關(guān)于低頻通信信號(hào)檢測(cè)技術(shù)研究

楊水成

摘要：現(xiàn)階段低頻通信信號(hào)技術(shù)在廣泛應(yīng)用在各領(lǐng)域生產(chǎn)經(jīng)營(yíng)建設(shè)中，對(duì)切實(shí)保障信號(hào)傳輸水平具有重要意義。基于此，本文以現(xiàn)有低頻調(diào)制信號(hào)識(shí)別技術(shù)為切入點(diǎn)，提出低頻通信信號(hào)調(diào)制識(shí)別技術(shù)的硬件設(shè)計(jì)要求，以供參考。

關(guān)鍵詞：低頻通信信號(hào);檢測(cè)技術(shù);應(yīng)用要點(diǎn)

前言：隨社會(huì)經(jīng)濟(jì)發(fā)展速度日漸加快，各領(lǐng)域通信量激增。為從根本上提高通信質(zhì)量與效率，無(wú)線通信技術(shù)成為企業(yè)生產(chǎn)經(jīng)營(yíng)建設(shè)重點(diǎn)研究課題。由于信號(hào)調(diào)制樣式進(jìn)一步增多，電磁信號(hào)密集，信道復(fù)雜程度增強(qiáng)。在接收信號(hào)調(diào)制過(guò)程中，許多未知信號(hào)會(huì)夾雜其中，導(dǎo)致時(shí)域出現(xiàn)嚴(yán)重混疊情況。需要在現(xiàn)有基礎(chǔ)上設(shè)計(jì)出能夠?qū)崿F(xiàn)自動(dòng)分離、識(shí)別調(diào)制到接收系統(tǒng)，有效解決通信信號(hào)盲檢測(cè)問(wèn)題。

1、概述低頻通信信號(hào)

低頻主要就是指頻帶處于30～300 kHz到無(wú)線電電波。其波長(zhǎng)范圍最大為10公里，因此也可被稱之為公里波段。低頻通信信號(hào)主要被應(yīng)用在衛(wèi)星導(dǎo)航系統(tǒng)、國(guó)際廣播以及授時(shí)電波計(jì)時(shí)中，部分無(wú)線電頻率識(shí)別標(biāo)簽也會(huì)使用低頻通信信號(hào)。

相較于其他通訊信號(hào)而言，低頻通信信號(hào)發(fā)射天線的高功率數(shù)據(jù)在較大空間，以此數(shù)據(jù)傳輸系統(tǒng)的安全性成為現(xiàn)階段各國(guó)關(guān)注的重點(diǎn)。

2、低頻通信信號(hào)盲源分離技術(shù)

2.1盲源分離概念

盲源分離技術(shù)主要用于解決盲混合信號(hào)中分離出的各獨(dú)立信號(hào)問(wèn)題。從實(shí)質(zhì)角度分析，盲源分離技術(shù)需要在多個(gè)位置同時(shí)設(shè)定檢測(cè)位置，有效解決信號(hào)檢測(cè)難度較大問(wèn)題。

在無(wú)源信號(hào)模型下，應(yīng)當(dāng)建立無(wú)源信號(hào)信息，使用觀測(cè)到的混合信號(hào)，分離出各統(tǒng)計(jì)獨(dú)立源信號(hào)，確保獲取的各源信號(hào)能夠得到最優(yōu)估計(jì)[1]。在盲源分離混合過(guò)程中，需要建立起盲源分離混合模型。要求在實(shí)際工作中注重收集混合矩陣值、觀測(cè)信號(hào)向量、源信號(hào)向量、高斯白噪聲。

2.2盲源分離技術(shù)種類

在盲源分離技術(shù)應(yīng)用過(guò)程中，不同分析角度下的分離問(wèn)題種類也不同。首先，在盲源分離期間需要注重分析各源信號(hào)以及觀測(cè)信號(hào)數(shù)目之間的關(guān)系。在盲源分離定義中，觀測(cè)信號(hào)以及源信號(hào)大小差距不同。在觀測(cè)信號(hào)個(gè)數(shù)大于源信號(hào)個(gè)數(shù)的情況下，屬于超定盲源分離情況。在觀測(cè)信號(hào)個(gè)數(shù)小于源信號(hào)個(gè)數(shù)的情況下，屬于欠定盲源分析[2]。在觀測(cè)信號(hào)個(gè)數(shù)等于源信號(hào)個(gè)數(shù)的情況下，屬于使適定盲源分離。

2.3盲源分離算法性能評(píng)價(jià)指標(biāo)

為從根本上保障盲源算法對(duì)源信號(hào)評(píng)估的準(zhǔn)確性，還需要使用多種評(píng)價(jià)指標(biāo)。

首先，對(duì)源信號(hào)估計(jì)進(jìn)行評(píng)價(jià)。注重評(píng)估盲源分離算法的分離結(jié)果，分析分離結(jié)果與對(duì)應(yīng)源信號(hào)的匹配程度。在分離信號(hào)與源信號(hào)相關(guān)程度值接近1的情況下，估算值更為標(biāo)準(zhǔn)，算法的分離效果也就越好。

其次，對(duì)混合矩陣估計(jì)進(jìn)行評(píng)價(jià)。分析混合矩陣中的角度誤差、廣義串?dāng)_誤差、串音誤差值。

3、低頻通信信號(hào)檢測(cè)欠定盲源分離混合矩陣技術(shù)

低頻通信信號(hào)主要有多種調(diào)制信號(hào)混合而成，混合信號(hào)難以直接識(shí)別，需要在識(shí)別前將各類信號(hào)進(jìn)行分離處理。

配合使用先驗(yàn)信息，分析已有觀測(cè)信號(hào)各源信號(hào)值[3]。相較于正定盲源分離技術(shù)而言，欠定盲源分離混合矩陣技術(shù)的接收器天線數(shù)量較少，需要利用信號(hào)在變化域上求解，恢復(fù)源信號(hào)值。

在欠定盲源分離混合矩陣技術(shù)應(yīng)用過(guò)程中，主要采用K均值聚類法。將涉及到的多個(gè)數(shù)據(jù)集合劃分為若干個(gè)數(shù)據(jù)模糊類，而后依次計(jì)算每個(gè)模糊類的聚類中心，最后使用牛頓迭代法最小化非相似性指數(shù)的目標(biāo)函數(shù)，計(jì)算出欠定盲源分離混合矩陣數(shù)值。配合使用模糊類內(nèi)目標(biāo)函數(shù)、模糊類內(nèi)數(shù)據(jù)點(diǎn)到類距中心距離，對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化處理。在使用K均值聚類化計(jì)算欠定盲源分離混合矩陣技術(shù)過(guò)程中，收斂至特定值終止迭代時(shí)，無(wú)法保證以收斂到最優(yōu)解。算法最終的收斂程度會(huì)直接受到初始記錄中心位置的影響。

在欠定盲源分離混合矩陣技術(shù)計(jì)算過(guò)程中使用 FCM聚類算法，算法流程與K均值聚類算法較為相似。主要就是將數(shù)據(jù)分為若干個(gè)模糊類，計(jì)算出模糊類的聚類中心[4]。關(guān)于實(shí)際劃分工作不需要將樣本劃分成子集，而是每個(gè)樣本需要通過(guò)隸屬度進(jìn)行模糊劃分，確保同類元素相似度最大、不同類元素相似度最小。該種算法在應(yīng)用期間也會(huì)受到聚類中心初始值影響，因此也不可作為迭代結(jié)束時(shí)的全局最優(yōu)解。

現(xiàn)階段欠定盲源分離混合矩陣技術(shù)的應(yīng)用還會(huì)基于角度檢索聚類，開(kāi)展混合矩陣估計(jì)計(jì)算工作，在實(shí)際計(jì)算期間不必將源信號(hào)充分稀疏或者確定源信號(hào)數(shù)量。

首先，確定單源區(qū)間值。由于欠定場(chǎng)景分離依賴的信號(hào)稀疏性較強(qiáng)，在信號(hào)稀疏性顯著的情況下，信號(hào)序列采樣點(diǎn)多取值為0。將該信號(hào)放置在二維散點(diǎn)圖中，觀察信號(hào)經(jīng)變化處理后的狀態(tài)，要對(duì)其進(jìn)行稀疏化處理。

假定欠定盲源分離混合矩陣技術(shù)應(yīng)用條件，混合信號(hào)具有一定的稀疏性。因此在信號(hào)構(gòu)成混合信號(hào)過(guò)程中會(huì)具備線性聚類特征。如果將信號(hào)區(qū)間分段控制在較小范圍之內(nèi)，可以忽視噪聲對(duì)信號(hào)傳輸?shù)挠绊?。傳統(tǒng)欠定盲源分離混合矩陣算法需要首先明確源信號(hào)數(shù)量，并對(duì)源信號(hào)進(jìn)行充分稀疏處理。在不充分稀疏的情況下，應(yīng)當(dāng)直接使用傳統(tǒng)算法對(duì)混合矩陣展開(kāi)估算，因此需要選擇適宜變換形式。

獲取單源區(qū)間以及源信號(hào)個(gè)數(shù)。為從根本上提升欠定盲源分離混合矩陣技術(shù)應(yīng)用水平，還需要對(duì)部分稀疏混合信號(hào)進(jìn)行分離處理，切實(shí)增強(qiáng)估算結(jié)果精準(zhǔn)度。提出一種角度檢索算法，改善傳統(tǒng)聚類算法的不足之處，明確個(gè)源信號(hào)個(gè)數(shù)。注重設(shè)置混合估計(jì)矩陣，明確估計(jì)源信號(hào)數(shù)目、聚類前篩選有效數(shù)據(jù)點(diǎn)。判斷以稀疏化樣本的各樣本點(diǎn)是否接近零值。如接近零值的情況下，需要?jiǎng)h去該點(diǎn)剩余序列部分，對(duì)信號(hào)進(jìn)行稀釋處理。

對(duì)欠定盲源分離混合矩陣技術(shù)進(jìn)行仿真驗(yàn)證，分析混合信號(hào)產(chǎn)生原因。仿真三路源信號(hào)混迭兩路觀測(cè)信號(hào)，并恢復(fù)三路混合信號(hào)以及信號(hào)分離流程，做好信號(hào)稀疏化、信號(hào)源數(shù)量估計(jì)、混合矩陣估計(jì)以及源信號(hào)恢復(fù)等工作。

通過(guò)繪制二維散點(diǎn)圖，衡量變量之間的內(nèi)在關(guān)聯(lián)度，觀察混合信號(hào)的時(shí)域瞬時(shí)情況，在發(fā)現(xiàn)兩混合信號(hào)變值無(wú)明顯關(guān)聯(lián)的情況下，還需要注重觀察兩路頻域幅值的關(guān)聯(lián)度，將數(shù)據(jù)點(diǎn)設(shè)置成直觀的地線狀形態(tài)。

4、低頻通信信號(hào)檢測(cè)硬件設(shè)施

為從根本上增強(qiáng)低頻通信信號(hào)檢測(cè)水平，還需要開(kāi)發(fā)出一種能夠滿足低頻調(diào)頻識(shí)別技術(shù)的硬件設(shè)施。

自動(dòng)識(shí)別技術(shù)主要誕生于20世紀(jì)60年代?，F(xiàn)有自動(dòng)識(shí)別技術(shù)主要分為基于似然函數(shù)的決策理論以及基于特征參數(shù)提取的統(tǒng)計(jì)模式識(shí)別兩種方式。

其中，基于似然函數(shù)的決策理論識(shí)別方式主要包括背靠概率理論、假設(shè)檢驗(yàn)理論有兩種類型。在實(shí)際計(jì)算過(guò)程中，需要著重關(guān)注最小化平均風(fēng)險(xiǎn)函數(shù)最優(yōu)解，將低頻通信信號(hào)的調(diào)制方式轉(zhuǎn)變?yōu)槎嘣僭O(shè)檢驗(yàn)問(wèn)題模型。

信號(hào)預(yù)處理是信號(hào)核心業(yè)務(wù)算法處理的重要環(huán)節(jié)，需要在實(shí)際處理期間做好接收信號(hào)分離、下變頻、信噪比估算等工作。提取特征參數(shù)，做好統(tǒng)計(jì)模式識(shí)別工作。歸納總結(jié)目標(biāo)信號(hào)各信號(hào)、頻域特征值，并構(gòu)造出集內(nèi)以及有分區(qū)度的參數(shù)，完成信號(hào)分區(qū)情況。參數(shù)設(shè)備質(zhì)量可直接影響到系統(tǒng)整體識(shí)別性能。

做好輸入待識(shí)別信號(hào)特征參數(shù)的計(jì)算工作， 并對(duì)信號(hào)類別進(jìn)行明確評(píng)估。似然函數(shù)決策理論識(shí)別方式，具有算法理論直觀、不必采用假設(shè)條件、實(shí)時(shí)性較高等特征。

配合使用能量檢測(cè)方式。信號(hào)加噪音能量大于噪聲信號(hào)，實(shí)際定量判別需引入功率平坦系數(shù)。做好直觀時(shí)域調(diào)查工作，將實(shí)際信道轉(zhuǎn)換轉(zhuǎn)化為加性高斯白信道，待檢測(cè)信號(hào)的高斯白噪聲功率譜密度如下圖所示。

通過(guò)對(duì)信號(hào)功率譜密度的平坦性進(jìn)行定量描述，引入?yún)?shù)值以及信號(hào)功率譜平坦指數(shù)。在信號(hào)功率譜平坦度參數(shù)越大的情況下，信號(hào)的功率譜就越不平坦。

做好后續(xù)能源檢測(cè)各項(xiàng)工作。在輸入待識(shí)別信號(hào)后計(jì)算出功率譜密度值以及功率譜平坦度指數(shù)，對(duì)計(jì)算參數(shù)以及設(shè)定門(mén)限進(jìn)行對(duì)比分析，判斷在信號(hào)中是否存在非噪聲信號(hào)。

總結(jié)：總而言之，低頻通訊信號(hào)檢測(cè)技術(shù)日漸完善。為從根本上提高低頻通信信號(hào)檢測(cè)水平，擴(kuò)大低頻通信信號(hào)檢測(cè)覆蓋面，還需要分析現(xiàn)存與信號(hào)檢測(cè)期間的各類影響因素，不斷優(yōu)化現(xiàn)有低頻通信信號(hào)檢測(cè)系統(tǒng)，配合使用先進(jìn)的盲源分離、軟件無(wú)線技術(shù)，擴(kuò)大通信信號(hào)檢測(cè)覆蓋面，確保低頻通信信號(hào)檢測(cè)結(jié)果能夠在后續(xù)優(yōu)化通信設(shè)備，加強(qiáng)通信設(shè)備管控力度中發(fā)揮出重要作用。

參考文獻(xiàn)

[1]王中奎. 單通道單脈沖擴(kuò)頻角跟蹤系統(tǒng)信號(hào)檢測(cè)技術(shù)研究[D].西安電子科技大學(xué)，2017.

[2]張哲. 低頻通信信號(hào)盲檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D].哈爾濱工程大學(xué)，2017.

[3]王坤朋. 微弱信號(hào)檢測(cè)的盲源分離方法及應(yīng)用研究[D].重慶大學(xué)，2014.

[4]唐川. 大規(guī)模MIMO系統(tǒng)信號(hào)檢測(cè)技術(shù)算法研究及硬件加速[D].國(guó)防科學(xué)技術(shù)大學(xué)，2017.