CN113992281A - 一种常驻信号检测与识别方法 - Google Patents

Abstract

本发明涉及一种常驻信号检测与识别方法，包括：确定常驻信号的起始频率、截止频率和中心频率；确定电磁环境监测系统测试频段的频谱序列，计算常驻信号在频谱序列中的存储顺序，并获取常驻信号的二维频谱信息；确定常驻信号的极化方式和来波方向；确定常驻信号的能量阈值；构建信号模板库；对射电天文台址的电磁环境进行实时监测，获取实时信号，计算实时能量统计值，将实时能量统计值与信号模板库中的能量阈值进行比较，若实时能量统计值在能量阈值范围内，则对实时信号和信号模板库中的常驻信号进行相关性分析，判断该实时信号是否为常驻干扰信号。本发明提高了信号识别的准确率，实现了常驻干扰信号的快速统计。

Description

一种常驻信号检测与识别方法

技术领域

本发明涉及射电天文技术领域，更具体地涉及一种常驻信号检测与识别方法。

背景技术

大口径射电望远镜具有极高的灵敏度和很宽的工作频率范围，因此观测时极易受到台址内外各类电磁信号的干扰，这些干扰主要来自人类生产生活所产生的各类无线电信号。国际电信联盟(International Telecommunication Union，ITU)所属的无线电通信部门协调全球的无线电频谱资源，在建议框架中制订了频率分配和运行规则的综合清单，包括电台允许的广播频段和功率、射电天文受保护的频段等。ITU只为射电天文业务(RadioAstronomy Service，RAS)分配了非常有限的频谱资源，但实际工作中，天文学家对宽带接收和记录数据的需求不断提升，使得RAS系统的工作带宽不断增加，而且RAS是一种被动(接收)业务，很容易受到调频广播、电视信号、公众移动通信、全球定位系统和飞机导航通讯等主动(发射)业务的影响，导致观测数据丢失和数据质量的降低。表1列举了主要的射频干扰(RFI)来源：

表1低频射电天文观测中部分主要RFI来源

国内外学者对射电望远镜受到的电磁干扰开展了深入研究，Waterman发表的文章《Conducting radio astronomy in the EMC environment.IEEE Trans ElectromagnCompat,1984,EMC-26:29–33》讨论了影响射电望远镜工作的各种电磁干扰源，其中卫星传输、电视发射塔和移动通信基站是影响射电观测最主要的射频干扰源，在实际射电天文观测过程中这些干扰信号使得干涉仪接收机安全饱和。大多数情况下，这些无线电设备的带外和杂散辐射超标是引起干扰的主要原因。Ambrosini等人发表的文章《The mobilelaboratory for radio-frequency interference monitoring at the Sardinia radiotelescope.IEEE Antennas Propag Mag,2013,55:19–24》介绍了分别采用固定和移动监测手段，对撒丁岛射电望远镜台址附近的电磁干扰进行了监测，提出适当的连续性射频干扰监测对于确保射电望远镜的正常运行至关重要：在分配给RAS的频段内发生的射频干扰，必须连同(实验检测到的)有害性向国家无线电管理部门报告；根据对特定时间(如夜间或周末)预期“无干扰”的统计性评估，动态安排射电天文观测。

经过对天文台址电磁环境测试频谱序列进行统计，电视发射塔、移动通信基站、卫星传输等是影响射电观测最主要的固定干扰源，其所发射的信号占总信号个数60％以上而且射频特性稳定。在台址区域中无线电信号的衰落方式主要为大尺度衰落，可以分为：1)随着传播距离增加导致信号衰减的路径损耗；2)由于障碍物遮挡、地形特性导致的电磁波阴影区域中，理想路径损耗模型产生较大变化的阴影衰落。大尺度衰落现象可以用对数正态模型来描述，这一模型的信号幅值遵循正态分布。

调制信号的调制样式是区分不同通信信号的重要特征。近年来国内外学者对调制样式的自动识别技术进行了大量的研究，处理调制类型识别问题一般采用两种方法：判决理论法和统计模式识别法。判决理论方法根据信号的统计特性，得到检验统计量，然后与一个合适的门限进行比较。但在实际应用中，识别过程中要求的参数太多，表达式计算复杂且难于处理。统计模式识别算法是从已知信号样本中提取特征参数并给定误差对信号进行识别，该方法在低信噪比的情况下难以提取信号特征参数，识别能力低。综上，针对宽带(窄带也适用)、起伏不平的电磁环境频谱，现有的信号检测与识别方法存在信号特征参数提取难度较大、计算过程复杂、识别能力低的缺陷。

为此，现有技术中提出了一种宽带频谱序列的干扰信号的识别与统计方法(专利号：CN201910605352.2)，但该方法未能对干扰信号能量值进行统计，仅通过对信号包络的相关性计算判断两个信号是否为同一信号，当干扰信号能量值较大时，会将其产生的谐波、互调判断为干扰信号，造成误判。

发明内容

为解决上述现有技术中的问题，本发明提出一种常驻信号检测与识别方法，能够提高信号识别的准确率，实现常驻信号的快速统计。

本发明提出的一种常驻信号检测与识别方法，包括：

步骤S1，通过电磁环境监测系统的历史监测数据确定常驻信号的起始频率、截止频率和中心频率；

步骤S2，确定电磁环境监测系统测试频段的频谱序列，根据所述起始频率和所述截止频率，计算常驻信号在频谱序列中的存储顺序，并根据所述存储顺序获取常驻信号的二维频谱信息；

步骤S3，根据所述存储顺序以及所述二维频谱信息，确定常驻信号的极化方式和来波方向；

步骤S4，根据所述二维频谱信息、所述极化方式和所述来波方向，确定常驻信号的能量阈值；

步骤S5，将所述中心频率、所述极化方式、所述来波方向和所述能量阈值存储至一特征信息表，将所述二维频谱信息存储至一数值表，并将所述常驻信号、所述特征信息表和所述数值表存储至一信号模板库；

步骤S6，对射电天文台址的电磁环境进行实时监测，获取实时信号，根据所述实时信号的频谱特征计算实时能量统计值，将所述实时能量统计值与信号模板库中的能量阈值进行比较，若所述实时能量统计值在所述能量阈值范围内，则进行步骤S7；

步骤S7，对所述实时信号和所述信号模板库中的常驻信号进行相关性分析，判断所述实时信号是否为常驻干扰信号。

进一步地，所述中心频率为起始频率和截止频率的均值。

进一步地，所述步骤S2包括：

步骤S21，构建频谱序列信息表；

步骤S22，根据所述频谱序列信息表，建立常驻信号P的频率点f和常驻信号P在频谱序列中的存储顺序a的回归方程如下：

f＝β₀+β₁a+∈，

式中，β0表示截距，β1表示斜率，∈表示误差项，β0、β1、∈可通过频谱序列的线性关系求得；

步骤S23，将常驻信号P的起始频率f_start和截止频率f_end代入步骤S22的回归方程中，得到常驻信号P的起始顺序[a_start]和截止顺序[a_end]，其中，[]表示取最邻近的整数，则常驻信号P在频谱序列中的存储顺序为[a_start]、[a_start]+1、……、[a_end]；

步骤S24，在所述频谱序列信息表中提取存储顺序为[a_start]、[a_start]+1、……、[a_end]的常驻信号二维频谱P{f，E}，其中f表示信号频率采样点信息，E表示场强信息。

进一步地，所述步骤S3包括：

步骤S31，分别在水平和垂直两种极化方式下，计算来波方向每间隔60°的常驻信号能量估值G₁,G₂,G₃,....,G₁₂；

步骤S32，找出常驻信号能量估值G₁,G₂,G₃,....,G₁₂中的最大值G_max，以该最大值G_max对应的极化方式和来波方向作为常驻信号P的极化方式和来波方向。

进一步地，所述常驻信号能量估值G_m，m＝1,2,…,12，按照下式计算：

式中，[a_start]表示常驻信号P的起始顺序，[a_end]表示常驻信号P的截止顺序，E_i为常驻信号P每个频率点对应的场强。

进一步地，所述步骤S4包括：

步骤S41，选取常驻信号P在步骤S3确定的极化方式和来波方向下的样本信号，计算样本信号能量值，并构建样本信号能量值的分布函数F_j(x)，j为选取的样本信号的个数；

步骤S42，检验分布函数F_j(x)是否服从正态分布，若是，则进行步骤S43；若否，则将F_j(x)映射至正态分布；

步骤S43，选取正态分布的上、下分位点作为能量阈值λ₁、λ₂，λ₁＜λ₂。

进一步地，使用K-S检验法检验分布函数F_j(x)是否服从正态分布，包括：

步骤S421，计算检验值D＝max(|F_j(x)-G(x)|，式中，G(x)为指定的理论正态分布函数；

步骤S422，给定一个检验的显著性水平下的临界值D(j,α)，α表示检验的显著性水平，比较D和D(j,α)的大小，若D>D(j,α)，则表示F_j(x)不符合正态分布；若D≤D(j,α)，则表示F_j(x)符合正态分布。

进一步地，所述步骤S6包括：比较实时能量统计值G′与能量阈值λ₁、λ₂的大小，若λ₁≤G′≤λ₂，判决信道存在信号；若G′＜λ₁，判决信道不存在信号；若G′＞λ₂，发出能量告警。

本发明首先从电磁环境历史监测数据中提取移动通信、地面数字电视等常驻大信号的特征，采用K-S检验方法获得常驻信号能量服从的分布规律，合理设置阈值，建立信号模板库；其次，根据信号模板库中的信号特征对实时频谱数据进行双门限能量检测、信号相关性识别两层检验，从而显著提高了信号识别的准确率，实现了常驻干扰信号的快速统计。

附图说明

图1是按照本发明的常驻信号检测与识别方法的流程图。

图2是常驻信号的信号模板库的示意图。

图3(a)是电视信号能量值的分布函数，图3(b)是通信信号能量值的分布函数。

具体实施方式

下面结合附图，给出本发明的较佳实施例，并予以详细描述。

如图1所示，本发明提出的常驻信号检测与识别方法，包括以下步骤：

步骤S1，通过电磁环境监测系统的历史监测数据确定常驻信号P，并根据频谱噪声统计法及无线电业务频率划分确定常驻信号P的起始频率f_start、截止频率f_end和中心频率。其中，中心频率为起始频率f_start和截止频率f_end的均值。

根据无线电业务类型的不同，目前的常驻信号分为地面数字电视信号、移动通信信号、卫星业务信号(导航、卫星电话)，不同业务类型所对应的常驻信号分布在不同频段，调制方式也不一致。

步骤S2，确定电磁环境监测系统测试频段的频谱序列，根据常驻信号P的起始频率f_start和截止频率f_end，计算常驻信号P在频谱序列中的存储顺序，并根据该存储顺序获取常驻信号P的二维频谱信息P{f，E}。其中，f表示常驻信号P的频率点，E表示场强。

步骤S2具体包括：

步骤S21，构建频谱序列信息表。测试频段为400-2000MHz的频谱序列信息如表2所示(场强的具体数值以测试结果为准，在表中以×××代替)：

表2.测试频段400-2000MHz的频谱序列信息

频率(MHz)	400	400.03	400.06	······	1999.96	1999.99
							场强(dBuv/m)	×××	×××	×××	······	×××	×××
存储顺序	1	2	3	······	53333	53334

步骤S22，根据频谱序列信息表，建立频率点f和存储顺序a的简单线性回归方程如下：

f＝β₀+β₁a+∈ (1)

式中，β0表示截距，β1表示斜率(即回归系数)，∈表示误差项，β0、β1、∈可通过频谱序列的线性关系求得。

将频谱序列中的频率点及存储顺序写成矩阵形式：

令

n为频率点个数，

则有F＝AB，其中B＝A\F，运算符“\”表示执行最小二乘回归。

步骤S23，将常驻信号P的起始频率f_start和截止频率f_end代入回归方程(1)中，得到常驻信号P的起始顺序[a_start]和截止顺序[a_end]，则常驻信号P在频谱序列中的存储顺序为[a_start]、[a_start]+1、……、[a_end]。其中，[]表示取最邻近的整数。

步骤S24，在频谱序列信息表中提取存储顺序为[a_start]、[a_start]+1、……、[a_end]的常驻信号二维频谱P{f，E}，其中f表示信号频率采样点信息，E表示场强信息；

步骤S3，根据常驻信号P的二维频谱信息P{f，E}，确定常驻信号P的极化方式和来波方向。具体包括：

步骤S31，分别在水平和垂直两种极化方式下，计算来波方向每间隔60°的常驻信号能量估值G₁,G₂,G₃,....,G₁₂。水平和垂直两种极化方式、来波方向0°-360°间隔60°轮巡共12种状态为一轮监测过程。

常驻信号能量估值G_m(m＝1,2,…,12)按照下式计算：

式中，E_i为常驻信号P每个频率点对应的场强，在不同极化、方向的组合下，场强不同。

步骤S32，找出常驻信号能量估值G₁,G₂,G₃,....,G₁₂中的最大值G_max，以该最大值G_max对应的极化方式和来波方向作为常驻信号P的极化方式和来波方向。

步骤S4，根据常驻信号P的二维频谱信息、极化方式和来波方向，确定常驻信号P的能量阈值λ₁和λ₂。具体包括：

步骤S41，选取常驻信号P在步骤S3确定的极化方式和来波方向下的样本信号，计算样本信号能量值，并构建样本信号能量值的分布函数F_j(x)，j为选取的样本信号的个数，样本信号的个数可根据需要进行设定。样本信号能量值的计算可参照公式(3)。

步骤S42，使用K-S检验法，检验分布函数F_j(x)是否服从正态分布，若是，则进行步骤S43；若否，则通过一定变换将F_j(x)映射至正态分布，进行步骤S43。其中，K-S检验法是比较一个实际分布函数与一个理论分布函数的检验方法，具体包括：

步骤S421，计算检验值D＝max(|F_j(x)-G(x)| (4)

式中，G(x)为指定的理论正态分布函数。

步骤S422，给定一个检验的显著性水平下的临界值D(j,α)，α表示检验的显著性水平，比较D和D(j,α)的大小，若D>D(j,α)，则表示F_j(x)不符合正态分布；若D≤D(j,α)，则表示F_j(x)符合正态分布。

步骤S43，选取正态分布的某一概率的上分位点、下分位点作为能量阈值λ₁、λ₂(λ₁＜λ₂)。

步骤S5，将常驻信号P的中心频率、极化方式、来波方向和能量阈值λ₁、λ₂存储至一特征信息表，将常驻信号P的二维频谱信息存储至一数值表，并将该常驻信号P及其对应的特征信息表和数值表存储至一信号模板库。

步骤S6，对射电天文台址的电磁环境进行实时监测，获取实时信号P'，根据实时信号P'的频谱特征计算实时能量统计值G'，将实时能量统计值与信号模板库中的能量阈值λ₁、λ₂进行比较，若实时能量统计值G'在能量阈值λ₁、λ₂范围内，则进行步骤S7。

步骤S6的目的是：对实时信号P'进行双门限能量检测，并建立三元判决模型：若λ₁≤G′≤λ₂，表示信道被占用，判决该信道存在信号，需要进一步进行相关性分析；若G′＜λ₁，表示信道空闲，判决该信道不存在信号；若G′＞λ₂，表示信号能量值过大，可能会导致接收机饱和，发出能量告警。若实时信号P'符合三元判决模型的第一种结果，则进行下述步骤S7。

在电磁频谱检测方法中，能量检测算法具有复杂度低、检测速度快等特点，是一种可靠的盲源检测算法。本发明使用的检测方法为双门限能量检测，可解决信号能量值不确定性问题，提高判决结果的可靠性。

步骤S7，对实时信号P'和信号模板库中的常驻信号进行相关性分析，判断该实时信号P'是否为常驻干扰信号。

由于常驻信号的调制样式保持不变，可以通过对信号包络的相关性识别来判决实时采样信号与模板库中的信号是否为同一信号。本发明通过计算信号模板库中的信号与实时信号的皮尔逊系数来判断是否属于同一信号。皮尔逊系数可表示为：

式中，X_i、Y_i分别表示实时信号采样值、对应的模板信号采样值，

分别表示实时信号采样值均值、模板信号采样值均值，n表示常驻信号的采样点数。

皮尔逊系数的绝对值|γ|∈[0,1]，|γ|的值越趋近于1，表明信号X与信号Y相似程度越高；|γ|的值越趋近于0，表明信号X与信号Y相似度程度越低。给定一相似阈值，若γ大于相似阈值，表示两个信号相关，实时信号P'为常驻干扰信号；反之则表示两个信号不相关。相似阈值的选取影响信号分析的精度，本发明选取相似阈值为0.6。

以下通过一具体示例对本发明进一步说明。

步骤S1，选取射电天文台址连续四天的电磁环境监测数据，经频谱分析某电视信号频段为670-678MHz，移动GSM900下行信号频段为935-954MHz。

步骤S2，其中电磁环境监测系统测试频段为400-2000MHz，频率点间隔为30kHz，则该频段共有53334个采样点，即存储顺序从1至53334。根据公式(2)可计算出：

然后将电视信号和移动信号的起止频率代入公式(1)，可计算出电视信号在频谱序列中的存储顺序为9001，9002，…，9268，移动信号在频谱序列中的存储顺序为17834，17835，…，18468。

步骤S3，将步骤S2中得到的存储顺序带入公式(3)中，得到两种信号的能量估值如下表所示(TV表示电视信号，COM表示移动信号)：

表3两种信号在不同极化方式、来波方向的能量估值

从上表3可以看出，电视信号的最大能量估值为105.33994，移动信号的最大能量估值为191.43665。因而两种信号对应的极化方式、来波方向如表4所示：

表4两种信号的极化方式、来波方向

信号	极化方式	来波方向
			TV	H	180°
COM	V	120°

步骤S4，上述监测数据在单一极化、单一方向下含有38组电视样本信号和移动样本信号，根据公式(3)求得上述两种样本信号能量值如表5所示：

表5电视、通信信号能量值统计

使用K-S检验方法，在显著性水平0.05下，表5中的电视信号能量值近似服从均值109.9820，标准差为5.7927的正态分布；移动信号能量值近似服从均值197.94，标准差为5.14的正态分布；两种信号能量值的分布函数如图3(a)和图3(b)所示。取正态分布的上0.01分位点、下0.01分位点为能量阈值的上下限，则电视信号的能量阈值λ₁、λ₂分别为96.5、123.45，移动通信信号的能量阈值λ₁、λ₂分别为185.9826、209.8974。

步骤S5，建立信号模板库。两种信号的特征信息表如表6所示，数值表取与统计值均值最邻近的频率/场强二维数组，即电视信号取序列号20(110.0617)，移动信号取序列号10(197.9639)所对应的P{f，E}。

表6电视信号、移动信号的特征信息表

信号	极化方式	来波方向	中心频率(MHz)	能量阈值下限	能量阈值上限
						TV	H	180°	674	96.5	123.45
COM	V	120°	944.5	185.98	209.90

步骤S6，对射电天文台址电磁环境进行连续两天(垂直极化、水平极化监测各一天)测试统计，实时信号的19组能量值如表7所示：

表7实时电视信号、实时移动信号的能量值

表7中的信号能量值均在信号模板库能量阈值范围内，进行下一步相关性识别。

步骤S7，对信号调制样式进行相关性识别，上述两种信号的19组相关系数如表8所示：

表8电视信号、移动信号相关系数

相关性系数均大于0.6，判断上述信号均为常驻干扰信号，与人工判断吻合。

以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (8)

1.一种常驻信号检测与识别方法，其特征在于，包括：

步骤S1，通过电磁环境监测系统的历史监测数据确定常驻信号的起始频率、截止频率和中心频率；

步骤S2，确定电磁环境监测系统测试频段的频谱序列，根据所述起始频率和所述截止频率，计算常驻信号在频谱序列中的存储顺序，并根据所述存储顺序获取常驻信号的二维频谱信息；

步骤S3，根据所述存储顺序以及所述二维频谱信息，确定常驻信号的极化方式和来波方向；

步骤S4，根据所述二维频谱信息、所述极化方式和所述来波方向，确定常驻信号的能量阈值；

步骤S5，将所述中心频率、所述极化方式、所述来波方向和所述能量阈值存储至一特征信息表，将所述二维频谱信息存储至一数值表，并将所述常驻信号、所述特征信息表和所述数值表存储至一信号模板库；

步骤S6，对射电天文台址的电磁环境进行实时监测，获取实时信号，根据所述实时信号的频谱特征计算实时能量统计值，将所述实时能量统计值与信号模板库中的能量阈值进行比较，若所述实时能量统计值在所述能量阈值范围内，则进行步骤S7；

步骤S7，对所述实时信号和所述信号模板库中的常驻信号进行相关性分析，判断所述实时信号是否为常驻干扰信号。

2.根据权利要求1所述的常驻信号检测与识别方法，其特征在于，所述中心频率为起始频率和截止频率的均值。

3.根据权利要求1所述的常驻信号检测与识别方法，其特征在于，所述步骤S2包括：

步骤S21，构建频谱序列信息表；

步骤S22，根据所述频谱序列信息表，建立常驻信号P的频率点f和常驻信号P在频谱序列中的存储顺序a的回归方程如下：

f＝β₀+β₁a+∈，

式中，β₀表示截距，β₁表示斜率，∈表示误差项，β₀、β₁、∈可通过频谱序列的线性关系求得；

步骤S23，将常驻信号P的起始频率f_start和截止频率f_end代入步骤S22的回归方程中，得到常驻信号P的起始顺序[a_start]和截止顺序[a_end]，其中，[]表示取最邻近的整数，则常驻信号P在频谱序列中的存储顺序为[a_start]、[a_start]+1、……、[a_end]；

步骤S24，在所述频谱序列信息表中提取存储顺序为[a_start]、[a_start]+1、……、[a_end]的常驻信号二维频谱P{f，E}，其中f表示信号频率采样点信息，E表示场强。

4.根据权利要求1所述的常驻信号检测与识别方法，其特征在于，所述步骤S3包括：

步骤S31，分别在水平和垂直两种极化方式下，计算来波方向每间隔60°的常驻信号能量估值G₁，G₂，G₃，....，G₁₂；

步骤S32，找出常驻信号能量估值G₁，G₂，G₃，....，G₁₂中的最大值G_max，以该最大值G_max对应的极化方式和来波方向作为常驻信号P的极化方式和来波方向。

5.根据权利要求4所述的常驻信号检测与识别方法，其特征在于，所述常驻信号能量估值G_m，m＝1，2，...，12，按照下式计算：

式中，[a_start]表示常驻信号P的起始顺序，[a_end]表示常驻信号P的截止顺序，E_i为常驻信号P每个频率点对应的场强。

6.根据权利要求1所述的常驻信号检测与识别方法，其特征在于，所述步骤S4包括：

步骤S41，选取常驻信号P在步骤S3确定的极化方式和来波方向下的样本信号，计算样本信号能量值，并构建样本信号能量值的分布函数F_j(x)，j为选取的样本信号的个数；

步骤S42，检验分布函数F_j(x)是否服从正态分布，若是，则进行步骤S43；若否，则将F_j(x)映射至正态分布；

步骤S43，选取正态分布的上、下分位点作为能量阈值λ₁、λ₂，λ₁＜λ₂。

7.根据权利要求6所述的常驻信号检测与识别方法，其特征在于，使用K-S检验法检验分布函数F_j(x)是否服从正态分布，包括：

步骤S421，计算检验值D＝max(|F_j(x)-G(x)|，

式中，G(x)为指定的理论正态分布函数；

步骤S422，给定一个检验的显著性水平下的临界值D(j，α)，α表示检验的显著性水平，比较D和D(j，α)的大小，若D＞D(j，α)，则表示F_j(x)不符合正态分布；若D≤D(j，α)，则表示F_j(x)符合正态分布。

8.根据权利要求6所述的常驻信号检测与识别方法，其特征在于，所述步骤S6包括：比较实时能量统计值G′与能量阈值λ₁、λ₂的大小，若λ₁≤G′≤λ₂，判决信道存在信号；若G′＜λ₁，判决信道不存在信号；若G′＞λ₂，发出能量告警。

Images