認知無線電跳頻信號檢測及特征參數提取

攸立準

(衡水路橋工程有限公司，河北 衡水 053000)

?

認知無線電跳頻信號檢測及特征參數提取

攸立準

(衡水路橋工程有限公司，河北 衡水 053000)

摘要：偵察截獲是電子攻擊的前提。針對認知無線電系統中的新型跳頻信號，為了實現對目標信號的快速偵察截獲，研究快速準確的信號檢測和參數測量方法成為必要。根據認知電臺的信號特征，采用寬開接收和數字信道化接收體制，所有信道同時采用功率譜附加能量檢測的方法檢測信號的有無。然后利用短時傅里葉變換、校時算法、補零法則和Welch修正平均周期圖等處理方法提取信號特征參數。最后針對仿真信號和實際電臺信號進行了無線電信號檢測和多維特征參數提取的仿真實驗，信號駐留時間估計誤差的數量級在駐留時間為毫秒量級時為10-7；信噪比估計誤差為3 dB。

關鍵詞：認知無線電；信號檢測；特征參數提取

0引言

認知無線電是一種智能頻譜共享技術，它可以不間斷地對周圍的用頻環境進行感知，分析、理解和判斷環境信息，然后據此自動調整其通信參數(如工作頻率或調制方式等)以適應環境的變化[1,2]。

跳頻通信是一種低截獲概率技術，具有良好的抗干擾性能和安全保密性能，被大范圍運用在軍事通信中，給通信對抗方帶來了嚴峻的挑戰，因此對跳頻信號的偵察截獲進行研究，尋找對跳頻通信信號進行檢測的方法，具有重大的意義[3]。

1算法原理

1.1　信號檢測

實際通信環境中，電磁環境非常復雜，定頻信號、噪聲信號、干擾信號以及各種突發信號相互交織，跳頻信號的檢測因而變得非常困難[4]。這里采用的算法首先通過頻譜對消去除定頻信號等在整段數據中始終存在的信號，然后再進行跳頻信號檢測。

1.1.1定頻干擾的頻譜對消處理

首先將接收到的數據分成Q段，每段的長度為M點，然后分別對每一段數據進行傅里葉變換，再將Q段數據各自的FFT結果點對點相加，并除以Q求平均值，得到該段信號的平均頻譜[5,6]。

定頻信號在接收數據的整個時間段內都是始終存在的，且在整段數據內其功率是緩慢變化的，所以定頻信號在每段M點長的數據中的頻譜與整段數據的平均頻譜幾乎是一樣的。

而對于跳頻信號，若假設其在接收數據的整個時間段內共出現了m次，則對于所有的分段數據來說，在一段含有該跳頻信號的數據頻譜中將包含跳頻信號的幅頻響應，而在一段不含該跳頻信號的數據頻譜中將不包含跳頻信號的幅頻響應，所以，若分別對Q段數據進行傅里葉變換，然后再通過求取它們的平均值得到的頻譜中，跳頻信號的幅度將變為其實際幅度的m/Q，通常又有m<

綜上所述，如果使每段數據的頻譜都減去整段數據的平均頻譜，然后再做傅里葉反變換，則可以將原來定頻信號的干擾對消除去了，在求得的時域數據中，跳頻信號的功率減少得并不多，這就是定頻干擾的頻譜對消處理。

1.1.2跳頻信號檢測

首先進行頻譜對消處理，并對處理后的數據進行N點FFT運算，然后對運算結果進行過基本門限檢測，該基本門限是指認為檢測到信號的一個較低的單根譜線的幅度，該門限應高于噪聲基底電平，是軟件可控的[7]。

若存在超過該基本門限的信號，則對該信號進行帶寬和功率的測量。帶寬測量是指對信號的帶寬進行粗測，這里采用的是超過基本門限的單根譜線的位置中最大值到最小值的差乘以FFT的頻率分辨率來求帶寬的；功率測量時可將帶寬內信號譜線的幅度累加，乘以頻率間隔，作為信號功率。

再應用所測量的帶寬，查找信號應達到的功率門限，該功率門限可由偵察分析結果歸納，由軟件設置，硬件存儲，可用查表法進行比較。若所測量的功率超過該功率門限，則認為檢測到信號；否則，認為沒有檢測到信號。

1.2　信號駐留時間估計

1.2.1短時傅里葉變換[8]

由于截取的信號中可能含有不止一跳數據，所以首先對其采用短時傅里葉變換(STFT)來進行時頻分析來找到某個頻點的一跳數據。

用一個以t為中心、持續時間很短的窗函數η*(t′-t)與信號z(t′)滑動相乘后進行傅里葉變換，可以得到信號z(t′)在窗函數的中心時間點t處的短時傅里葉變換，如下所示：

(1)

為了消除邊緣效應的影響，滑動窗的2次相鄰滑動之間應該存在一些重疊的點，通常為進行傅里葉變換的點數的二分之一。

1.2.2校時算法

時域校時是信號駐留時間估計的關鍵，一般情況下，經常通過求斜率然后計算其拐點的方法進行校時，具體實現方法如下所述：

首先對至少包含跳頻信號的一跳時長數據的信號濾波，得到其時域包絡，并對包絡積分。然后分別求積分后的信號對其起始點和終止點的斜率，然后分別尋找兩次處理結果的最大值，這2個最大值對應的時間點分別稱為包絡的左右拐點，也就是跳頻信號一跳數據的精確起跳時刻和終止時刻[9]。

1.2.3補零法則

然而在低信噪比下，信號包絡不是很平滑，使得校時結果存在較大的誤差。為此，采用前后補零的方法來延長數據的長度，可以精確定位出拐點的位置，這就需要用到補零法則。

補零法則的范圍計算公式如下[10]：

計算左拐點時：

(2)

計算右拐點時：

(3)

式中，0≤x≤1表示校時時可能存在的不同情況，p(p≠1)為占空比，N為一跳數據的點數，如圖1所示，可以通過分別在當前數據的首尾補充一定個數的零點來準確求得圖中所標示的拐點位置。

圖1　補零法則示意圖

這里選擇的補零長度與數據長度相等，求起始點時右側補零對終止點求斜率選擇斜率最大處為拐點也即起始點Dstart，求終止點時左側補零對起始點求斜率選擇斜率最大處為拐點也即終止點Dover。

1.3　信號信噪比估計

1.3.1估計信號帶寬

若要估計信號的信噪比，首先要估計其頻帶寬度。也就是要估計信號功率譜的起始頻點和終止頻點，從數學建模意義上來說，這仍是一種求拐點的問題，不同的地方僅是將時域波形變成了頻域表示，所以仍可以考慮采用上節提供的校時算法來求信號功率分布函數中的拐點，從而可以精確估計信號的帶寬[8]。估計流程如下：

① 首先估計功率譜P(f)，這里采用了Welch修正平均周期圖法；

② 然后求功率譜密度的積分以求得功率分布函數R(f)；

③ 通過補零法則和校時算法，計算功率分布函數的拐點；

④ 由2個拐點計算信號帶寬兩端頻率位置序號NH和NL，則信號帶寬為：Bs=(NH-NL)·ΔF。式中，ΔF為譜線分辨率，即ΔF=fs/N。

1.3.2估計信號信噪比

假設進入接收機的加噪信號為y(t)：

y(t)=s(t)+n(t)，

(5)

式中，s(t)表示信號，假設其功率為S； n(t)為高斯白噪聲，假設其功率為N。

由上節信號帶寬估計結果可知，信號功率譜分布于NH和NL之間，則對位于該頻段內的功率譜幅值累加可求得加噪信號的平均功率譜[11,12]，即：

(6)

式中，Y(f) 表示加噪信號的功率譜。

設FFT 點數為2NFFT，則根據接收帶寬內信號頻帶以外的功率譜可以估算出噪聲的平均功率譜，即：

(7)

從而信噪比估計值為:

(8)

2認知無線電信號檢測和多維特征參數提取

認知無線電跳頻信號檢測和多維特征參數提取的流程圖如圖2所示。

圖2　信號檢測和特征參數提取流程

首先進行信號檢測。若是未檢測到信號則繼續向后截取N點數據進行重新檢測，直到檢測到信號或者接收數據消失。若已經檢測到信號，則從檢測點處向前N個點處截取一段數據data，截取的數據長度可由經驗跳速(經驗下的最低跳速)結合采樣頻率估計的一跳內的采樣點數N1來確定，一般截取N1的1.25倍長度的數據，其中經驗跳速應該小于實際的跳速才能保證至少完整的截取一跳信號data。

然后估計信號駐留時間。對data進行短時傅里葉變換，截取出某一頻率對應的一個時間切片，如果頻率分辨率足夠，則在該時間切片上將只有該頻率對應的頻譜，或者有其他頻率對應的頻譜但是幅值很小，即截取的是在該時間切片對應的時刻存在的一跳數據的頻譜[10]。然后針對這一頻譜利用校時算法和補零法則估計頻譜的起始點Dstart1和終止點Dover1，并結合短時傅里葉變換的分析窗窗長變換到時域信號data中該跳信號的起始點Tstart1和終止點Tover1。根據Tstart1和Tover1從原始采樣數據data中粗略截取一跳數據Edata。接著對截取的時域數據Edata利用校時算法和補零法則精確估計信號的起始和終止時刻Tstart和Tover；從而信號駐留時間T=Tover-Tstart。

然后根據精確估計的從Edata中精確的截取一跳數據Rdata，進行信號帶寬估計，然后利用信號帶寬信息根據式(10)進行信噪比估計。

3仿真實驗

針對調制樣式為FM、FSK和MSK的跳頻仿真信號進行了仿真實驗。

在Matlab仿真信號設置采樣頻率為704 MHz，駐留時間為0.001 s時，對于FM信號該算法求得的一跳內的采樣點數誤差小于3個點，從而駐留時間估計誤差小于(4.261 4×10-9)s；而對于FSK信號該算法求得的一跳內的采樣點數誤差小于30個點，從而駐留時間估計誤差小于(4.261 4×10-8)s。

在Matlab仿真信號設置采樣頻率為240 MHz，駐留時間為0.001 s時，對于MSK定頻信號該算法求得的一跳內的采樣點數誤差小于3個點，從而駐留時間估計誤差小于(1.25×10-8)s。同時由仿真實驗可知，信噪比的估計誤差小于3 dB。

4電臺實驗

數據長度為10 M點，采樣頻率為12.5 MHz，信號駐留時間為0.001 5 s，信噪比為45 dB。經蒙特卡羅仿真實驗統計出信號檢測正確率達99%。

駐留時間估計的結果如圖3和圖4所示，其中圖3為根據Tstart(估計的一跳數據的起始位置)截取的數據與源數據的位置對照，表明估計起始點的精度較高。

圖3　精確估計的起始點對照

圖4　精確估計的終止點對照

圖4為根據Tover(估計的一跳數據的終止位置)截取的數據與源數據的位置對照，表明估計終止點的精度也較高。

根據起始位置和終止位置Tstart和Tover計算一跳數據內的點數L為192 36，并結合采樣頻率計算一跳的駐留時間T為0.001 500 24 s，得出駐留時間估計誤差為2.4×10-7。根據截取的數據估計的信號的信噪比為Rsn=41.998 5 dB，誤差為3.001 5 dB。

5結束語

針對調制樣式為FM、FSK和MSK的跳頻模擬仿真信號和實際電臺信號，進行信號檢測和時頻參數測量，其中時頻參數包括駐留時間和SNR。要求信噪比大于等于12 dB，信號類型為FM、FSK和MSK。仿真實驗和電臺實驗顯示信號駐留時間估計誤差的數量級在駐留時間為毫秒量級時為10-7；信噪比估計誤差為3 dB。

參考文獻

[1]熊俊俏.STFT算法在短波差分跳頻信號檢測中的應用[J].電訊技術,2010 (8):52-56.

[2]齊昶,王斌,顏羨卿.短波環境下跳頻信號檢測[J].雷達科學技術,2011(4):335-340.

[3]張珊,吳瑛,陳秋華.短波新倒下跳頻信號檢測[J].計算機應用與軟件，2011 (2):211-214.

[4]錢怡,武傳華.跳頻信號檢測和參數估計技術研究[J].空間電子技術,2007 (02):14-18.

[5]馮文江,郭瑜,胡志遠.認知無線電中的頻譜感知技術[J].重慶大學學報,2007 (11):46-49.

[6]方志,賈峰.復雜電磁環境下跳頻信號檢測及拼接算法[J].無線電工程,2010 ,40(8)：13-15.

[7]張建立,張海瑛.跳頻信號偵聽技術和實現方法[J].無線電通信技術,1998,24 (1):1-2.

[8]張海瑛,袁超偉.一種實用的通信信號信噪比盲估計方法[J].無線電通信技術,2007,33 (2):49-51.

[9]司春麗,劉娟,認知無線電中的頻譜感知技術研究與應用[J].清遠職業技術學院學報,2010 (6):49-51.

[10]陳超,徐長純，王玥，梁保衛.一種改進的信噪比估計算法[J].無線電工程,2012 ,42(2):62-64.

[11]徐健,吳占分.影響跳頻信號截獲概率的因素分析[J].無線電通信技術,2007,33 (1):38-39.

[12]呂金飛,程乃平,袁嗣杰.非線性時頻分布重排算法在非合作跳頻信號檢測中的應用[J].裝備指揮技術學院學報,2007 (3):78-83.

Frequency Hopping Signal Detection and Feature Parameter
Extraction of Cognitive Radio

YOU Li-zhun

(Hengshui Road&Bridge CO.,LTD,Hengshui Hebei 053000,China)

Abstract：The reconnaissance interception is the premise of electronic attack.Aiming at the new frequency hopping signal of cognitive radio system,to satisfy the fast reconnaissance interception of target signals,the fast and precise signal detection and parameter measuring method is required.According to signal feature of cognitive radio,the open receiving and digital channelized receiving mechanism is used and all channels uses power spectrum additional energy detection method to detect if the signal exists.The signal feature parameters are extracted by the processing methods to extract the signal feature parameters,such as short-time fourier transform,timing algorithm,zero-padding rule and Welch correct periodogram.Aiming at the simulation signal and the actual broadcasting station signal,the simulation experiment of radio signal detection and feature parameter extraction is performed.When the time order is millisecond,the order of signal to residence time error is 10-7,and the SNR estimation errors is 3dB.

Key words：cognitive radio;signal detection;feature parameter extraction

作者簡介：攸立準(1979—)， 男，工程師,主要研究方向：軟件無線電計算機應用。

收稿日期：2015-09-15

中圖分類號：TN911

文獻標識碼：A

文章編號：1003-3114(2016)01-57-4

doi:10.3969/j.issn.1003-3114.2016.01.15

引用格式：攸立準.認知無線電跳頻信號檢測及特征參數提取[J].無線電通信技術,2016,42(1):57-60.