操禮長,汪筱陽,劉軍鋒,朱 琳,張 宇,李先友,辛 鑫

(1.中國人民解放軍63769部隊(duì),西安 710043;2.空軍工程大學(xué) 防空反導(dǎo)學(xué)院,西安 710051)

0 引 言

目前,空間電磁環(huán)境越來越復(fù)雜,多種電磁信號(hào)給航天測控造成極大威脅,無論是來自復(fù)雜空間環(huán)境的無意電磁信號(hào),還是來自有意的攻擊信號(hào),甚至是系統(tǒng)自身因設(shè)計(jì)不合理而導(dǎo)致的信號(hào)間干擾等,都將影響航天器與地面測控設(shè)備之間的通信,輕則導(dǎo)致航天器、地面測控設(shè)備失能[1-2],重則導(dǎo)致其被毀傷。

對于干擾信號(hào)的識(shí)別一直是國內(nèi)外研究的熱點(diǎn)[3-6]。文獻(xiàn)[7]分析了干擾信號(hào)的運(yùn)作流程,通過構(gòu)建系統(tǒng)跟蹤模型,添加規(guī)則庫,提出了一種電子通信系統(tǒng)復(fù)合式干擾智能識(shí)別技術(shù),但該方式需要獲得一定的先驗(yàn)信息。文獻(xiàn)[8]采用天牛須搜索算法優(yōu)化混合蛙跳算法的子種群的局部搜索能力,結(jié)合反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)提出了一種改進(jìn)混合蛙跳算法,提高了干擾信號(hào)的識(shí)別率,但該方式對于多類型干擾會(huì)造成網(wǎng)絡(luò)層數(shù)增多,識(shí)別效率下降。文獻(xiàn)[9]分析了噪聲干擾、密集假目標(biāo)干擾、組合干擾的時(shí)域、頻域特性,選取相關(guān)特征參數(shù),通過構(gòu)建組合支持向量機(jī)(Support Vector Machine,SVM)識(shí)別器,對3種干擾信號(hào)進(jìn)行了分類識(shí)別,但該方式對于特征參數(shù)的選取提出了較高的要求。

針對不同的干擾信號(hào),識(shí)別的方式大不相同。就航天測控鏈路來說,受到的干擾有寬帶噪聲干擾、單音連續(xù)波干擾、寬帶梳狀譜干擾、線性調(diào)頻干擾、脈沖干擾、隨機(jī)二元碼調(diào)制干擾等各種類型。為了有效應(yīng)對這些來自空間、地面的不同干擾,必須要對測控上、下行鏈路及星間鏈路的干擾進(jìn)行分析。由于干擾類型較多,且沒有干擾信號(hào)的先驗(yàn)信息,因此,本文提出了采用決策樹方法研究航天測控干擾信號(hào)識(shí)別,在無需較多先驗(yàn)知識(shí)的情況下,采用“從屬性到結(jié)論”的方式,通過計(jì)算時(shí)域峰平比、歸一化頻譜的3 dB帶寬、歸一化頻譜峰度系數(shù)等特征因子,對航天測控鏈路受到的未知干擾信號(hào)進(jìn)行識(shí)別。該方法需要對各種干擾信號(hào)提取其區(qū)別度較強(qiáng)的特征參數(shù),這里采取時(shí)域頻域的處理方法,提取某些辨別能力較強(qiáng)的特征因子;然后,依據(jù)提取的特征因子構(gòu)建高效的級(jí)聯(lián)分類器,對干擾進(jìn)行分類識(shí)別,區(qū)分單音、梳狀、脈沖、窄帶、寬帶等干擾的信號(hào)類型、調(diào)制方式等。

1 干擾識(shí)別規(guī)則及特征因子選取

1.1 干擾識(shí)別規(guī)則

決策樹是一種以事例為基礎(chǔ)的歸納學(xué)習(xí)算法,它著眼于從一組無次序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則,以形成分類器和預(yù)測模型,從而對未知數(shù)據(jù)進(jìn)行分類、預(yù)測、數(shù)據(jù)挖掘等。采用決策樹進(jìn)行分類,首先,利用訓(xùn)練集建立決策樹模型。實(shí)際上,這是一個(gè)從數(shù)據(jù)中獲取知識(shí)進(jìn)行機(jī)器學(xué)習(xí)的過程。然后,利用生成且訓(xùn)練完畢的決策樹模型,對未知數(shù)據(jù)樣本進(jìn)行分類。采取自上而下的遞歸方式,在決策樹的內(nèi)部結(jié)點(diǎn),進(jìn)行屬性比較,根據(jù)不同的門限來判斷自該結(jié)點(diǎn)向下的分支,最后在決策樹的葉結(jié)點(diǎn)處得出結(jié)論?？梢钥闯?從決策樹的根結(jié)點(diǎn)到葉結(jié)點(diǎn)的每一條路徑都對應(yīng)著一條選取規(guī)則,整棵決策樹對應(yīng)著一組表達(dá)規(guī)則。

根據(jù)貪婪算法,從根結(jié)點(diǎn)開始,對每一個(gè)非葉結(jié)點(diǎn)找出其對應(yīng)的屬性,對樣本集進(jìn)行測試,并根據(jù)測試結(jié)果的不同,將樣本集劃分成若干樣本子集。每個(gè)樣本子集又構(gòu)成了一個(gè)新的葉結(jié)點(diǎn),再對新的葉結(jié)點(diǎn)重復(fù)進(jìn)行測試、劃分。這樣不斷循環(huán),直到達(dá)到特定的終止條件。為了對未知的樣本進(jìn)行分類,樣本的門限需要在決策樹上測試。

借鑒上述決策樹的思想,構(gòu)建基于決策樹的航天測控干擾識(shí)別規(guī)則:首先,利用干擾信號(hào)的特征因子值,作為每個(gè)結(jié)點(diǎn)的屬性值,來與預(yù)設(shè)的門限進(jìn)行比較判決,大于門限的為類別集A,小于門限的則為類別集B;然后,再分別在類別集A、B中再次進(jìn)行比較判決,形成新的類別集C、D或類別集E、F;多次循環(huán),直至每個(gè)類別集中僅有一個(gè)元素,即只有一種干擾類型為止,這樣就可對干擾信號(hào)進(jìn)行識(shí)別。

1.2 特征因子選取

(1)時(shí)域峰平比

對干擾信號(hào)進(jìn)行時(shí)域采樣,記干擾信號(hào)的幅度為A(i),i∈[1,N]為采樣時(shí)刻,記Apeak為幅度最大值,為幅度平均值,則時(shí)域峰平比Rpm為

該參數(shù)用于區(qū)分脈沖干擾(PulseInterference,PI)與其他干擾信號(hào)。

(2)歸一化頻譜的3 dB帶寬

計(jì)算干擾信號(hào)頻譜的模值S(n)=,信號(hào)采樣長度為N。將其進(jìn)行歸一化處理,得到信號(hào)歸一化頻譜值

則歸一化頻譜的3 dB帶寬Buw為

該參數(shù)用于區(qū)分寬帶干擾與窄帶干擾信號(hào)。

(3)歸一化頻譜峰度系數(shù)

Bpeak為頻譜歸一化后幅度的最大值,Bmean為頻譜按幅度大小降序排列后,前K(K＜N)個(gè)幅度值取平均,則歸一化頻譜峰度系數(shù)為

該參數(shù)用于區(qū)分單頻窄帶干擾(Continuous Wave Interference,CWI)與調(diào)制窄帶干擾信號(hào)。

(4)歸一化頻譜平坦度

提取歸一化頻譜中的沖激部分Rp(n):

式中:L為平滑濾波的窗口長度,一般取0.03N。歸一化頻譜平坦度δpns為Rp(n)的標(biāo)準(zhǔn)差,即

該參數(shù)用于區(qū)分寬帶梳狀干擾(Comb Spectrum Interference,CSI)與其他寬帶干擾信號(hào)。

(5)分?jǐn)?shù)階傅里葉域能量聚集度

離散分?jǐn)?shù)階傅里葉變換:

式中:uk是離散值;p為離散傅里葉階數(shù),p∈[0,2];x(n)為干擾的時(shí)域表達(dá)式。計(jì)算分?jǐn)?shù)階傅里葉變換域幅度譜的最大值和平均值之比Rfr(p)為

式中:

則分?jǐn)?shù)階傅里葉域能量聚集度Rfr為

該參數(shù)用于區(qū)分線性調(diào)頻干擾(Linear Frequecy Modulation,LFM)與其他寬帶干擾信號(hào)。

(6)時(shí)域矩峰度系數(shù)

計(jì)算干擾信號(hào)均值μ=E[x(n)],標(biāo)準(zhǔn)差σ=,則時(shí)域矩峰度系數(shù)Kurt為

該參數(shù)用于區(qū)分噪聲與調(diào)制干擾信號(hào)。

(7)零中心歸一化瞬時(shí)幅度譜密度的最大值

該參數(shù)能夠反映干擾信號(hào)是否存在幅度調(diào)制,具體計(jì)算公式為

其中,Ns表示截取的信號(hào)長度;acn(i)=an(i)-1是時(shí)間點(diǎn)t=i/fs(i=1,2,…,Ns)的零中心歸一化瞬時(shí)幅度;an(i)=a(i)/ma是歸一化瞬時(shí)幅度,ma是瞬時(shí)幅度的均值。

該參數(shù)用于區(qū)分2FSK、4FSK等幅度保持不變的信號(hào)與ASK、PSK等幅度調(diào)制的信號(hào)。

(8)強(qiáng)信號(hào)段零中心歸一化瞬時(shí)頻率絕對值的標(biāo)準(zhǔn)差

具體計(jì)算公式為

式中:C是在{fN(i)}中對應(yīng)的歸一化幅度an(i)＞at的樣本數(shù);fN(i)=fm(i)/rs,rs表示數(shù)字信號(hào)的符號(hào)速率,fm(i)=f(i)-mf,f(i)表示瞬時(shí)頻率,mf=表示瞬時(shí)頻率的均值。

該參數(shù)用于區(qū)分2FSK與4FSK干擾信號(hào)。

(9)高階累積量

這里采用文獻(xiàn)[10]中的高階累積量對MPSK信號(hào)進(jìn)行識(shí)別。

(10)零中心歸一化瞬時(shí)幅度絕對值的標(biāo)準(zhǔn)差

具體計(jì)算公式為

該參數(shù)用于區(qū)分2ASK與4ASK干擾信號(hào)。

2 干擾識(shí)別的流程

2.1 干擾識(shí)別的基本流程

航天測控干擾的決策樹識(shí)別方法由三部分組成,分別是信號(hào)預(yù)處理、特征因子選取和決策樹設(shè)計(jì),其結(jié)構(gòu)示意圖如圖1所示。

圖1 航天測控干擾的決策樹識(shí)別方法示意圖

信號(hào)預(yù)處理的作用是預(yù)先準(zhǔn)備好后續(xù)部分所需要的數(shù)據(jù),主要對信號(hào)進(jìn)行存在性檢測、盲源分離、下變頻處理、關(guān)鍵參數(shù)估計(jì)等。

特征因子選取是通過多方面分析信號(hào)時(shí)域或變換域信息而進(jìn)行的特征因子選取操作,這些具有表征信號(hào)特點(diǎn)的特征因子是算法的核心內(nèi)容,特征區(qū)分度明顯與否直接決定干擾識(shí)別效果。

決策樹設(shè)計(jì)的作用是建立合適的識(shí)別規(guī)則,確定待識(shí)別信號(hào)集的調(diào)制類型。決策樹分類器的樹形結(jié)構(gòu)一目了然,靈活性較強(qiáng),易于擴(kuò)展。

2.2 決策樹設(shè)計(jì)流程

在對干擾信號(hào)整理后,首先,判定干擾的類型,區(qū)分干擾屬于脈沖、單音、梳狀、窄帶、寬帶等類型;然后,再判定其調(diào)制方式,區(qū)分干擾屬于ASK、PSK、FSK等方式?；跊Q策樹的干擾識(shí)別原理框圖如圖2所示。

圖2 決策樹設(shè)計(jì)流程圖

干擾信號(hào)的具體識(shí)別流程如下:

Step 1計(jì)算干擾信號(hào)的時(shí)域峰平比Rpm,并與門限ThRpm比較,當(dāng)Rpm≤ThRpm時(shí),判決為脈沖干擾,記為類別集A;反之,則記為類別集B。

Step 2計(jì)算類別集B中干擾的歸一化頻譜的3 dB帶寬Buw,并與門限ThBuw比較,若Buw＜ThBuw時(shí),判決為窄帶干擾,記為類別集C;反之,則為寬帶干擾,并記為類別集D。

Step 3計(jì)算類別集C中干擾的歸一化頻譜峰度系數(shù)KS,并與門限ThKS相比較,當(dāng)KS≥ThKS時(shí),判決為單音干擾;反之,則為非單音的窄帶干擾。

Step4計(jì)算類別集D中干擾信號(hào)的歸一化頻譜平坦度δpns,并與門限Thδpns相比較,當(dāng)δpns≥Thδpns時(shí),判決為梳狀干擾;反之,則為非梳狀的寬帶干擾,并記為類別集E。

Step5計(jì)算類別集E中干擾信號(hào)的分?jǐn)?shù)階傅里葉域能量聚集度Rfr,并與門限ThRfr相比較,當(dāng)Rfr≥ThRfr時(shí),判決為LFM干擾;反之,則為非LFM的寬帶干擾,并記為類別集F。

Step6計(jì)算類別集F中干擾信號(hào)的時(shí)域矩峰度系數(shù)Kurt,并與門限ThKurt相比較,當(dāng)Kurt＜ThKurt時(shí),則為噪聲干擾;反之,則為其他調(diào)制干擾,并記為類別集G。

在上述識(shí)別的基礎(chǔ)上,繼續(xù)對干擾信號(hào)進(jìn)行調(diào)制方式分類。

Step7計(jì)算類別集G中干擾信號(hào)的零中心歸一化瞬時(shí)幅度譜密度的最大值γmax,并與門限Thγmax相比較,若γmax＜Thγmax,判決為FSK類干擾,并記為類別集H;反之,則為非FSK類干擾,主要包含ASK、PSK,并記為類別集I。

Step 8若為FSK類干擾,計(jì)算類別集H中干擾的強(qiáng)信號(hào)段零中心歸一化瞬時(shí)頻率絕對值的標(biāo)準(zhǔn)差σaf,并與門限Thσaf相比較,若σaf＞Thσaf,則為4FSK類干擾;反之,則為2FSK類干擾。

Step9在非FSK類干擾類別集I中,計(jì)算高階累積量特征因子F,若F=4則為BPSK類干擾,F=2則為QPSK類干擾,F=0則為8PSK類干擾;反之,則為其他干擾,并記為類別集J。

Step 10計(jì)算在類別集J中干擾的零中心歸一化瞬時(shí)幅度絕對值的標(biāo)準(zhǔn)差σaa,并與門限Thσaa相比較,若σaa＞Thσaa,則為4ASK類干擾;反之,則為2ASK類干擾。

至此,利用樹狀結(jié)構(gòu),通過層層分解、反復(fù)比較,即可識(shí)別干擾。

3 仿真與分析

由上述干擾識(shí)別機(jī)理與流程可知,本文的干擾識(shí)別方法僅針對單一類型干擾進(jìn)行識(shí)別,因此,針對不同類型的干擾信號(hào)需分別分析本文方法在不同干信比條件下的識(shí)別概率。設(shè)置干信比范圍為-10～25 dB,在單一干擾類型信號(hào)條件下,分別建立Eb/N0=0 dB時(shí)典型脈沖干擾(PI)、單頻窄帶干擾(CWI)、窄帶BPSK干擾、寬帶BPSK干擾、寬帶梳狀干擾(CSI)、線性調(diào)頻干擾(LFM)、寬帶噪聲干擾等干擾模型,利用本文所提方法對不同類型干擾信號(hào)進(jìn)行識(shí)別。由于產(chǎn)生的干擾信號(hào)中帶有噪聲,所以每個(gè)類型干擾信號(hào)的識(shí)別結(jié)果為100次仿真實(shí)驗(yàn)取平均。不同類型干擾信號(hào)識(shí)別的仿真結(jié)果如圖3所示。

圖3 不同干信比時(shí)干擾識(shí)別概率

從圖3的仿真結(jié)果可以看出,干擾信號(hào)識(shí)別的概率隨著干信比增大而提高,在干信比為0 dB以上時(shí),各類干擾信號(hào)均可實(shí)現(xiàn)90%以上的識(shí)別概率。

對于調(diào)制類干擾信號(hào),分別建立ASK、FSK、PSK信號(hào)模型,設(shè)置Eb/N0=-5～25 dB,在單一干擾類型信號(hào)條件下分別對不同信噪比下的各類調(diào)制類干擾進(jìn)行識(shí)別仿真,其中每個(gè)類型干擾信號(hào)的識(shí)別結(jié)果為100次仿真實(shí)驗(yàn)取平均。仿真結(jié)果如圖4所示。

圖4 不同信噪比時(shí)調(diào)制類干擾識(shí)別概率

從圖4的仿真結(jié)果可以看出,在Eb/N0＞0 dB時(shí),FSK類干擾識(shí)別概率大部分在90%以上;而當(dāng)Eb/N0＞5 dB時(shí),各類調(diào)制信號(hào)成功識(shí)別的概率則可高達(dá)95%以上。

此外,圖3和圖4的仿真實(shí)驗(yàn)結(jié)果同時(shí)也表明了實(shí)驗(yàn)中特征因子及門限值選取的合理性。干擾識(shí)別的關(guān)鍵在于比較判決,也就是決策樹內(nèi)部的時(shí)域峰平比門限ThRpm、歸一化頻譜的3 dB帶寬門限ThBuw、歸一化頻譜峰度系數(shù)門限ThKS、歸一化頻譜平坦度門限Thδpns、分?jǐn)?shù)階傅里葉域能量聚集度門限ThRfr、時(shí)域矩峰度系數(shù)門限ThKurt、零中心歸一化瞬時(shí)幅度譜密度的最大值門限Thγmax、強(qiáng)信號(hào)段零中心歸一化瞬時(shí)頻率絕對值的標(biāo)準(zhǔn)差門限Thσaf、高階累積量、零中心歸一化瞬時(shí)幅度絕對值的標(biāo)準(zhǔn)差門限Thσaa等各種門限的選取。不同的特征因子有不同的門限,有時(shí)特征因子的門限還會(huì)因?yàn)槠湓诹鞒讨械奈恢玫牟煌煌?甚至?xí)鶕?jù)不同的電磁環(huán)境、不同的頻率而設(shè)置不同的門限,因此,門限的選取一般依據(jù)實(shí)際情況或經(jīng)驗(yàn)而定。針對不同的干擾信號(hào),已有許多研究成果可供借鑒,且有不少學(xué)者仍在研究。隨著后續(xù)研究的深入,針對不同的信號(hào)干擾,各類門限的設(shè)置將會(huì)更加科學(xué)、更加合理。

4 結(jié) 論

本文針對航天測控鏈路受到的干擾信號(hào)類型及調(diào)制方式,通過選取不同干擾信號(hào)在時(shí)域、頻域或變換域的典型特征因子,應(yīng)用決策樹的分類方法,在無需獲取干擾先驗(yàn)信息的情況下,設(shè)計(jì)了一種航天測控干擾信號(hào)識(shí)別方法。通過仿真驗(yàn)證,該方法能夠有效識(shí)別航天測控鏈路面臨的十余種不同類型及調(diào)制方式的干擾信號(hào),具有工程實(shí)踐性。應(yīng)用決策樹的干擾信號(hào)識(shí)別方法的準(zhǔn)確性取決于各節(jié)點(diǎn)的門限選取,這些門限需根據(jù)新的干擾信號(hào)進(jìn)行不斷訓(xùn)練和更新。