王桂勝, 黃國(guó)策, 王葉群, 董淑福, 任清華, 魏 帥

(1. 空軍工程大學(xué)信息與導(dǎo)航學(xué)院, 陜西 西安 710077;2. 中國(guó)人民解放軍95910部隊(duì), 甘肅 酒泉 735000)

0 引 言

目前,無(wú)人系統(tǒng)作戰(zhàn)的沖突對(duì)抗強(qiáng)度不斷增強(qiáng),應(yīng)用的廣度深度不斷拓展延伸[1],其通信鏈路在復(fù)雜對(duì)抗環(huán)境中極易遭受各類惡意電磁干擾的威脅,嚴(yán)重制約了整體性能的發(fā)揮。與傳統(tǒng)的通信系統(tǒng)只在接收端消除干擾的思路不同,變換域通信系統(tǒng)(transformation domain communication system, TDCS)[2-3]以大帶寬、速率高、低截獲、低檢測(cè)性能的通信波形設(shè)計(jì),能夠同時(shí)在發(fā)射端和接收端進(jìn)行干擾抑制,實(shí)現(xiàn)了主動(dòng)抵抗干擾頻譜的能力;特別是在復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下,由于無(wú)人系統(tǒng)可用的通信頻段有限,電磁頻譜極其稀缺,TDCS能夠靈活地利用頻譜空穴和變換域擴(kuò)譜生成自適應(yīng)的抗干擾波形,極大提高了系統(tǒng)本身的抗干擾性能和頻譜利用率,從而成為一種適合于智能無(wú)人系統(tǒng)且非常有前景的認(rèn)知通信抗干擾范例[4-5]。

隨著電子對(duì)抗技術(shù)的發(fā)展,通信干擾機(jī)的功能和樣式持續(xù)推陳出新,電子信息攻擊和高功率電磁脈沖攻擊成為針對(duì)無(wú)人系統(tǒng)最有效的打擊手段[6],對(duì)傳統(tǒng)的TDCS提出了更高的抗干擾要求。目前現(xiàn)有的TDCS設(shè)計(jì)和改進(jìn)更多的基于變換域思想進(jìn)行干擾抑制和消除,如傅里葉變換、分?jǐn)?shù)階和小波變換等[7-9]。在此基礎(chǔ)上,又發(fā)展出了基于壓縮感知的新型抗干擾技術(shù),Davenport[10]基于通信信號(hào)和干擾的壓縮分量正交性提出了一種壓縮濾波方法,實(shí)現(xiàn)了干擾的有效抑制。裴立業(yè)等人[11]利用通信信號(hào)和干擾的稀疏可分性提出基于選擇性測(cè)量的噪聲干擾抑制方法。Gomaa等人[12]利用基于稀疏度感知的干擾估計(jì)方法實(shí)現(xiàn)了干擾的時(shí)域?qū)ο鸵种啤?/p>

考慮到干擾的多樣性及其時(shí)變特性,傳統(tǒng)的TDCS改進(jìn)方法只局限于某一模塊的干擾處理,缺乏系統(tǒng)性,未與整個(gè)系統(tǒng)的信號(hào)處理過(guò)程結(jié)合分析,影響了系統(tǒng)性能的發(fā)揮。同時(shí),隨著無(wú)人系統(tǒng)智能化技術(shù)的發(fā)展,通信智能化、系統(tǒng)化成為未來(lái)通信的一種發(fā)展趨勢(shì)。而傳統(tǒng)的TDCS設(shè)計(jì)適合于電磁環(huán)境相對(duì)較為理想的情況,在惡劣干擾環(huán)境下性能下降較為明顯。且整個(gè)系統(tǒng)通信抗干擾自主性不強(qiáng)、各模塊處理分散等問題,也進(jìn)一步制約了系統(tǒng)的推廣應(yīng)用。

為克服傳統(tǒng)TDCS存在的問題,本文設(shè)計(jì)了基于認(rèn)知驅(qū)動(dòng)的智能引擎,完善了傳統(tǒng)的TDCS系統(tǒng)架構(gòu),并分別針對(duì)寬度壓縮頻譜感知、干擾逼近、干擾識(shí)別、變換分析等各子模塊進(jìn)行了詳細(xì)設(shè)計(jì)和功能描述,顯著降低了系統(tǒng)傳輸?shù)恼`碼率,提高了通信的可靠性。

1 干擾特性檢測(cè)與壓縮頻譜感知

1.1 干擾特性分析

當(dāng)前,無(wú)人系統(tǒng)面臨的通信干擾類型和樣式不斷變化,出現(xiàn)了窄帶、梳狀譜等干擾類型，轉(zhuǎn)發(fā)、欺騙等干擾樣式。同時(shí)干擾策略不斷優(yōu)化,既有功率和頻率的交織,又有內(nèi)容和時(shí)機(jī)的對(duì)抗[13-14]?？紤]到頻譜劃分,可將干擾分為瞄準(zhǔn)式干擾、多頻點(diǎn)干擾和攔阻式干擾[15-16],其中瞄準(zhǔn)式干擾通常指干擾與被干擾信號(hào)頻譜重合度較高的一類干擾形式,如窄帶干擾等;多頻點(diǎn)干擾是對(duì)多載頻信號(hào)的干擾,可分為頻分多頻點(diǎn)干擾、時(shí)分多頻點(diǎn)干擾和綜合多頻點(diǎn)干擾等;攔阻式干擾是對(duì)被干擾信號(hào)頻帶范圍進(jìn)行廣域覆蓋的干擾方式,通常為寬帶干擾,如掃頻攔阻式干擾、梳狀譜干擾等。考慮到干擾的多樣性,可以對(duì)各類干擾進(jìn)行變換分析,以提高干擾處理能力[17-19]。以短時(shí)傅里葉變換為例,圖1展示了不同干擾的變換分析效果,發(fā)現(xiàn)各類干擾的表現(xiàn)形式和特征差異明顯,呈現(xiàn)出明顯的稀疏特性。因此,可利用合適的變換域稀疏特性,有效降低信號(hào)處理的復(fù)雜度、提高處理速度。

圖1 典型干擾的時(shí)頻特征

1.2 干擾檢測(cè)分離

由于寬帶TDCS通信信號(hào)都可以被壓縮,即在選擇合適的基進(jìn)行變換后能夠用稀疏信號(hào)很好地表達(dá)出來(lái)[20],這為下一步干擾信號(hào)的稀疏表示和重構(gòu)提供了理論基礎(chǔ)。通過(guò)將TDCS通信信號(hào)和干擾轉(zhuǎn)換到對(duì)應(yīng)的優(yōu)選域中進(jìn)行處理,利用在某種維度或域上的不同稀疏特性可以較好地實(shí)現(xiàn)檢測(cè)分離。目前,基于壓縮的干擾抑制方法主要包括選擇性測(cè)量、稀疏分離、重構(gòu)對(duì)齊等方法。

(1) 干擾的選擇性測(cè)量[21-22]。該方法主要利用測(cè)量矩陣的不同特性實(shí)現(xiàn)對(duì)電磁信號(hào)的選擇性接收,從而達(dá)到干擾和通信信號(hào)的分類壓縮采樣,具有原理簡(jiǎn)易高效、針對(duì)性強(qiáng)等優(yōu)勢(shì);但不同程度地降低了通信信號(hào)的重構(gòu)性能,且需要根據(jù)不同的干擾特性設(shè)計(jì)最優(yōu)干擾子空間,算法復(fù)雜度高。

(2) 干擾的稀疏分離[12, 23]。該方法通常利用干擾和通信信號(hào)在相同或不同字典下的稀疏表示可分性實(shí)現(xiàn)對(duì)電磁信號(hào)的稀疏分離,由于不需要全部或大部分干擾信息的重構(gòu),所以具有計(jì)算簡(jiǎn)單、復(fù)雜度低等特點(diǎn);但要求干擾的高度稀疏性,且針對(duì)性設(shè)計(jì)稀疏字典,無(wú)法有效應(yīng)對(duì)通信信號(hào)的相干干擾。

(3) 干擾的重構(gòu)對(duì)齊[24-25]。該方法主要適用于干擾強(qiáng)度較大的場(chǎng)景,利用高精度的重構(gòu)干擾在時(shí)域上對(duì)齊干擾并消除,能夠減少對(duì)通信信號(hào)的負(fù)面擾動(dòng),且在一定范圍內(nèi)重構(gòu)精度隨著干擾強(qiáng)度的增強(qiáng)而提高;但實(shí)際中存在干擾消除不徹底的現(xiàn)象,需要從硬件上改進(jìn)多天線結(jié)構(gòu)以提升自身性能,成本較高。

1.3 壓縮頻譜感知

在典型的寬帶TDCS中,頻譜感知模塊常采用調(diào)制帶寬轉(zhuǎn)換器(modulated wideband converter, MWC),利用壓縮感知等技術(shù)快速獲取當(dāng)前寬帶頻譜信息,有效探測(cè)出周圍電磁環(huán)境中的干擾和噪聲,具體實(shí)現(xiàn)過(guò)程如圖2所示。

圖2 寬帶TDCS中的壓縮頻譜感知

該信號(hào)x(t)可表示為

(1)

式中,n(t)為電磁環(huán)境噪聲;|κ|≤K表示干擾的稀疏度為K,即只有K個(gè)干擾序列dκ(n)具有較強(qiáng)的能量,且存在‖dκ(n)‖0≤K。

由于pi(t)為周期函數(shù),故傅里葉級(jí)數(shù)形式為

(2)

后經(jīng)低通濾波器處理后輸出具有窄帶頻率的序列yi(n),其表達(dá)式為

yi(n)=x(t)p(t)*h(t)=

(3)

利用周期函數(shù)pi(t)定義具有元素ciκ的觀測(cè)矩陣Φ。為保證信號(hào)的恢復(fù)效果,觀測(cè)矩陣Φ滿足以下約束條件:

(1) 對(duì)于任意K稀疏信號(hào)x和常數(shù)δs∈(0,1),滿足:

(1-δs)‖x‖2≤‖Φx‖2≤(1+δs)‖x‖2

(4)

(2) 列互相關(guān)參數(shù)μmax的減小可以使重構(gòu)性能更優(yōu),其中,

(5)

最后,通過(guò)求解觀測(cè)矩陣A的優(yōu)化問題進(jìn)行原始干擾信號(hào)的重構(gòu)處理,從而實(shí)現(xiàn)寬帶電磁環(huán)境壓縮的頻譜感知,并建立干擾的重構(gòu)波形庫(kù),表示為

min ‖ΨHx‖F(xiàn)s.t.y=Φx

(6)

2 認(rèn)知引擎驅(qū)動(dòng)的干擾智能處理

為更加智能、準(zhǔn)確地規(guī)避干擾頻譜,在Fumat等人[9]設(shè)計(jì)的傳統(tǒng)TDCS接收機(jī)模型基礎(chǔ)上,通過(guò)將認(rèn)知驅(qū)動(dòng)的引擎嵌入到TDCS中,實(shí)現(xiàn)干擾的智能化處理。考慮到寬帶頻譜感知的實(shí)際需要,設(shè)計(jì)了基于認(rèn)知引擎驅(qū)動(dòng)的變換域智能抗干擾系統(tǒng),包括寬度壓縮頻譜感知、未知干擾逼近、干擾智能識(shí)別、最優(yōu)變換分析等模塊,其中寬帶壓縮頻譜感知模塊的相關(guān)技術(shù)發(fā)展較為成熟,在此不再贅述。圖3簡(jiǎn)要描述了其系統(tǒng)結(jié)構(gòu)框圖,各模塊的具體功能及用途將在下面詳細(xì)闡述。

圖3 基于認(rèn)知引擎驅(qū)動(dòng)的智能TDCS

2.1 干擾逼近子模塊

干擾逼近子模塊是認(rèn)知驅(qū)動(dòng)引擎的處理基礎(chǔ),用于進(jìn)一步提升系統(tǒng)對(duì)于各類潛在干擾和未知干擾樣式的自適應(yīng)能力,特別是在大樣本和各種未知參數(shù)的干擾下,能夠有效應(yīng)對(duì)惡意通信干擾的威脅。

(7)

式中,span{a1,a2,…,aN}=CM;ε為由于噪聲帶來(lái)的稀疏表示誤差,具體過(guò)程如下。

對(duì)于已知的K個(gè)稀疏向量Xk∈Rm和對(duì)應(yīng)稀疏的干擾向量Yk∈Rnk,其稀疏逼近通常滿足以下帶約束的優(yōu)化問題:

s.t.f(X)≤?(K)

(8)

式中,Φk∈Rnk×m為對(duì)應(yīng)不同干擾向量的觀測(cè)矩陣;f(·)為稀疏度的規(guī)則函數(shù)。為便于優(yōu)化求解,故將其轉(zhuǎn)化為無(wú)約束的優(yōu)化問題,即:

(9)

式中,α>0。

考慮到觀測(cè)的干擾向量具有多樣性,干擾矩陣X可采用擴(kuò)展的行稀疏模型[27],即在行稀疏模型的基礎(chǔ)上疊加部分元素稀疏,故各干擾向量可不強(qiáng)制約束于共享相同的支集ζ(Xk)={i,Xk(i)≠0},因此可將式(9)轉(zhuǎn)化為以下優(yōu)化問題:

(10)

式中,α1>0,α2>0分別為矩陣元素稀疏和行稀疏的權(quán)重系數(shù)。

通過(guò)求解對(duì)應(yīng)的干擾矩陣X和觀測(cè)矩陣Φ,可對(duì)未知干擾Yk進(jìn)行逼近觀測(cè)和特征提取,并標(biāo)記處理,從而構(gòu)建關(guān)于干擾的特征波形庫(kù)。

2.2 干擾識(shí)別子模塊

干擾識(shí)別子模塊是認(rèn)知驅(qū)動(dòng)引擎的智能核心,可通過(guò)一系列智能算法,如集群智能、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等,區(qū)分各型各樣的已知干擾或未知干擾,從而進(jìn)一步增強(qiáng)系統(tǒng)處理各類潛在干擾和未知干擾樣式的針對(duì)性。為有效應(yīng)對(duì)窄帶、梳狀譜等干擾類型和轉(zhuǎn)發(fā)、欺騙等干擾樣式以及功率、頻率和內(nèi)容等干擾參數(shù)的多樣化,可基于干擾信號(hào)特征空間、稀疏表示等理論基礎(chǔ)[28],利用神經(jīng)網(wǎng)絡(luò)、變換學(xué)習(xí)等方法進(jìn)行對(duì)干擾的智能分類識(shí)別,從而完善分類的特征庫(kù)。本文中該子模塊的實(shí)現(xiàn)采用稀疏表示的變換學(xué)習(xí)分類方法,具體過(guò)程如下。

對(duì)于觀測(cè)到的稀疏干擾向量Yk∈Rnk,根據(jù)建立的初始特征庫(kù)Tc:Yk→φ(Yk)進(jìn)行基本的干擾類型和樣式識(shí)別處理:

HC:{Y′1,Y′2,…,Y′l}={φ(Y1),φ(Y2),…,φ(Yl)}

(11)

式中,Hc為感知干擾樣本形成的信號(hào)特征空間。

當(dāng)特征庫(kù)的基本分類精度難以滿足識(shí)別要求時(shí),通過(guò)嵌入類型未知但相互分離的干擾數(shù)據(jù)集來(lái)更新初始的分類標(biāo)簽,從而進(jìn)一步提高逼近和識(shí)別的準(zhǔn)確性。

采用基于標(biāo)簽一致性準(zhǔn)則的變換學(xué)習(xí)方法進(jìn)行逆問題求解,考慮到系數(shù)的稀疏約束條件,可表示為

(12)

式中,Ψ為字典;θ為系數(shù)向量。根據(jù)先前預(yù)測(cè)的未知干擾類型,利用預(yù)測(cè)干擾因子的類別來(lái)指導(dǎo)變換學(xué)習(xí),其數(shù)學(xué)表達(dá)式為

(13)

式中,W為系數(shù)θ與類別標(biāo)簽Q的映射關(guān)系。

然后利用在特定變換基下獲得的系數(shù),可將式(6)轉(zhuǎn)換為無(wú)約束的形式,即

(14)

(15)

通過(guò)交替迭代[29]的方法可將式(15)轉(zhuǎn)換為幾個(gè)更簡(jiǎn)單的子問題,具體表述為

(16)

利用Cholesky分解和SVD的偽逆形式進(jìn)行系數(shù)和變換基的更新求解,從而獲得最終的干擾類別。

2.3 變換分析子模塊

變換分析子模塊是認(rèn)知驅(qū)動(dòng)引擎的關(guān)鍵環(huán)節(jié),既能發(fā)現(xiàn)各類干擾類型和樣式的隱含特征,又影響到基函數(shù)的構(gòu)建和能量注入,從而為發(fā)射端和接收端更有效地消除干擾提供科學(xué)依據(jù);通過(guò)變換域、稀疏分解、匹配追蹤等[30-32]變換分析方法并選擇適當(dāng)?shù)慕馕鲎儞Q,使得許多變換系數(shù)更接近于零,保證了干擾處理過(guò)程中的稀疏特性,從而提高了干擾識(shí)別和消除的有效性,并進(jìn)一步構(gòu)建變換波形庫(kù)。本文中該子模塊采用基于稀疏表示的變換分析方法,具體實(shí)現(xiàn)過(guò)程如下。

對(duì)于觀測(cè)到的干擾Yk∈CN,其稀疏度K?N,為表征其變換分析,設(shè)定可變的變換函數(shù)T(·)來(lái)獲得其相應(yīng)的變換域,因此其變換的稀疏表現(xiàn)形式為

(17)

根據(jù)式(12)的干擾稀疏約束條件,利用稀疏性特征將其轉(zhuǎn)換為無(wú)約束的變換稀疏表示形式,即

(18)

同樣采用迭代更新方法分解為幾個(gè)子問題,從而獲得問題的近似解為

(19)

進(jìn)而給出其無(wú)約束的變換稀疏表示迭代形式為

(20)

(21)

通過(guò)學(xué)習(xí)最佳的正交基來(lái)實(shí)現(xiàn)相應(yīng)最佳變換的選擇,從而獲得最終干擾的稀疏變換形式,并為后面干擾抑制和基函數(shù)的生成提供理論依據(jù)。

(22)

式中,多址相位Φ(T(Yk))通常由變換分析中的隨機(jī)相位產(chǎn)生。

然后利用變換分析中得到的最優(yōu)變換及其逆變換知識(shí),對(duì)得到的基函數(shù)進(jìn)行相應(yīng)的逆變換,從而得到緩存的波形為

(23)

最終,將緩存的波形映射到數(shù)據(jù)位流上用來(lái)合成發(fā)射信號(hào),處理后經(jīng)射頻端通過(guò)無(wú)線信道發(fā)至接收端,接收端經(jīng)降噪、同步、解調(diào)等處理后獲得原始信號(hào),完成雙方的通信。

2.4 抗干擾性能分析

由于TDCS通信信號(hào)本身的高稀疏和類噪聲性能,在寬帶壓縮頻譜感知階段并不會(huì)影響到干擾的檢測(cè)過(guò)程。因此,問題可表示為

(24)

式中,s為感知的電磁信息;c為TDCS通信信號(hào);y為干擾;n為環(huán)境噪聲。在此基礎(chǔ)上,利用假設(shè)檢驗(yàn)的求解方法,根據(jù)所得拒絕域判定干擾是否存在。

在假設(shè)H0成立的前提下,考慮到干擾形式的多樣性(如多音干擾具有元素稀疏性,部分頻帶干擾具有塊狀稀疏性等),利用提出的結(jié)構(gòu)化稀疏逼近方法獲得觀測(cè)矩陣Φ,問題可建模為

s=c+y+n=Φ(c′+y′+n′)=Φ(c′+n′)+Φy′

(25)

利用提出的變換學(xué)習(xí)稀疏表示方法所獲得的字典Ψ和系數(shù)向量θ,進(jìn)一步將問題表示為

s=Φ(c′+n′)+Φy′=ΦΨE(Θc′+Θn′+ΘEy′)+ΦΨBΘBy′=AE(Θc′+Θn′)+AEΘEy′+ABΘBy′

(26)

式中,A為觀測(cè)向量,然后利用變換分析實(shí)現(xiàn)最優(yōu)稀疏的表示,從而最大程度地保證干擾與通信信號(hào)的可分性,即

(27)

最終,根據(jù)表示期望的最大化進(jìn)行選擇性測(cè)量或稀疏分離,或者重構(gòu)后在時(shí)域進(jìn)行干擾對(duì)齊和消除,從而提高系統(tǒng)的抗干擾性能。

3 實(shí)驗(yàn)仿真與分析

3.1 干擾逼近與識(shí)別子模塊

為驗(yàn)證該模塊設(shè)計(jì)的有效性,在信噪比(signal to noise ratio,SNR)處于[-2 dB, 10 dB]范圍內(nèi)分別進(jìn)行200次干擾頻率變化的蒙特卡羅實(shí)驗(yàn),進(jìn)而獲得1 200組干擾樣本。對(duì)獲得的6類干擾數(shù)據(jù)集選取600組進(jìn)行識(shí)別器的訓(xùn)練,剩余數(shù)據(jù)集進(jìn)行多分類識(shí)別分析,并與傳統(tǒng)的SVM多分類器進(jìn)行對(duì)比。干擾信號(hào)仿真中,假設(shè)信道為高斯白噪聲信道,采樣頻率fs=512 MHz,初始SNR=5 dB,除脈沖干擾和線性調(diào)頻干擾外樣本頻率間隔均為10 MHz,具體各干擾信號(hào)仿真參數(shù)的設(shè)置為:單音干擾初始頻點(diǎn)為75 MHz;多音干擾初始多頻點(diǎn)為[25,50,75]MHz;窄帶干擾初始帶寬為100 MHz,頻率重疊度為10%;脈沖干擾沖激響應(yīng)為[8,4,2]δ(t),噪聲信號(hào)強(qiáng)度為-5 dB,強(qiáng)度間隔為0.1 dB;單分量線性調(diào)頻干擾初始頻率為75 MHz,初始相位π/4,初始調(diào)頻率為250,調(diào)頻率間隔為10;梳狀譜干擾初始頻點(diǎn)為25 MHz,調(diào)頻率為800。

圖4展示了不同干擾下的識(shí)別效果,可知該識(shí)別子模塊較傳統(tǒng)的分類器相比,識(shí)別精度得到較大的提升,整體的干擾識(shí)別率提高了5.2%,并且可實(shí)現(xiàn)無(wú)監(jiān)督的學(xué)習(xí)。

圖4 不同干擾下的識(shí)別效果對(duì)比

3.2 變換分析子模塊

為驗(yàn)證該子模塊設(shè)計(jì)的合理性,實(shí)驗(yàn)選取了所涉及的4種干擾及其不同變換域下的分析情況,實(shí)驗(yàn)中各干擾樣本稀疏度隨機(jī)可變但控制在一定的范圍內(nèi),由低到高分別為20～40、40～50、50～60、60～80。實(shí)驗(yàn)中干擾樣本的采樣點(diǎn)設(shè)置為1 024,初始的SNR=8 dB,模擬信道設(shè)定為高斯白噪聲信道,具體各干擾信號(hào)仿真參數(shù)的設(shè)置為:多音干擾初始多頻點(diǎn)為[25, 50, 75]MHz;單分量線性調(diào)頻干擾初始頻率為75 MHz,初始相位π/4,初始調(diào)頻率為250;梳狀譜干擾初始頻點(diǎn)為25 MHz,調(diào)頻率為800;噪聲調(diào)頻干擾調(diào)頻系數(shù)為250,噪聲信號(hào)強(qiáng)度為-5 dB。

具體的干擾變換分析結(jié)果如圖5所示。

圖5 不同干擾的最優(yōu)變換分析

分析結(jié)果發(fā)現(xiàn):低稀疏度的多音干擾適合于快速傅里葉變換或離散余弦變換處理,高稀疏度的線性調(diào)頻干擾和低稀疏度的噪聲調(diào)頻干擾更適合于分?jǐn)?shù)階傅里葉變換處理,而高稀疏的梳狀譜干擾則不適合于離散小波變換處理,體現(xiàn)了各類干擾在不同變換處理下的差異和相應(yīng)的優(yōu)選順序。

3.3 系統(tǒng)性能驗(yàn)證

根據(jù)設(shè)計(jì)的基于認(rèn)知引擎驅(qū)動(dòng)下智能抗干擾TDCS架構(gòu)和原理,在不同干擾場(chǎng)景對(duì)整個(gè)系統(tǒng)的信號(hào)處理過(guò)程進(jìn)行了測(cè)試。系統(tǒng)在SNR在-3～8 dB的范圍內(nèi)發(fā)射1 000位的數(shù)據(jù)流,信道條件設(shè)置為高斯信道,其中m序列長(zhǎng)度為10 240位,隨機(jī)抽取連續(xù)3位、間隔7位的序列方式生成相位向量,經(jīng)寬帶壓縮感知模塊處理重構(gòu)后,進(jìn)入干擾的逼近識(shí)別與變換分析,并相應(yīng)地生成基函數(shù)對(duì)數(shù)據(jù)流進(jìn)行調(diào)制,在接收端進(jìn)行相應(yīng)地調(diào)解處理,分析其系統(tǒng)的信號(hào)變換及其相關(guān)誤碼率,具體實(shí)驗(yàn)結(jié)果如圖6～圖9所示。

圖6 梳狀譜干擾圖

圖7 干擾信號(hào)的變換分析與重構(gòu)

圖6和圖7展示了在電磁環(huán)境噪聲與梳狀結(jié)合的譜干擾條件下頻譜狀態(tài)圖,該干擾頻譜占據(jù)了整個(gè)頻譜帶寬的25%左右,可見是一種較強(qiáng)的寬帶干擾樣式。經(jīng)變換分析和壓縮頻譜感知后,可獲得其基本的干擾中心頻點(diǎn),且重構(gòu)后的干擾與原始干擾保持在90%以上的相似度,并獲得其稀疏度為56。

在此基礎(chǔ)上,根據(jù)優(yōu)選的離散小波變換生成基函數(shù),其自相關(guān)特性較好,能夠較好地滿足系統(tǒng)的調(diào)制解調(diào)需要,如圖8所示。

圖8 基函數(shù)的自相關(guān)特性

通過(guò)在接收端的解調(diào)處理后,整個(gè)系統(tǒng)的傳輸誤碼率隨著SNR的增加逐漸減小,且比較逼近于理想的誤碼率,較好地保證了系統(tǒng)的抗干擾性能,能夠?qū)崿F(xiàn)可靠的通信傳輸,具體實(shí)驗(yàn)結(jié)果如圖9所示。

圖9 系統(tǒng)的性能比較

4 結(jié) 論

為滿足無(wú)人系統(tǒng)通信智能抗干擾的實(shí)際需要,在傳統(tǒng)TDCS基礎(chǔ)上設(shè)計(jì)了基于認(rèn)知引擎驅(qū)動(dòng)的智能TDCS系統(tǒng)架構(gòu),并針對(duì)各子模塊分別進(jìn)行了詳細(xì)設(shè)計(jì),提出了基于稀疏逼近的干擾逼近方法、基于稀疏表示的變換學(xué)習(xí)干擾識(shí)別方法以及迭代更新的變換稀疏分析方法,簡(jiǎn)要描述了各自功能和工作原理。實(shí)驗(yàn)結(jié)果表明,設(shè)計(jì)的各子模塊頻譜感知和重構(gòu)效果良好,干擾的逼近識(shí)別準(zhǔn)確率較高,且能針對(duì)性地選擇出最優(yōu)變換分析,顯著提高了系統(tǒng)的抗干擾性能,降低了傳輸?shù)恼`碼率,對(duì)于通信系統(tǒng)的智能化研究提供了一種新思路,下一步將圍繞整個(gè)無(wú)人系統(tǒng)網(wǎng)絡(luò)開展智能化壓縮抗干擾技術(shù)的研究。