基于自編碼器和直接序列擴頻的端到端無線通信技術研究

陸 瑞，江 漢，任江飛

（陸軍工程大學，江蘇南京 210000）

0 引 言

深度學習作為人工智能、機器學習的新領域，目的是讓機器能夠像人腦一樣學習從而更接近人工智能。隨著深度學習廣泛發展，無線通信領域的專家希望應用深度學習在提高數據傳輸速率及傳輸可靠性的基礎上實現智能通信[1]。基于深度學習的無線通信物理層技術研究正逐步開展并取得了較好成果，如將深度學習應用于信號調制識別[2-3]、信道譯碼[4]、OFDM 信號處理[5-6]、MIMO 通信[7-8]、無線通信安全[9]等，但上述應用多是將深度學習用于單獨優化無線通信系統某一子模塊或聯合優化部分子模塊，且各個子模塊的最佳性能通常是在某一指定環境或者理論條件下仿真得到，在實際應用中并不符合真實信道情況，“模塊化”理念指導下的無線通信系統只是實現了“局部優化”，并未在整體性能上實現“全局優化”。

文獻[10]使用自編碼器替代傳統無線通信系統，并采用數據驅動方式開展端到端訓練、驗證、測試，仿真結果表明，其塊誤碼率性能優于傳統BPSK 無線通信系統并具備一定的信道編碼增益，實現了無線通信系統整體性能的“全局優化”。此文獻為設計基于深度學習的端到端無線通信系統提供了思路，但也存在以下問題：如若輸入數據維度增加將導致網絡參數及訓練量增加；系統如何應用高階調制以提高無線傳輸有效性；系統如何提高無線傳輸可靠性并應對未知信道下的干擾信號等。文獻[11]采用卷積神經網絡降低系統維度和訓練量；文獻[12]利用差分編碼提高傳輸可靠性，但未針對干擾信號進行研究。

擴頻最初用于軍事通信抵抗擾碼或發送低功率信號進行隱藏，使非目標監聽者難以檢測發送信號[13]，現也用于商業領域，如數字蜂窩通信、局間無線通信。擴頻包括直接序列擴頻、跳頻、寬帶線性調頻等方式，具有頻譜利用率高、抗干擾性強、隱蔽性好、抗多徑干擾等優點，在軍事通信、移動通信、衛星通信、測距定位等領域得到了廣泛應用。

受文獻[10]、文獻[12]和擴頻啟發，本文基于自編碼器和直接序列擴頻，設計實現了一種無線擴頻通信系統，實現了較好的塊誤碼率性能和抗干擾性能。

1 無線擴頻自編碼器

1.1 自編碼器與無線通信

自編碼器是一種基于無監督學習方式學習輸入數據并進行高效表示的人工神經網絡[14]，由編碼器（Encoder）和譯碼器（Decoder）組成，其通過訓練可使重建數據與原始數據差異最小，常用于降維及特征檢測。

式中：x為原始數據；x*為重建數據；L為損失函數期望。L越小，則數據重建越準確。

無線通信系統的主要任務是盡可能準確地恢復發送信號，這與自編碼器功能高度一致，如圖1、圖2 所示，可把無線通信系統替換為一個自編碼器，通過端到端訓練聯合學習信道編碼、星座映射、信號調制等傳統無線通信系統子模塊功能，實現傳輸信息有效還原。

圖1 傳統無線通信系統

圖2 基于自編碼器的新型無線通信系統

1.2 直接序列擴頻

擴頻常用直接序列擴頻，即在發送端使用PN 碼將攜帶信息的基帶信號擴展成寬帶信號以便在信道中傳輸，在接收端將接收信號與PN 碼的同步復本信號相乘得到解擴的窄帶信號，同時展寬干擾信號帶寬。根據香農信息論公式，可將干擾信號功率降低s倍（s為擴頻因子）。PN 碼自相關性強、互相關性弱，通常包括m 序列、gold 序列、walsh 序列，擴頻信號通常使用BPSK、QPSK 調制方式。

1.3 系統模型

基于自編碼器和直接序列擴頻設計實現的端到端無線通信系統，即無線擴頻自編碼器，如圖3 所示，其由Transmitter（發射機，對應Encoder）、Channel、Receiver（接收機，對應Decoder）組成，并用AEDS()n,k,s,f表示，源于自編碼器（Autoencoder）和直接序列擴頻（DSSS）。其中：n為Transmitter 發射信號所用實數信道規模；k為系統輸入符號所含比特數；s為擴頻因子；f表示擴頻時IQ 通道是否使用相同m 序列。

圖3 AEDS 系統模型

Transmitter 基于深度神經網絡學習并實現傳統無線通信系統信道編碼、星座映射、擴頻等功能，步驟如下：

1）將k個比特映射為符號S（S∈{1,2,…,M}，M= 2k），并經One-Hot 編碼后作為系統輸入；

2）經全連接層（Fully Connected Layer）、上采樣層（Upsamples Layer）、擴頻層（Spread Layer），將One-Hot編碼序列轉換為長度為n的實數擴頻信號；

3）將實數擴頻信號經歸一化層（Normalization Layer）約束并轉換為復數基帶信號xc。在直接序列擴頻時，第二個全連接層輸出數據經上采樣層后數據維度由n s變為n，后經擴頻層處理，即將上采樣層輸出數據與m 序列相乘、IQ 交織，以實現符號速率提高、頻譜擴展，實現過程如圖4 所示。

圖4 上采樣層與擴頻層實現過程

從信道編碼角度來看，Transmitter 將包含k個比特的符號S編碼為長度為n的實數信道數據，故可將R=k n定義為系統編碼速率。從信號調制角度來看，n個實數信道數據以IQ 交織方式組成復數基帶信號xc，則xc包含n2 個基帶信號符號，每個符號包含2 bit，可認為是QPSK 調制。

Channel 在AWGN 上增加干擾信號，用于損害發射信號xc，損害后的信號用yc表示。干擾信號根據其目的、行為可分為主動式干擾信號和被動式干擾信號。前者是以破壞或擾亂敵方通信系統信息傳輸過程為目的；后者可以是其他用戶的通信信號、雷達信號、噪聲等。上述干擾信號都可對AEDS 通信質量造成一定影響。結合系統模型、擴頻信號常用調制方式，干擾信號也可是QPSK 調制信號，但其信號參數可與AEDS 中的擴頻信號不同。

Receiver 逆向實現Transmitter 部分功能，最終由Softmax Layer、Classification Layer 重建一個概率型序列并還原發送符號。

2 性能分析

2.1 AEDS 塊誤碼率性能

以AEDS（42，4，7，0）在訓練信噪比11 dB 下訓練并在AWGN信道下測試為例，結果如圖5所示。

圖5 AEDS（42，4，7，0）塊誤碼率

參考Uncoded QPSK（6，6）和Uncoded QPSK（42，42）無線通信系統，在相同塊誤碼率（BLER）下，AEDS（42，4，7，0）對信噪比的要求優于前者1 dB 并遠優于后者。若將AEDS（42，4，7，0）視作“黑盒”，在相同k值下，其BLER遠小于Uncoded 16PSK、Uncoded 16QAM，這得益于AEDS對系統性能的“整體優化”。AEDS（42，4，7，0）學習得到的發射信號星座如圖6 所示，共包含16 種。

圖6 AEDS（42，4，7，0）學習得到的星座圖

2.2 信道規模對AEDS 性能的影響

以AEDS（14，2，7，0）、AEDS（28，4，7，0）、AEDS（56，8，7，0），在R= 1 7、訓練信噪比11 dB 下訓練并在AWGN信道下測試為例，仿真結果如圖7 所示。在相同BLER下，AEDS（14，2，7，0）接近Uncoded QPSK（2，2）無線通信系統，前者對信噪比的要求不超過0.5 dB，此與文獻[10]中未經擴頻的無線自編碼器性能仿真結果相近，且前者性能遠優于Uncoded QPSK（14，14）無線通信系統，可知AEDS 塊誤碼率性能未因擴頻致信道規模增加而降低。AEDS（28，4，7，0）、AEDS（56，8，7，0）性能均優于各自等同擴頻前/后信道規模的Uncoded QPSK 無線通信系統，這得益于上采樣層、擴頻層對信號的線性操作，以及深度神經網絡在信號特征獲取、系統性能“整體優化”上的作用。

2.3 編碼速率對AEDS 性能的影響

以AEDS（28，4，7，0）、AEDS（42，4，7，0）、AEDS（56，4，7，0）在訓練信噪比11 dB、k= 4 下訓練并在AWGN 信道下測試為例，仿真結果如圖8所示。AEDS塊誤碼率性能優于等同擴頻前/后信道規模的Uncoded QPSK 無線通信系統，同時隨著編碼速率降低（三者分別為4/28、4/42、4/56），BLER 也逐步降低，可知信道規模越大、編碼速率越小，AEDS 感知信道狀態與提取信號特征能力越強，還原發送符號的準確率越高。

圖8 編碼速率與AEDS 塊誤碼率

2.4 訓練信噪比對AEDS 性能的影響

以AEDS（42，4，7，0）在訓練信噪比3～17 dB 下訓練并在AWGN 信道下測試為例，并對比兩個Uncoded QPSK 無線通信系統BLER 性能，仿真結果如圖9 所示。

圖9 訓練信噪比與AEDS 塊誤碼率

在相同測試信噪比下，隨著訓練信噪比提高，BLER呈現“下降-增加-穩定”，下降是因訓練信噪比提高致AEDS 還原發送符號能力增強導致；BLER 在訓練信噪比13 dB 后增加并最終穩定，是因具有相同網絡結構與超參數的AEDS 在面對由低至高變化的訓練信噪比時，未能調整網絡參數以致訓練進入“鞍點”，此情況在文獻[10]中也可得到印證。

2.5 m 序列對AEDS 性能的影響

以AEDS（n，k，7，1）、AEDS（n，k，7，0）在訓練信噪比11 dB、R= 1 7、s= 7 下訓練并在AWGN 信道下測試為例，仿真結果如圖10 所示。

其中AEDS（n，k，7，0）基帶信號IQ 通道均使用多項式為x3+x2+ 1 的m 序列，AEDS（n，k，7，1）基帶信號I 通道使用x3+x2+ 1，Q 通道使用x4+x2+x+ 1。在k、n、s相同的情況下，6 類AEDS 塊誤碼率類內各自接近但類外相互分離，可見IQ 通道所用m 序列是否相同對系統性能無較大影響，此由m序列具有偽隨機正交特性所致。

2.6 干擾信號對AEDS 性能的影響

基于擴頻抗干擾、抗衰落等優點，本節對AEDS 抗干擾能力進行仿真。仿真時使用AEDS（42，4，7，0）、AEU（42，4，7）（相對AEDS 無擴頻解擴層，U表示Upsamples），以后者Transmitter 輸出基帶信號（假設采樣率為21 kHz，碼元速率為3 kBd，QPSK 調制）為參考樣本，設計4 種在現實無線電環境中普遍存在的QPSK 干擾信號，即同頻同規格干擾（參數同樣本）、異頻同規格干擾（頻偏1 kHz）、同頻異規格干擾（碼元速率2.1 kBd）、異頻異規格干擾（頻偏1 kHz，碼元速率2.1 kBd）。將AEDS、AEU 各自Transmitter 輸出信號分別通過帶有上述干擾信號的AWGN 信道，并由兩者Receiver 接收、還原符號。以AEDS（42，4，7，0）、AEU（42，4，7）在訓練信噪比11 dB 下訓練并在AWGN、干擾信號信道下測試為例，結果如圖11 所示，圖11a）～圖11d）分別為4 種干擾信號下的仿真結果。隨著干擾信號幅度增加，AEDS、AEU 塊誤碼率性能均下降，但在相同干擾信號幅度下，AEDS 塊誤碼率性能優于AEU 兩個10-1量級以上，可見AEDS 相對AEU 具有一定的抗干擾能力，這得益于擴頻抗干擾優點。

圖11 干擾信號與AEDS 塊誤碼率

3 結 語

本文基于自編碼器和直接序列擴頻設計實現了一種無線擴頻通信系統。仿真結果表明，該系統面向多種超參數具有較好的塊誤碼率性能，且基于直接序列擴頻，面向多種規格干擾信號具有較強的抗干擾能力。