感应式磁性天线设计及干扰抑制算法研究*

李春腾，蒋宇中，刘芳君，赵 鹏，李松林

(1. 海军工程大学 电子工程学院， 湖北 武汉 430033； 2. 云南民族大学 数学与计算机科学学院， 云南 昆明 650500； 3. 海军工程大学 电气工程学院， 湖北 武汉 430033)

超低频频段的电磁波凭借在海水中衰减较小和具有较强抗干扰能力等优点[1]被视作一种可靠的通信方式。然而，超低频天线属于电小天线，其辐射效率极低，即当发射机的输出功率为千瓦级时，接收机获得的辐射功率不足1 W，加之接收频段内面临着较强的背景噪声干扰，因此超低频通信的信干噪比很低。目前，有两种技术手段用于解决上述问题，即增加发射功率和在接收机后端采用先进的数字信号处理技术。考虑到前者不仅成本高，而且效果也并不明显。因此，本文采用后者实现上述目的。

对于干扰抑制算法而言[2-3]，传统的算法主要包括线性滤波[4]、信号子空间[5]以及广义旁瓣抵消[6]等，它们主要应用于语音信号增强，在超低频干扰抑制领域应用较少。此外，当期望信号与干扰同方向时，上述传统算法由于参考通道中含有较多的期望信号，在进行干扰抑制时会将主通道中的期望信号部分抵消，从而导致传统干扰抑制算法失效。

鉴于超低频通信的信干噪比很低，故本文采用间接估计方式来抑制干扰，即首先估计出干扰，而后将干扰从接收信号中移除。鉴于广义旁瓣抵消算法在语音增强领域展现出了可观的应用前景，为了在期望信号与干扰同方向时实现超低频干扰抑制，本文在该算法的基础上做了以下改进：首先，采用线性滤波代替原来的延时求和波束形成，避免了算法性能受限于天线数量，并将增强后的主信号送至阻塞矩阵[7]中进行阻塞，进一步提升了算法对非相干噪声的抑制能力；其次，将盲源分离算法[8]引入广义旁瓣抵消算法中，可以在上述情况下，为主通道提供较多的纯净干扰参考信息；再次，考虑到每根天线接收到的信号能量存在一定的差异，如果仅通过原来算法中的简单相减阻塞方式，势必会造成阻塞后输出中残留部分期望信号，进而导致算法性能的恶化，为此，本文通过合理设计磁性天线阵列结构和阻塞矩阵，较大程度地减少了参考通道中期望信号的残留。本文通过上述改进方案，有效地解决了传统算法失效的问题，实现了信号带宽内信干噪比增益的提升。此外，本文从感应式磁性天线的测磁原理出发，分析了影响磁性天线灵敏度性能的因素，研制了具有较高灵敏度的感应式磁性天线。为了避免量化噪声以及大气噪声中的工频及谐波干扰影响接收机的性能，设计并制作了低功耗、低噪声的模拟滤波电路。

1 整体模型

基于改进的广义旁瓣抵消算法的超低频干扰抑制流程图如图1所示。考虑到通信信号十分微弱，为了提高磁性天线对微弱信号的检测能力，本文对磁性天线的部分参数及结构进行优化设计；之后，考虑到接收机收到的信号中混有较强的工频干扰及其谐波分量，在接收机前端设计了各类滤波模块进行处理；在模拟域对接收信号处理完成后，通过以太网机箱NI 9184和数据采集卡NI 9239组成的数据采集单元实现模数转换，并通过NI 9184 上的以太网端口实现采集单元与上位机之间的数据传输，并在上位机中实现干扰数据的实时处理。

1.1 磁性天线

为了实现较高的灵敏度，磁性天线一般由感应线圈和具有高磁导率的磁芯组成。在选择磁芯时，要特别注意磁芯的有效磁导率和磁芯的长度与直径之比。通过对比几种常用软磁材料的性能，本文采用超微晶合金材料作为磁芯，与其他软磁材料相比，其具有较高的磁导率和很好的性价比。

在实际制作磁性天线时，采用以Z型绕线方式为主的分段绕线方式，有效地降低了磁性天线的分布电容，并通过电动机自动绕线代替原来的人工手动绕线，有效地提高了绕线效率。为了使绕制的线圈能够固定在磁芯上，将天线放在清漆中浸泡约24 h，并通过玻璃胶固定亚克力隔板的连接处，待玻璃胶晾干后，便完成了磁性天线的制作。

1.2 模拟滤波电路

模拟滤波电路主要由前置放大电路和各类滤波模块组成，前者的作用是放大前端微弱信号，以便于后续算法处理。通过查阅几种常用运算放大器的使用手册，最终确定本文采用的放大模块为AD797运算放大器，在频率低于1 kHz时，其具有很低的输入和输出噪声。滤波模块主要用于滤除工频及带宽外的强干扰，虽然开关电容滤波器对上述干扰的滤波效果很好，但其会抬升本底噪声。基于此，本文采用的滤波模块均为有源模块，其通过多个模块级联可以实现高阶模块。最终设计的模拟电路原理图如图2所示。

图1 基于模拟域和数字域结合的整体模型图Fig.1 The whole model of interference suppression combining analog domain with digital domain

图2 模拟电路原理图Fig.2 Schematic structure of designed analog circuits

由于实验室中缺乏测量磁性天线本底噪声的仪器及其缺少有效的屏蔽设施，故只能对制作的磁性天线[9]进行定性分析，即在距离磁性天线1 m处，利用两把螺丝刀相互敲打，通过采集到的信号发现，制作的磁性天线能够迅速检测出其产生的磁场。

2 改进的广义旁瓣抵消算法

图3 改进的广义旁瓣抵消算法原理框图Fig.3 Schematic diagram of improved GSC

广义旁瓣抵消器(Generalized Sidelobe Canceller, GSC)是Griffith和Jim在1982年提出的一种无约束时域自适应波束形成方法[10]。从原理上说，它是一个由主通道和辅助通道两部分构成的自适应波束形成器。其中，上方通路是系统的主通道，它主要由一个传统的固定波束形成器构成，原始信号经过该部分处理后可以得到一定的信噪比提升，可以用于消除非相干噪声和散射噪声；下方通路是系统的参考通道，即旁瓣抵消通路，它由阻塞矩阵和自适应滤波器组成。阻塞矩阵被用来抵消输入信号中包含的期望信号成分，使参考通道尽可能不包含期望信号，以便后续的自适应抵消算法可以在抑制干扰的同时不削弱期望信号，从而改善信噪比和噪声底限。但当期望信号和干扰同方向时，传统的GSC算法由于参考通道中含有较多的期望信号而无法实现干扰抑制。因此，本文提出了改进的广义旁瓣抵消算法，其原理框图如图3所示。该算法主要通过主信号的预增强以及减少阻塞后的输出中期望信号的残留来实现算法性能的改善。改进的GSC算法和原始的GSC算法结构相同，也是由上下两个支路组成，上支路主要实现主天线接收信号的预增强，下支路主要获取不含期望信号的参考干扰信息，从而实现干扰的有效抑制。

假设存在M个主通道和M个参考通道，利用FastICA算法[11]对接收的主通道序列yx1,yx2,…,yxM和参考通道序列yr1,yr2,…,yrM进行盲源分离，挑选出分离后不含期望信号的序列sn1,sn2,…,snM，将其与主通道和参考通道序列送至模块F中进行分组，使得分组后的序列仅含1路主天线接收到的信号，其余全部为参考信号(该参考信号由参考序列和分离后的序列组成)，即Ri=[yi,yrj,…,yrj+p,snl,…,snl+m]，1≤i,j,l≤M，p+m=M-3。将分组后的序列通过基于最小均方误差准则设计的最优滤波器，求解得到滤波系数的近似解，任意一路最优滤波器的权值系数可表示为：

(1)

(2)

考虑到超低频频段的电磁波在自由空间中的衰减较小，因此，由摆放间距造成的接收信号差异基本可以忽略不计。但通过分析采集到的数据发现，各路天线接收到的信号能量存在些许差异，其原因主要有以下两个方面：一方面，发射期望信号的线圈难以与两根主天线完全垂直，导致期望信号在2根主天线上的投影不同；另一方面，磁性天线和模拟滤波电路的制作工艺有限，难以保证每根天线的参数和每片电路板的增益完全相同。因此，采用原来的阻塞矩阵势必会造成参考通道中残留期望信号，从而降低算法的性能。为有效解决上述问题，本文设计的阻塞矩阵形式为：

(3)

其中，β为待解的阻塞系数，代价函数采用基于分析频带内的信噪比最小的准则，即

(4)

其中：bi为阻塞矩阵B的第i行；Yopt=[yopt,1,yopt,2,…,yopt,M]T，上标T表示矩阵的转置运算;Tl为设定的控制参数，用于控制β的调整范围。SNR(y,f)表示接收序列y在频率f处的信噪比(单位为dB)，其可表示为：

(5)

其中，Ps表示期望信号功率，Pn表示噪声功率。式(5)也是本文采用的算法性能评价指标。

3 实验与结果分析

为了测试模拟滤波电路对工频干扰及其谐波分量的抑制效果，利用示波器TDS 3012B获取处理前后的信号波形图，其结果如图4所示。实验结果表明：本文设计的模拟滤波电路有效地抑制了工频干扰及其谐波分量。

(a) 模放电路处理前的信号频谱图(a) Signal spectrum before analog circuits

(b) 模拟电路处理后的信号频谱图(b) Signal spectrum after analog circuits图4 工频及谐波干扰抑制效果图Fig.4 Effect of analog circuits on suppressing the 50 Hz and its harmonic components

图5 磁性天线接收装置结构示意图Fig.5 Illustration of receive equipments composed by magnetic antennas

为了测试所提算法在实际大气环境中的应用效果，在实验室中搭建实验平台，磁性天线接收装置结构示意图如图5所示，其中①和③的天线为主天线，②和④的天线为参考天线。

利用设计的磁性天线和模拟滤波电路接收环境中的电磁信号，从结构上来看，接收阵列中采用的磁性天线和模拟滤波电路板基本一致，为尽量减小主天线接收到的信号幅度差异，设置2根主天线的距离相对较近。期望信号和强干扰的具体采集方案为：信号发生器AFG3021产生频率为130 Hz、幅度为30 mV的信号作为期望信号，并通过连接线将其送至发射线圈1，该线圈距离接收装置约5 m；函数发生器DG1022U产生幅度为5 V的宽带高斯白噪声，并将其送至信号发生器GFG-8016G中进行相位调制，通过连接线将调制后的信号送至发射线圈2，以此作为强干扰，线圈2与接收阵列的中心成45°水平角，距离该中心约1.5 m。设置数据采集单元的采样频率为5 kHz，采集时间为每组数据30 s。为了避免接收信号中引入额外的工频干扰，数据采集单元和模拟滤波电路板均采用蓄电池供电。下面分别进行3组实验来验证所提算法的有效性。

实验1：以通道1作为参考，线圈1位于通道1指向的前方，线圈2位于接收阵列的45°方向，干扰抑制效果如图6所示。

实验2：线圈1的位置和线圈2的位置相同，即处于接收阵列的45°方向，干扰抑制结果如图7所示。

(a) 主信号频谱图(a) Spectrum of the main signal

(b) GSC处理后信号频谱图(b) Signal spectrum after GSC

(c) 改进GSC处理后信号频谱图(c) Signal spectrum after improved GSC图6 信号与干扰处于不同来向时的干扰抑制结果图Fig.6 Results of interference suppression with the different direction between signal and interference

(a) 主信号频谱图(a) Spectrum of the main signal

(b) GSC处理后信号频谱图(b) Signal spectrum after GSC

(c) 改进GSC处理后信号频谱图(c) Signal spectrum after improved GSC图7 信号与干扰处于同一来向时的干扰抑制结果图Fig.7 Results of interference suppression with the same direction between signal and interference

从图6和图7实验结果来看，GSC算法在期望信号和干扰不同方向时具有一定的干扰抑制效果，信噪比和噪声底限分别改善13.94 dB和16.57 dB，而在两者方向相同时算法性能明显下降，信噪比和噪声底限分别改善1.60 dB和15.31 dB；而改进的GSC算法在上述两种情况下均取得较好的干扰抑制效果，在期望信号和干扰不同方向时，信噪比和噪声底限分别改善22.21 dB和26.31 dB；而在同方向时，信噪比和噪声底限分别改善16.03 dB和10.90 dB。该实验结果与第2节的理论推导相吻合，即一方面，盲源分离算法为主通道提供较多的参考信息；另一方面，通过调整主通道接收天线之间的距离以及优化阻塞矩阵，使得主通道上接收到的信号能量差异较小，这在很大程度上减少了参考通道中残留的期望信号，从而使算法在期望信号与干扰同方向时依然有效。这也证实了本文所提的改进算法的有效性。

实验3：关闭45°方向的随机调相干扰，启动绕线时采用的电动机，将其放置在接收序列的45°方向，距离接收装置1 m，通过电动机模拟超低频接收机中的任意干扰源来进一步验证所提改进算法的有效性，通过示波器TDS 3012B观测电动机开启前后接收信号的变化，转动开关控制器调节电动机的转速，使干扰源处于频带范围内，干扰抑制结果如图8所示。

(a) 主信号频谱图(a) Spectrum of the main signal

(b) GSC处理后信号频谱图(b) Signal spectrum after GSC

(c) 改进GSC处理后信号频谱图(c) Signal spectrum after improved GSC图8 电机干扰抑制结果图Fig.8 Results of interference suppression caused by motor

由图8可知，GSC算法对电机干扰抑制效果很差，几乎完全失效，而改进的GSC算法对电机干扰的抑制效果较好，信噪比和噪声底限分别改善6.86 dB和3.22 dB，但比人工随机调相干扰的抑制效果差，原因主要是电机干扰的频谱在频带范围内不断波动，使频带内的噪声底限明显抬高，且没有明显的干扰峰值，这使得改进算法对非相干噪声的抑制能力有所减弱。因此，算法对其的抑制效果要差于人工随机调相干扰。通过电机干扰实验进一步证实了改进算法的有效性。

4 结论

本文从提高超低频微弱信号的检测能力和改善干扰抑制效果两方面着手，设计了灵敏度较高的磁传感器，给出了磁性天线及模拟电路的设计制作流程；在广义旁瓣抵消算法的基础上，将盲源分离算法引入至改进的广义旁瓣抵消算法中，为主通道提供了较多的参考信息，有效地改善了算法在期望信号和干扰同方向时的性能，并在实验室环境下设置多组算法性能测试实验，结果表明：模拟滤波电路能够有效地抑制工频干扰及其谐波分量，相比于原始的GSC算法，无论期望信号与干扰源是否处于同一方向，改进后的GSC算法均在较大程度上提升了信号带宽内的SINR增益，有效地改善了超低频通信的通信质量。