基于一维谱数据和二维时频特征的信号宽带盲检测技术

李新科，谭文昊，江 漫，柏如龙

(1.中国人民武装警察部队士官学校，浙江 杭州 310000；2.中国人民解放军92001部队，山东 青岛 266000；3.中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

0 引言

为更好地适应通信侦察的需求，宽频带接收机广泛应用[1]，这就要求接收机必须能对较宽频带内的多信号进行接收，并要求尽可能地自动完成对目标信号的盲检测，即能够实时完成高概率甚至全概率接收。而高概率的信号盲检测技术是核心[2-3]，要求在没有任何源信号与传输信道的先验知识的前提下[4-5]，仅根据接收到的观测信号对信号的存在性做出判断。因此，开展宽带通信信号的盲检测研究具有重要现实意义。

目前信号盲检测领域内国内外专家的研究工作都取得了相当可观的成果。文献[6]采用基于多尺度形态滤波的方式实现一维谱搜索检测，但是数据计算量大是其主要缺点。R&S公司的AMMOS自动模块化检测系统在一定程度上实现了频谱检测与信号盲检测的自动化，但是过多的人工参与使得系统不适应自动化程度要求高的场合。针对自动和高概率截获目的，提出了基于一维谱的信号宽带盲检测技术和基于二维时频的信号宽带盲检测技术，用于解决宽带接收条件下的信号检测与分选问题，可实现对短波[7-8]、超短波[9]、微波[10-11]和卫星[12-14]等各领域各频段内各类信号的高概率截获。

1 宽带信号盲检测基本原理

目前，基于一维谱数据的信号宽带盲检测技术基本处理流程如图1所示。

图1 盲检测基本处理流程

① 谱计算

实时或准实时获取原始宽带频谱数据，主要考虑时间、频率分辨率及可行的流水实现。

② 预处理

通过对原始频谱数据的预处理，降低谱估计的方差，生成后继信号检测所需的特定一维频谱数据，如平均谱、最小保持谱、最大最小差分谱等。

③ 检测

通过自适应检测门限、谱线状态融合等统计处理方法，确定信号类型(持续/突发)、出现时间、消失时间、中心频率、带宽、信噪比和相对电平等参数。

2 宽带盲检测算法原理

2.1 基于一维谱数据的宽带信号盲检测

2.1.1 概述

用于解决宽带接收条件下信号检测与分选问题，可实现对短波、超短波和微波等频段内各类信号的检测，包括定频、猝发和跳频等，增强宽带频谱监测的目标识别概率和自动化程度，能够适应时变且动态范围较大的色噪基底[15]。

2.1.2 基本原理

基于一维谱数据的宽带信号盲检测技术的典型应用场景如图2所示。

图2 典型应用组成框图

对于连续信号搜索，对应模块工作原理框图如图3所示。

图3 连续信号搜索模块

通过对M帧FFT幅度谱的统计分析，实现对持续信号的检测，包括如下步骤：

① 计算每帧数据的FFT，FFT结果取模后输出瞬时幅度谱，FFT点数可设；

② 瞬时幅度谱送入滑动平均模块，输出平均谱，平均次数L可设；

③ 当达到平均次数后，最小保持模块记录平均谱最小值，输出最小保持平均谱；

④ 当统计帧数超过M时，最小保持平均谱送至谱线融合搜索模块；

⑤ 搜索模块基于谱线融合策略完成信号搜索，计算搜索到的每个信号的中心频率、带宽与信噪比。

为了保证该模块处于良好的工作状态，需要注意FFT点数的设置：

① 频谱分辨率合适，使得临近两信号从频谱上能够明显区分开(观察时频图)，频谱分辨率可通过FFT点数进行调整；

② 时间分辨率合适，使得对于突发信号，必然存在一定帧数的数据，处于连续2个突发间隔之间，保证突发信号的剔除，可通过平滑次数L和FFT点数进行调整；

③ 时间分辨率和频率分辨率之间存在矛盾，需要折中进行设计。

对于突发信号搜索，其模块原理框图如图4所示。

图4 突发信号搜索模块原理

通过对M帧FFT幅度谱的统计分析，实现对突发信号的检测，包括如下步骤：

① 计算每帧数据的FFT，FFT结果取模后输出瞬时幅度谱，FFT点数可设；

② 一路瞬时幅度谱送入最大保持模块，计算瞬时最大保持谱；

③ 一路瞬时幅度谱送入滑动平均模块，输出平均谱，平均次数L可设；

④ 当达到平均次数后，最小保持模块记录平均谱最小值，输出最小保持平均谱；

⑤ 瞬时最大保持谱与最小保持平均谱差分运算后输出差分谱，当统计帧数超过M时，累积模块将差分累积谱送至峰值融合信号搜索模块，此时差分累积谱中只存在突发信号；

⑥ 信号搜索模块基于峰值融合策略完成信号搜索，计算搜索到的每个信号的中心频率、带宽与信噪比；由于是基于差分谱完成的信号搜索，因此，搜索到的信号能量反映的是信噪比；

⑦ 每完成一帧数据的计算，帧计数器加1，当统计帧数超过M时，重置帧计数器、最大保持模块与累积模块。

为了保证该模块处于良好的工作状态，需要注意FFT点数的设置，确保时间分辨率合适，使得对于突发信号，必然存在一帧数据，处于某一突发信号持续时间内，从而反映突发信号的存在，即将欲检测的突发信号最短持续时间与FTT点数通过采样频率关联起来。

若欲检测的突发信号最短持续时间为Tw，最短突发间隔为Td，系统采样频率为Fs，则FFT点数K=min(Tw，Td)/2*fs。

对于谱线融合搜索模块，模块基于临近峰值融合策略来完成信号检测，其工作原理如图5所示。

图5 峰值融合搜索模块原理

依据信号带内能量存在相似性，而带内带外能量存在差异性这一基本性质，将具有临近能量特征的峰值点归属于一个信号，并进一步分析其信号边界，估计中心频率，当完成所有峰值点归属判断后，即完成带内信号搜索过程。

2.2 基于二时频的信号宽带盲检测基本原理

2.2.1 概述

基于二维时频的信号宽带盲检测技术是利用带有时标的连续频谱来检测跳频信号，不仅可以实现高速跳频信号的高概率截获，同时也可以给出跳频信号的频率、带宽、幅度、出现时间和持续时间等参数，为网台分选提供数据支持。

2.2.2 基本原理

当突发/跳频信号没有出现时，谱线幅度较低，低于门限；当突发/跳频信号出现时，谱线幅度较高，高于门限。这正是检测突发/跳频信号的基本原理。

本算法分为3部分：估计门限、谱线信息更新和信号检测。这3部分在算法中的位置如图6所示。当选择自动门限时，需要估计门限；当选择手动门限时，则不需要估计门限。谱线信息是一组记录每根谱线状态的变量(包括谱线的状态、谱线信号的出现时间、消失时间和幅度等)，算法利用每次得到频谱更新谱线信息。信号检测部分不是直接根据频谱检测信号，而是根据谱线信息检测信号。

这些谱线信息都可以利用连续的瞬时谱计算出来。为了提高计算速度，在实现中利用短时最大保持谱、短时最小保持谱和瞬时谱联合计算谱线信息。

图6 跳频信号检测实现框图

2.2.3 信号检测

对于突发/跳频信号，算法是在信号从存在到消失转变的时刻进行检测的。一个刚刚消失的突发/跳频信号，其特征是在有信号时，信号左边和右边的谱线都没有信号存在，信号带内的谱线有信号存在，但是在信号消失当前时刻没有信号存在。算法正是依据这一特征检测突发/跳频信号。

算法在突发/跳频信号的频率估计方面做了改进。常规方法是根据门限确定信号的左、右边界，左、右边界的中间位置即信号频率。这种方法有3个缺点：

① 在信号出现和消失时，突发/跳频信号的频谱容易发生畸变，导致测频的误差变大；

② 瞬时频谱不够平滑，用于测频误差较大；短时最大保持谱和短时平均谱较为平滑，但是对于持续时间较短的突发/跳频信号，测频的次数较少；

③ 受限于频率分辨率。

为了提高频率估计的精度，本算法在记录谱线信息时有一个变量HN(i)是记录谱线超过门限的次数。算法假定信号的频谱关于中心频率对称，那么信号带内的HN(i)关于中心频率应该也是对称的。根据这一假设，算法用如下方式计算中心频率。

假设信号带内有N根谱线，最左边谱线的位置为a，最右边谱线的位置为b，那么所有谱线超过门限的次数总和可以记为

3 仿真分析

本算法的频率估计精度高，可以突破频率分辨率的限制。

仿真条件：以某电台跳频信号为测试对象，该电台信号的频率间隔为50 kHz，FFT的频率分辨率为22.5 kHz，调制样式为BPSK，数据传输速度35 Byte/s。针对不同信噪比下的信号检测正确率和检测虚警率同常规的双滑动窗算法进行对比仿真分析，如图7所示。

(a)信号检测正确率

(b)信号检测虚警率

从图7可以看出，2种算法的正确检测率都随信噪比的增加而增加。在信噪比为-2 dB时，提出的算法已经达到100%的检测率，而常规算法需要信噪比为2 dB时才能达到同样的性能。本文提出的算法之所以在如此低信噪比下还能达到优良的性能，首先是因为通过谱处理算法具有信号累积的作用。本文算法虚警率很低，在信噪比为-5 dB时，虚警率仍不到5%，说明本文算法可以很好地适应宽带信号的检测。

图8给出了对某电台信号频率估计效果图。该电台信号的频率间隔为50 kHz，FFT的频率分辨率为22.5 kHz，图中*代表估计频率，横线代表准确频率，可以看出估计频率集中在准确频率附近并且相邻频率信号的频率估计可以明显区分出来。

图8 估计效果图

4 结束语

本文提出的基于一维谱数据和二维时频的信号宽带盲检测技术，利用宽带数据的一维谱数据通过最小保持谱、最大保持谱以及最大最小差分谱线的处理实现定频和突发信号的检测与参数估计，同时，利用时频二维数据预处理，自适应估计检测门限，通过谱线信息的实时更新，有效地解决了跳频突发信号的检测和参数估计，最后通过数据的仿真对比分析，验证了该技术的有效性。