基于变换域选择的干扰抑制技术

向 敏，胡 飞，周 军

(1.海军驻成都地区通信军事代表室，四川成都610041;2.西南通信研究所，四川成都610041)

0 引言

实际的无线通信环境中存在着各种各样的干扰，可以将其分为人为干扰和非人为干扰。人为干扰是一种故意干扰，目的是对敌方有针对的施放干扰，达到破坏对方正常通信的目的。非人为干扰一般都是来自于自然环境，比如天线间干扰，多径干扰，噪声干扰等。对于来自自然环境的干扰，现有的技术一般是通过一些方法来降低其影响(如均衡、滤波等)，但是不能完全消除掉，而对于人为的、有敌意的干扰，则利用信号处理的方法进行消除或削弱其影响。

现有的一些文献中都是有针对性地对某些干扰进行检测并抑制［1－2］。在扩频通信系统中对于窄带干扰，现有的抑制方法一般分有时域估计与抵消［3］、变换域抑制［4］、和码辅助抑制［5］等。对于一个好的干扰抑制算法必须当干扰特性未知时，接收机必须能够盲抑制和自适应抑制干扰［6］。盲抑制即接收机在没有任何干扰的先验信息时对干扰进行抑制，而自适应干扰抑制能够有效地抑制各种变化的干扰信号。而现有的一些干扰抑制算法都是针对某种特定类型的干扰进行研究。如果干扰信号不属于其适应的范围，其干扰抑制效果则非常差。在文献［7］中研究了一种能抑制不同类型干扰信号的抑制算法，然其复杂度非常高。对于有些信号适合在时域进行抑制，有些信号适合在频域进行抑制，然而关键的一点是如何选择在哪个变换域抑制干扰最佳，如果确定了在哪个变换域去抑制，复杂度就相对降低了很多。文献［8］中主要研究了基于变换选择的干扰抑制算法(TSISA，Transform－Selective Interference Suppression Algorithm)，该算法采用一种百分比度量选择算法选择在时域或者频域进行抑制干扰。这种度量选择算法有一个缺点就是复杂度相对较高，因为它首先要对各个样点的能量进行排序。而在文献［9］中采用压缩增益度量选择算法，并且研究了时域、FFT域和分数阶傅里叶变换(FrFT，Fractional Fourier Transform)域，通过这种度量选择算法能正确选择最佳干扰抑制域。文献［10］研究了基于变换选择的干扰抑制算法，分析对比了四种度量选择算法的性能，包括百分比度量，方差系数度量，最大值度量和压缩增益度量，并比较了各种度量算法的复杂度。

文中主要研究了一种基于变换选择的干扰抑制算法，提出了一种改进的度量选择算法，并和文献［10］中的四种度量选择算法的性能进行了比较。通过度量选择算法选择最佳的干扰抑制域后再采用前向连续均值消除算法对干扰进行抑制。

1 系统模型

接收机接收到的信号如式(1)所示。其中s(n)是发送的调制信号，v(n)是零均值、单边功率谱密度为N0的加性高斯白噪声，i(n)表示干扰信号，它有可能是脉冲干扰、单音干扰、多音干扰、和窄带干扰等。

一般人为现在常见的人为干扰有:脉冲干扰，单音(STJ，Single－Tone Jamming)和多音干扰(MTJ，Multiple－ Tone Jamming)，窄带干扰(NBI，Narrowband Interference)等。

1)脉冲干扰。脉冲干扰是在时域很少一部分时间内施放干扰，又可以称为部分时间干扰。它作用的时间较短，但突发的脉冲幅度很大。这种干扰具有平坦的频谱特性，且其频谱覆盖整个信号带宽。脉冲干扰不是连续干扰，它是有一定概率的。当干扰没有发射时，接收的数据信息可以看作是无差错的，但是当干扰发射时，如果选择适当的占空比(在一段工作时间内脉冲占用的时间与总时间比)，就可以对通信系统造成严重的破坏。脉冲干扰一般包括两种形式，一种是零均值高斯随机变量，另外一种是恒定幅度冲激信号。

2)单音和多音干扰。单音和多音干扰都属于音频干扰，一般建模为L个复单音信号组成之和，用公式可以表示为:

式中，Pl表示单音信号的功率，fl表示单音信号的频率，φl表示单音信号的初始相位，{φl}是在［0，2π)区间均匀分布的随机相位。

3)窄带干扰。窄带干扰一般可以建模为多个单音信号的叠加或者窄带高斯噪声［11］，窄带高斯噪声可以将高斯噪声通过带宽为W的理想带通滤波器滤波得到。

2 基于变换选择的干扰抑制算法

这些干扰在不同的数字域上具有不同的特征，基于变换选择的干扰抑制算法就是要根据干扰信号在各个数字域上的度量值来选择正确的变换域去抑制干扰。因此基于域选择的干扰抑制算法的关键是要根据度量值正确选择变换域，然后采用合适的抑制算法对干扰进行抑制。在文献［10］中研究了四种度量选择算法，包括百分比(PRC，Percentiles)度量，最大值(MAX，Maximum)度量，方差系数(CV，Coefficient of Variation)度量，压缩增益(CG，Compression Gain)度量。文中提出了一种新的修正的最大值度量选择算法。

修正的最大值度量(Modified MAX)

表1是各种度量算法的复杂度比较［10］，从表1中可以看出，MAX度量算法复杂度最低，CV和CG复杂度居中，PRC度量算法复杂度最高，因为它需要对数据进行排序。

表1 度量算法的复杂度比较Table 1 Complexity comparison of different type metric algorithms

图1是基于变换选择干扰抑制算法的框图，接收机根据不同变换域统计其度量值的大小，然后再选择最优的域去抑制干扰，这些度量算法分别是上述提到的 PRC、MAX，CV、CG 和 Modified MAX。图中列出了三种域，包括时域，傅里叶域和分数阶傅里叶域［10］。域的选择也不仅限于这几种，还可以包括小波变换域等，这里暂不考虑。

图1 基于变换域选择干扰抑制算法框Fig.1 Diagram of interference suppression based on transform domain selection

在选择好最佳的变换域后，最关键的就是要采用合适的抑制算法将干扰消除。在文献［12］中研究了一种自适应多门限干扰抑制算法，抑制干扰的门限TH=5μ，μ表示信号的平均功率，虚警概率0.006 7，文中采用文献［12］中的门限值TH=5 μ，并利用文献［13］中的前向连续均值消除(FCME，Forward Consecutive Mean Excision)法对干扰进行抑制。

3 仿真性能

以下仿真结果都是基于跳频系统上做的。其中每跳驻留时间为100 ms，信号带宽为12 kHz，传输速率为1 200 b/s。假设时间和频率都是理想同步，BPSK调制，信道编码为［7，6］8卷积码，维特比译码，AWGN信道。基于变换选择的干扰抑制算法的变换域度量算法分别有PRC、MAX、CV、CG和Modified MAX，变换域有三种，分别为时域，FFT域和Fr-FT域，FCME抑制干扰的门限采用5μ，μ表示接收信号的平均功率，FFT长度512，%50重叠加窗，512阶Blackman窗。

图2为基于变换选择的时域脉冲干扰抑制性能的曲线图，其中脉冲干扰是零均值复高斯随机变量，干信比ISR=30 dB。从仿真结果可以看出，对于时域脉冲干扰信号，几种度量选择算法的性能基本上是一致的，都能选择正确的变换域对干扰进行抑制。

图2 不同度量选择算法的脉冲干扰抑制性能Fig.2 Performance of pulse interference suppression with different metric selection algorithms

图3是基于变换选择的多音干扰抑制性能的曲线图，干信比ISR=30 dB，ISR是指每个单音干扰信号和信号的功率比，即对于多音干扰实际的ISR要大于30 dB。从仿真结果可以看出，随着单音信号个数的增加，系统的误码性能也随着增加。对于多音干扰信号，最大值度量选择算法性能最差，而其余4种度量选择算法性能基本一致。

图3 不同度量选择算法的多音干扰抑制性能Fig.3 Performance of multi－ tone interference suppression with different metric selection algorithms

图4所示是基于变换选择的窄带噪声干扰抑制性能，其中背景信噪比SNR=－1 dB，干扰信号带宽400 Hz。从仿真结果可以看出，对于干信比在0～30 dB范围内的窄带干扰，最大值度量选择算法的性能是最差的，而其余四种度量选择算法都能选择正确的变换域去抑制干扰。

图4 不同度量选择算法的窄带干扰抑制性能Fig.4 Performance of narrow bandwidth interference suppression with different metric selection algorithms

图5、图6和图7分别是脉冲干扰、多音干扰和窄带干扰在各种变换域的性能比较。其中TSISA算法是采用修正的最大值度量算法，从时域、FFT域和FrFT中选择最佳的干扰抑制域。从仿真结果可以看出，修正的最大值度量算法选择的变换域与最佳干扰抑制域的性能是基本一致的，而对于非最佳干扰抑制域性能则相对要差。

图5 脉冲干扰抑制性能(ρ=0.1，ISR=30 dB)Fig.5 Performance of pulse interference suppression(ρ =0.1，ISR=30 dB)

图6 多音干扰抑制性能(ISR=30 dB，3个单音信号)Fig.6 Performance of multi－ tone interference suppression(ISR=30 dB，3 tones)

图7 窄带干扰抑制性能(SNR=－1 dB，干扰带宽400 Hz)Fig.7 Performance of narrow bandwidth interference suppression(SNR= －1 dB，bandwidth of interference:400 Hz)

综合以上仿真结果可以看出，文中提出的修正的度量选择算法的性能和百分比度量、方差系数度量和压缩增益度量选择算法性能基本一致，而从复杂度上看，百分比度量选择算法复杂度最高，压缩增益和方差系数度量算法复杂度居中，修正的最大值度量算法复杂度最低，因此综合考虑性能和复杂度，文中提出的修正的最大值度量选择算法是相对最好的。

4 结语

文中研究了一种基于变换选择的干扰抑制算法，并提出了一种修正的最大值度量选择算法。通过仿真分析，对于不同的干扰，该算法能准确地选择最佳干扰抑制域，和其他性能较好的度量选择算法相比，它的性能和其他算法基本一致，并且其复杂度要比其他算法低很多。

［1］范永全，张家树，周波.基于OBE算法的混沌通信盲干扰抑制［J］.通信技术，2007，40(12):21－23.FAN Yong－quan，ZHANG Jia－shu，ZHOU Bo.Blind Narrowband Interference Suppression in Chaotic Communication based on Optimal Bounding Ellipsoid Algorithm［J］.Communications Technology，2007，40(12):21 －23.

［2］安建伟，苏广川.BPSK扩频信号中基于循环平稳模型的干扰抑制算法［J］.通信技术，2006(增刊):19－22.AN Jian－wei，SU Guang－chuan.Interference Excision Algorithm in Spread Spectrum Communication Systems based on Cyclostationary Signal Model［J］.Communications Technology，2006，S1:19 －22.

［3］POOR H V，RUSCH L A.Narrowband Interference Suppression in Spread Spectrum CDMA［J］.IEEE Personal Communications，1994，1(03):14 －27.

［4］Perez－Solano Juan Jose，Felici－Castell Santiago，Rodriguez － Hernandez Miguel.Narrowband Interference Suppression in Frequency－hopping Spread Spectrum U-sing Undecimated Wavelet Packet Transform［J］.IEEE Transactions on Vehicular Technology，2008，57(03):1620－1629.

［5］ZHAO T，YANG Z，ZHAO Y.Partial Code Aided Scheme for Narrowband Interference Suppression in Direct Sequence Spread Spectrum Systems［J］.IET Communication，2010，4(18):2240 －2251.

［6］KRISHNAMURTHY V，YIN G，SINGH S.Adaptive step－size Algorithm for Blind Interference Suppression in DS/CDMA Systems［J］.IEEE Trans.Signal Processing，2001，49(01):190－201.

［7］POUTTU A，RAUSTIA M，HENTTU P，et al.Method Selection Diversity Approach to Interference Suppression［C］//IEEE 7th International Symposium on Spread－Spectrum Tech＆Appl.［s.l.］:IEEE，2002:623 －627.

［8］LEHTOMAKI J，VARTIAINEN J，HARRI S.Domain Selective Interference Excision and Energy Detection of Direct Sequence Signals［C］//Proc.of the 6th Nordic Signal Processing Symposium NORSIG.［s.l.］;［s.n.］，2004:216－219.

［9］AROMAA S，HENTTU P，JUNTTI M.Transform Selective Interference Suppression Algorithm for Spread Spectrum Communications［J］.IEEE Signal Processing Letters，2005，12(01):49 －51.

［10］VARTIAINEN J，LEHTOMAKI J，SAARNISAARI H，et al.Interference Suppression in Several Transform Domains［C］//IEEE Military Communications Conference MILCOM 2005.［s.l.］:IEEE ，2005:2294 －2300.

［11］WANG X，POOR H V.Robust Multi－user Detection in Non － Gaussian Channels［J］.IEEE Transaction Signal Process，1999(47):289 －305.

［12］张春海，薛丽君，张尔扬.基于自适应多门限算法的变换域窄带干扰抑制［J］.电子与信息学报，2006，28(03):461－465.ZHANG C.H.，XUE L.J.，ZHANG E.Y.Narrow －Band Interference Suppression in Transform Domain based on Adaptive Multi－ Threshold Algorithm［J］.Journal of Electronics＆ Information Technology，2006，28(3):461－465.

［13］SAARNISAARI H，HENTTU P，JUNTTI M.Iterative Multidimensional Impulse Detectors for Communications based on the Classical Diagnostic Methods［J］.IEEE Trans.Commun.，2005，53(03):395 －398.