CN114205199B - 一种复杂电磁环境下wifi信号识别的方法 - Google Patents

Abstract

本发明公开了一种复杂电磁环境下WIFI信号识别的方法，涉及信息识别技术领域，解决现有系统识别精度不高和算法复杂繁琐的技术问题；包括以下步骤：获取空间信号，所述空间信号包括WIFI信号；分别计算短训练序列和OFDM符号的归一化自相关系数，得到多个归一化自相关系数；当计算出的归一化自相关系数大于给定阈值0.6时，认为出现一个相关峰，在规定时间24us内，相关峰出现个数等于或大于12个时，认为该接收信号为WIFI信号，相关峰出现的个数小于12个时，则相关峰计数清零，重新统计；本发明运算简单，能够提高系统识别WIFI信号的准确率和效率。

Description

一种复杂电磁环境下WIFI信号识别的方法

技术领域

本发明涉及信息识别技术领域，更具体的是涉及一种复杂电磁环境下WIFI信号识别的方法。

背景技术

目前WIFI已经普及到千家万户，在各个领域都有着广泛的应用，WIFI主要采用的OFDM技术也逐渐成熟，因此在复杂电磁环境下，电子对抗活动中，对WIFI信号的识别方法就越来越受到重视。

目前常用的OFDM信号的识别主要是基于循环前缀以及基于高阶累积量的识别；基于循环前缀的识别方法为，设d′为检测滑动块窗口的起点，对滑动窗口内的前2N+N_cp个点计算ρ(d)的值，由于集合I中的数据和集合I′中的数据完全相同，所以在d点处会出现一个宽度为2N_cp的一个峰值，而其他2N个点处的ρ(d)理论上应该很小，现让滑动窗口起点d′从OFDM符号头一直滑动到符号尾部，每次移动2N+N_cp个采样点的步长，同时，d′每滑动一次，便计算滑动窗口内每一个采样点的ρ(d)值，再对其波形进行峰值搜索，如果能搜索到等间隔的峰值，则证明是OFDM信号，否则便不是OFDM信号。

可以看出在OFDM符号数N一定的情况下，影响ρ(d)的因素主要有两点，分别是循环前缀长度N_cp和信噪比SNR，循环前缀越长，信噪比越大，则ρ(d)峰值越明显，识别率越高。然后实际信道不光有高斯白噪声，还有多径干扰，由于多径时延的影响，符号的循环前缀往往会受到前一个符号的干扰，这样滑动窗口中得到的求和相关值会遭到破坏，影响系统识别的精度。

基于高阶累积量的识别，具体数学公式如下：

基于高阶累积量的识别方法需要结合信噪比估计，算法十分复杂和繁琐。

因此，在复杂电磁环境下，电子对抗活动中，如何方便快速识别WIFI信号成为实际应用中需要解决的难点。

发明内容

本发明的目的在于：为了解决上述技术问题，本发明提供一种复杂电磁环境下WIFI信号识别的方法，包括以下步骤：

步骤S1：获取空间信号，所述空间信号包括WIFI信号；

所述WIFI信号包括短训练序列、长训练序列和OFDM符号；

步骤S2：分别计算短训练序列和OFDM符号的归一化自相关系数，得到多个归一化自相关系数；

步骤S3：当计算出的归一化自相关系数大于给定阈值0.6时，认为出现一个相关峰，在规定时间24us内，相关峰出现个数等于或大于12个时，认为该接收信号为WIFI信号，相关峰出现的个数小于12个时，则相关峰计数清零，重新统计。

所述步骤S2中的自相关系数的计算公式为：

其中d为滑窗起始点，r表示接收到的信号，r^*表示接收信号复数共轭，m表示滑窗的整数倍OFDM符号点数，N为OFDM符号长度，N_cp为循环前缀长度，R(m)表示接收信号r的自相关系数，Φ(m)是接收信号r的2阶范数，Q(d)是接收信号r的归一化自相关系数。

本发明的有益效果如下：

1.在复杂电磁环境下，本发明利用WIFI信号的短训练序列和循环前缀联合相关判断，相比仅用循环前缀相关判断，提高了系统识别WIFI信号的准确率。

2.本发明在识别过程中，利用短训练序列和循环前缀长度一致的特点，相比高阶统计量方法，运算简单，实时性高，提高了系统识别WIFI信号的效率。

附图说明

图1是本发明的流程图；

图2是本发明中短训练序列和OFDM符号的归一化自相关系数个数统计示意图；

图3是本发明中IEEE 802.11a/g的物理帧格式示意图；

图4是本发明中OFDM符号格式示意图；

图5是本发明中实施例2的相关峰值示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1和图2所示，本实施例提供一种复杂电磁环境下WIFI信号识别的方法，包括以下步骤：

步骤S1：获取空间信号，所述空间信号包括WIFI信号；

所述WIFI信号包括短训练序列、长训练序列和OFDM符号；

步骤S2：分别计算短训练序列和OFDM符号的归一化自相关系数，得到多个归一化自相关系数；

步骤S3：当计算出的归一化自相关系数大于给定阈值0.6时，认为出现一个相关峰，在规定时间24us内，相关峰出现个数等于或大于12个时，认为该接收信号为WIFI信号，相关峰出现的个数小于12个时，则相关峰计数清零，重新统计。

根据IEEE 802.11协议规定，IEEE 802.11a/g的物理帧格式如图3所示：

一般情况下，在发端基带数据准备好后，会做上采样以及成型滤波，然后给射频电路，通过天线将信号发射出去。

根据IEEE802.11协议定义，WIFI的帧结构包括了短训练序列，长训练序列以及OFDM符号。其中短训练由10个相同的序列组成，每个序列长度为16，持续时间为0.8us，OFDM符号由CP以及IFFT数据构成，CP长度为16。

在高斯信道下，假设接收到的OFDM信号，定时同步点为d，频率偏移为ε；

r(n)＝s(n-d)e^j2πεn/N+ω(n)

其中s(n)为发射信号，ω(n)为均值为0的高斯白噪声，N为FFT的点数64。

OFDM符号格式如图4所示，其中N为数据部分长度，N_cp为循环前缀长度，连续取2N+N_cp个数据点，至少包含一个完整的OFDM符号。假设第i个符号的起点为d，定义两个集合，I为第i个符号的循环前缀，I′为第i个符号末尾，与I等长的数据点集合。

那么：

则令向量R为长度为2N+N_CP的数据点集合：

R＝{r(1)，r(2)，…，r(2N+N_CP)}

集合I和I′对应元素相同，所以存在相关性：

其中σ_s ²＝E{|s(k)|²}，σ_n ²＝E{|ω(k)|²}分别表示有用信号和高斯白噪声的能量，相关系数ρ(d)表示两个数据点相关程度的大小：

针对多径信道会干扰循环前缀，本方案提出利用短训练序列以及CP联合相关算法进行OFDM信号的检测。该方法在规定时间内，将短训练序列和CP的相关峰的统计个数作为特征量来进行信号的检测。

所述步骤S2中的自相关系数的计算公式为：

其中d为滑窗起始点，r表示接收到的信号，r^*表示接收信号复数共轭，m表示滑窗的整数倍OFDM符号点数，N为OFDM符号长度，N_cp为循环前缀长度，R(m)表示接收信号r的自相关系数，Φ(m)是接收信号r的2阶范数，Q(d)是接收信号r的归一化自相关系数。

需要说明的是，短训练序列和OFDM符号是按照顺序做自相关运算的，短训练序列有10个，理论上就有10个归一化自相关系数大于0.6，然后加上signal域的一个OFDM的CP的归一化自相关系数，加上一个data域的至少一个OFDM的归一化自相关系数，即大于阈值0.6的自相关系数在规定时间内的个数总和等于或大于12个。

由此可知，联合相关算法只需要在规定时间，求出10个短训练序列和2个OFDM符号的相关峰，并不会对检测系统运算复杂度造成太大的影响。

在进行WIFI信号检测时，预先不知道N和N_cp的具体值，从上面公式可以看出，如果接收信号为OFDM信号，当取N值等于OFDM信号数据域长度时，Q(d)的波形最为明显，出现等间隔且幅值几乎相同的峰值。而N_cp的值只决定Q(d)幅值的大小，而对Q(d)的波形特征没有突出的影响，所以Q(d)的波形特征对偏移量N值很敏感，而对循环前缀N_cp不敏感。

实施例2

当信噪比SNR为20dB时，算法得出的相关峰值如图5所示，这里采集了一帧数据，在24us内，归一化相关峰为12个，由该图可以看出该方案能够准确识别出WIFI信号。

Claims (1)

1.一种复杂电磁环境下WIFI信号识别的方法，其特征在于，包括以下步骤：

步骤S1：获取空间信号，所述空间信号包括WIFI信号；

所述WIFI信号包括短训练序列、长训练序列和OFDM符号；

步骤S2：分别计算短训练序列和OFDM符号的归一化自相关系数，得到多个归一化自相关系数；

步骤S3：当计算出的归一化自相关系数大于给定阈值0.6时，认为出现一个相关峰，在规定时间24us内，相关峰出现个数等于或大于12个时，认为该接收信号为WIFI信号，相关峰出现的个数小于12个时，则相关峰计数清零，重新统计；

所述步骤S2中的自相关系数的计算公式为：

其中为滑窗起始点，/>表示接收到的信号，/>表示接收信号复数共轭，/>表示滑窗的整数倍OFDM符号点数，/>为OFDM符号长度，/>为循环前缀长度，/>表示接收信号r的自相关系数，/>是接收信号/>的2阶范数，/>是接收信号/>的归一化自相关系数。