基于循環(huán)譜分析的航空通信干擾信號檢測

【摘要】隨著現(xiàn)代通信技術(shù)在航空領(lǐng)域的廣泛應(yīng)用，在機(jī)場環(huán)境下如何避免各干擾信號對航空通信的危害成為人們廣泛關(guān)注的焦點問題。本文基于機(jī)場環(huán)境下的信號感知模型，提出一種基于支持向量機(jī)（SVM）和譜相關(guān)性的干擾信號感知算法，有效避免了外界信號對航空通信信號的干擾。該算法采用信號循環(huán)譜進(jìn)行分析的方法提取特征向量，進(jìn)而結(jié)合SVM分類器對航空干擾信號進(jìn)行檢測。仿真結(jié)果表明，本文算法對干擾信號具有較高的分類檢測精度和良好的識別性能。

【關(guān)鍵詞】航空通信；干擾信號；循環(huán)譜；支持向量機(jī)

Abstract：With the application of modern communication technology in aerospace widely，how to avoid the hazard of the jamming signals to air traffic in the airport environment has become the focus issue which is concerned widely. In this paper，a novel method combining the spectral correlation features and support vector machine（SVM）based on the jamming signals detection model for avoiding the outside signals interference to aeronautical communications in the airport environment.We extract cyclostationary characteristic parameters as training samples and testing samples，then utilize a nonlinear SVM to detect the jamming signals.Test result shows that our algorithm achieves a good detection accuracy of classification and performance.

Keywords：air communications；the jamming signal；cyclic spectrum；support vector machine

1.引言

隨著現(xiàn)代航空科技的飛速發(fā)展，機(jī)場環(huán)境下如何避免各干擾信號對航空通信的危害已成為科技界研究的重要課題。針對頻頻出現(xiàn)的外界信號干擾對航空通信領(lǐng)域所造成的危害，傳統(tǒng)方法不能有效的進(jìn)行控制和解決[1-3]。不同信噪比環(huán)境下的干擾信號問題已成為目前亟待需要解決的焦點。鑒于以上問題，筆者提出一種基于支持向量機(jī)（SVM）[4]的干擾信號感知算法，有效避免了外界信號對航空通信信號的干擾，仿真結(jié)果表明，本文算法對干擾信號具有較高的分類檢測精度和良好的識別性能。

2.機(jī)場環(huán)境中信號感知模型

針對機(jī)場環(huán)境中干擾信號的頻譜感知特點[5]，設(shè)具有W個干擾信號戶，對其中任何一個檢測端，系統(tǒng)模型可歸納為一個二元模型：

（1）

其中，H0為無干擾信號出現(xiàn)情況，H1為有干擾信號出現(xiàn)情況，0≤t≤T，T為接收信號的采樣時間。Iw（t）為均值為零的循環(huán)平穩(wěn)信號（干擾信號）（w=1，2，…，W），n（t）為均值為零，方差為的加性高斯白噪聲。s（t）為航空通信信號。

基于此二元模型，分別提取H0和H1條件下循環(huán)譜特征參數(shù)構(gòu)成的特征向量作為訓(xùn)練樣本，利用SVM對待測樣本進(jìn)行檢測，進(jìn)而達(dá)到對干擾信號的感知檢測。

3.本文算法

基于檢測端干擾信號的循環(huán)譜特征提取方法，分別提取H0和H1條件下循環(huán)譜特征參數(shù)構(gòu)成的特征參數(shù)作為訓(xùn)練樣本，利用訓(xùn)練完成的SVM對待測樣本進(jìn)行檢測。算法實現(xiàn)步驟如下：

（1）針對接收信號，采集Q1個干擾信號存在時的特征向量作為訓(xùn)練的正樣本，其中，任意一個特征向量為Xi1，=1，2，…，Q1；采集Q0個干擾信號不存在時的特征向量作為訓(xùn)練的負(fù)樣本，其中，任意一個特征向量為Xi0，=1，2，…，Q0。

（2）將采集到的Q1個正樣本和Q0個負(fù)樣本構(gòu)成訓(xùn)練集G，并利用訓(xùn)練集G中的樣本對SVM進(jìn)行訓(xùn)練。

（3）重復(fù)步驟（1），得到的正負(fù)樣本作為待測樣本，利用訓(xùn)練完成的SVM實現(xiàn)對干擾信號的分類檢測。

4.仿真與分析

為了驗證本文算法在機(jī)場環(huán)境下的性能，對AM、BPSK和MSK調(diào)制信號作為干擾信號進(jìn)行仿真實驗。調(diào)制信號為含有窄帶白高斯噪聲的窄帶信號。仿真的信噪比為[0，5，10，15]，SVM分類器采用交叉驗證方法選擇C=50，=0.875。

表1為信噪比為5dB和10dB兩種情況下，分別使用MME、ANN和本文算法對3種調(diào)制信號分類所得的正確率。仿真結(jié)果表明，隨著信噪比逐漸降低，對于各調(diào)制信號，MME、ANN和本文算法的檢測正確率均有所下降，在信噪比S/N=0dB時，對于AM信號，本文算法的檢測正確率分別高于ANN和MME兩種算法9.6%和21%，對于BPSK信號和MSK信號，本文算法的檢測正確率也明顯高于其他兩種算法。

表1 不同算法下各干擾信號檢測正確率

調(diào)制

類型正確率%（S/N=0dB）正確率%（S/N=10dB）

MMEANN本文算法MMEANN本文算法

AM68.279.689.282.394.4100

BPSK72.182.392.588.595.2100

MSK68.479.490.086.697.098.1

以上仿真實驗結(jié)果表明，本文所提算法在機(jī)場不同信噪比環(huán)境下具有較好的干擾信號檢測性能，而且對AM，BPSK，MSK不同干擾信號的感知具有穩(wěn)健性。

5.結(jié)論

本文針對機(jī)場環(huán)境中，信道多徑衰落等不同信噪比情況下干擾信號檢測性能較低的問題，提出了一種基于SVM的循環(huán)譜干擾信號檢測識別算法。該算法利用對干擾信號循環(huán)平穩(wěn)特征參數(shù)進(jìn)行特征提取，并對SVM進(jìn)行訓(xùn)練以實現(xiàn)對待測樣本的檢測。仿真實驗結(jié)果表明本文所提算法能夠較好地實現(xiàn)對干擾信號的檢測，克服機(jī)場不同信噪比環(huán)境下干擾信號對航空通信信號的影響，可作為航空通信領(lǐng)域去除和對抗干擾信號的有效方法。

參考文獻(xiàn)

[1]李嵩斌，李慧芳.一種短波OFDM系統(tǒng)窄帶干擾消除技術(shù)[J].空軍雷達(dá)學(xué)院學(xué)報，2011（2）：125-127.

[2]張昊曄，包志華.基于循環(huán)譜能量的自適應(yīng)頻譜檢測算法[J].通信學(xué)報，2011（11）：95-103.

[3]侯利明，林孝康.基于OFDM技術(shù)的多用戶子載波分配算法[J].清華大學(xué)學(xué)報（自然科學(xué)版），2009（4）：528-530.

[4]王鑫，溫付民，杜愷.航空移動通信中OFDM技術(shù)的研究[J].科技風(fēng)，2013（2）：36-37.

[5]王再勵.認(rèn)知無線網(wǎng)絡(luò)中的協(xié)作頻譜檢測技術(shù)研究[D].北京郵電大學(xué)，2011.

基金項目：國家自然科學(xué)基金項目（項目編號：60904047）。

作者簡介：溫付民（1972—），男，中國人民解放軍93115部隊工程師，研究方向：電子信息。