張 劍，周興建，盧建川(中國西南電子技術(shù)研究所,成都610036)

?

基于Takagi-Sugeno-Kang模糊集合的噪聲干擾檢測方法*

張 劍**，周興建，盧建川
(中國西南電子技術(shù)研究所,成都610036)

Foundation Item:The National Defense Key Laboratory Fund(9140C020203150C02005)

**通信作者:swordisme@163. com Corresponding author:swordisme@163. com

摘 要:為識別混合在接收機熱噪聲中的人為噪聲干擾信號,提出了基于TSK(Takagi-Sugeno-Kang)模糊集合的干擾檢測方法。首先將無干擾環(huán)境下信道熱噪聲數(shù)據(jù)和有人為噪聲干擾下的混合噪聲數(shù)據(jù)組合成訓(xùn)練數(shù)據(jù)序列,利用訓(xùn)練序列對TSK模糊集合模型進行訓(xùn)練,調(diào)節(jié)模型中規(guī)則的多項式系數(shù),使TSK模糊模型對接收信號中的噪聲特性與干擾判決之間建立確定函數(shù)關(guān)系,實現(xiàn)對噪聲干擾的檢測。通信電臺的實驗驗證表明:盡管接收機的自動增益控制將外部噪聲干擾縮小到與本機噪聲相當(dāng)水平,所提方法仍能有效檢測出信道中是否有人為噪聲干擾存在。

關(guān)鍵詞:干擾檢測；Takagi-Sugeno-Kang模糊集合；噪聲干擾

1 引 言

隨著現(xiàn)代無線通信技術(shù)的發(fā)展,無線通信設(shè)備的應(yīng)用擴展到人類活動的各個方面,發(fā)揮著越來越重要的作用。各種通信系統(tǒng)的增加及無線頻譜帶寬的擴展導(dǎo)致無線通信環(huán)境異常復(fù)雜,各種各樣的電子干擾給無線通信帶來了嚴(yán)重的影響。針對不同的干擾采用相應(yīng)的抗干擾方法是提高通信系統(tǒng)性能和頻譜利用率的有效途徑,而干擾檢測是有效實現(xiàn)通信系統(tǒng)抗干擾能力的前提和關(guān)鍵。

干擾檢測在軍事抗干擾通信領(lǐng)域中有廣泛的研究[1-2],而認(rèn)知無線電技術(shù)的發(fā)展進一步推動了干擾檢測技術(shù)的研究[3-11]。能量檢測方法是Urkowitz 在20世紀(jì)60年代提出的,它根據(jù)接收信號的能量或功率大小來判斷信號是否存在[3]。由于實現(xiàn)方法非常簡單,幾十年來,能量檢測獲得了廣泛的應(yīng)用[4-7]。但能量檢測法也存在明顯的局限性,絕對的判決門限受噪聲不確定性的影響較大,比較難確定[5,7]。此外,在低信噪比情況下,信號淹沒在噪聲中,用能量檢測法檢測概率太低。在通信、雷達等人為設(shè)計系統(tǒng)中,對信號進行的調(diào)制、掃描、采樣、數(shù)字編碼等操作使信號的統(tǒng)計特性具有一定的周期性,利用這種周期性設(shè)計的檢測方法叫做循環(huán)平穩(wěn)特征檢測法[8-9]。由于周期平穩(wěn)過程特征對未知噪聲變量具有魯棒性,這種方法在區(qū)分噪聲方面優(yōu)于能量檢測方法,但由于循環(huán)譜把信號檢測從一維平面擴展到二維平面,其計算復(fù)雜度遠(yuǎn)遠(yuǎn)大于能量檢測。文獻[9]提出了一種基于雙門限的能量檢測加循環(huán)平穩(wěn)特征聯(lián)合檢測算法,利用雙門限的能量檢測法進行粗檢,利用循環(huán)平穩(wěn)特征進行進一步檢測,可以降低系統(tǒng)復(fù)雜度。基于信號的協(xié)方差矩陣特性的干擾檢測方法也可以有效克服能量檢測方法的局限性[11-12]。當(dāng)干擾信號為人為產(chǎn)生的噪聲干擾信號時,由于信號不具備周期平穩(wěn)特性,無法使用上述提出的各種基于循環(huán)平穩(wěn)特征檢測方法,并且由于接收機的自動增益控制以及遠(yuǎn)近效應(yīng)的影響,干擾噪聲與接收機熱噪聲大小相當(dāng)?shù)鼗旌显谝黄?絕對信號能量大小的檢測也無法判決。

根據(jù)文獻[13],具有內(nèi)在動力機制的任何隨機系統(tǒng)基本都可以用混沌系統(tǒng)來研究和特征描述?；谶@種理論,本文利用狀態(tài)空間重構(gòu)的方法對比分析了接收機本地噪聲和人為干擾噪聲的特征。特征分析表明,用確定函數(shù)產(chǎn)生的偽隨機序列作為人為干擾噪聲信號存在明顯的奇異吸引子,利用基于TSK(Takagi-Sugeno-Kang)模糊集合進行模式訓(xùn)練與檢測可以有效檢測這種人為干擾信號的有無[14]。對實際采樣數(shù)據(jù)的檢測驗證表明檢測方法準(zhǔn)確有效,尤其適合分布式通信系統(tǒng)中的人為噪聲干擾檢測,由于遠(yuǎn)近效應(yīng)的影響,有的通信節(jié)點所接收的干擾信號并不強,無法從直接的頻譜掃描中發(fā)現(xiàn)。

2 狀態(tài)空間重構(gòu)下的干擾噪聲特征

對于人為噪聲干擾信號的時頻域分析可以看出,從時域相關(guān)性和頻譜特性中是無法區(qū)分接收信號中是否存在人為噪聲干擾信號?；煦缋碚撗芯勘砻鱗13],用確定函數(shù)產(chǎn)生的偽隨機噪聲干擾序列,盡管信號特性和噪聲相似,信號的產(chǎn)生總是源于一個確定函數(shù),可以選擇合適維度的狀態(tài)空間重構(gòu)信號,實現(xiàn)對這種人為噪聲干擾信號的特征描述。對于通信接收機中頻采樣信號,可以用一組實數(shù)序列{xi} (i=1,2,…,N)表示。以采樣間隔為最小延遲時間,該采樣序列可以嵌入到d維的狀態(tài)空間中:

圖1對接收機中單純熱噪聲信號和存在人為噪聲干擾的混合信號進行了時域和頻域?qū)Ρ确治觥?/p>

圖1 時域和頻域中信號分析Fig. 1 Signal analysis in time-frequency domain

從圖1中可以看出,有無噪聲干擾的信號在時頻域中完全重疊,沒有可區(qū)分的特征。因此,從時域和頻域是無法判決信號中是否存在噪聲干擾信號。圖2對這兩種信號采用公式(1)的方法進行狀態(tài)空間重構(gòu)。對不同維數(shù)的嘗試比較后,當(dāng)采用9維狀態(tài)空間重構(gòu)時,選取其第1、4、9維數(shù)據(jù)構(gòu)成三維坐標(biāo),可以比較明顯地實現(xiàn)對多維狀態(tài)空間信號的采樣分析。

圖2 狀態(tài)空間中信號分析Fig. 2 Signal analysis in state-space

從圖2中可以看出,單純熱噪聲信號的軌跡基本擴散到整個三維空間中,其分布軌跡和密度沒有明顯的規(guī)律,表明這種信號的產(chǎn)生機制非常復(fù)雜,無法觀察到主導(dǎo)因素的奇異吸引子。對于疊加了人為噪聲干擾的混合信號,其狀態(tài)空間明顯存在一個形狀如字母Q的奇異吸引子,表明混合信號中存在一個產(chǎn)生機制相對單一確定的信號分量。因此,是否存在人為噪聲干擾可以通過觀測狀態(tài)空間中的奇異吸引子予以判決。狀態(tài)空間信號特征可以通過神經(jīng)網(wǎng)絡(luò)、自適應(yīng)濾波、模糊系統(tǒng)識別等方法識別處理。本文之所以選擇TSK模糊模型處理方法是因為TSK模糊模型使用多項式代替了傳統(tǒng)模糊集合模型中使用模糊術(shù)語的描述[14],使得其不僅具有了模糊集合引入的非線性描述特性,更關(guān)鍵的是其計算變得非常有效,比較適合工程應(yīng)用實現(xiàn)。

3 TSK模糊集合模型

TSK模糊模型實際上可以處理多維的復(fù)雜系統(tǒng)建模,而本系統(tǒng)中對噪聲干擾信號在狀態(tài)空間上進行的特征判別只需要在3個維度上進行處理,并且本文的研究重點是TSK模糊模型的應(yīng)用而非模型本身。因此,此處僅描述三維TSK模糊模型的結(jié)構(gòu)。典型的三維TSK模糊集合模型包含如下的IFTHEN形式的規(guī)則:

式中:i=1,2,…,C,C為一個TSK模型規(guī)則的總數(shù)目;Ai(θi)是子集i的隸屬函數(shù)描述式;θi為隸屬函數(shù)的變量;ai=(αi0,αi1,αi2,αi3)是多項式的系數(shù)。整個TSK模糊集合模型的輸出為

式中:hi是第i個子集的輸出;wi是第i個隸屬函數(shù)子集的勢,勢的計算為

此處,隸屬函數(shù)選擇為高斯型隸屬函數(shù)[14],其中mi是高斯型隸屬函數(shù)的均值,σi是高斯型隸屬函數(shù)的方差。一個TSK模型需要確定前端隸屬函數(shù)的參數(shù)θi和后端多項式系數(shù)ai。

4 基于TSK模糊集合的干擾檢測

基于TSK模糊集合的干擾檢測包括兩部分處理。首先,TSK模糊集合模型需要用訓(xùn)練數(shù)據(jù)序列對模型的參數(shù)進行反復(fù)訓(xùn)練,使模糊模型能正確反映訓(xùn)練序列中輸入數(shù)據(jù)段和有無噪聲干擾判決結(jié)論值的對應(yīng)關(guān)系,這種對應(yīng)關(guān)系可以看成由這樣{(x1,y1),(x2,y2),…,(xk,yk)}一系列輸入輸出數(shù)據(jù)對來反映,其中xk為采樣序列進行狀態(tài)空間重構(gòu)后的三維歸一化向量,yk為向量xk對應(yīng)的判決結(jié)論,當(dāng)xk由無干擾的數(shù)據(jù)序列構(gòu)成時,yk取值為-1;當(dāng)xk由包含人為噪聲干擾的數(shù)據(jù)序列構(gòu)成時, yk取值為1。在TSK模糊集合模型的訓(xùn)練學(xué)習(xí)中,系統(tǒng)的結(jié)構(gòu)和參數(shù)逐漸穩(wěn)定,使模型能在輸入輸出關(guān)系上正確反映系統(tǒng)對有無人為噪聲干擾的判決,則檢測系統(tǒng)可以開始進行非訓(xùn)練數(shù)據(jù)下的噪聲干擾檢測。下面給出整個算法的實現(xiàn)步驟。

(1)分別采集無干擾時接收機中頻信號與有人為噪聲干擾下的信號,根據(jù)式(1),構(gòu)建狀態(tài)空間下的向量序列xk。

(2)構(gòu)建取值為[1,-1]的隨機序列yk,且yk序列中持續(xù)N個長度的取值相同;構(gòu)建訓(xùn)練序列(xk, yk)時,當(dāng)N個yk值為1時,xk從有噪聲干擾的向量序列中取連續(xù)N個向量值;當(dāng)N個yk值為-1時,xk從無噪聲干擾的向量序列中取連續(xù)N個向量值。

(3)初始化TSK模型[14],對于每個模糊規(guī)則,其隸屬函數(shù)的初始參數(shù)固定為。

(4)用訓(xùn)練序列來訓(xùn)練優(yōu)化式(2)中的多項式系數(shù)ai,使用的計算式包括式(2)～(4)及下式:

式中:η是學(xué)習(xí)因子。當(dāng)系統(tǒng)誤差足夠小時,轉(zhuǎn)到下一步。

(5)用式(2)～(4)來估計當(dāng)前接收信道中是否存在人為干擾。

5 實驗驗證

為了驗證算法的有效性,實驗中使用了一臺帶寬為14 MHz的通用電臺和SMU200A信號發(fā)生器,選擇信號發(fā)生器中的高斯噪聲選項產(chǎn)生14 MHz的寬帶噪聲干擾。實驗驗證中通用電臺對兩種通信環(huán)境條件下的信號進行分析檢測,一是無噪聲干擾輸入下,通用電臺采集僅有信道噪聲及環(huán)境噪聲的中頻信號樣本;二是從電臺射頻端口輸入信號發(fā)生器產(chǎn)生的寬帶噪聲信號,采集干擾下的中頻接收信號。由于電臺自動增益控制的影響,兩種通信環(huán)境下的采樣數(shù)據(jù)如圖1所示,兩種狀態(tài)的信號在時域和頻域上基本無法區(qū)分。在TSK模糊集合模型的實驗驗證中,訓(xùn)練序列構(gòu)建時有干擾信號、無干擾信號的持續(xù)長度N取值為80,學(xué)習(xí)因子η取值為0. 1。TSK模糊集合模型完成訓(xùn)練學(xué)習(xí)后,對未知通信環(huán)境下的輸入信號判別結(jié)果如圖3所示。

圖3 TSK系統(tǒng)的干擾檢測實驗性能Fig. 3 Test performance of noise interference detection of TSK fussy system

從圖3可以看出,如果以0值為判決門限,對于每個樣點進行的檢測判決結(jié)果與真實值并非完全吻合,某些離散樣點存在錯誤判決,但如果持續(xù)觀察一段有干擾信號的判決,則其總體判決趨勢與真實值是非常一致的。為了提高判定的準(zhǔn)確性,對TSK模糊集合系統(tǒng)的檢測輸出進行如下的積累平均處理:

圖4 積累平均后的干擾檢測實驗性能Fig. 4 Test performance of noise interference detection after average

從圖4可以看出,經(jīng)過積累平均和偏移修正后, 以0為判決門限時,每次檢測的判決值與真實值基本完全一致。因此,只要對信號持續(xù)觀測一段時間,基于TSK模糊集合的干擾檢測系統(tǒng)可以準(zhǔn)確判決通信環(huán)境中是否存在這種特定的人為噪聲干擾。

6 結(jié) 論

確定函數(shù)產(chǎn)生的人為偽隨機噪聲干擾信號本身不具備周期相關(guān)性,無法從循環(huán)統(tǒng)計特性上檢測;并且由于遠(yuǎn)近效應(yīng)和接收信道自動增益控制,接收機無法從時域和頻域上判決通信環(huán)境中是否存在人為噪聲干擾信號。但從混沌理論看來,這種人為噪聲干擾信號由確定的函數(shù)產(chǎn)生,存在內(nèi)在的動力產(chǎn)生機制。因此,其狀態(tài)空間的分布與其他噪聲是存在區(qū)別的。本文利用這個特性,提出了基于TSK模糊集合的干擾檢測方法:TSK模糊集合學(xué)習(xí)噪聲狀態(tài)空間的分布,判決采樣信號中是否存在屬于人為噪聲的狀態(tài)空間分布。通信電臺的干擾檢測實驗表明:該方法對特定人為噪聲干擾信號的檢測準(zhǔn)確有效。需要指出的是,當(dāng)產(chǎn)生人為噪聲的特定函數(shù)改變后,檢測系統(tǒng)需要對新干擾進行重新學(xué)習(xí)才能再次進行干擾檢測。

參考文獻:

[1] BALAEI A T,DEMPSTER R G. A statistical inferencetechnique for GPS interference detection [ J ]. IEEE Transactions on Aerospace and Electronic Systems,2009, 45(4):1499-1511.

[2] JIANG L,HOU J,GUO J X. Interference detection for multiband frequency hopping UWB communications[C]/ / Proceedings of 2nd International Conference on Signal Processing Systems. Dalian:IEEE,2010:656-660.

[3] URKOWITZ H. Energy detection of unknown deterministic signals[J]. Proceedings of the IEEE,1967,55(4) : 523- 531.

[4] LIN W,ZHANG Q Y. A design of energy detector in cognitive radio[C] / / Proceedings of 2008 11th IEEE Singapore International Conference on Communication Systems. Guangzhou:IEEE,2008:213-217.

[5] TANDRA R, SAHAIA. SNR walls for signal detection [J]. IEEE Journal of Selected Topic in Signal Processing, 2008,2(1):4-16.

[6] 潘建國,翟旭平.基于能量檢測的頻譜感知方法[J].上海大學(xué)學(xué)報,2009,15(1):54-59.

PAN Jianguo,ZHAI Xuping. Spectrum sensing in cognitive radio based on energy detection[J]. Journal of Shanghai U-niversity,2009,15(1):54-59. (in Chinese)

[7] 劉鑫,譚學(xué)治,徐貴森.噪聲不確定下認(rèn)知無線電能量檢測性能的分析[J].四川大學(xué)學(xué)報,2011,43(6):168-172.

LIU Xin,TAN Xuezhi,XU Guisen. Performance analysis of energy detection for cognitive radio under noise uncertainty[J]. Journal of Sichuan University,2011,43(6): 168-172. (in Chinese)

[8] GARDNER W A. Exploitation of spectral redundancy incyclostationary signals[J]. IEEE Signal Processing Magazine,1991,8(2) :14-36.

[9] 張昊曄,包志華,張士兵.基于循環(huán)譜能量的自適應(yīng)頻譜檢測算法[J].通信學(xué)報,2011,32(11):95-103.

ZHANG Haoye,BAO Zhihua,ZHANG Shibing. Adaptive spectrum sensing algorithm based on cyclostationary spectrum energy [J]. Journal on Communications,2011,32 (11):95-103. (in Chinese)

[10] 劉小莉,朱琦.基于能量-循環(huán)平穩(wěn)特征的聯(lián)合頻譜檢測方法[J].南京郵電大學(xué)學(xué)報,2010,30(3):189-192.

LIU Xiaoli, ZHU Qi. Joint spectrum sensing method based on energy and cyclostationary feature[J]. Journal of Nanjing University of Posts and Telecommunications, 2010,30(3):189-192. (in Chinese)

[11] ZENG Y,LIANG Y C. Spectrum-sensing algorithms for cognitive radio based on statistical covariances[J]. IEEE Transactions on Vehicular Technology,2009,58 (4): 1804-1815.

[12] ZHENG Y,ZHANG Q,WU S. Robust spectrum sensing in cognitive radio[C] / / Proceedings of 2010 IEEE 21st International Symposium on Personal, Indoor & Mobile Radio Communications Workshops. Istanbul, Turkey: IEEE,2010:1-8.

[13] 黃潤生.混沌及其應(yīng)用[M].武漢:武漢大學(xué)出版社, 2000.

HUANG Runsheng. Chaotic and its application [ M]. Wuhan:Wuhan University Press,2000. (in Chinese)

[14] SUGENO M,YASUKAWA T. A fuzzy-logic-based approach to qualitative modeling[J]. IEEE Transactions on Fuzzy System,1993,1(1):7-31.

張 劍(1977—) ,男,四川眉山人,2008年于電子科技大學(xué)獲信號與信息處理專業(yè)博士學(xué)位,現(xiàn)為高級工程師,主要研究方向為無線通信技術(shù)及其信號處理;

ZHANG Jian was born in Meishan,Sichuan Province,in 1977. He received the Ph. D. degree from University of Electronic Science and Technology of China in 2008. He is now a senior engineer. His research concerns signal processing and wireless communications.

Email:swordisme@163. com

周興建(1970—),男,四川廣安人,高級工程師,主要研究方向為無線通信技術(shù);

ZHOU Xingjian was born in Guang'an,Sichuan Province,in 1970. He is now a senior engineer. His research concerns wireless communications.

盧建川(1964—),男,重慶人,1989年于南京航空航天大學(xué)獲通信與信息系統(tǒng)專業(yè)碩士學(xué)位,現(xiàn)為研究員,主要研究方向為無線通信技術(shù)。

LU Jianchuan was born in Chongqing,in 1964. He received the M. S. degree from Nanjing University of Aeronautics and Astronautics in 1989. He is now a senior engineer of professor. His research concerns wireless communications.

A Takagi-Sugeno-Kang Fuzzy Approach to Noise Jamming Detection

ZHANG Jian,ZHOU Xingjian,LU Jianchuan
(Southwest China Institute of Electronic Technology,Chengdu 610036,China)

Abstract:This paper proposes a Takagi-Sugeno-Kang(TSK) fuzzy approach to detect if there is artificial noise mixed in the radio channel. The TSK fuzzy system needs to build a training sequence by sampling the signal with and without artificial noise separately and arranging it properly. The training sequence makes the TSK fuzzy system study the character of noise from different generating sources by adjusting the polynomial coefficients of fuzzy rules and enables it to detect the artificial noise interference. The test of the approach in a radio demonstrates that the proposed method can detect the artificial noise correctly even the automatic gain control of radio has reduced its power to the same level as that of thermal noise.

Key words:interference detection;Takagi-Sugeno-Kang fuzzy set;noise jamming

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 008引用格式:張濤,唐小明,宋洪良.一種ADS-B報頭互相關(guān)檢測方法[J].電訊技術(shù),2016,56(2):156-160. [ZHANG Tao,TANG Xiaoming,SONG Hongliang. A novel ADS-B preamble detection method based on cross-correlation[J]. Telecommunication Engineering,2016,56(2):156-160. ]

作者簡介:

中圖分類號:TN911. 5

文獻標(biāo)志碼:A

文章編號:1001-893X(2016)02-0151-05

基金項目:國防重點實驗室基金項目(9140C020203150C02005)

*收稿日期:2015-09-18;修回日期:2016-01-04 Received date:2015-09-18;Revised date:2016-01-04