基于卷積神經(jīng)網(wǎng)絡(luò)的空間導(dǎo)航信號(hào)抗干擾處理技術(shù)

王春霞，劉新芳

(閩南科技學(xué)院 光電信息學(xué)院，福建 泉州 362332)

0 引言

衛(wèi)星導(dǎo)航綜合了傳統(tǒng)導(dǎo)航系統(tǒng)的優(yōu)點(diǎn),真正實(shí)現(xiàn)了各種天氣條件下全球高精度被動(dòng)式導(dǎo)航定位,能夠?qū)Φ孛妗⒑Ｑ蟆⒖罩泻涂臻g用戶進(jìn)行導(dǎo)航定位。隨著衛(wèi)星導(dǎo)航精度的不斷提高,對(duì)空間導(dǎo)航信號(hào)的抗干擾性能也提出了更高的要求,在強(qiáng)烈的電磁干擾和環(huán)境干擾背景下,空間導(dǎo)航信號(hào)的傳輸和有效檢測(cè)受到限制,需要構(gòu)建優(yōu)化的空間導(dǎo)航信號(hào)抗干擾模型,通過建立空間導(dǎo)航信號(hào)抗干擾模型,進(jìn)行空間導(dǎo)航信號(hào)的優(yōu)化控制,構(gòu)建空間導(dǎo)航信號(hào)的優(yōu)化采樣和信道均衡控制模型,提高空間導(dǎo)航信號(hào)傳輸系統(tǒng)的優(yōu)化管理能力,相關(guān)的空間導(dǎo)航信號(hào)抗干擾技術(shù)研究受到人們的極大關(guān)注[1]。

空間導(dǎo)航信號(hào)抗干擾設(shè)計(jì)是建立在對(duì)空間導(dǎo)航信號(hào)濾波處理的基礎(chǔ)上,結(jié)合對(duì)空間導(dǎo)航信號(hào)的特征提取和波束控制,進(jìn)行空間導(dǎo)航信號(hào)檢測(cè),提高空間導(dǎo)航信號(hào)的抗干擾能力[2]。文獻(xiàn)[3]方法研究導(dǎo)航信號(hào)頻域干擾抑制方法及其FPGA實(shí)現(xiàn),基于快速傅里葉變換的干擾抑制算法對(duì)頻域干擾抑制方法進(jìn)行了研究。文獻(xiàn)[4]方法研究基于動(dòng)態(tài)聚類的衛(wèi)星導(dǎo)航信號(hào)多波束抗干擾方法,基于k均值聚類算法的動(dòng)態(tài)指向多波束抗干擾方法建立天線陣列進(jìn)行導(dǎo)航信號(hào)多波束抗干擾。但上述方法進(jìn)行空間導(dǎo)航信號(hào)抗干擾處理的輸出信噪比不高,信號(hào)檢測(cè)性能不好。針對(duì)上述問題,本文提出基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的空間導(dǎo)航信號(hào)抗干擾技術(shù)。首先構(gòu)建空間導(dǎo)航信號(hào)的衛(wèi)星傳感采樣模型,對(duì)采集的空間導(dǎo)航信號(hào)進(jìn)行波束聚焦和信號(hào)增強(qiáng)處理,提取空間導(dǎo)航信號(hào)的時(shí)頻相關(guān)性特征量。之后采用CNN濾波器進(jìn)行空間導(dǎo)航信號(hào)的濾波處理,實(shí)現(xiàn)空間導(dǎo)航信號(hào)增強(qiáng)和抗干擾處理。最后進(jìn)行仿真測(cè)試分析,結(jié)果表明了本文方法在提高空間導(dǎo)航信號(hào)抗干擾能力方面具有優(yōu)越性能。

1 空間導(dǎo)航信號(hào)模型及均衡調(diào)度

1.1 空間導(dǎo)航信號(hào)采樣模型

為了實(shí)現(xiàn)基于CNN的空間導(dǎo)航信號(hào)抗干擾處理,需要首先構(gòu)建空間導(dǎo)航信號(hào)的衛(wèi)星傳感采樣模型,對(duì)采集的空間導(dǎo)航信號(hào)進(jìn)行信號(hào)增強(qiáng)和融合濾波,采用陣元誤差穩(wěn)健性分析的方法,得到空間導(dǎo)航信號(hào)分布模型[5],采用待檢測(cè)單元統(tǒng)計(jì)特性分析方法,得到空間導(dǎo)航信號(hào)的頻譜寬度ν(t,θ):

(1)

式中:*表示復(fù)共軛算子,m為待檢測(cè)單元參數(shù),M為待檢測(cè)單元,t為空間導(dǎo)航信號(hào)頻譜,θ為空間導(dǎo)航信號(hào)寬度,xi為空間導(dǎo)航信號(hào)濾波,wi為采樣導(dǎo)航信息值。

采用空時(shí)自適應(yīng)處理處理的方法,建立空間導(dǎo)航信號(hào)的衛(wèi)星傳感器采集模型,得到傳感器基陣為:

(2)

式中:H表示歸一化多普勒頻率分布的復(fù)共軛轉(zhuǎn)置,x(t)和ω(θ)分別為空間導(dǎo)航信號(hào)的天線安裝角的偏差和相位角。在陣面軸向方向,得到空間導(dǎo)航信號(hào)的模糊函數(shù)w(t),可以表示為:

w(t)=[x(t)]T-[ω(θ)]T,

(3)

式中:T為模糊參數(shù)。

在先驗(yàn)分布出現(xiàn)偏差時(shí),通過多維陣列參數(shù)融合的方法,得到衛(wèi)星接收的回波信號(hào)的時(shí)延尺度為:

τ0(θ)=Δsinθ-c,

(4)

式中:c為方位角和距離變化的聯(lián)合估計(jì)參數(shù),Δ為信號(hào)增量。

考慮距離模糊的影響,得到空間導(dǎo)航信號(hào)的時(shí)頻項(xiàng)[6]。信號(hào)中的孔徑損失是因?yàn)榘l(fā)射信號(hào)時(shí)發(fā)射陣元與接收信號(hào)時(shí)接收陣元的方位向天線方向圖存在間隔,在近距離處會(huì)導(dǎo)致收發(fā)陣元的波束不能完全重疊,從而使有效合成孔徑長度減小,造成合成孔徑的損失。陣元誤差是陣元的位置出現(xiàn)偏差現(xiàn)象,對(duì)此,針對(duì)孔徑損失以及陣元誤差進(jìn)行聯(lián)合調(diào)節(jié),以此得到空間導(dǎo)航信號(hào)的非平穩(wěn)時(shí)間序列模型為:

(5)

式中:ci(n)和ui(n)為空間導(dǎo)航信號(hào)的平穩(wěn)序列下的相位角和偏差角,j為孔徑損失序列,n為誤差控制參數(shù),p為孔徑損失參數(shù)值,q為陣元誤差參數(shù),k為陣元誤差序列,Φij為導(dǎo)航距離范圍取值,Θik為模糊時(shí)頻值。

根據(jù)俯仰空域?qū)蚴噶空{(diào)節(jié)模型,得到空間導(dǎo)航信號(hào)的非平穩(wěn)時(shí)間序列輸出為:

(6)

(7)

式中:gM為導(dǎo)航信號(hào)輸出值,(θi)si為信號(hào)陣列參數(shù)。

通過上述對(duì)空間信號(hào)模型構(gòu)建,得到空間導(dǎo)航信號(hào)的采樣模型如圖1所示。

圖1 空間導(dǎo)航信號(hào)的采樣模型Fig.1 Sampling model of space navigation signal

由圖1可以看出,本文方法采用主星進(jìn)行離散信號(hào)的發(fā)送,利于從星對(duì)信號(hào)進(jìn)行接收,實(shí)現(xiàn)空間導(dǎo)航信號(hào)的采樣。

1.2 導(dǎo)航信號(hào)傳輸?shù)牡乳g隔均衡調(diào)度

在上述構(gòu)建了衛(wèi)星傳感采樣模型的基礎(chǔ)上,進(jìn)行空間導(dǎo)航信號(hào)的多維空間參數(shù)識(shí)別[7]。在二維平面(m,n)上進(jìn)行空間導(dǎo)航信號(hào)的信道均衡調(diào)度,建立空間導(dǎo)航信號(hào)的陣元誤差補(bǔ)償模型,采用離散采樣和自適應(yīng)均衡調(diào)度的方法,進(jìn)行空間導(dǎo)航信號(hào)的模糊優(yōu)化控制[8],基于最小二乘準(zhǔn)則的方法,得到空間導(dǎo)航信號(hào)的奇異值分布為:

(8)

式中:xk為導(dǎo)航信號(hào)的半數(shù)均衡數(shù)值,yk為導(dǎo)航信號(hào)的調(diào)度參數(shù)。

當(dāng)ωk滿足n個(gè)空間導(dǎo)航信號(hào)的輸出穩(wěn)態(tài)特征分布集時(shí),信號(hào)表示為:

(9)

式中:θk為離散誤差值。考慮陣元脈沖域的時(shí)間間隔固定。

采用代價(jià)函數(shù)g(x,y)作為空間導(dǎo)航信號(hào)的陣元誤差調(diào)節(jié)函數(shù),得到空間導(dǎo)航信號(hào)的奇異特征分解模型為:

(10)

式中:Tk為特征向量函數(shù)值。

利用陣元脈沖域的模糊辨識(shí)參數(shù)模型,設(shè)定導(dǎo)航信號(hào)傳輸?shù)牡乳g隔均衡調(diào)度的步長為:

(11)

式中:λ為間隔模糊辨識(shí)度。

根據(jù)上述分析,對(duì)導(dǎo)航信號(hào)傳輸進(jìn)行等間隔均衡調(diào)度,在此基礎(chǔ)上實(shí)現(xiàn)衛(wèi)星的抗干擾處理并進(jìn)行優(yōu)化。

2 衛(wèi)星導(dǎo)航信號(hào)抗干擾處理優(yōu)化

CNN是一種前饋神經(jīng)網(wǎng)絡(luò),它的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周圍單元,對(duì)于信號(hào)處理有出色表現(xiàn)。基于上述經(jīng)過均衡調(diào)度的信號(hào),對(duì)其進(jìn)行抗干擾處理優(yōu)化,根據(jù)信號(hào)的頻譜特征收斂性進(jìn)行信號(hào)補(bǔ)償和濾波抑制,采用CNN濾波器進(jìn)行空間導(dǎo)航信號(hào)的信號(hào)濾波處理[9],得到空間導(dǎo)航信號(hào)濾波的CNN分類模型為:

(12)

式中:N為濾波參數(shù),j為孔徑損失序列,Cn為信號(hào)補(bǔ)償值。

通過融合聚簇特征分析方法,進(jìn)行空間導(dǎo)航信號(hào)傳輸系統(tǒng)等間隔信息融合和優(yōu)化調(diào)度,建立空間導(dǎo)航信號(hào)的信道容量分析模型[10-11],得到信道容量:

(13)

式中:an為信號(hào)的交叉分布特征量,n為容量參數(shù)。進(jìn)行空間導(dǎo)航信號(hào)抗干擾設(shè)計(jì),得到空間導(dǎo)航信號(hào)的信道參數(shù)分布集為x(k-1),…,x(k-M)[9]。

構(gòu)建空間導(dǎo)航信號(hào)傳輸系統(tǒng)的信道自適應(yīng)聚類參數(shù)分析模型,通過模糊參數(shù)識(shí)別,得到空間導(dǎo)航信號(hào)重建的沖擊函數(shù)為:

(14)

式中:bv為信道自適應(yīng)值,Xv為沖擊向量。

在此基礎(chǔ)上,建立空間導(dǎo)航信號(hào)的雜波抑制模型[12],空間導(dǎo)航信號(hào)的濾波處理過程描述為:

① 隨機(jī)選擇空間導(dǎo)航信號(hào)濾波的初始量Wk。

根據(jù)上述分析,采用模糊信息加權(quán)的方法,得到提取空間導(dǎo)航信號(hào)的隨機(jī)分布譜特征量[15-17],以y(k)y*(k)為最小化的約束函數(shù),*表示復(fù)共軛,采用CNN進(jìn)行信號(hào)濾波增強(qiáng)的優(yōu)化學(xué)習(xí)訓(xùn)練,CNN模型如圖2所示。

圖2 CNN模型Fig.2 CNN model

3 仿真測(cè)試

3.1 信號(hào)測(cè)試實(shí)驗(yàn)

為測(cè)試本文提出的空間導(dǎo)航信號(hào)中的信道時(shí)變特征估計(jì)方法的性能,在Matlab軟件內(nèi),采用本文方法進(jìn)行仿真實(shí)驗(yàn),主要仿真參數(shù)如表1所示。

表1 主要仿真參數(shù)Tab.1 Main simulation parameters

圖3為觀測(cè)數(shù)據(jù),觀測(cè)時(shí)間與采樣頻率分別為100 s和5 120 Hz。

圖3 觀測(cè)數(shù)據(jù)Fig.3 Observed data

3.2 應(yīng)用實(shí)驗(yàn)

設(shè)定空間導(dǎo)航信號(hào)的采樣時(shí)間間隔為1.5 ms,偽碼長度為1 023,偽碼速率為1.023 MHz,空間導(dǎo)航信號(hào)的雜噪比設(shè)為60 dB,干擾信噪比為-12 dB,工作波長為1.3 m,原始的空間導(dǎo)航信號(hào)波形如圖4所示。

圖4 原始的空間導(dǎo)航信號(hào)波形Fig.4 Original space navigation signal waveform

以圖4的空間導(dǎo)航信號(hào)為輸入,進(jìn)行空間導(dǎo)航信號(hào)抗干擾處理,并與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法進(jìn)行對(duì)比,得到抗干擾輸出如圖5所示。

圖5 空間導(dǎo)航信號(hào)抗干擾輸出Fig.5 Anti-jamming output of space navigation signal

分析圖5得知,本文方法能有效實(shí)現(xiàn)空間導(dǎo)航信號(hào)的抗干擾處理,信號(hào)的純度得到提升,而對(duì)比方法的信號(hào)仍具有干擾,說明本文方法抗干擾效果較好。

測(cè)試輸出信噪比,采用蒙特卡羅試驗(yàn),得到對(duì)比結(jié)果如表2所示。

表2 空間導(dǎo)航信號(hào)抗干擾處理后的輸出信噪比Tab.2 Output signal-to-noise ratio of space navigation signal after anti-jamming processing 單位:dB

分析表2可知,本文方法進(jìn)行空間導(dǎo)航信號(hào)抗干擾處理的輸出信噪比較高,而文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的信噪比明顯低于本文方法,說明本文方法能夠有效提升信號(hào)的抗干擾濾波性能。

4 結(jié)束語

構(gòu)建優(yōu)化的空間導(dǎo)航信號(hào)抗干擾模型,通過建立空間導(dǎo)航信號(hào)抗干擾模型,進(jìn)行空間導(dǎo)航信號(hào)的優(yōu)化控制,本文提出基于CNN的空間導(dǎo)航信號(hào)抗干擾技術(shù)。對(duì)采集的空間導(dǎo)航信號(hào)進(jìn)行信號(hào)增強(qiáng)和融合濾波,采用離散采樣和自適應(yīng)均衡調(diào)度的方法,進(jìn)行空間導(dǎo)航信號(hào)的模糊優(yōu)化控制,采用CNN濾波器進(jìn)行空間導(dǎo)航信號(hào)的信號(hào)濾波處理,實(shí)現(xiàn)空間導(dǎo)航信號(hào)增強(qiáng)和抗干攏設(shè)計(jì)。分析得知,本文方法進(jìn)行空間導(dǎo)航信息抗干擾處理的輸出信噪比較高,信號(hào)純度得到提升。