复杂电磁环境下电子通信信号抗干扰方法

黄 宇,赵 杰,陈建国

(成都理工大学工程技术学院,四川 乐山 614000)

1 引言

以信息化为武器,交战双方利用多样式、宽频域以及多层次的电子干扰技术,经过激烈的战争,战场内产生高强度和高密度的电磁辐射信号,从而出现信号的时域复杂多变、频域交互重叠的现象,使作战武器的性能严重下降。在这种环境下,交战双方开启了夺取制电磁权的无形战争,争夺制电磁权就涉及抗干扰技术。由于电磁环境中存在各种类型的电子干扰信号,导致作战信息获取受阻,指挥变得格外困难,火力拦截难以达到理想的预期效果,使得最终的作战效能整体下降。虽然目前的通信系统已经向多元化、自动化和数字化方向迈进,但是对于复杂电磁环境下的通信抗干扰研究效果仍然不尽如人意。

对此,姚元飞[1]等人设计了一种自适应抗干扰系统。采集并分析通信信号中的载波频率,凭借自适应滤波算法对异常频率进行提取并滤除,重构载波信号,降低包络信号对滤除结果的影响,得到精准的干扰信号抑制效果;刘高辉[2]等人在BP神经网络算法的基础上,构建了抗干扰引擎模型。模型对输入和输出的数据做了相应的预处理和标准判定,根据决策的实现过程,设定合理的参数,完成对干扰信号的抗干扰研究。但是上述算法都不具备对新干扰信号的泛化能力,无法实现对波道内干扰信号的抑制,导致最终的抗干扰性能降低。

为此,本文在对复杂电磁环境下干扰信号进行类别和影响程度的划分后,凭借空域自适应干扰抑制方法对期望信号进行加权处理,削弱干扰信号,实现抗干扰的目的。通过仿真对比,结果验证了本文方法具有较低的误码率和较高的干扰抑制增益效果,为电子通信系统提供了一种可行的抗干扰方法。

2 复杂电磁环境下电子通信信号干扰分级量化

在复杂的电磁环境下,产生干扰信号的原因有很多,除了自然因素外,还有许多人为因素[3],军事作业中的敌我双方通信干扰是最主要的因素。通信干扰的目的是通过分析和侦收对方通信信号,达到窃取情报、破坏通信系统的目的。

干扰类型一般分为3种:宽/窄带干扰和跟踪式干扰。其中,宽带干扰就是对大范围的通信频率发送干扰信号,当达到全段覆盖时,只要加大干扰功率,就可以形成阻塞式的干扰,直接摧毁通信系统;窄带干扰则是对通信频段进行局部大功率的干扰;跟踪式干扰是影响程度最大的一种干扰方式,通过干扰机获取通信信号后,直接对其进行毁灭性的破坏。

对复杂电磁环境中的干扰信号进行精细分级与量化[4],在指挥作战中是十分有必要的。根据干扰信号的复杂程度,将其划分为4个等级:简单、轻度、中度和重度。本文以战时标准进行分析。通过对干扰信号的影响程度进行分级量化,作出以下几点假设:

①时域假设:假设电子通信信号与电磁干扰源之间存在部分时间重合;

②频域假设:假设电子通信设备与电磁干扰源[5]二者之间具有相近的频率,部分干扰信号与通信信号可能会发生碰撞;

③能域假设:假设电磁干扰源满足电子通信信号的最低干扰功率,可对通信信号实现有效干扰;

④空域假设:在电磁干扰源的有效干扰范围内,假设干扰机仍存在较大的可选择空间,干扰范围的最大概率取值为发信机至收信机的3.162倍。

在上述4点假设均成立的情况下,可构建电磁干扰影响等级划分标准,具体内容如表1所示。

表1 电磁干扰影响等级划分标准

3 电子通信信号的空域自适应抗干扰算法

在复杂电磁环境下,本文主要对宽带干扰和窄带干扰进行分析。根据干扰信号影响程度分级量化标准,在通信系统监测模块中,对截获的干扰信号划分等级,并将结果传送至估计模块中,确定干扰信号的目标以及发送数量。

将G定义为干扰信号,K(G)为干扰信号的熵,定义公式为

(1)

式中,Po表示G出现的频率,n表示阵元数量。将连续分布的干扰信号的熵[6]用函数形式进行表达

(2)

式中,L表示权值。

通常情况下,电子通信系统中的期望信号和干扰信号会来自两个相反的方向,具体如图1所示。

图1 电子通信系统模型图

本文利用空域自适应干扰抑制方法,实现对电子通信系统的干扰抑制。以数据链和波束形成基本法,计算得到最优天线阵权向量[7]为期望信号加权,可削弱干扰信号的强度,实现干扰信号的有效抑制。在空域自适应干扰抑制方法中,目标系统由发射端、干扰源和接收端3部分组成。

(3)

将式(3)与输入信号的自相关函数、权向量结合在一起,可以得到函数关系式

(4)

其中,Rmm表示包含干扰信号、期望信号以及噪声信号在内的输入信号的自相关函数[8]。

在阵元数量为n的天线阵中,输入q个窄带信号,入射方向分别为θ1,θ2,…,θn。对阵列接收端内的数据进行采样,数字域的第k次采样数据为

(5)

式中,Si(k)表示第i个信号的复包络。将S1(k)看作是通信系统中的期望信号,S2(k),S3(k),…,Sn(k)是干扰信号;H(k)表示天线阵列中包含的噪声;α(θi)表示信号在入射方向θi上的导向矢量[9]。

当干扰信号、期望信号与噪声信号三者之间没有关联时,定义接收数据的相关矩阵为

=RSS+Rii+RGG

(6)

式中,RSS、Rii、RGG分别表示干扰信号矩阵、期望信号矩阵以及噪声信号矩阵,σ表示相关矩阵系数。

空域自适应干扰抑制方法与自适应波束成型系统近似,后者通过调整适当的权重值,将期望信号的贡献[10]发挥到最大。因此,可将波束成型系统的最优权重向量e近似地看作为约束优化问题,计算公式为

《20世纪中国文学大师·诗歌卷》中评论北岛的诗歌艺术是这样说的：“北岛坚持了诗的独立品格，以现代诗学意识改造被腐化的中国诗学，将西方现代艺术的蒙太奇、变形等手法纳入诗学范畴，推进了中国现代诗在沉睡30年后的复活与繁荣，丰富了现代诗的表现手法，为中国现代诗重返世界文学格局提供了积极的努力，北岛是20世纪中国现代诗承上启下，走向未来的有力的一环，一座不可忽略的里程碑”（张同道等：《独自航行的岛》，载《20世纪中国文学大师·诗歌卷》）。

(7)

式中,Pout为目标函数,表示波束成型系统的输出功率;α(θ1)Me为约束函数,代表期望信号的增益;f为式(7)的约束条件。

利用线性约束最小方差准则[11]对电子通信系统中的多波束天线赋形。设置f=1,即期望信号不受噪声的影响,在通过天线阵时是无失真[12]的状态。通过拉格朗日乘子计算最优解为

eout=-R-1αλ

(8)

式中,λ=-[αMR-1α]-1f。利用最小方差在无失真响应约束条件下优化式(8),可得

(9)

对eout的计算过程离不开天线阵中多路信号的自相关矩阵。由于数据接收矩阵Rmm是正定Hennitian矩阵,每个阶层的主、子矩阵均是非奇异[13]的Hennitian矩阵。本文利用Hennitian矩阵进行求逆引理,得到逆阵递推求解方法,步骤如下所示:

步骤一:在矩阵中输入信号初始值Rm+1;

步骤二:定义i=0,1,2,…,m,迭代计算Ri+1子矩阵的逆阵,实现过程为:

(10)

(11)

综上所述,空域自适应干扰抑制方法流程如图2所示。

图2 空域自适应干扰抑制方法实现流程图

利用接收端中的数据链系统得到通信双方的位置信息,进一步计算可得到有用信号的入射方向向量α(θ);天线阵元对通信信号进行采样,构建相关矩阵Rmm,通过递推求逆构建相关矩阵Pout得到方向图[15]。

最后电子通信信号抗干扰算法的实现需要在数据链系统中经过不断的周期循环,实时监测有用信号和干扰信号,从而提高通信质量和效率。

4 仿真研究

4.1 仿真设置

为了验证本文提出的电子通信信号抗干扰算法在实际中是否合理有效,利用仿真平台搭建了虚拟的敌方数据链系统,将电磁信号干扰源与对通平台组合在一起,形成一个信息化对战战场。实验环境由发射端、干扰源和接收端3个部分搭建,发射端为全向单天线,接收端为四元天线阵列(如图3所示),其中所有的阵元都可根据需求任意调节。电子通信信号由发射端发出后,通过接收端的天线阵面阵元接收,随后被传送至信道中。

图3 四元天线阵图示

在搭建的四元天线阵列中,第一个阵元位于坐标原点的位置上,另外三个阵元的位置分别在方位角φ为0°、120°、和240°的半径为χ的半圆上。

图3所示的四元天线阵具有占用空间面积小、对信号的波束方向和零陷方向可全方位操控的特点,即使是同一方向上的相同天线口径,都可以有效避免出现测向模糊的情况。在仿真中,将四元天线阵建立四个不同的信道,期望信号和干扰信号分别处于不同的信道中。

将有用信号的载波频率设置为46.52MHz,带宽为2M,方位角和俯仰角为(0°,0°);噪声信号选取的是高斯白噪声,信噪比设置为-30dB;将干扰信号的宽带信号设置与有用信号带宽一致,窄带信号为单脉冲信号,信干比设置为100dB。实验中的干扰信号为宽带干扰与窄带干扰相结合的模式,方位角和俯仰角分别为(120°,30°)和(250°,30°)。

4.2 算法性能分析

1)误码率对比

在构建的虚拟敌方数据链系统中,利用本文方法与引言中提到的自适应滤波算法、BP神经网络算法,在相同的信噪比(SNR)环境下进行误码率的测试。通过调制获取通信系统的通信波形,设置为二进制相移键控,信干比SJR=-20dB。实验结果如图4所示。

图4 三种算法误码率对比

从图4中可以看出,本文方法随着SNR值的增加,误码率曲线出现了大幅度的下降趋势,自适应滤波算法仅出现了小幅度的下降,而BP神经网络算法几乎呈现出一条直线。对比之下,可以看出本文方法的抗干扰抑制能力最优,这是由于本文方法通过计算最优天线阵列权向量,在增强了期望信号的同时,有效削弱了干扰信号。

2)干扰抑制增益对比

接下来在不同的信干比环境下,对三种算法的干扰抑制增益效果进行对比实验。将信噪比设置为SNR=10dB,其它条件与上述实验相同,实验结果如图5所示。

图5 三种算法干扰抑制增益效果对比

从图5中可以看出,自适应滤波算法的抗干扰增益始终在30dB范围内波动,BP神经网络算法的抗干扰增益始终在20dB范围内波动。随着通信信号信干比的增加,本文方法的抗干扰增益则出现了上升的趋势。这是由于本文方法利用天线阵列图分析期望信号和干扰信号的来波方向,当干扰信号增强后,SJR的值减少,加深干扰信号零陷点,从而达到削弱信号强度的目的。由此可以说明,本文方法较其它两种方法相比,抗干扰效果最优。

5 结论

针对复杂电磁环境下的电子通信信号,本文选择空域自适应干扰抑制方法对干扰信号进行抑制。该方法可在不改变原始数据链波形的前提下,得到有用信号的波束入射方向,对天线阵列的方向图实现自适应调整,完成干扰信号的有效抑制。通过与其它方法进行对比仿真,结果表明在相同的信噪比环境下,本文方法具有最低的误码率,当信干比相同时,本文方法具有最理想的干扰抑制增益效果。为后续无线电通信的研究,提供了一种可供参考的抗干扰算法。