基于級聯(lián)隨機共振的直接序列擴頻信號的捕獲方法

王愛珍，胡 姣，韓航程

(1.忻州師范學院 電子系，山西 忻州 034000； 2.北京理工大學 信息與電子學院，北京100081)(*通信作者電子郵箱314559572@qq.com)

0 引言

眾所周知，直接序列擴頻是一種重要的擴頻通信方式，它采用偽隨機碼作為擴頻調制的基本信號。在直擴系統(tǒng)的擴頻碼捕獲方法中，傳統(tǒng)的匹配濾波器捕獲算法有著捕獲時間短、捕獲效率高等特點，同時隨著軟件無線電技術的發(fā)展，匹配濾波器技術的實現(xiàn)也更加容易，因此，匹配濾波器算法在直接序列擴頻系統(tǒng)的捕獲中有著廣泛應用。

然而，在實際的接收機系統(tǒng)中，噪聲和大多普勒頻偏是直接序列擴頻信號捕獲的大敵，傳統(tǒng)的匹配濾波器算法是延長偽碼的相關累積時間，并同時搜索多普勒頻率和偽碼相位。雖然此算法在一定程度上可以解決噪聲和頻偏帶來的影響，但是對于相干累積而言，容易受到數據比特跳變和頻率跟蹤誤差的影響，同時加長累積時間會使得捕獲時間延長，不利于快速捕獲。文獻[1]提出了使用部分匹配濾波法(Partial Matched Filtering, PMF)和快速傅里葉變換(Fast Fourier Transformation, FFT)譜分析法進行偽碼捕獲的方法，與傳統(tǒng)相關檢測方法相比，基于FFT譜分析的捕獲方法能減少捕獲時間并節(jié)省硬件資源；然而通過仿真可以看出，在低信噪比(Signal-to-Noise Ratio, SNR)的情況下，直接對信號進行FFT譜分析仍然無法得到突出的譜峰。

在這些捕獲算法中主要考慮的解決方法是如何抑制噪聲或增強信號，然而在抑制噪聲的同時，被測信號也會受到損失，同理當增強信號時噪聲也會放大，所以在弱信號條件下，僅僅通過上述方法無法在頻譜圖中得出清晰的譜峰。研究表明，隨機共振算法對于微弱信號捕獲有著獨特的優(yōu)勢。文獻[2]提出可以將隨機共振系統(tǒng)級聯(lián)起來，通過多次對信號降噪，不斷地將高頻能量轉移，對信號進行整形處理，該方法比單級隨機共振的效果更加明顯，可以有效提高信號的輸出信噪比，能夠有效實現(xiàn)微弱信號的捕獲。此外，文獻[3-8]提出了隨機共振對于微弱信號檢測的方法，其利用信號和噪聲在非線性系統(tǒng)的協(xié)同作用，使其產生共振，將其中的高頻噪聲能量轉移到低頻，同時實現(xiàn)信號的降噪和整形。

因此，本文針對微弱信號下直接序列擴頻系統(tǒng)的捕獲難點，提出了基于級聯(lián)隨機共振的捕獲算法。在文獻[1]的基礎上添加了一個級聯(lián)隨機共振系統(tǒng)，利用隨機共振原理將部分噪聲能量轉化為信號能量，從而提高系統(tǒng)的信噪比，有利于FFT譜分析，同時采用級聯(lián)的方法能夠更好地提高隨機共振的信噪比增益。在強噪聲的條件下也能快速實現(xiàn)直接序列擴頻信號的捕獲。

1 算法設計

1.1 基于級聯(lián)隨機共振的直接序列擴頻信號捕獲算法

針對弱信號環(huán)境下的信號捕獲難點，本文提出了基于隨機共振的高靈敏度捕獲方法，直接序列擴頻的隨機共振接收系統(tǒng)的結構如圖1所示。具體步驟為：接收信號與本地偽碼通過部分匹配濾波后輸出，再經過級聯(lián)隨機共振系統(tǒng)進行處理，通過隨機共振提高微弱信號的信噪比，最后對輸出信號進行FFT譜分析，通過尋找譜峰值求出信號的頻率和碼相位，從而完成捕獲，既縮短了捕獲時間，又避免了二維矩陣搜索。

圖1 接收系統(tǒng)結構框圖

其中y(n)為接收信號：

y(n)=Ad(n)C[(n-τ)(1+fd/fc)] cos[2π(fc+fd)n+φ]+N(n)

(1)

其中：τ為信號到達接收機的時延，A為信號幅度，fc為載波頻率，fd為多普勒頻偏，φ為初始相位。C(n)為本地偽碼，d(n)為原始信號,N(n)為加性高斯白噪聲。

本地的偽碼信號模型為：

(2)

因此本文針對高動態(tài)環(huán)境下的擴頻通信存在的大多普勒頻偏的問題，采用部分匹配濾波器對接收的直接序列擴頻信號進行預處理，與傳統(tǒng)的基于FFT的偽碼并行相關捕獲算法相比，它不再進行一個完整周期的FFT運算，只是進行一段時間的接收信號與本地偽碼的相關運算，從而改善大頻偏對匹配濾波輸出幅值的影響。其具體實現(xiàn)步驟如下：

對一個碼元含有M個碼片的數字中頻信號與M個碼片的本地偽碼首先分別分段，將M個碼片分成P段，每個分段對應一個相位，每段長度為X，即M=XP，再將P個數字中頻信號與本地偽碼分別進行長度為X的相關累加運算。這樣就將原來M個碼片的接收數據變?yōu)楝F(xiàn)在的P點數據，這個處理過程就稱為部分匹配濾波。部分匹配濾波器的輸出為：

cos [2πfdn+φ]}+N′(n);n=1,2,…,P

(3)

其中N′(n)為噪聲N(n)與本地偽碼的相關結果。

當本地偽碼和接收到的信號偽碼相位對齊時，通過部分匹配濾波器后的信號只剩下了殘余多普勒頻偏fd，此時對這P點的輸出信號g(n)作N點的FFT，對FFT的輸出進行頻譜分析并尋找最大值，其最大值對應的頻率即為所求的多普勒頻偏。該方法可以在搜索偽碼相位的同時得到多普勒頻偏值，從而減少了捕獲時間，圖2為部分匹配濾波器的結構框圖。

圖2 部分匹配濾波器結構框圖

然而在弱信號環(huán)境下，直接進行FFT譜分析求出頻譜圖也難以得到清晰的峰值，捕獲性能有待提高，因此本文添加了級聯(lián)隨機共振系統(tǒng)來提高該信號的信噪比，使得FFT譜分析的峰值更加明顯，從而改善捕獲性能。

1.2 隨機共振原理

隨機共振系統(tǒng)與輸入信號s(t)、噪聲n(t)和非線性系統(tǒng)密不可分，它是由非線性郎之萬方程描述的雙穩(wěn)態(tài)系統(tǒng)所定義的

x′=ax-bx3+s(t)+n(t)

(4)

其中：a、b是大于零的系統(tǒng)參數，s(t)為輸入的驅動信號，n(t)為噪聲信號，x為系統(tǒng)輸出。其對應的勢函數為：

(5)

圖3 a=1,b=1時的勢函數

隨機共振系統(tǒng)可以通過四階龍格-庫塔算法求解，具體迭代公式如下：

(6)

其中：xn、sn分別為輸出信號x(t)和輸入信號s(t)的第n次采樣值；h為積分步長，在絕熱近似小參數條件下，h取采樣頻率的倒數，即h=1/fs。

1.3 級聯(lián)隨機共振

級聯(lián)隨機共振系統(tǒng)[2]是將若干隨機共振系統(tǒng)級聯(lián)起來，用上一級的輸出作為下一級的輸入，圖4為兩級級聯(lián)隨機共振系統(tǒng)組成框圖，對應朗之萬方程的表達式如下：

(7)

圖4 兩級級聯(lián)隨機共振系統(tǒng)組成框圖

Fig. 4 Diagram of two-stage cascaded stochastic resonance systems

級聯(lián)隨機共振系統(tǒng)可以將高頻能量不斷轉移，逐漸濾除信號的高頻成分，從而起到整形和降噪的作用。在參數條件合適的情況下，級聯(lián)隨機共振系統(tǒng)不僅能實現(xiàn)隨機共振，而且能夠比單級系統(tǒng)有更好的隨機共振輸出特性。

然而基于絕熱近似理論的隨機共振算法僅適用于小參數條件[4]，即A?1，D?1，f?1，對于噪聲強度大、信號頻率高的工程信號而言，傳統(tǒng)的隨機共振算法無法滿足需求。文獻[9-10]提出了采用變尺度的方法解決了大參數條件下的隨機共振問題，該方法首先對輸入信號進行頻率尺度變換，將變換后的信號通過隨機共振系統(tǒng)進行處理，獲取特征頻率值，然后再按原尺度進行頻率還原即可求出實際信號的頻率，這種變尺度隨機共振算法使大參數信號的隨機共振成為可能。

2 結果分析

2.1 隨機共振的度量

信噪比(SNR)是衡量隨機共振的常用度量方法，信噪比的定義為信號功率S和噪聲功率N的比值，用SNR表示，單位為dB，具體表達式如下：

(8)

2.2 數值仿真結果

本文采用該算法仿真的參數如下：信息速率為Rb=1 kHz,偽碼碼長為L=256，因此碼片速率為Rc=Rb×L=256 kHz，采樣速率為fs=1.024 MHz，多普勒頻偏為fd=3 kHz，相關積分時間為1 ms，將M=1 024點的部分匹配濾波器分為P=160段，每段長X=M/P=64，然后進行N=256點的FFT運算，以便硬件實現(xiàn)。輸入信號幅度A=0.3，兩級級聯(lián)隨機共振模塊是根據文獻[9-10]中大參數下變尺度隨機共振算法的參數進行設置，其中參數a=0.1，b=1，對應的勢函數ΔU=0.002 5，二次采樣頻率fsr=14.628 6 Hz，壓縮比例R=7 000，從而使得多普勒頻偏被壓縮到了fd/R=0.042 9 Hz<1 Hz，因此滿足雙穩(wěn)態(tài)隨機共振系統(tǒng)小參數的要求，可以實現(xiàn)隨機共振。

圖5為輸入信噪比SNRin=20 dB時，通過部分匹配濾波器后的輸出信號以及其FFT頻譜。

圖5 高信噪比下部分匹配濾波后信號波形

由圖5可以看出，由于信噪比較高，在通過部分匹配濾波器后，當偽碼相位對齊時，輸出信號只剩下了含有多普勒頻偏的單一正弦波，此時僅需通過FFT譜分析即可得到譜峰，從而得出多普勒頻偏值為3 kHz。

當輸入信號不理想時，即若輸入信噪比SNRin=-26 dB，通過仿真可以看出，圖6為部分匹配濾波后信號的時域波形和頻域波形，圖7和圖8分別為經過第一級隨機共振和第二級隨機共振后的時域和頻域波形。部分匹配濾波器輸出波形已經無法看出正弦波波形，同時若直接對匹配濾波器輸出信號進行FFT譜分析,即采取文獻[1]的處理方法已經無法檢測出噪聲中的信號，因此必須采用隨機共振的方法將一部分噪聲能量轉換為信號能量，提高弱信號的信噪比再進行頻譜分析。

由圖7～8可知，第一級隨機共振系統(tǒng)從強噪聲中提取出了信號的大致輪廓，在FFT譜分析中可以在頻率為3 kHz處清晰地看到突出的峰值；第二級隨機共振系統(tǒng)則對輸入信號進一步整形光滑，峰值更加突出且信號的高頻分量更少。

采用式(8)分別計算第一級和第二級輸出信號的信噪比，可以求出第一級隨機共振輸出信噪比SNR1=-15.4 dB，第二級輸出信噪比SNR2=-10.8 dB，第一級信噪比增益為G1=10.6 dB，第二級信噪比增益為G2=4.6 dB，總信噪比增益G=SNR2-SNRin=15.2 dB，可以看到通過兩級級聯(lián)隨機共振系統(tǒng)后輸入的微弱信號信噪比提高了15.2 dB，同時也說明了在一定的參數條件下多級級聯(lián)比單級級聯(lián)隨機共振效果更好。

圖6 低信噪比下部分匹配濾波后信號波形

圖7 第一級隨機共振后輸出信號波形

Fig. 8 第二級隨機共振后輸出信號波形

圖9對比了文獻[1]提出的算法以及本文算法仿真后的正確檢測概率，由圖可以看出，尤其是在弱信號的條件下，運用本文算法比文獻[1]的算法的正確檢測概率提高了4 dB左右。在相關積分時間為1 ms、輸入信噪比為-10 dB時，該算法的正確檢測概率可達到100%。由此可知，本文算法可以有效提高信號的檢測概率，提高直接序列擴頻信號捕獲的靈敏度。

3 結語

本文提出了基于級聯(lián)隨機共振的直接序列擴頻算法，首先對輸入信號進行部分匹配濾波，將濾波后的信號通過兩級級聯(lián)的隨機共振系統(tǒng)處理后送入FFT譜分析模塊，其頻譜中的最大值對應的頻率即為所求的多普勒頻偏。該方法在強噪聲環(huán)境下有著良好的捕獲性能，能夠在較短的相關積分時間下完成快速而準確的捕獲。通過仿真分析可以看出，在大多普勒頻偏以及強噪聲背景下該算法捕獲信號的SNR比文獻[1]算法提高了約15 dB，并且提高了直接序列擴頻信號捕獲的靈敏度，可以廣泛運用于弱信號接收系統(tǒng)中。

Fig. 9 兩種算法的正確檢測概率對比