王桂勝, 黃國策, 王葉群, 董淑福, 任清華, 魏 帥

(1. 空軍工程大學信息與導航學院, 陜西 西安 710077;2. 中國人民解放軍95910部隊, 甘肅 酒泉 735000)

0 引 言

目前,無人系統(tǒng)作戰(zhàn)的沖突對抗強度不斷增強,應用的廣度深度不斷拓展延伸[1],其通信鏈路在復雜對抗環(huán)境中極易遭受各類惡意電磁干擾的威脅,嚴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、低檢測性能的通信波形設計,能夠同時在發(fā)射端和接收端進行干擾抑制,實現(xiàn)了主動抵抗干擾頻譜的能力;特別是在復雜的戰(zhàn)場環(huán)境下,由于無人系統(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譜生成自適應的抗干擾波形,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人系統(tǒng)且非常有前景的認知通信抗干擾范例[4-5]。

隨著電子對抗技術的發(fā)展,通信干擾機的功能和樣式持續(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無人系統(tǒng)最有效的打擊手段[6],對傳統(tǒng)的TDCS提出了更高的抗干擾要求。目前現(xiàn)有的TDCS設計和改進更多的基于變換域思想進行干擾抑制和消除,如傅里葉變換、分數(shù)階和小波變換等[7-9]。在此基礎上,又發(fā)展出了基于壓縮感知的新型抗干擾技術,Davenport[10]基于通信信號和干擾的壓縮分量正交性提出了一種壓縮濾波方法,實現(xiàn)了干擾的有效抑制。裴立業(yè)等人[11]利用通信信號和干擾的稀疏可分性提出基于選擇性測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方法實現(xiàn)了干擾的時域對消和抑制。

考慮到干擾的多樣性及其時變特性,傳統(tǒng)的TDCS改進方法只局限于某一模塊的干擾處理,缺乏系統(tǒng)性,未與整個系統(tǒng)的信號處理過程結合分析,影響了系統(tǒng)性能的發(fā)揮。同時,隨著無人系統(tǒng)智能化技術的發(fā)展,通信智能化、系統(tǒng)化成為未來通信的一種發(fā)展趨勢。而傳統(tǒng)的TDCS設計適合于電磁環(huán)境相對較為理想的情況,在惡劣干擾環(huán)境下性能下降較為明顯。且整個系統(tǒng)通信抗干擾自主性不強、各模塊處理分散等問題,也進一步制約了系統(tǒng)的推廣應用。

為克服傳統(tǒng)TDCS存在的問題,本文設計了基于認知驅動的智能引擎,完善了傳統(tǒng)的TDCS系統(tǒng)架構,并分別針對寬度壓縮頻譜感知、干擾逼近、干擾識別、變換分析等各子模塊進行了詳細設計和功能描述,顯著降低了系統(tǒng)傳輸?shù)恼`碼率,提高了通信的可靠性。

1 干擾特性檢測與壓縮頻譜感知

1.1 干擾特性分析

當前,無人系統(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，轉發(fā)、欺騙等干擾樣式。同時干擾策略不斷優(yōu)化,既有功率和頻率的交織,又有內容和時機的對抗[13-14]?？紤]到頻譜劃分,可將干擾分為瞄準式干擾、多頻點干擾和攔阻式干擾[15-16],其中瞄準式干擾通常指干擾與被干擾信號頻譜重合度較高的一類干擾形式,如窄帶干擾等;多頻點干擾是對多載頻信號的干擾,可分為頻分多頻點干擾、時分多頻點干擾和綜合多頻點干擾等;攔阻式干擾是對被干擾信號頻帶范圍進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?？紤]到干擾的多樣性,可以對各類干擾進行變換分析,以提高干擾處理能力[17-19]。以短時傅里葉變換為例,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,有效降低信號處理的復雜度、提高處理速度。

圖1 典型干擾的時頻特征

1.2 干擾檢測分離

由于寬帶TDCS通信信號都可以被壓縮,即在選擇合適的基進行變換后能夠用稀疏信號很好地表達出來[20],這為下一步干擾信號的稀疏表示和重構提供了理論基礎。通過將TDCS通信信號和干擾轉換到對應的優(yōu)選域中進行處理,利用在某種維度或域上的不同稀疏特性可以較好地實現(xiàn)檢測分離。目前,基于壓縮的干擾抑制方法主要包括選擇性測量、稀疏分離、重構對齊等方法。

(1) 干擾的選擇性測量[21-22]。該方法主要利用測量矩陣的不同特性實現(xiàn)對電磁信號的選擇性接收,從而達到干擾和通信信號的分類壓縮采樣,具有原理簡易高效、針對性強等優(yōu)勢;但不同程度地降低了通信信號的重構性能,且需要根據(jù)不同的干擾特性設計最優(yōu)干擾子空間,算法復雜度高。

(2) 干擾的稀疏分離[12, 23]。該方法通常利用干擾和通信信號在相同或不同字典下的稀疏表示可分性實現(xiàn)對電磁信號的稀疏分離,由于不需要全部或大部分干擾信息的重構,所以具有計算簡單、復雜度低等特點;但要求干擾的高度稀疏性,且針對性設計稀疏字典,無法有效應對通信信號的相干干擾。

(3) 干擾的重構對齊[24-25]。該方法主要適用于干擾強度較大的場景,利用高精度的重構干擾在時域上對齊干擾并消除,能夠減少對通信信號的負面擾動,且在一定范圍內重構精度隨著干擾強度的增強而提高;但實際中存在干擾消除不徹底的現(xiàn)象,需要從硬件上改進多天線結構以提升自身性能,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制帶寬轉換器(modulated wideband converter, MWC),利用壓縮感知等技術快速獲取當前寬帶頻譜信息,有效探測出周圍電磁環(huán)境中的干擾和噪聲,具體實現(xiàn)過程如圖2所示。

圖2 寬帶TDCS中的壓縮頻譜感知

該信號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個干擾序列dκ(n)具有較強的能量,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的觀測矩陣Φ。為保證信號的恢復效果,觀測矩陣Φ滿足以下約束條件:

(1) 對于任意K稀疏信號x和常數(shù)δs∈(0,1),滿足:

(1-δs)‖x‖2≤‖Φx‖2≤(1+δs)‖x‖2

(4)

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

(5)

最后,通過求解觀測矩陣A的優(yōu)化問題進行原始干擾信號的重構處理,從而實現(xiàn)寬帶電磁環(huán)境壓縮的頻譜感知,并建立干擾的重構波形庫,表示為

min ‖ΨHx‖F(xiàn)s.t.y=Φx

(6)

2 認知引擎驅動的干擾智能處理

為更加智能、準確地規(guī)避干擾頻譜,在Fumat等人[9]設計的傳統(tǒng)TDCS接收機模型基礎上,通過將認知驅動的引擎嵌入到TDCS中,實現(xiàn)干擾的智能化處理?？紤]到寬帶頻譜感知的實際需要,設計了基于認知引擎驅動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技術發(fā)展較為成熟,在此不再贅述。圖3簡要描述了其系統(tǒng)結構框圖,各模塊的具體功能及用途將在下面詳細闡述。

圖3 基于認知引擎驅動的智能TDCS

2.1 干擾逼近子模塊

干擾逼近子模塊是認知驅動引擎的處理基礎,用于進一步提升系統(tǒng)對于各類潛在干擾和未知干擾樣式的自適應能力,特別是在大樣本和各種未知參數(shù)的干擾下,能夠有效應對惡意通信干擾的威脅。

(7)

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

對于已知的K個稀疏向量Xk∈Rm和對應稀疏的干擾向量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為對應不同干擾向量的觀測矩陣;f(·)為稀疏度的規(guī)則函數(shù)。為便于優(yōu)化求解,故將其轉化為無約束的優(yōu)化問題,即:

(9)

式中,α>0。

考慮到觀測的干擾向量具有多樣性,干擾矩陣X可采用擴展的行稀疏模型[27],即在行稀疏模型的基礎上疊加部分元素稀疏,故各干擾向量可不強制約束于共享相同的支集ζ(Xk)={i,Xk(i)≠0},因此可將式(9)轉化為以下優(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重系數(shù)。

通過求解對應的干擾矩陣X和觀測矩陣Φ,可對未知干擾Yk進行逼近觀測和特征提取,并標記處理,從而構建關于干擾的特征波形庫。

2.2 干擾識別子模塊

干擾識別子模塊是認知驅動引擎的智能核心,可通過一系列智能算法,如集群智能、強化學習、神經(jīng)網(wǎng)絡等,區(qū)分各型各樣的已知干擾或未知干擾,從而進一步增強系統(tǒng)處理各類潛在干擾和未知干擾樣式的針對性。為有效應對窄帶、梳狀譜等干擾類型和轉發(fā)、欺騙等干擾樣式以及功率、頻率和內容等干擾參數(shù)的多樣化,可基于干擾信號特征空間、稀疏表示等理論基礎[28],利用神經(jīng)網(wǎng)絡、變換學習等方法進行對干擾的智能分類識別,從而完善分類的特征庫。本文中該子模塊的實現(xiàn)采用稀疏表示的變換學習分類方法,具體過程如下。

對于觀測到的稀疏干擾向量Yk∈Rnk,根據(jù)建立的初始特征庫Tc:Yk→φ(Yk)進行基本的干擾類型和樣式識別處理:

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特征空間。

當特征庫的基本分類精度難以滿足識別要求時,通過嵌入類型未知但相互分離的干擾數(shù)據(jù)集來更新初始的分類標簽,從而進一步提高逼近和識別的準確性。

采用基于標簽一致性準則的變換學習方法進行逆問題求解,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)先前預測的未知干擾類型,利用預測干擾因子的類別來指導變換學習,其數(shù)學表達式為

(13)

式中,W為系數(shù)θ與類別標簽Q的映射關系。

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

(14)

(15)

通過交替迭代[29]的方法可將式(15)轉換為幾個更簡單的子問題,具體表述為

(16)

利用Cholesky分解和SVD的偽逆形式進行系數(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知驅動引擎的關鍵環(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依據(jù);通過變換域、稀疏分解、匹配追蹤等[30-32]變換分析方法并選擇適當?shù)慕馕鲎儞Q,使得許多變換系數(shù)更接近于零,保證了干擾處理過程中的稀疏特性,從而提高了干擾識別和消除的有效性,并進一步構建變換波形庫。本文中該子模塊采用基于稀疏表示的變換分析方法,具體實現(xiàn)過程如下。

對于觀測到的干擾Yk∈CN,其稀疏度K?N,為表征其變換分析,設定可變的變換函數(shù)T(·)來獲得其相應的變換域,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換為無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子問題,從而獲得問題的近似解為

(19)

進而給出其無約束的變換稀疏表示迭代形式為

(20)

(21)

通過學習最佳的正交基來實現(xiàn)相應最佳變換的選擇,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,對得到的基函數(shù)進行相應的逆變換,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)位流上用來合成發(fā)射信號,處理后經(jīng)射頻端通過無線信道發(fā)至接收端,接收端經(jīng)降噪、同步、解調等處理后獲得原始信號,完成雙方的通信。

2.4 抗干擾性能分析

由于TDCS通信信號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影響到干擾的檢測過程。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;y為干擾;n為環(huán)境噪聲。在此基礎上,利用假設檢驗的求解方法,根據(jù)所得拒絕域判定干擾是否存在。

在假設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),利用提出的結構化稀疏逼近方法獲得觀測矩陣Φ,問題可建模為

s=c+y+n=Φ(c′+y′+n′)=Φ(c′+n′)+Φy′

(25)

利用提出的變換學習稀疏表示方法所獲得的字典Ψ和系數(shù)向量θ,進一步將問題表示為

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

(26)

式中,A為觀測向量,然后利用變換分析實現(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的可分性,即

(27)

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

3 實驗仿真與分析

3.1 干擾逼近與識別子模塊

為驗證該模塊設計的有效性,在信噪比(signal to noise ratio,SNR)處于[-2 dB, 10 dB]范圍內分別進行200次干擾頻率變化的蒙特卡羅實驗,進而獲得1 200組干擾樣本。對獲得的6類干擾數(shù)據(jù)集選取600組進行識別器的訓練,剩余數(shù)據(jù)集進行多分類識別分析,并與傳統(tǒng)的SVM多分類器進行對比。干擾信號仿真中,假設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頻干擾外樣本頻率間隔均為10 MHz,具體各干擾信號仿真參數(shù)的設置為:單音干擾初始頻點為75 MHz;多音干擾初始多頻點為[25,50,75]MHz;窄帶干擾初始帶寬為100 MHz,頻率重疊度為10%;脈沖干擾沖激響應為[8,4,2]δ(t),噪聲信號強度為-5 dB,強度間隔為0.1 dB;單分量線性調頻干擾初始頻率為75 MHz,初始相位π/4,初始調頻率為250,調頻率間隔為10;梳狀譜干擾初始頻點為25 MHz,調頻率為800。

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

圖4 不同干擾下的識別效果對比

3.2 變換分析子模塊

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

具體的干擾變換分析結果如圖5所示。

圖5 不同干擾的最優(yōu)變換分析

分析結果發(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,高稀疏度的線性調頻干擾和低稀疏度的噪聲調頻干擾更適合于分數(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的優(yōu)選順序。

3.3 系統(tǒng)性能驗證

根據(jù)設計的基于認知引擎驅動下智能抗干擾TDCS架構和原理,在不同干擾場景對整個系統(tǒng)的信號處理過程進行了測試。系統(tǒng)在SNR在-3～8 dB的范圍內發(fā)射1 000位的數(shù)據(jù)流,信道條件設置為高斯信道,其中m序列長度為10 240位,隨機抽取連續(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后,進入干擾的逼近識別與變換分析,并相應地生成基函數(shù)對數(shù)據(jù)流進行調制,在接收端進行相應地調解處理,分析其系統(tǒng)的信號變換及其相關誤碼率,具體實驗結果如圖6～圖9所示。

圖6 梳狀譜干擾圖

圖7 干擾信號的變換分析與重構

圖6和圖7展示了在電磁環(huán)境噪聲與梳狀結合的譜干擾條件下頻譜狀態(tài)圖,該干擾頻譜占據(jù)了整個頻譜帶寬的25%左右,可見是一種較強的寬帶干擾樣式。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,且重構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。

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

圖8 基函數(shù)的自相關特性

通過在接收端的解調處理后,整個系統(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,能夠實現(xiàn)可靠的通信傳輸,具體實驗結果如圖9所示。

圖9 系統(tǒng)的性能比較

4 結 論

為滿足無人系統(tǒng)通信智能抗干擾的實際需要,在傳統(tǒng)TDCS基礎上設計了基于認知引擎驅動的智能TDCS系統(tǒng)架構,并針對各子模塊分別進行了詳細設計,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習干擾識別方法以及迭代更新的變換稀疏分析方法,簡要描述了各自功能和工作原理。實驗結果表明,設計的各子模塊頻譜感知和重構效果良好,干擾的逼近識別準確率較高,且能針對性地選擇出最優(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,下一步將圍繞整個無人系統(tǒng)網(wǎng)絡開展智能化壓縮抗干擾技術的研究。