信號盲檢測應用情況簡述

劉 蓉，霍 甲

（國家無線電監測中心北京監測站，北京 100037）

1 寬帶接收機E3238s（黑鳥）

黑鳥具備在寬頻段范圍內進行信號自動檢測及后續處理（調制識別、模擬解調、記錄等）的能力，具備較高的自動化水平。在信號檢測方面，黑鳥采取能量檢測的思路，通過設置不同類型的檢測門限來完成。其主要能量檢測的流程如圖1虛線框內的步驟所示，分為檢測門限函數設置、能量檢測和帶寬計算、特征提取和能量檢測數據過濾五個部分。

圖1 能量檢測流程圖

1.1 門限函數

在黑鳥中共有三種內置的門限函數，即固定門限、自適應門限及環境門限，同時還可以用戶自定義門限。

1.2 能量檢測和帶寬計算

對于固定門限檢測，需要設置兩個參數如圖4所示。圖2中的Energy Criteria表示能量準則；Peak(dB)表示峰值，用以衡量比預設門限值高Peak個dB才被認為是有效信號；Bandwidth(dB)表示帶寬，用以測量帶寬的參數，取以下兩種情況的較小值：從峰值點處下降Bandwidth個dB所對應的信號帶寬；從峰值點至檢測門限處所對應的信號帶寬。

圖2 固定門限監測參數設置

1.3 特征提取

根據檢測到的功率、帶寬以及頻譜形狀等參數，可以通過寫動態鏈接庫（*.dll）的方式增加特征，以進行后續能量歷史相關特征的顯示，可參照E3238S ASD編程向導中的描述。要在E3238S軟件的操作中包括一個新的庫程序，需要在e3238s.cfg配置文件中增加一行featureExtraction:命令，命令后面是程序的路徑和文件名。當程序啟動時，加載庫程序。目前該部分尚未進行研究。

1.4 能量歷史預處理濾除器

可以通過編寫動態鏈接庫（*.dll）的方式決定哪些特征所檢測到的信號信息被放入能量歷史窗口中進行顯示，預濾器功能用e3238s.cfg配置文件中的energyHistoryFilter:命令來定義和加載。

1.5 目前應用情況

黑鳥的能量檢測方法多樣、機制靈活，但是目前對其的應用深入程度還不夠，且帶寬范圍內的信號檢測在工程應用上本身就具有很高的難度。從應用層面看，可以考慮拓展的方面有：

⊙ 門限設定：深入研究自定義模板的使用方法，及針對復雜情況下的設置方法研究。

⊙ 特征提取：研究基于ASD環境的編程方法，并重點研究提高檢測準確率的特征樣式。

⊙ 預濾波器：研究基于ASD環境的編程方法，并重點考慮能量檢測結果的篩選策略（頻率冗余、帶寬不準確等）。

2 AMMOS

AMMOS系統是一個集信號接收、處理、分析、存儲記錄、數據庫管理、任務調度與指揮為一體的完善無線電監測系統，涵蓋了從上到下的所有監測流程。在信號檢測方面，其Detection Conventional DDC模塊可以完成在寬頻帶范圍內信號的檢測，以高度和寬度不等的圓柱體進行顯示。但是AMMOS系統在能量檢測環節的門限設置、檢測方式的靈活性不及黑鳥，主要體現有如下幾點:

⊙ 門限設置目前只看到固定門限，沒有自適應門限和環境模板門限。

⊙ 帶寬的計算依照門限處計算，方法較簡單。

⊙ 沒有冗余數據的剔除等用戶自定義功能。

3 目前應用存在的問題

總體而言，目前尚無可以實現在寬頻帶范圍內快速、準確提取信號的軟件或系統，主要由兩個原因導致，其一是尚未完全開發相關系統的預留處理接口，使得處理的靈活性和準確性沒有得到充分挖掘；其二是信道的復雜性、信號體制的多樣性和電磁環境的擁擠性使得客觀上對信號的自動、準確提取存在較大困難。

在系統使用開發的深入程度上，可以考慮進行如下的拓展：

（1）門限設定：在門限設定上，需要深入研究自適應門限的設定方法和準則，并充分針對不同的應用場景設置合理的自定義門限。

（2）特征提取：目前僅提取頻率和帶寬等頻譜外特征，對于頻譜波形特征及調制層特征的提取和應用不夠深入，這在一定程度上使得信號檢測提取的準確率還沒有得到充分的挖掘提升。

（3）篩選機制：在采用簡單機制進行信號檢測提取的過程中，缺乏對于冗余信息的篩選機制（例如估計頻點不同被判定為多信號），使得篩選數據的冗余性較大，降低處理效率和準確度，可考慮從頻率、頻譜波形、調制層特征等外特征綜合使用，提升提取的效率。

在客觀無線環境方面，存在如下的問題：

（1）信號體制的復雜性：對于跳頻、掃頻等頻率不固定的信號，以及TDMA和瞬態等較復雜的信號，采用常規的檢測方法的準確率將會顯著降低甚至失效。

（2）信道的復雜性：由于多徑和衰落的影響，使得信號的頻譜外特征將可能產生顯著變化，此時采用傳統的方法進行頻率、帶寬等外特征提取的準確率將會顯著降低。同時，較低的信噪比也會降低門限檢測的置信度，降低檢測的準確程度。

（3）電磁環境的復雜度：在多個信號較擁擠的場景，部分信號在頻域上距離較近甚至部分重疊，將會使傳統的檢測方法準確度降低甚至失效。

綜上所述，在寬頻段范圍內對信號進行快速、準確、自動的提取目前尚難通過現有設備完全實現，只有在信道化或某些簡單場景下實現，因此需要結合工程實際，進行深入的探索研究。

4 現有研究情況及存在問題

4.1 研究情況簡介

信號的檢測是信號處理領域的一個重要分支，目前其理論體系和主要方法已經成熟，并在雷達、聲納、地震、通信等領域得到了廣泛的應用。在通信等領域的盲檢測方面，經過多年的研究已產生大量的方法，總體而言可以分為如下幾類：

（1）能量檢測及其變型算法：是最簡單也相對最成熟的方法，其基本特點是不需要先驗知識，算法簡單，適用信號范圍廣，但是檢測性能一般。

（2）基于參考信號輔助的處理算法：典型的如參考信號自相關及其變型算法等，其主要特點是性能較好，但需要輔助信息，應用場景受限。

（3）基于信號統計特征及變換域的方法：典型如循環譜、高階統計量、小波變換等，其基本特點是相對能量檢測法性能更好，但需要更多的先驗知識，如波特率等。

綜上所述，目前全盲的檢測方法就是基于能量檢測及其變型算法的一類算法，并在頻譜監測中得到了廣泛的應用；其他算法由于普適性不夠強，尚未應用到頻譜監測領域中。同時，在研究中充分利用了分數階傅立葉變換、高階循環統計量等較復雜的信號處理工具，針對alpha穩定沖擊噪聲和高斯有色噪聲等非理想情況下的信號檢測進行了深入的研究，產生了一系列新型檢測算法。

4.2 存在的問題

絕大部分的研究文獻都是針對在固定或已知頻率下的檢測問題，雖然考慮的信號體制和噪聲特性都較復雜，但是無法完全滿足寬帶自動化監測的需要。具體表現有如下方面：

（1）噪聲模型匹配度不夠：在寬頻段范圍內，由于大小信號的存在且較為擁擠，導致噪底并不能簡單的建模為加性高斯白噪聲，但也可能不是有色或者沖激噪聲，產生模型上的失配，因此可能導致檢測性能顯著下降甚至失效。

（2）信道模型匹配度不夠：在實際信道中的信號畸變情況很難用常見的Rayleigh，Rice等典型模型準確描述，即其對頻譜外特征表象和內特征的提取都會產生刻畫上的誤差，將會影響信號提取的準確率。

（3）多信號共存情況：在短波等應用場景，往往存在信號相鄰較近的情況，此時簡單的能量檢測將會在信號區分和參數估計方面出現錯誤，而大部分算法只針對單一信號，并未考慮這一情況，因此該種工況下的處理方法有待研究。

5 結束語

綜上所述，對于復雜電磁環境下，寬頻段范圍內的信號難以做到自動檢測提取，目前只有大功率的明顯特征信號（衛星常規數字信號、短波廣播）可以基本實現準確、自動的提取，大部分的工作環境下的信號提取工作仍然需要人工干預。

[1] 李軍.通信信號盲檢測與寬帶接收技術研究[D]，2009.

[2] 于麗霞，王福明.微弱信號檢測技術綜述.信息技術[J]，2001,2:115-116

[3] H.V.Poor,An Introduction to Signal Dection and Estimaion, Springer-Verlag,New York,2rd Edition.1994,28-36.

[4] 趙樹杰，趙建勛.信號檢測與估計理論（第一版）.北京：清華大學出版社，2004,9:1-250.

[5] ParshantP.Gandhi.Data quantization effects in CFAR signal detection.IEEE.1996,VOL:32.1277-1289.

[6] Finn HM, Johnson RS. Adaptive Dection Mode with Threshold control as a Function of spatially Sampled Clutter level Estimates. RCA Review.1968,Vol.29.414-464.

[7] 楊春玲，王淑娟，胡艷.微弱信號檢測的新方法.光學精密工程.2003,8,Vol11.169-173.