智能定义无线电技术体系及其设计方法

严天峰，孙文灏，伍忠东，绽 琨，廉 敬，郑 礼，汤春阳，安宇鹏

(1. 兰州交通大学 电子与信息工程学院，兰州 730070；2. 甘肃省无线电监测及定位行业技术中心，兰州 730070； 3. 甘肃省高精度北斗定位技术工程实验室，兰州 730070；4. 兰州大学 信息科学与工程学院，兰州 730000)

软件无线电(software radio,SR)是Joseph Mitola III博士在1992年5月美国电信会议上[1]提出的一种“用户可重构的”无线电系统.它不但是一种新的无线电工程设计方法，还是一种新的思想体系.软件无线电的思想和设计方法推动现代通信的发展，已在移动通信、雷达、电子侦查、无线电频谱监测等诸多无线电工程领域得到广泛应用，它奠定了现代无线数字通信的理论基础，是无线通信中的超外差理论自二次世界大战广泛发展和应用之后的又一次飞跃.

Joseph Mitola III最早提出的SR是一种理想化无线电系统，SR接收机在天线之后的数字化架构受限于半导体器件的发展，只在某些频段得到实际应用(如1.5～30 MHz短波频段).SDR软件定义无线电接收机(software defined radio,SDR)的射频前端仍然借鉴传统的超外差理论，其数字化往往在射频到中频(radio frequency to intermediate frequency,RF-IF)处理之后.

目前，以SDR为基础的无线电系统向高度复杂化衍进，新型的超宽带多路数字化无线电收发信机具备动态可重构的功能，可以依照用户需求，实现软件的在线加载和硬件资源的动态调度.同时，认知无线电(cognitive radio,CR)[2-4]的提出使得传统的无线电具备和外界交互的能力，虽然CR具备学习的能力，但本质上它仍然是软件无线电SDR基础之上的衍进.

SDR灵活的可重构性和模块化特点，使其被广泛地应用于通信的各个领域，如WiFi[5]、全球移动通信(global system for mobile communications,GSM)移动基站[6]、卫星通信[7]、无线电监测和定位估计[8-9]、长期演进(long term evolution,LTE)通信系统[10]、无线电传播测量仪器[11]、多入多出(multiple-input multiple-output,MIMO)系统[12-14]等，第五代移动通信系统5G的物理层基础依然基于软件无线电理论.

SDR系统的性能除了依赖RF-IF、模数转换(analog to digital conversion,ADC)、数模转换(digital to analog conversion,DAC)、数字信号处理(digital signal processing,DSP)等器件的指标外，很大程度上取决于模数转换之后的数字信号处理的模型和算法，包括解调/调制、数字上下变频、信道编/解码、均衡、智能天线中的MIMO等，这些用户可重构的模型和算法决定了一个数字系统的优劣.

SDR系统信号处理的模型和算法亦由人的思维方式决定.受制于人自身感知和认知的局限性，这些模型和算法并非最优.同时，SDR系统是由多个功能模块组成，构成这些功能模块的内核依然是算法，比如:一个典型的SDR接收机各个模块包括数字下变频、均衡、信道解码、解调等，这些算法虽然能在局部保证功能模块的性能最优，但组合后未必能够保证系统最优.此外，为提高系统的总体性能和指标，SDR系统往往采用并行的多模块化结构设计，这导致系统扩展功能时，必须增加额外的软硬件功能模块，这使得SDR系统的定制成本较高.

SDR面临的问题本质上还是传统无线通信的分散的体系结构和思维方式决定的.为解决SDR面临的问题，提出了智能无线电或者智能定义的无线电系统.IR/IDR系统的核心思想是在保留传统SDR系统射频单元功能模块的同时，利用可端-端训练的深度神经网络替代传统无线通信系统数字域的全部功能.

IR/IDR系统通过“学习”的方式，对系统进行优化.这样一方面可以尽可能减小系统受人的影响，另一方面，系统更容易达到整体最优.当系统需要进行功能扩展时，仅需要对系统进行额外的训练，而不必增加额外的软硬件模块，功能扩展的边际成本更低.

1 传统的软件定义的无线电SDR

一个SDR软件无线电收-发通信系统如图1所示，其包含无线信号的发射与接收两个过程.下面以一个SDR的接收过程为例简要介绍SDR系统.

射频前端是无线电信号接收和发射的必要物理基础.现阶段通常的思路是对频段的分段处理，以利于后续模拟到数字(analog to digital,A/D)变换和数字信号处理.一般而言，对于9 kHz～30 MHz短波HF以下的频段，限于最高频率的上界，可以直接采用低通采样，以使得ADC尽量靠近天线，即理想的“软件无线电”SR的方式.

对于30 MHz以上的频段，受制于ADC的性能以及为提高接收机的总体性能指标，射频前端仍采用典型的超外差式变频方案，通过RF-IF的变换将频谱变频到中频(典型的如70 MHz中频)，后续的AD采样可以采用低通或者带通采样的方式，这样可以最大限度降低A/D和DSP的性能要求.

模-数转换之后的数字下变频模块(digital down conversion，DDC)用以完成信号的多速率处理，同时降低后续DSP的运算要求.A/D之后采样数据实际上包含有用户感兴趣的多个窄带信号DDC和DSP处理过的各类软件(算法或模型)，实质上是SDR接收机用户可重构的核心.它通过软件的方式来完成接收机的2个基本功能:通信和信号监测.通信包括解调、信号解码均衡和信源解码，完成信号接收的全过程，典型的如通信电台；监测则主要包括域的转换，如FFT等.本质上是一个无线电频谱仪的基本功能.

DDC可以分成两类，一类是宽带DDC，它可以容载多路I/Q(in-phase and quadrature,I/Q)信号；一类是窄带DDC，它的目的是完成一个信号的接收功能.任何一路的I/Q信号都可以根据用户的需求通过FFT完成信号监测或者通过解调输出给用户.对于数字调制的信号还需通过信道解码和信源解码，这样就完成了SDR软件无线电接收机两个最基本的功能——信息的通信和监测.

2 IR/IDR系统

在SDR之上的IR/IDR系统如图2所示.其采用系统DNN替代SDR数字域的功能，如信源编解码、数字上下变频、调制解调等.系统DNN由多个子DNN构成，各子DNN分别对应于数字域中各个模块的功能.利用子DNN组成的系统DNN进行训练，达到系统的整体优化，从而获得更高的系统有效性和稳定性，这即是“智能定义的无线电”的核心思想.

引入高集成度的系统DNN，不仅可以获得系统层最优，还可以大幅度降低无线电通信系统硬件系统的复杂度.也就是说，传统SDR通信系统A/D之后的大量FPGA和DSP器件，在IR/IDR系统通信系统中会被一个DNN芯片所取代，其成本与功耗，与SDR系统相比，会有明显优势.

更为重要的是，DNN的可训练性可以使通信系统针对不同的通信信道进行专门的训练.这使得IR/IDR系统可在不同的通信信道中都能够取得较好的有效性与可靠性，这在通信信道相对固定的信道中更为简捷和有效.

同时，DNN的可训练性，还为系统提供了强大的可扩展能力.只要提供有效的大规模训练样本，IR/IDR系统可灵活地完成更多建立在无线电通信基础之上的其它工作.

2.1 理想的IR/IDR无线通信系统

一个理想的基于IR/IDR的无线通信系统如图3所示.系统采用DNN替代了传统无线电信号收-发系统中的信号预处理(包括信源编解码、信道编解码、调制与解调、交织与均衡、波束合成)、DDC以及数字上变频(digital up conversion，DUC)的全过程.

理想的基于IR/IDR的无线通信系统可以通过DNN全过程的训练而达到系统最优，在稳定的加性高斯白噪声信道中容易达到系统最优，但受制于实现成本和DNN的训练难度，在变参信道或者多径复杂的信道如瑞利信道下可能需要有大规模的训练才能有较好的性能.图4给出一个易于实现IDR系统方案.与理想系统相比，该方案中的数字上变频与部分数字下变频功能依旧采用传统方式实现.该方案在保持理想IR/IDR优势的同时，可有效降低实现成本和网络训练难度.

2.2 IR/IDR无线通信系统的联合优化

IR/IDR无线通信系统可以有两种工作模式.一种为现有系统的兼容模式，即无线电信号收发两端中，有一个为传统通信系统，另一种为联合优化模式，即无线电信号收发双端均为IR/IDR系统.

兼容模式下，IR/IDR系统可利用发射或接受固定训练信号的方式，与传统通信系统配合工作.实验证明，在此情形下的无线通信系统的整体性能会有明显提升.

联合优化模式下，IR/IDR系统可简化为一个带有内部噪声的特殊DNN.当信道固定时，系统的内部噪声的变化规律也随之确定.利用已知的输入与输出信号数据与噪声描述机制，联合优化的IR/IDR系统获得的有效性和稳定性提升较兼容形式下的IR/IDR系统更加显著.

2.3 IR/IDR的信道优化

Y=HX+N,

(1)

其中:H与N分别为广义信道系统的乘性噪声和加性噪声.由式(1)可得

(2)

(3)

由于DNN是H-1N的一个近似，所以只要用该DNN对整体系统进行补偿，即可有效降低模拟域信道对系统的影响.

此外，如果将模拟域的ADC、DAC和射频前端等都视为信道的一部分，则联合优化模式的IR/IDR系统可抽象为一个中间带有强干扰(固定映射)的大型DNN，如图5所示.只要对这个大型DNN进行充分地训练，该DNN有可能会依据其工作信道的实际状态，学习出适用于该信道的特有信源编解码方式、信道编解码方式等，与通用方法相比，该方法有可能更加逼近香农极限.

3 IR/IDR系统的应用

3.1 基于IR/IDR的模拟调制信号通信

图6为一种基于IR/IDR的FM调频接收机的实现方案.基于DNN的信号解调模块采用经典的“编解码”网络结构重建发射信号.该结构一方面可对输入的信号数据进行去噪[15].另一方面，可利用编码网络的多级下采样形式，实现原多速率处理模块缺失的多重采样过程.

与传统SDR接收机相比，本文提出的接收机的抗噪性能有了显著的提升,对比结果如表1所列.表1中的数据为接收机重建信号与发射原信号的均方误差，该值越小，说明接收机的可靠性越好.

表1 两种接收机的可靠性对比Tab.1 Reliability comparisons of two receivers

3.2 基于IR/IDR的数字调制信号通信

图7为一种基于IR/IDR的正交频分复用(orthogonal frequency division multiplexing,OFDM)信号接收机实现方案.该接收机由数字前端与解调模块组成.与FM解调模块相比，OFDM解调模块更加复杂.考虑到DNN的实现和训练成本，该模块保留了传统OFDM信号解调必需的信号预处理(用于去除循环前/后缀)和定时同步模块.OFDM解调过程的其它功能(如FFT变换、信道估计、信道均衡、解码等)均通过功能子网络的形式整合进一个DNN模块.

DNN模块中的各个子网络均采用卷积网络实现.解映射、解交织、解码等功能采用与FM解调模块相同的神经网络结构实现.

事实上，定时与同步、信号预处理两个模块的功能也可由DNN完成.但这样做会较大幅度地提升DNN设计的难度与训练难度.考虑各方成本因素，故DDC采用传统方式实现.

3.3 基于IR/IDR的无线电频谱监测接收机

图8为一个基于IR/IDR的无线电频谱监测机的实现方案.该监测机由数字前端与多种DNN功能模块组成.

智能监测机的DNN模块由多个不同的DNN功能模块组成.其中，FFT模块用于将输入的信号数据转换为频谱数据.调制模式识别模块用于自动识别接收信号的调制方式，如正交相移键控(quadrature phase shift keying,QPSK)等.识别模块具有自动选通的能力，可依据识别结果，将输入的I/Q信号直接输出到后端不同的解调模块.

为了在大带宽条件下提高系统的量化增益与系统的动态范围，监测接收机的模数转换速率和转换位数要求较高.所以模数转换后输出的数据的速率较高，需要保留一个完整多速率处理模块来降低数据速率.

3.4 基于IR/IDR的无线通信网络

当通信网络中的无线电收发机均为IR/IDR设备时，其构成的通信网络架构也可采用DNN管理，并通过训练学习进行网络级的整体优化.图9展示了由IR/IDR管理的无线电通信网络接收部分.同样的，信号的发射部分也可采用类似的方案进行管理.典型的如无线电频谱监测网络可以采用这个网络架构实现.

4 结论

IR/IDR系统中的“智能定义”，意为采用不同的子DNN来实现传统通信系统中的子模块功能，并对子DNN构建的系统DNN进行整体训练，以获得完整的系统级优化.

从目前的实验结果来看，这种系统级的完整优化具有很大潜力.比如在联合优化模式下，IR/IDR系统可以使得信道的编解码方案达到现有最佳水平，并有进一步逼近香农极限的可能性.另外，基于IR/IDR的设计方法也可在神经网络电台以及复杂无线信道下的微弱信号识别中得到广泛应用.

由于DNN易于融合的特性，在通信网络管理层，也可采用一个DNN与各种IR/IDR设备中内嵌的DNN融合，实现通信网络层面的管理优化，有助于通信网络有效与稳定的提升IR/IDR的系统级优化特点，使其具有广泛而光明的未来前景.它真正意义上实现了将“通信问题演变为计算和数据问题”，并可以用通用计算机来解决复杂的通信问题，为无线通信技术的发展和应用提供了更多的可能性.

IR/IDR的新的理论和应用模式，将人工智能与通信技术深入交叉和融合，为未来通信技术(如6G)必将带来颠覆性的进步和飞速发展.

本文感谢相关实验室的各位老师和同学自2016年末开始在IR/IDR系统3年多探索工作过程中为IR/IDR理论、IDR神经网络电台、基于IDR的无线电指纹识别、低信噪比的可靠性通信以及相关IDR专用芯片等诸多全新领域开创性的工作共同付出的辛勤劳动和汗水.