基于Takagi-Sugeno-Kang模糊集合的噪聲干擾檢測方法*

張 劍，周興建，盧建川(中國西南電子技術(shù)研究所,成都610036)

?

基于Takagi-Sugeno-Kang模糊集合的噪聲干擾檢測方法*

張 劍**，周興建，盧建川
(中國西南電子技術(shù)研究所,成都610036)

Foundation Item:The National Defense Key Laboratory Fund(9140C020203150C02005)

**通信作者:swordisme@163. com Corresponding author:swordisme@163. com

摘 要:為識(shí)別混合在接收機(jī)熱噪聲中的人為噪聲干擾信號(hào),提出了基于TSK(Takagi-Sugeno-Kang)模糊集合的干擾檢測方法。首先將無干擾環(huán)境下信道熱噪聲數(shù)據(jù)和有人為噪聲干擾下的混合噪聲數(shù)據(jù)組合成訓(xùn)練數(shù)據(jù)序列,利用訓(xùn)練序列對(duì)TSK模糊集合模型進(jìn)行訓(xùn)練,調(diào)節(jié)模型中規(guī)則的多項(xiàng)式系數(shù),使TSK模糊模型對(duì)接收信號(hào)中的噪聲特性與干擾判決之間建立確定函數(shù)關(guān)系,實(shí)現(xiàn)對(duì)噪聲干擾的檢測。通信電臺(tái)的實(shí)驗(yàn)驗(yàn)證表明:盡管接收機(jī)的自動(dòng)增益控制將外部噪聲干擾縮小到與本機(jī)噪聲相當(dāng)水平,所提方法仍能有效檢測出信道中是否有人為噪聲干擾存在。

關(guān)鍵詞:干擾檢測；Takagi-Sugeno-Kang模糊集合；噪聲干擾

1 引 言

隨著現(xiàn)代無線通信技術(shù)的發(fā)展,無線通信設(shè)備的應(yīng)用擴(kuò)展到人類活動(dòng)的各個(gè)方面,發(fā)揮著越來越重要的作用。各種通信系統(tǒng)的增加及無線頻譜帶寬的擴(kuò)展導(dǎo)致無線通信環(huán)境異常復(fù)雜,各種各樣的電子干擾給無線通信帶來了嚴(yán)重的影響。針對(duì)不同的干擾采用相應(yīng)的抗干擾方法是提高通信系統(tǒng)性能和頻譜利用率的有效途徑,而干擾檢測是有效實(shí)現(xiàn)通信系統(tǒng)抗干擾能力的前提和關(guān)鍵。

干擾檢測在軍事抗干擾通信領(lǐng)域中有廣泛的研究[1-2],而認(rèn)知無線電技術(shù)的發(fā)展進(jìn)一步推動(dòng)了干擾檢測技術(shù)的研究[3-11]。能量檢測方法是Urkowitz 在20世紀(jì)60年代提出的,它根據(jù)接收信號(hào)的能量或功率大小來判斷信號(hào)是否存在[3]。由于實(shí)現(xiàn)方法非常簡單,幾十年來,能量檢測獲得了廣泛的應(yīng)用[4-7]。但能量檢測法也存在明顯的局限性,絕對(duì)的判決門限受噪聲不確定性的影響較大,比較難確定[5,7]。此外,在低信噪比情況下,信號(hào)淹沒在噪聲中,用能量檢測法檢測概率太低。在通信、雷達(dá)等人為設(shè)計(jì)系統(tǒng)中,對(duì)信號(hào)進(jìn)行的調(diào)制、掃描、采樣、數(shù)字編碼等操作使信號(hào)的統(tǒng)計(jì)特性具有一定的周期性,利用這種周期性設(shè)計(jì)的檢測方法叫做循環(huán)平穩(wěn)特征檢測法[8-9]。由于周期平穩(wěn)過程特征對(duì)未知噪聲變量具有魯棒性,這種方法在區(qū)分噪聲方面優(yōu)于能量檢測方法,但由于循環(huán)譜把信號(hào)檢測從一維平面擴(kuò)展到二維平面,其計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)大于能量檢測。文獻(xiàn)[9]提出了一種基于雙門限的能量檢測加循環(huán)平穩(wěn)特征聯(lián)合檢測算法,利用雙門限的能量檢測法進(jìn)行粗檢,利用循環(huán)平穩(wěn)特征進(jìn)行進(jìn)一步檢測,可以降低系統(tǒng)復(fù)雜度?；谛盘?hào)的協(xié)方差矩陣特性的干擾檢測方法也可以有效克服能量檢測方法的局限性[11-12]。當(dāng)干擾信號(hào)為人為產(chǎn)生的噪聲干擾信號(hào)時(shí),由于信號(hào)不具備周期平穩(wěn)特性,無法使用上述提出的各種基于循環(huán)平穩(wěn)特征檢測方法,并且由于接收機(jī)的自動(dòng)增益控制以及遠(yuǎn)近效應(yīng)的影響,干擾噪聲與接收機(jī)熱噪聲大小相當(dāng)?shù)鼗旌显谝黄?絕對(duì)信號(hào)能量大小的檢測也無法判決。

根據(jù)文獻(xiàn)[13],具有內(nèi)在動(dòng)力機(jī)制的任何隨機(jī)系統(tǒng)基本都可以用混沌系統(tǒng)來研究和特征描述?；谶@種理論,本文利用狀態(tài)空間重構(gòu)的方法對(duì)比分析了接收機(jī)本地噪聲和人為干擾噪聲的特征。特征分析表明,用確定函數(shù)產(chǎn)生的偽隨機(jī)序列作為人為干擾噪聲信號(hào)存在明顯的奇異吸引子,利用基于TSK(Takagi-Sugeno-Kang)模糊集合進(jìn)行模式訓(xùn)練與檢測可以有效檢測這種人為干擾信號(hào)的有無[14]。對(duì)實(shí)際采樣數(shù)據(jù)的檢測驗(yàn)證表明檢測方法準(zhǔn)確有效,尤其適合分布式通信系統(tǒng)中的人為噪聲干擾檢測,由于遠(yuǎn)近效應(yīng)的影響,有的通信節(jié)點(diǎn)所接收的干擾信號(hào)并不強(qiáng),無法從直接的頻譜掃描中發(fā)現(xiàn)。

2 狀態(tài)空間重構(gòu)下的干擾噪聲特征

對(duì)于人為噪聲干擾信號(hào)的時(shí)頻域分析可以看出,從時(shí)域相關(guān)性和頻譜特性中是無法區(qū)分接收信號(hào)中是否存在人為噪聲干擾信號(hào)?；煦缋碚撗芯勘砻鱗13],用確定函數(shù)產(chǎn)生的偽隨機(jī)噪聲干擾序列,盡管信號(hào)特性和噪聲相似,信號(hào)的產(chǎn)生總是源于一個(gè)確定函數(shù),可以選擇合適維度的狀態(tài)空間重構(gòu)信號(hào),實(shí)現(xiàn)對(duì)這種人為噪聲干擾信號(hào)的特征描述。對(duì)于通信接收機(jī)中頻采樣信號(hào),可以用一組實(shí)數(shù)序列{xi} (i=1,2,…,N)表示。以采樣間隔為最小延遲時(shí)間,該采樣序列可以嵌入到d維的狀態(tài)空間中:

圖1對(duì)接收機(jī)中單純熱噪聲信號(hào)和存在人為噪聲干擾的混合信號(hào)進(jìn)行了時(shí)域和頻域?qū)Ρ确治觥?/p>

圖1 時(shí)域和頻域中信號(hào)分析Fig. 1 Signal analysis in time-frequency domain

從圖1中可以看出,有無噪聲干擾的信號(hào)在時(shí)頻域中完全重疊,沒有可區(qū)分的特征。因此,從時(shí)域和頻域是無法判決信號(hào)中是否存在噪聲干擾信號(hào)。圖2對(duì)這兩種信號(hào)采用公式(1)的方法進(jìn)行狀態(tài)空間重構(gòu)。對(duì)不同維數(shù)的嘗試比較后,當(dāng)采用9維狀態(tài)空間重構(gòu)時(shí),選取其第1、4、9維數(shù)據(jù)構(gòu)成三維坐標(biāo),可以比較明顯地實(shí)現(xiàn)對(duì)多維狀態(tài)空間信號(hào)的采樣分析。

圖2 狀態(tài)空間中信號(hào)分析Fig. 2 Signal analysis in state-space

從圖2中可以看出,單純熱噪聲信號(hào)的軌跡基本擴(kuò)散到整個(gè)三維空間中,其分布軌跡和密度沒有明顯的規(guī)律,表明這種信號(hào)的產(chǎn)生機(jī)制非常復(fù)雜,無法觀察到主導(dǎo)因素的奇異吸引子。對(duì)于疊加了人為噪聲干擾的混合信號(hào),其狀態(tài)空間明顯存在一個(gè)形狀如字母Q的奇異吸引子,表明混合信號(hào)中存在一個(gè)產(chǎn)生機(jī)制相對(duì)單一確定的信號(hào)分量。因此,是否存在人為噪聲干擾可以通過觀測狀態(tài)空間中的奇異吸引子予以判決。狀態(tài)空間信號(hào)特征可以通過神經(jīng)網(wǎng)絡(luò)、自適應(yīng)濾波、模糊系統(tǒng)識(shí)別等方法識(shí)別處理。本文之所以選擇TSK模糊模型處理方法是因?yàn)門SK模糊模型使用多項(xiàng)式代替了傳統(tǒng)模糊集合模型中使用模糊術(shù)語的描述[14],使得其不僅具有了模糊集合引入的非線性描述特性,更關(guān)鍵的是其計(jì)算變得非常有效,比較適合工程應(yīng)用實(shí)現(xiàn)。

3 TSK模糊集合模型

TSK模糊模型實(shí)際上可以處理多維的復(fù)雜系統(tǒng)建模,而本系統(tǒng)中對(duì)噪聲干擾信號(hào)在狀態(tài)空間上進(jìn)行的特征判別只需要在3個(gè)維度上進(jìn)行處理,并且本文的研究重點(diǎn)是TSK模糊模型的應(yīng)用而非模型本身。因此,此處僅描述三維TSK模糊模型的結(jié)構(gòu)。典型的三維TSK模糊集合模型包含如下的IFTHEN形式的規(guī)則:

式中:i=1,2,…,C,C為一個(gè)TSK模型規(guī)則的總數(shù)目;Ai(θi)是子集i的隸屬函數(shù)描述式;θi為隸屬函數(shù)的變量;ai=(αi0,αi1,αi2,αi3)是多項(xiàng)式的系數(shù)。整個(gè)TSK模糊集合模型的輸出為

式中:hi是第i個(gè)子集的輸出;wi是第i個(gè)隸屬函數(shù)子集的勢,勢的計(jì)算為

此處,隸屬函數(shù)選擇為高斯型隸屬函數(shù)[14],其中mi是高斯型隸屬函數(shù)的均值,σi是高斯型隸屬函數(shù)的方差。一個(gè)TSK模型需要確定前端隸屬函數(shù)的參數(shù)θi和后端多項(xiàng)式系數(shù)ai。

4 基于TSK模糊集合的干擾檢測

基于TSK模糊集合的干擾檢測包括兩部分處理。首先,TSK模糊集合模型需要用訓(xùn)練數(shù)據(jù)序列對(duì)模型的參數(shù)進(jìn)行反復(fù)訓(xùn)練,使模糊模型能正確反映訓(xùn)練序列中輸入數(shù)據(jù)段和有無噪聲干擾判決結(jié)論值的對(duì)應(yīng)關(guān)系,這種對(duì)應(yīng)關(guān)系可以看成由這樣{(x1,y1),(x2,y2),…,(xk,yk)}一系列輸入輸出數(shù)據(jù)對(duì)來反映,其中xk為采樣序列進(jìn)行狀態(tài)空間重構(gòu)后的三維歸一化向量,yk為向量xk對(duì)應(yīng)的判決結(jié)論,當(dāng)xk由無干擾的數(shù)據(jù)序列構(gòu)成時(shí),yk取值為-1;當(dāng)xk由包含人為噪聲干擾的數(shù)據(jù)序列構(gòu)成時(shí), yk取值為1。在TSK模糊集合模型的訓(xùn)練學(xué)習(xí)中,系統(tǒng)的結(jié)構(gòu)和參數(shù)逐漸穩(wěn)定,使模型能在輸入輸出關(guān)系上正確反映系統(tǒng)對(duì)有無人為噪聲干擾的判決,則檢測系統(tǒng)可以開始進(jìn)行非訓(xùn)練數(shù)據(jù)下的噪聲干擾檢測。下面給出整個(gè)算法的實(shí)現(xiàn)步驟。

(1)分別采集無干擾時(shí)接收機(jī)中頻信號(hào)與有人為噪聲干擾下的信號(hào),根據(jù)式(1),構(gòu)建狀態(tài)空間下的向量序列xk。

(2)構(gòu)建取值為[1,-1]的隨機(jī)序列yk,且yk序列中持續(xù)N個(gè)長度的取值相同;構(gòu)建訓(xùn)練序列(xk, yk)時(shí),當(dāng)N個(gè)yk值為1時(shí),xk從有噪聲干擾的向量序列中取連續(xù)N個(gè)向量值;當(dāng)N個(gè)yk值為-1時(shí),xk從無噪聲干擾的向量序列中取連續(xù)N個(gè)向量值。

(3)初始化TSK模型[14],對(duì)于每個(gè)模糊規(guī)則,其隸屬函數(shù)的初始參數(shù)固定為。

(4)用訓(xùn)練序列來訓(xùn)練優(yōu)化式(2)中的多項(xiàng)式系數(shù)ai,使用的計(jì)算式包括式(2)～(4)及下式:

式中:η是學(xué)習(xí)因子。當(dāng)系統(tǒng)誤差足夠小時(shí),轉(zhuǎn)到下一步。

(5)用式(2)～(4)來估計(jì)當(dāng)前接收信道中是否存在人為干擾。

5 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證算法的有效性,實(shí)驗(yàn)中使用了一臺(tái)帶寬為14 MHz的通用電臺(tái)和SMU200A信號(hào)發(fā)生器,選擇信號(hào)發(fā)生器中的高斯噪聲選項(xiàng)產(chǎn)生14 MHz的寬帶噪聲干擾。實(shí)驗(yàn)驗(yàn)證中通用電臺(tái)對(duì)兩種通信環(huán)境條件下的信號(hào)進(jìn)行分析檢測,一是無噪聲干擾輸入下,通用電臺(tái)采集僅有信道噪聲及環(huán)境噪聲的中頻信號(hào)樣本;二是從電臺(tái)射頻端口輸入信號(hào)發(fā)生器產(chǎn)生的寬帶噪聲信號(hào),采集干擾下的中頻接收信號(hào)。由于電臺(tái)自動(dòng)增益控制的影響,兩種通信環(huán)境下的采樣數(shù)據(jù)如圖1所示,兩種狀態(tài)的信號(hào)在時(shí)域和頻域上基本無法區(qū)分。在TSK模糊集合模型的實(shí)驗(yàn)驗(yàn)證中,訓(xùn)練序列構(gòu)建時(shí)有干擾信號(hào)、無干擾信號(hào)的持續(xù)長度N取值為80,學(xué)習(xí)因子η取值為0. 1。TSK模糊集合模型完成訓(xùn)練學(xué)習(xí)后,對(duì)未知通信環(huán)境下的輸入信號(hào)判別結(jié)果如圖3所示。

圖3 TSK系統(tǒng)的干擾檢測實(shí)驗(yàn)性能Fig. 3 Test performance of noise interference detection of TSK fussy system

從圖3可以看出,如果以0值為判決門限,對(duì)于每個(gè)樣點(diǎn)進(jìn)行的檢測判決結(jié)果與真實(shí)值并非完全吻合,某些離散樣點(diǎn)存在錯(cuò)誤判決,但如果持續(xù)觀察一段有干擾信號(hào)的判決,則其總體判決趨勢與真實(shí)值是非常一致的。為了提高判定的準(zhǔn)確性,對(duì)TSK模糊集合系統(tǒng)的檢測輸出進(jìn)行如下的積累平均處理:

圖4 積累平均后的干擾檢測實(shí)驗(yàn)性能Fig. 4 Test performance of noise interference detection after average

從圖4可以看出,經(jīng)過積累平均和偏移修正后, 以0為判決門限時(shí),每次檢測的判決值與真實(shí)值基本完全一致。因此,只要對(duì)信號(hào)持續(xù)觀測一段時(shí)間,基于TSK模糊集合的干擾檢測系統(tǒng)可以準(zhǔn)確判決通信環(huán)境中是否存在這種特定的人為噪聲干擾。

6 結(jié) 論

確定函數(shù)產(chǎn)生的人為偽隨機(jī)噪聲干擾信號(hào)本身不具備周期相關(guān)性,無法從循環(huán)統(tǒng)計(jì)特性上檢測;并且由于遠(yuǎn)近效應(yīng)和接收信道自動(dòng)增益控制,接收機(jī)無法從時(shí)域和頻域上判決通信環(huán)境中是否存在人為噪聲干擾信號(hào)。但從混沌理論看來,這種人為噪聲干擾信號(hào)由確定的函數(shù)產(chǎn)生,存在內(nèi)在的動(dòng)力產(chǎn)生機(jī)制。因此,其狀態(tài)空間的分布與其他噪聲是存在區(qū)別的。本文利用這個(gè)特性,提出了基于TSK模糊集合的干擾檢測方法:TSK模糊集合學(xué)習(xí)噪聲狀態(tài)空間的分布,判決采樣信號(hào)中是否存在屬于人為噪聲的狀態(tài)空間分布。通信電臺(tái)的干擾檢測實(shí)驗(yàn)表明:該方法對(duì)特定人為噪聲干擾信號(hào)的檢測準(zhǔn)確有效。需要指出的是,當(dāng)產(chǎn)生人為噪聲的特定函數(shù)改變后,檢測系統(tǒng)需要對(duì)新干擾進(jìn)行重新學(xué)習(xí)才能再次進(jìn)行干擾檢測。

參考文獻(xiàn):

[1] BALAEI A T,DEMPSTER R G. A statistical inferencetechnique for GPS interference detection [ J ]. IEEE Transactions on Aerospace and Electronic Systems,2009, 45(4):1499-1511.

[2] JIANG L,HOU J,GUO J X. Interference detection for multiband frequency hopping UWB communications[C]/ / Proceedings of 2nd International Conference on Signal Processing Systems. Dalian:IEEE,2010:656-660.

[3] URKOWITZ H. Energy detection of unknown deterministic signals[J]. Proceedings of the IEEE,1967,55(4) : 523- 531.

[4] LIN W,ZHANG Q Y. A design of energy detector in cognitive radio[C] / / Proceedings of 2008 11th IEEE Singapore International Conference on Communication Systems. Guangzhou:IEEE,2008:213-217.

[5] TANDRA R, SAHAIA. SNR walls for signal detection [J]. IEEE Journal of Selected Topic in Signal Processing, 2008,2(1):4-16.

[6] 潘建國,翟旭平.基于能量檢測的頻譜感知方法[J].上海大學(xué)學(xué)報(bào),2009,15(1):54-59.

PAN Jianguo,ZHAI Xuping. Spectrum sensing in cognitive radio based on energy detection[J]. Journal of Shanghai U-niversity,2009,15(1):54-59. (in Chinese)

[7] 劉鑫,譚學(xué)治,徐貴森.噪聲不確定下認(rèn)知無線電能量檢測性能的分析[J].四川大學(xué)學(xué)報(bào),2011,43(6):168-172.

LIU Xin,TAN Xuezhi,XU Guisen. Performance analysis of energy detection for cognitive radio under noise uncertainty[J]. Journal of Sichuan University,2011,43(6): 168-172. (in Chinese)

[8] GARDNER W A. Exploitation of spectral redundancy incyclostationary signals[J]. IEEE Signal Processing Magazine,1991,8(2) :14-36.

[9] 張昊曄,包志華,張士兵.基于循環(huán)譜能量的自適應(yīng)頻譜檢測算法[J].通信學(xué)報(bào),2011,32(11):95-103.

ZHANG Haoye,BAO Zhihua,ZHANG Shibing. Adaptive spectrum sensing algorithm based on cyclostationary spectrum energy [J]. Journal on Communications,2011,32 (11):95-103. (in Chinese)

[10] 劉小莉,朱琦.基于能量-循環(huán)平穩(wěn)特征的聯(lián)合頻譜檢測方法[J].南京郵電大學(xué)學(xué)報(bào),2010,30(3):189-192.

LIU Xiaoli, ZHU Qi. Joint spectrum sensing method based on energy and cyclostationary feature[J]. Journal of Nanjing University of Posts and Telecommunications, 2010,30(3):189-192. (in Chinese)

[11] ZENG Y,LIANG Y C. Spectrum-sensing algorithms for cognitive radio based on statistical covariances[J]. IEEE Transactions on Vehicular Technology,2009,58 (4): 1804-1815.

[12] ZHENG Y,ZHANG Q,WU S. Robust spectrum sensing in cognitive radio[C] / / Proceedings of 2010 IEEE 21st International Symposium on Personal, Indoor & Mobile Radio Communications Workshops. Istanbul, Turkey: IEEE,2010:1-8.

[13] 黃潤生.混沌及其應(yīng)用[M].武漢:武漢大學(xué)出版社, 2000.

HUANG Runsheng. Chaotic and its application [ M]. Wuhan:Wuhan University Press,2000. (in Chinese)

[14] SUGENO M,YASUKAWA T. A fuzzy-logic-based approach to qualitative modeling[J]. IEEE Transactions on Fuzzy System,1993,1(1):7-31.

張 劍(1977—) ,男,四川眉山人,2008年于電子科技大學(xué)獲信號(hào)與信息處理專業(yè)博士學(xué)位,現(xiàn)為高級(jí)工程師,主要研究方向?yàn)闊o線通信技術(shù)及其信號(hào)處理;

ZHANG Jian was born in Meishan,Sichuan Province,in 1977. He received the Ph. D. degree from University of Electronic Science and Technology of China in 2008. He is now a senior engineer. His research concerns signal processing and wireless communications.

Email:swordisme@163. com

周興建(1970—),男,四川廣安人,高級(jí)工程師,主要研究方向?yàn)闊o線通信技術(shù);

ZHOU Xingjian was born in Guang'an,Sichuan Province,in 1970. He is now a senior engineer. His research concerns wireless communications.

盧建川(1964—),男,重慶人,1989年于南京航空航天大學(xué)獲通信與信息系統(tǒng)專業(yè)碩士學(xué)位,現(xiàn)為研究員,主要研究方向?yàn)闊o線通信技術(shù)。

LU Jianchuan was born in Chongqing,in 1964. He received the M. S. degree from Nanjing University of Aeronautics and Astronautics in 1989. He is now a senior engineer of professor. His research concerns wireless communications.

A Takagi-Sugeno-Kang Fuzzy Approach to Noise Jamming Detection

ZHANG Jian,ZHOU Xingjian,LU Jianchuan
(Southwest China Institute of Electronic Technology,Chengdu 610036,China)

Abstract:This paper proposes a Takagi-Sugeno-Kang(TSK) fuzzy approach to detect if there is artificial noise mixed in the radio channel. The TSK fuzzy system needs to build a training sequence by sampling the signal with and without artificial noise separately and arranging it properly. The training sequence makes the TSK fuzzy system study the character of noise from different generating sources by adjusting the polynomial coefficients of fuzzy rules and enables it to detect the artificial noise interference. The test of the approach in a radio demonstrates that the proposed method can detect the artificial noise correctly even the automatic gain control of radio has reduced its power to the same level as that of thermal noise.

Key words:interference detection;Takagi-Sugeno-Kang fuzzy set;noise jamming

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 008引用格式:張濤,唐小明,宋洪良.一種ADS-B報(bào)頭互相關(guān)檢測方法[J].電訊技術(shù),2016,56(2):156-160. [ZHANG Tao,TANG Xiaoming,SONG Hongliang. A novel ADS-B preamble detection method based on cross-correlation[J]. Telecommunication Engineering,2016,56(2):156-160. ]

作者簡介:

中圖分類號(hào):TN911. 5

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-893X(2016)02-0151-05

基金項(xiàng)目:國防重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(9140C020203150C02005)

*收稿日期:2015-09-18;修回日期:2016-01-04 Received date:2015-09-18;Revised date:2016-01-04