基于ICA的無(wú)線電通信干擾抑制

馬俊嶺， 楊保平， 尚 萌， 肖 野

(1.中國(guó)航空工業(yè)洛陽(yáng)電光設(shè)備研究所，河南 洛陽(yáng) 471009; 2.裝備指揮技術(shù)學(xué)院，北京 101416;3.中國(guó)人民解放軍63893部隊(duì)，河南 洛陽(yáng) 471003)

0 引言

在信息化進(jìn)程中，無(wú)線通信面臨越來(lái)越惡劣的戰(zhàn)場(chǎng)電磁環(huán)境。通信對(duì)抗技術(shù)快速發(fā)展的同時(shí)也推動(dòng)了通信抗干擾技術(shù)的發(fā)展，干擾抑制技術(shù)是其中的一個(gè)研究熱點(diǎn)，其基本思想是接收端接收通信信號(hào)后，在進(jìn)一步進(jìn)行信號(hào)處理之前采取措施把通信信號(hào)中的干擾成分消除，最大限度地降低噪聲對(duì)通信的影響［1］。

傳統(tǒng)意義上干擾抑制技術(shù)主要利用干擾和通信信號(hào)的區(qū)別，在時(shí)域、各種變換域和空域有選擇地濾波，進(jìn)行干擾的檢測(cè)和消除，保留通信信號(hào)并抑制干擾?；跁r(shí)域的干擾抑制技術(shù)對(duì)于瞬變干擾信號(hào)由于算法復(fù)雜可能導(dǎo)致濾波器收斂慢;基于變換域的干擾抑制技術(shù)需要復(fù)雜的迭代運(yùn)算;基于時(shí)域、變換域的干擾抑制技術(shù)都可能造成干擾抑制實(shí)時(shí)性差，對(duì)通信信號(hào)都有一定損傷;基于空域的干擾抑制技術(shù)可以和其他干擾抑制手段結(jié)合使用，但是設(shè)備復(fù)雜，并且在干擾和通信信號(hào)來(lái)自同一方向時(shí)無(wú)能為力。傳統(tǒng)的干擾抑制技術(shù)存在的共同問(wèn)題是對(duì)于同頻干擾存在很大局限性［1］。針對(duì)這些問(wèn)題，本文采用盲源分離技術(shù)［2］應(yīng)用于干擾抑制領(lǐng)域，對(duì)干擾抑制新技術(shù)進(jìn)行探索和嘗試。

盲源分離經(jīng)歷了近20年的迅速發(fā)展，其理論和算法研究日趨完備［3－4］，盲源分離技術(shù)在眾多領(lǐng)域展現(xiàn)出誘人的應(yīng)用潛力，成為當(dāng)前信號(hào)處理前沿技術(shù)的新興學(xué)科之一［3－6］，目前盲源分離在電子戰(zhàn)領(lǐng)域的應(yīng)用剛剛起步［7－10］。文獻(xiàn)［7］將單音干擾與調(diào)頻電臺(tái)信號(hào)進(jìn)行了分離，從而抑制干擾，對(duì)可行性和有效性進(jìn)行了初步分析討論;文獻(xiàn)［8］基于盲源分離理論對(duì)雷達(dá)抗干擾方法進(jìn)行了探索，沒(méi)有涉及通信領(lǐng)域;文獻(xiàn)［9］利用FastICA算法對(duì)亞高斯分布的無(wú)線電通信信號(hào)進(jìn)行了干擾消除，對(duì)屬于超高斯分布的通信信號(hào)缺少論述;文獻(xiàn)［10］將盲源分離技術(shù)用于對(duì)主動(dòng)聲納直達(dá)波的干擾抑制。

盲源分離充分利用混合觀測(cè)數(shù)據(jù)內(nèi)在的統(tǒng)計(jì)特征提取源無(wú)線電通信信號(hào)，對(duì)源信號(hào)和傳輸通道參數(shù)無(wú)要求，這種獨(dú)特的優(yōu)勢(shì)在電子對(duì)抗領(lǐng)域擁有廣闊的應(yīng)用前景。

1 算法簡(jiǎn)介

獨(dú)立變量分析(ICA)是解決盲信號(hào)處理中信號(hào)分離的主要方法之一［4］。本文中涉及信息化戰(zhàn)場(chǎng)無(wú)線電通信和干擾信號(hào)，物理意義上各種信號(hào)之間統(tǒng)計(jì)獨(dú)立，可以采用ICA方法進(jìn)行干擾抑制。

1.1 問(wèn)題說(shuō)明和信號(hào)模型

設(shè)n個(gè)信號(hào)源發(fā)出信號(hào)為 s1(k)，s2(k)，…，sn(k)。其中:k為離散時(shí)間變量，每個(gè)采樣點(diǎn)均相互統(tǒng)計(jì)獨(dú)立;S(k)=［s1(k)，s2(k)，…，sn(k)］T為 n×1維源信號(hào)矢量。n個(gè)源信號(hào)中1個(gè)是期望的通信信號(hào)，其他n－1個(gè)信號(hào)源是各類(lèi)有意或無(wú)意干擾信號(hào)。經(jīng)過(guò)多信道傳輸，在m個(gè)天線陣元處觀測(cè)得到的混合觀測(cè)信號(hào)為 x1(k)，x2(k)，…，xm(k)，則 X(k)=［x1(k)，x2(k)，…，xm(k)］T，為 m ×1維混合信號(hào)矢量。則最簡(jiǎn)線性瞬時(shí)混合系統(tǒng)模型為

式中，A為線性瞬時(shí)混合矩陣。

盲源分離的目標(biāo)就是在不知道混合矩陣A的情況下，從觀測(cè)信號(hào)中分離或恢復(fù)出原始信號(hào)的過(guò)程。即求一個(gè)n×m維的解混矩陣B，使得

盲源分離問(wèn)題的解決就是利用信號(hào)間統(tǒng)計(jì)獨(dú)立性判斷準(zhǔn)則建立代價(jià)函數(shù)，求解得到矩陣B≈A－1，從混合觀測(cè)信號(hào)中分離提取出源通信信號(hào)，從而抑制其他源通信或干擾信號(hào)。

1.2 基本假設(shè)

盲源分離問(wèn)題實(shí)際上是一個(gè)優(yōu)化問(wèn)題，問(wèn)題并沒(méi)有唯一解，欲使盲源分離問(wèn)題有意義，需作如下假設(shè):

1)源信號(hào)之間假定是相互統(tǒng)計(jì)獨(dú)立的，該假設(shè)是獨(dú)立分量分析算法的基本出發(fā)點(diǎn)，近似認(rèn)為各用戶信息之間是統(tǒng)計(jì)獨(dú)立的，各類(lèi)戰(zhàn)場(chǎng)無(wú)線電通信和干擾信號(hào)產(chǎn)生于不同的裝備，不難理解物理意義上是互相統(tǒng)計(jì)獨(dú)立的;

2)信號(hào)矢量S(k)為零均值并且各分量服從高斯分布的分量不超過(guò)1個(gè)，該假設(shè)中高斯分量的線性混合仍然是高斯分布，當(dāng)概率密度函數(shù)服從高斯分布的源信號(hào)多于一個(gè)時(shí)，則各源信號(hào)不可分［4］，例如語(yǔ)音信號(hào)為超高斯分布，數(shù)字調(diào)制信號(hào)為亞高斯分布［9］;

3)觀測(cè)數(shù)目m大于等于源信號(hào)的數(shù)量n，即m≥n，該假設(shè)中當(dāng)m=n時(shí)，混合方式是適定情況，當(dāng)m＜n時(shí)為欠定情況(Underdeter－Mined Bases)，其盲源分離的解決方法在許多文獻(xiàn)中已有論述［11］。

1.3 信號(hào)預(yù)處理

對(duì)混合信號(hào)進(jìn)行解混以前，首先進(jìn)行混合信號(hào)的預(yù)處理，最常見(jiàn)的預(yù)處理過(guò)程有去均值化和白化［12－13］?；旌嫌^測(cè)信號(hào)經(jīng)預(yù)處理后，通常能夠簡(jiǎn)化盲源分離算法和改善性能，并能實(shí)現(xiàn)降維處理［13］。信號(hào)的預(yù)處理在ICA求解過(guò)程中具有關(guān)鍵的作用。

若在盲源分離信號(hào)預(yù)處理過(guò)程中混合信號(hào)經(jīng)過(guò)非線性器件產(chǎn)生諧波等額外的信號(hào)分量，可以采用濾波器進(jìn)行濾除。盲源分離前和分離后均可采用傳統(tǒng)的頻域?yàn)V波技術(shù)消除帶外或諧波等干擾信號(hào)的影響，將盲源分離與傳統(tǒng)頻域?yàn)V波技術(shù)相結(jié)合，最大程度地減小干擾影響。

為滿足盲源分離假設(shè)條件1)，必須在分離前對(duì)觀測(cè)信號(hào)矢量去除均值。觀測(cè)矢量X減去其均值，用X0代替X即可。

所謂白化，即通過(guò)一定的線性變換T。

Z 滿足 E(zizj)= δijQ，其中，δij為 Kronecker Delta函數(shù)。

取合適的線性變換T使Z的自相關(guān)矩陣為

從式(5)可以看出，經(jīng)白化處理后混合信號(hào)的各個(gè)信號(hào)分量之間已經(jīng)失去相關(guān)性。

2 通信干擾抑制模型

經(jīng)過(guò)近十幾年的發(fā)展，對(duì)ICA在理論算法以及應(yīng)用等諸多方面進(jìn)行了積極的探索，出現(xiàn)了眾多有價(jià)值的評(píng)判準(zhǔn)則和算法［14－20］，其中最大信噪比算法具有算法簡(jiǎn)單且運(yùn)算高速的優(yōu)點(diǎn)［12，14］，首先構(gòu)建信噪比代價(jià)函數(shù)，然后求解代價(jià)函數(shù)進(jìn)行盲分離。

2.1 代價(jià)函數(shù)的構(gòu)建

系統(tǒng)的輸入信號(hào)為S，產(chǎn)生的輸出信號(hào)是Y，定義二者的差E=S－Y為產(chǎn)生的噪聲，二者的功率比為信噪比，則當(dāng)信噪比取最大值時(shí)，Y就是源信號(hào)S的最優(yōu)逼近，從而正確提取出源信號(hào)。根據(jù)定義可構(gòu)造如下最大信噪比代價(jià)函數(shù)［15］

經(jīng)計(jì)算簡(jiǎn)化處理，式(6)可變?yōu)椋?3］

2.2 算法推導(dǎo)

式(7)的梯度函數(shù)為

當(dāng)梯度值為0時(shí)，根據(jù)定義代價(jià)函數(shù)取得最大值

3 仿真及結(jié)果分析

3.1 仿真條件

偵察天線采用4陣元圓形天線陣列，仿真只涉及基帶或中頻信號(hào)，其他有意或無(wú)意干擾均視為加性干擾［21］。仿真采用1路音頻通信信號(hào)和3路通信干擾信號(hào)進(jìn)行，通過(guò)構(gòu)建的ICA通信干擾抑制模型對(duì)干擾進(jìn)行抑制從而獲取通信信號(hào)。仿真中，將時(shí)長(zhǎng)為15 s的清晰音樂(lè)信號(hào)作為需要的期望信號(hào)，1路余弦單音信號(hào)，1路BPSK數(shù)字通信信號(hào)和1路寬帶白噪聲信號(hào)作為其他有意或無(wú)意干擾。采用Matlab 2009b進(jìn)行仿真，為提高仿真效率，選取合適的采樣速率和信號(hào)載頻，并不影響其理論分析過(guò)程。

仿真采樣率設(shè)為10 kHz，通信信號(hào)的音頻主要分布在3 kHz以內(nèi)，幅度范圍約為1 V;余弦單載波信號(hào)的信號(hào)載頻為1.6 kHz，幅度范圍為1 V;BPSK通信信號(hào)載頻為2 kHz，基帶速率為1 kb/s，幅度范圍為0.4 V。而第4路的噪聲信號(hào)是標(biāo)準(zhǔn)方差為0.05的寬帶白噪聲干擾信號(hào)。4路源信號(hào)在時(shí)域和頻域上互相混疊，時(shí)域波形如圖1所示，頻域波形如圖2所示。

圖1 源信號(hào)時(shí)域波形Fig.1 Time domain waveform of original signals

圖2 源信號(hào)頻域波形Fig.2 Frequency domain waveform of original signals

3.2 仿真結(jié)果分析

4路源信號(hào)經(jīng)過(guò)不同信道到達(dá)接收天線陣。仿真中接收天線陣列將4路源信號(hào)混合輸出，得到4路混合觀察數(shù)據(jù)。混合矩陣A利用隨機(jī)函數(shù)產(chǎn)生，混合后的時(shí)域波形如圖3所示。

圖3 混合信號(hào)時(shí)域波形Fig.3 Time domain waveform of mixed signals

此時(shí)對(duì)混合信號(hào)進(jìn)行收聽(tīng)，源音頻通信信號(hào)已經(jīng)混雜了刺耳的單載波干擾信號(hào)、BPSK的調(diào)制噪聲和嘈雜的白噪聲，原來(lái)清晰悅耳的音樂(lè)聲變得含混且無(wú)法忍受。

運(yùn)用前面構(gòu)建的基于最大信噪比算法的通信干擾抑制模型對(duì)4路源信號(hào)進(jìn)行盲分離仿真，分離后的信號(hào)真實(shí)地還原了各個(gè)源信號(hào)的波形信息，分離結(jié)果見(jiàn)圖4。圖中分離結(jié)果未能提取分離信號(hào)的幅度信息，雖然分離后信號(hào)的排序與混合前相同，但并不能說(shuō)明ICA能夠確定信號(hào)的排序，其原因是盲源分離內(nèi)在的不確定性和模糊性。這種不確定性和模糊性可視為對(duì)源信號(hào)的任意比例的收縮、排序或時(shí)滯，然而對(duì)源信號(hào)的波形信息依然保留，在實(shí)際應(yīng)用中并非關(guān)鍵問(wèn)題。

圖4 分離信號(hào)時(shí)域波形Fig.4 Frequency domain waveform of separated signals

為了說(shuō)明算法的性能，可用相似系數(shù)作為評(píng)價(jià)指標(biāo)

當(dāng)yi=csj(c為標(biāo)量因子)時(shí)，ξij=1;當(dāng) yi與 sj互相獨(dú)立時(shí)，ξij=0。式(10)中，分子和分母可以將標(biāo)量因子c約去，從而消除幅度不確定性。當(dāng)由ξij構(gòu)成的相似系數(shù)矩陣每行每列有且僅有一個(gè)元素接近1，其他元素接近0，則分離的各路信號(hào)相互獨(dú)立，則認(rèn)為源信號(hào)得到分離。仿真中得到的相似系數(shù)矩陣為

觀察相似系數(shù)矩陣，本文中基于最大信噪比算法的盲源分離的分離效果相當(dāng)好。仿真算法處理15 s通信信號(hào)的運(yùn)算時(shí)間約為0.75 s，而處理1.5 s的通信信號(hào)運(yùn)算時(shí)間約為0.055 s，能夠?qū)崟r(shí)處理數(shù)據(jù)。

經(jīng)過(guò)仿真將混合的加性干擾信號(hào)與源音頻通信信號(hào)分離，獲得了一個(gè)源音頻通信信號(hào)的復(fù)制，對(duì)分離后的音頻信號(hào)進(jìn)行收聽(tīng)，其中刺耳的單載波干擾聲、BPSK的切普聲和嘈雜的白噪聲已經(jīng)消除，音質(zhì)接近于源信號(hào)音質(zhì)，可以認(rèn)為，在接收端已經(jīng)提取了期望的通信信號(hào)，抑制了信號(hào)中其他的干擾?；诿ぴ捶蛛x的干擾抑制技術(shù)算法簡(jiǎn)單，對(duì)信號(hào)無(wú)損傷，易采用FPGA或DSP實(shí)現(xiàn)。

本文討論的方法也可用于數(shù)字通信信號(hào)的干擾抑制，例如本文中的BPSK通信信號(hào)，把BPSK信號(hào)作為期望的通信信號(hào)，而把音頻通信信號(hào)作為干擾信號(hào)，同樣可以實(shí)施盲源分離來(lái)進(jìn)行干擾抑制。實(shí)際應(yīng)用中，對(duì)收發(fā)雙方的語(yǔ)音特征、通信頻率參數(shù)等先驗(yàn)知識(shí)加以利用，能夠更有效地提高通信干擾抑制的性能。

4 結(jié)束語(yǔ)

本文對(duì)基于ICA的無(wú)線電通信信號(hào)干擾抑制方法進(jìn)行了分析和探討，并結(jié)合基于最大信噪比算法的ICA進(jìn)行了建模和仿真。仿真結(jié)果表明，該方法能夠有效將源頻譜混疊的無(wú)線電通信信號(hào)進(jìn)行分離，準(zhǔn)確地提取各源信號(hào)信息，取得了理想的分離和干擾抑制效果。未來(lái)盲源分離技術(shù)在電子戰(zhàn)偵察、雷達(dá)、聲納、抗干擾通信、圖像以及數(shù)據(jù)挖掘等領(lǐng)域有極大的發(fā)展應(yīng)用空間。

［1］ 張邦寧，魏安全，郭省道，等.通信抗干擾技術(shù)［M］.北京:機(jī)械工業(yè)出版社，2006.

［2］ 魏樂(lè).基于非負(fù)矩陣分解算法進(jìn)行盲信號(hào)分離［J］.電光與控制，2004，11(2):38－41.

［3］ 史習(xí)智.盲信號(hào)處理——理論與實(shí)踐［M］.上海:上海交通大學(xué)出版社，2009.

［4］ HYVARINEN A，KARHUNEN J，OJA E.Independent component analysis［M］.New York，USA:Wiley，2001.

［5］ 楊琳，陳利平，王芝剛.獨(dú)立分量分析在駕駛艙話音記錄器背景信號(hào)分離中的應(yīng)用［J］.電光與控制，2010，17(2):68－73.

［6］ 楊小牛.從軟件無(wú)線電到認(rèn)知無(wú)線電，走向終極無(wú)線電——無(wú)線通信發(fā)展展望［J］.中國(guó)電子科學(xué)研究院學(xué)報(bào)，2008，3(1):1－7.

［7］ 黃高明，楊綠溪，何振亞.一種基于盲源分離的雷達(dá)抗干擾技術(shù)［J］.電路與系統(tǒng)學(xué)報(bào)，2004，9(6):49－51.

［8］ 劉慶敖.基于盲源分離的同道數(shù)字通信干擾抑制［J］.電子設(shè)計(jì)工程，2009，17(5):94－99.

［9］ 高潔，李磊，劉云濤，等.主動(dòng)聲納直達(dá)波干擾抑制的盲分離算法［J］.聲學(xué)技術(shù)，2009，28(4):537－540.

［10］ 楊福生，洪波.獨(dú)立分量分析的原理與應(yīng)用［M］.北京:清華大學(xué)出版社，2006:63－89.

［11］ KIM S G，YOO C D.Underdetermined blind source separation based on subspace representation ［J］.IEEE Transactions on Signal Processing，2009，57(7):2604－2614.

［12］ 馬建倉(cāng)，牛奕龍，陳海洋.盲信號(hào)處理［M］.北京:國(guó)防工業(yè)出版社，2006.

［13］ CICHOCKI A，SHUN－ICHI A.Adaptive blind signal and image processing［M］.Revised and Corrected Edition，New York:John Wiley ＆ Sons，2003.

［14］ MA Jiancang，ZHANG Xiaobing.Blind source separation algorithm based on maximum signal noise ratio［C］//First International Conference on Intelligent Networks and Intelligent Systems，2008:625－629.

［15］ 張小兵，馬建倉(cāng)，陳翠華，等.基于最大信噪比的盲源分離算法［J］.計(jì)算機(jī)仿真，2006，23(10):72－75.

［16］ SHI Zhenwei，JIANG Zhiguo，ZHOU Fugen.A fixedpoint algorithm for blind source separation with nonlinear autocorrelation［J］.Journal of Computational and Applied Mathematics，2009，223(2):908－915.

［17］ LENG Juxin，ZHANG Yang，TANG Bin.Estimation of source number by high－order cumulation in undetermined blind source separation ［J］.Modern Electronics Technique，2009，32(17):49－52.

［18］ OZEROV A，F(xiàn)'EVOTTE C.Multichannel nonnegative matrix factorization in convolutive mixtures for audio source separation［J］.IEEE Trans on Audio，Speech and Lang，2010，18(3):550－563.

［19］ MENG C，TUQA J，DING Z.A quadratic programming approach to blind equalization and signal separation［J］.IEEE Transactions on Signal Processing，2009，57(6):2232－2244.

［20］ 李虎雄，黃琛澤.基于最大信噪比的盲源分離算法的修正與比較［J］.計(jì)算機(jī)工程，2009，35(11):202－204.

［21］ 楊保平，陳永光，崔博.基于盲源分離的數(shù)字通信抗干擾技術(shù)［J］.通信技術(shù)，2011，44(4):5－9.