复杂电磁环境下干扰识别技术研究*

刘云孙震

（中国船舶集团（武汉）凌久电子有限责任公司 武汉 430070）

1 引言

随着通信技术的发展，生活中的无线通信设备也变得多种多样，电磁环境也变得日趋复杂。为了提取电磁环境中的目标信号，我们需要将目标信号和干扰信号作区分，针对干扰信号的识别也将必不可少。

电磁环境的复杂主要体现在在特定的空间域中，在某个频段范围内存在目标信号、各种干扰信号以及各种噪声信号，这些信号之间出现重叠，互相影响，如果不查找干扰并排除，会直接影响到电子设备能否稳定运行［1］。在这种复杂环境下的干扰识别的难点在于信号是动态性的［2］，信号和干扰都在不断变化，不能采用一层不变的识别技术来识别干扰，不同的干扰采用不同的分析方法，得到不同的干扰参数。

基于以上背景，本文通过对干扰识别技术的研究，借助DSP、FPGA等高性能计算平台来保证信号处理的实时性，在真实电磁环境中对系统性能进行了测试，最终实现快速准确地识别电磁环境中常见的干扰类型，如：通信干扰、欺骗式干扰、高重频干扰等，并通过计算输出干扰强度，干扰带宽、干扰中心频率等干扰参数。

2 技术介绍

2.1 系统工作原理

本系统根据模式选择输入信号源（千兆网/万兆网），接收到来自外部输入的数据。如果是千兆网数字波束合成后数据则无需做通道校正和数字波束合成，如果是万兆网20路原始数据，则必须完成通道校正和数字波束合成。将上述结果发送到信号处理模块，由FPGA完成频谱分析，由DSP完成干扰提取的预处理，包括干扰检测等。结果发送到数据处理模块，由数据处理模块完成干扰类别分析，并进行干扰统计和频谱分析。数据处理将结果发送到终端显示完成信息上报和结果显示等。系统工作原理框图如图1所示。

图1 系统工作原理框图

2.2 数据预处理

数据预处理主要包括通道校正、数字波束合成、频谱分析等功能，主要在FPGA中完成。如图2所示，频谱分析模块接收到原始20路基带IQ数据，经过通道校正和数字波束合成，合成60个方位指向的数据，分别进行FFT频谱分析。频谱分析结果传输到数据处理进行融合，并按照方位进行显示。这里需要根据天线尺寸等信息，生成DBF系数。

图2 数据预处理

2.2.1 数字波束合成

波束形成有模拟网路合成和数字波束形成两种。模拟网路合成是根据要求的波束指向设计多个加权网路形成多个特定指向的波束［3］。数字应波束形成就是采集阵列天线接收信号，通过相位加权形成特定指向的空间波束，使主瓣对准期望的指向。波束形成的实质是一种空间滤波技术。波束形成的物理基础是：每个角度上的目标回波信号到达天线阵列上各个阵元的路程不一样，从而造成各个天线阵元上收到的目标回波信号的相位不一致，可以通过相位加权使期望的指向信号加强，其他指向信号削弱［4～5］。数字波束形成就是通过数字的方法实现相位加权得到期望的波束形状，将期望指向上的目标回波信号加强输出，而将其他指向上的杂波信号滤掉，其加权系数可根据要求的波束指向事先计算好存储在数字系统中［6］。数字波束形成采用FIR滤波器结构在光纤DBF板实现，计算公式如式（1）所示：

式中wik为波束指向为θi时的权重系数，xk为天线阵元的回波信号，N为天线阵元数目。数字波束形成算法框图如图3所示。

图3 数字波束合成

2.2.2 频谱分析

在实际的测量过程中，我们需要了解的往往只是信号中某一段的频率，只要对这一频段的信号进行分析即可。基于复调制的Zoom-FFT算法可以实现在较窄的频段内拥有较高的分辨率，这种折中的方法在特定领域内得到了广泛的应用［7］。

Zoom-FFT（又称游标FFT）的基本原理是，先对时间上连续但不重叠的等长度分段信号采样序列进行FFT，得到第一批分段粗FFT谱，然后在分段粗FFT谱中感兴趣的粗频点上对这些分段FFT的粗频点所构成的新序列（称为时域二次采样）进行第二批次FFT处理，从而得到粗频点处的FFT细节谱［8］。Zoom-FFT在不增大FFT点数N的情况下降低了采样频率，提高了在细化频谱分析中有很重要的作用［9］，可以通过此算法得到欲观测的频段局部频谱特性。对于计算量小的情况来说，Zoom-FFT是一个行之有效的解决局部频段分析的方法。

2.2.3 Zoom-FFT算法的设计和实现

对于低通数字滤波，我们可以知道此时滤波器的输入为

式中：

在对原采样点每隔D点再抽样一次，采样的时间间隔为DΔt，我们有次可以得到时域信号的表达式为g（m）-y（Dm），由此我们可以得到新的公式：

经过DFT公式我们可以得到g（m）的频谱函数如下：当k=0，1，2，…N/2-1时：

当k=N/2，…N-1时：

将上述谱线移到实际频率处即得到细化后的频段，则

当k=L0，L0+1…L0+N/2-1时：

当k=L0-N/2，…L0-1时：

结合前面的论证，根据以前的实验我们对Zoom-FFT进行简单的仿真，以便我们真正地了解其特性。

通过函数信号发生器加频率为55000Hz、幅值为1V和频率为55030Hz、幅值为0.7V的实际信号，得到的频谱如图4所示。

图4 Zoom-FFT频谱图

通过实验得出，未经过Zoom-FFT的信号，两个很接近的频率叠加到了一起，而经过Zoom-FFT后的频谱在分辨率内可以分别。通过分析可得出Zoom-FFT得到的信号频率比直接FFT得到的频率更真实，分辨率高、误差小、稳定性好。

2.3 干扰分析

2.3.1 恒虚警检测

恒虚警处理通过环境估值，对每个距离单元进行归一化处理，调节虚警。每个接收波束的MTD输出均进行恒虚警估值［10～11］。这些估值计算忽略中间最大检测单元和此单元前后的2个相邻单元。

算法如下公式：

其中：“video(j)”为距离单元j的对数编码信号。

对于Np+Nq个距离单元，在探测距离起始端，仅计算μ右和偏置，计算偏置是为了考虑估值的偏差。

对于Np+Nq个距离单元，在探测距离结束端，仅计算μ左和偏置，计算偏置是为了考虑估值的偏差。

当两个估值器都存在时：

——μs（短CAFR）=Max（μ左，μ右），此时Np=16，Nq=2；

——μl（长CAFR）=μ左，此时Np=128，Nq=2。

μs用于抑制杂波边沿的虚警，μl用于防止信号检测在均匀环境时灵敏度降低。

使用μc对信号进行归一化：

——μc=μs，如果|μs-μl|＞S1；

——μc=μl，如果|μs-μl|≤S1；

其中，S1是这样确定的，在热噪声环境，μc选择μs而不选μl的概率小（无杂波区选择μl，杂波区选择μs）。

恒虚警检测的功能是把每个归一化单元的数值μc与计算的门限相比较，形成过门限信息，完成信号的检测。计算的门限是为获得与选择估值器类型无关的虚警概率［12］。

2.3.2 干扰识别

数据处理的干扰识别模块完成各种干扰类别分析，需要输入有时域数据、频谱分析数据、方位统计频谱分析数据、航迹信息等。部分干扰识别的逻辑框图如图5所示。

图5 干扰识别软件逻辑框图

3 干扰识别能力测试

系统测试输入数据由万兆网口输入，最大输入数据率不小于2.4Gbps，频谱分析的输出数据率不少于40次/秒。可以提取信号中干噪比大于12.8dB的干扰，干扰信息分析内容包括中心频率、干扰带宽、干扰强度、脉宽等，具体干扰类型以及干扰信息如表1所示。

表1 干扰数据类型及参数

密集假目标和欺骗式干扰的信号的特征类似于雷达回波，此时一般需要进行频率捷变或者变PRF可以区分干扰和回波［13］。如果是静态数据，无法使用抗干扰手段，则必须人工辅助判断欺骗式干扰和真实雷达目标［14］。通信干扰这里主要识别广播电台的通信干扰［15］。大致功能如下：

1）识别干扰源的分类：通信干扰、干扰机干扰、雷达异步干扰及不明干扰；

2）雷达干扰源的属性识别：宽带噪声干扰、窄带噪声干扰、高重频干扰、梳妆谱干扰、连续波干扰、其他干扰；

3）识别出欺骗式干扰。

对于干扰类型的识别，每种干扰的识别准确率都85%以上，经过对大量数据的测试，每种干扰的识别准确率统计均值如图6所示。

图6 干扰识别准确率统计

终端频谱分析界面如图7所示。

图7 干扰分析终端界面

图中“A区”为干扰列表，“B区”为瞬时干扰频谱，“C区”为单个频点数据的长时间基线频谱统计，“D区”为瞬时频谱干扰数据显示，“E区”为单步调试。

4 结语

本文通过对干扰识别技术的研究，设计了电磁感知验证系统频谱分析设备，实现了在复杂电磁环境中的干扰识别。经过大量的数据测试和实践验证表明，该系统可以快速准确地识别出电磁环境中的常见干扰，并能准确地给出干扰参数。通过该系统可以实现对复杂电磁环境中干扰信号的高效感知，从而为进一步排除干扰提供了极大的支持，为电子设备在复杂电磁环境中稳定工作提供了良好的基础。