袁夕華
(山東省濰坊市無線電監測站,山東濰坊 261041)
1.1.1 時頻混疊信號模型
無線電信號在復雜環境下,存在這時頻混疊的現象,導致高、低頻信號重合在一起,即使對信號進行再次組合,也無法將高、低頻成分分離開,甚至出現相互取代的現象,導致信號無法被有效地識別。為此,對時頻混疊信號進行研究非常必要,可以提高對該信號的認知程度,有利于無線信源參數估計工作的進行。時頻混疊信號模型如下:
由公式可知,同一頻段內的載頻信號使不同的,這是由于時頻混疊現象所導致的。該信號模型主要是在脈沖噪聲影響下形成的,可以基于BPSK信號對其進行載波估計,對時頻混疊信號進行有效地分析,進而降低噪聲信號對無線電信號的影響[1]。
1.1.2 循環相關熵
無線電信號傳輸過程中會受到脈沖噪聲信號的影響,導致無法對干擾信號進行濾除,無法對無線電信號進行有效地分析。為了有效地解決這一問題,需要將循環相關熵理論應用在其中,用于解決參數估計、目標定位等問題。循環相關熵主要運用了信號的映射機制,保障無線電信號在脈沖噪聲信號的影響下能夠平穩地進行過渡,這樣便可以降低外界干擾對無線電信號的影響,進而提高信號的識別效率。通過循環相關熵可以對噪聲進行抑制,將無線電信號特征最大化地保留,進而保障無線電信號能夠穩定性傳輸。
假設非平穩無線電信號為x(t),則可以將時變相關熵定義為:
將上式進行傅里葉變換后,可以得到循環相關熵函數如下:
1.1.3 時頻混疊信號載頻估計
時頻混疊信號載頻估計方法如下:首先,需要對Vx(t;τ)進行泰勒級數展開,可以得到如下式子:
通過上式可以對BPSK信號循環的平穩性進行分析,使載頻估計過程更加地準確。其次,需要得到二階循環自相關函數,具體表示如下:
最后,對時頻混疊信號載頻進行分析。
1.2.1 信號噪聲模型
噪聲信號的來源往往是未知的,這將會增加噪聲信號定位的難度,為了對噪聲信號進行有效地定位,需要構建信號噪聲模型,對噪聲信號的來源進行評估,使時延估計過程更加地有效,保障估計結果的精準程度。假設接收到的信號分別為x(t)和y(t),則信號噪聲模型表示如下:
x(t)和y(t)為相同信號源通過不同路徑傳輸的信號,采用不同路徑是為了能夠對噪聲進行準確地定位,降低同頻干擾信號對對分析過程的影響。在公式中,D1和D2是待評估的參數,為了使研究過程更加地方便,可以令A1=A2=1,對信號噪聲模型進行簡化,保障分析更加易于實現。
1.2.2 循環相關時延估計
為了對循環相關延時進行估計,需要得到x(t)的循環自相關函數與x(t)、y(t)之間的循環自相關函數,可以分別表示如下:
由上式可知,目標信號與同頻干擾信號的循環頻率不同,這導致噪聲信號不具備平滑過渡的特性,說明噪聲信號對無線電信號的影響較大,需要進一步對其進行分析。為了得到目標信號的循環自相關譜,通過傅里葉變換后可得到下式:
1.2.3 廣義循環熵時延估計
為了降低噪聲對無線電信號的影響,需要進行廣義循環熵時延估計,使時延估計過程更加地準確。廣義循環相關熵是時延估計的重要方法,可以有效地解決脈沖信號同頻干擾問題,使無線信源的參數估計更加地可靠。廣義循環相關熵函數公式如下:
由上式可以對無線電信號的平穩特性進行判斷,對信號的穩定狀態進行評估,使時延分析過程更加可靠。
在脈沖噪聲的影響下,無線電信號的調制識別方式一般分為2種:一種為低階統計量法,另一種為抑制脈沖中野點法。相對來說,后者調制識別的準確度要高一些,為此,需要通過大幅值野點法進行分析,可以得到有界非線性函數公式如下:
上述式子連續性較差,為了使其具有良好的連續性,需要將其轉換為連續可導有界非線性函數,具體公式如下:
MPSK是信號的重要調制方式,可以有效地對相位進行調節,生成不同相位的載波信號。脈沖噪聲下接收信號模型如下:
通過相位調節可以將s(t)變為4類信號,分別為BPSK、QPSK、OQPSK、8PSK,統稱為MPSK信號。若是采用M進制相位調節方式,可以得到s(t)的時域模型如下:
廣義高階積累量需要根據有界非線性函數進行實現,這樣才能對噪聲信號進行有效處理,降低噪聲信號的影響。通過廣義高階積累量可以提高高階矩的處理效率,對隨機信號實現有效的處理,使信號識別分析過程更加準確。廣義高階矩具有良好的收斂特性,這使得廣義高階積累量也具備收斂特性。
假設接受信號為r(n),在脈沖噪聲環境下,廣義k階矩表示如下:
通過上述公式,可以將其按照階級進行展開,以廣義二階積累量展開為例,當k=2時,展開后二階矩式子如下:
GC20=GM20
GC21=GM21
當k=n時,展開后可以得到n階矩式子,將不予以一一列舉。
無線電信號所處環境較為復雜,為了降低外界信號的干擾,通過無線電監測檢測技術,可以準確地對干擾信號進行定位,從根本上消除干擾信號對無線電傳輸的影響,保障無線電能夠順利地傳輸,使其能夠更好地應用在通信領域。