宽带信号（精选七篇）
宽带信号 篇1
天波雷达对空域和海域监视有着重要的意义,天波雷达信道的研究是进行雷达信号处理的前提。在某种意义上,天波雷达信道就是短波信道,窄带短波通信和天波超视距雷达在信道特性方面是相同的。短波(天波)通信的传输介质是电离层,电离层的空间结构随时间变化的特点导致了电离层具有复杂的特性,即短波电离层信道不是时不变的,其信道参数在传输过程中是变化的和随机的,但是在足够短的时间内,短波信道参数可近似为时不变的和平稳的。迄今,人们已经在通信方面对短波(天波)信道进行了大量数据测量和统计计算,先后建立了窄带Watterson[1](不大于12 kHz)信道模型和宽带ITS[2](不大于1 MHz)信道模型。
目前实现的天波超视距雷达(高频)都是窄带的,由于雷达工作环境与天波传播信道的限制,其信号带宽只有10～20 kHz,这成为提高天波雷达距离分辨率的瓶颈。因此要将无线通信中的宽带理论和技术应用于天波超视距雷达信号处理中,必须先研究宽带理论技术和对无线通信模型进行建模分析,这也是本文的出发点。
1 基于Watterson模型的宽带信号实现
1.1 Watterson模型概述
本文采用的电离层窄带信道模型是最典型的Watterson模型,采用的是抽头延迟线模型,每个抽头延迟线上都模拟了信道的时延、衰落及多普勒效应等特性,但是它适用于12 kHz以内的短波通信[3]。
实验数据统计分析表明:短波多径传播的路径数一般都在6径以内[4,5],其中在2～4径的约占85%,因此本文选择路径数目为4径;对于单跳模式传播的短波信号,多普勒频移一般在1～2 Hz,在发生磁暴时,频移可达6 Hz;多普勒扩展在0.1～1 Hz左右,在急剧衰落时可以达10～100 Hz。图1为此次仿真利用MATLAB软件搭建的仿真原理框图。
仿真中采用4个抽头延迟线,每个抽头延迟线对应一条可分解的传输路径,在每条路径上信号受到不同延时并被一个复杂的抽增益函数在幅度和相位上进行调制。在仿真过程中,10个输入信号分别经过4个路径的时延、衰落和多普勒频移。
1.2 Watterson模型的输入信号设计
无线信道的典型特点是多径传播,当发射信号带宽大于信道的相干带宽时,由于信道在时域的时延扩散,信号会产生频率选择性衰落[6]。多载波(MC)技术将宽带信号在频域上分割成许多窄带信号,分别调制到多个载波上,从而实现将宽带信号分割转化为窄带信号。
本文利用多载波调制思想将带宽为100 kHz的矩形宽带脉冲信号在频域上分解成N个带宽为10 kHz的窄带脉冲信号,再将N个信号分别调制到载波频率f1,f2,…,fi,…,fN上。这N个信号的总带宽B=Δf(N-1)+ΔB,其中N=10,ΔB=10 kHz,Δf=fi-fi-1 。
因此,第i个发送窄带信号为Si(t)=x(t)·cos[2πfit+φi(t)],其中x(t)为脉宽为0.1 ms,幅度为1的矩形脉冲信号,fi为发送窄带信号i的载频,φi(t)为信号i的初始相位。经过10个多载波调制之后的信号频谱上叠加后等效为宽带信号,其信号波形如下图2所示。
1.3 Watterson模型的软件仿真结果
10个带宽为10 kHz的窄带信号分别通过电离层信道Watterson模型,在接收端解调到相邻频段内并叠加,得到的输出信号等效为宽带信号。图2b是10个输入信号在进入信道前的频谱图,由图2可知,10个窄带信号经过不同载波调制后,其信号为带宽为100 kHz的宽带信号,由此验证了本文多载波调制(MC)技术的可行性。
图3为经过Watterson模型后合成的宽带信号,由仿真结果可以看出,信号经过信道仿真平台之后,与输入信号相比,信号幅度发生了明显的衰落现象,且两个信号都明显经过了多条路径,与发送信号的频谱相比,经过信道后的信号有了明显的频率扩展。
2 基于ITS模型的宽带信号实现
2.1 ITS模型概述
1993年,Vogler和Hoffmeyer提出了一种短波宽带信道模型,即ITS模型。ITS模型突破了传统Watterson模型带宽仅有12 kHz的限制,使其有效带宽可达1 MHz,且模型的建立条件比Watterson模型的限制少。
ITS模型搭建的主要依据是数学统计特性,即信道的冲激响应函数[7,8],它包含了模拟和分析信道特性的所有信息。信道对信号的影响可以表示为它受到一个服从高斯幅度分布(幅度衰落)、高斯频谱形状(相位扰动)的双变量的复随机过程的调制。由于短波电离层反射信道的传输特性是时变的,因此可用线性时变系统的冲激响应h(τ,t)代替线性时不变系统的冲激响应h(t)。
2.2 ITS模型的软件仿真设计
图4为ITS模型的软件仿真总体框图。
信道道冲击响应函数由3部分组成。
Dn(τ)=ej2π[fs+b(τ-τc)] (3)
式中:n表示传输模式的个数;
为了模拟信道冲激响应的衰落,随机调制函数由大量时间序列的随机复数构成,在每个延迟上构建两个独立的白高斯随机序列,以此来表示复时间序列的实部和虚部,然后将其变换为标准高斯分布的白噪声序列,之后再通过一个带宽为多普勒扩展的多普勒滤波器。
本文的仿真参数采用的是美国海军研究实验室(NRL)对中纬度地区路径为126 km的宽带短波信道实测参数[10],参数如表1所示。试验中电离层环境平静,可清楚分辨O模式和X模式的电磁波,电离层的穿透频率为13 MHz。
2.3 ITS模型的软件仿真结果
接下来会利用上述Watterson信道模型的10个多载波调制输入信号,将其合成后得到的宽带信号作为ITS信道模型的输入信号。由于信道模拟中参数以ms为单位,发送信号也以ms为单位。图5为ITS模型的发送信号及频谱,图6为ITS模型的接收信号及频谱。
由图6可以看出,经过ITS模型后的信号产生了明显的时延和衰落特性,且幅度谱有所扩展,这是信道的频扩造成的。
通过图6和图3对比,和Watterson模型的接收信号相比,经过ITS模型后的信号发生了严重的频率选择性衰落。频率选择性衰落取决于时延差,本文仿真过程中最大的多径时延差为20 μs,则频率间隔(相邻的传输零点间隔)为50 kHz,传输信号频谱大于这个频率间隔则会产生明显的选择性衰落,于是在信号传输过程中引起了严重的码间串扰。这也是随参信道特性的集中体现,即随着多径时延的随时间变化,其信道的传输函数也随时间变化。
3 小结
通过多载波调制思想将宽带信号在频域上分割,并将窄带信号通过Watterson信道模型,成功利用了现有的窄带模型完成了宽带信号的传输建模,并通过和已有的宽带信道模型仿真对比,仿真信道可以表征输入信号的衰落、频移、频扩等特性,不仅验证了仿真系统的有效性,也验证了多载波调制技术的可行性。下一步可直接通过输入实现雷达目标检测的宽带线性调频信号,在天波超视距雷达应用无线宽带信号技术,完成雷达信道的建模,以此来验证宽带信号对天波超视距雷达检测性能、分辨性能、目标识别性能的改善情况。
参考文献
[1]WATTERSON C C,JUROSHEK J R,BENSEMA W D.Experimental confirmation of an HF channel model[J].IEEE Trans.Communication Technology,1970,18(6):792-803.
[2]VOGLER L E,HOFFMEYER J A.A model for wideband HF propagation channels[J].Radio Science,1993,28(6):1131-1142.
[3]闫江涛.Watterson信道下能量检测性能研究[J].电视技术,2011,35(15):129-132.
[4]张力军,张宗橙,郑宝玉.数字通信[M].北京:电子工业出版社,2003.
[5]PROAKIS J G.Digital communications[M].4th ed.北京:电子工业出版社,2001.
[6]杨大成.移动传播环境[M].北京:机械工业出版社,2003.
[7]孙萍,张水莲,秦志强.ITS宽带短波信道及其噪声的建模和仿真[J].通信技术,2009,02(42):15-17.
[8]徐发强.短波宽带通信系统中信道模型的研究[J].系统仿真学报,2003,15(11):1557-1560.
[9]KELSO J M.Radio ray propagation in the ionosphere[M].NewYork:McGraw—Hill Book Company,1964.
宽带信号源的波达方向估计新方法 篇2
阵列信号处理的许多应用领域如雷达、声纳、地震信号检测等,需要快速准确地估计空间宽带信号源的波达方向(DOA)。宽带信号源高分辨估计算法主要有两大类:极大似然估计方法(ML)和子空间方法[1,2,3,4,5,6,7]。ML方法给出了最优解,但他是一种非线性最优化方法,需要多维搜索,运算量极大,因而难以具体实现。信号子空间方法虽然不是最优的,但不需要多维搜索,减少了计算量,更容易实现。文献[2]提出了非相干信号子空间方法(ISM),把宽带数据分解成互不混叠的窄带成分,在每一个窄带成分上应用窄带算法,然后对在各个窄带成分上求得的方向估计值进行加权平均,得到最终的方向估计值。但ISM方法没有充分利用信号的能量,测向误差较大且不能处理相干信号源。Wang和Kaveh等给出了相干信号子空间方法(CSM)[3],该算法将宽带频域空间分解为多个窄带频域空间,利用聚焦(focussing)矩阵将不同频域空间方向矩阵变换到同一参考子空间中,通过对子空间的相关结合,使聚焦后的信号协方差矩阵保持满秩,从而能高分辨地估计宽带相干源。聚焦矩阵构造方法的优劣直接影响着估计性能,若聚焦矩阵不是酉阵,聚焦后阵列信噪比产生损失,且很多聚焦矩阵的构造依赖于方向角的预估计,预估计不精确则聚焦效果受到很大影响,估计性能不理想。
本文提出了一种新的宽带信号源的空间谱估计方法,用两个阵元估计多个宽带信号源的波达方向。把用一固定间距阵列对宽带信号进行空间采样等效为用不同间距阵列对同一窄带信号进行空间采样,通过滤波器组把阵列接收的宽带信号分成多个窄带,则等效得到了多个不同间距的阵列,合理组合利用这些阵列并运用窄带子空间算法即可对宽带信号源进行超分辨测向。该方法利用宽带信号的特点,只需2个阵元即可对多个信号源测向,减少了设备;不需要聚焦处理和DOA预估计,大大减少了计算量;阵元间距不必满足空间采样定理,不但减小了阵元之间的互耦,而且可以有效去除测向模糊。最后,仿真结果证明了该方法对宽带源进行DOA估计的有效性。
2 宽带信号阵列模型
宽带信号的不同频率成分在相同间距的阵元间产生的相位差不同,即不同频率信号对应的阵列流形不同。因此从频域考虑,将宽带信号划分为窄带,则阵列输出可以看作是多个窄带信号分别入射到阵列后的叠加。
如图1所示,由M个阵元组成的均匀线阵(ULA),阵元间距为d,阵元1为参考阵元。空间有P个宽带源信号分别以θp,p=1,2,…,P入射到阵列,附加与源信号独立的高斯白噪声。阵列输出向量x(t)经过离散傅里叶变换分为K个互不重叠的窄带部分:
undefined
其中S(fk),N(fk)分别为信号和噪声在fk频段的部分,undefined,是大小为M×P的方向矩阵;undefined为方向矢量,k=1,2,…,K;c为波的传播速度。
3 算法的理论基础
3.1 构造虚拟阵列
宽带信号入射到间距为d的两个阵元时,不同频率成分的信号在阵元间产生的相位差不同。入射角为θ,频率为fk的信号在相邻两阵元间产生的相位差为:
undefined
式(2)表明相位差与频率和阵元间距的乘积有关,即信号频率和阵元间距的变化是相对的。所以,由频率变化引起的相位差变化可以等效为由阵元间距变化引起的,可以认为用同一间距的阵列对不同频率信号进行空间采样等效于用不同间距的阵列对同一参考频率的信号进行空间采样。基于该思想,设参考频率为f0,式(2)可以写为:
undefined
其中:dk=dfk/f0为第k个窄带对应的虚拟阵列间距,用间距为d的阵列对频率为fk的信号进行空间采样等效于用间距为dk的阵列对频率为f0的信号进行空间采样。
将阵列输出的宽带数据由滤波器组均匀分成互不重叠的K个窄带,频率由低到高分别为f1,…,fK,则相当于得到了K个不同间距的阵列。选取参考频率为f0=f1,则可以认为这K个阵列采用不同的间距dk对频率为f0的信号进行采样。由式(4)得,虚拟阵列间距随频率的增加而变大,分别为dk=dfk/f0>d,k=1,…,K。虚拟阵列的形成如图2所示,取阵元数M=2。
由图2可以看出该方法把一个实际阵元分解为在不同频率下的K个虚拟阵元,这K个虚拟阵元组合成一个新的虚拟阵列,该虚拟阵列的每一时刻的输出值组成的向量为一个虚拟快拍。如阵元1的虚拟快拍为undefined,阵元2的虚拟快拍为undefined。如果使得阵元2的虚拟快拍有一个统一的参考相位,即该时刻阵元1上相应的虚拟快拍相位一致,则阵元2的虚拟快拍就是一个有效的快拍。反映在图2中就是阵元1的各个虚拟阵元的位置重合,此时阵元2对应的虚拟阵列的阵元间距为:
undefined
其中Δf=fk+1-fk,为相邻两窄带的中频差。
为了从阵元2上得到有效快拍,需要保证阵元1相应时刻虚拟快拍的相位保持一致。有两种方法可以达到这个目的,即变频法和移相法。变频法需要把阵列输出的各个窄带的信号变频到参考频率f0,并使得阵元1的虚拟快拍初相一致,则阵元2的虚拟快拍即为有效快拍。移相法不需要对每个窄带进行变频,只需要移相操作,步骤如下:
(1) 在n0时刻从阵元1,2得到的虚拟快拍分别为:
undefined
其中省略了时间索引n0。
(2) 分别求出快拍x1中x12…x1K与x11的相位差:
undefined
(3) 根据步骤(2)中得到的相位差对快拍x2进行移相。
undefined
其中diag(x)表示以向量x为对角元素的对角阵,·表示矩阵乘法,undefined2代表移相后形成的有效快拍。
3.2 利用虚拟阵列并重构阵列流形矩阵进行空间谱估计
以阵元2的虚拟阵列为研究对象,重新构建阵列流形及阵列模型如下:
undefined
即:
undefined
其中undefined为阵元2的有效虚拟快拍;undefined为新的阵列流形矩阵;undefined为频率为f0的参考信号;n为加性噪声。新的方向矢量为:
undefined
阵列流形矩阵A等效于:
undefined
A′为Vandermonde矩阵,同理方向矢量a(θp)等效于:
undefined
a(θp)与a′(θp)只存在一个固定的相位差,即:
undefined
利用虚拟阵列的输出,采用MUSIC等高分辨算法即可进行超分辨测向。该方法得到的虚拟阵列间距d′一般远小于实际阵列间距d,因此可以将实际阵列间距设置很大,即使为几倍甚至几十倍信号波长都不会造成测向模糊,而且只需要两个阵元便可实现多个宽带信号源的测向。
算法可以归纳为以下几步:
(1) 将两个阵元的输出分为J个窄带,得到两个虚拟阵列的输出;
(2) 按照式(6)求出相位差并按式(7)对数据进行移相,得到有效快拍数据x。
(3) 估计步骤(2)得到的有效数据的协方差矩阵R=E{xxH};
(4) 对R进行特征值分解,按照式(10)或式(12)构造方向矢量,用MUSIC算法进行DOA估计。
4 仿真实验
仿真采用2个阵元,信号源为相对带宽为40%的宽带信号。将信号在带宽内均匀分为K=11个窄带,即Δf=0.04f0,阵元间距选择d=c/2Δf,快拍数为256,运用MUSIC算法进行谱估计。图3、图4分别为对入射角度为[-5° 10° 30°]和[-30° -10° 20° 40°]的非相干宽带信号的波达方向估计的结果,信噪比均为10 dB。
信号入射角度为[-5° 10° 30°]时,统计对入射角度为10°的信号源DOA估计结果的均方根误差随信噪比变化的情况。信噪比变化范围为0～10 dB,每1 dB进行100次误差统计。均方根误差随信噪比变化的曲线如图5所示,由图5可以看出即使在较低的信噪比下,DOA估计的均方根误差也很小。
5 结 语
本文针对信号源数大于阵元数的情况提出了一种新的宽带信号源的测向方法,与传统的方法不同,从新的角度对宽带信号在阵元间产生的相位差进行考虑,利用宽带信号的特点生成虚拟阵列,重新构建了阵列流形,用很少设备即可进行多个宽带信号源的高分辨测向。本文仅对两个阵元的情况进行了分析,但该方法可以推广到多阵元的情况。仿真结果表明该方法不但可以对多个宽带信号进行空间谱估计,而且性能良好。
参考文献
[1]Weiss A J,Doron M A,Messer H.Maximum Likelihood Di-rection Finding for Wideband Sources[J].IEEE Trans.Sig-nal Process.,1993,41:411-414.
[2] Su G,Morf M.Signal Subspace Approach for Multiple Wideband Emitter Location[J].IEEE Trans.ASSP,1983,31(12):1 502-1 522.
[3] Wang H,Kaveh M.Coherent Signal Subspace Processing for Detection and Estimation of Angle of Arrival of Multiple Wideband Sources[J].IEEE Trans.ASSP,1985,ASSP-33:823-831.
[4]Lee T S.Efficient Wideband Source Localization UsingBeamforming Invariance Technique[J].IEEE Trans.SignalProcess.,1994,42(6):1 376-1 387.
[5]Di Claudio E D,Parisi R.Waves:Weighted Average of SignalSubspaces for Robust Wideband Direction Finding[J].IEEETrans.Signal Process.,2001,49:2 179-2 191.
[6]Sellone F.Robust Auto-focusing Wideband DOA Estima-tion[J].Signal Processing,2006,86:17-37.
基于压缩感知的宽带跳频信号采集 篇3
随着雷达等电子设备的工作频率不断向频谱高端发展,给电子侦察设备带来严峻考验,原来的侦察频段已不能满足侦察的需要,必须不断提高和扩展侦察频段,才能达到现代侦察的要求。跳频信号的载波频率可以在很大范围内跳变,因此要想对宽带跳频信号实现全概率截获,常规的奈奎斯特采样需要极高的A/D速率,这对采样、存储和传输都带来极大的压力,当前的ADC已经在功率、稳定性和技术成本方面遇到了技术瓶颈[1]。因此研究对跳频信号进行欠采样并能够恢复原始信号的方法具有重要意义。
2006年由Donoho、Candes等人提出的压缩感知( CS) 理论[2]利用信号的稀疏特性,能以远小于奈奎斯特率的采样率对连续时间信号进行随机欠采样,然后通过 一定的算 法近乎完 美地重建 原始信号[3,4]。他们提出的模型只适用于采集定频信号,并没有开发出适用于采集跳频信号的系统。
本文在深入研究CS理论的基础上,创新性地将其应用于宽带跳频信号的接收,并对其欠采样接收效果做了仿真对比实验,验证了该方法的有效性。
1 基于压缩感知的宽带接收原理
1. 1 欠采样系统架构
CS理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论。基于CS理论的宽带欠采样系统基本原理图如图1所示。
天线接收下的经模拟下变频和低噪放大之后输出的中频信号x( t) ,送入一个叫做宽带模拟调制转化器( MWC) 的模拟器件。该器件包含了多个通道,每个通道都由调制器和低通滤波器级联组合而成。对于每个通道,首先,用一个预先设计好的周期波形pi( t) 去调制射频接收信号,该周期波形的周期对应着宽频带信号的参数; 然后,调制器的输出经过一个低通滤波器之后送入低速AD模块得到欠采样的数据流。这样做的目的是要把宽频带信号的频谱切片搬移到基带,以作后期的信号恢复。最后,经过信号恢复模块采用信号重构算法将欠采样的数据恢复到奈奎斯特采样的水平,以供后续的数字信号处理[5]。
1. 2 工作原理
信号x( t) 为频域特征呈现出明显的稀疏性,即频带内被信号占用的频带宽度远小于总的频带宽度: NB < < fN。将x( t) 分为若干路,每一路与特别设计的随机 波形pi( t) 相乘,pi( t) 是周期为Tp+ 1 / - 1随机交替的序列,所以可以用傅里叶级数进行展开:
式中,
则对进行傅里叶变换得到:
式中,fp= 1 / Tp。可以看到,输入到低通滤波器的频谱是对X( f) 搬移了fp整数倍之后的线性组合。将这个信号通过带宽为fs的低通滤波器,并进行采样。实际上是截取即在[- fs/2,fs/2] 上的频谱分量,并进行采样得到数字信号yi[n]。
yi[n]的数字频谱表示为:
到此,压缩采样需要在数字领域解决的关键问题得以呈现。将上式写成矩阵形式为:
因此,欠采样信号重构的问题转化为解上述欠定线性方程组。目前常用的重建算法主要有3大类: 针对l0范数最小提出的一系列贪婪算法、针对l1范数最小提出的凸优化算法和最小化lp( 0 < p < 1)范数的加权迭代类算法。
2 基于压缩感知的宽带跳频信号接收
要想使用以上介绍的宽带模拟调制转 换器( MWC) 对信号进行欠采样恢复,则被采样的信号必须具有频域稀疏的特征。跳频信号在长时间范围内其频谱相对整个频带是不稀疏的,但是限定在一定的时间内,比如一跳时间,其频谱为一个频带( 一跳频信道) ,相对整个频带为稀疏的,满足频域稀疏模型。因此,可以将一个完整的跳频信号在时间上分段处理,划分为一个个时间相同的时间切片,称为观察时间ti~ ti +1( i = 0,1,2,……) ,使跳频信号在此观察时间内具有频域稀疏的特性。这样,依次对每个观察时间使用MWC进行欠采样并恢复,最终组合在一起,形成一个完整的跳频信号欠采样处理并无混叠恢复。
所以选择好观察时间对欠采样恢复性能至关重要,典型的3种观察时间如下:
1观察时间切片为一个完整的跳频周期Ti~Ti +1,这样在一个观察时间内,信号在频域就只有一个有效的频带,相对整个频域范围为稀疏的,称这种情况为1—稀疏。每个观察时间切片单独欠采样处理,并无混叠恢复,最后组合在一起,形成一个完整的欠采样跳频信号。
2观察时间切片为完整的2跳时间Ti~ Ti +2( i = 0,1,2,……) ,在此种观察模型下,一个时间切片内有2个不连续的有效频带,同样,相对整个频率范围还是稀疏的,称这种情况为2—稀疏[6]。
3观察时间切片并不是从一跳的起始时刻开始,到某跳的结束时刻。在t0~ t1观察时间切片内,信号在频域只有一个有效频带,而在t1~ t2时间切片内,信号有2个不相连的有效频带。这种信号的频域稀疏成度在不断改变的模型称之为动态混合稀疏模型[7]。在该模型下,不管是1—稀疏还是2—稀疏,信号的有效频带相对整个频带还是稀疏的,同样可以使用MWC进行欠采样处理,但需要采取近似处理,即把是1—稀疏的时间片段里面的一部分噪声充当信号,看作2—稀疏的,如图2所示。
3 性能验证
仿真采用BPSK调制、码元速率为100 kbps,跳速为19 940跳/s、仿真时间为501. 5μs( 10跳且最后一跳并不完整) ,跳频载波频率为PN序列控制的在频率0 ~ 500 MHz以500 M/128( 跳频信道带宽)为基数的随机跳变,奈奎斯特采样频率为1 GHz,MWC采样通道数为选为20,单个通道采样频率约为4 MHz,则总的采样频率为80 MHz。分别采用1—稀疏模型、2—稀疏模型和动态混合稀疏模型欠采样并重构该信号,在一定的信噪比条件下,不管使用哪种模型,都能较为精确地恢复出原始加噪的跳频信号[8,9,10,11]。
为了更进一步评估欠采样重构波形的有效性,对不同跳速下的跳频信号欠采样重构波形进行解调,跳速分别取19 940跳/s和15 048跳/s,得到其误码率如图3所示。
由图3可以看出: 1跳速的改变对信号的欠采样恢复解调性能并没有明显的影响; 2在3种模型下,低信噪比时,1—稀疏模型和2—稀疏模型的性能没有太大差别,动态模型由于采取近似处理,效果较前2种较差,但随着信噪比的提升,它们之间的差距将会随之缩小; 3该系统比较适合于高信噪比情况,对于低信噪比信号尚需进一步研究。
4 结束语
对于宽带跳频信号,虽然占据了很大的带宽,但是在某一时刻,携带有用信息的那一跳信号占据很小的带宽,从这种意义上来说,宽带跳频信号是具有稀疏性的。利用压缩采样技术构建模拟信息转换器,这种构架有望成为一种有效的方法来解决超宽带信号的接收问题。本文将压缩感知理论应用于宽带跳频信号的接收,分析了不同稀疏模型下的工作性能,并通过对不同跳速、不同信噪比下的信号解调误码率分析,进一步验证了系统的有效性。该算法为宽带跳频信号的接收、存储和传输所面临的压力寻找了一条有效的解决途径,因此,具有广泛的应用前景。
摘要：传统的超宽带跳频信号的接收受奈奎斯特采样定理的限制,所需采样率高,数据量大,给采样、存储和传输都带来极大压力。把压缩感知理论应用于宽带跳频信号采集中,利用宽带调制转换器降低信号采样频率,再结合稀疏信号重构算法将宽带跳频信号以很高的概率重构。仿真结果表明,一定信噪比下,能以远低于奈奎斯特采样率的A/D速率实现对宽带高速跳频信号的欠采样并重构原始信号。
宽带信号 篇4
连线干涉测量技术是一种高精度的测角技术,两个测站同时接收同一信号源发出的信号,利用信号到2个测站的时延差完成目标的角度测量,在两个测站基线长度一定的条件下,提高时延的估计精度可以获得更高精度的角度测量[1]。
宽带信号用于航天器与地面站之间的数据传输,利用两个测站接收的宽带数传信号可以进行干涉测量。对于宽带信号经过相关处理,可以得到不同测站的互功率谱,进而得到群时延等信息。目前主要有FX型和XF型两种相关处理方法,本文在FX型相关处理算法的基础上,提出了利用群时延解载波相位模糊,利用载波的相位延迟求得更精确的信号时延,经仿真验证了改进的有效性。
1 FX型相关处理算法
FX型相关处理对处理宽带连续信号非常实用,其一般处理流程是在一定时延预测模型基础上,在数据读取过程中进行整数比特延迟的补偿,然后做条纹反转和小数比特时延补偿,求取互功率谱,通过对功率谱相位拟合得到时延的估计值。信号处理流程如图1所示。
2 载波信号提取及频率相位估计
本文所研究的宽带数传信号采取BPSK调制,属于载波抑制信号,可以对信号进行某种非线性变换后,就可以直接从中提取载波分量。平方变换法就是其中一种方法,提取载波成分的原理框图如图2所示。
设调制信号m(t)中无直流分量,在接收端已调信号为m(t)cosωct0,该信号经过平方器后输出为e(t),
式(1)中第二项包含有2ωc频率的分量,进过中心频率为2ωc的窄带滤波器,再进行二分频,即可获得所需的载波。以BPSK信号为例,调制信号m(t)=±1,BPSK信号经过平方器后e(t)=1 2+1 2cos 2ωct,e(t)再经过二分频器就可以得到fc的频率成分,这就是所提取出的同步载波。信号通过二分频电路会引起fc信号倒相,提取出的载波存在π的相位模糊问题。这会导致两路载波信号可能会有1 2 fc的时延差模糊度,可以由它和群时延的差值来判断并修正。
对载波的频率相位估计采用FFT相位差法频率估计,对连续时域信号分前后两段做傅里叶变换,利用其对应离散谱线的相位差校正出谱峰处的准确频率和相位。
3 宽带解模糊
表1中给出相位延迟与群时延的特点对比,可以看出相位延迟精度主要取决于信号载波频率,而群时延精度主要取决于带通信号上下限频率差即信号的带宽,所以相位延迟的精度要远高于群时延精度。而群时延模糊度高,可以更好地解模糊。
宽带数传信号中,两路宽带信号的时延差等于其载波信号的时延差,FX型相关处理算法得到的是宽带信号的群时延,可以由宽带信号处理得到的粗时延对载波信号相位延迟解模糊。利用宽带信号做干涉测量的解模糊处理流程如图3所示。
由宽带信号得到的群时延为τdate,载波估计频率fc,提取的相位延迟为φc,若真实相位为φture,则有:
式(2)中,[]表示取整;[τdate×fc]为载波差分相位模糊度。
由(2)式可知,宽带数传信号获取的群时延精度,对相位延迟模糊度有着重要影响。由于信号传播与接收过程中受到信道噪音和系统噪音的影响。将宽带数传信号得到的群时延看作为标准的正态分布,则根据概率论的知识,绝对值大于3σ的误差仅有0.3%,即Ρ{|x-α|3σ}≈99.7%。当3倍的时延均方差3στ小于信号周期T=1 fc时,整周相位模糊度几乎不受到噪音的影响。同时,考虑到群时延用于判断平方法中载波存在π的相位模糊问题,需要3倍的时延均方差3στ小于半个信号周期即1 2 fc,本文以此作为求群时延的精度标准。
4 仿真分析
对图3所示的算法流程进行实验验证,本文所处理的信号是经航天器发射后到达2个不同测站的信号,分别仿真生成两路码元速率为10 Mb/s的BPSK调制信号,其中载波频率fc=64 MHz载波初相φ0=π3,信号长度n=1 024×256,两路信号时延差设置为τ=97.656 3 ns,两路信号均加入高斯白噪声,采样率fs=512 MHz。用FX型相关算法求群时延时,采用Bartlett法求互功率谱,将信号分为256段,每段1 024个点做FFT,拟合带宽为54~74 MHz。按照本文介绍的方法估计两路信号的时延差,并做100次蒙特卡洛仿真。
如图4,图5所示,在SNR=10 dB时,FX型相关处理时延均值97.631 6 ns,标准差2.408 1×10-10s,提取载波计算时延均值97.656 6 ns,标准差1.427 5×10-11s;在SNR=0 dB时,FX型相关处理时延均值97.653 9 ns,标准差2.680 3×10-10s,提取载波计算时延均值97.660 2 ns,标准差5.269 5×10-11s。由仿真结果可以看出,本文中利用载波相位延迟求时延的算法比传统的FX型相关处理算法时延精度有明显提高,在SNR=10 dB时可提高一个量级的时延精度,在SNR=0 dB时,处理精度有所下降但仍高于传统FX型相关算法。
5 结语
本文在分析连线干涉测量中FX型相关处理算法的基础上,提出一种宽带信号群时延解模糊,提取载波频率和相位估计两路信号时延差的算法。仿真结果证明该方法和传统的FX型相关处理算法相比提高了信号时延差的估计精度,为连线干涉测量中时延差的估计提供了一定的参考。
参考文献
[1]EDWARDS C D,Jr.,ROGSTAD D,FORT D,et al.The gold stone real time connected element interferometer[J].JAXA,1992,42:52-62.
[2]THOMPSON A R,MORAN J M,SWENSON G W.Interferome try and synthesis in radio astronomy[M].Florida:Krieger Pub lishing Company,1994:289-293.
[3]韩金林.VLBI的FX相关处理方法及其有关问题探讨[D].上海:中国科学院上海天文台,1989.
[4]李元飞,希为民.VLBI数据软件相关处理方法研究[J].中国科学院上海天文台年刊,2004(5):150-151.
[5]陈略,唐歌实,王美,等.连线干涉测量信号处理方法及实验验证[J].遥测遥控,2011,32(6):30-32.
[6]樊昌信.通信原理教程[M].北京:电子工业出版社,2004.
[7]陈宜元.卫星无线电测控技术(上)[M].北京:中国宇航出版社,2007.
[8]谢明,张晓飞,丁康频.分析中用于相位和频率校正的相位差校正法[J].振动工程学报,1999,12(4):454-459.
[9]齐国清.基于DFT相位的正弦波频率和初相的高精度估计方法[J].电子学报,2001(9):1164-1167.
宽带信号 篇5
在浅海环境下,对于鱼雷主动自导系统,混响成为主要背景干扰[1]。混响与一般噪声相比,具有与发射机发射的声波信号密切相关、非平稳色噪声的特点,使得混响背景下的信号检测与一般噪声背景下的信号检测有很大的区别。
本文以声纳主动自导系统为应用背景,针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波和分段预白化匹配滤波检测算法研究结果表明由正反线性调频信号和双曲调频信号产生的宽带混响满足局部平稳高斯色噪声混响模型,在一定的信混比条件下,分段匹配滤波和分段预白化匹配滤波算法可以实现对这两种混响背景下回波信号的有效检测,而且分段预白化匹配滤波算法的检测性能要优于分段匹配滤波检测器。
1 局部平稳高斯色噪声混响背景
1.1 局部平稳高斯色噪声混响模型
海洋混响的最大特点之一就是其时变性,即其频谱和能量都是随时间变化的。文献[2]指出,当混响数据的观测时间与发射信号的脉宽相当时,可以认为混响数据是局部平稳的高斯色噪声,而且相邻数据段之间信号的频谱和能量等参数变化不大如果将混响数据分割为与回波信号脉宽基本一致的数据段后,则认为混响数据是局部平稳的。这与将混响描述为一个时变的随机滤波过程相比,局部平稳高斯色噪声混响模型更简单,易于实现,还简化了混响背景下的信号检测问题,可以得到该检测问题的次最佳检测器。
文献[3]的研究表明,可以通过Itakura距离,即比较相邻数据段之间的频谱变化情况来对混响的局部平稳性进行评价。
1.2 局部平稳性影响因素分析
从Itakura距离的定义来看,混响数据的局部平稳性主要取决于分段后各段数据频谱的变化情况[4]。在实际应用中通常总是用AR模型来估计信号的频谱。
将高斯白噪声通过一组参数不同的AR模型,产生一组频谱变化的高斯色噪声数据,通过计算该组数据中相邻数据段之间的Itakura距离,对这组数据的局部平稳性进行评价。
AR模型[5]阶数固定为二阶时,极点位置变化对数据局部平稳性的影响。图1a为各数据段的频谱,图1b为相邻数据段之间的Itakura距离。当AR模型的阶数不变时,相邻数据段之间的Itakura距离变化的最大值小于0.02。可见当AR模型的阶数固定时,AR模型极点位置的变化对数据的局部平稳性影响不大。
AR模型阶数变化对数据局部平稳性的影响。图2(a)为AR模型的阶数不同时各段数据的频谱。图2(b)为相邻数据段之间的Itakura距离。仿真结果表明,当AR模型的阶数变化时,相邻数据段之间的Itakura距离的变化较大,即AR模型的阶数对数据的局部平稳性影响较大。
1.3 满足局部平稳高斯色噪声混响模型的混响数据仿真
如何产生一组满足局部平稳高斯色噪声模型的混响数据,是对基于局部平稳高斯色噪声混响模型的检测方法进行仿真分析的基础。本节在充分考虑局部平稳高斯色噪声混响模型以及AR模型参数对数据局部平稳性影响的基础上,仿真产生满足要求的混响数据。
假设在整个观测时间内,满足局部平稳高斯色噪声混响模型的混响数据频谱可以用一个阶数不变的AR模型来描述,根据1.2节的分析结果,则可以将高斯白噪声通过一个阶数不变时变AR模型来产生满足局部平稳高斯色噪声混响模型的混响数据,局部平稳高斯色噪声混响数据仿真方法示意图如图3所示。
图3中w(t)为均值为0,方差为1的高斯白噪声,σ(t)表示混响均方差的变化规律,n(t)满足局部平稳高斯色噪声混响模型,α为一常数。n(t)乘以α后就可以将n(t)的幅度范围调整到需要的混响数据幅度范围内,最终得到需要的混响数据r(t),h(t,u)表示时变AR过程。
设时变AR模型的阶数为p,参数为ai(t),则n(t)可用式(1)表示。
现假设AR模型的阶数为2阶,且时变AR模型的参数a1(t)和a2(t)由式(2)确定:
式(2)中m(t)在区间[m0-Δm/2,m0+Δm/2]上服从均匀分布,θ(t)在区间[θ0-Δθ/2,θ0+Δθ/2]上服从均匀分布。在Δm和Δθ的值都比较小的情况下n(t)满足局部平稳性条件。σ(t)为指数函数,即:
最后仿真产生的混响数据波形图如图4所示。相关参数取值为:σ0=0.2,β=5,m0=0.9,Δm=0.02m0,θ0=0.3π,Δθ=0.02θ0,T=1s,fs=20kHz。
2 检测算法
2.1 分段匹配滤波检测算法
设T为混响持续时间,信号脉宽为Tp,分段数据段宽度TB。考虑局部平稳性和检测方法可实现性,数据分段时必须满足:数据段宽度TB必须与需检测信号的脉宽Tp相当,且TB>TP,相邻数据段的偏移量ΔT≤TB-Tp。对数据进行分段后,对第k+1段数据的检测问题可以描述为:
式(4)中τ′为一未知量。
对于如式(4)中的检测问题,如果用匹配滤波的方法对回波信号进行检测,则可以得到分段匹配滤波检测算法,实现该匹配滤波的结构框图如图5所示。
2.2 分段预白化匹配滤波检测算法
对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即预白化匹配滤波检测器进行处理,则可以得到分段预白化匹配滤波检测器。分段预白化匹配滤波检测器在对第k+1段数据进行处理时,用第k段数据估计频谱代替k+1时刻混响频谱,并对第k+1段数据进行白化处理。与分段匹配滤波算法一样,在对检测问题(4)进行处理时,对第k+1段数据进行处理的结构框图如图6所示。
3 仿真试验及结果分析
3.1 分段匹配滤波检测仿真
采用分段匹配滤波算法,分别对仿真产生的混响数据和在该混响数据的t=300ms的位置叠加脉宽为50ms,频率范围2kHz～2.5kHz的线性调频信号进行处理,仿真结果如图7所示。仿真结果表明在信混比为-3dB时,数据段12和13的检验统计量最大。可见分段匹配滤波算法可以有效检测满足局部平稳高斯色噪声混响背景下的回波信号。(数据分段的参数:TB=1.5TP,ΔT=0.5TB。)
3.2 分段预白化匹配滤波检测仿真
采用分段预白化匹配滤波算法,仿真参数与3.1相同,信混比为-3dB时的处理结果如图8所示。可见与分段匹配滤波算法一样,分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号。
分段预白化匹配滤波检测器用第k段混响数据估计的频谱代替第k+1段混响数据的频谱,并进行预白化处理。由于第k段混响的频谱与第k+1段混响的频谱存在一定差异,因此该白化过程是不彻底的,所以理论上来说分段预白化匹配滤波只能得到局部平稳高斯色噪声混响模型下的次最佳检测器。
对分段匹配滤波检测算法来说,由于在实现过程中是直接对分段后的数据进行匹配滤波处理的,没有预白化过程,因此分段预白化匹配滤波检测器的检测性能要优于分段匹配滤波检测器。
3结语
针对高斯色噪声混响模型下的宽带信号检测问题,本文首先研究了AR模型参数对混响局部平稳性的影响并仿真实现了满足要求的混响数据提出了采用分段匹配滤波和分段预白化匹配滤波器实现混响背景下的宽带信号检测,仿真结果表明两种算法均可实现混响中的宽带信号检测,在低信混比条件下分段预白化匹配滤波检测器的检测性能要优于分段匹配滤波检测器。但在实现过程中分段匹配滤波检测器是直接对分段后的数据进行匹配滤波处理的,没有预白化过程,其计算量上必然低于分段预白化匹配滤波检测器,因此在工程实现上应根据需求合理选择。
摘要：针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。
关键词：混响,分段匹配滤波,分段预白化匹配滤波,信号检测
参考文献
[1]刘伯胜,雷家煜.水声学原理.哈尔滨:哈尔滨船舶工程学院出版社,1993
[2]Carmillet V,Jourdain G.Wideband sonar detection in reverberation using autoregressive models.MTS/IEEE Conference Proceedings on OCEANS'96'Prospects for the21st Century',1996;3:23—26
[3]Carmillet V,Amblard P O,Jourdain G.Detection of phase-or fre-quency-modulated signals in reverberation noise.J Acoust Soc Amer,1999;105(6):3375—3389
[4]王振力,白志强,朱江.基于FSS与PLP的噪声鲁棒语音识别.南京邮电大学学报(自然科学版),2008;28(4):12—15
宽带信号 篇6
由于AD9852的输出信号是直接通过其内部的余弦DAC进行输出的, 其输出信号的幅度较小且高频噪声较大, 因此需要通过一个120MHz的三级椭圆低通滤波器将高频噪声滤除后输出给AD8370。在电路中, 将AD8370的输入设计成差分输入方式, 以更好地消除偶次谐波, 并增大共模抑制比。输入端的1μF电容用以隔离信号中的直流成分, 同时该电容与AD8370的输入等效电阻到地, 形成一个高通滤波器, 可有效滤除低频噪声。AD8370的增益控制码可根据公式计算得出, 其中:Av是所要的电压增益, GainCode为控制码, 取8位二进制代码中的低7位, 第8位即MSB为1时表示采用高增益范围。当信号频率为2MHz时需要将增益控制码设置为10001101即12.6dB, 当信号频率为100MHz时, 增益控制码则调整为11001100即29dB。该增益控制码可由ARM单片机LM3S3749根据DDS的输出信号的相关幅度, 通过公式计算出来后通过PE2口, 写入AD8370的DATA端。
为了提高输出信号的共模抑制比, 减小偶次谐波畸变, 将AD8370的信号输出端设计为差分输出方式。由于作为信号源只能在石英晶片的一端施加信号激励, 因此在差分信号输出端设计了一个宽带集成运算放大器, 可将双端差分信号转换为单端信号输出。由于AD8370的信号输出增益受到外接负载电阻的影响与理论计算值产生一定的偏差, 该偏差可按照公式:计算得出。在本电路中, AD8370的输出负载近似等于100Ω, 代入该公式计算得出增益偏差为1, 因此无需对增益控制码进行调整。
为了防止高频信号的窜扰对供电电路的影响, 在印制电路板设计时, 需要将去耦磁珠紧靠着AD8370的输入端电源和输出端电源的引脚处放置, 以防止高频信号通过电路引线耦合到芯片内部, 同时100pF和0.1μF旁路电容将高频信号进行对地旁路。
参考文献
[1]Analog Devices, Inc.AD8370data sheet[EB/OL]http://www.analog.com2011.12
宽带信号 篇7
一、2FSK信号
传统2FSK信号的实现方式包括以下3种:直接调频。采用数字基带信号直接控制LC振荡回路的参数改变,实现相位连续的2FSK调制。该方式实现容易,相位连续,但采用了大量模拟电路元件,频率精度和稳定性无法保证。频率转换。采用数字基带信号控制二个独立的振荡器,通过加法器叠加实现!"#$调制。该方式采用了部分数字电路,精度较高。但由于二个边频采用独立的高频振荡器生成,在频域引入了大量谐波干扰成分,无法满足相位连续的调制。调制解调芯片。采用成熟的调制解调芯片实现。该方式采用了当前通信电子技术发展的最新成果,直接利用现成硬件实现2FSK调制,精度高,频率稳定性好。但是由于调制解调芯片普遍遵循了相应的CCITT通信协议标准,只能实现特定载频、特定调制频率上的2FSK调制,且硬件成本较高,无法满足专用领域的应用。
二、功能实现
现有系统中,信息发送单元采用了大量以电阻、电容等分立元件构成的模拟电路,所产生的信号直接取决于电路元件的特性,无法实现不同制式之间的统一。随着近年来电子技术的飞跃发展,在同一专用集成电路的基础上实现不同制式信号的调制已成为可能。通过对2FSK调制方式的深入分析,找到了实现通用、宽频带、相位连续2FSK调制的途径:对2FSK信号3个典型参数:上边频、下边频、基带调制信号的精确发生;在精度允许范围内实现低频调制方波对上、下边频信号的相位连续调制;CPU通过软件控制集成低通滤波器,实现输出波形方波转正弦波的变换;基于同一硬件基础实现宽带范围内相位连续2FSK信号的调制输出。
在实际设计中,主控芯片选用了美国IITMEL公司的89C52。模块主要组成部分包括CPU,RS485串行通信接口电路、拨码开关条件输入电路、看门狗复位电路、液晶显示电路、波形生成电路、功率放大电路、电源开关电路等。
CPU通过串行通信接口和列车控制系统中央处理单元完成高速数据交换,接收相应指令,存入内存缓冲区。根据指令要求,控制多通道可编程定时计数器输出2路高精度方波信号S1、S2。S1为2FSK边频信号;S2为一特定频率的高频信号,用于控制低通滤波器的通带范围,经过低通滤波器的滤波环节,完成边频信号由方波形式到正弦形式的转换。基带调制信号由工作时钟为几十兆赫兹的CPU通过软件定时控制从PXX普通I/O口输出,试验证明完全能够满足精度要求。
三、关键技术
相位连续调制的实现。相位连续2FSK信号调制过程中,基带调制信号在控制上、下边频切换时始终保持波形相位的连续过渡,不出现断续现象。相位连续的2FSK调制是2FSK调制应用中最为广泛的一种形式,具有实现容易、频谱杂扰成分小等优点。在本模块的设计中,通过选择82C54多通道可编程定时计数器作为波形发生的核心芯片,使它工作在方式3(方波发生器)下。
四、波形转换技术与滤波器的选择
相位连续2FSK调制信号的时域波形的上、下边频均为正弦波形式,而在实际设计中由可编程定时计数器产生的边频信号却为方波形式。因此必须在保证精度不变的前提下实现波形的转换。波形转换是电子技术应用领域中普遍使用的通用技术,通常采用触发电路或者模拟滤波电路实现。在本模块的开发中,采用了开关电容集成低通滤波器完成。
本模块选用了美国MAXIM公司生产的集成低通开关电容滤波器。开关电容技术是近年才发展起来的新技术,它是由MOS电容、电子开关和运算放大器构成的集成化网络,简称SC网络。通过电容的储能、开关的倒换以及运放的隔离和放大作用,进行信号的传递和处理,等效电阻通过SC网络实现,从而使其传递函数的精度仅取决于电容比。在大规模集成电路中,电阻和电容的精度一般只有10%,其误差不能相互补偿,以至RC网络的误差可高达20%左右,往往不能满足实际要求。
目前该模块已在现场投入使用,性能稳定。相对于其它方式的设计,例如FPGA频率合成、虚拟仪表等,它具有嵌入式设计、通用性好、硬件紧凑、性能价格比高等显著的优点。尤其是在研制过程中所采用的设计思路实现了宽频带、多变量分别控制的相位连续2FSK信号调制,对于其它通信应用领域也有一定的借鉴作用。
参考文献
[1]幸云辉:位微型计算机原理与应用[M],北京:北京邮电学院出版社,1991.