一種對(duì)無人機(jī)通信鏈路中擴(kuò)頻信號(hào)識(shí)別改進(jìn)方法

涂 航，熊 剛

（1.海軍參謀部，北京 100841；2.中國(guó)電子科技集團(tuán)公司第三十研究所，四川 成都 610041）

0 引言

隨著智能化新技術(shù)的發(fā)展，無人機(jī)在民用和軍事領(lǐng)域中具有廣闊的應(yīng)用前景。無人機(jī)通信鏈路包括下行的圖傳與上行的遙控鏈路，是無人機(jī)實(shí)現(xiàn)測(cè)控信息傳輸?shù)闹匾ǖ馈５孛婵刂普鞠喈?dāng)于無人機(jī)系統(tǒng)運(yùn)行的核心大腦，而無人機(jī)遙控鏈路發(fā)揮著關(guān)鍵的控制指令發(fā)送作用[1]。無人機(jī)通信鏈路示意圖如圖1 所示。

圖1 無人機(jī)通信鏈路

無人機(jī)通信鏈路信號(hào)樣式有正交相移鍵控（Quadrature Phase Shift Keying，QPSK）調(diào)制信號(hào)、16 正交幅度調(diào)制（Quadrature Amplitude Modulation，QAM）信號(hào)等。近年來，因?yàn)閿U(kuò)頻信號(hào)具有抗多徑性能良好、傳輸速率高、抗截獲等特點(diǎn)，已經(jīng)成為了無人機(jī)遙控鏈路的一種重要信號(hào)樣式[2]。全球無人機(jī)市場(chǎng)占有率最高的大疆系列消費(fèi)級(jí)無人機(jī)大量采用了直接序列擴(kuò)頻（Direct Sequence Spread Spectrum，DSSS）信號(hào)作為其通信方式；軍用無人機(jī)如外軍的通用數(shù)據(jù)鏈（Common Data Link，CDL）、戰(zhàn)術(shù)通用數(shù)據(jù)鏈（Tactical Common Data Link，TCDL）等也選取了DSSS 擴(kuò)頻信號(hào)方式，可為系統(tǒng)提供較強(qiáng)的抗截獲性能。

由于擴(kuò)頻信號(hào)對(duì)于無人機(jī)通信的重要性，與之相應(yīng)的信號(hào)識(shí)別技術(shù)成為了監(jiān)測(cè)和對(duì)抗領(lǐng)域重要研究課題。在當(dāng)前日益復(fù)雜的電磁環(huán)境里，信號(hào)紛繁，種類較多，擴(kuò)頻信號(hào)識(shí)別是后續(xù)還原無人機(jī)遙控鏈路傳輸信息的前提[3]。然而，一方面，在非合作情況下可得的目標(biāo)先驗(yàn)信息較少，屬于盲處理范疇；另一方面，擴(kuò)頻信號(hào)有時(shí)湮沒在背景噪聲里，為信號(hào)識(shí)別帶來了挑戰(zhàn)。傳統(tǒng)的信號(hào)處理方法對(duì)DSSS 擴(kuò)頻信號(hào)的分析識(shí)別并不太理想[4]，因此引起了許多學(xué)者和研究機(jī)構(gòu)的關(guān)注。文獻(xiàn)[5]分析了根據(jù)時(shí)域能量識(shí)別擴(kuò)頻信號(hào)的方法；但是需在較高的信噪比條件下才能使用，對(duì)于功率微弱的DSSS 擴(kuò)頻信號(hào)處理效果并不是很理想[5]。文獻(xiàn)[6]中描述了一種基于頻域譜分析的識(shí)別思路，該方法對(duì)信號(hào)頻譜估計(jì)的要求較精準(zhǔn)，否則提取的頻域特征不穩(wěn)定，在實(shí)際的復(fù)雜電磁環(huán)境中難于識(shí)別擴(kuò)頻信號(hào)[6]。文獻(xiàn)[7]的方法是通過對(duì)信號(hào)六階矩的特征計(jì)算判別擴(kuò)頻信號(hào)，并區(qū)分出其與QAM 信號(hào)和相移鍵控（Phase-Shift Keying，PSK）信號(hào)，不需要很高的信噪比條件；但該思路的運(yùn)算量大，處理資源開銷多，不利于實(shí)際中快速識(shí)別應(yīng)用[7]，還須采用新的算法思路。

針對(duì)上述問題，本文提出一種無人機(jī)通信鏈路中擴(kuò)頻信號(hào)識(shí)別改進(jìn)方法。該方法首先通過可調(diào)節(jié)步長(zhǎng)的自適應(yīng)濾波實(shí)現(xiàn)對(duì)復(fù)雜干擾的抑制，其次結(jié)合對(duì)擴(kuò)頻信號(hào)的多重相關(guān)累積特征的提取分析，最后以期得到更好的識(shí)別效果。

1 擴(kuò)頻信號(hào)分析原理模型

無人機(jī)在空中飛行進(jìn)行通信時(shí)，遙控鏈路中DSSS 擴(kuò)頻信號(hào)的信噪較低，需要從實(shí)際的強(qiáng)噪聲背景中判斷出信號(hào)是否存在，并對(duì)信號(hào)的載頻、帶寬等參數(shù)進(jìn)行估計(jì)，然后經(jīng)過下變頻和濾波抽取等處理，得到基帶信號(hào)。DSSS 擴(kuò)頻通信收發(fā)傳輸原理模型如圖2 所示。

圖2 擴(kuò)頻DSSS 通信收發(fā)傳輸原理模型

DSSS 信號(hào)的數(shù)學(xué)模型可表示為：

且有：

式中：p表示擴(kuò)頻信號(hào)的功率；d(t)表示擴(kuò)頻碼序列；Tc為信息碼周期；fc表示載波頻率；θ表示信號(hào)相位，初相位通常為0；t表示時(shí)間；下標(biāo)c表示載波；下標(biāo)d表示延時(shí)；g(t)表示碼元脈沖成型函數(shù)；dn表示原始信息碼。

在參數(shù)估計(jì)的過程中，可先用改進(jìn)的Welch 譜估計(jì)思路進(jìn)行頻率的粗估計(jì)，通過對(duì)信號(hào)序列數(shù)據(jù)分段，計(jì)算每段的周期圖，然后進(jìn)行平均以獲得估計(jì)值。相對(duì)于根據(jù)單個(gè)周期圖的估計(jì)，此方法可減小估計(jì)值的方差。在初步的頻率分析估算后，還可采用四次方譜算法開展對(duì)頻率的精估計(jì)，對(duì)于DSSS 擴(kuò)頻信號(hào)、二進(jìn)制相移鍵控（Binary Phase Shift Keying，BPSK）調(diào)制和QPSK 調(diào)制信號(hào)，都能得到估計(jì)結(jié)果?？捎墒剑?）計(jì)算出頻率fc精確估值(fc)fine為：

式中：peak(·)表示取峰值；fft表示對(duì)信號(hào)進(jìn)行傅里葉變換；y表示DSSS 信號(hào)量。

此外，還可估計(jì)出其他參數(shù)，包括符號(hào)周期、定時(shí)偏移等，對(duì)于擴(kuò)頻信號(hào)還可以進(jìn)一步估計(jì)擴(kuò)頻碼序列從而解擴(kuò)，最后可對(duì)信號(hào)解調(diào)進(jìn)行信息恢復(fù)。

擴(kuò)頻碼具有周期性，并且信號(hào)擴(kuò)頻碼序列的統(tǒng)計(jì)特性與白噪聲近似，所以相關(guān)值也會(huì)呈現(xiàn)明顯的周期性峰值，而對(duì)于常規(guī)的調(diào)制信號(hào)，僅可能在相關(guān)域平面的中心位置處出現(xiàn)最高峰，且其相關(guān)峰不會(huì)有周期性，因此根據(jù)擴(kuò)頻相關(guān)性質(zhì)能夠?qū)π盘?hào)進(jìn)行識(shí)別。DSSS 信號(hào)相關(guān)峰計(jì)算原理模型如圖3 所示。

圖3 擴(kuò)頻信號(hào)相關(guān)運(yùn)算模型

擴(kuò)頻信號(hào)延遲相關(guān)譜可根據(jù)圖3 模型得到。延遲相乘信號(hào)r(t)的表達(dá)式為：

式中：τ表示延遲量。

式中：δ(t)表示脈沖沖激響應(yīng)函數(shù)。

然后進(jìn)行FFT 變換得到信號(hào)相關(guān)譜，并可從中產(chǎn)生的譜線為：

根據(jù)式（7），在碼速率n倍位置處存在相關(guān)譜的譜線，在對(duì)無人機(jī)通信鏈路中擴(kuò)頻信號(hào)識(shí)別時(shí)可以利用此特征?？紤]到無人機(jī)采取了寬帶通信傳輸方式，在信號(hào)處理實(shí)際應(yīng)用中需要滿足過采樣條件，Rc為擴(kuò)頻碼速率，則采樣率fs應(yīng)取：fs≥10Rc。設(shè)信號(hào)y(t)經(jīng)過模數(shù)轉(zhuǎn)換ADC 采樣離散化后為y(n)，可得無人機(jī)擴(kuò)頻信號(hào)相關(guān)譜的連續(xù)部分為：

式（8）中含有多個(gè)基于擴(kuò)頻碼速率的譜線，從而可針對(duì)性地進(jìn)行有效搜索判識(shí)。

2 新改進(jìn)識(shí)別算法分析

為了消除在無人機(jī)信號(hào)識(shí)別中干擾及噪聲的影響，需要對(duì)信號(hào)進(jìn)行濾波。面臨復(fù)雜的電磁環(huán)境中存在的許多較大的背景干擾，可采取基于自適應(yīng)濾波的處理思路[8]。自適應(yīng)濾波算法中應(yīng)用較廣泛的是最小均方誤差（Least Mean Square，LMS）算法，可在信噪比相對(duì)較低情況下抑制干擾，結(jié)構(gòu)易于實(shí)現(xiàn)[9]；但傳統(tǒng)思路因?yàn)椴扇『愣ǖ牟介L(zhǎng)因子，導(dǎo)致收斂速度慢，穩(wěn)定性較差[10]。本文在此處引入一種可調(diào)節(jié)步長(zhǎng)的改進(jìn)LMS 方法，可提高收斂速度，并使誤差得到優(yōu)化，增強(qiáng)了對(duì)干擾噪聲的抑制效果，魯棒性強(qiáng)。對(duì)于待處理的信號(hào)s(t)的表達(dá)式為：

式中：A表示幅度因子，A=1；r(t)表示延遲相關(guān)信號(hào)，τ=0 時(shí)延遲為0；i(t)表示干擾分量；z(t)表示噪聲分量。式（9）的歸一化離散采樣形式為：

式中：s(n)、r(n)、i(n)、z(n)是相互獨(dú)立的序列。

s(n)還可用線性回歸模型進(jìn)行表示，即為：

式中：z(n)為高斯噪聲，均值為0，均方差為；w(n)為權(quán)系數(shù)向量。設(shè)權(quán)向量值的偏差為v(n)，e(n)為系統(tǒng)誤差，v(n)與r(n)獨(dú)立，基本的自適應(yīng)濾波權(quán)向量更新表達(dá)式為：

式中：μ表示步長(zhǎng)因子。

設(shè)r(n)的維數(shù)為M，峰度因數(shù)為k，即自適應(yīng)濾波器的階數(shù)。權(quán)值偏差的更新表達(dá)式為：

設(shè)為r(n)的均方差，通常μ值一般較小，有：(M+k-1)＜＜2

在實(shí)際中k＞1，可得：

從而得出步長(zhǎng)因子最大取值有：

在可調(diào)節(jié)步長(zhǎng)的思路中，可采用最小相關(guān)譜能量誤差形式實(shí)現(xiàn)步長(zhǎng)因子的更新，并逼近達(dá)到理想步長(zhǎng)的調(diào)整匹配目標(biāo)。設(shè)初始步長(zhǎng)因子為μ0，改進(jìn)算法中初始的變步長(zhǎng)因子應(yīng)大于傳統(tǒng)LMS 算法，使得算法收斂速度快。在干擾信號(hào)的濾除過程中，變步長(zhǎng)因子迅速達(dá)到穩(wěn)定值。合理的步長(zhǎng)取值范圍應(yīng)為μmin～μmax，其中誤差最小變化量Δe(n)min為：

在自適應(yīng)濾波過程中，對(duì)權(quán)系數(shù)向量首先進(jìn)行初始化設(shè)置。設(shè)權(quán)向量的維數(shù)為M，誤差信號(hào)e(k)的頻域變換為E(k)，sign(·)表示取符號(hào)函數(shù)，Var(·)表示取方差函數(shù)，L表示輸入數(shù)據(jù)塊長(zhǎng)度。變步長(zhǎng)因子的計(jì)算表達(dá)式為：

對(duì)于相關(guān)譜進(jìn)行最小均方誤差LMS 計(jì)算，進(jìn)行權(quán)向量的更新，反復(fù)迭代，直至實(shí)現(xiàn)完全消除干擾。

可調(diào)節(jié)步長(zhǎng)的LMS 方法在不同輸入信噪比下的信噪比優(yōu)化因子如表1 所示。

表1 LMS 算法在各輸入信噪比下的優(yōu)化因子

下面分析基于多重相關(guān)累積的思路，進(jìn)一步降低通信鏈路環(huán)境中的噪聲影響，取得更好的抗噪效果。該方法充分拓展了傳統(tǒng)思路，得到更強(qiáng)的相關(guān)性能，抑制干擾信號(hào)，有利于從復(fù)雜背景中識(shí)別出微弱信號(hào)，使得算法提取出的特征更穩(wěn)健。本文改進(jìn)的多重相關(guān)累積算法結(jié)構(gòu)如圖4 所示。

圖4 改進(jìn)的多重相關(guān)累積算法結(jié)構(gòu)

信號(hào)的相關(guān)譜函數(shù)分析式為：

設(shè)加窗長(zhǎng)度為M，則相關(guān)譜累積函數(shù)的二階矩為：

并可得：

對(duì)加窗處理后的信號(hào)求取均值平滑，再對(duì)擴(kuò)頻信號(hào)相關(guān)譜的譜線變化進(jìn)行分析，譜線之間的間隔是相同的，且都出現(xiàn)擴(kuò)頻碼速率的倍數(shù)周期位置。當(dāng)存在多個(gè)信號(hào)的情況時(shí)，DSSS 信號(hào)的相關(guān)峰能量將和其它信號(hào)的疊加，導(dǎo)致在相關(guān)結(jié)果圖的中心位置的幅度達(dá)到最大，這主要是由其它類型調(diào)制信號(hào)性質(zhì)造成的，DSSS 信號(hào)在該位置的相關(guān)峰幅值小于QPSK 信號(hào)和16-QAM 信號(hào)，但DSSS 信號(hào)存在非中心位置處周期性的相關(guān)譜線，QPSK 信號(hào)、16-QAM 信號(hào)卻不具有。多信號(hào)情況時(shí)的相關(guān)譜峰如圖5 所示。

圖5 信號(hào)多重相關(guān)峰（DSSS+QPSK+16QAM）

對(duì)中心位置相關(guān)峰幅度減小，并放大非中心位置處的信號(hào)各相關(guān)峰譜線，如圖6 所示。

圖6 多重相關(guān)峰非中心位置處

由于中心峰值的相對(duì)較大強(qiáng)度，為了更好地選擇識(shí)別閾值，因此需要抑制τ=0 處的峰值，從而進(jìn)一步提高了魯棒性。此外，與DSSS 信號(hào)的相關(guān)峰值相比，其他類型信號(hào)的循環(huán)相關(guān)處理結(jié)果僅有一個(gè)峰值幅值較大，且最高峰值在相關(guān)平面上以τ=0為中心。

對(duì)DSSS 擴(kuò)頻信號(hào)和QPSK 信號(hào)、16-QAM 信號(hào)分類識(shí)別的示意圖如圖7 所示。QPSK 信號(hào)和16-QAM 信號(hào)都不存在多重相關(guān)譜線。

圖7 DSSS 信號(hào)與QPSK 信號(hào)的識(shí)別分類

下面對(duì)無人機(jī)通信鏈路中擴(kuò)頻信號(hào)識(shí)別改進(jìn)的思路步驟進(jìn)行概述：

（1）對(duì)接收采樣信號(hào)延遲相乘，并進(jìn)行自適應(yīng)濾波處理。即求取信號(hào)與其在延遲τ下的乘積得到擴(kuò)頻碼速率，從而可在碼速率位置處開展對(duì)峰值的快速搜索，并通過可調(diào)節(jié)步長(zhǎng)的LMS 算法實(shí)現(xiàn)對(duì)干擾噪聲的有效抑制；

（2）對(duì)步驟（1）的計(jì)算輸出結(jié)果進(jìn)行分段相關(guān)計(jì)算，即可先分為n段，設(shè)信號(hào)輸入序列總長(zhǎng)度為N，則，M為相關(guān)譜的窗長(zhǎng)度，然后求取出分段相關(guān)累積的結(jié)果；

（3）根據(jù)多重相關(guān)特性實(shí)現(xiàn)噪聲的進(jìn)一步抑制，捜索求取R(τ)各分段相關(guān)的累積最大值，將大于閾值的峰值點(diǎn)以及延遲τ的位置進(jìn)行記錄，并判斷τ的間隔是否相等。滿足上述條件時(shí)，即可識(shí)別出DSSS 信號(hào)。

圖8 DSSS 信號(hào)與16-QAM 信號(hào)的識(shí)別分類

3 仿真分析

對(duì)本文改進(jìn)算法進(jìn)行MATLAB 仿真試驗(yàn)驗(yàn)證。仿真參數(shù)設(shè)置為：接收的無人機(jī)擴(kuò)頻信號(hào)采樣率為200 MHz，載頻為60 MHz，擴(kuò)頻碼速率為10 Mb/s，樣本點(diǎn)數(shù)取為8 192，擴(kuò)頻碼為M 碼序列。Monte Carlo 仿真次數(shù)為1 000 次。選用過去的一些思路包括基于頻域分析的識(shí)別方法、基于六階矩特征的識(shí)別法和本文新改進(jìn)方法進(jìn)行比較，識(shí)別性能曲線如圖9 所示。

圖9 本文新算法和過去算法的性能比較曲線

對(duì)圖9 分析可得出，本文的新算法可實(shí)現(xiàn)對(duì)DSSS 信號(hào)的正確識(shí)別，且在低信噪比條件下，新方法的檢測(cè)效果相對(duì)優(yōu)于過去的方法，性能獲得了提高。

4 結(jié)語(yǔ)

本文對(duì)無人機(jī)通信鏈路中擴(kuò)頻信號(hào)有效識(shí)別是信號(hào)監(jiān)測(cè)研究中受到最新廣泛重視的問題，在對(duì)過去的一些方法開展改進(jìn)的基礎(chǔ)上，設(shè)計(jì)拓展實(shí)現(xiàn)新的算法思路。該算法是一種基于可調(diào)步長(zhǎng)自適應(yīng)濾波和多重相關(guān)累積特征的識(shí)別算法。新改進(jìn)思路具有良好的抗噪性，無需先驗(yàn)信息，收斂速度快，適用于實(shí)際應(yīng)用環(huán)境中對(duì)無人機(jī)鏈路中DSSS 擴(kuò)頻信號(hào)的高效處理。此外，仿真試驗(yàn)驗(yàn)證了新方法的性能，比起過去的一些思路具有更高的識(shí)別率，魯棒性好，且計(jì)算量相對(duì)較小，可為擴(kuò)頻信號(hào)分析識(shí)別提供一種更實(shí)用的手段，并對(duì)通信信號(hào)監(jiān)測(cè)技術(shù)領(lǐng)域的研究貢獻(xiàn)力量。