改進小波變換的船舶射頻信號降噪和識別

周 慧，魏霖靜，李 玥

(甘肅農業大學 信息科學技術學院，甘肅 蘭州 730070)

0 引 言

近年來，基于電磁波的無線射頻信號在各個領域的應用越來越廣，船舶的雷達系統、通信廣播系統均需要通過電磁波進行信號的傳遞，常用的射頻信號根據調制方式可以分為數字波調制和模擬調制2 種，由于現代通信技術的不斷提高，數字波調制技術在信號精度、效率等方面優勢更加明顯，已成為船舶無線通信系統的主要調制方式[1]。

由于船舶通信場景、信道傳輸條件等因素，船舶無線通信電磁波在傳輸過程中會產生各類噪聲，噪聲信號不僅會導致信號傳輸的準確性下降，使信號的后處理、特征提取等環境受阻，而且會增加無線通信系統的信道傳輸負擔，導致無功功率的提升。因此，船舶無線通信射頻信號的噪聲抑制非常有必要。目前，國內外針對射頻信號的研究大多集中在無人機射頻信號的處理及檢測中[2-3]，而對于船舶輻射信號的研究甚少。

本文在傳統小波變換降噪理論的基礎上，提出一種改進的閾值函數用于小波降噪，降噪后的信號利用Teager-Kaiser 能量算子提取射頻信號瞬時特征，結合概率神經網絡進行識別，并將實現算法融合于DSP 信號處理器中構建船舶無線通信網絡中射頻信號的處理仿真系統。

1 船舶射頻信號處理仿真系統總體框架

針對船舶無線通信網絡的信號特性，結合DSP 芯片設計無線通信網絡中射頻信號的處理仿真系統。DSP 芯片由于其優越的運輸能力、可擴展性、穩定性等優點，被廣泛應用于數字信號控制領域，比如數字濾波器、數字頻譜分析、數字圖像信號處理等[4]。

本文采用TMS320VC5502 DSP 芯片和ADS7805 數模轉換芯片開發船舶無線通信中射頻信號的處理仿真系統，該系統主要由信號接收和發送端、信號處理模塊、通信顯示終端等構成。其中，信號處理模塊是系統的核心，以TMS320VC5502 DSP 芯片為主，又包括改進小波降噪單元、混頻單元、信號采集電路等。

圖1 為船舶無線通信網絡中射頻信號處理系統的原理圖。

圖1 船舶射頻信號處理仿真系統原理圖Fig.1 Principle of signal processing system in naval wireless communication network

1）TMS320VC5502 芯片

TMS320VC5502 芯片的優勢體現在以下方面：

① 片內存儲器空間

該芯片的片內RAM 存儲空間為32 kB，在信號處理過程中有充足的空間存儲程序代碼和其他數據，芯片具有2 個MAC 單元和4 個40 位累加器，能夠在運算周期內完成2 個17×17 的乘法運算。

② 通信接口

TMS320VC5502 芯片集成了通用異步收發模塊，提高了芯片的串口通信能力，當系統采用20 kHz 采樣速率時，芯片產生數據量會比通信速率大，此時可通過判斷信號是否超過門限進行信號的篩選，不需要所有的數據都通過串口傳輸。

③ 獨立運行能力

該芯片的片內ROM 中集成了bootloade 代碼，使芯片具備了自啟動功能，在工作過程中程序保存在EEPROM 中，當芯片斷電時片內存儲的程序依然不丟失，從而具有相對獨立運行的能力。

2）數模轉換芯片

針對船舶信號噪聲去除與識別系統的數模轉換，采用TI 公司的ADS7805 芯片[5]，該芯片具有16 bit 的量化精度，其基本構成包括16 bit 精度采樣電路、時鐘、信號接口等，采樣頻率可達100 kHz。

2 基于改進加權閾值小波變換的船舶射頻信號降噪重構與Teager-Kaiser 能量特征提取

2.1 改進閾值的小波降噪

船舶無線通信網絡射頻信號處理仿真系統中的小波降噪模塊采用一種改進閾值的小波降噪方法，這種方法克服了信號傳統閾值下小波變換和傅里葉變換降噪中導致的準確度下降問題，同時也能動態調整閾值，提取出信號更細致的時域、頻域分布特征。

具體改進小波閾值的降噪過程如下：

1）含噪信號小波分解，獲得各層小波系數ωj,k。

對于某輸入含噪信號函數?(t)，定義信號?(t)在頻域內可以進行小波變換的前提為：

式中，ω為信號的頻率。

對信號函數?(t)的平移與伸縮方程為：

式中：α為函數?(t)的平移系數[3]；s為函數?(t)的伸縮系數。

將變換后的?s(t)在合適的小波基函數和分解層數下展開，得到小波變換如下式：

射頻信號數據為離散時間數據，對式（3）中的α和s 離散處理，α=kα0，s=，j,k表示第j層的第k個，對應的離散小波變換為：

2）對原始小波系數ωj,k進行改進閾值處理獲得降噪小波系數。

提出的改進閾值函數為：

式中，β和q為動態調整參數。

2.2 Teager-Kaiser 能量算子（TKEO）

Teager-Kaiser 能量算子是Kaiser 于1990 年提出用于檢測單一時變信號瞬時能量的非線性方法[6]。

假設連續時間信號為s(t)，則對應的TKEO 可以表示為：

對于一個AM-FM 調制信號s(t)=Acos[?(t)]，其瞬時幅度A(t)，瞬時相位為cos[A(t)]，式（6）可以表示為：

調制信號的幅度和頻率變化常比載波信號變化慢很多，因此A′(t)?A(t)，A′′(t)?A(t)，ω′(t)=?′′(t)?ω(t)，因此式（7）可以簡寫為：

從式（8）得到信號的幅度和角頻率函數：

可知Teager-Kaiser 能量算子對瞬變信號分辨性較好，可突出局部特征。

3 概率神經網絡

概率神經網絡是基于貝葉斯決策和概率密度估計的前饋神經網絡，基本結構由4 層神經元組成[7]，如圖2 所示。

圖2 概率神經網絡原理圖Fig.2 Principle diagram of probabilistic neural network

輸入層：輸入樣本向量(x1,x2,···xn-1,xn)，神經元個數和樣本維度n一致，輸入層傳輸給模式層的權值 ωi。模式層：將得到的待測樣本-訓練樣本的殘差，即x-xi，利用式（10）求得模式層與樣本之間的關系，返回一個標量值。

求和層：將同類別模式層輸出結果進行求和，將求和結果用式（11）計算出對應的概率估計值。求和層的神經元個數和最終分類結果的個數一致。

輸出層：輸出最終分類結果，由閾值判別函數組成，輸出y=argmax(vi)。

4 基于加權閾值小波變換的船舶射頻信號噪聲降噪與識別的仿真實驗

基于改進小波變換的船舶射頻信號降噪及識別仿真實驗流程如圖3 所示。

圖3 射頻信號降噪及識別流程圖Fig.3 RF signal noise reduction and identification flow

為了驗證提出方法的有效性，選用東海某海域上收集到的4 種船舶射頻原始信號數據文件48 個，定長分段處理后采用本文小波降噪算法對重構的射頻信號計算teager 能量算子獲得樣本特征向量，結合概率神經網絡，利用DSP 構建船舶無線通信網絡的射頻信號處理系統，并對信號降噪性能進行仿真測試，圖4 分別為船舶無線通信網絡中船舶射頻原始信號、改進小波算法的降噪射頻信號和高頻信號置零的信號測試曲線。

圖4 船舶射頻信號處理系統的信號降噪測試曲線Fig.4 Noise reduction test curve of ship signal processing system

表1 為傳統閾值函數降噪和改進閾值函數降噪、本文改進閾值函數降噪方法的性能指標計算結果。可見改進閾值函數的SNR 值最大，而RMSE 值最小，說明改進閾值函數降噪后的信號有效成分比例大，降噪效果優于傳統閾值方法。

表1 改進的小波變換的降噪方法性能對比分析Tab.1 Comparative analysis of the performance of improved wavelet transform noise reduction methods

表2 為含噪信號Teager-Kaiser 能量算子（方法1）和降噪信號Teager-Kaiser 能量算子（方法2）獲取特征向量后進行識別的對比，結果顯示降噪后的射頻信號訓練樣本最高識別率可達為92.53%，較降噪前有明顯提升。

表2 降噪后的射頻信號識別結果Tab.2 Comparison of RF signal recognition results after noise reduction

5 結 語

船舶無線通信網絡中的射頻信號受到硬件及氣象因素的干擾，電磁波信號中往往夾雜各類噪聲信號，影響通信質量。本文提出一種改進閾值的小波變換信號降噪處理算法，該閾值函數提升了有效信號的檢測率。去噪重構后的信號經teager 能量算子獲得瞬時特征后基于概率神經網絡建立識別模型，選取TMS320VC5502 DSP 芯片和ADS7805 數模轉換芯片結合提出的降噪、識別方法開發了船舶無線通信網絡的輻射信號處理仿真系統，通過仿真測試驗證了改進小波變換算法的降噪效果。