信号盲检测应用情况简述

刘 蓉，霍 甲

（国家无线电监测中心北京监测站，北京 100037）

1 宽带接收机E3238s（黑鸟）

黑鸟具备在宽频段范围内进行信号自动检测及后续处理（调制识别、模拟解调、记录等）的能力，具备较高的自动化水平。在信号检测方面，黑鸟采取能量检测的思路，通过设置不同类型的检测门限来完成。其主要能量检测的流程如图1虚线框内的步骤所示，分为检测门限函数设置、能量检测和带宽计算、特征提取和能量检测数据过滤五个部分。

图1 能量检测流程图

1.1 门限函数

在黑鸟中共有三种内置的门限函数，即固定门限、自适应门限及环境门限，同时还可以用户自定义门限。

1.2 能量检测和带宽计算

对于固定门限检测，需要设置两个参数如图4所示。图2中的Energy Criteria表示能量准则；Peak(dB)表示峰值，用以衡量比预设门限值高Peak个dB才被认为是有效信号；Bandwidth(dB)表示带宽，用以测量带宽的参数，取以下两种情况的较小值：从峰值点处下降Bandwidth个dB所对应的信号带宽；从峰值点至检测门限处所对应的信号带宽。

图2 固定门限监测参数设置

1.3 特征提取

根据检测到的功率、带宽以及频谱形状等参数，可以通过写动态链接库（*.dll）的方式增加特征，以进行后续能量历史相关特征的显示，可参照E3238S ASD编程向导中的描述。要在E3238S软件的操作中包括一个新的库程序，需要在e3238s.cfg配置文件中增加一行featureExtraction:命令，命令后面是程序的路径和文件名。当程序启动时，加载库程序。目前该部分尚未进行研究。

1.4 能量历史预处理滤除器

可以通过编写动态链接库（*.dll）的方式决定哪些特征所检测到的信号信息被放入能量历史窗口中进行显示，预滤器功能用e3238s.cfg配置文件中的energyHistoryFilter:命令来定义和加载。

1.5 目前应用情况

黑鸟的能量检测方法多样、机制灵活，但是目前对其的应用深入程度还不够，且带宽范围内的信号检测在工程应用上本身就具有很高的难度。从应用层面看，可以考虑拓展的方面有：

⊙ 门限设定：深入研究自定义模板的使用方法，及针对复杂情况下的设置方法研究。

⊙ 特征提取：研究基于ASD环境的编程方法，并重点研究提高检测准确率的特征样式。

⊙ 预滤波器：研究基于ASD环境的编程方法，并重点考虑能量检测结果的筛选策略（频率冗余、带宽不准确等）。

2 AMMOS

AMMOS系统是一个集信号接收、处理、分析、存储记录、数据库管理、任务调度与指挥为一体的完善无线电监测系统，涵盖了从上到下的所有监测流程。在信号检测方面，其Detection Conventional DDC模块可以完成在宽频带范围内信号的检测，以高度和宽度不等的圆柱体进行显示。但是AMMOS系统在能量检测环节的门限设置、检测方式的灵活性不及黑鸟，主要体现有如下几点:

⊙ 门限设置目前只看到固定门限，没有自适应门限和环境模板门限。

⊙ 带宽的计算依照门限处计算，方法较简单。

⊙ 没有冗余数据的剔除等用户自定义功能。

3 目前应用存在的问题

总体而言，目前尚无可以实现在宽频带范围内快速、准确提取信号的软件或系统，主要由两个原因导致，其一是尚未完全开发相关系统的预留处理接口，使得处理的灵活性和准确性没有得到充分挖掘；其二是信道的复杂性、信号体制的多样性和电磁环境的拥挤性使得客观上对信号的自动、准确提取存在较大困难。

在系统使用开发的深入程度上，可以考虑进行如下的拓展：

（1）门限设定：在门限设定上，需要深入研究自适应门限的设定方法和准则，并充分针对不同的应用场景设置合理的自定义门限。

（2）特征提取：目前仅提取频率和带宽等频谱外特征，对于频谱波形特征及调制层特征的提取和应用不够深入，这在一定程度上使得信号检测提取的准确率还没有得到充分的挖掘提升。

（3）筛选机制：在采用简单机制进行信号检测提取的过程中，缺乏对于冗余信息的筛选机制（例如估计频点不同被判定为多信号），使得筛选数据的冗余性较大，降低处理效率和准确度，可考虑从频率、频谱波形、调制层特征等外特征综合使用，提升提取的效率。

在客观无线环境方面，存在如下的问题：

（1）信号体制的复杂性：对于跳频、扫频等频率不固定的信号，以及TDMA和瞬态等较复杂的信号，采用常规的检测方法的准确率将会显著降低甚至失效。

（2）信道的复杂性：由于多径和衰落的影响，使得信号的频谱外特征将可能产生显著变化，此时采用传统的方法进行频率、带宽等外特征提取的准确率将会显著降低。同时，较低的信噪比也会降低门限检测的置信度，降低检测的准确程度。

（3）电磁环境的复杂度：在多个信号较拥挤的场景，部分信号在频域上距离较近甚至部分重叠，将会使传统的检测方法准确度降低甚至失效。

综上所述，在宽频段范围内对信号进行快速、准确、自动的提取目前尚难通过现有设备完全实现，只有在信道化或某些简单场景下实现，因此需要结合工程实际，进行深入的探索研究。

4 现有研究情况及存在问题

4.1 研究情况简介

信号的检测是信号处理领域的一个重要分支，目前其理论体系和主要方法已经成熟，并在雷达、声纳、地震、通信等领域得到了广泛的应用。在通信等领域的盲检测方面，经过多年的研究已产生大量的方法，总体而言可以分为如下几类：

（1）能量检测及其变型算法：是最简单也相对最成熟的方法，其基本特点是不需要先验知识，算法简单，适用信号范围广，但是检测性能一般。

（2）基于参考信号辅助的处理算法：典型的如参考信号自相关及其变型算法等，其主要特点是性能较好，但需要辅助信息，应用场景受限。

（3）基于信号统计特征及变换域的方法：典型如循环谱、高阶统计量、小波变换等，其基本特点是相对能量检测法性能更好，但需要更多的先验知识，如波特率等。

综上所述，目前全盲的检测方法就是基于能量检测及其变型算法的一类算法，并在频谱监测中得到了广泛的应用；其他算法由于普适性不够强，尚未应用到频谱监测领域中。同时，在研究中充分利用了分数阶傅立叶变换、高阶循环统计量等较复杂的信号处理工具，针对alpha稳定冲击噪声和高斯有色噪声等非理想情况下的信号检测进行了深入的研究，产生了一系列新型检测算法。

4.2 存在的问题

绝大部分的研究文献都是针对在固定或已知频率下的检测问题，虽然考虑的信号体制和噪声特性都较复杂，但是无法完全满足宽带自动化监测的需要。具体表现有如下方面：

（1）噪声模型匹配度不够：在宽频段范围内，由于大小信号的存在且较为拥挤，导致噪底并不能简单的建模为加性高斯白噪声，但也可能不是有色或者冲激噪声，产生模型上的失配，因此可能导致检测性能显著下降甚至失效。

（2）信道模型匹配度不够：在实际信道中的信号畸变情况很难用常见的Rayleigh，Rice等典型模型准确描述，即其对频谱外特征表象和内特征的提取都会产生刻画上的误差，将会影响信号提取的准确率。

（3）多信号共存情况：在短波等应用场景，往往存在信号相邻较近的情况，此时简单的能量检测将会在信号区分和参数估计方面出现错误，而大部分算法只针对单一信号，并未考虑这一情况，因此该种工况下的处理方法有待研究。

5 结束语

综上所述，对于复杂电磁环境下，宽频段范围内的信号难以做到自动检测提取，目前只有大功率的明显特征信号（卫星常规数字信号、短波广播）可以基本实现准确、自动的提取，大部分的工作环境下的信号提取工作仍然需要人工干预。

[1] 李军.通信信号盲检测与宽带接收技术研究[D]，2009.

[2] 于丽霞，王福明.微弱信号检测技术综述.信息技术[J]，2001,2:115-116

[3] H.V.Poor,An Introduction to Signal Dection and Estimaion, Springer-Verlag,New York,2rd Edition.1994,28-36.

[4] 赵树杰，赵建勋.信号检测与估计理论（第一版）.北京：清华大学出版社，2004,9:1-250.

[5] ParshantP.Gandhi.Data quantization effects in CFAR signal detection.IEEE.1996,VOL:32.1277-1289.

[6] Finn HM, Johnson RS. Adaptive Dection Mode with Threshold control as a Function of spatially Sampled Clutter level Estimates. RCA Review.1968,Vol.29.414-464.

[7] 杨春玲，王淑娟，胡艳.微弱信号检测的新方法.光学精密工程.2003,8,Vol11.169-173.