基于擴頻通信的智能家居指令干擾抑制研究

安 娜， 雷思琛

(1.陜西科技大學鎬京學院，陜西 西安 712046;2.西安理工大學自動化與信息工程學院，陜西 西安 710048)

1 引言

伴隨網絡技術的進步，智能家居的網絡拓撲與數據規模越來越龐大，已經突破傳統意義上的概念，并衍生出更多功能與服務[1]。現代智能家居網絡的節點存在通信協議差異[2]，并非標準的WSN網絡。網絡中的各種設備通過ISM頻段進行指令信號傳輸，網絡環境和家居環境復雜多變，很容易發生多徑傳輸與指令干擾等情況[3]。現實應用需要實現一定規模的數據傳輸能力，并對指令信號做出及時響應。但在很多場合下，智能家居網絡由于缺乏統一的調度管理，指令信號傳輸很可能遭遇沖突與重傳，嚴重甚至會導致指令失效。文獻[4]設計了適用于智能家居網絡的CS-TDMA機制。該方案在訪問控制過程中，注重事件響應和吞吐性能，缺乏對指令干擾的本質考慮。文獻[5]針對多徑問題設計了濾波器，并通過擴頻通信優化譜特征。該方法主要針對信道模型均衡的優化，雖然也考慮了多徑干擾，但是缺乏噪聲和源信號的分離。文獻[6]設計了均衡器來消除多址干擾，并采取擴頻方式實現信號調制。該方法在WSN通信測試中獲得了良好的系統均衡性與誤碼率，但是沒有在智能家居非典型WSN網絡場景下進行過性能測試。目前很多關于指令傳輸干擾抑制的方法都是基于WSN應用[7]，真正針對于智能家居的寥寥無幾。實際應用場合中，智能家居網絡與WSN網絡存在差異，所以，本文針對智能家居網絡，提出并設計基于擴頻通信的指令干擾抑制方法。首先構建指令信道模型，通過模型分析可以獲取指令傳輸時網絡的IO參數，有利于信道均衡與多徑串擾的控制。然后構建源信號反推模型，利用球化正交迭代估測出混合信號組成，最后通過擴頻技術，設計濾波器和位判決器來實現多址干擾的過濾，從而改善智能家居通信性能，減少誤碼率和丟包率。

2 指令信道模型

根據指令信道模型，能夠更好的掌握網絡信號IO特征。對于智能家居網絡而言，它是一個復雜的MIMO系統，受帶寬和距離的限制，信道會產生時空變化，形成多徑傳輸情況。智能家居網絡信號傳輸時，由于時延的差異，參與信號處理的節點陣列會存在相應差異。假定網絡中任意節點包含的陣元數量為N，N為偶數，且形成的徑向距離是l。則在多徑傳輸的情況下，智能家居網絡的指令信號接收模型描述如下

(1)

(2)

其中si(t)為多徑產生的傳輸損耗；T為線性調頻周期。對于多徑輸入分量i，其反轉沖擊響應描述如下

(3)

其中M表示多徑輸入的分量總數。在智能家居網絡通信過程中，指令傳輸在對信道采取適應性處理時會產生相應的時間延遲，于是其信道模型可以描述如下

(4)

f表示調制頻率；sm(t)與dm(t)分別表示在路徑m中的損耗與時延。多徑傳輸時，因為在每條路徑上消耗的時間與能量都存在區別，所以一定會存在串擾與衰減。對于任意的脈沖信號，在經過多徑傳輸后，其載頻分量可以描述如下

c(j)=cai(j)di(j)+n(j)

(5)

di(j)表示路徑i上的時延；cai(j)表示時延di(j)對應的脈沖載波；n(j)表示串擾。

接收節點在接收到指令信號后采取解碼操作，從而確定傳輸指令。此過程對應的輸出沖擊響應描述如下

y(t)=x(t)ej2πft

(6)

由于指令信號符合直達波分布，因此利用輸出響應可以對指令特征進行推導。為了更好的區分頻譜特征，引入分辨因子，得到指令特征分布如下

(7)

q即為分辨因子；Fy(·)是指令頻譜特征。通過頻譜特征分解，可以得到采樣輸出如下：

(8)

δ2為輸出統計的峰值。通過前述指令傳輸信道模型，可以計算得到任何智能家居網絡中發射節點與接收節點的多徑參數、指令傳輸衰減，以及指令特征提取，從而有利于多徑傳輸干擾的分析與抑制。

3 源信號反推模型

x(t)=Hs(t)+Z(t)

(9)

s′(t)=Gx(t)

(10)

s′(t)即為s(t)的推測值；G為b×a維的反推矩陣。為了反向估計源信號，在求解反推矩陣G時采取球化正交，該過程包括兩個步驟。第一步是球化處理，就是搜索得到某矩陣A，使得x′(t)=Ax(t)所有分量間滿足σ=1，同時保持非關聯。基于自然梯度，矩陣A的搜索更新如下

A(k+1)=A(k)-Lk[x′(t)x′(t)T-I]A(k)

(11)

Lk代表搜索步長；I代表單位矩陣。

第二步是正交處理，就是搜索得出某正交矩陣B，使得s′(t)=Bx′(t)所有分量間滿足σ2=1。同時保持非關聯。基于最大化準則，矩陣B的搜索計算描述為

B(k+1)=B(k)-Lk[f′(s′(k))s′(k)T-

s′(k)f′(s(k))]A(k)

(12)

通過球化正交迭代計算不斷更新矩陣A和B，同時根據G=AB更新反推矩陣。

4 基于擴頻通信的指令干擾抑制

當智能家居網絡的信道存在波動，且這種波動較為緩慢時，多徑傳輸的n組指令信號可視作2n-1組同步信號。此時基于擴頻技術的接收信號可描述如下

(13)

ui(t)表示接收第i組指令信號的幅值；di(t)表示位數；SPi(t)表示擴頻碼。根據期望信號的關聯性設計指令信號匹配濾波器如下

(14)

(15)

(16)

判決誤差對應的協方差計算如下

α=E{(d′-d)(d′-d)W}

(17)

(18)

智能家居網絡通信的指令信號在傳輸過程中，主要受信道噪聲和互關聯干擾，通過反推和擴頻技術處理后，能夠對接收信號中的關聯成分和噪聲成分進行有效提取抑制，并優化比特決策誤差。

5 仿真與結果分析

基于MATLAB2014平臺搭建智能家居網絡系統，驗證通信指令干擾抑制方法的性能。仿真環境參數配置如表1所示。本文在實現擴頻通信時，采用QPSK調制，擴頻比為16。

表1 實驗參數給定

圖1為實驗模型對應的指令輸入信號。針對指令輸入信號，采用本文所提的信道模型與擴頻通信，過濾采樣源信號中的噪聲，提取指令頻譜特征，得到圖2所示的調制輸出波形。可以看出，頻率在410Hz與705Hz附近時，調制輸出出現了顯著幅度峰值，其余頻率幅度值很小。這表明經過擴頻之后，獲得了更好的頻譜分辨效果。

圖1 指令信號

圖2 調制輸出波形

在智能家居網絡中，輸入信號由于存在復雜的指令干擾，使得系統調度分配產生混亂。合理有效的指令干擾抑制方法會改善信號間的耦合性，增強信號的辨識效果。為了測試方法在指令干擾抑制時對系統均衡效果的影響，通過仿真得到信號星座圖，利用信號星座圖來描述通信信道的均衡性。同時，采用文獻[6]方法作為對比，結果如圖3所示。

圖3 信道均衡效果對比

從圖1可以看出，文獻[6]方法已經能夠較好的分離信號，星座圖中呈現較為明顯的信號簇。經過(2)與(1)圖的對比可以發現，本文方法的星座圖更加清晰且集中，不存在信號間的糾纏，輸入信號能夠被有效分離，獨立傳輸，信道均衡效果得到明顯提升。均衡效果的改變也說明了方法對多徑與碼間干擾的有效抑制，增強了信號的分辨能力。

指令干擾會導致接收節點丟包，為了衡量基于擴頻通信的指令干擾抑制方法性能，采用丟包率(PDR)進行性能評價。PDR表示未通過校驗的報文與總報文的比值，據此關系可知，PDR值越小，表示方法的抗干擾效果越好。

仿真過程中，通過引入持續攻擊來模擬指令干擾，得到PDR曲線如圖4所示。0～80s和260～350s兩個時間段不存在干擾，可以看出兩種方法的PDR值均低于5%，且相差較小。80～260s之間加入持續攻擊，由于指令干擾的增強，使得文獻[6]方法的PDR受到嚴重影響，上升至37%左右，而本文方法上升至15%左右，雖然較之前上升了約11%，但是仍然表現出良好的抗干擾性能。

圖4 PDR曲線對比

通過控制信噪比，模擬不同程度指令干擾情況下的誤碼率(BER)，BER描述的是信號錯誤比特數的占比，BER越小，表示信號接收發生錯誤越少。仿真得到BER曲線如圖5所示。對比可以發現，任意信噪比情況下，本文方法的BER值更小。且在信噪比增加過程中，本文方法的BER值下降速度更快。說明較文獻[6]方法指令的抗干擾性能得到明顯提升。

圖5 BER曲線對比

6 結束語

針對智能家居通信系統存在的指令干擾問題，本文建立指令傳輸信道模型，計算得到發射節點與接收節點的指令傳輸衰減特征，有利于多徑傳輸干擾的分析與抑制。針對節點接收到的混合信號，通過反推模型估測源信號。引入擴頻技術建立接收信號模型，并設計匹配濾波器過濾信道噪聲和互關聯干擾。仿真結果表明，優化后的信道模型能夠對接收信號中的源信號進行準確分離，引入擴頻通信技術后有效抑制智能家居通信中的指令干擾，并且提高通信系統的均衡能力。