郭微光,陳 愷,王鵬程,朱 榮
(海軍參謀部,北京 100841)
直接序列擴(kuò)頻信號(hào)(Direct Sequence Spread-Spectrum,DSSS)由于具有良好的抗干擾性、隱蔽性和便于多址通信等特點(diǎn)[1],在民用與軍事通信領(lǐng)域得到了廣泛應(yīng)用,如GPS衛(wèi)星系統(tǒng)[2]、寬帶數(shù)傳電臺(tái)和美軍CEC數(shù)據(jù)鏈等。在水聲通信方面,因?yàn)樾诺乐写嬖诙鄰叫?yīng)和較強(qiáng)的環(huán)境噪聲影響,所以常常采取擴(kuò)頻技術(shù)提高系統(tǒng)傳輸性能,用于潛艇通信、水聲遙控等。
隨著擴(kuò)頻通信系統(tǒng)的發(fā)展,在非協(xié)作情況下,針對(duì)DSSS信號(hào)的檢測(cè)和截獲研究也受到了越來越多的關(guān)注。對(duì)于通信網(wǎng)絡(luò)監(jiān)測(cè)和網(wǎng)絡(luò)對(duì)抗,檢測(cè)出DSSS信號(hào)是否存在,是后續(xù)處理環(huán)節(jié)的前提與基礎(chǔ),然后才能實(shí)現(xiàn)進(jìn)一步的參數(shù)估計(jì)、解調(diào)分析等。因此,DSSS信號(hào)檢測(cè)在非協(xié)作接收系統(tǒng)中具有重要作用。但是,由于缺少先驗(yàn)信息,相應(yīng)檢測(cè)算法屬于盲檢測(cè)或近似盲檢測(cè)范疇,導(dǎo)致分析和處理過程的難度增加。此外,DSSS通信信號(hào)的功率譜密度小,在傳輸中一般是低信噪比的情況,甚至淹沒在噪聲中,使得過去的一些檢測(cè)方法難以適用,給DSSS信號(hào)盲檢測(cè)算法提出了更高要求。過去一些研究人員對(duì)DSSS信號(hào)檢測(cè)思路開展了分析,其中功率譜檢測(cè)方法的處理流程相對(duì)簡單,但其抗噪性能較差;基于倒譜的檢測(cè)思路可以在噪聲背景中得出檢測(cè)結(jié)果,但性能并不穩(wěn)定;文獻(xiàn)[3]對(duì)一種基于循環(huán)譜的檢測(cè)算法進(jìn)行了分析,在高斯信道中可以有效降噪,但計(jì)算量較大,實(shí)現(xiàn)難度高,且需預(yù)先設(shè)定搜索頻率范圍等條件。
針對(duì)上述問題,本文結(jié)合DSSS信號(hào)模型及其特點(diǎn),提出了一種改進(jìn)的DSSS通信信號(hào)盲檢測(cè)方法,能夠在低信噪比條件下正確實(shí)現(xiàn)檢測(cè)。主要思想是優(yōu)化相關(guān)峰搜索過程,提高運(yùn)算速度,合理選取信號(hào)分段長度實(shí)現(xiàn)滑動(dòng)加窗降噪處理,增強(qiáng)算法對(duì)噪聲的抑制性能;引入自適應(yīng)判決門限的計(jì)算思路,無需獲取先驗(yàn)信息卻參數(shù)調(diào)節(jié)靈活,具有良好的穩(wěn)健性。此外,分析多徑信道中的多址接入擴(kuò)頻信號(hào)相關(guān)檢測(cè)思路,進(jìn)一步擴(kuò)展了其工程適用范圍。
擴(kuò)頻偽隨機(jī)序列的頻譜特性與高斯白噪聲類似,但不完全同于隨機(jī)分布的噪聲。偽隨機(jī)序列具有周期相關(guān)特性,可表示為:
以對(duì)M碼偽隨機(jī)序列的分析為例,圖1為4階M碼序列的自相關(guān)函數(shù)示意圖。
圖1 4階M碼序列的自相關(guān)函數(shù)
從圖1可以看出,在偽隨機(jī)序列周期間隔的整數(shù)倍位置,都出現(xiàn)了明顯的較大相關(guān)峰幅度值,其余點(diǎn)處的值則很小。
下面對(duì)DSSS信號(hào)的自相關(guān)函數(shù)進(jìn)行分析。設(shè)原始信息碼、基帶調(diào)制信號(hào)、擴(kuò)頻碼序列、載波和噪聲相互獨(dú)立。接收信號(hào)的自相關(guān)函數(shù)可由式(3)推導(dǎo)為:
從式(4)可看出,擴(kuò)頻信號(hào)的相關(guān)函數(shù)由原始信息基帶信號(hào)的相關(guān)函數(shù)和載波調(diào)制后的擴(kuò)頻碼序列相關(guān)函數(shù)乘積組成。實(shí)際中,因?yàn)樘幚頂?shù)據(jù)長度有限和其他因素,估計(jì)值在很多時(shí)刻點(diǎn)都取非零值,在擴(kuò)頻碼序列周期間隔的整數(shù)倍位置處將會(huì)出現(xiàn)峰值。擴(kuò)頻信號(hào)經(jīng)采樣后為有限長的離散序列形式,設(shè)其表達(dá)式為n=0,1,2,… ,N ?1。自相關(guān)函數(shù)估計(jì)式為:
根據(jù)Wiener–Khinchin定理,信號(hào)的自相關(guān)函數(shù)與其功率譜密度是傅里葉變換對(duì)的形式。為了得到線性自相關(guān)估計(jì),可將其長度從N 擴(kuò)展到2N ,即x2N(n)。因此,x2N(n)的功率譜密度可表示為:
從矩形窗得r( m)( m = 0,1,2,… ,N ?1)的估計(jì)值,即提供了實(shí)際計(jì)算中通過FFT變換估計(jì)自相關(guān)函數(shù)值的手段。
根據(jù)直擴(kuò)信號(hào)的相關(guān)性特點(diǎn),可以實(shí)現(xiàn)對(duì)噪聲的有效抑制和正確檢測(cè)?;舅悸肥菍?duì)相關(guān)函數(shù)進(jìn)行峰值搜索,當(dāng)滑動(dòng)窗樣本數(shù)據(jù)長度為擴(kuò)頻碼序列周期或其整數(shù)倍時(shí),信號(hào)的相關(guān)函數(shù)會(huì)存在相關(guān)峰,此時(shí)可判別出接收到的信號(hào)中是否存在DSSS信號(hào)。
當(dāng)接收信號(hào)中存在DSSS信號(hào)時(shí),有:
當(dāng)DSSS信號(hào)不存在時(shí),有:
下面對(duì)峰值搜索的過程進(jìn)行優(yōu)化分析。當(dāng)信道環(huán)境惡劣或信噪比較低時(shí),相關(guān)峰并不明顯,易導(dǎo)致誤判。因此,通過分段平均的思路對(duì)相關(guān)檢測(cè)進(jìn)行改進(jìn)。圖2是一種改進(jìn)的相關(guān)檢測(cè)處理流程。
如圖2所示,處理中可將檢測(cè)過程分為粗檢測(cè)和精檢測(cè)兩部分,其門限分別為thr和thr1。當(dāng)實(shí)際信號(hào)相關(guān)峰值大于時(shí),則繼續(xù)開展進(jìn)一步計(jì)算,比較信號(hào)-噪聲均值差與門限thr,最終實(shí)現(xiàn)對(duì)DSSS信號(hào)的檢測(cè)。改進(jìn)思路中,滑動(dòng)平均相關(guān)的步驟相當(dāng)于對(duì)信號(hào)加窗濾波處理。在對(duì)采樣數(shù)據(jù)分段滑動(dòng)時(shí),窗口中信號(hào)數(shù)據(jù)將不斷更新。若每次對(duì)滑窗數(shù)據(jù)進(jìn)行平均計(jì)算然后求取信號(hào)與噪聲的差值,即可得到一組新的序列。滑動(dòng)平均可視作濾波器,對(duì)信號(hào)數(shù)據(jù)起到平滑作用。更新處理后的數(shù)據(jù)段序列表達(dá)式為:
相關(guān)算法中的滑窗長度越長,濾波器的通帶越窄。此外,通過對(duì)滑窗中的數(shù)據(jù)求取平均達(dá)到信號(hào)積累的目的,可在一定程度上增強(qiáng)對(duì)噪聲的抑制效果。
圖2 改進(jìn)的相關(guān)檢測(cè)處理流程
經(jīng)過進(jìn)一步優(yōu)化,可得對(duì)DSSS信號(hào)檢測(cè)中進(jìn)行精細(xì)相關(guān)峰搜索的流程,如圖3所示。在低信噪比情況下,相關(guān)峰值并不單一,且曲線將出現(xiàn)較大波動(dòng),因此需要計(jì)算多個(gè)峰值,并進(jìn)行聯(lián)合處理。改進(jìn)方法中提升性能的方法有兩種,一種是增加搜索處理的次數(shù),另一種是增加擴(kuò)頻信號(hào)數(shù)據(jù)的長度。通過增加檢測(cè)中的采樣數(shù)據(jù)長度,可更好地降噪,提升檢測(cè)性能。對(duì)于各種不同的分段長度與采樣位置的計(jì)算,當(dāng)分段長度等于DSSS信號(hào)擴(kuò)頻碼序列的周期時(shí),相關(guān)峰值對(duì)應(yīng)于擴(kuò)頻碼同步位置。在不斷循環(huán)搜索過程中,各相關(guān)峰位置坐標(biāo)可記為ind、ind_1、ind_11……等。上一相關(guān)峰與本次相關(guān)峰的差可視作檢測(cè)步進(jìn)因子,用表示。當(dāng)信號(hào)接近同步位置時(shí),步進(jìn)因子逐漸變大,在擴(kuò)頻碼同步位置處算法可達(dá)到更優(yōu)的檢測(cè)性能。當(dāng)歸一化偏移差小于2時(shí),即當(dāng)DSSS信號(hào)處于同步點(diǎn)時(shí),步進(jìn)因子大。由此可見,若采取精細(xì)步進(jìn)搜索方式,其最大值對(duì)應(yīng)的坐標(biāo)在距離擴(kuò)頻同步點(diǎn)最近的信號(hào)采樣點(diǎn)位置處。
圖3 對(duì)DSSS信號(hào)檢測(cè)精細(xì)相關(guān)峰搜索流程
如圖3所示,由于開展對(duì)DSSS信號(hào)盲檢測(cè)是在擴(kuò)頻碼長度未知且擴(kuò)頻碼未同步的情況下,故采取了滑動(dòng)相關(guān)結(jié)合精細(xì)二維搜索的方法,對(duì)大于門限的情況進(jìn)行多個(gè)位置點(diǎn)坐標(biāo)綜合計(jì)算,達(dá)到了從DSSS信號(hào)長度和同步位置兩方面兼顧處理的目的。
然后,對(duì)DSSS信號(hào)檢測(cè)判決門限的選取思路進(jìn)行分析。此方法的門限一般與信號(hào)相關(guān)計(jì)算的窗長度、信噪比和擴(kuò)頻碼元有關(guān)。對(duì)于第一檢測(cè)門限,可合理引入自適應(yīng)處理,求取時(shí)結(jié)合在信噪比區(qū)間中估計(jì)的平均參數(shù)量進(jìn)行設(shè)置,以達(dá)到更優(yōu)的穩(wěn)健性和抗噪性能。
其中,thr 表示檢測(cè)量,M 表示門限,Pd表示檢測(cè)概率,Pf表示虛警概率。于是,得到檢測(cè)量的表達(dá)式為:
下面對(duì)多徑環(huán)境中多址接入擴(kuò)頻信號(hào)檢測(cè)思路進(jìn)行分析。設(shè)信號(hào)為采用Gold偽隨機(jī)序列的擴(kuò)頻基帶形式,第k 個(gè)用戶對(duì)應(yīng)的發(fā)射信號(hào)表達(dá)式為:
在接收端,考慮多徑和噪聲因素,接收信號(hào)可表示為:
其中,K表示用戶數(shù)量,l和hkj分別表示多徑數(shù)量和信道沖激響應(yīng),則第m 條路徑的接收信號(hào)為:
其中,u1和u2為整數(shù)倍延時(shí),若原始的參考偽隨機(jī)Gold碼擴(kuò)頻信號(hào)可表示成,則經(jīng)過延時(shí)相關(guān)處理后的擴(kuò)頻信號(hào)計(jì)算表達(dá)式為:第m條路徑的信號(hào)相關(guān)結(jié)果輸出可通過式(19)計(jì)算得到:
為了驗(yàn)證本文的檢測(cè)方法,利用MATLAB軟件開展了以下仿真試驗(yàn)。
仿真參數(shù)設(shè)置:DSSS通信信號(hào)載頻為60 MHz,調(diào)制方式為BPSK調(diào)制,采樣率為200 MHz,擴(kuò)頻碼長為512的Gold碼偽隨機(jī)序列,信號(hào)長度為8192個(gè)樣本點(diǎn),Monte-Carlo仿真次數(shù)選取為2000次,噪聲為加性高斯白噪聲。下面在虛警概率為1%時(shí)進(jìn)行仿真,采用本文改進(jìn)的新方法進(jìn)行DSSS信號(hào)的盲檢測(cè),并選取基于平方倍頻的檢測(cè)方法[4]和基于功率譜的檢測(cè)方法進(jìn)行比較,檢測(cè)性能曲線如圖4所示。
圖4 本文新方法與過去方法的性能對(duì)比曲線
從圖4可以看出,改進(jìn)的新檢測(cè)方法能夠?qū)崿F(xiàn)對(duì)直接序列擴(kuò)頻信號(hào)的正確檢測(cè)。在低信噪比條件下,新方法的性能要優(yōu)于過去的平方倍頻檢測(cè)法和功率譜檢測(cè)方法,提高了DSSS信號(hào)盲檢測(cè)的處理性能,具有理想的抗噪性和工程適用性。
直接序列擴(kuò)頻信號(hào)的抗干擾性能較好,且較難截獲,因此已經(jīng)被廣泛應(yīng)用于通信系統(tǒng)。在非協(xié)作情況下,開展對(duì)DSSS信號(hào)的檢測(cè)具有重要意義。在低信噪比的情況下,過去的一些檢測(cè)算法難以滿足實(shí)際應(yīng)用要求,需探索新的改進(jìn)算法以解決問題。因此,本文提出了一種改進(jìn)的DSSS信號(hào)新檢測(cè)方法,優(yōu)化了相關(guān)計(jì)算和搜索處理等步驟。仿真結(jié)果表明,新方法的檢測(cè)性能更優(yōu),且工程適用性較強(qiáng)。下一步將更深入探索DSSS信號(hào)盲檢測(cè)和分析接收系統(tǒng)化問題,以期更好地促進(jìn)網(wǎng)絡(luò)安全和通信監(jiān)測(cè)等領(lǐng)域的發(fā)展。