超低频信道噪声统计特性及应用

论文摘要

超低频（ELF）通信是指用频率为30～300Hz的电磁波作信号载体的通信。由于超低频电磁波在海水中具有传播衰减率较低的特性,因此超低频通信可以实现对全球范围、水下100米深潜艇的岸潜指挥通信,在军事领域具有重要的应用价值。受天线及发射机工程实现的制约,超低频通信接收机输入端信号电平很小,噪声是影响超低频通信的主要因素。超低频信道的噪声主要是大气噪声,其统计特性严重非高斯。众所周知,传统的对高斯噪声最优的接收机,在严重非高斯噪声的条件下性能将恶化,甚至不能正常工作。另一方面,如果能够辨识信道噪声的统计特性并加以有效利用,则可以大幅度地提高接收机的性能。本文围绕超低频信道噪声统计特性的辨识和工程应用问题,取得如下成果:1)为了对GSM-06测得的超低频大气噪声进行幅度统计分析,采用频域法对超低频信道电磁噪声数据进行预处理,抑制50Hz工频干扰。接着对处理过的超低频信道大气噪声数据进行Lilliefors假设检验,证明超低频信道大气噪声的非正态属性。最后在估计Class A瞬时幅度概率分布参数值的基础上,根据概率分布图和Q-Q图结果综合分析做出结论:采用Class A瞬时幅度概率模型,可以很好地描述宽带超低频信道大气噪声数据的幅度统计特性,而对于窄带超低频噪声数据适用于Class B模型描述。2)对Turbo码的译码算法在非高斯脉冲型噪声环境下的性能进行研究,提出一种新的基于噪声幅度统计特性服从Class A噪声模型的修正译码算法。该算法修正传统MAP算法的外部信息和信道信息计算公式,使之适应非高斯的Class A脉冲噪声环境从而改进了译码性能,计算机仿真证明新的译码算法在Class A噪声环境中比传统MAP算法具有更好的性能。3)针对经典Class A噪声模型的参数估计问题。提出二种参数估计算法,一种基于特征函数谱,而另一种基于参数的贝叶斯估计。贝叶斯估计器采用马氏链蒙特卡罗法（MCMC）求解,适用于较小的样本数,具有低复杂度和快速收敛的优点。基于特征函数谱参数估计算法适用于较大的样本数,对应于信道噪声统计特性较为平稳的情况,它的优点是运算量小,参数估计速度快。研究简化Class B噪声模型的参数估计问题。Class B噪声模型的概率密度函数非常复杂,它表示无限项合流超几何函数之和,很大程度上限制了Class B噪声模型参数估计的研究。为克服概率密度函数复杂的难题,提出了一种基于特征函数谱,采用最小均方梯度法求非线性代价函数解的参数估计算法,解决了Class B噪声模型应用中的核心难题。4)研究两维的M-Class A噪声模型的参数估计。为实现超低频信号的全向最佳接收必须研究多维噪声模型参数估计问题。提出一种二维M-Class A噪声模型的参数估计器,它基于参数最大后验概率的贝叶斯推理,采用马氏链蒙特卡罗法求非线性函数的解。该估计器对于较小的样本仍然具有快速收敛优点,尽管该估计器运算量很大,却是低复杂度的,其简洁的特征,可用于实时运算中。为未来具有全向接收能力的潜艇通信最佳接收确立理论和工程应用基础。5)研究超低频接收机的工程实现问题。对于超低频接收机信号结构设计中的编译码单元、调制解调单元和扩频抗干扰单元,结合设计目标分别给出了设计的理论依据,关键指标优化以及工程实现因素的考虑。对于信号处理单元,采用基于Class A模型的参数估计算法,有效地利用信道噪声的统计特性,解决非高斯脉冲噪声下最佳信号接收问题,大幅度地提高了接收机性能。

论文目录

• 摘要
• Abstract
• 目录
• 符号对照表
• 插图索引
• 表格索引
• 1 绪论
• 1.1 研究背景
• 1.2 大气噪声
• 1.3 非高斯噪声模型
• 1.3.1 经验噪声模型
• 1.3.2 统计物理噪声模型
• 1.4 噪声模型的参数估计
• 1.5 论文完成的主要工作和创新性成果
• 2 超低频大气噪声幅度概率分布模式的辨识
• 2.1 引言
• 2.2 Class A和Class B噪声模型
• 2.3 Class A和Class B噪声模型的数学表达式
• 2.4 超低频大气噪声建模的理论依据
• 2.5 超低频大气噪声测量设备简介
• 2.6 超低频信道电磁噪声数据的测量分析方法
• 2.7 超低频信道电磁噪声数据的预处理
• 2.8 超低频信道电磁噪声数据的非正态分布检验
• 2.9 宽带超低频信道大气噪声数据的幅度统计特性分析
• 2.10 窄带超低频信道大气噪声数据的幅度统计特性分析
• 2.11 结论
• 3 非高斯噪声环境下Turbo码的译码算法性能及改进
• 3.1 引言
• 3.2 超低频信道非高斯噪声模型
• 3.3 非高斯噪声LOG-MAP-CA算法推导
• 3.4 仿真结果及讨论
• 3.5 结论
• 4 经典Class A噪声模型的参数估计
• 4.1 引言
• 4.2 基于特征函数的Class A参数估计算法
• 4.2.1 Class A模型的特征函数
• 4.2.2 Class A模型参数估计算法的推导
• 4.3 基于最大后验概率的Class A参数估计算法
• 4.4 计算机仿真
• 4.5 结论
• 5 简化Class B噪声模型的参数估计
• 5.1 引言
• 5.2 简化Class B噪声模型
• 5.3 Clas sB噪声模型参数估计算法
• 5.4 Class B参数估计算法的仿真及结论
• 5.5 本章结论
• 6 两维的M-Class A噪声模型的参数估计
• 6.1 引言
• 6.2 多维M-Class A噪声模型
• 6.3 M-Class A噪声模型参数的贝叶斯估计算法
• 6.4 M-Class A模型参数估计算法的计算机仿真及结论
• 6.5 结论
• 7 超低频接收机设计与信号处理
• 7.1 引言
• 7.2 超低频接收机总体设计
• 7.2.1 总体设计依据与原则
• 7.2.2 总体设计思路与方法
• 7.3 超低频接收机技术方案
• 7.3.1 编译码方案设计
• 7.3.2 调制解调方案设计
• 7.3.3 抗干扰设计
• 7.4 接收机信号处理设计方案
• 7.5 超低频实验接收系统
• 7.6 超低频接收机软件实现
• 7.7 结语
• 8 总结与展望
• 致谢
• 参考文献
• 附录1 攻读学位期间发表的学术论文
• 附录2 GMS-06的简介及时间序列数据格式
• 2.1 GMS-06的简介和工作方式
• 2.2 GMS-06的时间序列数据格式