基于卷積神經(jīng)網(wǎng)絡(luò)的OFDM-UWB信道環(huán)境識(shí)別

王 斐，徐 湛，2，職如昕，2，陳晉輝，2

（1.北京信息科技大學(xué)信息與通信工程學(xué)院，北京100101；2.北京信息科技大學(xué)現(xiàn)代測(cè)控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100101）

0 概述

超寬帶（Ultra-WideBand，UWB）無(wú)線(xiàn)通信是一種基于低能量短時(shí)脈沖的無(wú)線(xiàn)通信技術(shù)，近年來(lái)在無(wú)線(xiàn)通信和測(cè)距領(lǐng)域被廣泛應(yīng)用。得益于自身巨大帶寬的優(yōu)勢(shì)，超寬帶無(wú)線(xiàn)通信技術(shù)具有良好的材料穿透能力，同時(shí)良好的時(shí)間分辨率也使其適用于精確測(cè)距［1］。基于以上優(yōu)勢(shì)，目前超寬帶已成為室內(nèi)定位的主流技術(shù)。非視距（Non-Line of Sight，NLOS）傳播是超寬帶技術(shù)誤差的主要來(lái)源之一，在進(jìn)行室內(nèi)定位時(shí)，信道中的遮擋會(huì)使信號(hào)在傳輸過(guò)程中產(chǎn)生大量的損耗，從而嚴(yán)重影響定位精度［2］。因此，識(shí)別出信道是否屬于非視距傳輸對(duì)于提升定位精確度具有重要意義。

目前，研究者提出了許多非視距信道的識(shí)別方法。文獻(xiàn)［3］基于定位時(shí)間（Time-of-Arrival，TOA），利用CayleyMenger行列式（CayleyMenger Determinant，CMD）構(gòu)建的假設(shè)檢驗(yàn)?zāi)Ｐ瓦M(jìn)行NLOS 信道識(shí)別。文獻(xiàn)［4］基于距離測(cè)量的貝葉斯先驗(yàn)概率，利用貝葉斯順序檢驗(yàn)的方法進(jìn)行LOS/NLOS 識(shí)別。文獻(xiàn)［5］根據(jù)物理層的相位特征和OFDM 的子載波頻率分集提出一種LOS 識(shí)別方案。文獻(xiàn)［6-8］通過(guò)假設(shè)檢驗(yàn)法來(lái)進(jìn)行NLOS 信道環(huán)境的識(shí)別。信道識(shí)別的關(guān)鍵在于信道識(shí)別參數(shù)，例如利用支持向量機(jī)算法對(duì)信道特征參數(shù)［9-10］、移動(dòng)臺(tái)與基站的特征參數(shù)［11］、峭度［12-14］以及信號(hào)能量［15-16］進(jìn)行訓(xùn)練和識(shí)別。

傳統(tǒng)的LOS/NLOS 識(shí)別方法較少利用信道統(tǒng)計(jì)模型，并且都需要事先進(jìn)行大量的數(shù)據(jù)采集，在不同場(chǎng)景下，不同的信號(hào)特征使得識(shí)別的工作量很大。此外，多數(shù)方法需要預(yù)設(shè)門(mén)限值，而閾值的可靠性和魯棒性也存在爭(zhēng)議。為突破傳統(tǒng)識(shí)別方法的局限性，本文提出一種新的分類(lèi)方法。利用信道估計(jì)的沖激響應(yīng)構(gòu)建數(shù)據(jù)集，將通信信道識(shí)別問(wèn)題轉(zhuǎn)化為圖像識(shí)別問(wèn)題，對(duì)其經(jīng)短時(shí)傅里葉變換（Short-Time Fourier Transform，STFT）處理后通過(guò)卷積神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行正確識(shí)別分類(lèi)。在此基礎(chǔ)上，基于OFDM 方案的UWB 系統(tǒng)進(jìn)行仿真，通過(guò)加入高斯白噪聲驗(yàn)證所提方法的實(shí)用性。

1 IEEE 802.15.3a UWB 信道統(tǒng)計(jì)模型

“分簇”是描述室內(nèi)超寬帶傳輸特性的最優(yōu)方式之一，受到了研究人員的廣泛認(rèn)同，即構(gòu)建S-V 模型。在S-V 模型的定義中，脈沖信號(hào)各徑上的分量以一簇一簇傳輸?shù)姆绞降竭_(dá)接收機(jī)。簇和簇內(nèi)射線(xiàn)的到達(dá)時(shí)間服從泊松隨機(jī)過(guò)程分布。先后到達(dá)的多徑信號(hào)增益統(tǒng)計(jì)獨(dú)立，多徑信號(hào)的平均功率（幅度的均方值）隨簇和簇內(nèi)射線(xiàn)雙指數(shù)衰減，其幅度呈瑞利分布，相位在［0，2π）內(nèi)均勻分布。S-V 模型的信道沖激響應(yīng)可以表示為：

在式（1）中：Tl（l=0，1，…）為第（l+1）個(gè)到達(dá)簇的到達(dá)時(shí)間，T0=0 表示第1 個(gè)到達(dá)簇的到達(dá)時(shí)間；τk，l（k=0，1，…）為第（l+1）個(gè)簇中第（k+1）個(gè)到達(dá)射線(xiàn)的到達(dá)時(shí)間，τ0，l表示第l個(gè)簇中第1 條射線(xiàn)的到達(dá)時(shí)間；βk，l為第（l+1）個(gè)簇中第（k+1）個(gè)到達(dá)射線(xiàn)的多徑增益，其相位為θk，l。S-V 模型中其他主要參數(shù)還包括多徑到達(dá)時(shí)間分布、多徑增益分布、多徑相位分布等。

表1 列出了IEEE 802.15.3a 室內(nèi)信道模型的典型參數(shù)，其中數(shù)據(jù)由大量實(shí)測(cè)數(shù)據(jù)推導(dǎo)得出，CM1表示視距傳播模型（0 m～4 m），CM2 表示非視距傳播模型（0 m～4 m），CM3 表示非視距傳播模型（4 m～10 m），CM4 表示一個(gè)極端非視距傳播模型多徑信道，Λ表示簇平均到達(dá)速率，λ表示脈沖平均到達(dá)速率，Γ表示簇的功率衰減因子，γ表示簇內(nèi)脈沖的功率衰減因子，δξ表示簇的信道系數(shù)標(biāo)準(zhǔn)偏差，δζ表示簇內(nèi)脈沖的信道系數(shù)標(biāo)準(zhǔn)偏差，δg表示信道幅度增益的標(biāo)準(zhǔn)偏差。

表1 IEEE 802.15.3a UWB 信道參數(shù)Table 1 IEEE 802.15.3a UWB channel parameters

2 基于卷積神經(jīng)網(wǎng)絡(luò)的信道環(huán)境識(shí)別

卷積神經(jīng)網(wǎng)絡(luò)在近年來(lái)被廣泛應(yīng)用于多分類(lèi)任務(wù)［17-19］，特別是圖像分類(lèi)［20］。使用CNN 進(jìn)行LOS/NLOS信道環(huán)境識(shí)別的優(yōu)點(diǎn)是避免了對(duì)特征參數(shù)的大量計(jì)算。同時(shí)，在訓(xùn)練過(guò)程中，卷積神經(jīng)網(wǎng)絡(luò)可以自行選擇合適的權(quán)值。CNN 提取的特征比人工提取的特征更有效。在前期研究［21］中，為增強(qiáng)圖像特征，得到更有效的數(shù)據(jù)集，研究者對(duì)信道沖激響應(yīng)進(jìn)行STFT處理得到脈沖響應(yīng)譜。以不同的顏色表示不同的能量強(qiáng)度，將信道識(shí)別問(wèn)題轉(zhuǎn)化為圖像識(shí)別問(wèn)題。利用MATLAB 對(duì)IEEE 802.15.3a UWB 信道統(tǒng)計(jì)模型進(jìn)行仿真，得到CM1～CM4 這4 種信道環(huán)境下的沖激響應(yīng)，如圖1所示，其經(jīng)STFT 處理后如圖2所示。分析結(jié)果表明，CM1～CM4 這4 種情況下的脈沖響應(yīng)具有不同的特征。

圖1 CM1～CM4 信道環(huán)境下的沖激響應(yīng)Fig.1 Impulse responses under CM1～CM4 channel environments

圖2 STFT 處理后的沖激響應(yīng)Fig.2 Impulse responses after STFT processing

將短時(shí)傅里葉變換后的圖像作為數(shù)據(jù)集進(jìn)行訓(xùn)練識(shí)別。CM1～CM4 信道環(huán)境的數(shù)據(jù)集規(guī)模均為48 000 個(gè)數(shù)據(jù)，其中38 400 個(gè)數(shù)據(jù)作為訓(xùn)練集，剩余數(shù)據(jù)作為測(cè)試集。

圖3 為卷積神經(jīng)網(wǎng)絡(luò)對(duì)信道沖激響應(yīng)的識(shí)別率曲線(xiàn)，其中：2conv_1fc 表示兩卷積層一全連接層；2conv_2fc 表示兩卷積層兩全連接層；3conv_1fc 表示三卷積層一全連接層；3conv_2fc 表示三卷積層兩全連接層?？梢钥闯?，該方法對(duì)于理想情況下視距和非視距信道的識(shí)別率最高可達(dá)98.24%。

圖3 卷積神經(jīng)網(wǎng)絡(luò)對(duì)信道沖激響應(yīng)的識(shí)別率Fig.3 Recognition rate of CNN for channel impulse response

3 OFDM-UWB信道環(huán)境識(shí)別

本文OFDM 方案的UWB 通信系統(tǒng)通過(guò)QPSK星座調(diào)制的128 個(gè)載波來(lái)符合“500 MHz 帶寬”的要求，合成信號(hào)占用一個(gè)528 MHz 的信道。仿真中利用IEEE 802.15.3a UWB 模型所生成的沖激響應(yīng)構(gòu)建信道環(huán)境。

OFDM 系統(tǒng)一個(gè)重要的優(yōu)勢(shì)在于可以利用快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）生成，極大地降低了系統(tǒng)的復(fù)雜度。數(shù)據(jù)比特被調(diào)制為QPSK 符號(hào)，隨后通過(guò)逆FFT（IFFT）被轉(zhuǎn)化為時(shí)域數(shù)據(jù)發(fā)送到無(wú)線(xiàn)信道中。由于無(wú)線(xiàn)信道的影響，接收信號(hào)通常會(huì)發(fā)生失真，多徑傳播的頻域模型由式（2）表示：

其中：Y表示接收端的信號(hào)向量；X表示發(fā)射端的信號(hào)向量；H表示信道頻率響應(yīng)；Z表示高斯白噪聲。為消除無(wú)線(xiàn)信道對(duì)信號(hào)傳輸?shù)挠绊懀仨氃诮邮斩藢?duì)信道頻率響應(yīng)H進(jìn)行估計(jì)從而對(duì)接收信號(hào)進(jìn)行補(bǔ)償。根據(jù)式（2），使用LS（最小二乘）信道估計(jì)得出信道頻率響應(yīng)：

其中，X［k］表示第k個(gè)子載波上的導(dǎo)頻信號(hào)，Y［k］表示接收到的導(dǎo)頻信號(hào)，HLS［k］表示估計(jì)出的頻率響應(yīng)。

對(duì)頻率響應(yīng)的估計(jì)結(jié)果做IFFT 變換后得到4 種信道環(huán)境下的沖激響應(yīng)，分別如圖4所示。

圖4 信道估計(jì)沖激響應(yīng)Fig.4 Impulse responses estimated by the channel

STFT 將一維的hLS轉(zhuǎn)換為二維時(shí)頻圖，這有利于信道環(huán)境的識(shí)別。離散的STFT 表達(dá)式為：

其中，w（m-n）表示窗函數(shù)，n表示窗長(zhǎng)。在時(shí)域用窗函數(shù)將hLS截取為多段，對(duì)每一段做傅里葉變換，求出各段的頻域特性，從而求出hLS的時(shí)頻特性。為克服窗與窗內(nèi)數(shù)據(jù)的關(guān)聯(lián)性，相鄰兩窗部分重疊，仿真中重疊大小參數(shù)為Noverlap。

Hamming 窗能夠有效減小頻譜泄露問(wèn)題，本文選取Hamming 窗函數(shù)，如式（5）所示：

其中，0≤k≤n-1。經(jīng)STFT 處理所得不同信道下hLS時(shí)頻圖如圖5所示。

圖5 STFT 處理后的信道估計(jì)沖激響應(yīng)Fig.5 Impulse responses estimated by the channel after STFT processing

在STFT 處理過(guò)程中，不同的窗長(zhǎng)n以及參數(shù)Noverlap 會(huì)使圖像的分辨率發(fā)生改變，導(dǎo)致圖像特征有所差異。本文在多次仿真測(cè)試基礎(chǔ)上，選擇長(zhǎng)度n為8 的Hamming 窗，將參數(shù)Noverlap 設(shè)置為7。

在OFDM 方案的UWB 系統(tǒng)中，不同的比特信噪比（EbN0）下信道估計(jì)的準(zhǔn)確性也會(huì)隨之浮動(dòng)。仿真在最高效的STFT 參數(shù)下基于不同的EbN0 值進(jìn)行。

4 仿真與結(jié)果分析

在不同的STFT 參數(shù)下，使用不同結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別率如表2所示。該部分測(cè)試中EbN0為30 dB。數(shù)據(jù)顯示，基于線(xiàn)性變換的參數(shù)n和Noverlap，相同結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)下的信道識(shí)別率呈非線(xiàn)性變化。使用不同的窗長(zhǎng)n和Noverlap 會(huì)使STFT 的結(jié)果具有不同的時(shí)域解析度及頻域解析度，兩者相互沖突，無(wú)法同時(shí)獲得高解析度。使用短窗STFT 則時(shí)間分辨率高，使用長(zhǎng)窗則頻率分辨率高。原始數(shù)據(jù)被窗函數(shù)分割后，窗口兩端位置的信息就會(huì)減少，Noverlap 的存在改善了這種邊緣效應(yīng)。在相同的窗長(zhǎng)n下，重疊度越高，則STFT 的時(shí)頻分析圖像越平滑，結(jié)果越準(zhǔn)確。

表2 各STFT 參數(shù)下卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別率Table 2 Recognition rate of CNN under different STFT parameters

根據(jù)表2所示數(shù)據(jù)，選取結(jié)果最優(yōu)值為：n=8，Noverlap=7，使用兩個(gè)卷積層兩個(gè)全連接層的神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。在不同EbN0 下的識(shí)別率如圖6所示。從中可以看出，隨著EbN0 值的增大，本文方法對(duì)信道環(huán)境的識(shí)別率穩(wěn)定上升，在EbN0 值為20 dB左右趨于穩(wěn)定，此時(shí)識(shí)別率為90.572 9%。

圖6 不同EbN0 下4 種信道環(huán)境的識(shí)別率Fig.6 Recognition rate of four channel environments under different EbN0

根據(jù)參考文獻(xiàn)［21］提取以下信道特征參數(shù)：

1）平均附加時(shí)延。此項(xiàng)參數(shù)即信道沖激響應(yīng)功率延遲分布的一階矩，表達(dá)式如下：

其中：G表示信道總能量；αn表示幅度增益；τn表示附加時(shí)延。

2）均方根時(shí)延擴(kuò)展。此項(xiàng)參數(shù)與平均附加時(shí)延的本質(zhì)相似，其由平均附加時(shí)延的標(biāo)準(zhǔn)差所計(jì)算得出，表達(dá)式如下：

3）幅度高于峰值50%的徑的數(shù)量。此項(xiàng)參數(shù)反映了信道多徑的分布情況，表達(dá)式如下：

其中，hmax表示沖激響應(yīng)最大幅度。

4）占據(jù)信道85%能量的徑的數(shù)量表達(dá)式如下，該參數(shù)同樣表征了信道中多徑的分布情況。

其中，Ece（n）表示累積能量分布。

使用較為傳統(tǒng)的信道識(shí)別方式，基于信道特征參數(shù)，利用支持向量機(jī)對(duì)信道環(huán)境進(jìn)行識(shí)別，識(shí)別結(jié)果與本文方法識(shí)別結(jié)果的對(duì)比如圖7所示?？梢钥闯觯诩尤朐肼暤亩鄮FDM 超寬帶信道識(shí)別問(wèn)題中，CNN 的識(shí)別能力同樣優(yōu)于SVM 的識(shí)別能力，通過(guò)橫向?qū)Ρ?，進(jìn)一步驗(yàn)證了本文方法的有效性。

圖7 不同EbN0 下2 種方法的識(shí)別率對(duì)比Fig.7 Comparison of recognition rates between two methods under different EbN0

5 結(jié)束語(yǔ)

本文提出一種基于CNN 的LOS/NLOS 信道環(huán)境識(shí)別方法。對(duì)信道脈沖響應(yīng)圖像做短時(shí)傅里葉變換處理后，作為CNN 的輸入進(jìn)行模型訓(xùn)練，把信道識(shí)別問(wèn)題轉(zhuǎn)化為圖像識(shí)別問(wèn)題。針對(duì)4 種室內(nèi)UWB信道環(huán)境，在OFDM 方案的UWB 系統(tǒng)下進(jìn)行仿真，結(jié)果表明，隨著EbN0 的增加，該方法的識(shí)別率逐漸提高，在EbN0 為20 dB 左右趨于穩(wěn)定，識(shí)別率達(dá)到90.572 9%。與傳統(tǒng)識(shí)別方法的比較結(jié)果也驗(yàn)證了該方法的有效性和優(yōu)越性。后續(xù)將進(jìn)一步驗(yàn)證本文方法對(duì)于其他類(lèi)型無(wú)線(xiàn)通信鏈路的實(shí)用性，同時(shí)不僅局限于加入高斯白噪聲，而將考慮加入干擾等非理想因素，設(shè)計(jì)用于OFDM 超寬帶信道識(shí)別的神經(jīng)網(wǎng)絡(luò)。