張 樂(lè)

(福建商學(xué)院 信息工程學(xué)院，福州 350506)

物聯(lián)網(wǎng)(Internet of Things, IOT)環(huán)境下，為降低跳頻信號(hào)遭受查驗(yàn)的概率，提升載波通信的安全性，在物聯(lián)網(wǎng)環(huán)境下多設(shè)備載波通信中跳頻信號(hào)的應(yīng)用較為廣泛[1-2]。在干擾信號(hào)持續(xù)增多的過(guò)程中，干擾方式也呈現(xiàn)多元化，導(dǎo)致載波跳頻通信的抗干擾性能下降，不能滿足現(xiàn)實(shí)所需[3]。其中一種主要的干擾方式是梳狀阻塞干擾[4]。為提升信號(hào)傳輸性能與安全性，需對(duì)干擾實(shí)施批量抑制，其中重點(diǎn)研究方向?yàn)橐种剖釥钭枞蓴_[5]。

最小色散干擾抑制方法是通過(guò)運(yùn)用信號(hào)的脈沖特性構(gòu)建范數(shù)約束優(yōu)化模型，將觀測(cè)信號(hào)中的有價(jià)值信息提取出，并對(duì)最優(yōu)權(quán)矢量實(shí)施運(yùn)算，空域?yàn)V波觀測(cè)信號(hào)后，實(shí)現(xiàn)基于最小色散算法的壓制式干擾抑制[6]；壓縮感知信號(hào)重構(gòu)干擾抑制方法是依據(jù)目標(biāo)回波信號(hào)與干擾信號(hào)能量函數(shù)的特性差異，提取沒(méi)有遭受干擾的目標(biāo)回波信號(hào)數(shù)據(jù)，通過(guò)運(yùn)用此數(shù)據(jù)同經(jīng)過(guò)解線調(diào)處理的目標(biāo)回波信號(hào)稀疏頻域間的線性關(guān)聯(lián)，建立壓縮感知最小問(wèn)題解算模型，實(shí)現(xiàn)對(duì)干擾信號(hào)的抑制[7]。以上2種抑制方法在信號(hào)去噪處理方面存在明顯不足，無(wú)法提升整體抑制效果。小波去噪具備小波基選取靈活性與時(shí)-頻局部化特征，可在疊加高斯白噪聲的環(huán)境下將真實(shí)信號(hào)檢測(cè)出來(lái)，不僅保留了信號(hào)的局部特征又可有效抑制噪聲[8]；獨(dú)立分量分析(Independent Component Analysis, ICA)屬于一種盲源分離技術(shù)，是通過(guò)運(yùn)用優(yōu)化算法在某個(gè)衡量保持獨(dú)立的前提下，分解某組混合信號(hào)為數(shù)個(gè)單獨(dú)成分，可有效分離多設(shè)備載波通信中的梳狀阻塞干擾信號(hào)與跳頻信號(hào)，具有較好的信號(hào)分離效果[9]。因此，本文通過(guò)有效結(jié)合小波去噪方法與獨(dú)立分量分析算法，實(shí)現(xiàn)對(duì)通信混合信號(hào)的去噪處理與梳狀阻塞干擾信號(hào)分離處理，達(dá)到批量抑制干擾信號(hào)的目的，為保障通信安全提供有效幫助。

1 通信干擾批量抑制方法

1.1 獨(dú)立分量分析算法

獨(dú)立分量分析算法的過(guò)程如圖1所示。

圖1 獨(dú)立分量分析算法過(guò)程

圖1中，源數(shù)據(jù)所構(gòu)成的N維矢量信號(hào)由S(t)表示，由信號(hào)混合矩陣A線性組合后形成混合信號(hào)X(t)，也就是現(xiàn)實(shí)中所接收到的信號(hào)，其表達(dá)式為：

X(t)=AS(t)。

(1)

式中：混合矩陣A屬于未知?；旌闲盘?hào)X(t)經(jīng)由信號(hào)分離矩陣V分解后，所獲取到的估計(jì)信號(hào)Y(t)即為分離信號(hào)，可表示為：

Y(t)=VX(t)。

(2)

式中：分離矩陣V可通過(guò)獨(dú)立分量算法求得。通過(guò)式(2)所得出的分離信號(hào)Y(t)屬于源信號(hào)矢量S(t)或者源信號(hào)矢量某部分分量的可靠估計(jì)?，F(xiàn)實(shí)中應(yīng)用獨(dú)立分量分析算法時(shí)，需具備的必要條件為：

1)源信號(hào)組S(t)中每個(gè)分量均需盡量達(dá)到統(tǒng)計(jì)獨(dú)立性；

2)源信號(hào)組S(t)中各分量最高僅可具備1個(gè)高斯分布，且均值為0；

3)混合矩陣A屬于1個(gè)列滿秩矩陣，現(xiàn)實(shí)應(yīng)用中盡可能地統(tǒng)一源信號(hào)組S(t)與混合信號(hào)X(t)的分量數(shù)目，也就是混合矩陣A為方陣，且存在逆矩陣A-1。

獨(dú)立分量分析算法主要包含信號(hào)混合、信號(hào)分離及必要條件3部分[10]，其目的是通過(guò)找尋1個(gè)分離矩陣V，分離混合信號(hào)后令分離信號(hào)保持互為獨(dú)立的關(guān)系，并盡可能與源信號(hào)S(t)接近，實(shí)現(xiàn)最優(yōu)信號(hào)分離效果。

1.2 基于獨(dú)立分量分析的干擾批量抑制方法

基于獨(dú)立分量分析的多設(shè)備載波通信干擾批量抑制方法整體過(guò)程如圖2所示。

圖2 載波通信干擾批量抑制方法過(guò)程

跳頻信號(hào)s1(t)可經(jīng)由信道編碼、中頻調(diào)制與跳頻獲取到，其序列用J(n)表示。運(yùn)用功率放大器與梳狀濾波器轉(zhuǎn)換干擾信號(hào)為梳狀阻塞干擾信號(hào)s2(t)。將2根天線設(shè)置于多設(shè)備載波通信的接收端，并以此作為獨(dú)立分量分析算法實(shí)施分離的基礎(chǔ)。那么現(xiàn)實(shí)中所接收到的信號(hào)即混合信號(hào)可表示為：

X(t)=US(t)+n(t)。

(3)

式中：s1(t)、s2(t)表示源信號(hào)；n1(t)、n2(t)表示噪聲信號(hào)；X1(t)、X2(t)表示2根天線的接收信號(hào)。

1.2.1 小波去噪處理

在實(shí)施信號(hào)分離之前，需先對(duì)X(t)實(shí)施小波去噪處理[11]，以提高干擾批量抑制的效果。

X(t)包含n(t)與S(t)，即X(t)=n(t)+S(t)。先離散采樣天線接收信號(hào)X(t)獲取到M點(diǎn)離散信號(hào)X(m)，其中：m=0,1,…,M-1，離散小波變換可表示為：

(4)

式中：W(j,k)為小波系數(shù)；ψ(x)為小波基；k為平移因子；j為縮放因子(小波分解層數(shù))。

小波變換的遞歸實(shí)現(xiàn)方法可通過(guò)雙尺度方程獲取到，即為：

(5)

式中：與ψ(x)相對(duì)的低通濾波器與高通濾波器分別以l(·)和h(·)表示；Wh(j,k)為細(xì)節(jié)系數(shù)；Wl(j,k)為近似系數(shù)。相對(duì)的重構(gòu)式可表示為：

(6)

通過(guò)雙尺度三層小波分解X(m)的示意圖如圖3所示。

圖3 雙尺度三層小波分解X(m)

X(m)經(jīng)三層小波變換分解之后，信號(hào)的能量大多在Wl(2,k)內(nèi)聚集，噪聲的能量大多在Wh(1,k)與Wh(2,k)內(nèi)聚集，同時(shí)與噪聲相比幅值所產(chǎn)生的小波系數(shù)更大。小波降噪是以閾值選擇規(guī)則為依據(jù)設(shè)置一個(gè)門限值，運(yùn)用硬閾值方法保留比此門限值高的小波系數(shù)，或采用軟閾值方法根據(jù)某個(gè)固定量向零收縮，重構(gòu)處理之后的小波系數(shù)，如此便能夠?qū)⒔翟胫蟮男盘?hào)獲取到[12]。

1.2.2 信號(hào)分離

X(t)經(jīng)小波降噪之后，去除掉了噪聲信號(hào)n(t)，在X(t)中以獨(dú)立源信號(hào)為前提時(shí)，需令輸出信號(hào)保持相互獨(dú)立方可實(shí)現(xiàn)混合信號(hào)的全部分離。經(jīng)輸出信號(hào)的高階或二階累計(jì)量矩陣群聯(lián)合對(duì)角化程度表示獨(dú)立分量分析的對(duì)照函數(shù)[13]。為完全分離源信號(hào)，應(yīng)對(duì)如何將四階累計(jì)量作為初始點(diǎn)通過(guò)結(jié)合四階累計(jì)量矩陣群與對(duì)角化求得分離矩陣V，予以判別。

假設(shè)w是第N根天線的接收信號(hào)，E是權(quán)值矩陣，那么w=(w1w2…wN)T，w的四階累計(jì)量矩陣第i行第j列元素可表示為：

(7)

式中：i≥1，j≤N；ekl表示權(quán)值矩陣E的第k行第l列的元素；Gw(E)表示由向量w的所有四階累計(jì)量所構(gòu)成的累計(jì)量矩陣；cum(wi,wj,wk,wl)表示向量w內(nèi)第i、j、k、l4個(gè)分量的四階累計(jì)量。

白化之后的第N根天線觀測(cè)向量w的表達(dá)式為：

w=W∪S=RS。

(8)

式中：W表示預(yù)處理矩陣；S內(nèi)各個(gè)分量統(tǒng)計(jì)互為獨(dú)立，向量w內(nèi)各個(gè)分量相互間無(wú)關(guān)聯(lián)。故矩陣R屬于正交矩陣[14]。

設(shè)R的隨機(jī)一列以ri(1≤i≤m)表示，且ri=(ri1ri2…rim)T，那么矩陣E可表示為：

E=riwN。

(9)

將式(8)與式(9)代入式(7)，得到：

(10)

因各源信號(hào)之間互為獨(dú)立關(guān)系，故當(dāng)a=b=c=d時(shí)，cum(sa,sb,sc,sd)=k4(sa)，則式(10)可簡(jiǎn)化為：

[Gw(E)]ij=mijk4(sk)。

(11)

式(11)可改寫成：

Gw(E)=k4(sk)E。

(12)

由式(12)可知，Gw(E)屬于對(duì)稱矩陣，其特征分解形態(tài)可表示為：

(13)

那么Gw(E)還可表示成：

Gw(E)=VΛ(E)RT。

(14)

式中：Λ(E)表示特征值對(duì)角矩陣。

經(jīng)由R二次型處理Gw(E)可得到對(duì)角矩陣Λ(E)，以總體特征為依據(jù)將分離矩陣V求出[15]。

任選一組z個(gè)矩陣表示為E=(E1E2…Ez)，求取隨機(jī)某個(gè)Ez(1≤z≤Z)的Gw(Ez)，同時(shí)求得矩陣R，盡可能地對(duì)角化處理完所有Gw(Ez)。為實(shí)現(xiàn)非對(duì)角化程度的各個(gè)度量Λ(Ez)=RTGw(Ez)R，所選取的度量指標(biāo)應(yīng)該是各Λ(Ez)內(nèi)非對(duì)角元素的平方和，即：

(15)

預(yù)估得出分離矩陣V為：

V=RTW。

(16)

2 實(shí)驗(yàn)結(jié)果

以某市電力公司的物聯(lián)網(wǎng)多設(shè)備載波通信系統(tǒng)作為實(shí)驗(yàn)對(duì)象，檢驗(yàn)本文方法的實(shí)際抑制效果。運(yùn)用Matlab編寫仿真程序?qū)嵤┓抡鎸?shí)驗(yàn)，經(jīng)由二進(jìn)制數(shù)字頻率調(diào)制方法(Frequency Shift Keying，2FSK)調(diào)制實(shí)驗(yàn)通信系統(tǒng)內(nèi)的跳頻信號(hào)，其中采樣頻率、信息速率及調(diào)速依次為380 kHz、1 480 b/s、1 480 hops/s。實(shí)驗(yàn)中所接收到的實(shí)驗(yàn)通信系統(tǒng)混合信號(hào)中包含噪聲信號(hào)與源信號(hào)，如圖4所示，其中源信號(hào)由跳頻信號(hào)與梳狀阻塞干擾信號(hào)組成。

(a)原始噪聲信號(hào)幅值

2.1 去噪效果對(duì)比分析

選取最小色散干擾抑制方法(文獻(xiàn)[6]方法)與壓縮感知信號(hào)重構(gòu)干擾抑制方法(文獻(xiàn)[7]方法)作為本文方法的對(duì)比。分別運(yùn)用3種方法對(duì)實(shí)驗(yàn)通信系統(tǒng)混合信號(hào)內(nèi)的初始噪聲信號(hào)實(shí)施去噪處理，獲得去噪處理后的噪聲信號(hào)幅值，如圖5所示。

(a)文獻(xiàn)[7]方法

由圖5可知，與原始噪聲信號(hào)幅值相比，3種方法均可實(shí)現(xiàn)不同程度的降噪處理，其中文獻(xiàn)[7]方法的去噪效果較差，去噪后的噪聲信號(hào)幅值依然較高；文獻(xiàn)[6]方法的去噪效果居中，明顯降低了原始噪聲信號(hào)幅值；而本文方法的去噪效果最為理想，不但進(jìn)一步地降低了原始噪聲信號(hào)的幅值，而且去噪效果較為穩(wěn)定。

2.2 信號(hào)分離效果呈現(xiàn)

通過(guò)本文方法對(duì)實(shí)驗(yàn)通信系統(tǒng)源信號(hào)實(shí)施信號(hào)分離，所獲取到的分離結(jié)果如圖6所示。

(a)梳狀阻塞干擾信號(hào)

由圖6可知，本文方法可有效分離實(shí)驗(yàn)通信系統(tǒng)源信號(hào)，成功將跳頻信號(hào)與梳狀阻塞干擾信號(hào)分離出，實(shí)現(xiàn)批量抑制物聯(lián)網(wǎng)環(huán)境下多設(shè)備載波通信干擾的目標(biāo)，提升了安全性。

3 結(jié)論

本文研究了一種物聯(lián)網(wǎng)環(huán)境下多設(shè)備載波通信干擾批量抑制方法，解決了通信混合信號(hào)噪聲干擾較大，影響通信傳輸安全性能的問(wèn)題。實(shí)際應(yīng)用結(jié)果表明，本文方法可有效降低通信噪聲信號(hào)幅值，去噪效果較高，并由混合信號(hào)內(nèi)成功分離出梳狀阻塞干擾信號(hào)與跳頻信號(hào)，實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)環(huán)境下多設(shè)備載波通信噪聲信號(hào)與梳狀阻塞干擾信號(hào)的有效抑制，為物聯(lián)網(wǎng)環(huán)境下多設(shè)備載波通信的運(yùn)行提供了可靠的保障。