張 鑫,劉 鋒,劉 勇
(1.海軍航空工程學(xué)院研究生三隊,山東 煙臺 264000;2.海軍航空工程學(xué)院電子信息工程系,山東 煙臺 264000)
多相碼調(diào)制技術(shù)廣泛運用于低截獲概率寬帶信號[1],F(xiàn)rank碼信號是其中的一種典型應(yīng)用。截獲接收機對這些信號的偵測具有相當(dāng)大的困難。傳統(tǒng)的信號處理方法如能量檢測法、功率譜密度分析無法提供Frank碼信號參數(shù)的細微特征。近期的大量研究[2]表明:截獲接收機可以通過采用循環(huán)譜特征分析方法改善處理增益,從而提高參數(shù)提取效果。
Frank碼信號具有一階和二階循環(huán)平穩(wěn)特性[3],循環(huán)譜特征分析特別適用對這類信號進行參數(shù)提取。本文采用時域和頻域兩種循環(huán)普密度函數(shù)估計方法,得到Frank碼信號的循環(huán)譜特征及其與信號參數(shù)對應(yīng)關(guān)系,實現(xiàn)了在無先驗知識條件下對Frank碼截獲信號關(guān)鍵參數(shù)(包括信號帶寬B,載頻fc,子碼長度Nc,碼率Rc,子碼周期tm和調(diào)制周期T等)的有效提取。
本文研究了低信噪比(-6 dB)條件下Frank碼截獲信號[4]參數(shù)提取效果。Frank碼設(shè)定為具有M個頻率階躍,每個頻率上有M個采樣相位。Frank碼信號形式表示為
式中,φk為隨時間改變的相位調(diào)制函數(shù);fc為信號載頻;A為幅度。Frank碼的相位序列為
式中,i=1,2,…M,j=1,2,…M,M 也稱作子碼數(shù)。碼長度Nc=M2,編碼周期為T,碼片時寬為tm,信號帶寬為 B,則有 B=1/tm,T=Nc·。
循環(huán)平穩(wěn)處理將信號變換至頻率-循環(huán)頻雙頻率域。循環(huán)譜特征分析關(guān)鍵是計算信號的循環(huán)相關(guān)函數(shù)和循環(huán)譜密度函數(shù)[6]。時間平滑F(xiàn)FT累積算法可以減少對循環(huán)譜估計的計算量[7]。其估計算子形式為
是對x(n)的離散傅里葉變換;w(n)是數(shù)據(jù)窗;k和γ分別表示頻率和循環(huán)頻率的離散間隔;N表示在觀察時間內(nèi)的總共離散采樣數(shù);N'表示在短時離散FFT 中的點數(shù)[8]。
TFAM對Frank碼的循環(huán)譜密度估計結(jié)果如圖1和圖2所示,分別表示了在雙頻率平面的Frank碼信號循環(huán)特征。通過分析這些特征與Frank碼信號關(guān)鍵參數(shù)的對應(yīng)關(guān)系,可以實現(xiàn)對關(guān)鍵參數(shù)的提取工作[9]。
圖1表示了對碼長度Nc和碼率Rc的提取:在循環(huán)頻率為0處的主支撐區(qū)封閉曲線的條數(shù)與碼長Nc對應(yīng),即Nc=9;然后通過測量主支撐區(qū)和循環(huán)頻率2000 Hz處子支撐區(qū)峰值在循環(huán)頻率軸上投影的距離來得到Rc。圖2表示了對載頻fc和碼率Rc的提取:用同樣的方法可以得到Rc,同時通過子支撐區(qū)峰值在循環(huán)頻率軸上的投影值Fc得到載頻fc,即fc=Fc/2。在得到Nc、Rc和fc的基礎(chǔ)上,可以進一步計算得到更多的參數(shù),具體將在下節(jié)討論。
在計算量上,直接頻率平滑算法要優(yōu)于Wigner-Ville分布等間接平滑算法。DFSM算法的基礎(chǔ)由下面的離散頻率平滑循環(huán)譜圖表示[9]:是x(n)的離散傅里葉變換;w(n)是長度為N的矩形窗,是與總觀察時間關(guān)聯(lián)的FFT總點數(shù);其他參數(shù)與式(2)和式(3)中的意義相同。
DFSM對Frank碼的循環(huán)譜密度估計結(jié)果如圖3所示,分別表示了在雙頻率平面的Frank碼信號循環(huán)特征??捎门c圖1和圖2同樣的方法提取Nc、fc和Rc這3個重要參數(shù)。
圖3 Frank碼信號的在子支撐區(qū)上的DFSM法循環(huán)譜估計結(jié)果
在雙頻率平面獲得關(guān)鍵調(diào)制參數(shù)Nc,Rc和fc后,帶寬B和編碼周期tm也可以通過式(7)和式(8)的計算得到:
圖1,圖2和圖3所表現(xiàn)的Frank碼信號循環(huán)譜特征是在信噪比為-6 dB的高斯白噪聲背景下得到的。上述對信號關(guān)鍵參數(shù)的提取效果體現(xiàn)了該方法對噪聲具有很好的魯棒性[10],這是由于高斯白噪聲作為平穩(wěn)信號,在循環(huán)頻率處不具有相關(guān)性,因此在循環(huán)譜特征分析中得到了很好的抑制。
在循環(huán)譜特征分析的基礎(chǔ)上,進一步研究在無先驗知識和參數(shù)未知[11]的情況下,對Frank碼截獲信號的關(guān)鍵參數(shù)提取方法,處理框圖如圖4所示。
圖4 雙頻率平面內(nèi)循環(huán)譜特征分析方法對Frank碼截獲信號參數(shù)提取處理
首先對支撐區(qū)進行自適應(yīng)濾波預(yù)處理,減少雙頻率平面的噪聲影響并減少后續(xù)計算量。然后在雙頻率平面進行橫向和縱向并行一維掃描,檢測循環(huán)譜密度函數(shù)幅度峰值。掃描結(jié)果用于計算碼率Rc和碼長Nc,進而計算調(diào)制周期tm和帶寬B。
Frank碼截獲信號的概率密度函數(shù)(PDF)的計算是通過并行掃描分別位于循環(huán)頻率為0的主支撐和循環(huán)頻率為2fc的子支撐區(qū)的i(水平)和j(垂直)軸,并記錄門限以上的循環(huán)譜密度幅度值。i軸上的掃描可以得到:
雙頻率平面上的循環(huán)譜密度分布可以確定支撐區(qū)的范圍。在主支撐區(qū),i和j軸的掃描從低值到高值(從左到右或從下到上),以超過-6 dB的值開始,對應(yīng)得到i11和j11,從高值到低值(從右到左或從上到下),以低于-6 dB的值開始,對應(yīng)得到 i12和j12。在子支撐區(qū),通過同樣的方式得到 i21,j21,i22和j22。因此
式中,iS(i1,j1)max表示主支撐區(qū)循環(huán)譜密度幅度峰值對應(yīng)的i值;iS(i2,j2)max表示子支撐區(qū)循環(huán)譜密度峰值對應(yīng)的i值。在信噪比較低的情況下,上述掃描方法會降低信號PDF??刹扇∽赃m應(yīng)濾波[12]來確定對應(yīng)的值。
以子碼長度對頻率分辨率的關(guān)系為例,說明參數(shù)設(shè)置對循環(huán)譜特征分析的影響效果。由于循環(huán)頻率分辨率Δα和頻率分辨率Δf要比測量或提取的最大參數(shù)小[13],故要注意參數(shù)設(shè)置對頻率分辨率的限制。當(dāng)子碼長度Nc分別取9和16時,對應(yīng)的碼元速率Rc分別為
因此在 Nc≤9時,頻率分辨率 Δf可以達到64 Hz;但Nc≥16時,頻率分辨率達不到64 Hz,也無法得到碼率。此時使用循環(huán)譜密度函數(shù)估計方法是,采用的頻率分辨率要低于64 Hz,也就降低了循環(huán)譜特征分析的效果。
如果a*是真值a的測量值,則相對誤差εr的絕對值定義為
作為對參數(shù)提取效果的度量。
6個Frank碼信號分別采用TFAM和DFSM方法進行參數(shù)提?。?4],參數(shù)分別為 fs,fc,B,Nc,結(jié)果分別見表1和表2,參數(shù)的真值和測量值如圖5~7所示。
表1 信號參數(shù)和TFAM法估計結(jié)果
表2 信號參數(shù)和DSFM法估計結(jié)果
由驗證結(jié)果看,載頻fc和帶寬B的相對誤差在無噪聲的背景下很小,但其相對誤差受噪聲的影響最明顯;子碼長度Nc和子碼周期tm的相對誤差受噪聲的影響最不明顯;碼元速率Rc的相對誤差取決于對tm和Nc的估計誤差,還受到雙頻率平面內(nèi)并行掃描的影響,綜合結(jié)果較為復(fù)雜,最大相對誤差發(fā)生在子碼長度為9和16處。除Rc外,其他關(guān)鍵參數(shù)的相對誤差趨勢是誤差隨著子碼長度的增大而減小。這是由于大的子碼長度可獲得大的處理增益。注意該提取算法的另一個顯著優(yōu)點除帶寬B外,其他關(guān)鍵參數(shù)的相對誤差對非循環(huán)平穩(wěn)噪聲不敏感,原因是非循環(huán)平穩(wěn)噪聲在循環(huán)頻率處不具有相關(guān)性,在循環(huán)譜特征分析中得到顯著抑制[15]。
綜上所述,循環(huán)譜特征分析信號參數(shù)提取方法具有不需要先驗知識,對平穩(wěn)噪聲信號不敏感及對大子碼長度信號處理增益大等良好性質(zhì),能較好的實現(xiàn)對Frank碼截獲信號參數(shù)進行提取。同時,大子碼長度信號的碼元速率Rc和低信噪比條件下的帶寬B的參數(shù)提取效果,將是進一步研究和改進之處。
[1]PACE P E.Detecting and Classifying Low Probability of Intercept Radar[M].Norwood,MA:Horizon House Artech,2004:41-65.
[2]SUTTON P D,NOLAN K E,DOYLE L E.Cyclostationary Signatures in Practical Cognitive Radio Applications[J].IEEE Journal on Selected Areas in Communications,2008,26(1):13-24.
[3]張賢達,保錚.非平穩(wěn)信號分析與處理[M].北京:國防工業(yè)出版社,2001:357-360.
[4]徐海源,周一宇,黃知濤,等.一種Frank碼脈壓信號的檢測與參數(shù)估計方法[J].系統(tǒng)工程與電子技術(shù),2007,29(6):24-27.
[5]GULUM T O,PACE P E.Extraction of Polyphase Radra Modulation Parameters Using a Wigner-Ville Distribution-Radon Transform[C]//IEEE International Conf.on A-coustics,Speech and Signal Processing,Las Vegas,NV,2008:1505-1508.
[6]GARDNER W A.Statistical Spectral Analysis:A Nonprobabilistic Theory[M].NJ:Prentice-Hall,1987:43-69.
[7]ROBERTS R S,BROWN W A,LOOMIS H H Jr.Computationally Efficient Algorithms for Cyclic Spectral Analysis[M].Signal Processing Magazine,IEEE,1991,8(2):38-49.
[8]汪趙華,陳昊,郭立.基于頻域平滑循環(huán)周期圖法的直接序列擴頻信號的參數(shù)估計[J].中國科學(xué)技術(shù)大學(xué)學(xué)報,2010,40(5):466-473.
[9]GARDNER W A.Signal Interception:A Unifying Theoretical Framework for Feature Detection[J].IEEE Trans.on Communications,1988,36(8):897-906.
[10]ANTONIO F LIMA Jr.Analysis of Low Probability of Intercept Radar Signals Using Cyclostationary Processing[D].Naval Postgraduate School Master's thesis,2002:78-90.
[11]余敬東,郭偉,李牧.直接序列擴頻通信的循環(huán)譜檢測和參數(shù)估計技術(shù)[J].電子科技大學(xué)學(xué)報,1996,25(9):439-444.
[12]GULUM T O.Autonomous Nonlinear Classification of LPI Radar Signal Modulations[D].Naval Postgraduate School Masters Thesis,2007:18-34.
[13]DOBRE O A,ABDI A,BAR-NESS Y,et al.Survey of Automatic Modulation Classification Techniques:Classical Approaches and New Trends[J].Communications,IET,2007,1(2):137-156.
[14]DANDAWATE A V,GIANNAKIS G B.Asymptotic Theory of Mixed Time Averages and kth Order Cyclic Moments and Cumulant Statistics[J].IEEE Trans.Inform.Theory,1995,41(1):216-232.
[15]NAPOLITANO A.On the Spectral Correlation Measurement of Non-stationary Stochastic Processes[C]//Conference Record of the Thirty-Fifth Asilomar Conference in Signals,Systems and Computers,2001:898-902.