CN108847905A - 一种多通道盲信号侦收中的自适应门限检测方法 - Google Patents
一种多通道盲信号侦收中的自适应门限检测方法 Download PDFInfo
- Publication number
- CN108847905A CN108847905A CN201810614579.9A CN201810614579A CN108847905A CN 108847905 A CN108847905 A CN 108847905A CN 201810614579 A CN201810614579 A CN 201810614579A CN 108847905 A CN108847905 A CN 108847905A
- Authority
- CN
- China
- Prior art keywords
- value
- signal
- threshold
- detection
- denoted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于通信技术领域,涉及一种多通道盲信号侦收中的自适应门限检测方法。本发明利用了各个接收通道的信号具有稀疏性,即不会总是所有信道都存在有效信号,及各通道的噪声具有独立同分布的性质,以此来判断当前是否存在有效信号,并决定是否更新门限,避免了有效信号的存在对噪声功率估计的影响,同时利用时域自相关积累运算以获取更好的信噪比提升,并由此计算得到门限值,再对信号进行过门限判决。本发明所描述的多通道盲信号自适应门限检测方法,能够实时、稳定、准确地实现盲信号的检测判别,并且易于FPGA及DSP的硬件实现。
Description
技术领域
本发明属于通信技术领域,涉及一种在多通道接收机中适用的具有自适应门限功能的信号检测算法及其硬件实现方式。
背景技术
信号的盲检测技术是指在信号先验信息不确定的情况下对信号的有无进行判断,这种技术广泛应用于通信侦察、雷达侦察、认知无线电等领域。盲信号检测方法通常可分为时域检测和频域检测两大类,本文所涉及的是一种基于时域自相关的检测技术,其既具有时域检测计算简单、实时性高、适应性好的特性,又利用了信号自身具有相关性而噪声没有的性质,进一步提高了检测概率。
基于时域的盲信号检测多建立于门限比较判决上,根据判定的结果分辨有效信号存在或是只有纯噪声。门限设置的方法主要可分为:固定门限、自适应门限和最佳门限三类:固定门限是指在信号检测开始工作之前就确定一个在之后运行过程中始终保持不变的门限值;自适应门限意味门限值可随着环境条件的改变而自动调整来适应新情况;最佳门限,一般是指可使检测系统在某个信噪比条件下,符合某种最小错误概率准则的门限值。固定门限虽是最简便的方式,但其灵活性、适应性几乎不存在,而最佳门限的计算通常较为复杂,涉及到大量数值积分运算,不适合实时运算场景,所以采用某种自适应门限方法是综合考虑检测性能与实现难度的较好选择。
在实际工程中,通常都要采取某种方法对噪声功率进行实时地估计,以此得到具有自适应功能的门限值,这类方法有很多,其中最基本的为CACFAR(算术平均恒虚警概率)检测器,它是通过对待检测点前后M个点的能量做一个算术平均得到Z,再乘上一个系数K,作为检测门限,其实现结构示意图为图1。其余很多时域方法都属于CACFAR的某种改进,但少有文章针对多通道盲信号检测的场景,如信道化接收机,提出一种有效的自适应方法。在为多通道盲信号接收机设计一种自适应门限方法的时候,要考虑到以下几点:1)实时性,在噪声功率随温度或者前端模拟部分增益变化时,能及时做出反应;2)门限数值计算的准确性,与信道化输出的信号数据尺度相对应;3)排除有效信号存在时对噪声功率估计的影响。
发明内容
本发明所要解决的,就是针对上述问题,提出一种适用于多通道盲信号侦察接收的,保证实时性、稳定性、准确性等要求,并且易于硬件实现的自适应门限信号检测方法。
本发明的技术方案是:一种基于多通道盲信号接收,以及信号时域自相关积累运算的自适应门限值的过门限信号检测方法,其主要特点在于利用了各个接收通道的信号具有稀疏性,即不会总是所有信道都存在有效信号,及各通道的噪声具有独立同分布的性质,以此来判断当前是否存在有效信号,并决定是否更新门限,避免了有效信号的存在对噪声功率估计的影响,同时利用时域自相关积累运算以获取更好的信噪比提升,并由此计算得到门限值,再对信号进行过门限判决,实现流程包括以下步骤:
a.对输入信号x[n]进行信道化处理,得到C个子信道的输出信号yk[n],k=0,1,…C-1。
b.对各个子信道的输出信号计算其时域自相关积累值。
b1.先进行长度为N的延时自相关运算:
可以使用递推公式减少计算量:
b2.对各个子信道的RN,k[n]取模值:
ARN,k[n]=|RN,k[n]|,k=0,1,…,C-1 (公式3)
b2.对取模过后的自相关积累值分为两路,一路缓存下来以备后续过门限判决使用,另一路进行长度为M的二次积累:
其中表示向下取整,的意义在于将n规划到M的整数倍值上。
c.门限值更新判决及计算过程。
c1.遍历ARMN,k[n],k=0,1,…,C-1,搜索其中的最大值,记为Pmax=max{k|ARMN,k[n]},和最小值,记为Pmin=min{k|ARMN,k[n]}。
c2.比较比值Pmax/Pmin与固定值η的大小,如果Pmax/Pmin>η,则判定为当前存在有效信号,不进行门限值的更新,如果Pmax/Pmin≤η,则判定为当前只有纯噪声,则将门限值UR更新,为:
UR=(Pmax+Pmin)/2 (公式5)
c3.由步骤b2中所述,在计算时,将n规划到M的整数倍值上,这就使ARMN,k[n]的取值是按M点重复的,所以对门限值更新判决及计算过程,只需要每M个点进行一次就可以了。
d.将计算得到的门限值UR与之前缓存的子信道自相关积累的模值做过门限检测,当模值超过门限时判定为存在有效信号并做上标记,即当ARN,k[n]≥UR时,记为Vraw,k[n]=1,而当ARN,k[n]<UR时,记为Vraw,k[n]=0。
e.为了进一步消除虚假信号以及信号的意外断裂,可以对第一次检测的标志Vraw,k[n]再做一次过门限检测,方法为对Vraw,k[n]设置中心为n长度为N2的滑动窗,如果窗内标志值之和超过了N2/2,则将二次检测的标志值记为Vk[n]=1,否则记为Vk[n]=0。最终输出标志值Vk[n],k=0,1,…,C-1来表示信号的有无。
本发明的有益效果为,针对多通道盲信号的信号检测需求,提出了一种具有实时应对环境变化而更新门限值,并且使门限值能较好地免于有效信号的影响以及同信号保持一致数据尺度的方法,能够实时、稳定、准确地实现盲信号的检测判别,并且易于FPGA及DSP的硬件实现。
附图说明
图1传统CACFAR检测器原理示意图
图2本发明具体实施实例总体结构框图
图3本发明中自相关积累模值计算的实现原理结构
图4本发明中第二次积累的实现原理结构
图5本发明门限值更新过程ASMD图
图6本发明有效标志二次检测的实现原理结构
图7实施例1中本发明方法检测概率和虚警概率性能图
图8实施例2中本发明方法在不同M、N值下的检测概率和虚警概率
图9实施例2中本发明方法在N=20、不同M值下的检测概率和虚警概率
具体实施方式
下面结合附图和实施例,详细描述本发明的技术方案:
实施例1
本发明在信道化子信道数为32的信号盲检测应用条件下的性能仿真及硬件实现结构原理。
实施例1的总体结构框图如图2所示。
实施例1的各项参数设置为:信道数C=32,抽取数D=16,一次积累数N=10,二次积累数M=4,比值门限η=4,二次检测窗长W=7,数据位宽DSIZE=12,自相关值位宽PSIZE=32,系统时分复用率MR=D/4=4。
该具体实施场景首先将输入信号进行基于DFT的信道化处理,信道化方法在这里不加赘述,得到C路输出子信道时域信号数据一方面缓存下来用以后续的处理使用,另一方面就用来做信号是否存在的检测运算。首先对每一路子信道数据做自相关积累模值的计算,计算方法(公式2)中的递推方式,以节省硬件资源,自相关积累模值的实现原理结构如图3所示,图中所示为一个运算模块,其具有MR倍时分复用的功能。得到的N点积累的自相关模值一方面缓存下来作为过门限判决的依据,另一方面再做第二次积累,积累点数为M,二次积累的实现原理结构如图4所示,由于第一次积累的输出为每MR个时钟刷新一次,所以二次积累也每MR个时钟累加一次,并且每M·MR个时钟输出一组数据并重新开始新的积累。
对二次积累得到的每一组输出遍历搜索其最大值Pmax与最小值Pmax,然后比较Pmax与ηPmin的大小,如果Pmax>ηPmin,则门限值UR保持不变,如果Pmax≤ηPmin,则按(公式5)更新门限值,该过程采用有限状态机实现,状态机ASMD图如图5所示。
将当前获得的门限值UR与之前缓存的N点积累的自相关模值进行过门限检测,若超过门限则判定当前存在有效信号,并做上标记,即当ARN,k[n]≥UR时,记为Vraw,k[n]=1,而当ARN,k[n]<UR时,记为Vraw,k[n]=0。
为了进一步消除虚假信号以及信号的意外断裂,可以对第一次检测的标志Vraw,k[n]再做一次过门限检测,方法为对Vraw,k[n]设置中心为n长度为W的滑动窗,如果窗内标志值之和超过了W/2,则将二次检测的标志值记为Vk[n]=1,否则记为Vk[n]=0。具体实现方式可利用递推计算的方式,设置一个加减计数器记录当前滑动窗内的标志之和,通过当前进入窗的标志和移除窗的标志决定加减计数器的运行。如果计数器的值大于W/2则记为Vk[n]=1,否则记为Vk[n]=0。二次检测的实现结构原理图如图6所示。
图7所示为实施例1中本发明的检测概率和虚警概率的性能图,测试生成的不同原始输入信号信噪比从-12dB到2dB变化,通过信道化之后,采用本发明的方法进行信号检测,观察输出结果中是否在期望的时间段和子信道内发现了有效信号,如果有则标记为正确检测;而如果在期望的时间段和子信道之外发现了超过门限的点,则认为是出现了虚警信号,记录为虚警点数计算方式为其中nfa为虚假点数,T为接收数据时长,fs为采样率。从图中可以看出,当输入信号的信噪比超过-6dB后,检测概率可以达到90%以上,而与此同时虚警概率不随环境变化而变化,始终保持在10-3以下。
实施例2
本发明在不同子信道数、积累长度、信噪比等条件下的数学模型及性能仿真。
在加性高斯白噪声背景下,设噪声n0的概率密度函数服从N~(0,δ2),则接收信号表达式为:
x[t]=s[t]+n0[t] (公式6)
延时自相关函数为:
其中N为积累长度。计算自相关函数可以使用递推式:
R[t+1]=R[t]+x[t+N]x*[t+N+1]-x[t]x*[t+1] (公式8)
自相关积累制的模值|R[t]|为:
其中Es为信号能量,n′为相关后的噪声,根据中心极限定理,当N较大时,n′可近似于高斯分布n′~N(0,Nλ)。
设存在两种情况H0:信号不存在,即x[t]=n0[t],这时λ=4δ4;H1:存在信号x[t]=s[t]+n0[t],这时λ=(2Esδ2+δ4)。
所以模值|R[t]|在H0和H1两种情况下的概率密度函数分别为瑞利分布和莱斯分布即:
门限UR为二次积累的2M个|R[t]|之和除2,即:
瑞利分布之和的分布直接求解比较麻烦,可以由其特征函数计算得到,利用独立的随机变量相加等同于其特征函数相乘的性质,可以间接求得瑞利分布之和的分布的概率密度函数,即:
服从瑞利分布的|R[t]|在H0情况下概率密度函数的特征函数为:
其中为虚误差函数。所以门限值的分布的特征函数为:
所以门限UR的概率密度函数可以表示为:
所以信号检测的虚警概率由下式给出:
信号检测的检测概率由下式给出:
实施例2的各项参数设置为:信道数C=32,抽取数D=16,比值门限η=4,二次检测窗长W=7,数据位宽DSIZE=12,自相关值位宽PSIZE=32,系统时分复用率MR=D/4=4。图8所示为实施例1中本发明方法在不同M、N值下的检测概率和虚警概率,测试中一次积累数为N={5,10,20,40,100},二次积累数M={2,4,8},生成的不同原始输入信号信噪比从-12dB到2dB变化。
从图8中可以看出,不论M值为多少,当N=[10~20]时,检测概率通常都是较高的,同时虚警概率也较低;如果减小N值,虚警概率会显著提高,而检测概率可能会稍微降低;如果增大N值,虚警概率会降低,而检测概率也会明显降低,这里的降低可能与脉冲宽度有关系。而M的影响比较显而易见,当M值较小时,检测概率高且虚警概率高;当M较大时,检测概率低且虚警概率低。从图9的仿真结果可以看出,当M=4,N=20时,本发明方法具有较好的性能,能在保持较低的虚警概率的前提下获得较高的检测概率。
Claims (1)
1.一种多通道盲信号侦收中的自适应门限检测方法,其特征在于,包括以下步骤:
a.对输入信号x[n]进行信道化处理,得到C个子信道的输出信号yk[n],k=0,1,…C-1;
b.对各个子信道的输出信号计算其时域自相关积累值:
b1.先进行长度为N的延时自相关运算:
b2.对各个子信道的RN,k[n]取模值:
ARN,k[n]=|RN,k[n]|,k=0,1,…,C-1
b3.对取模过后的自相关积累值分为两路,一路缓存下来以备后续过门限判决使用,另一路进行长度为M的二次积累:
其中表示向下取整,用于将n规划到M的整数倍值上;
c.门限值更新判决及计算过程:
c1.遍历ARMN,k[n],k=0,1,…,C-1,搜索其中的最大值,记为Pmax=max{k|ARMN,k[n]},和最小值,记为Pmin=min{k|ARMN,k[n]};
c2.比较比值Pmax/Pmin与固定值η的大小,如果Pmax/Pmin>η,则判定为当前存在有效信号,不进行门限值的更新,如果Pmax/Pmin≤η,则判定为当前只有纯噪声,则将门限值UR更新,为:
UR=(Pmax+Pmin)/2
c3.由步骤b2中所述,在计算时,将n规划到M的整数倍值上,使得ARMN,k[n]的取值是按M点重复的,所以对门限值更新判决及计算过程,只需要每M个点进行一次;
d.将计算得到的门限值UR与之前缓存的子信道自相关积累的模值做过门限检测,当模值超过门限时判定为存在有效信号并做上标记,即当ARN,k[n]≥UR时,记为Vraw,k[n]=1,而当ARN,k[n]<UR时,记为Vraw,k[n]=0;
e.为了进一步消除虚假信号以及信号的意外断裂,对第一次检测的标志Vraw,k[n]再做一次过门限检测:
对Vraw,k[n]设置中心为n长度为N2的滑动窗,如果窗内标志值之和超过了N2/2,则将二次检测的标志值记为Vk[n]=1,否则记为Vk[n]=0;
最终输出标志值Vk[n],k=0,1,…,C-1来表示信号的有无。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810614579.9A CN108847905A (zh) | 2018-06-14 | 2018-06-14 | 一种多通道盲信号侦收中的自适应门限检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810614579.9A CN108847905A (zh) | 2018-06-14 | 2018-06-14 | 一种多通道盲信号侦收中的自适应门限检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108847905A true CN108847905A (zh) | 2018-11-20 |
Family
ID=64202352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810614579.9A Pending CN108847905A (zh) | 2018-06-14 | 2018-06-14 | 一种多通道盲信号侦收中的自适应门限检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108847905A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109728847A (zh) * | 2018-12-17 | 2019-05-07 | 中国空间技术研究院 | 一种多维并行处理的信号自相关检测方法 |
CN113031552A (zh) * | 2021-03-09 | 2021-06-25 | 浙江菲达环保科技股份有限公司 | 炉后环保设备协同控制方法及系统 |
CN116366411A (zh) * | 2023-03-28 | 2023-06-30 | 扬州宇安电子科技有限公司 | 一种多比特信号量化自适应门限生成及量化方法 |
CN117439850A (zh) * | 2023-12-21 | 2024-01-23 | 中国电子科技集团公司第五十四研究所 | 一种自适应ofdm符号同步方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140142928A1 (en) * | 2012-11-21 | 2014-05-22 | Harman International Industries Canada Ltd. | System to selectively modify audio effect parameters of vocal signals |
US20140142927A1 (en) * | 2012-11-21 | 2014-05-22 | Harman International Industries Canada Ltd. | System to control audio effect parameters of vocal signals |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
-
2018
- 2018-06-14 CN CN201810614579.9A patent/CN108847905A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140142928A1 (en) * | 2012-11-21 | 2014-05-22 | Harman International Industries Canada Ltd. | System to selectively modify audio effect parameters of vocal signals |
US20140142927A1 (en) * | 2012-11-21 | 2014-05-22 | Harman International Industries Canada Ltd. | System to control audio effect parameters of vocal signals |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
Non-Patent Citations (3)
Title |
---|
兰俊杰等: "基于延迟自相关双门限的短波天线选择方法", 《电讯技术》 * |
王启智等: "基于多通道分段自相关的弱信号检测算法及实现", 《雷达与对抗》 * |
蔡凡等: "雷达侦察宽带信号的检测技术", 《闽江学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109728847A (zh) * | 2018-12-17 | 2019-05-07 | 中国空间技术研究院 | 一种多维并行处理的信号自相关检测方法 |
CN113031552A (zh) * | 2021-03-09 | 2021-06-25 | 浙江菲达环保科技股份有限公司 | 炉后环保设备协同控制方法及系统 |
CN113031552B (zh) * | 2021-03-09 | 2022-10-25 | 浙江菲达环保科技股份有限公司 | 炉后环保设备协同控制方法及系统 |
CN116366411A (zh) * | 2023-03-28 | 2023-06-30 | 扬州宇安电子科技有限公司 | 一种多比特信号量化自适应门限生成及量化方法 |
CN116366411B (zh) * | 2023-03-28 | 2024-03-08 | 扬州宇安电子科技有限公司 | 一种多比特信号量化自适应门限生成及量化方法 |
CN117439850A (zh) * | 2023-12-21 | 2024-01-23 | 中国电子科技集团公司第五十四研究所 | 一种自适应ofdm符号同步方法 |
CN117439850B (zh) * | 2023-12-21 | 2024-02-23 | 中国电子科技集团公司第五十四研究所 | 一种自适应ofdm符号同步方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108847905A (zh) | 一种多通道盲信号侦收中的自适应门限检测方法 | |
CN104143997B (zh) | 一种基于扩频体制的多址干扰抗错锁判决方法 | |
CN109214318B (zh) | 一种寻找非稳态时间序列微弱尖峰的方法 | |
CN103338177B (zh) | 一种抵抗单频干扰的帧同步方法 | |
CN108923860A (zh) | 基于过门限修正的盲脉冲信号toa估计方法 | |
CN101895380B (zh) | 一种用于差分混沌调制通信系统的盲估计位同步实现方法 | |
CN103997478B (zh) | Ofdm‑wlan系统的定时同步硬件实现方法 | |
CN103701498B (zh) | 电力线载波通信的信号处理方法与装置 | |
CN110677364B (zh) | 一种检测主同步信号的方法及检测装置 | |
CN108535686B (zh) | 一种截断宽带线性调频信号的时差定位方法 | |
CN110289926B (zh) | 基于调制信号循环自相关函数对称峰值的频谱感知方法 | |
CN108833315B (zh) | 一种信道估计的方法及装置 | |
CN118713770A (zh) | 多带宽模式无线信号检测方法 | |
CN102143111B (zh) | 一种双极性混沌键控通信系统解调方法 | |
US8175829B2 (en) | Analyzer for signal anomalies | |
CN108736921B (zh) | 一种抵抗随机脉冲噪声的电力线载波通信前导检测方法 | |
CN103199886B (zh) | 基于滑窗搜索的zcz序列初相位估算方法 | |
CN105429720A (zh) | 基于emd重构的相关时延估计方法 | |
CN101938332A (zh) | 块、帧同步方法及装置 | |
CN105467383A (zh) | 一种tof技术中基于波形匹配的测距方法 | |
CN105372479A (zh) | 一种电能质量测量仪器的电压闪变测量方法 | |
CN102223345A (zh) | 时隙同步与符号同步的方法 | |
CN106169949B (zh) | 一种基带信号位同步时钟宽频自适应提取装置及方法 | |
CN113014362B (zh) | 一种前导序列的检测方法、装置、设备及存储介质 | |
CN109450837B (zh) | 一种采样频偏估计与补偿方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |