基于頻譜監(jiān)測傳感網(wǎng)的分布式協(xié)同信號識別

吳 昊 柳永祥 姚富強 趙杭生

(1．解放軍理工大學通信工程學院，江蘇 南京 210007；2．南京電訊技術研究所，江蘇 南京 210007；)

引 言

無線傳感器網(wǎng)絡具有監(jiān)測精度高、系統(tǒng)容錯性好以及可遠程監(jiān)控等特點，使得其在頻譜監(jiān)測領域具有廣闊的應用前景.將傳感器網(wǎng)絡技術引入頻譜監(jiān)測領域，可為建立起全地域覆蓋、全頻域無縫隙、全時段不間斷、全天候工作的電磁頻譜監(jiān)測網(wǎng)提供有力支撐.構建電磁頻譜監(jiān)測傳感網(wǎng)可為需用頻的設備提供可用的頻率指配，為正在用頻的設備提供干擾源檢測、測向、定位、跟蹤、識別分類能力，為重要設備的用頻參數(shù)提供安全保密支持.要實現(xiàn)頻譜監(jiān)測傳感網(wǎng)從理論走向?qū)嵱没?，服務于頻譜安全領域、公眾服務領域，必須首先突破分布式協(xié)同頻譜感知關鍵技術，為提高頻譜監(jiān)測傳感網(wǎng)的信號檢測能力、參數(shù)提取能力、調(diào)制識別能力提供技術支撐和方法.文中充分借鑒國內(nèi)外現(xiàn)有的分布式信號協(xié)同檢測、識別分類的理論和最新研究成果，重點解決頻譜監(jiān)測傳感網(wǎng)中的分布式協(xié)同信號識別技術.

目前多數(shù)調(diào)制識別技術[1-7]是基于單節(jié)點完成的，主要是基于假設檢驗和統(tǒng)計模式識別的兩類方法.但是單節(jié)點受環(huán)境變化的影響，容錯性能較差，從而導致其信號識別率較低，此外，隨著作戰(zhàn)地域或通信范圍不斷擴大，單節(jié)點的監(jiān)測能力以及對信息的實時處理能力都將受到極大限制.而基于無線傳感網(wǎng)的分布式信號識別技術，能夠利用數(shù)據(jù)融合[8]，消除對未知信號判斷模糊性，提高識別準確率.

1 分類特征建立

第i個傳感器節(jié)點在平坦衰落環(huán)境中，接收到的受噪聲污染的信號可表示為[9]

(1)

式中：A是接收信號的平均功率；az為發(fā)送碼元序列；p(t-zTs)是發(fā)送碼元波形，Ts為符號周期；ωc為載波頻率；θc為載波相位. 假設所有ni(t)為零均值的復高斯白噪聲，且方差為N0，假設E[|az|2]=1，則信噪比可定義為RSN=A/N0.

完成對接收信號yi(t)的預處理，即完成載波、相位、定時同步以及波形恢復，得到復包絡基帶信號為

(2)

式中，Δθ為相位抖動.

利用各階累積量對2ASK、4ASK、BPSK、QPSK、16QAM、2FSK、4FSK、8PSK、MSK等常見調(diào)制信號進行分析，得到如表1所示的數(shù)字調(diào)制信號各階累積理論值.通過對各階累積量理論值分析，可建立如下特征參數(shù)：

(3)

首先利用特征向量{T1,T2}可將待識別的調(diào)制信號分為三大類：當{T1,T2}={1,1}時對應的數(shù)字調(diào)制信號為{2ASK/BPSK、4ASK}；當{T1,T2}={1,0}時對應的數(shù)字調(diào)制信號為{QPSK/16QAM}；當{T1,T2}={0,0}時對應的數(shù)字調(diào)制信號為{2FSK、4FSK、8PSK、MSK}.

其次，利用特征參數(shù)T3與T4進一步分類: 對于{2ASK/BPSK、4ASK}，當T3=2對應的是2ASK/BPSK，當T3=1.36對應的是4ASK；對于{QPSK/16QAM}，當T4=16對應的是QPSK，當T4=13.76對應的是16QAM.

利用信號功率和平方譜線特征對{2FSK，4FSK，8PSK，MSK}這一類數(shù)字調(diào)制信號進行分類識別.圖1和圖2所示的是2FSK、4FSK、8PSK、MSK功率譜和平方譜，從圖中可知，通過搜索調(diào)制信號功率譜和平方譜的譜峰數(shù)可對這類信號進行分類，假定功率譜譜峰用P1表示，平方譜譜峰用P2表示，信號功率譜反映調(diào)制信號的功率分布，如{2FSK、MSK}為單譜峰信號，頻譜較為平坦，而4FSK頻譜起伏較多，而8PSK的譜形狀完全不同于其他類，因此通過合理設定門限值，利用P1可將這類信號分為4FSK、8PSK、{2FSK、MSK}三類；進而采用P2可將2FSK與MSK區(qū)分開，由于倍頻后，2FSK在傳空號頻率處出現(xiàn)離線譜線，而MSK沒有，利用P2可將MSK從2FSK中檢測出來.

在高斯噪聲信道下，功率譜譜峰P1可在信噪比為-15 dB的情況下保持良好的健壯性，此時8PSK譜形狀完全被噪聲淹沒，雖然仍可根據(jù)其它幾類信號的譜峰特征將其區(qū)分開，但隨著信噪比的繼續(xù)降低，P1特征將急速惡化，無法更好的進行分類識別.而平方譜譜峰P2可在信噪比為-4.5 dB時保持較好的健壯性，但隨著信噪比的繼續(xù)降低，2FSK在傳空號頻率處出現(xiàn)離線譜線將被噪聲淹沒，無法將其與MSK區(qū)分開.

因此，傳感器節(jié)點建立的用于各類調(diào)制信號識別的分類特征向量為

T={T1,T2,T3,T4,P1,P2}，

(4)

利用其相互組合可得到較好的識別概率.

表1 數(shù)字調(diào)制信號各階累積理論值

圖1 2FSK，4FSK，8PSK，MSK的歸一化功率譜線

圖2 2FSK，4FSK，8PSK，MSK的歸一化平方譜線

2 信噪比盲估計

第1節(jié)完成了傳感器節(jié)點對數(shù)字調(diào)制信號特征參數(shù)提取和分類特征向量的建立，在頻譜監(jiān)測傳感網(wǎng)的融合中心上，還需要對各傳感器節(jié)點分配權值，即融合中心對傳感器節(jié)點的信任度進行賦值.下面利用信噪比的大小對其分配權值.

第i個傳感器節(jié)點的接收信號可表示為式(2),進行無失真采樣后，得到其離散形式為

yi(k)=si(k)+ni(k)，k∈[1,2,…,N]．

(5)

式中：si(k)表示調(diào)制信號；ni(k)為獨立的零均值高斯噪聲；N為采集信號長度.構造接收信號的協(xié)方差矩陣[10-11]，令

l,q∈[1,2,…,m]，

(6)

則協(xié)方差矩陣的模型為

(7)

式中，m為協(xié)方差矩陣的維數(shù)，它影響協(xié)方差矩陣及其奇異值表述信號的分辨率，m選擇過小，協(xié)方差矩陣失真大，影響信噪比估計，m選擇過大，增加不必要的計算量，m一般取值為50～100.

對接收信號的協(xié)方差矩陣分解為

R=E{yyH}=E{[s+n][s+n]H}

=E{ssH}+E{nnH}=Rs+Rn，

(8)

由于觀測噪聲與信號相互獨立不相關，且具有相同的方差，所以Rn=σ2I，則式(8)可變?yōu)?/p>

R=Rs+σ2I.

(9)

若rank(Rs)=r,則：

R=U∑UH+σ2I=U(∑+σ2)UH=UΠUH.

(10)

式中，

Π=∑+σ2I

(11)

由式(10)可知只要得到接收信號的信號子空間的維數(shù)，即可分離出信號子空間和噪聲子空間，目前估計信號子空間的方法有最小描述長度(Minimum description length,MDL)、Akaike信息量準則(Akaike information criterion, AIC)、聯(lián)合信息準則(Combined information criterion,CIC等方法，這里采用MDL方法，具體準則如下：

(12)

定義MDL目標函數(shù)為

FMDL(p)= (N-m)(m-p)lg[Tsph(p)]+

(13)

信號空間的維數(shù)估計為

(14)

根據(jù)上述原理，給出具體信噪比估計步驟如下：

1) 根據(jù)式(6)與(7)構造協(xié)方差矩陣；

為檢驗算法有效性，計算估計偏差和標準差作為評估方法，定義如下：

(15)

(16)

利用所提出算法對QPSK、16QAM兩種信號的信噪比估計進行仿真驗證，結(jié)合式(15)和(16)對性能進行分析，假定協(xié)方差矩陣的維度為60，對兩種信號進行1 000個碼元的采集，仿真次數(shù)為100次，信噪比變化范圍為-8～20 dB.

圖3給出了兩種信號信噪比估計的偏差和標準差隨信噪比的變化曲線.由圖3可以看出: 算法在信噪比小于13 dB時，偏差能夠控制在0.5 dB范圍以內(nèi); 而標準差可保持在0.25 dB以內(nèi)；在信噪比較大時，偏差較大; 但當信噪比較大時，偏差對信號識別概率的影響幾乎可以忽略.所以，提出的信噪比算法滿足對QPSK、16QAM兩種信號識別的要求.

圖3 信噪比估計的偏差和標準差

3 分布式協(xié)同信號識別框架

上面詳細介紹了頻譜監(jiān)測傳感網(wǎng)中傳感器節(jié)點上完成的特征參數(shù)提取與信噪比盲估計，為進一步提高對信號的識別概率，利用數(shù)據(jù)融合，可極大程度消除對未知信號判斷模糊性，當少數(shù)傳感器節(jié)點信道條件惡化時，融合中心仍能保持較高的識別概率.目前，關于多傳感器信號識別的融合算法主要是在決策層上采用大數(shù)判決的方法[12]，即根據(jù)傳感器節(jié)點的判決信息，選擇多數(shù)傳感器都判斷的類型作為最終識別結(jié)果.而文中提出的方法是根據(jù)對各傳感器節(jié)點信噪比的估計對其可信度進行賦值，在特征層上，將各傳感器節(jié)點提取的特征向量進行融合，利用融合后的特征向量進行信號調(diào)制方式識別，從而完成整個分布式算法的識別過程.圖4給出了分布式協(xié)同信號識別整體框架.

圖4 分布式協(xié)同信號識別框架

其具體實施步驟為：

步驟1 信號預處理：對各傳感器節(jié)點采集的信號數(shù)據(jù)進行預處理，如完成載波、相位、定時同步以及波形恢復，得到待識別的復基帶調(diào)制信號.

步驟2 特征提取：根據(jù)第2節(jié)所述，各傳感器節(jié)點提取用于調(diào)制識別的各類特征參數(shù)，這里主要提取特征向量T={T1,T2,T3,T4,P1,P2}.

步驟6 類型識別:根據(jù)第2節(jié)所建立的特征分類過程，結(jié)合步驟5融合后的特征參數(shù)，進行數(shù)字調(diào)制信號的類型識別.

4 仿真分析

仿真場景1 假設傳感器節(jié)點數(shù)目為10，且所有傳感器節(jié)點的接收條件相同，信噪比在-5.5～-3.5 dB變化，仿真次數(shù)為100次，信號采樣頻率為20 kHz，碼元速率為100 bit/s，且MFSK的頻偏為500 Hz，相位抖動為5°，仿真采樣碼元為2 000個，噪聲為高斯白噪聲.融合算法對各種調(diào)制信號的識別性能如圖5所示，當信噪比大于-4.5 dB時對所有數(shù)字調(diào)制信號均能達到90%的識別概率.

圖5 10個接收條件相同傳感器的識別概率

仿真場景2 當傳感器節(jié)點數(shù)目為3個，且接收條件不同，即其中一個傳感器節(jié)點的信噪比RSN1變化范圍是-8～0 dB，另外兩個傳感器節(jié)點的信噪比分別為RSN2=RSN1+1，RSN3=RSN2+2，其他仿真條件與場景1相同，圖6給出了融合算法對各種調(diào)制信號的識別性能，在信噪比大于-5 dB時能達到90%的識別概率.該仿真場景主要體現(xiàn)的是當個別節(jié)點所處接收信號條件相對惡劣的情況下，只要保證其他某幾個節(jié)點的接收環(huán)境，經(jīng)過融合中心的融合處理，仍能達到較高的識別概率.

圖6 3個接收條件不同傳感器的識別概率

5 結(jié) 論

研究了一種分布式協(xié)同信號識別方法，對于單傳感器節(jié)點采用高階累量和譜線特征建立了一組健壯性較強的分類特征，節(jié)點將信噪比的估計值和特征參數(shù)作為樣本，在特征層上，根據(jù)信噪比為每個傳感器分配權值，并對各傳感器節(jié)點的特征向量進行融合，最終得到能夠反映單傳感器節(jié)點不確定性的融合特征向量，結(jié)合已建立的分類算法對接收信號進行最終判別.仿真表明，即使在部分傳感器節(jié)點的接收環(huán)境較為惡劣的情況下，該方法仍能保持較高的識別概率.

[1] 楊 琳.數(shù)字通信信號調(diào)制方式自動識別技術研究[D].合肥: 中國科學技術大學,2008.

YANG Lin. Research on Techniques in automatic Modulation Classification for Digital Communication Signals[D].Hefei: University of Science and Technology of China,2008.(in Chinese)

[2] 馮 祥,李建東.調(diào)制識別算法及性能分析[J].電波科學學報,2005,20(6):737-740.

Feng Xiang,LI Jiandong. Modulation classification algorithms and performance analysis[J].Chinese Journal of radio science,2005,20(6):737-740.(in Chinese)

[3] 胡建偉,楊紹權,湯建龍.多徑信道下MPSK信號的調(diào)制分類算法[J].電波科學學報,2005,20(4):505-509.

HU Jianwei,YANG Shaoquan,TANG Jianlong. Modulation classification of MPSK signals in multipath fading channel[J]. Chinese Journal of Radio Science,2005,20(4):505-509.(in Chinese)

[4] 李 鵬,汪芙平,王贊基.一種短波信道中數(shù)字調(diào)制方式識別算法[J].電波科學學報,2007,22(5):735-739.

LI Peng,WANG Fuping,WANG Zanji. Algorithm for modulation recognition in shortwave channel environment [J]. Chinese Journal of Radio Science,2007,22(5): 735-739.(in Chinese)

[5] 范海波,楊志俊,曹志剛. 衛(wèi)星通信常用調(diào)制方式的自動識別[J].通信學報,2004,25(1):140-149.

FAN Haibo,YANG Zhijun,CAO Zhigang. Automatic recognition for common used modulations in satellite communication[J].Joural of China institution of communication, 2004,25(1):140-149.(in Chinese)

[6] WEI W, MENDEL M.Maximum-likelihood classification for digital amplitude-phase modulations[J].IEEE Trans on Communication,2000,48(2):189-193.

[7] 黃 英,雷 菁.衛(wèi)星通信中調(diào)制識別算法研究[J].系統(tǒng)工程與電子技術,2009,31(6):1303-1306.

HUANG Ying,LEI Jing.Research on recognition of modulation signals in satellite communication [J]. Systems Engineering and Electronics,2009,31(6):1303-1306.(in Chinese)

[8] 韓崇昭,朱洪艷,段戰(zhàn)勝.多源信息融合 [M]. 2版.北京: 清華大學出版社,2010:1-12.

[9] ANANTHRAM S, BRIAN M S.Hierarchical digital modulation classification using cumulants[J].IEEE Transaction on Communication,2000,48(3):416-429.

[10] ZHAN Yafeng,CAO Zhigang,MA Zhengxin. A blind SNR estimation algorithm for MPSK signals in AWGN Channel[C]∥Proceedings of ICFS. Tokyo: Waseda University,2002.

[11] 孫剛燦,安建平,楊 杰,等.非協(xié)作通信中的信噪比估計算法[J].北京理工大學學報,2009,29(8):708-712.

SUN Gangcan, An Jianping,YANG Jie,et al. Signal and noise ratio estimation method in non-cooperative communication[J].Transactions of Beijing Institute of Technology,2009,29(8):708-712.(in Chinese)

[12] 程漢文,陳 亮,吳樂南.基于加權表決的決策層融合多系統(tǒng)調(diào)制識別[J]. 系統(tǒng)工程與電子技術,2010,32(2): 342-345.

CHENG Hanwen, CHEN Liang, WU Lenan. Weighted voting based on decision fusion for modulation classification of multisystems[J]. Systems Engineering and Electronics,2010,32(2): 342-345.(in Chinese)