袁力 劉奇,3 孫正文 劉曄 王玥 劉烽 陳卯蒸

(1. 中國科學(xué)院新疆天文臺,烏魯木齊 830011; 2. 中國科學(xué)院大學(xué),北京 100049; 3. 中國科學(xué)院射電天文重點(diǎn)實(shí)驗(yàn)室,南京 210008)

引 言

隨著國民經(jīng)濟(jì)的增長,頻譜使用率越來越高,移動通信、衛(wèi)星導(dǎo)航、廣播電視及其他無線通信業(yè)務(wù)對射電天文業(yè)務(wù)影響越來越大,臺址內(nèi)各類數(shù)字化、智能化電子設(shè)備不斷引入,電磁環(huán)境異常復(fù)雜. 另外,現(xiàn)有射電天文臺站在建設(shè)及升級改造過程中容易忽略設(shè)備管理及電磁防護(hù),以致電磁干擾對射電天文業(yè)務(wù)影響越來越大[1].

實(shí)測表明,設(shè)備區(qū)域(建筑物內(nèi))單一設(shè)備電磁輻射頻譜不能有效反映其對電磁環(huán)境的貢獻(xiàn),這是由于設(shè)備電磁輻射經(jīng)過多次反射及傳輸后變得雜散,僅有遮擋較少或輻射較強(qiáng)的電磁干擾容易進(jìn)入射電望遠(yuǎn)鏡接收系統(tǒng),惡化觀測數(shù)據(jù)[2]. 故臺址內(nèi)設(shè)備區(qū)域干擾信號的有效檢測與識別,對分析臺址內(nèi)電磁干擾對射電天文觀測的影響更有意義．然而,現(xiàn)場環(huán)境電磁環(huán)境復(fù)雜,環(huán)境中固定干擾,尤其是瞬態(tài)干擾信號越來越多,如手機(jī)飛行模式切換產(chǎn)生的強(qiáng)瞬態(tài)發(fā)射,對講機(jī)、航空測距、氣象業(yè)務(wù)、軍用雷達(dá)、個(gè)人無線通信等突發(fā)非實(shí)時(shí)干擾,對測量結(jié)果影響較大．所以,現(xiàn)場環(huán)境下設(shè)備區(qū)域干擾信號的檢測和識別方法研究,對分析臺址內(nèi)電磁干擾對射電天文觀測的影響極其重要.

目前,關(guān)于信號識別的方法較多,如統(tǒng)計(jì)模式識別算法、模板匹配算法、高階累積量算法等. 統(tǒng)計(jì)模式識別算法是從接收到的數(shù)據(jù)中提取預(yù)先定義的特征參數(shù),當(dāng)信噪比低時(shí),該方法難以提取信號特征參數(shù),識別性能低[3]. 模板匹配法以待測信號和數(shù)據(jù)庫中已知信號的距離測度為相似性判斷依據(jù),該方法需要提前統(tǒng)計(jì)信號特征參數(shù),并建立相應(yīng)的數(shù)據(jù)庫[4]. 高階累積量法計(jì)算信號的高階累積量,通過歸一化或者平方等方法尋找信號間的差異,計(jì)算量大,主要用于對調(diào)制信號進(jìn)行識別[5-7]. 然而,隨著數(shù)字技術(shù)和無線通信技術(shù)的發(fā)展, 信號種類日益增多,且信號特征復(fù)雜度增高．故針對超寬帶頻譜,如100 MHz～6 GHz,數(shù)據(jù)庫的建立并實(shí)時(shí)更新極其困難,其依賴于強(qiáng)大的硬件檢測能力及智能化數(shù)據(jù)統(tǒng)計(jì)方法. 其次,現(xiàn)場環(huán)境下電磁干擾信號檢測受環(huán)境瞬態(tài)信號的影響,而上述方法并未考慮環(huán)境瞬態(tài)信號的檢測和剔除．

綜上所述,統(tǒng)計(jì)模式識別算法和模板匹配法需要針對不同電磁環(huán)境預(yù)先提取信號特征參數(shù)、建立環(huán)境數(shù)據(jù)庫,而高階累積量法需要應(yīng)用計(jì)算量較大的高階累積量,且忽略環(huán)境瞬態(tài)信號對測量結(jié)果的影響. 為提高現(xiàn)場環(huán)境設(shè)備區(qū)域電磁干擾信號檢測效率和識別的準(zhǔn)確性,本文提出了一種針對現(xiàn)場環(huán)境設(shè)備區(qū)域的電磁干擾信號檢測及識別方法,方法描述如下:

1)信號采集:考慮到實(shí)際測量的可實(shí)施性,信號采集采用測量天線對著設(shè)備區(qū)域和隔過設(shè)備區(qū)域的方法,測量時(shí),測試天線極化、指向和高度相同,且頻譜儀參數(shù)設(shè)置不變,獲取設(shè)備區(qū)域頻譜(目標(biāo)信號)y和3組相互獨(dú)立的環(huán)境頻譜x1、x2、x3.

2)信號預(yù)處理:對獲取的設(shè)備區(qū)域頻譜y進(jìn)行信噪分離,采用二值法實(shí)現(xiàn)頻譜y中寬帶、窄帶信號的有效檢測和識別.

3)信號識別:采用信號相似性模型(一元回歸算法)分析頻譜y中識別出的信號與環(huán)境頻譜x1、x2、x3對應(yīng)頻段信號的相關(guān)性,若均不相關(guān),確定該信號來自設(shè)備區(qū)域,否則該信號為環(huán)境瞬態(tài)信號,實(shí)現(xiàn)環(huán)境瞬態(tài)信號的有效剔除.

該方法通過設(shè)備區(qū)域頻譜中干擾信號與多組環(huán)境頻譜中干擾信號的相關(guān)性分析,剔除環(huán)境干擾信號,減少環(huán)境瞬態(tài)干擾對測量結(jié)果的影響,提高設(shè)備區(qū)域的電磁輻射測量的準(zhǔn)確性,信號處理流程如圖1所示．圖中SSN為信噪分離,SN為頻譜噪聲,EMI為電磁干擾.

圖1 EMI信號識別流程圖

1 信號識別方法

1.1 信號預(yù)處理

1.1.1 信噪分離

本文對文獻(xiàn)[8]提出的信噪分離方法進(jìn)行改進(jìn),即對寬帶頻譜進(jìn)行分通道(頻段),減少寬帶頻譜噪聲起伏影響,提高信噪分離閾值精度.信噪分離步驟如下:

步驟1:頻譜信號I分通道. 用矩陣F表示頻率信息,矩陣P表示信號幅度信息,矩陣C表示采樣點(diǎn)序號,則頻譜信號可以表示為I(F,P),其中,

F=[f1,f2,…,fi,…,fN]T,

(1)

P=[p1,p2,…,pi,…,pN]T,

(2)

C=[1,2,…,i,…,N]T.

(3)

式中,N表示信號的采樣點(diǎn)數(shù). 對頻譜信號I進(jìn)行分通道,每個(gè)通道內(nèi)有k1個(gè)點(diǎn),分通道后的信號I可以表示為

I=[S1,S2,…,Si,…,Sm1]T.

(4)

式中,m1代表信道數(shù),m1=[N/k1],[·]表示對計(jì)算結(jié)果向上取整. 分通道時(shí),通道寬度不能小于信號I中最大寬帶信號寬度,否則會導(dǎo)致步驟2中提取的平均噪聲電平過大.

(5)

式中,δ為修正系數(shù),文獻(xiàn)[8]推薦3≤δ≤5.

每個(gè)頻點(diǎn)對應(yīng)的SSN閾值ni為

(6)

1.1.2 頻譜噪聲提取

文獻(xiàn)[9]基于圖像形態(tài)學(xué)處理原理,利用形態(tài)學(xué)梯度的方法提取頻譜噪聲信號．但該方法在強(qiáng)噪聲環(huán)境下,當(dāng)頻譜噪聲信號起伏較大時(shí),容易將噪聲判斷成EMI信號,無法準(zhǔn)確提取噪聲信號. 與上述方法相比,本文采用鄰值判別法[10]提取頻譜噪聲,該方法的優(yōu)點(diǎn)是不受硬件設(shè)備和噪聲環(huán)境的影響.

依據(jù)公式(6)得到的SSN閾值提取噪聲信號,頻譜噪聲提取步驟如下:

步驟1:信噪判斷．

(7)

步驟3:噪聲平滑處理. 利用均值替代的方法,對步驟2中提取的噪聲信號進(jìn)行多次平滑處理.

1.1.3 信號檢測及提取

頻譜測量時(shí),為保障信號的分辨能力,采樣間隔需大于信號帶寬;另外,由于寬帶頻譜中存在窄帶和寬帶信號,單一信號的檢測和識別有利于信號的相似性判斷和相關(guān)性分析. 本文提出一種基于二值法的信號檢測及識別方法,運(yùn)用數(shù)值梯度[11]檢測信號邊界,實(shí)現(xiàn)頻譜數(shù)據(jù)中干擾信號頻率和幅度信息的提取. 步驟如下:

步驟1:目標(biāo)信號二值化. 用ui表示測試數(shù)據(jù)二值化后的結(jié)果:

(8)

步驟2:利用ui判斷信號邊緣. 分別用GN×1和DN×1表示數(shù)據(jù)ui的兩種數(shù)值梯度:

(9)

(10)

每個(gè)信號通過式(9)和式(10)計(jì)算分別獲得2個(gè)邊緣點(diǎn)后,需采用式(11)、(12)對4個(gè)邊緣點(diǎn)做進(jìn)一步修正,獲得信號的2個(gè)邊緣點(diǎn).

(11)

(12)

如果Gi=0或Di=0表示該點(diǎn)不是信號突變點(diǎn),當(dāng)Gi=1時(shí)表示該點(diǎn)為EMI信號的左邊緣,當(dāng)Di=-1時(shí)表示該點(diǎn)為EMI信號的右邊緣.

步驟3:識別EMI信號.

L′=CGTENB,

(13)

R′=-CDTENB,

(14)

式中:EN表示N維單位矩陣;N維列向量B=[1,1,1,…,1]T. 按順序依次提取列向量L′和R′中的非零元素,提取后的向量存入列向量L和R中,L和R分別表示EMI信號起始和終止頻點(diǎn)對應(yīng)的采樣序號.

用列向量M表示識別出的EMI信號,每一個(gè)EMI信號用Mk表示,有

M(f,p)=[M1,M2,…,Mk,…,Mw]T,

(15)

Mk=[(fLk,pLk),…,(fRk,pRk)]T.

(16)

式中:w=dim(L)表示提取出的EMI信號個(gè)數(shù);Lk表示第k個(gè)EMI信號起始頻點(diǎn)對應(yīng)的采樣序號;Rk表示第k個(gè)EMI信號終止頻點(diǎn)對應(yīng)的采樣序號.寬帶頻譜中干擾信號的檢測流程如圖2所示.

圖2 寬帶頻譜中干擾信號檢測

1.2 信號相似性模型(一元回歸算法)

信號x和信號y如圖3所示,為實(shí)現(xiàn)兩信號的相似性分析,采用一元回歸算法確定兩個(gè)信號的相似程度.

圖3 信號相似性模型

假定一元回歸模型為

yi=b0+b1xi+ei,i=1,2,…,n.

(17)

式中:b0為常數(shù)項(xiàng);b1為y對x的回歸系數(shù);ei為殘差項(xiàng),且ei獨(dú)立同分布,E(ei)=0,ei～N(0,σ2).

(18)

(19)

回歸分析中,通過決定系數(shù)R2判定樣本回歸曲線與樣本觀測值的擬合程度,R2表達(dá)式為

(20)

1.3 信號識別方法

(21)

為了提高信號識別的準(zhǔn)確性,有效剔除環(huán)境頻譜中瞬態(tài)信號的影響,采用最大決定系數(shù)(Rk)2與決定系數(shù)閾值進(jìn)行對比,即設(shè)備區(qū)域頻譜中干擾信號與環(huán)境頻譜中干擾信號均不相關(guān)時(shí),認(rèn)為此信號來自設(shè)備區(qū)域.當(dāng)(Rk)2大于決定系數(shù)閾值時(shí),認(rèn)為對應(yīng)頻段的信號具有相似性,信號來自于設(shè)備區(qū)域外部;否則,則認(rèn)為對應(yīng)頻段信號不相似,信號來自于設(shè)備區(qū)域內(nèi)部.

決定系數(shù)反映兩個(gè)信號的線性比例關(guān)系,即相似程度,而實(shí)際測量的頻譜中存在極窄的干擾信號,如圖4所示．圖4(a)中,目標(biāo)信號為單頻點(diǎn)信號,目標(biāo)信號和環(huán)境信號的決定系數(shù)為1,決定系數(shù)判定方法認(rèn)為兩個(gè)信號相關(guān),這與實(shí)際情況不符. 針對極窄信號,本文采用設(shè)立信號寬度閾值,運(yùn)用通道占用統(tǒng)計(jì)的方法.

(a) 情況1 (b) 情況2圖4 根據(jù)通道占用識別EMI信號

綜上分析,干擾信號識別流程如圖5所示.

1)設(shè)定信號寬度閾值,依據(jù)信號寬度類型,選擇不同的信號相關(guān)性分析方法.

圖5 干擾信號識別流程

2)考慮到現(xiàn)場環(huán)境頻譜數(shù)據(jù)受瞬態(tài)信號的影響,采用一元回歸算法時(shí),若設(shè)備區(qū)域頻譜中干擾信號與環(huán)境頻譜中干擾信號均不相關(guān),確定此信號來自設(shè)備區(qū)域;采用通道占用統(tǒng)計(jì)方法時(shí),若任意一組環(huán)境頻譜中干擾信號對應(yīng)通道被占用,確定該干擾信號來自環(huán)境.

3)設(shè)備區(qū)域干擾信號確定,需剔除環(huán)境中的寬帶干擾信號,為保證頻譜的連續(xù)性,依據(jù)1.1節(jié)提取的頻譜噪聲,替換設(shè)備區(qū)域頻譜中被去除的干擾信號.

2 信號檢測與識別實(shí)例

運(yùn)用現(xiàn)有的電磁干擾測試系統(tǒng)和校準(zhǔn)方法[13]以及電磁干擾測試軟件[14],針對新疆天文臺南山臺址設(shè)備區(qū)域電磁干擾及環(huán)境頻譜進(jìn)行測量. 測量天線對著電子設(shè)備區(qū)域獲取目標(biāo)信號(設(shè)備區(qū)域電磁輻射頻譜);隔過設(shè)備區(qū)域,獲取獨(dú)立的3組環(huán)境頻譜數(shù)據(jù). 不同狀態(tài)下頻譜及信號預(yù)處理后的信噪分離閾值如圖6所示.從頻譜圖中可以看出,現(xiàn)場環(huán)境下3組環(huán)境頻譜具有一定的差異性. 頻譜中寬帶干擾信號集中在870～880 MHz和930～960 MHz兩個(gè)頻段,為手機(jī)基站下行信號,帶寬最大為30 MHz;而頻譜中大量的窄帶干擾需要通過相關(guān)分析識別信號是環(huán)境信號還是設(shè)備區(qū)域電磁干擾.

信號預(yù)處理時(shí),依據(jù)1.1節(jié)信號分離步驟1中分通道的方法,設(shè)定通道寬度為30 MHz. 對于公式(5)中修正系數(shù)δ,δ設(shè)置過低將導(dǎo)致底噪聲被誤判成干擾信號,δ設(shè)置過高影響微弱信號的檢測能力．針對實(shí)測數(shù)據(jù),分析了修正系數(shù)對數(shù)據(jù)處理結(jié)果的影響,如圖7所示．結(jié)合文獻(xiàn)[8]中δ的推薦值,選取δ=3.

對于寬度閾值選取,分析了不同寬度閾值和決定系數(shù)閾值對信號識別結(jié)果的影響,如圖8所示．從圖中可以看出:寬帶閾值越大,信號識別錯(cuò)誤率越高;決定系數(shù)閾值設(shè)置越大,信號識別錯(cuò)誤率越高. 依據(jù)寬帶閾值和決定系數(shù)閾值對信號識別結(jié)果的影響,設(shè)定干擾信號識別流程中寬度閾值為2個(gè)頻點(diǎn),決定系數(shù)閾值為0.4,則實(shí)測電子設(shè)備區(qū)域內(nèi)干擾信號識別的結(jié)果如圖9所示. 通過干擾信號識別統(tǒng)計(jì),并與人工識別進(jìn)行對比,此方法干擾信號識別準(zhǔn)確率為94.73%.

圖7 不同修正系數(shù)下目標(biāo)信號y的SSN閾值

圖9 設(shè)備區(qū)域EMI信號

為了進(jìn)一步驗(yàn)證該方法的適用性,針對南山臺址4個(gè)不同電子設(shè)備區(qū)域的實(shí)測頻譜數(shù)據(jù)進(jìn)行干擾信號識別與分析,并對信號識別結(jié)果與人工識別結(jié)果進(jìn)行對比,對比結(jié)果見表1.結(jié)果表明,本文提出的設(shè)備區(qū)域電磁干擾檢測與識別方法具有較好的適應(yīng)性,且信號識別準(zhǔn)確率較高.

表1 不同電子設(shè)備區(qū)域干擾信號識別結(jié)果

3 結(jié) 論

本文基于射電天文臺址的頻譜分析實(shí)際需求,提出了一種現(xiàn)場環(huán)境下設(shè)備區(qū)域的干擾信號檢測與識別方法,該方法可有效分析臺址內(nèi)設(shè)備區(qū)域電磁干擾對射電天文的影響. 并通過實(shí)測數(shù)據(jù)分析確定了該方法具有較好的適應(yīng)性和較高的信號識別率,具有較好的工程應(yīng)用價(jià)值．但是,此方法中選用的信噪分離方法對微弱信號的檢測能力相對較差．此外,由于射電望遠(yuǎn)鏡具有極高的系統(tǒng)靈敏度,對臺址內(nèi)電磁干擾極其敏感,需要進(jìn)一步研究高精度信噪分離方法,從而提高信號識別的準(zhǔn)確性.

[1] 張群濤, 劉奇, 孫正文, 等. 基于數(shù)據(jù)擬合的寬帶頻譜窄帶干擾提取方法[J]. 科學(xué)技術(shù)與工程, 2016, 16(2): 191-197.

ZHANG Q T, LIU Q, SUN Z W, et al. Method of narrow-band Interference extraction from broadband spectrum based on data fitting[J]. Science technology and engineering, 2016,16(2):191-197. (in Chinese)

[2] ITU. Recommendation ITU-R RA.769-2. Protection criteria used for radio astronomical measurement[S], 2003.

[3] 羅吉. 數(shù)字調(diào)制信號識別算法研究[D]. 成都: 電子科技大學(xué), 2008.

LUO J. The algorithm research of digital modulation recognition[D]. Chengdu: University of Electronics Science and Technology of China, 2008. (in Chinese)

[4] 沈家煌, 黃建沖, 朱永成. 特征參數(shù)匹配法在雷達(dá)信號識別中的應(yīng)用[J]. 航天電子對抗, 2017(2):9-13.

SHEN J H, HUANG J C, ZHU Y C. The application of feature parameter matching method in radar signal recognition [J]. Aerospace electronic warfare, 2017(2): 9-13.(in Chinese)

[5] 陸鳳波, 黃知濤, 易輝榮, 等. 一種基于高階累積量的數(shù)字調(diào)相信號識別方法[J]. 系統(tǒng)工程與電子技術(shù), 2008, 30(9):1611-1615.

LU F B, HUANG Z T, YI H R, et al. Recognition algorithm of phase shift keying signals by higher-order cumulants[J].Systems engineering and electronics, 2008, 30(9):1611-1615. (in Chinese)

[6] 馮祥, 李建東. 調(diào)制識別算法及性能分析[J]. 電波科學(xué)學(xué)報(bào), 2005, 20(6):737-740.

FENG X, LI J D. Modulation classification algorithms and performance analysis[J]. Chinese journal of radio science, 2005, 20(6):737-740. (in Chinese)

[7] 吳昊, 柳永祥, 姚富強(qiáng), 等. 基于頻譜監(jiān)測傳感網(wǎng)的分布式協(xié)同信號識別[J]. 電波科學(xué)學(xué)報(bào), 2013, 28(4): 656-661+680.

WU H, LIU Y X, YAO F Q, et al. Distributed cooperative signal recognition based on sensor network of spectrum monitoring[J]. Chinese journal of radio science, 2013, 28(4): 656-661+680. (in Chinese)

[8] ITU. Recommendation ITU-R SM.2256. Spectrum occupancy measurements and evaluation[S], 2012.

[9] 嚴(yán)天峰, 馬睿. 基于形態(tài)學(xué)梯度的信號噪聲分離算法[J]. 計(jì)算機(jī)應(yīng)用, 2011, 31(11): 2922-2925.

YAN T F, MA R. Signal noise separation algorithm based on morphology gradient[J]. Journal of computer applications, 2011, 31(11): 2922-2925. (in Chinese)

[10] 王先琴, 劉越智, 孔明明. 一種用于占用度統(tǒng)計(jì)的噪聲提取算法[J]. 中國無線電, 2015(8): 52-54.

[11]MATLAB function reference[M/OL]. The MathWorks,Inc.(2017-03)[2017-08-23]. https://cn.mathworks.com/help/pdf_doc/matlab/matlab_refbook.pdf

[12] 陳希孺. 概率論與數(shù)理統(tǒng)計(jì)[M]. 合肥: 中國科學(xué)技術(shù)大學(xué)出版社, 2009: 264-269.

[13] 劉奇, 王凱, 王洋, 等. 射電天文終端電子設(shè)備輻射特性測試[J]. 天文研究與技術(shù), 2014, 11(3):218-223.

LIU Q, WANG K, WANG Y, et al. Measurements of radiation characteristics of a set of electronic backend devices for radio astronomy[J]. Astronomical research & technology, 2014, 11(3): 218-223. (in Chinese)

[14] 李穎, 劉奇, 劉艷玲, 等. 電子設(shè)備電磁輻射評估軟件設(shè)計(jì)及實(shí)現(xiàn)[J]. 天文研究與技術(shù), 2016, 13(1): 133-142.

LI Y, LIU Q, LIU Y L, et al. The design and actualization of the electromagnetic emission evaluation software for the electronic equipment at the radio astronomy station[J]. Astronomical research & technology, 2016, 13(1): 133-142. (in Chinese)