{}_{\text{s}}}+\phi )}]w(n)(1)$

对其做傅里叶变换得:

$V(\text{e}{}^{\text{j}\omega })=\frac{A}{2}\text{e}{}^{\text{j}\phi }\{W[\text{e}{}^{\text{j}(\omega -2\text{π}\frac{f{}_{\text{c}}}{f{}_{\text{s}}}}]+W[\text{e}{}^{-\text{j}(\omega -2\text{π}\frac{f{}_{\text{c}}}{f{}_{\text{s}}})}]\}(2)$

式中:w(n)是长度为L的矩形窗,傅里叶变换为$W[XC<xxyx.tif>,J{\rm Z}]\text{e}{}^{\text{j}\omega }[XC<xxzx.tif>,J{\rm Z}]$。

取其正频部分:

$V{}_{\text{o}}(\text{e}{}^{\text{j}\omega })=\frac{A}{2}\text{e}{}^{\text{j}\phi }W\left[\text{e}{}^{\text{j}(\omega -2\text{π}\frac{f{}_{\text{c}}}{f{}_{\text{s}}})}\right](3)$

令$\omega =\frac{2\text{π}f{}_{\text{c}}}{f{}_{\text{s}}}$,因而:

$V{}_{\text{o}}(\text{e}{}^{\text{j}\omega {}_{\text{c}}/f{}_{\text{s}}})=\frac{A}{2}\text{e}{}^{\text{j}\phi },A=2|V{}_{\text{o}}(\text{e}{}^{\text{j}\omega {}_{\text{c}}/f{}_{\text{s}}})|$

故在解调过程中,仅对载波频率处所对应的DFT幅度感兴趣,取其幅度值去掉直流分量即可恢复原始调制信号[7]。具体运算推导过程如下:

对窗口内的信号在K0=Nfc/fs频点作DFT变换:

$X(k)={\displaystyle \sum _{n=0}^{{\rm N}-1}x}(n)\text{e}{}^{-\text{j}2\text{π}kn/{\rm N}}$

设滑动窗口长度为L,DFT运算点数为N,用X1(K0)表示从第一个采样数据开始的L个采样数据进行DFT运算,得到的在频点K0处的傅里叶值[7,8],则有:

$\begin{array}{l}X{}_1({\rm K}{}_0)=x(1)+x(2)\text{e}{}^{-\text{j}2\text{π}{\rm K}{}_0/{\rm N}}+\cdots +\\ x(L)\text{e}{}^{-\text{j}2\text{π}(L-1){\rm K}{}_0/{\rm N}}+x(L+1)\text{e}{}^{-\text{j}2\text{π}L{\rm K}{}_0/{\rm N}}+\cdots +\\ x({\rm N})\text{e}{}^{-\text{j}2\text{π}({\rm N}-1){\rm K}{}_0/{\rm N}}(4)\end{array}$

式中:x(L+1)=x(L+2)=…=x(N)=0。

窗户向后滑动一个采样点,得到第2个采样点在频点K0处对应的傅里叶值:

$\begin{array}{l}X{}_2({\rm K}{}_0)=x(2)+x(3)\text{e}{}^{-\text{j}2\text{π}{\rm K}{}_0/{\rm N}}+\cdots +\\ x(L+1)\text{e}{}^{-\text{j}2\text{π}(L){\rm K}{}_0/{\rm N}}+x(L+2)\text{e}{}^{-\text{j}2\text{π}(L+1){\rm K}{}_0/{\rm N}}+\cdots +\\ x({\rm N}+1)\text{e}{}^{-\text{j}2\text{π}({\rm N}-1){\rm K}{}_0/{\rm N}}(5)\end{array}$

式中:x(L+2)=x(L+3)=…=x(N+1)=0。

通过式(4)和式(5)比较可以看出,窗口内的指数项完全一样,只是数据组不同。因此,X2(K0)可以由X1(K0)表示:

$\begin{array}{l}X{}_2({\rm K}{}_0)=[X{}_1({\rm K}{}_0)-x(1)]\text{e}{}^{\text{j}2\text{π}{\rm K}{}_0/{\rm N}}+\\ x({\rm N}+1)\text{e}{}^{-\text{j}2\text{π}({\rm N}-1){\rm K}{}_0/{\rm N}}\end{array}$

同理,Xn(K0)可由Xn-1(K0)表示:

$\begin{array}{l}X{}_n({\rm K}{}_0)=[X{}_{n-1}({\rm K}{}_0)-x(n-1)]\text{e}{}^{\text{j}2\text{π}{\rm K}{}_0/{\rm N}}+\\ x({\rm N}+n-1)\text{e}{}^{-\text{j}2\text{π}({\rm N}-1){\rm K}{}_0/{\rm N}}\end{array}$

这样即可得到全部采样数据点在频点K0处对应的傅里叶值。随后只需计算$\left|X{}_n({\rm K}{}_0)\right|$,去除直流分量即可恢复调制信号。

传统的FFT算法对窗口内的所有时刻都要独立运算L次,而每个时刻都要Nlog2N次复乘运算[8],总计算量为LNlog2N。利用滑动DFT算法,在已知前个时刻频谱Xn-1(K0)的情况下,计算Xn(K0)只需2次复乘运算,对窗口内的所有时刻总计算量为log2N+2(L-1)。通过图3的比较可以明显看出,当N较大时,滑动DFT的计算量远小于FFT。

4 解调方法的比较

首先利用三种方法对一段信号(f=0.2 MHz)进行解调,载波频率fc=5 MHz,采样频率fs=50 MHz,加入窄带加性高斯白噪声,信噪比为SNR=35,取N=L=10。图4为已调信号。仿真结果如图5～图7所示,分别对应以上三种方法。

从仿真图中可以看出,数字正交解调输出图形存在数字器件的截断效应,在不考虑系统误差的情况下,其解调精确度较高,误差较小,但耗用资源。另外,当本地恢复载波和信号载波不一致时,信号易失真;包络解调降低了10倍原始信号采样率,平滑了解调输出信号,误差较小,效率高;滑动DFT解调输出波形较理想,其优势主要体现在计算量上。几种算法的具体比较见表1。

5 结 语

随着数字器件得到越来越多的应用,AM信号的数字化处理应用也将更加广泛。本文阐述了传统AM信号数字化正交解调方法,并详细介绍了另外两种方法以及它们的优缺点,在此基础上从不同角度对其优缺点进行了比较,得出各自的应用场合。通过比较结论可知,在实际应用过程中,可以根据不同情况选用不同的解调方法,从而可以更加方便高效地实现AM信号的数字化解调,且具有很好的应用前景。

参考文献

[1]樊昌信,曹丽娜.通信原理[M].6版.北京:国防工业出版社,2006.

[2]陈祝明.软件无线电基础[M].北京:高等教育出版社,2007.

[3]杨小牛,楼才义,徐建良.软件无线电原理与应用[M].北京:电子工业出版社,2001.

[4]付涛,李治安,李晓明.AM信号数字化解调方法研究[J].通信技术,2009,42(1):41-43.

[5]梁志国.调幅信号的一种数字化精确解调算法[J].华北工学院学报,2003,24(1):24-30.

[6]管良琴.基于滑动DFT的AM信号数字化解调算法研究[D].成都:电子科技大学,2009.

[7]吴志敏,肖大光.一种基于DFT的AM信号数字化解调算法[J].计算机仿真,2006,23(1):92-93.

[8]程佩青.数字信号处理教程[M].3版.北京:清华大学出版社,2006.

[9]黄寒华.实时谱分析的优化算法:滑动DFT[J].金陵科技学院学报,2006,22(2):36-39.