智能定義無線電技術體系及其設計方法

嚴天峰，孫文灝，伍忠東，綻 琨，廉 敬，鄭 禮，湯春陽，安宇鵬

(1. 蘭州交通大學 電子與信息工程學院，蘭州 730070；2. 甘肅省無線電監測及定位行業技術中心，蘭州 730070； 3. 甘肅省高精度北斗定位技術工程實驗室，蘭州 730070；4. 蘭州大學 信息科學與工程學院，蘭州 730000)

軟件無線電(software radio,SR)是Joseph Mitola III博士在1992年5月美國電信會議上[1]提出的一種“用戶可重構的”無線電系統.它不但是一種新的無線電工程設計方法，還是一種新的思想體系.軟件無線電的思想和設計方法推動現代通信的發展，已在移動通信、雷達、電子偵查、無線電頻譜監測等諸多無線電工程領域得到廣泛應用，它奠定了現代無線數字通信的理論基礎，是無線通信中的超外差理論自二次世界大戰廣泛發展和應用之后的又一次飛躍.

Joseph Mitola III最早提出的SR是一種理想化無線電系統，SR接收機在天線之后的數字化架構受限于半導體器件的發展，只在某些頻段得到實際應用(如1.5～30 MHz短波頻段).SDR軟件定義無線電接收機(software defined radio,SDR)的射頻前端仍然借鑒傳統的超外差理論，其數字化往往在射頻到中頻(radio frequency to intermediate frequency,RF-IF)處理之后.

目前，以SDR為基礎的無線電系統向高度復雜化衍進，新型的超寬帶多路數字化無線電收發信機具備動態可重構的功能，可以依照用戶需求，實現軟件的在線加載和硬件資源的動態調度.同時，認知無線電(cognitive radio,CR)[2-4]的提出使得傳統的無線電具備和外界交互的能力，雖然CR具備學習的能力，但本質上它仍然是軟件無線電SDR基礎之上的衍進.

SDR靈活的可重構性和模塊化特點，使其被廣泛地應用于通信的各個領域，如WiFi[5]、全球移動通信(global system for mobile communications,GSM)移動基站[6]、衛星通信[7]、無線電監測和定位估計[8-9]、長期演進(long term evolution,LTE)通信系統[10]、無線電傳播測量儀器[11]、多入多出(multiple-input multiple-output,MIMO)系統[12-14]等，第五代移動通信系統5G的物理層基礎依然基于軟件無線電理論.

SDR系統的性能除了依賴RF-IF、模數轉換(analog to digital conversion,ADC)、數模轉換(digital to analog conversion,DAC)、數字信號處理(digital signal processing,DSP)等器件的指標外，很大程度上取決于模數轉換之后的數字信號處理的模型和算法，包括解調/調制、數字上下變頻、信道編/解碼、均衡、智能天線中的MIMO等，這些用戶可重構的模型和算法決定了一個數字系統的優劣.

SDR系統信號處理的模型和算法亦由人的思維方式決定.受制于人自身感知和認知的局限性，這些模型和算法并非最優.同時，SDR系統是由多個功能模塊組成，構成這些功能模塊的內核依然是算法，比如:一個典型的SDR接收機各個模塊包括數字下變頻、均衡、信道解碼、解調等，這些算法雖然能在局部保證功能模塊的性能最優，但組合后未必能夠保證系統最優.此外，為提高系統的總體性能和指標，SDR系統往往采用并行的多模塊化結構設計，這導致系統擴展功能時，必須增加額外的軟硬件功能模塊，這使得SDR系統的定制成本較高.

SDR面臨的問題本質上還是傳統無線通信的分散的體系結構和思維方式決定的.為解決SDR面臨的問題，提出了智能無線電或者智能定義的無線電系統.IR/IDR系統的核心思想是在保留傳統SDR系統射頻單元功能模塊的同時，利用可端-端訓練的深度神經網絡替代傳統無線通信系統數字域的全部功能.

IR/IDR系統通過“學習”的方式，對系統進行優化.這樣一方面可以盡可能減小系統受人的影響，另一方面，系統更容易達到整體最優.當系統需要進行功能擴展時，僅需要對系統進行額外的訓練，而不必增加額外的軟硬件模塊，功能擴展的邊際成本更低.

1 傳統的軟件定義的無線電SDR

一個SDR軟件無線電收-發通信系統如圖1所示，其包含無線信號的發射與接收兩個過程.下面以一個SDR的接收過程為例簡要介紹SDR系統.

射頻前端是無線電信號接收和發射的必要物理基礎.現階段通常的思路是對頻段的分段處理，以利于后續模擬到數字(analog to digital,A/D)變換和數字信號處理.一般而言，對于9 kHz～30 MHz短波HF以下的頻段，限于最高頻率的上界，可以直接采用低通采樣，以使得ADC盡量靠近天線，即理想的“軟件無線電”SR的方式.

對于30 MHz以上的頻段，受制于ADC的性能以及為提高接收機的總體性能指標，射頻前端仍采用典型的超外差式變頻方案，通過RF-IF的變換將頻譜變頻到中頻(典型的如70 MHz中頻)，后續的AD采樣可以采用低通或者帶通采樣的方式，這樣可以最大限度降低A/D和DSP的性能要求.

模-數轉換之后的數字下變頻模塊(digital down conversion，DDC)用以完成信號的多速率處理，同時降低后續DSP的運算要求.A/D之后采樣數據實際上包含有用戶感興趣的多個窄帶信號DDC和DSP處理過的各類軟件(算法或模型)，實質上是SDR接收機用戶可重構的核心.它通過軟件的方式來完成接收機的2個基本功能:通信和信號監測.通信包括解調、信號解碼均衡和信源解碼，完成信號接收的全過程，典型的如通信電臺；監測則主要包括域的轉換，如FFT等.本質上是一個無線電頻譜儀的基本功能.

DDC可以分成兩類，一類是寬帶DDC，它可以容載多路I/Q(in-phase and quadrature,I/Q)信號；一類是窄帶DDC，它的目的是完成一個信號的接收功能.任何一路的I/Q信號都可以根據用戶的需求通過FFT完成信號監測或者通過解調輸出給用戶.對于數字調制的信號還需通過信道解碼和信源解碼，這樣就完成了SDR軟件無線電接收機兩個最基本的功能——信息的通信和監測.

2 IR/IDR系統

在SDR之上的IR/IDR系統如圖2所示.其采用系統DNN替代SDR數字域的功能，如信源編解碼、數字上下變頻、調制解調等.系統DNN由多個子DNN構成，各子DNN分別對應于數字域中各個模塊的功能.利用子DNN組成的系統DNN進行訓練，達到系統的整體優化，從而獲得更高的系統有效性和穩定性，這即是“智能定義的無線電”的核心思想.

引入高集成度的系統DNN，不僅可以獲得系統層最優，還可以大幅度降低無線電通信系統硬件系統的復雜度.也就是說，傳統SDR通信系統A/D之后的大量FPGA和DSP器件，在IR/IDR系統通信系統中會被一個DNN芯片所取代，其成本與功耗，與SDR系統相比，會有明顯優勢.

更為重要的是，DNN的可訓練性可以使通信系統針對不同的通信信道進行專門的訓練.這使得IR/IDR系統可在不同的通信信道中都能夠取得較好的有效性與可靠性，這在通信信道相對固定的信道中更為簡捷和有效.

同時，DNN的可訓練性，還為系統提供了強大的可擴展能力.只要提供有效的大規模訓練樣本，IR/IDR系統可靈活地完成更多建立在無線電通信基礎之上的其它工作.

2.1 理想的IR/IDR無線通信系統

一個理想的基于IR/IDR的無線通信系統如圖3所示.系統采用DNN替代了傳統無線電信號收-發系統中的信號預處理(包括信源編解碼、信道編解碼、調制與解調、交織與均衡、波束合成)、DDC以及數字上變頻(digital up conversion，DUC)的全過程.

理想的基于IR/IDR的無線通信系統可以通過DNN全過程的訓練而達到系統最優，在穩定的加性高斯白噪聲信道中容易達到系統最優，但受制于實現成本和DNN的訓練難度，在變參信道或者多徑復雜的信道如瑞利信道下可能需要有大規模的訓練才能有較好的性能.圖4給出一個易于實現IDR系統方案.與理想系統相比，該方案中的數字上變頻與部分數字下變頻功能依舊采用傳統方式實現.該方案在保持理想IR/IDR優勢的同時，可有效降低實現成本和網絡訓練難度.

2.2 IR/IDR無線通信系統的聯合優化

IR/IDR無線通信系統可以有兩種工作模式.一種為現有系統的兼容模式，即無線電信號收發兩端中，有一個為傳統通信系統，另一種為聯合優化模式，即無線電信號收發雙端均為IR/IDR系統.

兼容模式下，IR/IDR系統可利用發射或接受固定訓練信號的方式，與傳統通信系統配合工作.實驗證明，在此情形下的無線通信系統的整體性能會有明顯提升.

聯合優化模式下，IR/IDR系統可簡化為一個帶有內部噪聲的特殊DNN.當信道固定時，系統的內部噪聲的變化規律也隨之確定.利用已知的輸入與輸出信號數據與噪聲描述機制，聯合優化的IR/IDR系統獲得的有效性和穩定性提升較兼容形式下的IR/IDR系統更加顯著.

2.3 IR/IDR的信道優化

Y=HX+N,

(1)

其中:H與N分別為廣義信道系統的乘性噪聲和加性噪聲.由式(1)可得

(2)

(3)

由于DNN是H-1N的一個近似，所以只要用該DNN對整體系統進行補償，即可有效降低模擬域信道對系統的影響.

此外，如果將模擬域的ADC、DAC和射頻前端等都視為信道的一部分，則聯合優化模式的IR/IDR系統可抽象為一個中間帶有強干擾(固定映射)的大型DNN，如圖5所示.只要對這個大型DNN進行充分地訓練，該DNN有可能會依據其工作信道的實際狀態，學習出適用于該信道的特有信源編解碼方式、信道編解碼方式等，與通用方法相比，該方法有可能更加逼近香農極限.

3 IR/IDR系統的應用

3.1 基于IR/IDR的模擬調制信號通信

圖6為一種基于IR/IDR的FM調頻接收機的實現方案.基于DNN的信號解調模塊采用經典的“編解碼”網絡結構重建發射信號.該結構一方面可對輸入的信號數據進行去噪[15].另一方面，可利用編碼網絡的多級下采樣形式，實現原多速率處理模塊缺失的多重采樣過程.

與傳統SDR接收機相比，本文提出的接收機的抗噪性能有了顯著的提升,對比結果如表1所列.表1中的數據為接收機重建信號與發射原信號的均方誤差，該值越小，說明接收機的可靠性越好.

表1 兩種接收機的可靠性對比Tab.1 Reliability comparisons of two receivers

3.2 基于IR/IDR的數字調制信號通信

圖7為一種基于IR/IDR的正交頻分復用(orthogonal frequency division multiplexing,OFDM)信號接收機實現方案.該接收機由數字前端與解調模塊組成.與FM解調模塊相比，OFDM解調模塊更加復雜.考慮到DNN的實現和訓練成本，該模塊保留了傳統OFDM信號解調必需的信號預處理(用于去除循環前/后綴)和定時同步模塊.OFDM解調過程的其它功能(如FFT變換、信道估計、信道均衡、解碼等)均通過功能子網絡的形式整合進一個DNN模塊.

DNN模塊中的各個子網絡均采用卷積網絡實現.解映射、解交織、解碼等功能采用與FM解調模塊相同的神經網絡結構實現.

事實上，定時與同步、信號預處理兩個模塊的功能也可由DNN完成.但這樣做會較大幅度地提升DNN設計的難度與訓練難度.考慮各方成本因素，故DDC采用傳統方式實現.

3.3 基于IR/IDR的無線電頻譜監測接收機

圖8為一個基于IR/IDR的無線電頻譜監測機的實現方案.該監測機由數字前端與多種DNN功能模塊組成.

智能監測機的DNN模塊由多個不同的DNN功能模塊組成.其中，FFT模塊用于將輸入的信號數據轉換為頻譜數據.調制模式識別模塊用于自動識別接收信號的調制方式，如正交相移鍵控(quadrature phase shift keying,QPSK)等.識別模塊具有自動選通的能力，可依據識別結果，將輸入的I/Q信號直接輸出到后端不同的解調模塊.

為了在大帶寬條件下提高系統的量化增益與系統的動態范圍，監測接收機的模數轉換速率和轉換位數要求較高.所以模數轉換后輸出的數據的速率較高，需要保留一個完整多速率處理模塊來降低數據速率.

3.4 基于IR/IDR的無線通信網絡

當通信網絡中的無線電收發機均為IR/IDR設備時，其構成的通信網絡架構也可采用DNN管理，并通過訓練學習進行網絡級的整體優化.圖9展示了由IR/IDR管理的無線電通信網絡接收部分.同樣的，信號的發射部分也可采用類似的方案進行管理.典型的如無線電頻譜監測網絡可以采用這個網絡架構實現.

4 結論

IR/IDR系統中的“智能定義”，意為采用不同的子DNN來實現傳統通信系統中的子模塊功能，并對子DNN構建的系統DNN進行整體訓練，以獲得完整的系統級優化.

從目前的實驗結果來看，這種系統級的完整優化具有很大潛力.比如在聯合優化模式下，IR/IDR系統可以使得信道的編解碼方案達到現有最佳水平，并有進一步逼近香農極限的可能性.另外，基于IR/IDR的設計方法也可在神經網絡電臺以及復雜無線信道下的微弱信號識別中得到廣泛應用.

由于DNN易于融合的特性，在通信網絡管理層，也可采用一個DNN與各種IR/IDR設備中內嵌的DNN融合，實現通信網絡層面的管理優化，有助于通信網絡有效與穩定的提升IR/IDR的系統級優化特點，使其具有廣泛而光明的未來前景.它真正意義上實現了將“通信問題演變為計算和數據問題”，并可以用通用計算機來解決復雜的通信問題，為無線通信技術的發展和應用提供了更多的可能性.

IR/IDR的新的理論和應用模式，將人工智能與通信技術深入交叉和融合，為未來通信技術(如6G)必將帶來顛覆性的進步和飛速發展.

本文感謝相關實驗室的各位老師和同學自2016年末開始在IR/IDR系統3年多探索工作過程中為IR/IDR理論、IDR神經網絡電臺、基于IDR的無線電指紋識別、低信噪比的可靠性通信以及相關IDR專用芯片等諸多全新領域開創性的工作共同付出的辛勤勞動和汗水.