基于神經網絡的ZigBee通信抗干擾的研究

劉盛堯，高淑春，于海霞

（合肥職業技術學院 信息工程與傳媒學院，安徽 合肥 230013）

0 引 言

ZigBee 網絡是一個基于IEEE 802.15.4 規范的通信協議，用于家庭自動化、工業設備控制、醫療數據采集和其他低帶寬需求的無線局域網。隨著物聯網設備以及網絡的普及，設備在物聯網中的部署不斷增加，ZigBee 網絡中出現了與其他網絡之間的干擾問題。

目前很多研究在討論增強ZigBee 的安全性，緩解干擾的解決方法，一般分為避免和共存兩種。文獻研究了ZigBee 網絡在受到無線Wi-Fi 網絡干擾時，單個網絡中的節點通過信道分配來避免干擾。Kho等人提出了一種基于信道跳變的干擾避免方法，來提高 ZigBee 網絡通信的包接受率。Huang等人利用Pareto 模型來預測Wi-Fi 信號的分組間隙，然后去動態的調整ZigBee 數據包的分組長度，在Wi-Fi 分組的間隙發送ZigBee 的分組，使兩個不同網絡數據包相互交替發送，達到共存。張招亮等提出了一種基于干擾強度和活躍比率干擾特征模型的信道分配機制，利用信道分配算法使得環境中所有無線網絡通信質量最優，實現相互共存。但是以上方法多為單一的Wi-Fi 干擾研究，在強干擾時，抗干擾效果還有待改善，以往研究很多通過調整合適的距離，或者頻偏來指導ZigBee 網絡的部署，但這在宿舍，家庭等人們居住的生活場景下不太適用。

本文，為了在干擾信號的情況下解碼ZigBee 信號，提出了一種基于學習的干擾抑制方法，該方法在物理層使用神經網絡，此神經網絡作為一個線性空間濾波器來抑制干擾，而不需要對干擾有任何了解。需要解決的是如何訓練神經網絡，使其能夠實時解碼數據包。為了解決這一問題，采用了一個小型的沒有隱藏層的神經網絡，并利用內在關系對其進行了優化。

1 問題描述

ZigBee 無線個域網絡的構成，一般由一個ZigBee 網關服務于一個或多個ZigBee 設備，在這個網絡中有一些其他的無線信號形成了干擾源，干擾了ZigBee 的無線通信，對這些干擾源有以下假設：

（1）ZigBee 的接收設備不知道干擾信號的帶寬、波形和幀格式；

（2）干擾信號的帶寬可以大于、等于或小于ZigBee 信號的帶寬；

（3）干擾信號的波形可能會隨時間變化。

對于這些干擾信號，其目標是確保ZigBee 設備的無線通信不受無線電干擾攻擊，本文設計了一種神經網絡過濾干擾信號，在存在未知干擾的情況下解碼數據包，而不需要任何干擾知識。

2 基于神經網絡學習的干擾緩解方法

2.1 ZigBee 物理層規范

ZigBee 是基于IEEE 802.15.4 標準的，工作在免許可的2.4 ～2.483 5 GHz（全球），902 ～928 MHz（北美和澳大利亞），868 ～868.6 MHz（歐洲）頻段.我國使用2.4 GHz頻段，段內分配了16 個信道，每個信道使用2 MHz 帶寬每個信道間隔5 MHz。無線電使用直接序列擴頻編碼（DSSS）以及偏移正交相移鍵控調制（O-QPSK），如圖1所示為2.4 GHz 調制和擴展功能。每4 個bit 流數據映射成一個符號，共2=16 種不同的符號，接著每個符號映射成32 個碼片組成的一個PN 序列。PN 序列中的碼片被看成是半正弦脈沖，并通過O-QPSK 整形后調制到載波上，并分別將下標為奇數的調制到Q 路正交支路上，將下標為偶數的調制到I 路同相支路上。

圖1 2.4 GHz 調制和擴展功能圖

2.2 信號傳輸公式化

如圖2，按照信號處理流程，在傳統的ZigBee 接收機物理框架中設計添加神經網絡，在信號流經過頻偏、相偏補償后送入神經網絡，緩解干擾信號，恢復ZigBee 信號。（ 表示兩個信號流，一個是干擾信號，一個是ZigBee 的有用信號， 表示ZigBee 的有用信號）

圖2 ZigBee 接收機在面臨干擾信號時解碼ZigBee 數據包優化圖

由于ZigBee 通常用于短程通信，因此，假設ZigBee 通信的無線電信號在視距和非視距下都是平坦信號。在此假設的基礎上，將干擾緩解問題表述為一個數學問題。(n)∈C為圖1中神經網絡模塊的兩個輸入信號流，其中為ZigBee 幀的樣本數量。(n)∈C為ZigBee 信號，(n)∈C為干擾信號。那么，接收到的信號（）可以表示為：

其中=[]是ZigBee 發射機與接收機之間的信道系數，=[]為干擾設備與ZigBee 接收機之間的信道系數，（）為ZigBee 接收器的噪聲。

2.3 緩解干擾的神經網絡優化

這時，采用一個小型的沒有隱藏層的神經網絡來替代濾波器，實時解碼ZigBee 數據包，神經網絡的輸入向量為ZigBee 信號以及干擾信號（即（）=[（），（）]）的實部和虛部，輸出是ZigBee 有用信號流（即（））的實 部和虛部，用R 和I 表示實部和虛部。

利用網絡權重的內在關系，有：

為了實現實時數據包檢測，提出了一種加速訓練過程的方法。根據（2）式，優化神經網絡權重參數，定義=R()，=I()，=R()，=I()，故上式可以表示為：

其中R()+I()+R()+I ()可映射為輸出信號流實部 R()，I()-R()+I()-R()可映射為輸出信號流虛部I（）。此時僅有四個權重數，訓練次數大大降低。用于緩解干擾信號的神經網絡以及優化的神經網絡如圖3所示。

圖3 緩解干擾信號的神經網絡圖

2.4 神經網絡的權重訓練

ZigBee 物理層幀結構中的前導域共4 個字節（32 bit）。對于這32 bit，每4 個bit 被調制成32 個碼片組成的一個PN 序列。前導域中包含8 個Q/I 路的PN 序列，共256個碼片。故選擇一個總數256×4×2=2 048 個樣本來更新神經網絡的四個權重，根據（3）式，按圖4的模型訓練網絡。其中256 是前導域碼片數，4 為過采樣率，2 為復數的分量數。如圖所示，前1 024 個樣本對應幀前導域中256 個碼片的實部，后1 024 個樣本對應幀前導域中256 個碼片的虛部。

圖4 神經網絡的權重訓練圖

在該算法中，使用反向傳播訓練神經網絡的權重，并將平方誤差作為神經網絡的代價函數。在訓練過程中，使用自適應步長來更新權重。其中，對于圖2中前1 024 個樣本數據集，更新權重為：

3 仿真結果與性能分析

3.1 ZigBee 接收器的性能指標

首先定義一些指標來評估ZigBee 接收器的性能.

干擾信號比ISR：針對ZigBee 接收機在干擾前后接收到的無線電信號，定義ISR 為：

其中，y（）為關閉ZigBee 發射機，ZigBee 接收機接收到的干擾信號，y（）為關閉干擾設備，ZigBee 接收機接收到的ZigBee 信號，N為被測信號采樣數.

包接收率PRR：報文接收率是指解碼成功的包占總發送包數的比例。

3.2 仿真分析

由于僅考慮ZigBee 的前導域，它是ZigBee 信號到達事件檢測的關鍵問題。其他信號干擾前導域即會導致ZigBee樣本存在較大失真。發射的ZigBee 信號的Q/I 路采樣流都由多個正、負半正弦脈沖組成，故通過MATLAB 仿真ZigBee 半正弦脈沖信號模型和ISR 值不同的干擾信號，ISR 從-10 dB 到20 dB，對 MSE 以及PRR 進行相關分析。

圖5為本文提出的神經網絡對不同ISR 值的解碼MSE.可以看出，當ISR 為20 dB 時，MSE 小于3.5%。這意味著即使干擾信號比ZigBee 信號強20 dB，所提出的基于神經網絡學習的方法也可以在零噪聲情況下解碼ZigBee 數據包。表1為使用本文算法以及未使用本文算法傳統接收機對不同ISR 值時的平均包接受率PRR，可以看到，提出的ZigBee 接收器達到了平均98%的PRR，而傳統接收器的平均PRR 僅為49.34%，且在ISR 即干擾信號越大，對包接受率影響越大。

圖5 不同ISR 下的MSE 圖示

表1 包接受率隨JSR 值不同的變化

4 結 論

在本文中，提出了一種無隱藏層的神經網絡解碼有干擾信號的ZigBee 數據包，并用ZigBee 包的幀前導域進行訓練。仿真結果表明，在干擾信號下可以解碼ZigBee 信號，整個傳輸過程沒有出現丟包現象，而且采集到的數據值準確，表明系統具有較好的可靠性和穩定性，對今后ZigBee 接收機的設計有一定的理論意義。