基于二分法的认知终端抗干扰门限探测算法研究*

徐庆龙,高 瞻,项亚楠

(解放军理工大学通信工程学院,江苏南京210007)

基于二分法的认知终端抗干扰门限探测算法研究*

徐庆龙,高 瞻,项亚楠

(解放军理工大学通信工程学院,江苏南京210007)

由于认知无线电自身具有环境感知能力和学习重构能力,该项技术的应用给通信对抗提出了新的挑战。面对具有认知能力的终端,传统的粗放式的干扰方式不仅造成干扰功率的浪费,同时容易使自身暴露在敌方的雷达扫描之下而被摧毁、打击。因此,如何既能够有效地干扰目标认知终端,同时也能够较好的保全自己显得尤为重要。文中提出了一种基于认知终端抗干扰门限的灵巧干扰的观点,通过使用一种快速的查找算法获得目标认知终端的抗干扰门限值,以此作为干扰机发射的干扰功率,从而实现灵巧干扰。

认知无线电 通信对抗 灵巧干扰 快速查找算法

0 引 言

随着无线通信业务的发展,对频谱资源的需求越来越大。面对有限的频谱资源以及对现有频谱资源利用率不高的情况,认知无线电由此产生。认知无线电[1-3](Cognitive Radio,CR)的概念是由Joseph Mitola博士在1999年首次提出来的。认知无线电技术是一种智能的频谱共享技术[4-7],它依靠人工智能的支持,自动感知[8]周围频域、时域和空域等多维空间上的频谱环境,根据一定的学习和决策算法,实时自适应地改变发射功率[9-10]、带宽以及调制编码方式等系统工作参数,进行动态地检测授权频谱资源,并有效地利用空闲频谱,机会接入[11-17],从而达到极大地提高频谱利用率的目的。

除了以提高频谱利用率为目的的民用领域研究外,越来越多的国家将认知无线电和军事通信相结合,研究基于频谱感知的动态频谱抗干扰,以提高军用无线通信的抗干扰能力。这种现状给通信对抗提出了新的挑战。文献[18]通过对近几场高技术局部战争中通信对抗的研究,着眼未来信息化战场上通信对抗的新特点,从通信对抗装备、技术发展及通信对抗战术的角度探索了通信对抗的发展趋势。

从干扰角度来看,传统的干扰方式大致可分为:窄带瞄准式干扰和宽带瞄准式干扰。这两种干扰方式都属于大功率的粗放式干扰,这种大功率的干扰方式在干扰敌方通信的同时,往往也会干扰到己方的一些相邻的通信频段,除此以外,这种大功率粗放式的干扰方式还容易暴露自己,从而被敌方雷达捕获。因此,如何既能够达到干扰目标认知系统通信的目的,同时又能避免暴露自身是目前通信对抗领域研究的一个重点。文献[19]提出了基于干扰温度机制,用干扰温度来表征非授权用户在共享频段内对授权用户接收机产生的干扰功率和授权接收机处的系统噪声功率之和。其缺点是干扰控制比较复杂,在通信业务非常繁忙和近乎达到饱和状态的工作频段应用机会很小。本文结合军事通信对抗的应用背景,在干扰温度的基础上提出了一种基于认知终端抗干扰门限的灵巧干扰的观点,即只需要发射与目标认知系统所能忍受的最大干扰功率的门限相当的功率就可以达到干扰认知终端的效果,同时也避免了因释放功率过大而造成干扰功率的浪费和暴露自身的风险。如何才能快速准确地探测到认知终端的抗干扰门限值,是本论文研究的重点。

1 系统模型

假设通信系统场景中有两台目标系统发射机和接收机,外加一台干扰机,目标系统发射机的发射功率为Pm,干扰机的干扰功率为P,其系统模型如图1所示。

假设侦察系统能够基于认知无线电的信号特征,当发现认知无线电信号时,可以进行信号特征相关性分析,并为干扰系统提供参考依据。当干扰系统释放干扰功率达到目标认知系统最大容忍干扰功率后,目标认知系统会及时撤离该频段,通过重新感知外部环境和动态调整内部参数,快速寻求下一频段进行有效通信。当目标认知无线电终端不断受到我方这种干扰后,会不断地进行频谱切换,迫使目标系统不断地通信中断及重新建链,从而达到通信对抗目的。

图1 系统模型Fig.1 system model

2 算法设计

算法的设计思路是在利用相关的认知信号检测算法确定了正在工作的认知系统后,通过主动对准其工作频段并发送干扰信号,以不同的干扰功率经过多次试探干扰,找到促使目标认知系统切换工作频段的临界干扰功率。

传统的搜索法为全搜索法[20],主要思路是首先确定一个固定步长单位大小的干扰功率Δ,然后随机向目标认知系统发射一个试探性干扰功率P0。若此时目标认知系统切换了工作频段,则说明干扰功率P0大于目标认知系统的抗干扰门限值,则下一次发射的试探性干扰功率应在此基础上减去一个单位的步长干扰功率Δ;否则则说明干扰功率P0小于目标认知系统的抗干扰门限值,因此下一次发射的试探性干扰功率应在此基础上增加一个单位的步长干扰功率Δ。通过多次的迭代,最终将会确定目标认知系统的抗干扰门限值。其收敛精度与Δ的取值大小有关,Δ取值越小其收敛精度越高。但其是以牺牲收敛速度为代价来获得较高的收敛精度,无法达到快速高效的干扰目的。分割法中的二分法是一种快速搜索算法,收敛速度大大优于全搜索法。本文以二分法为基础,提出了一种基于二分法的门限探测算法,具体算法如下:

以最小的干扰功率分辨率Δ(dBm)为基础,扩展出2N级可选的干扰功率Pi=i*Δ,i=1,2,3…2N定义E1-0(P)为事件:当干扰功率切换为P时,目标系统无法忍受干扰,停止工作或切换工作频段。类似的定义E1-1(P)为事件:当干扰功率切换为P时,干扰信号无法对目标系统形成有效干扰,目标系统正常工作。那么确定临界干扰信号功率的过程就是寻找干扰功率区间[Pl,Ph],使得下列3个条件同时成立:1)E1-0(Ph);2)E1-1(Pl);3)Ph-Pl=Δ。

为快速有效实现上述目标,采用二分法调整干扰功率,逐次试探,经过N次即可确定临界干扰信号功率。算法过程如下:

①初始化干扰机的一些参数初始值,用于计录干扰次数的k初始值为1,确定初始干扰功率区间[Pl,Ph],其中当k=1时,*Δ,则基于二分法计算所得干扰功率为=。

②干扰机每完成一次干扰功率发射,用于计数的k自行加一即k++。当试探性干扰功率为时,若事件出现,则干扰功率的收敛区间下边界保持不变,即,上边界更新为=;否则事件必然出现,则干扰功率的收敛区间上边界保持不变,即,下边界更新为。判断收敛区间[]是否满足-=Δ,若满足,则停止迭代并输出临界干扰功能功率估计值,否则继续执行下一步骤;干扰功率收敛区间更新之后便调整下一次的干扰功率,由干扰功率得到发射机发射功率并实施干扰,重复步骤②。

③得到临界干扰功率估计值,分几种情况:

尽管新算法没有局部二次收敛性,但它利用了函数的性质。当函数与线性函数很接近时是非常快的。特别,当函数f(x)是线性函数时,它能一步找到零点。另外,该算法每次至少砍掉搜索区间的一半,保证了全局线性收敛性,这样就结合了二分法与割线法的优点而去掉了它们的缺点。

3 仿真结果分析

以干扰功率的收敛稳态值来衡量临界干扰功率估计的准确度,以迭代次数来衡量算法的收敛速度,图2给出了在目标系统接收机信干比SIR=4dB情况下,信噪比分别为20 dB,10 dB,0 dB,-10 dB不同信道环境下二分法与步长为1的传统全收索法的仿镇结果,信道为AWGN信道。

由仿真结果分析可知,①在高信噪比条件下,即SNR=20 dB,从算法启动到收敛,传统的等步长的全搜索法在迭代步长为1的情况下迭代次数为60,而二分法的迭代次数为15,显然相比传统的全搜索法,二分法收敛速度提高了近四倍。此外,在收敛状态下,二分法能够达到与全搜索法相同的收敛精度;②当信噪比下降到SNR =10dB时,传统的等步长的全搜索法收敛稳态值出现轻微的波动,而二分法搜索法的收敛稳态值基本不受影响,能够达到预设的收敛精度和临界干扰功率;③当信噪比下降到SNR=-10 dB或-20 dB时,全搜索法收敛速度很慢,其收敛稳态值因为外界的干扰波动较大,甚至几乎不能收敛,而此时的二分法无论是收敛速度还是收敛精度几乎不变。由此可见,二分法是一种收敛速度快、收敛精度高的算法,非常适合于寻找目标认知系统切换工作频段的临界干扰功率。

图2仿真结果表明传统全搜索法和二分法相比收敛性能差距较大,但实际上通过改变全搜索法的迭代步长同样可以得到与二分法同样的收敛速度,所不同的是,全搜索法最终的收敛精度受迭代步长大小影响,它是以牺牲收敛精度来获得收敛速度的提高,如图3所示:①从收敛速度来看,当收敛步长Δ=1时,全搜索法的迭代次数近似为62,而当Δ=5与Δ=8时其迭代次数分别近似为10、15,显然Δ取值越大,收敛速度越快;②从收敛精度来看,当Δ=1时,其收敛稳态值波动很小,而Δ=5与Δ=8的收敛稳态值波动较大;因此,要想提高全搜索法的收敛速度,则必须以牺牲其收敛精度为代价,这两个条件是相互对立的。

图2 不同信噪比条件下两种算法的性能比较Fig.2 Simulation comparisons of two algorithms with different SNRs

图3 不同迭代步长下全搜索法仿真图Fig.3 Simulations of full search algorithm with different steps

4 结 语

由于传统的全搜索法是以牺牲收敛速度为代价来获得较高的收敛精度,不适用于现代具有认知功能的终端设备,不具备快速反应能力。相比之下二分法是一种非常快速、高效的数值查找方法,广泛的运用于数学分析之中。本文充分利用二分法这一优点,将其运用到军事通信对抗中,用于探测具有认知能力终端的抗干扰门限值,并与传统的全搜索法进行了性能仿真对比。从性能仿真结果可以看到,二分法明显优于传统的全搜索法,其收敛速度和收敛稳态值基本不受信噪比大小的影响,具有较好的鲁棒性。

[1] 周贤伟.认知无线电[M].北京:国防工业出版社, 2008:2-44.

ZHOU Xian-wei.Cognitive Radio[M].Beijing:National Defense Industry Press,2008:2-44.

[2] WALKO J.Cognitive Radio[J].IEE review,2005,51 (05):34-37.

[3] ZHANG R.On Active Learning and Supervised Transmission of Spectrum Sharing Based Cognitive Radios By Exploiting Hidden Primary Radio Feedback[J].IEEE Transactions on Communications,2010,58(10):2960-2970.

[4] 邓微,吴东伟,李文,等.基于灰色预测理论的频谱空洞特性分析研究[J].信息技术,2012(09):28-32.

DENG Wei,WU Dong-wei,LI Wei.Spectrum Analysis Theory of the Gray Prediction Based on Cavity Characteristics[J].Information and Technology,2012,(9):28-32.

[5] 李晶晶.论贝叶斯学习机的学习过程[J].甘肃联合大学学报:自然科学版,2009,23(04):40-42.

LI Jing-jing.Studyon Bayesian Learning Machine[J]. Journal of Gansu Lian He University(Natural Science E-dition),2009,23(04):40-42.

[6] 张勇,陈小洪,付玲生.基于模糊马尔可夫链预测的CR频谱接入算法[J].电脑与电信,2011(07):31-33.

ZHANG Yong,CHEN Xiao-hong,FU Ling-sheng.A Cognitive Radio Spectrum Access Algorithm based on Fuzzy Markov Chain Prediction[J].Computer and Telecommunication,2011(7):31-33.

[7] 张爱清,叶欣荣,丁绪新.认知无线电中的频谱共享技术[J].通信技术,2009,42(02):68-70.

ZHANG Ai-qing,YE Xin-rong,DING Xu-xing.Spectrum Sharing Technology in Cognitive Radio[J].Communications Technology,2009,42(2):68-70.

[8] 陈雷,李永成,王英泓,王新增.认知无线电的频谱感知算法研究[J].通信技术,2013,46(09):38-41.

CHEN Lei,LI Yong-cheng,WANG Yying-hong, WANG Xin-zeng.Spectrum Sensing Algorithms for Cognitive Radio[J].Communications Technology,2013,46 (9):38-41.

[9] ZHANG R.Optimal Power Control Over Fading Cognitive Radio Channel by Exploiting Primary User CSI[C]// 2008 IEEE Global Telecommunications Conference.New Orleans,Louisiana:Institute of Electrical and Electronics Engineers,2008:1-5.

[10] BERTSEKASDP.Dynamic Programming and Optimal Control.1(02),Belmont,MA:Athena Scientific,1995.

[11] CHE Y L,ZHANGR,GONG Y.On Design of Opportunistic Spectrum Access in the Presence of Reactive Primary Users[J].IEEE Transactions on Communications,2013,61(07):2678-2691.

[12] CHEN R R,LIU X.Coexisting with CSMA-Based Reactive Primary Users[C]//2010IEEE Symposium on New Frontiers in Dynamic Spectrum.Singapore:Institute of Electrical and Electronics Engineers,2010:1-7.

[13] TREES V,HARRY L.Detection,Estimation,and Modulation Theory-Part I-Detection,Estimation,and Linear Modulation Theory[M].John Wiley&Sons, 2001:229-230.

[14] ZHAO Q,SADLER B M.A Survey of Dynamic Spectrum Access[J].IEEE on Signal Processing Magazine, 2007,24(03):79-89.

[15] WANG B,LIU K J R.Advances in Cognitive Radio Networks:A Survey[J].IEEEJournal of Selected Topics in Signal Processing,2011,5(01):5-23.

[16] AKYILDIZ I F,LEE W Y,VURAN M C,et al.NeXt Generation/Dynamic Spectrum Access/Cognitive Radio Wireless Networks:ASurvey[J].Computer Networks, 2006,50(13):2127-2159.

[17] 蒋师,屈代明,吴露露,钟国辉.动态频谱接入技术的分类和研究现状[J].通信技术,2008,41(11):20-22.

JIANG Shi,QU Dai-ming,WU Lu-lu,ZHONG Guohui.The Classification and Research Status of Dynamic Spectrum AccessTechnology[J].Communications Technology,2008,41(11):20-22.

[18] 范志明,赵邵雷,初松涛,李诠娜.通信对抗的发展趋势[J].四川兵工学报,2009,30(11):144-146.

FAN Zhi-ming,ZHAO Shao-lei,CHU Song-tao,LI Quan-na.The Development Trend of Communication Countermeasure[J].Sichuan Ordnance Journal,2009, 30(11):144-146.

[19] 杨丰瑞,刘辉.认知无线电中基于干扰温度的频谱探测技术[J].通信技术,2008,41(08):92-94.

YANG Feng-rui,LIU Hui.An Interference-Temperature-Based Spectrum Detection Technology in Cognitive Radio[J].Communications Technology,2008,41 (8):92-94.

[20] 沈燕飞,黄晁等.一种自适应的快速全搜索运动估计算法[J].中国图像图形学报.2003,8(A版):538-541.

SHEN Yan-fei,HUANG Chao.A Kind of Fast Adaptive Full Search Motion Estimation Algorithm[J].Journal of Image and Graphics,2003,8(A):538-541.

XU Qing-long(1989-),male,M.Sci., majoring in communication countermeasure in cognitive radio.

高 瞻(1976—),男,博士,硕士生导师,主要研究方向为软件无线电、认知无线电、移动通信、数字信号处理;

GAO Zhan(1976-),male,Ph.D.,graduate-student tutor,majoring in software radio,cognitive radio,mobile communication,and digital signal processing.

项亚楠(1990—),男,硕士,主要研究方向为认知无线电通信对抗。

XIANG Ya-nan(1990-),male,M.Sci.,majoring in communication countermeasure in cognitive radio.

A Dichotomy-based Algorithm of Anti-interference Threshold Detection for Cognitive Terminal

XU Qing-long,GAO Zhan,XIANG Ya-nan
(Institute of Communication Engineering,PLAUST,Nanjing Jiangsu 210007,China)

The application of cognitive radio(CR)brings new challenges to communication countermeasures due to its environment perception ability and learning reconstruction ability.Faced with cognitive terminal, traditional extensive interference patterns not only lead to the waste of jamming power,but also easily expose itself to the radar detection of enemy and then are destroyed totally.Therefore,how to interfere with target cognitive terminal and better protect it from being destroyed is of utmost significance.Thus,an idea of smart jamming based on anti-interference threshold of cognitive terminal is proposed in this paper.With this proposed idea,a fast search algorithm to exactly acquire the anti-interference threshold of cognitive terminal is adopted,which can be used as the interference power of jammer,thus to achieve the goal of smart jamming.

CR;communication countermeasures;smart jamming;fast search algorithm

TN911

A

1002-0802(2014)11-1261-05

10.3969/j.issn.1002-0802.2014.11.005

徐庆龙(1989—),男,硕士,主要研究方向为认知无线电通信对抗;

2014-07-02;

2014-09-09 Received date：2014-07-02;Revised date：2014-09-09

国家自然科学基金项目(No.61172062,No.61301160);江苏省自然科学基金项目(No.BK2011116)

Foundation Item：National Natural Science Foundation of China(No.61172062,No.61301160);Natural Science Foundation of Jiangsu Province(No.BK2011116)