吳 麒

(中國西南電子技術(shù)研究所，成都610036)

?

基于模糊聚類的常規(guī)通信信號自動分選方法*

吳 麒**

(中國西南電子技術(shù)研究所，成都610036)

為解決從干擾環(huán)境中自動分選出常規(guī)通信信號的問題，提出了一種基于模糊聚類的常規(guī)通信信號分選方法。該方法首先利用區(qū)分度函數(shù)確定最優(yōu)的相關(guān)度閾值參數(shù)，然后利用模糊聚類算法對利用頻域檢測和測向得到的測量集進行信號分選，并對分選后的通信信號進行特征參數(shù)估計。實驗結(jié)果表明，該算法能夠在不做任何假定的條件下對常規(guī)通信信號進行正確分選，并對窄帶信號的特征參數(shù)進行準確估計。

常規(guī)通信信號；信號分選;參數(shù)估計；模糊聚類；相關(guān)度閾值

1 引 言

隨著近年來通信技術(shù)的日益發(fā)展，寬帶無線電頻譜接收機從密集的電磁環(huán)境中所偵收的數(shù)據(jù)中包含多種樣式的信號，例如猝發(fā)信號、固定頻率的常規(guī)通信信號以及其他各種信號。在通信信號處理中，上述偵收的寬帶數(shù)據(jù)無法直接用于頻譜數(shù)據(jù)分析，例如進行準確的調(diào)制方式識別與解調(diào)等。因此，在進行信號分析之前，必須先對接收的寬帶數(shù)據(jù)進行分選，正確確定輻射源數(shù)量，并估計通信信號參數(shù)。

本文的工作主要是研究如何準確地自動確定信號數(shù)目，并從寬帶數(shù)據(jù)中分選出載頻固定的常規(guī)通信信號的方法。目前國外對于常規(guī)信號分選的研究相對較多，其研究成果主要體現(xiàn)在民用無線電頻譜監(jiān)測系統(tǒng)中，例如:美國安捷倫公司的E3238無線電頻譜監(jiān)測系統(tǒng)[1]以載波頻率和帶寬作為信號分選因子實現(xiàn)常規(guī)通信的分選，德國Medav公司的ARS8000系統(tǒng)[2]依據(jù)干涉儀測向結(jié)果實現(xiàn)常規(guī)通信信號分選。然而，這些公司產(chǎn)品所應(yīng)用的技術(shù)并沒有向社會公開，目前僅有很少的文獻對通信信號分選技術(shù)進行了介紹[3-4]，且沒有給出從寬帶數(shù)據(jù)中分選常規(guī)通信信號的有效方法。國內(nèi)在常規(guī)信號分選方面的研究工作較少，僅有賈可新等人[5-6]提出了基于測量集分割的層次聚類算法，該算法對頻域和測向得到的測量集進行識別，并從中獲取該測向集有貢獻的窄帶信號的特征參數(shù)。盡管該算法在常規(guī)通信信號分選中取得了較好的測試效果，但需滿足正態(tài)性檢驗的條件較苛刻且其正態(tài)性檢驗方法要求樣本容量在4～2 000之間的限制導(dǎo)致其難以在實際應(yīng)用過程中被有效使用。因此，無樣本容量限制且無需進行正態(tài)分布假設(shè)的模糊聚類算法更適用于常規(guī)通信信號分選問題。

本文以模糊聚類算法[7]為基礎(chǔ)，且提出了能夠自動選取最優(yōu)相關(guān)度閾值的區(qū)分度計算函數(shù)，實現(xiàn)對常規(guī)通信信號的分選和參數(shù)估計，并通過仿真實驗驗證了該算法的有效性。本文提出的算法能夠在無樣本容量限制且不進行正態(tài)分布假設(shè)的條件下對常規(guī)通信信號進行正確的分選和參數(shù)估計。

2 問題描述

(1)

(2)

在處理之后，可以從中分選出常規(guī)通信信號，并對其特征參數(shù)進行估計。

圖1 信道化測向系統(tǒng)

要對常規(guī)通信信號進行準確分選，首先需要對測量集合進行分割，也就是從第p次測量集合中選擇不同頻段對應(yīng)的測量集：

(3)

3 基于模糊聚類的信號分選

Step 2 計算參考向量vi與其他比較向量vj之間的相關(guān)度得分，計算公式如下：

(4)

式中：i=1,2,…,TP,j=1,2,…,TP，‖vi-vj‖2代表向量vi與vj之間的歐幾里得距離，σ為高斯函數(shù)的徑向?qū)挾取?/p>

Step3 利用公式(2)修改參考向量vi與其他比較向量vj之間的相關(guān)度得分：

(5)

式中：rth代表相關(guān)度閾值。

(6)

Step6 由以上步驟可知，聚類過程中具備相近特征的向量將逐漸匯聚在同一聚類中心。因此，將聚類類別數(shù)目作為通信信號個數(shù)，并將具備相同匯聚中心的原始采樣數(shù)據(jù)歸為同一信號類別。

從公式(4)和(5)可以看出，如果比較向量vj與參考向量vi的距離越近，那么其相關(guān)得分rij就會越高。相關(guān)度得分rij隨著比較向量vj與參考向量vi距離的增加呈指數(shù)級下降，且低于預(yù)設(shè)閾值的相關(guān)度得分將被設(shè)置為0。

根據(jù)以上算法描述得知，只有相關(guān)度得分大于閾值的向量才會逐漸匯聚到一個中心。如果相關(guān)度閾值設(shè)定過高，那么可能會造成部分分類數(shù)據(jù)的丟失；如果相關(guān)度閾值設(shè)定過低，那么可能會造成部分不太相關(guān)的數(shù)據(jù)被匯聚到同一類別。綜上所述，相關(guān)度閾值的準確設(shè)定至關(guān)重要。因此，最佳相關(guān)度閾值既要保證同類信號的相關(guān)度較高，同時也要保證不同類信號的相關(guān)度較低?；诖耍疚脑O(shè)計了區(qū)分度函數(shù)來對相關(guān)度閾值進行最佳選擇。

假定目前存在K個已識別的信號類別表示為s={s1,s2,…,sk}，而c={c1,c2,…,cK}為K個信號測量方位角的中心值，{x1,x2,…,xn}是K個已識別信號的方位角觀測數(shù)據(jù)集合，那么xij表示測量方位角xi所對應(yīng)的信號屬于已識別信號sj，且sj的聚類中心為cj。rcij表示類別ci和cj之間的相關(guān)度得分，rxkij表示隸屬于某個信號類別ck中的方位角xi和xj之間的相關(guān)度得分，rcij與rxkij可以通過公式(4)和(5)計算得知。本文綜合利用不同類別間的相關(guān)度與同類別內(nèi)的相關(guān)度比值來定義區(qū)分度，從而實現(xiàn)對相關(guān)度閾值進行準確設(shè)定。具體區(qū)分度計算公式如下：

(7)

式中：m為區(qū)分度平滑因子。引入?yún)^(qū)分度平滑因子主要是為了避免區(qū)分度函數(shù)分母為零，同時也為了避免其較大取值給區(qū)分度計算造成較大影響，因此暫取0.01。從以上公式可以看出，區(qū)分度要取得較高值，必須保證不同類間距離相對較大，同時保證同一類類別中的距離相對較小。因此，可以按照一定步進對相關(guān)度閾值進行設(shè)定，通過選取區(qū)分度最高值對應(yīng)的相關(guān)度閾值完成對該參數(shù)的最優(yōu)設(shè)置。在實際應(yīng)用過程中，可以根據(jù)目標信號位置分布情況、方位角測量精度等參數(shù)生成初始樣本數(shù)據(jù)，從而實現(xiàn)相關(guān)閾值的較優(yōu)選取，待識別實際信號后，再根據(jù)實際信號分選情況更新最佳相關(guān)度閾值參數(shù)。

4 參數(shù)估計

根據(jù)前述的聚類算法對測量集合進行處理之后，假設(shè)sp為K個已識別的信號類別s={s1,s2,…sk}中的第p個信號，該信號的方位角集合為Xp={xp1,xp2,…,xpm}，對應(yīng)的頻率集合為Fp={fp1,fp2,…,fpm}，其中m為測量第p個信號測量集中方位角數(shù)量。通過如下步驟對該信號的方位角、載波頻率和帶寬進行估計：

(8)

Step 3 對Fp中的所有頻率值進行整理，并通過計算其均值作為載波頻率的估計值，且以Fp中最大頻率與最小頻率的差值作為對帶寬的估計值；通過計算Fp中所有頻率所對應(yīng)的方位角的均值作為該信號方位角的估計。

5 仿真實驗

本仿真實驗的參數(shù)為采樣頻率5.12 MHz，F(xiàn)FT點數(shù)為1 024;功率譜估計的積累次數(shù)L為5，時間分辨率為1 ms;功率譜估計次數(shù)為M為100，那么總樣本數(shù)為512 000，整個觀察時間長度為100 ms；噪聲為零均值的加性高斯白噪聲，信噪比為5 dB。

常規(guī)通信信號為3個BPSK信號，其參數(shù)如表1所示。

表1 期望信號參數(shù)Tab.1 The signal parameters

整個電磁環(huán)境中模擬存在一個猝發(fā)干擾信號(信號4)。該猝發(fā)干擾信號為線性調(diào)頻信號，其開始頻率為2.25 MHz，終止頻率為2.4 MHz，方位角參數(shù)為40°。

圖2給出了上述4個信號經(jīng)過頻域檢測后的時頻圖和頻譜圖。僅僅從時頻圖和頻譜圖上進行分析，圖中僅包含兩個常規(guī)定頻通信信號，其原因是信號1和信號2的頻率出現(xiàn)混合，從而被誤認為一個通信信號。

(a)時頻圖

在實際使用過程中，可以根據(jù)擬偵收常規(guī)通信信號的先驗知識，實現(xiàn)對不同信號間的區(qū)分度進行準確計算，從而根據(jù)區(qū)分度排序結(jié)果完成對相關(guān)度閾值的最佳設(shè)定。為了簡化實驗，本文利用上述3個常規(guī)通信以及猝發(fā)干擾信號的部分采樣數(shù)據(jù)作為樣本參數(shù)，從而完成對相關(guān)度閾值的設(shè)定。相關(guān)度閾值與區(qū)分度得分的關(guān)系如圖3所示。

圖3 區(qū)分度得分與相關(guān)度閾值的關(guān)系

從圖中可以看出，在[0，0.85)區(qū)間內(nèi)，區(qū)分度得分隨著相關(guān)度閾值的增大呈階梯狀上升趨勢，并在相關(guān)度閾值位于[0.85，0.95]區(qū)間內(nèi)時，區(qū)分度得分處于最高值，其值為4.045；隨后，區(qū)分度得分隨著相關(guān)度閾值的增大呈下降趨勢。當(dāng)相關(guān)度閾值小于0.85時，少量隸屬于不同類信號的角度測量值將被誤判為相關(guān)，從而導(dǎo)致區(qū)分度得分大幅度降低；而當(dāng)相關(guān)度閾值大于0.95時，隸屬于同一類信號的角度測量值將被誤判為不相關(guān)，從而導(dǎo)致區(qū)分度得分呈現(xiàn)緩慢下降的趨勢。理論上講，在[0.85，0.95]區(qū)間內(nèi)選取任意相關(guān)度閾值，其信號分選效果是相似的。然而在實際應(yīng)用過程中，目前測向算法[8-9]對于信號具備較高的測向精度，因此同類信號角度測量值的相關(guān)度較高，同時也為了更準確地判定不同類信號的角度測量值，故選取最大值0.95作為本次仿真實驗相關(guān)度閾值的最優(yōu)參數(shù)。

利用基于模糊聚類的常規(guī)通信信號自動分選方法對上述常規(guī)通信信號及掃頻干擾信號進行處理，最終分選結(jié)果如表2所示。表中的前3行數(shù)據(jù)為利用該算法分選出的3個常規(guī)BPSK通信信號參數(shù)，從表中可以看出其能夠正確對各信號的特征參數(shù)進行準確估計；表中的第4行為分選出的猝發(fā)干擾信號，可以從帶寬參數(shù)上很明顯的看出該信號與前3行信號不同。

表2 信號分選算法的處理結(jié)果列表Tab.2 The result of signal sorting

相對于基于測量集分割的層次聚類算法而言，該算法不僅需要進行類容量大小的主觀設(shè)定，而且其采用的Shapiro-Wilk正態(tài)性檢驗方法存在要求樣本容量在4～2 000之間的限制[10]，從而導(dǎo)致其在面對大量采樣數(shù)據(jù)時難以發(fā)揮作用。然而，本文提出的算法在利用樣本數(shù)據(jù)進行相關(guān)度閾值設(shè)定后，就能夠?qū)崿F(xiàn)對常規(guī)通信信號進行準確分選，且沒有樣本容量限制。綜上所述，本文提出算法更適于處理常規(guī)通信信號自動分選問題。

6 結(jié)束語

本文提出了一種基于模糊聚類算法的常規(guī)通信信號自動分選算法，首先利用區(qū)分度函數(shù)估算出模糊聚類算法最佳參數(shù)，然后再利用模糊聚類算法對常規(guī)通信算法進行正確分選。仿真結(jié)果表明該算法能夠在不用正態(tài)性假設(shè)以及無樣本數(shù)量限制的條件下能夠有效地對常規(guī)通信信號進行正確分選。不過，本文提出的算法的分選正確率嚴重依賴于測向算法的性能，因此后續(xù)將考慮采用空間譜測向算法提供更加準確的方位角參數(shù)，并結(jié)合頻率等其他特征參數(shù)進行聚類以降低對測向精度的依賴。

[1] Agilent. Agilent E3238S/35688E signal intercept and collection system production overview[EB/OL].[2016-09-17]. http://cp.literature.agilent.com/litweb/pdf/5989-1505EN.pdf.

[2] MEDAV. ARS8000 automatic reconnaissance systems[EB/OL].[2016-09-17]. http://www.medav.de.

[3] FRANK R,KUNO K,HANS Z C. Feature extraction for HF band emitter location[C]//Proceedings of 2002 MILCOM. Anaheim,CA,USA:IEEE,2002:131-135.

[4] FRANK R,KUNO K,HANS Z C. HF-band emitter detection and segmentation based on image processing[C]//Proceedings of 2001 MILCOM.Anaheim,CA,USA: IEEE,2001:428-431.

[5] 賈可新，蔣林鴻，何子述.基于聚類分析的常規(guī)通信信號自動分選方法[J].計算機應(yīng)用研究，2011，28(2)：661-664. JIA Kexin,JIANG Linhong,HE Zishu. Automatic sorting method of conventional communication signals based on clustering analysis[J].Application Research of Computers,2011，28(2)：661-664.(in Chinese)

[6] 賈可新，辛玉霞.一種基于聚類分析的跳頻信號自動分選方法[J].航天電子對抗，2015，31(3)：52-55. JIA Kexin,XIN Yuxia. An automatic sorting method of frequency hopping signal based on clustering analysis[J].Aerospace Electronic Warfare,2015,31(3)：52-55.(in Chinese)

[7] WANG C C,CHEN C C.A hybrid clustering and gradient descent approach for fuzzy modeling[J].IEEE Transactions on Systems,Man,and Cybernetics-Part B: Cybernetics，1999，29(6)：686-693.

[8] 果然.基于中小孔徑陣列的超分辨測向算法[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015. GUO Ran. The super-resolution DOA estimating algorithm based on arrays of small and medium aperture[D].Harbin: Harbin Institute of Technology，2015.(in Chinese)

[9] 俞春華.空間譜估計及其在短波測向定位中的應(yīng)用研究[D].南京：南京大學(xué)，2015. YU Chunhua.Spatial spectrum estimation and its application to shortwave direction finding and location[D].Nanjing: Nanjing University，2015.(in Chinese)

[10] ROYSTON P. Approximating the Shapiro-Wilk W-test for non-normality[J].Statistics and Computing,1992(2):117-119.

Automatic Sorting of Conventional Communication SignalsBased on Fuzzy Clustering

WU Qi

(Southwest China Institute of Electronic Technology,Chengdu 610036,China)

To automatically sort conventional communication signals in interference environment,an automatic sorting method based on fuzzy clustering algorithm is proposed. Firstly,a differentiating function is used to calculate the optimal value of relevance threshold. Secondly,the fuzzy clustering algorithm is used to classify the signals included in measurement set derived from the result of frequency detection and direction finding. Finally,the basic characteristic parameters of each signal are estimated. Simulation results show that the algorithm can sort the conventional communication signals accurately in interference surroundings accurately without any assumption,and can estimate the characteristic parameters of narrow band signals correctly.

conventional communication signal；signal sorting；parameter estimation；fuzzy clustering；relevance threshold

10.3969/j.issn.1001-893x.2017.06.007

吳麒.基于模糊聚類的常規(guī)通信信號自動分選方法[J].電訊技術(shù)，2017,57(6):656-660.[WU Qi.Automatic sorting of conventional communication signals based on fuzzy clustering[J].Telecommunication Engineering,2017,57(6):656-660.]

2017-02-16；

2017-04-10 Received date:2017-02-16；Revised date：2017-04-10

TN971

A

1001-893X(2017)06-0656-05

吳 麒(1985—)，男，四川眉山人，2012年于四川大學(xué)獲博士學(xué)位，現(xiàn)為工程師，主要研究方向為數(shù)據(jù)挖掘、通信偵察、信號分選。

Email:acuteleopard@163.com

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