CN103001714A - 一种快速的gsm-r干扰识别方法 - Google Patents

Abstract

本发明涉及一种快速的GSM-R干扰识别方法，属于无线通讯领域。具体为，取N个GSM-R采样数据组成的信号序列V，对V进行快速傅里叶变换得到频域数据序列F，通过分离阈值将F分成通信信号S和底部噪声D两个序列，计算底部噪声序列D的平均值，判断当前底部噪声是否有干扰，将归一化的通信信号序列

与标准信号频域模板序列Std的对应数据相减后取绝对值，得到信号差值数据序列Sub1，计算Std与

的互相关结果序列COV，对Std做自相关，得到Std的自相关结果序列AUT，将AUT的每一个数据与COV的每一个数据相减后取绝对值，得到序列Sub2，根据Sub1和Sub2判断有没有干扰。I/Q信号指两路数字中频信号。

Description

一种快速的GSM-R干扰识别方法

技术领域

本发明涉及无线通讯领域的GSM-R技术，尤其涉及一种快速的GSM-R干扰识别方法。

背景技术

GSM－R是基于GSM技术的一种专用通信系统——铁路综合数字移动通信系统。与传统的GSM技术相比，GSM－R除了能提供一系列铁路通信业务外，还能保证列车在500km／h的情况下进行高可靠性、高接通率、高传输质量的通信，其通信安全和业务的可靠性直接影响到我国铁路今后的发展，影响到整个国民经济的发展。与此同时，由于我国无线电通信的飞速发展，铁路沿线的电磁环境已经变得非常复杂，存在着多种通信的干扰。随着我国高速铁路的建设，传统的依靠电务试验车的人工发现干扰的方法普遍存在着监测时间长、反应速度慢等弊端，已经不能够及时的发现铁路上的通信干扰，对于高速铁路模式下的干扰识别已经力不从心，无法满足当前干扰监测对于实时性和准确性的要求。

发明内容

为了解决上述人工发现干扰的问题，本发明提供了一种时频结合的GSM-R干扰快速识别方法。

本发明所采用的系统为：由天线、高频接收模块、第一级变频器、中频滤波器、A/D转换器、第二级变频器、ARM&DSP双核处理器及存储器组成。天线与高频接收模块的输入端相连接，高频接收模块的输出端与第一级变频器的输入端相连接，第一级变频器的输出端与中频滤波器的输入端相连接，中频滤波器的输出端与第二级变频器的输入端相连接，第二级变频器的输出端与A/D转换器的输入端相连接；A/D转换器进行模拟/数字采样转换后，将A/D转换器输出的数字量经由以太网传递给ARM&DSP双核处理器的ARM核，然后通过ARM&DSP双核处理器的DSPLINK通道将数据交由DSP核，DSP核调用存储器中的信号频域模板进行干扰识别,然后通过通信接口将干扰信息送给PC机或其它发出干扰识别指令的系统。

所述的快速GSM-R干扰识别方法的步骤如下：

1.取N（要求N为4的整数倍）个GSM-R采样数据组成的信号序列V，对V进行快速傅里叶变换，得到N点频域数据序列F,公式如下：

$F_k=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(V_i\·e^{-j\frac{2\mathrm{\πi}}{N}k})$

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1；

V_i为信号序列V的第i个数据，i=0,1,2…N-1；

e为自然指数，其值约为2.7183；

j为虚数单位。

2.将频域数据序列F分成通信信号S和底部噪声D两个序列，分离原则如下：

当F_k＜C1时，F_k存入底部噪声序列D

当F_k＞C1时，F_K存入通信信号序列S

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1；

数值C1为根据实际电磁情况设置的通信信号与底部噪声的分离阈值，通常取值为无业务信道在没有干扰情况下的底部噪声最大值；D和S为固定大小序列，体积均为

，超出部分舍弃，不足部分补零。

3.计算底部噪声序列D的平均值D_AVR，判断当前底部噪声是否有干扰。

当D_AVR≤C2时，说明当前底部噪声没有被干扰

当D_AVR＞C2时，说明当前底部噪声受到干扰

其中：数值C2为根据实际电磁情况，设置的底部噪声干扰识别阈值，通常取值为无业务信道在没有干扰情况下的底部噪声的平均值。

4.根据通信信号序列S得到该序列的最大值M。

5.将通信信号序列S中的每一个数据除以最大值M，可以得到由

个数据组成的归一化的通信信号序列,公式如下：

${\tilde{S}}_k=\frac{S_k}{M}$

其中：为归一化的通信信号序列

的第k个数据，

S_k为通信信号序列S的第k个数据，

M为通信信号序列S中的最大值。

6.将

点归一化的通信信号序列

与标准信号频域模板序列Std的对应数据相减后取绝对值，得到

点信号差值数据序列Sub1,公式如下：

${\mathrm{Sub}1}_k=|{\tilde{S}}_k-{\mathrm{Std}}_k|$

其中：标准信号频域模板序列Std为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，或者通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；

Sub1_k表示所述差值数据序列的第k个数据，

为归一化的通信信号序列

的第k个数据，

Std_k为标准信号频域模板序列Std的第k个数据，

7.将标准信号频域模板序列Std原数据保留，右方增加m个0，

此时序列长度为

然后将补零后的标准信号频域模板序列Std与归一化的通信信号序列

的对应位相乘再相加，得到Std与

的互相关结果序列COV,公式如下：

其中：标准信号频域模板序列Std通常为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，也可以通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；

COV_m表示所述互相关结果序列的第m个数据，

为归一化的通信信号序列

的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1.$

8.对标准信号频域模板Std做自相关，得到Std的自相关结果序列AUT,公式如下：

${\mathrm{AUT}}_m=\underset{i=0}{\overset{\frac{N}{2}-1}{\mathrm{\Σ}}}({\mathrm{Std}}_k\·{\mathrm{Std}}_{k+m})$

其中：标准信号频域模板序列Std通常为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，也可以通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；AUT_m表示所述自相关结果序列的第m个数据， $m=\mathrm{0,1,2}...\frac{N}{2}-1;$

Std_k为标准信号频域模板Std的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1.$

9.将所述的自相关结果序列AUT的每一个数据与所述的互相关结果序列COV的每一个数据相减后取绝对值，得到N点相关差值数据序列Sub2,公式如下：

Sub2_m＝|AUT_m-COV_m|

其中：Sub2_m为相关差值数据序列Sub2的第m个数据，

AUT_m为自相关结果序列AUT的第m个数据，

COV_m为互相关结果序列COV的第m个数据，

10.分别求取Sub1和Sub2的最大值MS1和MS2。

11.综合考察MS1和MS2，判断有没有干扰。

A.当MS1<C3且MS2<C4时，则表明当前信号没有受到干扰

B.其他情况，则表明当前信号受到干扰

其中：数值C3、C4为根据实际电磁情况设置的阈值，C3、C4的取值直接关系到干扰识别的灵敏度， $C3\&Element;(0,A+\frac{B}{2}),$ $C4\&Element;(0,A+\frac{B}{2}),$ 其中A为标准信号频域模板Std的最大值；B为标准信号频域模板Std的平均值；C3、C4的取值越小，灵敏度越高。

本发明提供的GSM-R干扰识别方法可以快速的识别出干扰，支持设置动态的阈值，系统适应性较好。

有益效果

（1）将铁路GSM-R干扰的识别扩展到了通信信号和底部噪声两个层次，相对于只看重通信信号层次进行干扰识别来说，干扰判定更加准确，也更易于进一步的干扰源判定，使得干扰的快速消除更加迅捷。（2）干扰的识别方法主要基于减法这种最基本的运算，对于DSP这种专用于高速运算的芯片来说，减法运算会使得计算更加迅速，使得干扰的快速识别更加容易实现，更有益于快速的发现干扰、定位干扰、消除干扰。（3）相对于以往的复杂的干扰判定方法，本方法在获得几乎同样的识别精度的前提下，有效的降低了识别流程的复杂度。（4）将干扰识别方法固化到一个电子系统中，借助于处理器的高速运算来快速的识别出当前GSM-R链路的干扰，有效的节省了大量的人工干扰识别工作时间，效率更高。

附图说明

图1是本发明所涉及的硬件系统功能框图；

图2是本发明流程图；

图3（a）底部噪声与通信信号分离步骤；

图3（b）底部噪声干扰识别步骤；

图1中，1.第一电缆，2.第二电缆，3.第三电缆，4.第四电缆，5.第一以太网电缆，6.第二以太网电缆，7.第三以太网电缆。

具体实施方式

下面结合附图对本发明作进一步说明：

本发明所涉及的快速GSM-R干扰识别方法，其硬件系统的功能框图如附图1所示。

系统采用的DSP&ARM双核处理器为达芬奇架构OMAP-L138处理器，要求主频至少为300MHz且板上含有干扰识别代码；高频接收模块的接收范围应能够涵盖GSM-R频段，且增益至少为40dB；第一级变频器能够将信号变频为频率为70MHz的中频信号；可编程中频滤波器应提供可控滤波带宽的编程接口；第二级变频器能够将中频信号下变频输出I/Q数据；A/D转换器应提供至少14位的分辨率。

当天线接收到GSM-R中频信号后，交由高频接收模块进行信号放大处理，经放大后的信号通过第一电缆1进入到第一级变频器，第一级变频器将信号变频至70MHz后，经第二电缆2将信号传递给可编程中频滤波器，可编程中频滤波器的滤波参数已经被DSP&ARM双核处理器经第二以太网电缆6设置好，中频信号经调理滤波后，经第三电缆3将信号被送入第二级变频器，第二级变频器将信号变频至零中频，输出当前GSM-R信号的I/Q数据，I/Q数据经第四电缆4进入到A/D转换器，A/D转换器对信号进行模拟/数字转换，将转换完成的数字量经第一以太网电缆5送至DSP&ARM双核处理器的ARM核，ARM核进行网络通信解调后，将解调数据经DSPLINK传至DSP核，经ODSP&ARM双核处理器中的DSP内核处理分析后，通过第三以太网电缆将干扰信息送给PC机或其它发出干扰识别指令的系统（图中为PC机）。

GSM-R干扰快速识别方法的步骤如下：

1.从DSP&ARM双核处理器接收的信号中取N（要求N为4的整数倍，这里取N=32）个GSM-R采样数据，组成信号序列V，

V={17.73，50.00，85.36，100.00，88.19，75.89，85.36，92.78，82.27，50.00，17.73，7.22，17.73，50.00，82.27，92.78，82.27，50.00，14.64，11.80，24.11，14.64，7.22，17.73，50.00，85.35，100.00，85.36，50.00，17.73，7.22，20.06}，

对V进行快速傅里叶变换，得到N点频域数据序列F,公式如下：

$F_k=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(V_i\&CenterDot;e^{-j\frac{2\mathrm{\&pi;i}}{N}k})$

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1；

V_i为信号序列V的第i个数据，i=0,1,2…N-1；

e为自然指数，其值约为2.7183；

j为虚数单位。

可得到频域数据序列

F={252.00，98.30，207.00，605.40，142.60，271.70，109.20，103.60，36.30，46.10，9.20，24.30，16.60，13.80，18.00，13.20，13.20，18.00，13.80，16.60，24.30，9.20，46.10，36.30，103.60，109.20，271.70，142.60，605.40，207.00，98.30，252.00}。

2.将频域数据序列F分成通信信号S和底部噪声D两个序列，分离原则如下：

当F_k＜C1时，F_k存入底部噪声序列D

当F_k＞C1时，F_k存入通信信号序列S

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1；

数值C1为根据实际电磁情况设置的通信信号与底部噪声的分离阈值，通常取值为无业务信道在没有干扰情况下的底部噪声最大值；D和S为固定大小序列，体积均为

超出部分舍弃，不足部分补零。

现取C1=100.00，则可将频域数据序列F分为两组，分别为（假设序列名为F1和F2）：

F1={252.00，207.00，605.40，142.60，271.70，109.20，103.60，103.60，109.20，271.70，142.60，605.40，207.00，252.00}；

F2={98.30，36.30，46.10，9.20，24.30，16.60，13.80，18.00，13.20，13.20，18.00，13.80，16.60，24.30，9.20，46.10，36.30，98.30}。

可以看出，序列F1中共有14个数据，由于序列S的大小为所以需要对序列F1的后两位进行补零操作，序列F2中共有18个数据，由于序列D的大小为

所以需要将序列F2的最后两位数据舍弃，于是可以分别得到序列S和D，其中：

S={252.00，207.00，605.40，142.60，271.70，109.20，103.60，103.60，109.20，271.70，142.60，605.40，207.00，252.00，0.00,0.00}；

D={98.30，36.30，46.10，9.20，24.30，16.60，13.80，18.00，13.20，13.20，18.00，13.80，16.60，24.30，9.20，46.10}。

3.计算底部噪声序列D的平均值D_AVR，判断当前底部噪声是否有干扰。

当D_AVR≤C2时，说明当前底部噪声没有被干扰

当D_AVR＞C2时，说明当前底部噪声受到干扰

其中：数值C2为根据实际电磁情况，设置的底部噪声干扰识别阈值，通常取值为无业务信道在没有干扰情况下的底部噪声的平均值。

通过计算，可以得出序列

D={98.30，36.30，46.10，9.20，24.30，16.60，13.80，18.00，13.20，13.20，18.00，13.80，16.60，24.30，9.20，46.10}的平均值

现取C2=32.00，由于D_AVR≤C2，所以可以判定当前底部噪声没有被干扰。

4.根据通信信号序列S得到该序列的最大值M。

可以得出，序列

S={252.00，207.00，605.40，142.60，271.70，109.20，103.60，103.60，109.20，271.70，142.60，605.40，207.00，252.00，0.00,0.00}的最大值为605.40，即M=605.40。

5.将通信信号序列S中的每一个数据除以最大值M，可以得到由

个数据组成的归一化的通信信号序列,公式如下：

${\tilde{S}}_k=\frac{S_k}{M}$

其中：为归一化的通信信号序列

的第k个数据，

S_k为通信信号序列S的第k个数据，

M为通信信号序列S中的最大值。

可以得到，序列

$\tilde{S}=\{\mathrm{0.42,0.34,1.00,0.23,0.45,0.18,0.17,0.17,0.18,0.45},$ $\mathrm{0.23,1.00,0.34,0.42,0.00,0.00}\}.$

6.将

点归一化的通信信号序列

与标准信号频域模板序列Std的对应数据相减后取绝对值，得到点信号差值数据序列Sub1,公式如下：

${\mathrm{Sub}1}_k=|{\tilde{S}}_k-{\mathrm{Std}}_k|$

其中：标准信号频域模板序列Std通常为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，也可以通过MATLAB直接生成标准GSM-R的I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；

Sub1_k表示所述差值数据序列的第k个数据，

为归一化的通信信号序列

的第k个数据，

Std_k为标准信号频域模板序列Std的第k个数据，

取Std={0.50，0.35，1.00，0.30，0.50，0.20，0.16，0.16，0.20，0.50，0.30，1.00，0.35，0.50，0.20，0.10}，

则应用公式 ${\mathrm{Sub}1}_k=|{\tilde{S}}_k-{\mathrm{Std}}_k|$ 可以得到序列

Sub1={0.08,0.01,0.00,0.07,0.05,0.02,0.01,0.01,0.02,0.05,0.07,0.00,0.01,0.08,0.2,0.1}

7.将标准信号频域模板序列Std原数据保留，右方增加m个0，

此时序列长度为

然后将补零后的标准信号频域模板序列Std与归一化的通信信号序列

的对应位相乘再相加，得到Std与

的互相关结果序列COV,公式如下：

其中：标准信号频域模板序列Std通常为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，也可以通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；

COV_m表示所述互相关结果序列的第m个数据，

为归一化的通信信号序列

的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1.$

现 $\tilde{S}=\{\mathrm{0.42,0.34,1.00,0.23,0.45,0.18,0.17,0.17,0.18,0.45},$ $\mathrm{0.23,1.00,0.34,0.42,0.00,0.00}\},$

Std={0.50，0.35，1.00，0.30，0.50，0.20，0.16，0.16，0.20，0.50，0.30，1.00，0.35，0.50，0.20，0.10}

由公式 ${\mathrm{COV}}_m=\underset{k=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\tilde{S}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$ 可知：

COV₀=0.42*0.50+0.34*0.35+1.00*1.00+0.23*0.30+0.45*0.50+0.18*0.20+0.17*0.16+0.17*0.16+0.18*0.20+0.45*0.50+0.23*0.30+1.00*1.00+0.34*0.35+0.42*0.50+0.00*0.20+0.00*0.10=3.37；

现将序列Std原数据保留，右方增加一个零，此时序列长度为得到新序列{0.50，0.35，1.00，0.30，0.50，0.20，0.16，0.16，0.20，0.50，0.30，1.00，0.35，0.50，0.20，0.10，0.00}，运用公式

将

序列与刚得到的新序列的对应位相乘并相加，即

COV₁=0.42*0.35+0.34*1.00+1.00*0.30+0.23*0.50+0.45*0.20+0.18*0.16+0.17*0.16+0.17*0.20+0.18*0.50+0.45*0.30+0.23*1.00+1.00*0.35+0.34*0.50+0.42*0.20+0.00*0.10+0.00*0.00=2.15；

进而由公式 ${\mathrm{COV}}_m=\underset{k=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\tilde{S}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$ 可得到序列

COV={3.37，2.15，2.47，1.46，1.16，0.94，0.90，1.30，1.03，1.62，0.93，1.04，0.32，0.21，0.00，0.00}

8.对标准信号频域模板Std做自相关，得到Std的自相关结果序列AUT,公式如下：

${\mathrm{AUT}}_m=\underset{i=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\mathrm{Std}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$

其中：标准信号频域模板序列Std通常为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，也可以通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得；

AUT_m表示所述自相关结果序列的第m个数据，m=0,1,2…N-1;

Std_k为标准信号频域模板Std的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1.$

现Std={0.50，0.35，1.00，0.30，0.50，0.20，0.16，0.16，0.20，0.50，0.30，1.00，0.35，0.50，0.20，0.10}

由公式 ${\mathrm{AUT}}_m=\underset{k=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\mathrm{Std}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$ 可得到序列

AUT={3.60，2.36，2.67，1.58，1.42，1.13，1.06，1.46，1.20，1.77，1.12，1.23，0.58，0.42，0.13，0.05}

9.将所述的自相关结果序列AUT的每一个数据与所述的互相关结果序列COV的每一个数据相减后取绝对值，得到N点相关差值数据序列Sub2,公式如下：

Sub2_m＝|AUT_m-COV_m|

其中：Sub2_m为相关差值数据序列Sub2的第m个数据，

AUT_m为自相关结果序列AUT的第m个数据，

COV_m为互相关结果序列COV的第m个数据，

现COV={3.37，2.06，2.37，1.23，1.16，0.94，0.90，1.30，1.03，1.62，0.93，1.04，0.32，0.21，0.00，0.00}；

AUT={3.60，2.36，2.67，1.58，1.42，1.13，1.06，1.46，1.20，1.77，1.12，1.23，0.58，0.42，0.13，0.05}

由公式Sub2_m＝|AUT_m-COV_m|可得序列

Sub2={0.23，0.30，0.30，0.35，0.26，0.19，0.16，0.16，0.17，0.15，0.19，0.19，0.26，0.21，0.13，0.05}

10.分别求取Sub1和Sub2的最大值MS1和MS2。可知，MS1=0.2，MS2=0.35。

11.综合考察MS1和MS2，判断有没有干扰。

A.当MS1<C3且MS2<C4时，则表明当前信号没有受到干扰

B.其他情况，则表明当前信号受到干扰

其中：数值C3、C4为根据实际电磁情况设置的阈值，C3、C4的取值直接关系到干扰识别的灵敏度， $C3\&Element;(0,A+\frac{B}{2}),$ $C4\&Element;(0,A+\frac{B}{2}),$ 其中A为标准信号频域模板Std的最大值；B为标准信号频域模板Std的平均值；C3、C4的取值越小，灵敏度越高。

现标准信号频域模板Std的最大值为1.00，平均值为0.39，即A=1.00，B=0.39，继而C3∈(0,1.2)，C4∈(0,1.2)，现取C3=0.5，C4=0.5，可知MS1<C3，MS2<C4，符合无干扰判断条件，即表明当前信号没有受到干扰。

经过以上步骤，可以快速的完成GSM-R干扰的识别，进而可以为消除的消除干扰创建条件，保证GRM-R网络的安全运行。

Claims (3)

1.一种快速GSM-R干扰识别方法，其特征在于包括以下步骤：

1)取N个GSM-R采样数据组成的信号序列V，N为4的整数倍，对V进行快速傅里叶变换，得到N点频域数据序列F,公式如下：

$F_k=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(V_i\&CenterDot;e^{-j\frac{2\mathrm{\&pi;i}}{N}k})$

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1，

V_i为信号序列V的第i个数据，i=0,1,2…N-1，

e为自然指数，

j为虚数单位；

2)将频域数据序列F分成通信信号S和底部噪声D两个序列，分离方法如下，

当F_k＜C1时，F_k存入底部噪声序列D

当F_k＞C1时，F_k存入通信信号序列S

其中：F_k为频域数据序列F的第k个数据，k=0,1,2…N-1，

数值C1为根据实际电磁情况设置的通信信号与底部噪声的分离阈值，

D和S为固定大小序列，体积均为

超出部分舍弃，不足部分补零；

3)计算底部噪声序列D的平均值D_AVR，判断当前底部噪声是否有干扰，具体为，

当D_AVR≤C2时，说明当前底部噪声没有被干扰

当D_AVR＞C2时，说明当前底部噪声受到干扰

其中：数值C2为根据实际电磁情况，设置的底部噪声干扰识别阈值；

4)根据通信信号序列S得到该序列的最大值M，将通信信号序列S中的每一个数据除以最大值M，可以得到由

个数据组成的归一化的通信信号序列,公式如下：

${\tilde{S}}_k=\frac{S_k}{M}$

其中：

为归一化的通信信号序列

的第k个数据，

S_k为通信信号序列S的第k个数据，

M为通信信号序列S中的最大值；

5）将

点归一化的通信信号序列

与标准信号频域模板序列Std的对应数据相减后取绝对值，得到

点信号差值数据序列Sub1,公式如下：

${\mathrm{Sub}1}_k=|{\tilde{S}}_k-{\mathrm{Std}}_k|$

其中：标准信号频域模板序列Std为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，或者通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得，

Sub1_k表示所述差值数据序列的第k个数据，

为归一化的通信信号序列

的第k个数据，

Std_k为标准信号频域模板序列S td的第k个数据，

6）计算标准信号频域模板Std与

的互相关结果序列COV,公式如下：

${\mathrm{COV}}_m=\underset{k=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\tilde{S}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$

其中：标准信号频域模板序列Std为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，或者通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得，

COV_m表示所述互相关结果序列的第m个数据，

为归一化的通信信号序列

的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1;$

7）对标准信号频域模板Std做自相关，得到Std的自相关结果序列AUT,公式如下：

${\mathrm{AUT}}_m=\underset{i=0}{\overset{\frac{N}{2}-1}{\mathrm{\&Sigma;}}}({\mathrm{Std}}_k\&CenterDot;{\mathrm{Std}}_{k+m})$

其中：标准信号频域模板序列Std为多次测量实际GSM-R信道，将所得信号频谱变频至零中频，然后对所得数据校正后取得的N点长度序列，或者通过MATLAB直接生成标准GSM-R的时域I\Q两路信号，然后对时域I\Q两路信号中的任意一路信号进行快速傅里叶变换后取得，

AUT_m表示所述自相关结果序列的第m个数据，

Std_k为标准信号频域模板Std的第k个数据，

Std_k+m为标准信号频域模板Std右边增加m个零后的第k+m个数据， $k=\mathrm{0,1,2}...\frac{N}{2}-1,$ $m=\mathrm{0,1,2}...\frac{N}{2}-1;$

8）将所述的自相关结果序列AUT的每一个数据与所述的互相关结果序列COV的每一个数据相减后取绝对值，得到N点相关差值数据序列Sub2,公式如下：

Sub2_m＝|AUT_m-COV_m|

其中：Sub2_m为相关差值数据序列Sub2的第m个数据，

AUT_m为自相关结果序列AUT的第m个数据，

COV_m为互相关结果序列COV的第m个数据，

9)分别求取Sub1和Sub2的最大值MS1和MS2,综合考察MS1和MS2，判断有没有干扰，具体如下，

A.当MS1<C3且MS2<C4时，则表明当前通信信号没有受到干扰

B.其他情况，则表明当前通信信号受到干扰

其中：数值C3、C4为根据实际电磁情况设置的阈值，

其中A为标准信号频域模板Std的最大值，B为标准信号频域模板Std的平均值。

2.根据权利要求1所述的一种快速GSM-R干扰识别方法，其特征在于：所述的数值C1为无业务信道在没有干扰情况下的底部噪声的最大值。

3.根据权利要求1所述的一种快速GSM-R干扰识别方法，其特征在于：所述的数值C2为无业务信道在没有干扰情况下的底部噪声的平均值。

Images