水下通信中信號跟蹤方法的抗干擾設計

陳林

摘 要： 針對傳統的水下通信信號跟蹤方法根據點觀測信息對當前信號狀態實施預測，對數據信噪比較為敏感，存在較高的誤碼率和較低的抗噪性能，設計一種抗干擾性強的水下通信信號跟蹤方法。通過分塊的信道跟蹤方法對實際信道進行實時跟蹤，減緩時變對信道的沖擊，在跟蹤的信道中采用弱小目標信號的檢測前跟蹤方法，將原始數據作為觀測數據，利用跟蹤算法預計目標狀態，再對目標狀態進行檢測判決，有利于低信號噪音在高信噪比條件下的能量積累，提高目標檢測性能，實現高噪聲水下環境中通信信號的準確跟蹤。實驗結果說明，所提方法能夠準確跟蹤水下通信信號，具有較低的誤碼率，抗噪性能高。

關鍵詞： 水下通信； 信號跟蹤； 抗干擾； 弱目標； 信道跟蹤； 抗噪性能

中圖分類號： TN911.4?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）07?0012?04

Anti?jamming design of signal tracking method in underwater communication

CHEN Lin

（School of Information Engineering， Suqian College， Suqian 223800， China）

Abstract： The traditional tracking method of underwater communication signal used to predict the current signal status according to the point observation information is sensitive to data SNR， and has high bit error rate and low anti?noise performance. Therefore， an underwater communication signal tracking method with high anti?jamming performance was designed. The channel tracking method based on block is used to track the practical channel in real time， and reduce the time?varying impact on channel. The tracking method of weak target signal before detection is adopted in tracking channel. The original data is taken as the observation data to predict the target state by means of the tracking algorithm， and then detect and judge the target state， which are conducive to the energy accumulation of low?noise signal under high SNR condition， can improve the target detection performance， and realize the accurate tracking of communication signal in the underwater environments with high SNR. The experimental results show that the method can track the underwater communication signal accurately， and has low bit error rate and high anti?noise performance.

Keywords： underwater communication； signal tracking； anti?jamming； weak target； channel tracking； anti?noise performance

0 引 言

隨著信息通信技術的快速發展，水下通信網絡目標跟蹤技術廣泛應用在軍事、檢測等領域。水下通信網絡受到環境復雜性的干擾，當前的跟蹤方法抗干擾性較差，該課題成為相關學者研究的重點。

以分布式卡爾曼濾波算法為基礎的水下通信信號跟蹤方法，通過設置檢測數據的門限，采集點觀測信息，再基于點觀測信息對當前信號狀態實施跟蹤。該方法對傳感器獲取的檢測數據信噪比較為敏感，不能解決實際水下通信中的復雜環境中高信噪比的干擾，存在較高的誤碼率和較低的抗噪性能。因此，本文設計了新的水下通信信號跟蹤方法，提高信號跟蹤的抗噪性，實現水下通信信號的準確跟蹤。

1 水下通信中信號跟蹤方法的抗干擾設計

1.1 水下通信中信道的準確選取

水下通信中信道的時變性較顯著時，信道的估計值與實際值的差別較大。在水下通信中信道的時變是可控的，信道的變化是連續的過程，通過對實際信道進行選取[1]，實現減緩時變對信道的沖擊，進而為后續信道中信號的準確跟蹤提供好的環境。在海洋水聲環境中可采用分塊選取法對某個連續時間的信道沖擊進行修正，將整個數據塊分為多個小的子塊。因為信道的變化是連續的，所以當子塊足夠多時，可認為信道的沖擊是非時變的。這種分塊信道選取方法的基本思想是：當前子塊均衡時的沖擊為上個子塊的信道沖擊的估計值，子塊結束均衡恢復出信號后，利用均衡信號重新估計當前信道的沖擊。按照這種思想處理后續的所有子塊。

基于分塊的信道選取需要將長為[N]的數據分為若干小的子塊，假設子塊的數據長度為[Ns，]為留存當前子塊對下一子塊的碼間干擾，可在子塊的尾端附加長度為[Ntoil]的數據，為了能保留完整的碼間干擾[2]，需滿足[Ns>Ntoil>L，][L]表示該信道的最大可辨識路徑。圖1為基于分塊的信道選取數據幀的分割結構。

對水下通信的信號進行信道選取時，首先將上個子塊對當前子塊的碼間干擾消除，然后對上個子塊估計的沖擊進行均衡控制[3]，恢復當前子塊的前[N]個數據，再將恢復的數據作為訓練序列重新對當前信道進行沖擊估計，并計算當前子塊的拖尾干擾，方便下個子塊數據的處理。

假設一個被分成[r]個子塊的數據幀，對信道選取的過程如下：

1） 根據導頻序列估計出初始信道的沖擊為[h0，]計算出導頻序列中第一個子塊的碼間干擾[d1]。

2） 計算第[t]個子塊的數據塊向量為：

假設第[t-1]個子塊對第[t]個子塊的碼間干擾向量為：

當干擾被消除后，得到均衡的數據塊向量：

[yt=y′t-dt] （3）

子塊均衡前，視為其信道沖擊響應等同于其上一子塊的信道沖擊響應[h′t-1，]輸入[yt]和[ht-1，]進入頻域均衡，輸出時域信號[xt]。

3） 取時域信號[xt]的前[Ns]個數據作為判決，將其判決到最近的星座點，得到時域的判決向量[xt]。

4） 已知[xt]的序列，[yt]為接收序列，采用信道估算法對當前信道進行重新估計，結果用[ht]表示，對[xt]和[ht]進行卷積運算[4]，得出當前子塊對下個子塊的碼間干擾[dt+1]。

5） 重復過程2）直至將[r]個子塊全部處理。

應用過程中，若均衡算法的應用對象是頻域均衡，還要進行時域和頻域的信號轉換，在過程2）中對[yt]和[ht-1]向量進行DFT轉換，過程4）在進行卷積運算前先將[Ns]點的DFT轉換到頻域相乘再做2[Ns]點的IDFT轉換到時域，[Ns]點為碼間干擾。

1.2 水下通信中干擾信號的跟蹤方法設計

通過1.1節的分析過程實現了水下通信中信道的實時準確跟蹤，在該信道中采用弱小目標的檢測前跟蹤方法，實現高噪聲水下環境中通信信號的準確跟蹤。

弱小目標的監測與跟蹤問題包括水中追蹤目標，隱秘性較高、目標偏小、噪聲和雜波過強造成聲吶回波弱[5]。本文提出水下通信中弱小目標的檢測前跟蹤法，將原始的觀測數據作為觀測數據，利用跟蹤算法預計目標狀態，再對目標狀態進行檢測判決，有利于低信號噪音在高信噪比條件下的能量積累，提高目標檢測性能。圖2為本文水下通信目標檢測與跟蹤中信號處理流程。

圖2中各個小方塊為本文信號跟蹤方法步驟，外部的大方框表示信號檢測跟蹤各個步驟是同時進行的且不存在檢測限制[6]。

設置聲吶傳感器的探測區域是[X×Y]的平面區域，也就是柵格平面區域，如圖3所示。根據聲吶的靈敏度將探測區域分成[M×N]大小為[Δ×Δ]的分辨小塊，假設在[k]時間內產生了[zij（k）]觀測數據，[i=1，2，…，N；j=1，2，…，M，]得出[k]時間內聲吶傳感器的全部觀測向量為：

[Z（k）=zij（k）：i=1，2，…，N；j=1，2，…，M] （4）

若目標位置在平面區域的中心，該目標會對周圍的區域帶來影響。假設該目標對[（i，j）]的分辨小塊的影響為[fs（i，j，x，y）]，若該目標為點目標，可以采用擴散函數表示該點對周圍區域的影響[7]，擴散函數通常用二維截斷圓對稱高斯模型表示。

[fs（i，j，x，y）=Δ2I2πs2exp-iΔ-x22s2-jΔ-y22s2， iΔ-x<3，jΔ-y<30， otherwise] （5）

式中：[I]表示目標在[（x，y）]時的水下通信信號強度；[s]為模糊參數。式（5）與對積分形式的點擴散模型相似。當[sΔ]的值趨近于0時，點擴散函數無限接近于[δ，][δ]代表沖擊函數。

聲吶傳感器在水下進行信號探測時，背景噪音極強，目標信號可能在追蹤過程中消失，目標再次出現后，聲吶傳感器會繼續跟蹤目標信號的運動軌跡直到其超出傳感器的追蹤范圍[8]。目標信號的消失和出現可用馬爾科夫過程進行描述。設[λ]為目標的狀態，當[λ]的值為1時表示目標出現，[λ]等于0時表示目標消失，目標從消失到出現的轉移概率表示為：

目標從出現到消失的概率表達式為：

若目標位置在聲吶傳感器的探測范圍外，則目標狀態從1轉移到0的概率等于0。

上文對聲吶傳感器的弱目標檢測時，在進行弱目標貝葉斯估計中，目標狀態后驗概率為[p（xk，λkZ（k）），][Z（k）]包括所有觀測值，[λk]為存在性變量。后驗概率密度與上文轉移概率和似然函數有關，表達式如下：

式中：[λk]與馬爾科夫有關，若[λk+1=0，]聲吶傳感器無法探測目標，[xk+1]無法對目標狀態進行估計；若[λk+1=1，]則跟蹤概率為：

[p（xk+1xk，λk，λk+1=1）=p（xk+1xk），λk=1pB（xk+1），λk=1] （9）

式中：[p（xk+1xk）]為狀態概率轉移密度；[pB?]為目標首次出現的概率。

2 實驗結果與分析

2.1 跟蹤結果檢測

實驗設置采樣時間間隔為1 s，待檢測的水下通信柵格范圍[9]是100×100，水下通信信號強度[I=20，]實驗中的噪聲為高斯白噪聲，其標準差為10，方差為[0.0052，]當目標信號在5～20 s出現[10]時，算出目標出現的概率為0.2，消失概率為0.2。初始狀態[x=63，0，0.2，0r，]采用本文方法對實驗水下通信中的信號進行跟蹤仿真實驗，效果圖如圖4，圖5所示。

分析圖4可知，在5～20 s時，水下通信目標出現，此時目標出現的概率大于0.6，在其他時刻目標出現的概率急速下降。分析圖5水下通信信號在[X]軸方向運動軌跡圖能夠看出，當水下通信目標的出現概率大于0.6時，檢測到本文方法跟蹤的信號[X]軸運動軌跡與信號真實的[X]軸運動軌跡差別不大；當概率小于0.6時，運動軌跡差別較大，其同圖4中的實際結果一致，說明本文方法是一種有效的水下通信信號目標跟蹤方法。

2.2 誤碼率檢測

實驗采用本文方法對某沿海地區海域進行實驗分析，利用本文方法對信道進行預估，在信號發射端輸入文本信息，接收數據的同時采用卡爾曼濾波方法和本文方法對均勻分布的數據信息進行預估，得到如圖6所示的兩種方法的誤碼率性能圖。發射端發射信號后，在接收端采用兩種方法進行調節，得到如表1所示的不同距離接收到數據處理后的誤比特率統計情況。

2.3 時變信道中通信性能檢測

實際應用中水中的信道大多為時變信道，對時變信道的分析需采用水聲時變信道模型，上文介紹了采用比較簡單的方法構建水聲信道模型，在一定程度上可以體現水聲信道的時變性，利用該模型和接收系統進行性能仿真分析，仿真環境為：載波頻率[fc=]4 000 Hz，利用QPSK進行信號調節，碼元速率為400 SPS，為了提供每條信道的多徑疊加隨機時延，采樣頻率為[fs=64×fc，][Kf1=0.01，][Kf2=0.0110，][λ=0.99，]圖7為本文方法下信道處于時變信道2時的誤碼特性曲線，為了得到強烈的對比結果，給出相同條件下工作在時不變信道2的誤碼特征曲線。由圖7得出信號處于時變信道2時，性能相比時不變信道2時下降了4 dB左右。通過對仿真實驗結果進行分析得出結論：信號處于時變信道時，性能稍有下降，但當輸入的信噪比較大時，就可進行正常的信號追蹤。應用時變信道模型時應根據實際情況加以利用，說明本文方法可以降低一些由信道帶來的隨機時變相位起伏和幅度起伏功能，具有較高的抗噪性能。

3 結 論

本文提出新的水下通信中信號跟蹤方法，采用分塊的信道跟蹤方法對實際信道進行實時跟蹤，有效處理了時變對信道的沖擊，并通過弱小目標的檢測前跟蹤方法實現水下復雜環境中通信信號的準確跟蹤。

參考文獻

[1] 郭陽勇.水下軍事通信中短距離通信優化方法研究[J].計算機仿真，2014，31（7）：10?13.

GUO Yangyong. Short distance communication optimization method in underwater military communication [J]. Computer simulation， 2014， 31（7）： 10?13.

[2] 朱靜.實時信號檢測在水下信號識別中的研究及系統仿真[J].艦船科學技術，2015，37（5）：155?158.

ZHU Jing. Research of real time signal detection in underwater signal identification and system simulation [J]. Ship science and technology， 2015， 37（5）： 155?158.

[3] 萬磊，張英浩，孫玉山，等.基于自抗擾的自主水下航行器地形跟蹤控制[J].兵工學報，2015，36（10）：1943?1948.

WAN Lei， ZHANG Yinghao， SUN Yushan， et al. AUV′s bottom following control method based on ADRC [J]. Acta armamentarii， 2015， 36（10）： 1943?1948.

[4] 趙利芳，荊麗麗.大型無人機電子通訊信號抗干擾方法研究仿真[J].科技通報，2015，31（12）：218?219.

ZHAO Lifang， JING Lili. Large UAV electronic communication signal anti?jamming method study and simulation [J]. Bulletin of science and technology， 2015， 31（12）： 218?219.

[5] 丁雪芳.大型網絡通信系統干擾下的穩定性控制模型仿真[J].控制工程，2015，22（6）：1161?1165.

DING Xuefang. Simulation of stability control model under disturbance of large scale network communication system [J]. Control engineering of China， 2015， 22（6）： 1161?1165.

[6] 閆云斌，田慶民，馬曉琳，等.跳頻信號與跟蹤干擾信號DOA估計方法[J].海軍工程大學學報，2016，28（1）：108?112.

YAN Yunbin， TIAN Qingmin， MA Xiaolin， et al. DOA estimation methods of FH signals and follower jamming signals [J]. Journal of Naval University of Engineering， 2016， 28（1）： 108?112.

[7] 沈曉燕，杜薇，洪波.控制后肢運動的脊髓神經信號追蹤方法研究[J].高技術通訊，2015，25（4）：393?396.

SHEN Xiaoyan， DU Wei， HONG Bo. A study on tracking the neural signals for hindlimb movement control in the spinal cord [J]. Chinese high technology letters， 2015， 25（4）： 393?396.

[8] 楊學永，宋國棟，錢軼，等.現代雷達信號分選跟蹤的幾種方法[J].現代雷達，2014，36（3）：43?48.

YANG Xueyong， SONG Guodong， QIAN Yi， et al. Several methods of radar signal sorting and tracking [J]. Modern radar， 2014， 36（3）： 43?48.

[9] 馬月紅，于志堅，張曉林，等.一種極低載噪比高動態信號跟蹤的線性預測器設計[J].宇航學報，2015，36（9）：1068?1074.

MA Yuehong， YU Zhijian， ZHANG Xiaolin， et al. The design of an adaptive linear predictor for the tracking of extremely low?CNR high?dynamic signals [J]. Journal of astronautics， 2015， 36（9）： 1068?1074.

[10] 趙文禮，范劍，吳敏，等.微弱信號混沌檢測的自跟蹤掃頻控制方法[J].控制理論與應用，2014，31（2）：250?255.

ZHAO Wenli， FAN Jian， WU Min， et al. Self?tracing?frequency control in weak signal chaotic detection [J]. Control theory & applications， 2014， 31（2）： 250?255.