王先達，李舟帆，李 旦，張建秋

(復旦大學 信息科學與工程學院 電子工程系，上海 200433)

一種基于OFDM的自同步穿墻雷達系統(tǒng)

王先達，李舟帆，李 旦，張建秋

(復旦大學 信息科學與工程學院 電子工程系，上海 200433)

本文提出了一個自同步的穿墻雷達系統(tǒng)．不同于現(xiàn)有利用外部同步時鐘的穿墻雷達系統(tǒng)，它是采用基于正交頻分復用(OFDM)的自同步技術和干擾對消算法，來解決有關收發(fā)端同步及強干擾對消問題，進而通過多載波融合波達角估計算法，進一步提供了障礙物后人體運動狀況的檢測性能，在軟件無線電平臺上，搭建了兩發(fā)一收測試系統(tǒng)對提出的系統(tǒng)進行了驗證．實驗結果表明，該系統(tǒng)可實時探測障礙物后1.5m內(nèi)的人體運動狀況．

通用軟件無線電外設； 正交頻分復用； 穿墻雷達； 干擾對消； 譜估計

使用射頻信號探測障礙物后的運動目標具有較大的應用價值[1- 8]，可廣泛應用于反恐、消防、智能家居等領域．文獻[1- 3,5]報道了利用接收信號的強度信息來探測目標的方法，它們通過檢測反射信號的強度變化如平均強度、強度方差等來判斷目標的運動狀況．這種方法實現(xiàn)簡便，但由于僅僅利用了信號的強度信息，因此測量結果精度有限．為了得到更精確的探測結果，文獻[4,6- 10]研究了如何利用信道狀態(tài)信息來獲取目標運動狀況的方法．文獻[4]利用雷達中相控陣的測角原理，并讓運動目標攜帶信號發(fā)射裝置，再通過天線陣列來接收目標的發(fā)射信號，基于多重子信號分類(Multiple Signal Classification, MUSIC)算法[11]來獲得目標波達角的估計，進而采用最大似然算法來獲得運動目標的位置；文獻[7]則是通過計算循環(huán)自相關函數(shù)和循環(huán)互相關函數(shù)來獲得干擾源的信息，進而通過設計優(yōu)化算法來對干擾源進行定位．然而，文獻[4,7]都需要運動目標攜帶信號發(fā)射裝置，顯然這種方法僅僅適用于合作目標．對于非合作目標，則無法讓目標攜帶信號發(fā)射裝置，為了應對這一問題，文獻[8]研究了利用干擾對消技術來檢測不攜帶任何發(fā)射設備目標的方法，即： 通過分析無線發(fā)射信號穿墻并遇到目標再次穿墻返回到接收機信號的方法．由于接收機收到的信號是由待檢測目標2次穿墻反射回來的信號，來自發(fā)射機耦合到接收機的信號，以及墻體和其他干擾目標反射回來的信號之和，使得待檢測目標的反射信號，相對于其他所有耦合和反射信號之和就顯得相當微弱．因此要想實現(xiàn)穿墻雷達(Seeing- through- walls Radar)，就必須先對消所有不需要的耦合和反射信號，才有可能探測出待檢測目標，這意味著穿墻雷達的關鍵技術問題就變成了強干擾環(huán)境中如何檢測弱信號目標的問題．

近年來發(fā)展起來的5G的關鍵技術之一，即干擾對消技術[8,12- 14]可以用來解決此問題．文獻[8]給出兩發(fā)一收的干擾對消系統(tǒng)，該系統(tǒng)利用2個發(fā)射機和接收機分別形成的2條相對獨立的信道，通過對2條信道分別進行估計，然后利用估計的信道參數(shù)來調(diào)整其中一個發(fā)射機的發(fā)射碼字，其目的就是盡可能地希望2個發(fā)射機分別產(chǎn)生的強干擾信號，能在進入接收機前在空間相互抵消，以解決在強干擾環(huán)境中檢測弱信號目標的問題．該系統(tǒng)由于收發(fā)分置，收發(fā)端設備不可避免地存在晶振偏差，從而導致收發(fā)端的載頻存在偏差，而文獻[8]是通過引入外部同步時鐘來解決這一問題的．

本文提出一個自同步的穿墻雷達系統(tǒng)，它由2臺發(fā)射機與1臺接收機組成，其中2臺發(fā)射機直接通過多輸入多輸出(Multiple- Input Mutiple- Output, MIMO)電纜連接，它們之間不需要外部同步時鐘進行同步．2臺發(fā)射機MIMO電纜來實現(xiàn)晶振，觸發(fā)時間及以太網(wǎng)接口共享，這樣就可視它們?yōu)橥窗l(fā)射機．而收發(fā)端的同步則是通過Sch&Cox算法[15]來實現(xiàn)的，包括接收端的定時同步及頻率同步．為了便利干擾對消，采用了基于正交頻分復用(Orthogonal Frequency Division Multiplexing, OFDM)[16]的信號傳輸方式，這樣為對消發(fā)射機及周圍靜態(tài)物體所產(chǎn)生的強干擾而需要對信道參數(shù)進行求逆的過程得到簡化，利用多載波融合的波達角估計方法，就可實現(xiàn)障礙物后目標運動狀況的估計．最后，我們在通用軟件無線電外設(Universal Software Radio Peripheral, USRP)N210平臺上搭建了兩發(fā)一收的自同步穿墻雷達系統(tǒng)，對上述系統(tǒng)進行了實驗驗證．

1 系統(tǒng)描述

TX1,TX2： 發(fā)射機; RX： 接收機；PA： 功率放大器；LNA： 低噪聲放大器；H1，H2： 2條獨立信道；DAC： 數(shù)模轉換器;ADC： 模數(shù)轉換器.圖1 系統(tǒng)示意圖Fig.1 Diagram of the system

圖1給出了本文系統(tǒng)的示意圖，它由2臺發(fā)射機TX1和TX2，以及1臺接收機RX構成．由于待檢測目標反射回來的信號相對其他信號如墻體反射的信號、發(fā)射機耦合到接收機的信號和其他干擾目標反射的信號強度弱很多，因此必須首先對消這些強干擾信號．其中1臺發(fā)射機TX2是用來產(chǎn)生對消這些強干擾信號的．下面將介紹系統(tǒng)強干擾的對消原理及其相應的自同步技術．

1.1對消原理

如圖1所示，當使用2臺發(fā)射機時，接收機收到的信號是2臺發(fā)射機分別發(fā)出的信號經(jīng)過信道的作用線性疊加的結果．此時，接收機收到的信號可以表示為：

Y=H1X1+H2X2+N.

(1)

為了描述方便，式(1)采用離散頻域表示法．其中：H1和H2分別表示發(fā)射機TX1和TX2到接收機的頻域信道矩陣；X1和X2分別表示發(fā)射機TX1和TX2發(fā)送的頻域符號；Y為接收頻域信號；N為頻域噪音矢量．重寫式(1)如下：

(2)

然而，OFDM信令對頻偏相當敏感，即此多輸入單輸出(Multiple- Input Single- Output, MISO)的系統(tǒng)必須考慮同步問題，而式(1)和(2)是系統(tǒng)完全同步后的表達式，一旦系統(tǒng)不同步，那么它們將不成立．為了解決這一問題，文獻[8]將系統(tǒng)中3臺設備連接一個外部統(tǒng)一的硬件時鐘，復雜了系統(tǒng)，下面我們將介紹一個采用軟件使它同步的方法．

1.2自同步技術

接收端同步需解決定時同步和頻率同步．OFDM系統(tǒng)的定時同步是接收端通過檢測信號幀頭中有效信號的起始位置來判斷的；而頻率同步是為了解決收發(fā)雙方設備本身晶振差異而導致的載頻差異，其中頻率偏移又包括小數(shù)倍頻偏和整數(shù)倍頻偏．

為解決接收端的同步問題，我們采用Sch&Cox算法[15]．對于定時同步，設計一個時域前后兩半時域相同的訓練符號，接收端通過滑動自相關尋找峰值的方法來找到對應信號的起始點．即通過求式(3)中代價函數(shù)的峰值來獲得有效信號的起始點：

(3)

其中：d為當前窗的位置；P(d)為當前窗口與下一等長窗口的相關值；R(d)是為自相關結果能量歸一化的后一半符號的能量．對于小數(shù)倍頻偏，式(3)峰值對應的相位信息即代表了小數(shù)倍頻偏．而整數(shù)倍頻偏，則需設計第2個訓練符號，此訓練符號在偶數(shù)倍頻點與第1個符號差分編碼，在接收端進行傅里葉變化后，通過訓練符號序列位移數(shù)來獲得其整數(shù)倍頻偏．最終估計的頻偏為[15]：

(4)

2 多載波融合波達角估計

傳統(tǒng)的波達角(Direction Of Angle, DOA)估計需要一個天線陣列(一般為均勻線陣模型)來探測移動目標，而我們的系統(tǒng)只有一根接收天線，如果將目標運動視為勻速運動，那么接收機收到的周期性采樣信號可以視為一個由天線陣列接收的信號．此時，有如下模型：

y=Ax+n，

(5)

其中：y=[y1,y2，…，yM]T∈M×1；M表示對均勻移動的目標進行了M次采樣；A=[a(θ1),a(θ2),…，a(θk)]∈M∨k為k個信號源的導向矩陣，其中a(θi)=[1，e-j2πdsin(θi)/λ，…，e-j2π(M-1)dsin(θi)/λ]∈M×1，d=vT，其中v為目標的移動速度，T為采樣周期，λ為波長；n=[n1,n2,…nM]T∈M×1為噪聲矢量；x=[s1,s2,…,sk]T∈k∨1表示k個信號源．對于本文系統(tǒng)而言，所估計的信道中含有目標移動的DOA信息，此時意味著我們可以直接對所估計信道矢量h=[h1,h2,…h(huán)M]T進行處理來獲取其目標信息．本系統(tǒng)采用的是平滑MUSIC算法[11]．此時，數(shù)據(jù)協(xié)方差矩陣為：

(6)

此處假設共有N個快拍，E(·)指期望運算．對于OFDM系統(tǒng)而言，不同子帶頻率的信號均用于探測目標的DOA信息．我們將采用空間平滑的方法以去除目標之間的相干性[11]，即將收到信號分為p個子陣列，分別計算p個子陣列的協(xié)方差矩陣，并進行平均，記為：

(7)

對上式協(xié)方差矩陣進行特征值分解，分別計算信號子空間及噪聲子空間，記為：

(8)

其中：ΣS為主特征值組成的對角矩陣；US為主特征值所對應特征矢量組成的矩陣；ΣN則為對應噪聲部分的特征值組成的對角矩陣，UN為其對應的特征矢量組成的矩陣．利用信號子空間與噪聲子空間的正交性，得出MUSIC的功率譜[11]：

(9)

由于Wifi信號此時為寬帶信號，多路子載波占用整個帶寬．且多個不同的頻率點均可用來測量目標的DOA信息，因此，可以將多路子載波結果融合，得出最終的MUSIC的功率譜，即為：

(10)

其中K為子載波個數(shù)．本文中OFDM共使用64路子載波，除去填零的子載波位置，有52路子載波用來測量DOA，此處K即為52．θ在[-90°,90°]變化，文中格點選為0.5°，對式(10)搜索譜峰即可完成DOA估計．

3 系統(tǒng)的實現(xiàn)及評估

我們使用3臺USRP N210來進行系統(tǒng)實現(xiàn)．2臺USRP用作發(fā)射機，通過MIMO線纜相連，另1臺作為接收機．系統(tǒng)框圖如圖2所示．

PC1，PC2： 上位機；TX1，TX2： 發(fā)射機；RX： 接收機；MIMO cable： 連接2臺發(fā)射機的MIMO線.圖2 USRP N210所搭建系統(tǒng)示意圖Fig.2 Diagram of the building system with USRP N210

TX1，TX2： 發(fā)射機；PC1，PC2： 上位機；H1，H2： 信道參數(shù)；DOA： 波達角.圖3 本文提出的算法流程圖Fig.3 Flow chart of the proposed algorithm

整個系統(tǒng)測試地點選擇在復旦大學物理樓521會議室．文獻[8]的測試給出的結果是以15cm的空心墻為障礙物．它也給出了射頻信號單路穿透不同建筑材料的衰減程度，2.4G射頻信號經(jīng)過15cm的空心墻單路的衰減為9dB，而2.4G射頻信號經(jīng)過4.4cm的實心木門單路的衰減為6dB．為了實現(xiàn)系統(tǒng)的實時性，而同時避開室內(nèi)Wifi波段的干擾，系統(tǒng)發(fā)射的中心頻率設為2G，采樣率為250ksamples/s，OFDM信號分為64路子載波，52路有效子載波．圖4給出測試裝置的實物圖．USRP N210搭建系統(tǒng)，2臺USRP當做發(fā)射機，通過MIMO線纜連接；3臺USRP均外接定向天線．需要指出的是，由于2臺發(fā)送機也需要同時同頻，我們用MIMO線纜將2臺發(fā)射機進行直接連接，主-USRP通過MIMO線纜配置從-USRP的時鐘及時間信息，2臺USRP共享晶振、觸發(fā)時間及以太網(wǎng)接口．這樣，2臺發(fā)射機便可視為同源．

3.1干擾對消測試

在USRP平臺上我們對該穿墻雷達的干擾對消性能進行了測試，分別將發(fā)射機增益設置為1，5，10，15，18dB時，測試結果如圖5所示．可以看出其對消干擾信號的能力約為23dB左右．同時，值得指出的是，上述實驗是在未使用外部同步時鐘的情況下進行測試的，其對消結果類似于文獻[8]使用外部同步時鐘的結果．另外，Jain等2011年[18]使用Balun變壓器和Qhx220芯片來改變信號的幅度和相位來和自干擾信號匹配，由于很難找到精準的可編程器件控制延遲的精度在10ps，且芯片不能匹配寬帶信號的延遲，功率增大時對消僅在20dB左右．Sahai等[19]使用開放無線研究平臺(Wireless Open- Access Research Platform, WARP)來進行測試，由于其本身收發(fā)共用同一晶振，因此其無需考慮收發(fā)端的晶振偏差問題，但本文所測場景(收發(fā)分置)更加符合實際狀況，如之前所述，本文給出了軟件同步算法來解決此問題．

圖4 測試裝置的實物圖Fig.4 The actual picture of test device

圖5 干擾對消性能Fig.5 The performance of interference cancellation

3.2障礙物后運動目標識別(縱向運動)

測試地點還選擇在復旦大學物理樓521室，對門后的運動人體進行識別．圖6(見第76頁)給出了測試場景示意圖，3臺USRP放置在障礙物一側，人體在距離障礙物后15cm到1.5m的范圍走動．假設障礙物后目標以1m/s速度運動，測試時3臺USRP放置于障礙物另一側位置不動．

為了便于解釋，給出了對應角度變化的示意圖如圖7(見第76頁)所示．可以看出，人體遠離障礙物時，角度逐漸增大(θ1到θ2到θ3)，當人體靠近障礙物時，角度逐漸減小(θ3到θ2到θ1)．圖8(見第76頁)給出實際的測試結果，橫軸代表相對時間，縱軸代表估計出的角度．從圖8可以發(fā)現(xiàn)，當有目標發(fā)生了移動，我們的系統(tǒng)能實時將其捕捉，并發(fā)現(xiàn)目標運動方向，當目標移出觀察范圍時，整個的圖譜又恢復至最初的情形．在圖8(b)～(f)我們探測到運動情況是這樣的： 人體出現(xiàn)在障礙物后15cm處，人體沿障礙物垂直方向運動，遠離障礙物到達1.5m處，然后靠近障礙物到達15cm處，進而再遠離再靠近，最后離開．可以看出，角度一開始增大，然后減小，增大，減?。鐖D8(b)，人一開始出現(xiàn)在障礙物后(此時為圖中箭頭所指1處)，人遠離障礙物一直到最遠處(圖8(b)中2處)，此時，人返回，一直到距離儀器最近(圖8(b)中3處)，再遠離至最遠(圖8(b)中4處)，返回至初始點(圖8(b)中5處)．這與本文分析的人體遠離障礙物即測得角度增大，靠近障礙物即角度減小的理論分析是一致的．說明我們的系統(tǒng)已經(jīng)可以真實地探測到障礙物后面的人體運動情況．

圖6 障礙物后人體運動方向示意圖Fig.6 Diagram of the direction of human movement after the obstacle

圖7 人體運動角度變化示意圖Fig.7 Diagram of the angular change in human movement

(a)為沒有任何目標；(b)～(f)為縱向運動過程5次的測試結果.圖8 人體縱向運動測試結果Fig.8 Test results for the human longitudinal movement

3.3障礙物后運動目標識別(橫向運動)

接下來，我們探究當人體在橫向運動時角度的變化規(guī)律．圖9給出人體運動示意圖．同樣地，我們給出角度變化示意圖，如圖10所示．其中，θ1，θ2，θ3指人體運動方向的垂線與人和天線連線間的夾角．可以看出，此時角度變化是不明顯的．作為對照，我們給出實測圖，如圖11所示．可以看出，角度變化不是很明顯，與理論分析是一致的．

圖9 障礙物后人體運動方向示意圖Fig.9 Diagram of the direction of human movement after the obstacle

圖10 人體運動角度變化示意圖Fig.10 Diagram of the angular change in human movement

圖11 人體橫向運動測試結果Fig.11 Test results for the human lateral movement

4 結 語

本文描述了如何利用無線射頻信號來探測障礙物后的移動目標．分別從OFDM軟同步、信道估計，進而到干擾抵消，去除了強反射干擾信號；最后闡述了寬帶OFDM信號的DOA估計算法．且對描述的系統(tǒng)在USRP N210的平臺下進行了實驗驗證，結果表明： 系統(tǒng)能實時探測出障礙物后目標的運動方向．本系統(tǒng)不需要同步時鐘，僅僅采用同步算法，亦實現(xiàn)了探測目標的目的，在簡化系統(tǒng)硬件的同時增加了系統(tǒng)的實用性．

[1] SIGG S, BLANKE U,TROSTER G. The telepathic phone： Frictionless activity recognition from wifi- rssi[C]∥Pervasive Computing and Communications(PerCom), 2014 IEEE International Conference on. Budapest, Hungary： IEEE Press,2014： 148- 155.

[2] MELGAREJO P, ZHANG X, RAMANATHAN P,etal. Leveraging directional antenna capabilities for fine- grained gesture recognition[C]∥Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing. Seattle, Washington DC, USA： ACM Press,2014： 541- 551.

[3] BANERJEE A, MAAS D, BOCCA M,etal. Violating privacy through walls by passive monitoring of radio windows[C]∥Proceedings of the 2014 ACM Conference on Security and Privacy in Wireless and Mobile Networks. Oxford, United Kingdom： ACM Press,2014： 69- 80.

[4] XIONG J,JAMIESON K. ArrayTrack： A fine- grained indoor location system[C]∥10th USENIX Symposium on Networked Systems Design and Implementation(NSDI’13). Lombard, IL, USA： USENIX Press,2013： 71- 84.

[5] SIGG S, SHI S, BUESCHING F,etal. Leveraging RF- channel fluctuation for activity recognition： active and passive systems, continuous and RSSI- based signal features[C]∥Proceedings of International Conference on Advances in Mobile Computing and Multimedia. Vienna, Austria： ACM Press,2013： 43- 52.

[6] PU Q, GUPTA S, GOLLAKOTA S,etal. Whole- home gesture recognition using wireless signals[C]∥Proceedings of the 19th Annual International Conference on Mobile Computing and Networking. Miami, Florida, USA： ACM Press,2013： 27- 38.

[7] JOSHI K R, HONG S S, KATTI S. PinPoint： Localizing interfering radios[C]∥The 10th USENIX Symposium on Networked Systems Design and Implementation(NSDI’13). Lombard, IL, USA： USENIX Press,2013： 241- 253.

[8] ADIB F, KATABI D. See through walls with WiFi![C]∥Proceedings of the ACM SIGCOMM 2013 Conference on SIGCOMM. Hong Kong, China： ACM Press,2013： 75- 86.

[9] ADIB F, KABELAC Z, KATABI D,etal. 3d tracking via body radio reflections[C]∥Proceedings of the 11th USENIX Conference on Networked Systems Design and Implementation. Seattle, USA： USENIX Association Press,2014： 317- 329.

[10] BHARADIA D, JOSHI K R,KATTI S. Full duplex backscatter[C]∥Proceedings of the 12th ACM Workshop on Hot Topics in Networks. College Park, Maryland, USA： ACM Press,2013： 1- 7.

[11] SHAN TJ, WAX M,KAILATH T. On spatial smoothing for direction- of- arrival estimation of coherent signals[J].IEEETransactionsonAcoustics,Speech,andSignalProcessing, 1985,33(4)： 806- 811.

[12] BHARADIA D, KATTI S. Full duplex MIMO radios[C]∥Proceedings of the 11th USENIX Conference on Networked Systems Design and Implementation. Seattle, USA： USENIX Association Press,2014： 359- 372.

[13] BHARADIA D, MCMILIN E,KATTI S. Full duplex radios[C]∥Proceedings of the ACM SIGCOMM 2013 Conference on SIGCOMM. Hong Kong, China： ACM Press, 2013： 375- 386.

[14] LIN K C- J, GOLLAKOTA S,KATABI D. Random access heterogeneous MIMO networks[J].ProceedingsoftheACMSIGCOMMComputerCommunicationReview, 2011,41(4)： 146- 157.

[15] SCHMIDL T M,COX D C. Robust frequency and timing synchronization for OFDM [J].IEEETransactionsonCommunications, 1997,45(12)： 1613- 1621.

[16] HEISKALA J, TERRY Ph D J. OFDM wireless LANs： A theoretical and practical guide[M].Indianapolis, IN, USA： SAMS,2001： 51- 90.

[17] COLERI S, ERGEN M, PURI A,etal. Channel estimation techniques based on pilot arrangement in OFDM systems[J].IEEETransactionsonBroadcasting, 2002,48(3)： 223- 229.

[18] JAIN M, CHOI J I, KIM T,etal. Practical, real- time, full duplex wireless[C]∥Proceedings of the 17th Annual International Conference on Mobile Computing and Networking. Las Vegas, USA: ACM Press,2011： 301- 312.

[19] SAHAI A, PATEL G, DICK C,etal. On the impact of phase noise on active cancelation in wireless full- duplex[J].IEEETransactionsonVehicularTechnology, 2013,62(9)： 4494- 4510.

Abstract： A self- synchronization seeing- through- walls radar system is reported in this paper. Which is different from the already existing system used an external synchronization clock. Both the strong interference nulling and synchronization problems between the transmitters and receiver are solved by the self- synchronization technology and interference cancellation algorithm based on OFDM. The human movement status behind an obstacle is given by the combined multiple subcarriers direction of arrival estimation method. A prototype test system which includes two transmitters and a receiver is built on the software wireless platform to verify the above system. Experimental results show that our system can detect the human movement behind the obstacle within a 1.5 m maximum distance in real- time.

Keywords： USRP; OFDM; seeing- through- walls radar; interference cancellation; spectrum estimation

ASelf-SynchronizationSeeing-Through-WallsRadarSystemBaseonOFDM

WANG Xianda, LI Zhoufan, LI Dan, ZHANG Jianqiu

(DepartmentofElectronicEngineering,SchoolofInformationScienceandTechnology,FudanUniversity,Shanghai200433,China)

TN957.51

A

0427- 7104(2017)01- 0071- 08

2016- 02- 23

國家自然科學基金(61571131)

王先達(1992—)，男，碩士研究生；張建秋，男，教授，通信聯(lián)系人，E- mail： jqzhang01@fudan.edu.cn.