基于深度神經(jīng)網(wǎng)絡(luò)的OFDM 抗干擾技術(shù)

丁 丹，劉步花，薛乃陽

（1.航天工程大學(xué) 電子與光學(xué)工程系，北京 101416；2.航天工程大學(xué) 研究生院，北京 101416）

0 引 言

隨著人工智能浪潮的興起，基于深度學(xué)習(xí)的算法和應(yīng)用程序滲透了所有領(lǐng)域。因?yàn)橥ㄐ畔到y(tǒng)擁有大量的數(shù)據(jù)樣本，近來年基于深度學(xué)習(xí)的智能通信相關(guān)研究也逐漸發(fā)展起來，包括信道建模和預(yù)測(cè)、定位、均衡、解碼、量化、壓縮、解調(diào)、調(diào)制識(shí)別和頻譜感知等。正交頻分復(fù)用（Orthogonal Frequency Division Multiplexing，OFDM）技術(shù)是當(dāng)前通信系統(tǒng)中廣泛應(yīng)用的關(guān)鍵技術(shù)之一，近年來，人工智能（AI）輔助OFDM 傳輸成為突破傳統(tǒng)OFDM性能瓶頸的前沿技術(shù)。

目前，基于深度學(xué)習(xí)的OFDM 傳輸研究大多集中在OFDM 的信道估計(jì)和信號(hào)檢測(cè)。文獻(xiàn)[2]首次嘗試了基于深度學(xué)習(xí)的OFDM 接收，文獻(xiàn)[3]在文獻(xiàn)[2]基礎(chǔ)上稍作改進(jìn)，它們都是解決信道估計(jì)和信號(hào)檢測(cè)問題，且都是基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)模式，即使在AWGN 信道下也需要較長時(shí)間的訓(xùn)練；在時(shí)變信道下，對(duì)訓(xùn)練數(shù)據(jù)需求量更大，需要構(gòu)建較大規(guī)模的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來擬合數(shù)據(jù)輸入與輸出關(guān)系。文獻(xiàn)[6]提出了將通信系統(tǒng)設(shè)計(jì)為一個(gè)端到端的重構(gòu)任務(wù)，尋求一種同時(shí)優(yōu)化發(fā)送器和接收器組件的方法。文獻(xiàn)[7]采用無監(jiān)督學(xué)習(xí)的方法，并引入幾個(gè)新的特定的正則化層來模擬常見信道損傷。文獻(xiàn)[8]擴(kuò)展了文獻(xiàn)[6-7]的思想，利用深度神經(jīng)網(wǎng)絡(luò)解決信號(hào)同步和符號(hào)間干擾問題。文獻(xiàn)[9]也做了信號(hào)同步相關(guān)研究。文獻(xiàn)[10]提出了一種新的基于深度學(xué)習(xí)的信號(hào)峰均比降低方法，通過深度學(xué)習(xí)技術(shù)自適應(yīng)地確定每個(gè)子載波上符號(hào)的星座映射和解映射，從而使OFDM 系統(tǒng)的誤比特率和峰均比都最小。深度學(xué)習(xí)的編碼方式與OFDM 系統(tǒng)結(jié)合的模式在一定程度上降低了系統(tǒng)的復(fù)雜度和功耗，提升了系統(tǒng)的性能。

為了實(shí)現(xiàn)復(fù)雜電磁環(huán)境下數(shù)據(jù)的可靠傳輸，文獻(xiàn)[12]針對(duì)非連續(xù)OFDM 系統(tǒng)設(shè)計(jì)了一種基于徑向基神經(jīng)網(wǎng)絡(luò)的智能抗干擾系統(tǒng)?；舅枷胧怯肈NN（Deep Neural Network）對(duì)干擾進(jìn)行識(shí)別，再根據(jù)干擾類型對(duì)信號(hào)波形進(jìn)行優(yōu)化。文獻(xiàn)[13]也是利用基于深度學(xué)習(xí)的干擾認(rèn)知識(shí)別算法實(shí)現(xiàn)非連續(xù)OFDM 系統(tǒng)實(shí)時(shí)智能決策以選擇數(shù)據(jù)傳輸方案。文獻(xiàn)[14]直接利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)干擾特征進(jìn)行提取并獲取干擾估計(jì)，最后將干擾估計(jì)量從接收信號(hào)中消除。該類研究成果雖然在一定程度上提升了OFDM 系統(tǒng)的抗干擾能力，但設(shè)計(jì)思想仍然停留在“干擾檢測(cè)、干擾抑制”的傳統(tǒng)處理步驟，系統(tǒng)復(fù)雜度仍然較高。文獻(xiàn)[15]以強(qiáng)化學(xué)習(xí)算法為基礎(chǔ)，設(shè)計(jì)了智能通信干擾決策算法，驗(yàn)證了智能通信干擾決策算法在通信對(duì)抗中的可行性。文獻(xiàn)[16]對(duì)DS/FH 通信系統(tǒng)智能干擾抑制技術(shù)進(jìn)行了研究，提出了一種基于變換域的自適應(yīng)門限智能干擾抑制算法，利用信號(hào)處理技術(shù)實(shí)現(xiàn)了干擾信號(hào)智能檢測(cè)、識(shí)別及干擾抑制。

為充分發(fā)揮DNN 對(duì)復(fù)雜環(huán)境的擬合能力，本文提出利用一個(gè)DNN 對(duì)接收端的頻域信號(hào)進(jìn)行干擾消除，而無需知道干擾估計(jì)量，直接代替?zhèn)鹘y(tǒng)方法中干擾檢測(cè)和干擾抑制模塊，達(dá)到降低系統(tǒng)復(fù)雜度的目的。本文將此類神經(jīng)網(wǎng)絡(luò)命名為“Anti-Net”。具體處理流程為：接收端對(duì)信號(hào)進(jìn)行FFT 變換，將信號(hào)從時(shí)域變換到頻域，然后輸入到已經(jīng)訓(xùn)練好的Anti-Net 中，最后對(duì)網(wǎng)絡(luò)輸出信號(hào)進(jìn)行判決，恢復(fù)數(shù)據(jù)流。

1 基于DNN 的抗干擾OFDM 系統(tǒng)設(shè)計(jì)

1.1 外來電磁干擾下傳統(tǒng)的OFDM 系統(tǒng)

圖1是電磁干擾下傳統(tǒng)的OFDM系統(tǒng)框圖，其中數(shù)據(jù)傳輸信道為加性高斯白噪聲（Additive White Gaussian Noise，AWGN）信道。發(fā)送端進(jìn)行信號(hào)處理的過程是：首先對(duì)要發(fā)送的0/1 比特流進(jìn)行正交相移鍵控（Quadrature Phase Shift Keying，QPSK）調(diào)制，然后進(jìn)行逆傅里葉變換（Inverse Fast Fourier Transform，IFFT），再加入循環(huán)前綴（Cyclic Prefix，CP），最后射頻發(fā)送數(shù)據(jù)。數(shù)據(jù)在無線信道傳輸時(shí)，遭遇外來電磁干擾，影響通信的可靠性。接收端進(jìn)行發(fā)送端的逆過程，首先去循環(huán)前綴，再進(jìn)行FFT變換，然后利用得到的信號(hào)頻譜信息對(duì)干擾進(jìn)行檢測(cè)，將檢測(cè)出的干擾信號(hào)進(jìn)行干擾抑制，接著進(jìn)行QPSK 解調(diào)，最后判決得到比特流。由于是在AWGN 信道下仿真，所以在此情況下的OFDM 系統(tǒng)不需要插入導(dǎo)頻用于信道估計(jì)等處理模塊。

圖1 電磁干擾下的傳統(tǒng)OFDM 系統(tǒng)

本文研究的電磁干擾模型為單音干擾、多音干擾、部分窄帶干擾。單音干擾又被稱作點(diǎn)頻干擾，即在某個(gè)預(yù)設(shè)頻點(diǎn)上施加一個(gè)較強(qiáng)功率的信號(hào)，多音干擾和部分窄帶干擾可以看作是單音干擾的疊加，只不過多音干擾是在離散子載波的疊加分量，部分窄帶干擾是截?cái)噙B續(xù)的子載波上的疊加。設(shè)引入干擾和高斯白噪聲后的信號(hào)分別為()，()，則()的表達(dá)式為：

式中：干擾信號(hào)的幅度；f是單音干擾所在的頻點(diǎn)；是離散時(shí)間序號(hào)；是采樣頻率；是干擾信號(hào)的相位。

單音干擾設(shè)計(jì)的主要參數(shù)是干擾頻點(diǎn)的位置f以及信干比（Signal Inference Ratio，SIR），干信比（Jam to Signal Ratio，JSR），以此來定義干擾功率和信號(hào)功率的比值。

式中：表示信號(hào)的功率；表示干擾的功率；SIR 單位是dB。圖2 是對(duì)生成的64 個(gè)隨機(jī)復(fù)數(shù)信號(hào)加入SIR=-15 dB 的單音干擾前后幅度的對(duì)比，由此可直觀地看出干擾信號(hào)對(duì)原始信號(hào)的影響，說明外來干擾對(duì)數(shù)據(jù)傳輸帶來極大危害。

圖2 干擾對(duì)信號(hào)幅度的影響

1.2 DNN 模型訓(xùn)練和數(shù)據(jù)的產(chǎn)生

圖3 是基于深度學(xué)習(xí)的OFDM 系統(tǒng)。核心模塊是FFT 變換之后的Anti-Net，用于取代傳統(tǒng)OFDM 系統(tǒng)干擾檢測(cè)和干擾抑制模塊。Anti-Net 網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層與輸出層都是256 個(gè)神經(jīng)元，一層隱含層神經(jīng)元個(gè)數(shù)為500，輸入輸出為復(fù)數(shù)信號(hào)的實(shí)部和虛部的拼接，128 個(gè)復(fù)數(shù)符號(hào)取實(shí)部和虛部一共256 個(gè)數(shù)據(jù)，各占一個(gè)神經(jīng)元。Anti-Net 訓(xùn)練的輸入樣本為接收端進(jìn)行FFT 變換之后信號(hào)的實(shí)部和虛部，它的訓(xùn)練標(biāo)簽為經(jīng)過QPSK 調(diào)制后的信號(hào)實(shí)部和虛部。詳細(xì)的OFDM 系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置見表1。

圖3 基于深度學(xué)習(xí)的OFDM 系統(tǒng)

表1 訓(xùn)練參數(shù)設(shè)置

樣本產(chǎn)生的流程如下：發(fā)送端在每一次仿真時(shí)首先隨機(jī)生成0、1 序列作為OFDM 系統(tǒng)的輸入數(shù)據(jù)流，對(duì)數(shù)據(jù)流做QPSK 調(diào)制，此時(shí)，產(chǎn)生訓(xùn)練的標(biāo)簽為QPSK 調(diào)制信號(hào)的實(shí)部和虛部。假設(shè)一幀信號(hào)只包含一個(gè)OFDM符號(hào)，因?yàn)椴恍枰迦雽?dǎo)頻，所以O(shè)FDM 系統(tǒng)一幀信號(hào)的長度為128 個(gè)符號(hào)。然后，對(duì)數(shù)字調(diào)制信號(hào)進(jìn)行IFFT計(jì)算，并插入循環(huán)前綴防止碼間串?dāng)_，最后射頻發(fā)送信號(hào)。接收端首先去掉射頻接收信號(hào)的循環(huán)前綴，然后進(jìn)行FFT 計(jì)算實(shí)現(xiàn)信號(hào)并/串轉(zhuǎn)換，最后將信號(hào)的實(shí)部和虛部拼接成一維數(shù)據(jù)樣本。樣本的產(chǎn)生流程和信號(hào)的實(shí)部與虛部拼接方式如圖4所示。

圖4 數(shù)據(jù)產(chǎn)生流程

2 仿真分析

為了分析Anti-Net的抗單音干擾的性能，設(shè)置了兩個(gè)單音干擾頻點(diǎn)，頻點(diǎn)1和頻點(diǎn)2，它們分別是128子載波中第15個(gè)和第70個(gè)子載波所在的頻點(diǎn)；設(shè)置了兩類多音干擾頻點(diǎn)頻點(diǎn)3、頻點(diǎn)4，它們都為4 個(gè)干擾頻點(diǎn)，分別是128 子載波中第[15，25，49，79]個(gè)和第[21，35，70，118]個(gè)子載波所在的頻點(diǎn)；設(shè)置四類窄帶干擾頻點(diǎn)（編號(hào)5～8），它們都是OFDM 連續(xù)子載波所在的頻點(diǎn)，不同的是連續(xù)頻點(diǎn)的個(gè)數(shù)不同，頻點(diǎn)5 為連續(xù)6 個(gè)干擾頻點(diǎn)，頻點(diǎn)6 為連續(xù)8 個(gè)干擾頻點(diǎn)，頻點(diǎn)7 為連續(xù)11 個(gè)頻點(diǎn)，頻點(diǎn)8 為連續(xù)10 個(gè)頻點(diǎn)。

圖5、圖6 分別是基于Anti-Net 的抗單音干擾和多音干擾OFDM 系統(tǒng)的誤比特率曲線。從圖中可以看出，面對(duì)不同頻點(diǎn)的單音干擾和多音干擾，在信噪比從0～15 dB，DNN 抗干擾處理過的系統(tǒng)誤比特率曲線重合，即Anti-Net 抗干擾性能相同。從圖5 可以看出信噪比低于13 dB 時(shí)，基于DNN 的抗干擾系統(tǒng)并沒有達(dá)到抗干擾目的，反而加大了信號(hào)失真，而高信噪比下基于DNN 的信號(hào)恢復(fù)性能優(yōu)勢(shì)明顯；隨著信噪比提升，不做干擾處理的OFDM 系統(tǒng)信噪比的提升已經(jīng)無法帶來系統(tǒng)誤比特率性能的提升，而基于DNN 的OFDM 系統(tǒng)誤比特率呈明顯下降趨勢(shì)，說明在高信噪比情況下，基于DNN 的抗干擾系統(tǒng)更有優(yōu)勢(shì)。圖6 與圖5 類似，不同在于基于DNN 的OFDM 系統(tǒng)性能優(yōu)勢(shì)體現(xiàn)節(jié)點(diǎn)在信噪比為10 dB左右，比單音干擾優(yōu)3 dB。

圖5 單音干擾

圖6 多音干擾

圖7是連續(xù)子載波所在的頻點(diǎn)的部分窄帶干擾情況下的誤比特率曲線，從圖中可以看出對(duì)于多頻點(diǎn)窄帶干擾，基于DNN 的抗干擾系統(tǒng)性能優(yōu)勢(shì)明顯，以信噪比為15 dB 情況下，無論干擾頻點(diǎn)數(shù)是多少個(gè)，比未處理干擾的系統(tǒng)降低誤碼率近兩個(gè)數(shù)量級(jí)。從圖7 還可以看出，隨著窄帶干擾頻帶的加寬，基于DNN 的抗干擾系統(tǒng)性能也逐漸降低，但是相對(duì)于未處理干擾的系統(tǒng)在性能上仍然有較大提升。

圖7 部分窄帶干擾

3 結(jié) 論

本文針對(duì)AWGN 信道下外來電磁干擾導(dǎo)致的OFDM 系統(tǒng)可靠性降低的問題，研究了一種基于DNN 的抗干擾OFDM 技術(shù)，將接收端信號(hào)進(jìn)行頻域變換，對(duì)頻域信號(hào)進(jìn)行基于DNN 的抗干擾處理，直接恢復(fù)出原始信號(hào)。這種方法代替了傳統(tǒng)OFDM 系統(tǒng)干擾檢測(cè)和干擾抑制模塊，簡化了系統(tǒng)結(jié)構(gòu)，且在一定程度上提升了系統(tǒng)性能。在本文基礎(chǔ)上，后續(xù)將探索更復(fù)雜的信號(hào)條件和干擾樣式下，基于深度學(xué)習(xí)的OFDM 抗干擾系統(tǒng)的實(shí)現(xiàn)方法和性能。