CN102075202A - 一种基于特征值的无源信道干扰检测方法 - Google Patents

Abstract

本发明公开了一种基于特征值的无源信道干扰检测方法，用滑动滤波器获得待检测频点的信号；对接收到的信号进行FFT，计算频域信号的包络值获得信道干扰检测信号的特征值，利用特征值R对干扰信号进行判别，该特征值通过比值消除了幅度对干扰判别的影响，因此对外界的适应性更强，不受地理位置、系统增益变化的影响；本发明利用多次干扰检测统计的方式进行最终检测判决，这种多次判别的好处与单次判决相比可以避免对偶然出现干扰对自适应跳频系统的干扰，如果干扰检测对偶然干扰进行多次响应，会造成系统的不稳定；本发明可以通过调节α和β参数能够分别调节信道检测对干扰的强度敏感度和干扰的驻留时间敏感度，系统更加灵活、稳定。

Description

一种基于特征值的无源信道干扰检测方法

技术领域

本发明涉及一种基于特征值的无源信道干扰检测方法，尤其涉及一种高准确度、快速基于特征值的无源信道干扰检测方法，主要应用于自适应跳频体制下的链路质量分析。

背景技术

自适应跳频体制(Adaptive Hopping Frequency)是一种具有较高抗干扰能力的通信体制，它通过实时信道干扰检测自动探测和删除跳频通信过程中的受干扰的频点，使通信系统在无干扰或者弱干扰的频点上工作，从而有效的对付多种动态和静态干扰。信道干扰检测算法分为两大类：有源检测和无源检测两种。有源检测就是系统不断发射各种形式的探测信号，根据接收情况判断信道好坏。有源干扰检测存在两个问题：1)增加了系统成本和设备复杂性；2)探测信道时产生了新的干扰源，影响其他用户。对于军用电台而言，有源探测技术容易暴露目标，影响系统的抗截获、抗检测能力。无源干扰检测不需要额外发射信号对信道进行检测，因此不存在上述有源干扰检测的缺陷。1997年瑞典Gunnar Bark的博士发表的“Spread-SpectrumCommunications in the Interference-Limited HF Band”，提出了一种Laycock-Gott干扰拥塞模型，这个模型不存在任何先验知识，但是该方法的缺点是受到系统所在的地理位置影响，也与接收机的放大增益有关，适应能力差。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种基于特征值的无源信道干扰检测方法，该方法适用于自适应跳频体制中的链路质量检测，具有算法简单、速度快、准确率高、不受外界环境影响的优点。

本发明的技术解决方案是：一种基于特征值的无源信道干扰检测方法，步骤如下：

(1)接收机实时接收信道待测频点的输出信号r(n)，利用数字滤波器对输出信号r(n)进行滤波获得待测频点的信道干扰检测信号s(n)，s(n)＝N(n)+I(n)；

其中N(n)为信道中的背景噪声信号，I(n)为干扰信号，n为采样点数；

(2)对信道干扰检测信号s(n)进行M点的快速傅立叶变换得到待测频点的频域信号s(f)，

其中M为快速傅立叶变换的点数，M＞2¹⁰，0≤f≤M-1；

(3)计算频域信号s(f)的包络值A(f)，

然后计算包络值A(f)的均值μ和方差σ²；

$\mathrm{\μ}=\frac{1}{M}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}A\left(f\right)$

${\mathrm{\σ}}^2=\frac{1}{M-1}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}{(A\left(f\right)-\mathrm{\μ})}^2$

其中Re(·)表示求实数，Im(·)表示求虚数；

(4)利用步骤(3)的均值μ的平方除以方差σ²得到信道干扰检测信号的特征值R，

(5)将步骤(4)得到的特征值R与经验门限值θ进行比较，当特征值R小于经验门限值时则认为该次检测信号中存在干扰，否则认为不存在干扰；

其中经验门限值θ的确定方法为：在没有外界干扰的情况下，利用步骤(1)-(4)的方法测量信道背景噪声，获得信道背景噪声的特征值R’，计算得到信道背景噪声特征值R’的均值μ_R和方差σ_R ²，则经验门限值θ为： $\mathrm{\θ}={\mathrm{\μ}}_R+a\·{\mathrm{\σ}}_R^2,$ 其中 $\frac{{\mathrm{\μ}}_R}{{{\mathrm{\σ}}_R}^2}\≤\mathrm{\α}\≤-1;$

(6)重复步骤(2)～(5)K次，计算待测频点出现干扰的概率P，

利用干扰概率P与参数β进行比较，当干扰概率P大于β时，则判定该待测频点存在干扰，否则判定该待测频点上不存在干扰；

参数β的确定方法为：K次干扰检测的总时间为T秒，干扰信号最短驻留时间为D秒，则β为D/T；

其中K_i为K次检测中存在干扰的次数，K大于等于10。

本发明与现有技术相比的有益效果在于：

(1)本发明通过对待测信号的频谱进行特征值计算，利用特征值R对干扰进行判别，该特征值通过比值消除了幅度对干扰判别的影响，因此对外界的适应性更强，不受地理位置、系统增益变化的影响；

(2)本发明利用多次干扰检测统计的方式进行最终检测判决，这种多次判别的好处与单次判决相比可以避免对偶然出现干扰对自适应跳频系统的干扰，如果干扰检测对偶然干扰进行多次响应，会造成系统的不稳定；

(3)本发明可以通过调节α和β参数能够分别调节信道检测对干扰的强度敏感度和干扰的驻留时间敏感度，系统更加灵活、稳定。

附图说明

图1为本发明的检测流程图；

图2为不同能量对应的信道背景噪声特征值；

图3为不同干噪比下加入窄带干扰、宽带干扰、单音干扰和多音干扰的信道干扰检测信号的特征值。

具体实施方式

如图1所示，本发明的步骤如下：

(1)接收机实时接收信道待测频点的输出信号r(n)，利用数字滤波器对输出信号r(n)进行滤波获得待测频点的信道干扰检测信号s(n)，s(n)＝N(n)+I(n)；

其中N(n)为信道中的背景噪声信号，I(n)为干扰信号，n为采样点数；

(2)对信道干扰检测信号s(n)进行M点的快速傅立叶变换得到待测频点的频域信号s(f)，

其中M为快速傅立叶变换的点数，M＞2¹⁰，0≤f≤M-1；

(3)计算频域信号s(f)的包络值A(f)，然后计算包络值A(f)的均值μ和方差σ²；

$\mathrm{\μ}=\frac{1}{M}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}A\left(f\right)$

${\mathrm{\σ}}^2=\frac{1}{M-1}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}{(A\left(f\right)-\mathrm{\μ})}^2$

其中Re(·)表示求实数，Im(·)表示求虚数；

(4)利用步骤(3)的均值μ的平方除以方差σ²得到信道干扰检测信号的特征值R，

(5)将步骤(4)得到的特征值R与经验门限值θ进行比较，当特征值R小于经验门限值时则认为该次检测信号中存在干扰，否则认为不存在干扰；

其中经验门限值θ的确定方法为：在没有外界干扰的情况下，利用步骤(1)-(4)的方法测量信道背景噪声，获得信道背景噪声的特征值R’，计算得到信道背景噪声特征值R’的均值μ_R和方差σ_R ²，则经验门限值θ为： $\mathrm{\θ}={\mathrm{\μ}}_R+a\·{\mathrm{\σ}}_R^2,$ 其中 $\frac{{\mathrm{\μ}}_R}{{{\mathrm{\σ}}_R}^2}\≤\mathrm{\α}\≤-1;$

(6)重复步骤(2)～(5)K次，计算待测频点出现干扰的概率P，

利用干扰概率P与参数β进行比较，当干扰概率P大于β时，则判定该待测频点存在干扰，否则判定该待测频点上不存在干扰；

参数β的确定方法为：K次干扰检测的总时间为T秒，干扰信号最短驻留时间为D秒，则β为D/T；

其中K_i为K次检测中存在干扰的次数，K大于等于10。

利用上述步骤可以通过数字滤波器滤波频率的改变遍历所有的待测频点和频点所对应的带宽，从而保证对整个信道无遗漏的检测。

为了验证本发明的实用性和正确性，采用MATLAB进行了模拟验证，验证时在检测信道上分别加入窄带干扰、宽带干扰、单音干扰和多音干扰来验证本发明的具体实现过程：

(1)经过数字滤波后，信道待测频点相应的带宽为80MHz，待加入的窄带干扰信号的带宽为5MHz，宽带干扰信号的带宽为40MHz；

(2)在加入干扰信号前，先测量信道背景噪声即高斯白噪声的特征值R’的大小，从而确定经验门限值θ的大小，测量中不断改变高斯白噪声的能量值，观测特征值R’的变化，结果见图2。

对高斯白噪声进行FFT，FFT的点数为M＝1024；其中M的取值决定了频率分辨率，M越大，分辨率越高，越能准确的捕捉到干扰，但同时M不能太大，因为M越大，程序占用的资源越大；

(3)根据图2的结果，均值μ_R为3.67，方差σ_R ²为0.13，这里通过测试选取α为-3，由此可得经验的门限值θ为3.28；

(4)分别加入窄带干扰信号、宽带干扰信号、单音干扰信号和多音干扰信号，在不同的干噪比下(Interfrence to Noise ratio，INR)计算接收信号s(f)的特征值R，FFT的点数为M＝1024，结果见图3，由图3可以看出在不同干噪比下加入窄带干扰、宽带干扰、单音干扰和多音干扰的信道信号特征值R值，从图中可以看出单音干扰和多音干扰的信道信号特征值R值在给定干噪比范围内比较稳定，距离无干扰的R值距离比较大；而对窄带干扰和宽带干扰随着干噪比的降低，R值越来越接近无干扰的R值，给干扰检测带来混淆。

(5)设检测次数K＝10，在CPU为2.33GHz的计算机上进行计算，所需要总的测试时间为0.3s，对干扰信号最短驻留时间超过0.2s以上的干扰进行检测，则β为0.67；

(6)利用本发明的检测方法对不同INR下的干扰信号进行判决，判决结果表明：对于窄带干扰，在干噪比低于-8dB以后会出现误检测的情况，随着干噪比的降低干扰检测正确率迅速下降，到-10dB以后该算法基本失效了。对于宽带干扰，该算法在干噪比不低于-1dB的条件下检测正确率都是高于90％的，随着干噪比的进一步降低检测率迅速下降，在干噪比低于-3dB以后该算失效。但本发明在干噪比不低于0dB的情况下，干扰检测正确率非常理想。

综上所述，可以得出结论如下：本发明的基于特征值的无源信道干扰检测方法可以在干燥比INR≥0dB时，能够进行精确的干扰判决。

本发明未详细阐述的部分属于本领域公知技术。

Claims (1)

1.一种基于特征值的无源信道干扰检测方法，其特征在于步骤如下：

(1)接收机实时接收信道待测频点的输出信号r(n)，利用数字滤波器对输出信号r(n)进行滤波获得待测频点的信道干扰检测信号s(n)，s(n)＝N(n)+I(n)；

其中N(n)为信道中的背景噪声信号，I(n)为干扰信号，n为采样点数；

(2)对信道干扰检测信号s(n)进行M点的快速傅立叶变换得到待测频点的频域信号s(f)，

其中M为快速傅立叶变换的点数，M＞2¹⁰，0≤f≤M-1；

(3)计算频域信号s(f)的包络值A(f)，

然后计算包络值A(f)的均值μ和方差σ²；

$\mathrm{\μ}=\frac{1}{M}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}A\left(f\right)$

${\mathrm{\σ}}^2=\frac{1}{M-1}\underset{f=0}{\overset{M}{\mathrm{\Σ}}}{(A\left(f\right)-\mathrm{\μ})}^2$

其中Re(·)表示求实数，Im(·)表示求虚数；

(4)利用步骤(3)的均值μ的平方除以方差σ²得到信道干扰检测信号的特征值R，

(5)将步骤(4)得到的特征值R与经验门限值θ进行比较，当特征值R小于经验门限值时则认为该次检测信号中存在干扰，否则认为不存在干扰；

其中经验门限值θ的确定方法为：在没有外界干扰的情况下，利用步骤(1)-(4)的方法测量信道背景噪声，获得信道背景噪声的特征值R’，计算得到信道背景噪声特征值R’的均值μ_R和方差σ_R ²，则经验门限值θ为： $\mathrm{\θ}={\mathrm{\μ}}_R+a\·{\mathrm{\σ}}_R^2,$ 其中 $\frac{{\mathrm{\μ}}_R}{{{\mathrm{\σ}}_R}^2}\≤\mathrm{\α}\≤-1;$

(6)重复步骤(2)～(5)K次，计算待测频点出现干扰的概率P，

利用干扰概率P与参数β进行比较，当干扰概率P大于β时，则判定该待测频点存在干扰，否则判定该待测频点上不存在干扰；

参数β的确定方法为：K次干扰检测的总时间为T秒，干扰信号最短驻留时间为D秒，则β为D/T；

其中Ki为K次检测中存在干扰的次数，K大于等于10。

Images