智能抗干扰通信技术研究

李少谦，程郁凡，董彬虹，唐雪梅

(1.电子科技大学通信抗干扰技术国家级重点实验室，四川成都611731;2.中国人民解放军95486部队，四川成都610043)

0 引言

信息战是现代和未来战争的关键作战方式，在信息战中，谁赢得通信的主动权，谁就可以取得战争的胜利，但随着信息化程度的提高，电磁干扰环境日益复杂，要保障信息的可靠传输，对通信设备、系统和网络的抗干扰能力提出了更高、更严的要求。

随着信号处理技术和芯片技术的发展，现有干扰设备的干扰能力越来越强，例如美国的EA-18G“咆哮者”电子战飞机包括全新的通信对抗系统、干扰装置和干扰对消设备，在对敌方实施干扰的同时，又具有监听能力和通信能力［1］;日益增强的侦察干扰设备对目前的抗干扰通信提出了空前挑战。

抗干扰通信技术一方面向提高传统抗干扰技术方向发展，例如高速跳频、变速跳频和自适应跳频等。另一方面，向综合化、智能化和宽带化方向发展。例如美国国防部DARPA于2003年提出的XG计划，可根据环境频谱的变化自适应地改变发射波形。XG计划充分体现了智能通信的思想——认知环境频谱，根据电磁环境智能地产生最佳的发射波形。智能抗干扰技术便是智能通信思想在抗干扰通信领域的应用，即:根据电磁干扰环境智能地产生最佳抗干扰方式，大大提高系统的抗干扰能力和频谱的利用率，实现高效可靠的抗干扰通信。

智能抗干扰通信技术既体现在通信设备上，也体现在整个通信网络中，这里重点讨论智能抗干扰通信设备在链路级的技术。

1 智能抗干扰通信系统结构

根据智能抗干扰的思想，其通信设备应具有以下功能:①实时进行干扰的快速检测和识别;② 针对干扰，通过智能实时决策，重构产生最佳抗干扰传输波形;③收发双方有可靠的信令传输机制，同时基于重构的波形，能完成信息的快速适变鲁棒传输。

图1描述了智能抗干扰通信技术的基本原理，在智能抗干扰通信中，干扰认知是前提，实时决策是核心，波形重构和快速适变的可靠传输是手段。

图1 智能抗干扰通信环

在此基础上，智能抗干扰通信底层协议栈结构如图2所示。底层协议栈分为了3个层面:干扰认知层面、信令传输层面和数据传输层面。

图2 智能抗干扰通信底层协议栈结构

其中实时抗干扰通信智能决策模块根据本地干扰检测的结果、来自信令传输层面的其他节点的干扰检测结果以及链路性能等指标，实时智能决策当前应该采用的最佳抗干扰传输方式和相应的参数配置(如频率、功率和调制编码方式等)，通过信令传输通道发送给相应的接收节点，各节点重构产生抗干扰波形，并采用可靠的波形传输机制完成收发双方的信息传输。

2 智能抗干扰通信中的关键技术

智能抗干扰通信中的关键技术主要包括:干扰认知技术、抗干扰波形重构技术、可靠信令传输技术、快速适变的波形传输技术和实时抗干扰通信智能决策技术等。

2.1 干扰认知技术

对干扰的认知是智能抗干扰系统的前提和基础，包括干扰的实时检测和快速识别。实时检测要求从复杂电磁干扰环境中快速有效地检测出干扰信号。当干扰和信号在多域上共存时的检测是一个难题，相反，如果干扰和信号在时域、频域或空域是不相交的，对干扰的检测相对简单。

干扰检测算法除了常采用能量检测外，还可以应用循环谱检测、基于特征值分解［2］以及统计协方差矩阵［3］等干扰检测算法，每种算法都有各自所需的应用条件以及优缺点。循环谱检测算法复杂度很高;后2种算法主要检测干扰是否存在，不能给出干扰的频谱分布情况。但在实际应用中，不仅要检测干扰是否存在，还要估计干扰参数，甚至识别出干扰类型。基于频域能量的干扰检测算法更为实用，算法简单，并且不需要干扰信号的先验信息。但传统的频域能量干扰检测算法性能的好坏直接受到设定的门限值影响，对噪声比较敏感。

为了克服此缺点，连续均值去除(Consecutive Mean Excision，CME)和前向连续均值去除(Forward Consecutive Mean Excision，FCME)［4］被提出，与传统的频域干扰检测算法相比，这几种算法均基于迭代思想，其门限适应了干扰的变化，对噪声不太敏感。将各频点分为噪声频点集和干扰频点集，检测门限由噪声频点集决定。CME算法是一个从噪声频点集中不断删除干扰频点的过程，FCME算法是一个向噪声频点集中不断增加噪声频点的过程，迭代结束时，噪声频点集和干扰频点集已确定，由此可估计出噪声功率和各干扰的频点位置和功率。

图3为频域能量干扰检测算法的简化模型。其中的加窗处理是为了降低大干扰频点在经过FFT变换后的频谱扩散和泄露，避免把一个单音或窄带干扰检测为宽带干扰，提高干扰检测的频谱分辨率。

图3 频域能量干扰检测的简化模型

门限因子T与虚警概率、迭代次数和实现复杂度有关，因为噪声频点集不断被更新，其检测门限是一个自适应的门限，大大提高了干扰检测的性能。

在窄带干扰条件下，CME和FCME算法的性能都接近理想的频域能量检测性能;在宽带干扰条件下(例如干扰频带因子大于0.7)，由于干扰频带范围很宽，这种依据噪声统计特性的频域能量干扰检测算法性能将下降，同时在相同的检测概率下，FCME比CME算法性能略好一些，这是由于FCME算法对噪声功率的估计更为准确［5］。

在用CME/FCME算法检测部分频带干扰并进行识别时，当门限因子大时，可能会把一个部分频带干扰分成几段干扰;另一方面，当门限因子小时，会导致虚警发生。因此在干扰分类和识别时，可采用双门限［6］:低门限和高门限，低门限用来避免把信号分成几部分，高门限用来检测干扰信号。

2.2 抗干扰波形重构技术

“抗干扰波形重构”利用波形基函数库，生成匹配环境频谱、满足系统抗干扰容限和容量需求的抗干扰传输波形。可采用基于变换域的方式产生抗干扰传输波形［7］，其表征方法如图4所示。其基本思想是寻找合适的表示域，利用该域中基函数，通过有限的描述参数，提供这些抗干扰通信波形的一体化描述，表征多种现有抗干扰波形。由于这样的表示框架是基于基函数的表示，可以通过重构，生成新的波形，以匹配时变的无线通信环境和干扰模式。

图4 抗干扰传输波形一体化表征方法

一般地，设在指定的表示域，通信波形可以用下式描述:

式中，符号“⊗”是广义的运算符，可以是卷积、相乘及相加等，取决于表示域和基函数集 { Bn}。对于每个基函数Bi，可以用一些特定参数描述如下:

这样，实际传输的任意波形，可以通过参数集{d，c，w，o，a，u，…} 统一描述。

利用设计的基函数集构建波形库，该波形库包括适应环境频谱特性的多种抗干扰传输波形，将波形库信息也要送至上层的智能决策模块。在通信过程中，根据决策模块送来的系统参数信息，选择满足抗干扰需求和最大化传输容量的波形输出，当波形库中的所有波形不满足系统需求时，决策模块指示波形重构模块产生新的抗干扰波形添加到波形库中，同时输出该波形。

2.3 可靠信令传输技术

为了有效保证信令传输的可靠性，可采用具有抗干扰和抗截获性强的变换域通信技术(Transform Domain Communication System，TDCS)。TDCS采用类似于噪声的基函数进行信息调制［8］，调制信号隐蔽性好，可在极低信噪比条件下通信，且能有效抵抗多种形式的干扰，可靠性和安全性高。

图5为基于OFDM的TDCS收发结构。收发双方采用与干扰尽量正交的基函数，避免了干扰对系统性能的影响。这种TDCS基于成熟的OFDM方式，实现简单，由于采用恒包络的循环码移键控(Cyclic Code Shift Keying，CCSK)调制，峰平比低，具有低截获性。

图5 基于OFDM的TDCS收发结构

在信令交互初期，收发双发各自检测的干扰频谱的差异导致收发的频谱罩不一致，仿真与实测结果表明，在AWGN信道下，收发双方频谱罩有3/16差异时，比收发频谱罩一致时的性能约下降1～2 dB。由于TDCS具有扩频增益(可根据需求设计)，在部分频谱不可用且收发频谱罩不一致的情况下，性能虽有损失，但仍能可靠传输信令，然后收发双方在信令交互的过程中，不断使收发的频谱罩一致，主动规避干扰，使信令的传输更为可靠，所以TDCS信令传输技术具有很强的鲁棒性。

2.4 快速适变的波形传输技术

要保障在恶劣电磁干扰环境下抗干扰波形的可靠传输，则需要高效可靠的发射和接收处理技术，以适应频谱的动态变化，对付多种干扰。主要包括:①自适应编码调制技术;②快速同步技术;③快速信道估计技术;④自适应多域干扰抑制技术;⑤ 快速迭代抗干扰检测技术。即在收发双方动态重构抗干扰波形的基础上，接收端通过多域、多维的抗干扰联合处理，进一步保障信息的高效、可靠传输。

这些技术都是传统接收处理技术的改进，需要快速完成，适应环境频谱的变化和重构波形的变化，既需要收发系统具有很强的处理能力，又对算法的优化实现提出了更高的要求。

2.5 实时抗干扰通信智能决策技术

实时抗干扰通信智能决策模块是智能抗干扰通信系统的核心，其输入输出如图6所示。决策过程本质上是根据环境信息和信道质量，在一定的约束条件下(例如抗干扰容限与系统容量要求)，依据决策准则(例如最小化功率或最大化传输速率或最小化误码率，或组合目标)，自适应地在一个巨大的解空间中寻找到目标函数(指定性能参数函数)的最优解组合策略的过程。可采用基于学习和优化相结合的智能决策机制。

图6 实时智能决策模块的输入输出

3 结束语

该文从链路级的角度，给出了智能抗干扰通信环和底层协议栈，分析了智能抗干扰通信中的关键技术:基于频域能量迭代的干扰检测、基于变换域的抗干扰一体化波形重构，基于TDCS的信令传输、快速适变的波形传输收发处理技术、优化与学习相结合的实时抗干扰通信智能决策等，对智能抗干扰通信技术的发展给出了一定的研究方向。当然，除了这些链路级的技术，发展智能抗干扰通信系统还需要研究智能抗干扰网络、频谱资源的动态规划和管控机制等。

［1］李朝荣，郭宝录，乐洪宇.电子战飞机的发展动向与分析［J］.舰船电子工程，2009，29(3)：32 －36.

［2］ZENG Y H，LIANG Y C.Eigenvalue-Based Spectrum Sensing Algorithms for Cognitive Radio［J］.IEEE Trans.Veh.Technol.，2009，57(6)：1784 －1793.

［3］ZENG Y H，LIANG Y C.Spectrum-sensing algorithms for cognitive radio based on statistical covariances［J］.IEEE Trans.Veh.Technol.，2009，58(4)：1804 －1815.

［4］PERTTI HENTTU，SAMI AROMAA.Consecutive Mean Excision Algorithm［C］∥IEEE 7 Int Symp.on Spread-Spectrum Tech＆ Appl.Prague，Sept.2 － 5.2002：51 －517.

［5］吕再兴，程郁凡.基于频域的盲干扰检测算法研究［J］.现代军事通信，2011，19(1)：15 －19.

［6］VARTIAINEN J，LEHTOMAKI J J，SAARNISAARI H.Doubule-Threshold Based Narrowband Signal Extraction［C］∥ Vehicular Technology Conference，2005 IEEE 61st，2：1288 －1292.

［7］ROBERTS M L，TEMPLE M A，RAINES R A，et al.Communication waveform design using an adaptive spectrally modulated，spectrally encoded (SMSE)framework［J］.IEEE Journal of Selected Topics in Signal Processing，2007，1(1)：203 －213.

［8］DILLARD G M，REUTER M，ZEIDLER J，et al.Cyclic Code Shift Keying：A Low Probability of Intercept Communication Technique ［J］.IEEE Transactionson Aerospaceand Electronic Systems，2003，39(3)：786－798.