盲源分离技术在通信侦察系统中的应用

盲源分离技术在通信侦察系统中的应用摘要:针对如何快速、准确地对无线电通信信号进行截获、分离和识别是现代通信侦察的瓶颈,盲源分离对于解决这些难题具有独特的优势。给出了基于盲源分离的无线电通信侦察系统模型，从DoA估计和调制样式识别两方面讨论了盲源分离技术在该领域的应用情况。通过具体的仿真实验，证明了盲源分离应用于通信侦察的正确性和可行性。关键词:盲源分离；无线电侦察；DoA估计；调制识别ApplicationofblindsourceseparationinradiosurveillanceAbstract:Howtoacquire,separateandidentifytheradiocommunicationsignalsquicklyandexactlyisabottleneckofmodernradiosurveillance,andblindsourceseparation(BSS)issuitablefordealingwiththeseproblems.ThemodeloftheradiosurveillancesystembasedonBSSispresented,andtwonovelapplicationsarediscussed,i.e.thedirection-of-arrival(DoA)estimationandmodulationidentification.SimulationresultsshowthattheBSSsolutioninradiosurveillanceisvalidandfeasible.Keywords:blindsourceseparation;radiosurveillance;direction-of-arrivalestimation;modulationidentification引言现代战场通信信号环境日益复杂,如何有效地对信号进行快速、准确地截获、分离和识别,是现代通信侦察的一大瓶颈问题。主要表现在:信号分析时,难以对时域或频域重叠在一起的信号进行分析,如何对混叠的信号进行有效分离;信号测向时,传统的测向方法精度不高,而一些超分辨率方法计算量过大,如何提高测向的速度和精度;信号识别时,特征参数受环境影响较大,如何消除噪声的影响,采用最简单的方法来达到最理想的分类识别效果。这些问题的存在,一直束缚着通信侦察装备的发展。近年来,盲信号处理技术在信号处理领域受到了广泛关注,根据其应用领域的不同,又可分为盲源分离、盲反卷积和盲均衡等技术。其中盲源分离(blindsourceseparation,BSS)是指从若干观测到的多个信号的混合信号中恢复出无法直接观测到的原始信号的方法。目前,这个领域的研究引起了众多学者的极大兴趣,出现了许多成功的分离算法,在实际中也得到了一定应用。在无线电通信侦察领域,盲源分离的应用还是初步的,而盲源分离却对于解决现代通信侦察中的瓶颈问题有着独特的优势,不仅能对多路混叠的通信信号进行可靠的分离,同时也能完成信号波达方向的估计。一通信信号的盲源分离基于盲源分离的无线电通信侦察系统模型如图1所示。首先,天线阵列接收到来自各个方向的信号,经A/D采样等预处理后对阵列输出的混合通信信号进行盲分离,然后一方面可对分离出来的单个信号进行调制样式识别,另一方面可根据所得到的混合矩阵估计信号的波达方向,最后可根据测向和识别的结果对信号进行解调、干扰、预警等进一步的分析和处理。阵列信号处理中,通常观测信号来自天线阵的输出,其中每一个天线接收到多个原始信号的一组混合。假设N个信号源所发出的信号被M个天线阵元接收到,传输是瞬时的,并且天线接收到的是各个信号源的线性混合,即线性瞬时混叠模型。该模型可以用下面的混合方程描述式中式中:s(t)——N维未知源信号向量,x(t)——M维观测数据向量,n(t)——加性噪声,M×N维矩阵A称为混合矩阵,即阵列流型矩阵,θi——第i个信号到达阵列参考阵元的方向角。盲源分离需要解决的问题就是在混合矩阵A和源信号未知的情况下,只根据观测数据向量x(t)来恢复出相互独立的源信号s(t)。分离系统模型为式中:y(t)=[y1(t),…,yN(t)]H——源信号的估计,P——置换阵,D———对角阵。若经过计算使得分离矩阵W满足WA=PD,那么源信号s(t)便可通过观测向量完全得以恢复。目前关于盲源分离的算法很多，其中比较典型的有infomax算法,FastICA算法和Cardoso的JADE算法。比较可发现这三种算法中JADE算法不但分离效果好，而且运算速度快，因此本文采用JADE算法对通信信号进行盲分离。JADE算法的基本思想就是先将接收信号进行预白化,然后再寻找一个酉矩阵,它能对角化白化信号的四阶累积量矩阵,通过白化矩阵和特征分解法得到的酉矩阵可以估计出混合矩阵和分离矩阵,从而恢复原信号。其算法步骤如下(1)根据观测数据x(t),计算白化矩阵W;(2)计算白化过程z(t)=Wx(t)的四阶累积量矩阵Qz(P)的集合(3)通过Jacobi技术联合对角化Qz(P),估计酉矩阵U;(4)估计混合矩阵A^=W+U(5)计算分离矩阵B=UHW,恢复原信^s(t)=Bx(t)。二基于BSS的DoA估计DoA估计的基本问题就是确定同时处在空间某一区域内多个感兴趣信号的空间位置,即各个信号到达阵列参考阵元的方向角,简称波达方向。盲源分离中,混合矩阵A即为阵列流型矩阵,包含了目标的方位信息,因此只要通过盲源分离求得混合矩阵的估计值A^便可对DoA进行估计。A^可描述为式中mk——幅度大小。但由于信号传输信道以及源信号知识的缺乏,盲分离存在模糊性或不确定性,主要表现在混合矩阵A的非完全辨识,A^的列向量和A相比其排列顺序和大小发生了变化,但在DoA估计中我们关心的是相位信息,因此模糊性不会影响DoA的估计。由式(3)可发现α^(θi)的指数项中存在(k-1)sin(θi)项,其中θ^为θ的估计值,为了消除k的影响,令则可构成一个与α(θi)相对应的序列除第一项外的各项指数部分中都含有θ^i,因此只要对其中任一项求相位分量后计算反正弦,则可得到θi的估计值为了取得更好的估计性能,对各项的估计结果取平均,便可得到DoA的一个简单估计公式三数字通信信号的调制识别通信信号调制识别是对敌方通信进行侦听、解调和干扰的前提,但目前的识别算法都是基于单个信号,因此识别前必须把混叠的通信信号正确分选成一个个单独的辐射源信号。传统的信号分离方法都存在各自的不足,如基于FFT理论的周期图法无法对频谱重叠的信号分离,波束合成法可对不同方向的信号进行分离,但需要一定的先验知识,而盲源分离法则突破了这些局限,显著的优点就是“盲”,即不需要目标信号的先验知识,对任何形式的信号都适用。盲源分离后得到了单个的通信信号,经过滤波、载波提取等处理后,就可以进行信号的识别。同样由于盲分离的模糊性,分离后信号的幅度和顺序发生了变化,但信号的基本信息(频率、相位、幅度变化等)并没有改变,因此不会影响到识别结果。目前调制识别的方法很多,其中Azzouz和Nandi提出的基于信号瞬时特性的模式识别算法在该领域中占主导地位,为简单起见,这里利用该方法对盲分离后的几类数字信号(ASK、PSK和FSK)进行识别研究。根据信号瞬时特征提取的如下两个特征参数:①信号瞬时幅度功率谱的最大值γmax;②非弱信号段瞬时频率的直接标准偏差σdf,识别算法流程如图2所示。四仿真分析实验1D0A的估计选取三路通信信号:2ASK、2FSK和4PSK,载波频率均为100kHz,所以三路信号在频谱上是混叠的,采样频率为1MHz,采样点数为4000,2FSK信号频偏为20kHz,信号的入射角分别为:15°、30°、45°,天线阵为8阵元的ULA,阵元间距为半个波长,混合噪声为加性高斯白噪声,信噪比变化范围为-15dB～15dB,每个信噪比进行1000次独立实验。为了评价角度估计的精度,利用角度偏差来衡量,即式中:θ——实际的角度值,θ^——估计的角度值。同时选取MUSIC算法进行比较,仿真结果如图3所示。可见采用MUSIC算法时三路信号的平均角度偏差要低于BSS算法,即BSS算法的估计精度要弱于其它超分辨率方法。其主要原因是盲源分离的分离效果受诸多因素的影响,如信号源的相关性、初始化矩阵、非线性函数的选择等,实际的盲源分离不能达到完全意义上的分离,只能使混合矩阵的估计值尽量接近真实值,因此基于BSS的DoA的估计精度要相对差些。但在混合信噪比大于-6dB时,平均角度偏差均小于2°,在测向精度要求不是特别高的情况下是完全可以接受的。另外从计算时间看,MUSIC算法是按一定的步进在整个角度域内进行搜索,要到达一定的精度必须花费大量的时间,例如在同样的前提条件下,要求MUSIC算法精度达到千分之一时,所用的时间将近是BSS算法的5倍,因此基于BSS的DoA估计的实时性要高于MUSIC算法。实验2数字信号的调制识别三路信号的输入信噪比变化范围均为:-5dB～20dB,每个信噪比进行1000次独立实验,其它条件同实验1。首先通过BSS将频谱混叠的通信信号分选成单个信号,然后根据前面提出的算法逐一进行识别,识别概率(Pr)随信噪比的变化关系如图4所示。结果表明,信噪比在8dB以上时,三种信号的识别概率均在90%以上。但同时可发现,此时的识别概率比采用纯信号时要低8dB左右,而且即使输入信噪比比较高时识别概率仍不能达到百分之百。这同样是因为盲源分离并不能达到完全意义上的分离,分离后信号的波形与原信号仍存在一定的差异,致使信号的某些特征减弱或丢失,此时不能对信号进行正确识别,因此识别概率还有待提高。五总结分析了基于盲源分离的无线电通信侦察系统结构,从D0A估计和调制识别这两方面研究了盲源分离技术在通信侦察中的应用,最后进行了计算机仿真。研究表明:虽然目前盲源分离的分离效果还有待进一步提高,D0A估计精度和调制识别概率还不是很高,但其优点是不容忽视的,采用盲源分离不仅能将频谱混叠的信号进行分离,而且所需先验知识少,计算简单,实时性强,能够解决现代通信侦察的瓶颈难题。同时仿真实验也表明将盲源分离技术应用于无线电通信侦察是完全可行的。参考文献:[1]罗迪.卫星通信[M].张更新，刘爱军，译.北京：人民邮电出版社，2002.[2]CichockiA.自适应盲信号与图像处理[M].吴正国,唐劲松，章林柯，等译.北京：电子工业出版社，2005.[3]付卫红,杨小牛,刘乃安,等.基于密度估计盲分离的通信信号盲侦察技术[J].华中科技大学学报,2006,34(10):24-27.[4]许士敏,陈鹏举.频谱混叠通信信号分离方法[J].航天电子对抗2004(5):53-55.