基于變換域選擇的干擾抑制技術

向 敏，胡 飛，周 軍

(1.海軍駐成都地區通信軍事代表室，四川成都610041;2.西南通信研究所，四川成都610041)

0 引言

實際的無線通信環境中存在著各種各樣的干擾，可以將其分為人為干擾和非人為干擾。人為干擾是一種故意干擾，目的是對敵方有針對的施放干擾，達到破壞對方正常通信的目的。非人為干擾一般都是來自于自然環境，比如天線間干擾，多徑干擾，噪聲干擾等。對于來自自然環境的干擾，現有的技術一般是通過一些方法來降低其影響(如均衡、濾波等)，但是不能完全消除掉，而對于人為的、有敵意的干擾，則利用信號處理的方法進行消除或削弱其影響。

現有的一些文獻中都是有針對性地對某些干擾進行檢測并抑制［1－2］。在擴頻通信系統中對于窄帶干擾，現有的抑制方法一般分有時域估計與抵消［3］、變換域抑制［4］、和碼輔助抑制［5］等。對于一個好的干擾抑制算法必須當干擾特性未知時，接收機必須能夠盲抑制和自適應抑制干擾［6］。盲抑制即接收機在沒有任何干擾的先驗信息時對干擾進行抑制，而自適應干擾抑制能夠有效地抑制各種變化的干擾信號。而現有的一些干擾抑制算法都是針對某種特定類型的干擾進行研究。如果干擾信號不屬于其適應的范圍，其干擾抑制效果則非常差。在文獻［7］中研究了一種能抑制不同類型干擾信號的抑制算法，然其復雜度非常高。對于有些信號適合在時域進行抑制，有些信號適合在頻域進行抑制，然而關鍵的一點是如何選擇在哪個變換域抑制干擾最佳，如果確定了在哪個變換域去抑制，復雜度就相對降低了很多。文獻［8］中主要研究了基于變換選擇的干擾抑制算法(TSISA，Transform－Selective Interference Suppression Algorithm)，該算法采用一種百分比度量選擇算法選擇在時域或者頻域進行抑制干擾。這種度量選擇算法有一個缺點就是復雜度相對較高，因為它首先要對各個樣點的能量進行排序。而在文獻［9］中采用壓縮增益度量選擇算法，并且研究了時域、FFT域和分數階傅里葉變換(FrFT，Fractional Fourier Transform)域，通過這種度量選擇算法能正確選擇最佳干擾抑制域。文獻［10］研究了基于變換選擇的干擾抑制算法，分析對比了四種度量選擇算法的性能，包括百分比度量，方差系數度量，最大值度量和壓縮增益度量，并比較了各種度量算法的復雜度。

文中主要研究了一種基于變換選擇的干擾抑制算法，提出了一種改進的度量選擇算法，并和文獻［10］中的四種度量選擇算法的性能進行了比較。通過度量選擇算法選擇最佳的干擾抑制域后再采用前向連續均值消除算法對干擾進行抑制。

1 系統模型

接收機接收到的信號如式(1)所示。其中s(n)是發送的調制信號，v(n)是零均值、單邊功率譜密度為N0的加性高斯白噪聲，i(n)表示干擾信號，它有可能是脈沖干擾、單音干擾、多音干擾、和窄帶干擾等。

一般人為現在常見的人為干擾有:脈沖干擾，單音(STJ，Single－Tone Jamming)和多音干擾(MTJ，Multiple－ Tone Jamming)，窄帶干擾(NBI，Narrowband Interference)等。

1)脈沖干擾。脈沖干擾是在時域很少一部分時間內施放干擾，又可以稱為部分時間干擾。它作用的時間較短，但突發的脈沖幅度很大。這種干擾具有平坦的頻譜特性，且其頻譜覆蓋整個信號帶寬。脈沖干擾不是連續干擾，它是有一定概率的。當干擾沒有發射時，接收的數據信息可以看作是無差錯的，但是當干擾發射時，如果選擇適當的占空比(在一段工作時間內脈沖占用的時間與總時間比)，就可以對通信系統造成嚴重的破壞。脈沖干擾一般包括兩種形式，一種是零均值高斯隨機變量，另外一種是恒定幅度沖激信號。

2)單音和多音干擾。單音和多音干擾都屬于音頻干擾，一般建模為L個復單音信號組成之和，用公式可以表示為:

式中，Pl表示單音信號的功率，fl表示單音信號的頻率，φl表示單音信號的初始相位，{φl}是在［0，2π)區間均勻分布的隨機相位。

3)窄帶干擾。窄帶干擾一般可以建模為多個單音信號的疊加或者窄帶高斯噪聲［11］，窄帶高斯噪聲可以將高斯噪聲通過帶寬為W的理想帶通濾波器濾波得到。

2 基于變換選擇的干擾抑制算法

這些干擾在不同的數字域上具有不同的特征，基于變換選擇的干擾抑制算法就是要根據干擾信號在各個數字域上的度量值來選擇正確的變換域去抑制干擾。因此基于域選擇的干擾抑制算法的關鍵是要根據度量值正確選擇變換域，然后采用合適的抑制算法對干擾進行抑制。在文獻［10］中研究了四種度量選擇算法，包括百分比(PRC，Percentiles)度量，最大值(MAX，Maximum)度量，方差系數(CV，Coefficient of Variation)度量，壓縮增益(CG，Compression Gain)度量。文中提出了一種新的修正的最大值度量選擇算法。

修正的最大值度量(Modified MAX)

表1是各種度量算法的復雜度比較［10］，從表1中可以看出，MAX度量算法復雜度最低，CV和CG復雜度居中，PRC度量算法復雜度最高，因為它需要對數據進行排序。

表1 度量算法的復雜度比較Table 1 Complexity comparison of different type metric algorithms

圖1是基于變換選擇干擾抑制算法的框圖，接收機根據不同變換域統計其度量值的大小，然后再選擇最優的域去抑制干擾，這些度量算法分別是上述提到的 PRC、MAX，CV、CG 和 Modified MAX。圖中列出了三種域，包括時域，傅里葉域和分數階傅里葉域［10］。域的選擇也不僅限于這幾種，還可以包括小波變換域等，這里暫不考慮。

圖1 基于變換域選擇干擾抑制算法框Fig.1 Diagram of interference suppression based on transform domain selection

在選擇好最佳的變換域后，最關鍵的就是要采用合適的抑制算法將干擾消除。在文獻［12］中研究了一種自適應多門限干擾抑制算法，抑制干擾的門限TH=5μ，μ表示信號的平均功率，虛警概率0.006 7，文中采用文獻［12］中的門限值TH=5 μ，并利用文獻［13］中的前向連續均值消除(FCME，Forward Consecutive Mean Excision)法對干擾進行抑制。

3 仿真性能

以下仿真結果都是基于跳頻系統上做的。其中每跳駐留時間為100 ms，信號帶寬為12 kHz，傳輸速率為1 200 b/s。假設時間和頻率都是理想同步，BPSK調制，信道編碼為［7，6］8卷積碼，維特比譯碼，AWGN信道。基于變換選擇的干擾抑制算法的變換域度量算法分別有PRC、MAX、CV、CG和Modified MAX，變換域有三種，分別為時域，FFT域和Fr-FT域，FCME抑制干擾的門限采用5μ，μ表示接收信號的平均功率，FFT長度512，%50重疊加窗，512階Blackman窗。

圖2為基于變換選擇的時域脈沖干擾抑制性能的曲線圖，其中脈沖干擾是零均值復高斯隨機變量，干信比ISR=30 dB。從仿真結果可以看出，對于時域脈沖干擾信號，幾種度量選擇算法的性能基本上是一致的，都能選擇正確的變換域對干擾進行抑制。

圖2 不同度量選擇算法的脈沖干擾抑制性能Fig.2 Performance of pulse interference suppression with different metric selection algorithms

圖3是基于變換選擇的多音干擾抑制性能的曲線圖，干信比ISR=30 dB，ISR是指每個單音干擾信號和信號的功率比，即對于多音干擾實際的ISR要大于30 dB。從仿真結果可以看出，隨著單音信號個數的增加，系統的誤碼性能也隨著增加。對于多音干擾信號，最大值度量選擇算法性能最差，而其余4種度量選擇算法性能基本一致。

圖3 不同度量選擇算法的多音干擾抑制性能Fig.3 Performance of multi－ tone interference suppression with different metric selection algorithms

圖4所示是基于變換選擇的窄帶噪聲干擾抑制性能，其中背景信噪比SNR=－1 dB，干擾信號帶寬400 Hz。從仿真結果可以看出，對于干信比在0～30 dB范圍內的窄帶干擾，最大值度量選擇算法的性能是最差的，而其余四種度量選擇算法都能選擇正確的變換域去抑制干擾。

圖4 不同度量選擇算法的窄帶干擾抑制性能Fig.4 Performance of narrow bandwidth interference suppression with different metric selection algorithms

圖5、圖6和圖7分別是脈沖干擾、多音干擾和窄帶干擾在各種變換域的性能比較。其中TSISA算法是采用修正的最大值度量算法，從時域、FFT域和FrFT中選擇最佳的干擾抑制域。從仿真結果可以看出，修正的最大值度量算法選擇的變換域與最佳干擾抑制域的性能是基本一致的，而對于非最佳干擾抑制域性能則相對要差。

圖5 脈沖干擾抑制性能(ρ=0.1，ISR=30 dB)Fig.5 Performance of pulse interference suppression(ρ =0.1，ISR=30 dB)

圖6 多音干擾抑制性能(ISR=30 dB，3個單音信號)Fig.6 Performance of multi－ tone interference suppression(ISR=30 dB，3 tones)

圖7 窄帶干擾抑制性能(SNR=－1 dB，干擾帶寬400 Hz)Fig.7 Performance of narrow bandwidth interference suppression(SNR= －1 dB，bandwidth of interference:400 Hz)

綜合以上仿真結果可以看出，文中提出的修正的度量選擇算法的性能和百分比度量、方差系數度量和壓縮增益度量選擇算法性能基本一致，而從復雜度上看，百分比度量選擇算法復雜度最高，壓縮增益和方差系數度量算法復雜度居中，修正的最大值度量算法復雜度最低，因此綜合考慮性能和復雜度，文中提出的修正的最大值度量選擇算法是相對最好的。

4 結語

文中研究了一種基于變換選擇的干擾抑制算法，并提出了一種修正的最大值度量選擇算法。通過仿真分析，對于不同的干擾，該算法能準確地選擇最佳干擾抑制域，和其他性能較好的度量選擇算法相比，它的性能和其他算法基本一致，并且其復雜度要比其他算法低很多。

［1］范永全，張家樹，周波.基于OBE算法的混沌通信盲干擾抑制［J］.通信技術，2007，40(12):21－23.FAN Yong－quan，ZHANG Jia－shu，ZHOU Bo.Blind Narrowband Interference Suppression in Chaotic Communication based on Optimal Bounding Ellipsoid Algorithm［J］.Communications Technology，2007，40(12):21 －23.

［2］安建偉，蘇廣川.BPSK擴頻信號中基于循環平穩模型的干擾抑制算法［J］.通信技術，2006(增刊):19－22.AN Jian－wei，SU Guang－chuan.Interference Excision Algorithm in Spread Spectrum Communication Systems based on Cyclostationary Signal Model［J］.Communications Technology，2006，S1:19 －22.

［3］POOR H V，RUSCH L A.Narrowband Interference Suppression in Spread Spectrum CDMA［J］.IEEE Personal Communications，1994，1(03):14 －27.

［4］Perez－Solano Juan Jose，Felici－Castell Santiago，Rodriguez － Hernandez Miguel.Narrowband Interference Suppression in Frequency－hopping Spread Spectrum U-sing Undecimated Wavelet Packet Transform［J］.IEEE Transactions on Vehicular Technology，2008，57(03):1620－1629.

［5］ZHAO T，YANG Z，ZHAO Y.Partial Code Aided Scheme for Narrowband Interference Suppression in Direct Sequence Spread Spectrum Systems［J］.IET Communication，2010，4(18):2240 －2251.

［6］KRISHNAMURTHY V，YIN G，SINGH S.Adaptive step－size Algorithm for Blind Interference Suppression in DS/CDMA Systems［J］.IEEE Trans.Signal Processing，2001，49(01):190－201.

［7］POUTTU A，RAUSTIA M，HENTTU P，et al.Method Selection Diversity Approach to Interference Suppression［C］//IEEE 7th International Symposium on Spread－Spectrum Tech＆Appl.［s.l.］:IEEE，2002:623 －627.

［8］LEHTOMAKI J，VARTIAINEN J，HARRI S.Domain Selective Interference Excision and Energy Detection of Direct Sequence Signals［C］//Proc.of the 6th Nordic Signal Processing Symposium NORSIG.［s.l.］;［s.n.］，2004:216－219.

［9］AROMAA S，HENTTU P，JUNTTI M.Transform Selective Interference Suppression Algorithm for Spread Spectrum Communications［J］.IEEE Signal Processing Letters，2005，12(01):49 －51.

［10］VARTIAINEN J，LEHTOMAKI J，SAARNISAARI H，et al.Interference Suppression in Several Transform Domains［C］//IEEE Military Communications Conference MILCOM 2005.［s.l.］:IEEE ，2005:2294 －2300.

［11］WANG X，POOR H V.Robust Multi－user Detection in Non － Gaussian Channels［J］.IEEE Transaction Signal Process，1999(47):289 －305.

［12］張春海，薛麗君，張爾揚.基于自適應多門限算法的變換域窄帶干擾抑制［J］.電子與信息學報，2006，28(03):461－465.ZHANG C.H.，XUE L.J.，ZHANG E.Y.Narrow －Band Interference Suppression in Transform Domain based on Adaptive Multi－ Threshold Algorithm［J］.Journal of Electronics＆ Information Technology，2006，28(3):461－465.

［13］SAARNISAARI H，HENTTU P，JUNTTI M.Iterative Multidimensional Impulse Detectors for Communications based on the Classical Diagnostic Methods［J］.IEEE Trans.Commun.，2005，53(03):395 －398.