無線電信號的高階譜估計分析

肖軍，劉洲洲

（西安航空學院電子工程學院，陜西西安710077）

隨著無線電行業的迅速發展，無線電信號的頻譜分析應用得到廣泛應用。在語音信號辨別、分析雷達中含有的雜波信號、波達方向的估量、地震勘測信號的處理、水聲信號的處理、非線性系統的識別、流體力學的內波分析等隨機過程中有重要的應用價值[1，16]。隨之產生的有無線電頻譜感知、軟件無線電和認知無線電等技術[2-5]。

同時，無線電信號在信道傳輸的過程中會受到各種因素的干擾，有來自外部的干擾噪聲，如來自太陽的干擾；在信號的發射或接收過程中，因設備自身原因，也會有熱噪聲；傳輸信道中信號也存在衰落的問題，不同信道（如瑞利信道，萊斯信道和高斯白噪聲信道等）對信號的影響不同。不同信號的傳輸頻段間傳輸占用不同的頻段，但相互之間仍可能干擾。同一信號的不同相鄰碼元之間也可能存在碼間干擾。諸如此類的干擾對信號的接收和檢測都有一定的挑戰。

1 無線電傳輸模型的建立

把一個均值為零，功率譜密度是非零常數的平穩隨機過程，且其噪聲取值的概率分布服從高斯分布的信號稱為高斯白噪聲。

無線電通信中，需要發射的信號首先要調制到大載波信號上再發射出去，發射信號通過信道傳輸[6]。傳輸過程中，已調波信號會受到各種干擾，圖1中加入的是比較常見的加性噪聲——高斯白噪聲N(t)。最后對接收到的信號進行分析，估計信號的功率譜。圖1中接收到的信號

圖1 信號傳輸模型

2 高階譜估計

通常Skx(ω1,ω2,…,ωk-1) 是復數，上式存在的充分必要條件為

高階譜估計的方法可分為參數法和非參數法。參數法是利用觀測到的數據來建立所分析過程的參數模型，理論上的頻率分辨率是不受限與觀測數據的長度，可得到分辨率較高的譜估計。非參數法則是在傅里葉變換的基礎上，借助于FFT算法，易于得到物理意義明確的譜估計。但頻率分辨率受限于觀測數據的長度。無論是參數法還是非參數法，選擇合理地參數模型和模型階數是極為重要的。

2.1 非參數法譜估計

2.1.1 直接法

把隨機序列x(n)分為K段，每段含偶數M個樣本，并減掉各自的平均值。（也可對信號加窗處理來減小方差。）為滿足FFT算法，每個數據可補零。第i段數據的DFT（離散傅里葉變換）系數為

令M=M1N1（M1為奇正整數），M1=2Jn+1，進行頻域平均估計n階矩譜為

式中，i=1,2…,K，Δnn-1是頻率樣本間需要的間隔，

最后對K段數據求平均值的序列的n階譜估計，為

其中

以上敘述的直接法對序列進行雙譜估計，可由MATLAB中高階功率譜工具箱中的bispecd.m和bispecdx.m實現。

2.1.2 間接法

以上敘述的間接法對序列進行雙譜估計，可由MATLAB中高階功率譜工具箱中的bispeci.m實現。

2.2 參數法譜估計

參數法譜估計的對象只能是線性過程。

設為非高斯獨立同分布信號，通過單位脈沖函數響應為的時不變系統，加上加性噪聲為高斯（白）噪聲，得到輸出的k階累積量為

輸出y(n)的k階統計量為

則y(n)的k階譜為

對于比較常用的雙譜有

3 功率譜的仿真

雙譜估計可由MATLAB中高階功率譜工具箱中的bispect.m實現[13]。其雙譜圖如圖2、3、4所示。

圖2 AM信號的雙譜圖

圖3 DSB信號的雙譜圖

圖4 SSB信號的雙譜圖

從圖3、圖4的雙譜分析圖中可以看出來DSB的信號抗噪聲能力要強于SSB的信號抗噪聲能力。

圖5 FM信號的雙譜圖

以上是各種已調信號的雙譜的等高線圖和三維雙譜圖。雙譜中有6個對稱區域，不含丟失的相位信息。信號抗噪聲能力越強（WBFM＞DSB＞SSB＞AM or NBFM），雙譜圖中等高線分布越集中。此方法常用于測試機器是否有故障[15]。

4 結論

高階譜估計提高了譜估計的分辨率。并通過雙譜和三維雙譜分析可以清晰的看出：雙譜中有6個對稱區域，不含丟失的相位信息。紅色等高線是主要的頻率分布區域。信號抗噪聲能力強弱——信號抗噪聲能力越強（WBFM＞DSB＞SSB＞AM or NBFM），雙譜圖中等高線分布越集中。

[1]沈再陽.精通MATLAB信號處理[M].北京：清華大學出版社，2015.

[2]李慶巖.無線信號調制模式識別技術的研究[D].北京：北京交通大學，2014.

[3]謝鑫，李國林，姚江濤.近程無線電信號的自動識別[J].通信學報:2005，28（2）：29-31.

[4]宮雅利.淺談無線電通信技術的發展現狀[J].信息與電腦（理論版）:2011，11（2）：77-89.

[5]牟澤慧.無線電信號辨別[J].品牌：2014（11）：155-156.

[6]鄭薇，趙淑清，李卓明.隨機信號分析（第三版）[M].北京：電子工業出版社，2015.

[7]邱天爽，郭瑩.信號處理與數據分析[M].北京：清華大學出版社，2015.

[8]李永新，吳健.信號與動態測量系統[M].北京：人民郵電大學出版社，2014.

[9]孫君.無線電通信發展與創新分析[J].通訊世界，2016（3）:11-13.

[10]唐智靈，楊小牛，李建東.調制無線電信號的分形特征研究[J].物理學報，2011，60（5）:1-7.

[11]趙曉暉.譜估計與自適應信號處理教程[M].北京：電子工業出版社，2013.

[12]（美）Petre Stoica和Randolph L.Moses著.現代信號譜分析[M].吳任彪，韓萍，馮青等譯.北京：電子工業出版社，2012.

[13]趙紅怡，張常年.數字信號處理及其MATLAB實現[M].北京：化學工業出版社，2002.

[14]茍飛.隨機信號處理的新方法——神經網絡及高階譜[D].廣州:華南理工大學，1995.

[15]軸承數據的MATLAB分析.[EB/OL].http://www.kongzhi.net/cases/caseview.php?id=8979.2011.

[16]張小慧.信號高階譜分析及在地震勘探中的應用[D].四川：成都理工大學，2012.