Karakterisering av frekvensrampemodulerte kommunikasjonssignaler

Abstract

Denne avhandlingen er en masteroppgave som konkluderer en "master of science" i signalbehandling og kommunikasjon. I oppgaven studeres estimering av senterfrekvens, instantan frekvens og symbolhastigheten til frekvensrampe spredd spektrum kommunikasjonssignaler. Det er utviklet signalgeneratorer og parameterestimatorer. Ytelsen til estimatorene er målt mot de genererte ikke-lineære og ikkekontinuerlige frekvensrampemodulerte signaler.

En syklusfrekvens-basert senterfrekvensestimator og en symbolhastighetsestimator basert på harmoniske syklusfrekvenser er utviklet, og sammenlignet med tradisjonelle metoder. Ulike tradisjonelle og moderne instantan frekvensestimatorer er sammenlignet og studert på forskjellige frekvensrampesignaler.

Ved bruk av statistisk analyse er det vist at et senterfrekvensestimat kan dannes basert på spektral korrelasjon ved spesifikke syklusfrekvenser, og oppnå en nøyaktighet oppimot det en andreordens interpolert magnitudespektrum sannsynlighetsmaksimerende metode har. Det vil si at estimater av senterfrekvens kan oppnås for flere signaler som overlapper i tid og frekvens, ved å studere deres syklusfrekvenser.

For estimering av instantan frekvens er det vist at en stykkevis polynom-basert estimator oppnår høyest nøyaktighet av de studerte estimatorene på ikke-kontinuerlige frekvensramper. Den lider av høy utregningstid, men er i stor grad parallelliserbar. Raskere tid-frekvens baserte estimatorer er undersøkt. Av disse utkonkurrerer Hilbert-Huang-transformen, Wigner-Ville for bruk med sannsynlighetsmaksimerende estimater av ikke-kontinuerlige frekvensrampesignaler i moderat signal-til-støyforhold.

Det er vist at symbolhastigheten til et frekvensrampesignal kan beregnes tidseffektivt gjennom et harmonisk syklusfrekvensestimat. I to av tre undersøkte tilfeller er denne metoden bedre enn en autokorrelasjonsbasert metode både på utregningshastighet, og nøyaktighet.

This thesis is a master’s dissertation concluding a master of science in signal processing and communications. It studies the estimation of center frequency, Instantaneous Frequency (IF) and the symbol rate of chirp-per-symbol Spread Spectrum (SS) communication signals. Parameter estimators are implemented and their performance is measured against non-linear and discontinuous chirp modulated signals.

A center frequency estimator based on cycle-frequency correlation and a symbol rate estimator based on harmonic cycle-frequencies is proposed and compared to traditional methods. Various traditional and modern IF estimators are compared and studied on various chirp signals.

Statistical analysis shows that a center frequency estimate can be assembled based on the spectral correlation at specific cycle-frequencies, obtaining accuracies that approach that of a second-order interpolated magnitude spectrum Maximum Likelihood Estimation (MLE) method. From this, it is apparent that estimates of the center frequencies can be obtained for multiple signals overlapping in time and frequency by studying their cycle-frequencies.

For IF estimation a piece-wise polynomial IF estimator is shown to outperform all of the studied estimators on discontinuous chirps. It suffers from high computing requirements, but is exceptionally parallelizable. Faster Time-Frequency (TF) based estimators are studied. Of these the Hilbert-Huang Transform (HHT) is shown to outperform the Wigner-Ville Distribution (WVD) for use with MLE of discontinuous chirps in moderate Signal-to-Noise Ratio (SNR).

The symbol rate of a chirp signal is found to be estimated computationally efficiently through a harmonic cycle-frequency Maximum Likelihood (ML) estimate. In two out of three studied cases, this estimator outperforms an autocorrelation-based counterpart, both in execution time and accuracy.