基于一維譜數據和二維時頻特征的信號寬帶盲檢測技術

李新科，譚文昊，江 漫，柏如龍

(1.中國人民武裝警察部隊士官學校，浙江 杭州 310000；2.中國人民解放軍92001部隊，山東 青島 266000；3.中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

0 引言

為更好地適應通信偵察的需求，寬頻帶接收機廣泛應用[1]，這就要求接收機必須能對較寬頻帶內的多信號進行接收，并要求盡可能地自動完成對目標信號的盲檢測，即能夠實時完成高概率甚至全概率接收。而高概率的信號盲檢測技術是核心[2-3]，要求在沒有任何源信號與傳輸信道的先驗知識的前提下[4-5]，僅根據接收到的觀測信號對信號的存在性做出判斷。因此，開展寬帶通信信號的盲檢測研究具有重要現實意義。

目前信號盲檢測領域內國內外專家的研究工作都取得了相當可觀的成果。文獻[6]采用基于多尺度形態濾波的方式實現一維譜搜索檢測，但是數據計算量大是其主要缺點。R&S公司的AMMOS自動模塊化檢測系統在一定程度上實現了頻譜檢測與信號盲檢測的自動化，但是過多的人工參與使得系統不適應自動化程度要求高的場合。針對自動和高概率截獲目的，提出了基于一維譜的信號寬帶盲檢測技術和基于二維時頻的信號寬帶盲檢測技術，用于解決寬帶接收條件下的信號檢測與分選問題，可實現對短波[7-8]、超短波[9]、微波[10-11]和衛星[12-14]等各領域各頻段內各類信號的高概率截獲。

1 寬帶信號盲檢測基本原理

目前，基于一維譜數據的信號寬帶盲檢測技術基本處理流程如圖1所示。

圖1 盲檢測基本處理流程

① 譜計算

實時或準實時獲取原始寬帶頻譜數據，主要考慮時間、頻率分辨率及可行的流水實現。

② 預處理

通過對原始頻譜數據的預處理，降低譜估計的方差，生成后繼信號檢測所需的特定一維頻譜數據，如平均譜、最小保持譜、最大最小差分譜等。

③ 檢測

通過自適應檢測門限、譜線狀態融合等統計處理方法，確定信號類型(持續/突發)、出現時間、消失時間、中心頻率、帶寬、信噪比和相對電平等參數。

2 寬帶盲檢測算法原理

2.1 基于一維譜數據的寬帶信號盲檢測

2.1.1 概述

用于解決寬帶接收條件下信號檢測與分選問題，可實現對短波、超短波和微波等頻段內各類信號的檢測，包括定頻、猝發和跳頻等，增強寬帶頻譜監測的目標識別概率和自動化程度，能夠適應時變且動態范圍較大的色噪基底[15]。

2.1.2 基本原理

基于一維譜數據的寬帶信號盲檢測技術的典型應用場景如圖2所示。

圖2 典型應用組成框圖

對于連續信號搜索，對應模塊工作原理框圖如圖3所示。

圖3 連續信號搜索模塊

通過對M幀FFT幅度譜的統計分析，實現對持續信號的檢測，包括如下步驟：

① 計算每幀數據的FFT，FFT結果取模后輸出瞬時幅度譜，FFT點數可設；

② 瞬時幅度譜送入滑動平均模塊，輸出平均譜，平均次數L可設；

③ 當達到平均次數后，最小保持模塊記錄平均譜最小值，輸出最小保持平均譜；

④ 當統計幀數超過M時，最小保持平均譜送至譜線融合搜索模塊；

⑤ 搜索模塊基于譜線融合策略完成信號搜索，計算搜索到的每個信號的中心頻率、帶寬與信噪比。

為了保證該模塊處于良好的工作狀態，需要注意FFT點數的設置：

① 頻譜分辨率合適，使得臨近兩信號從頻譜上能夠明顯區分開(觀察時頻圖)，頻譜分辨率可通過FFT點數進行調整；

② 時間分辨率合適，使得對于突發信號，必然存在一定幀數的數據，處于連續2個突發間隔之間，保證突發信號的剔除，可通過平滑次數L和FFT點數進行調整；

③ 時間分辨率和頻率分辨率之間存在矛盾，需要折中進行設計。

對于突發信號搜索，其模塊原理框圖如圖4所示。

圖4 突發信號搜索模塊原理

通過對M幀FFT幅度譜的統計分析，實現對突發信號的檢測，包括如下步驟：

① 計算每幀數據的FFT，FFT結果取模后輸出瞬時幅度譜，FFT點數可設；

② 一路瞬時幅度譜送入最大保持模塊，計算瞬時最大保持譜；

③ 一路瞬時幅度譜送入滑動平均模塊，輸出平均譜，平均次數L可設；

④ 當達到平均次數后，最小保持模塊記錄平均譜最小值，輸出最小保持平均譜；

⑤ 瞬時最大保持譜與最小保持平均譜差分運算后輸出差分譜，當統計幀數超過M時，累積模塊將差分累積譜送至峰值融合信號搜索模塊，此時差分累積譜中只存在突發信號；

⑥ 信號搜索模塊基于峰值融合策略完成信號搜索，計算搜索到的每個信號的中心頻率、帶寬與信噪比；由于是基于差分譜完成的信號搜索，因此，搜索到的信號能量反映的是信噪比；

⑦ 每完成一幀數據的計算，幀計數器加1，當統計幀數超過M時，重置幀計數器、最大保持模塊與累積模塊。

為了保證該模塊處于良好的工作狀態，需要注意FFT點數的設置，確保時間分辨率合適，使得對于突發信號，必然存在一幀數據，處于某一突發信號持續時間內，從而反映突發信號的存在，即將欲檢測的突發信號最短持續時間與FTT點數通過采樣頻率關聯起來。

若欲檢測的突發信號最短持續時間為Tw，最短突發間隔為Td，系統采樣頻率為Fs，則FFT點數K=min(Tw，Td)/2*fs。

對于譜線融合搜索模塊，模塊基于臨近峰值融合策略來完成信號檢測，其工作原理如圖5所示。

圖5 峰值融合搜索模塊原理

依據信號帶內能量存在相似性，而帶內帶外能量存在差異性這一基本性質，將具有臨近能量特征的峰值點歸屬于一個信號，并進一步分析其信號邊界，估計中心頻率，當完成所有峰值點歸屬判斷后，即完成帶內信號搜索過程。

2.2 基于二時頻的信號寬帶盲檢測基本原理

2.2.1 概述

基于二維時頻的信號寬帶盲檢測技術是利用帶有時標的連續頻譜來檢測跳頻信號，不僅可以實現高速跳頻信號的高概率截獲，同時也可以給出跳頻信號的頻率、帶寬、幅度、出現時間和持續時間等參數，為網臺分選提供數據支持。

2.2.2 基本原理

當突發/跳頻信號沒有出現時，譜線幅度較低，低于門限；當突發/跳頻信號出現時，譜線幅度較高，高于門限。這正是檢測突發/跳頻信號的基本原理。

本算法分為3部分：估計門限、譜線信息更新和信號檢測。這3部分在算法中的位置如圖6所示。當選擇自動門限時，需要估計門限；當選擇手動門限時，則不需要估計門限。譜線信息是一組記錄每根譜線狀態的變量(包括譜線的狀態、譜線信號的出現時間、消失時間和幅度等)，算法利用每次得到頻譜更新譜線信息。信號檢測部分不是直接根據頻譜檢測信號，而是根據譜線信息檢測信號。

這些譜線信息都可以利用連續的瞬時譜計算出來。為了提高計算速度，在實現中利用短時最大保持譜、短時最小保持譜和瞬時譜聯合計算譜線信息。

圖6 跳頻信號檢測實現框圖

2.2.3 信號檢測

對于突發/跳頻信號，算法是在信號從存在到消失轉變的時刻進行檢測的。一個剛剛消失的突發/跳頻信號，其特征是在有信號時，信號左邊和右邊的譜線都沒有信號存在，信號帶內的譜線有信號存在，但是在信號消失當前時刻沒有信號存在。算法正是依據這一特征檢測突發/跳頻信號。

算法在突發/跳頻信號的頻率估計方面做了改進。常規方法是根據門限確定信號的左、右邊界，左、右邊界的中間位置即信號頻率。這種方法有3個缺點：

① 在信號出現和消失時，突發/跳頻信號的頻譜容易發生畸變，導致測頻的誤差變大；

② 瞬時頻譜不夠平滑，用于測頻誤差較大；短時最大保持譜和短時平均譜較為平滑，但是對于持續時間較短的突發/跳頻信號，測頻的次數較少；

③ 受限于頻率分辨率。

為了提高頻率估計的精度，本算法在記錄譜線信息時有一個變量HN(i)是記錄譜線超過門限的次數。算法假定信號的頻譜關于中心頻率對稱，那么信號帶內的HN(i)關于中心頻率應該也是對稱的。根據這一假設，算法用如下方式計算中心頻率。

假設信號帶內有N根譜線，最左邊譜線的位置為a，最右邊譜線的位置為b，那么所有譜線超過門限的次數總和可以記為

3 仿真分析

本算法的頻率估計精度高，可以突破頻率分辨率的限制。

仿真條件：以某電臺跳頻信號為測試對象，該電臺信號的頻率間隔為50 kHz，FFT的頻率分辨率為22.5 kHz，調制樣式為BPSK，數據傳輸速度35 Byte/s。針對不同信噪比下的信號檢測正確率和檢測虛警率同常規的雙滑動窗算法進行對比仿真分析，如圖7所示。

(a)信號檢測正確率

(b)信號檢測虛警率

從圖7可以看出，2種算法的正確檢測率都隨信噪比的增加而增加。在信噪比為-2 dB時，提出的算法已經達到100%的檢測率，而常規算法需要信噪比為2 dB時才能達到同樣的性能。本文提出的算法之所以在如此低信噪比下還能達到優良的性能，首先是因為通過譜處理算法具有信號累積的作用。本文算法虛警率很低，在信噪比為-5 dB時，虛警率仍不到5%，說明本文算法可以很好地適應寬帶信號的檢測。

圖8給出了對某電臺信號頻率估計效果圖。該電臺信號的頻率間隔為50 kHz，FFT的頻率分辨率為22.5 kHz，圖中*代表估計頻率，橫線代表準確頻率，可以看出估計頻率集中在準確頻率附近并且相鄰頻率信號的頻率估計可以明顯區分出來。

圖8 估計效果圖

4 結束語

本文提出的基于一維譜數據和二維時頻的信號寬帶盲檢測技術，利用寬帶數據的一維譜數據通過最小保持譜、最大保持譜以及最大最小差分譜線的處理實現定頻和突發信號的檢測與參數估計，同時，利用時頻二維數據預處理，自適應估計檢測門限，通過譜線信息的實時更新，有效地解決了跳頻突發信號的檢測和參數估計，最后通過數據的仿真對比分析，驗證了該技術的有效性。