一种自适应干扰能量检测算法

王　烁，陈泽艺

（1.中国电子科技集团公司第三十八研究所，安徽合肥230088；2.重庆邮电大学通信学院，重庆400065）



一种自适应干扰能量检测算法

王烁1，陈泽艺2

（1.中国电子科技集团公司第三十八研究所，安徽合肥230088；2.重庆邮电大学通信学院，重庆400065）

摘 要：干扰能量检测是干扰抑制处理的基础，普通的能量检测算法性能容易受到背景噪声不确定性的影响.提出一种自适应干扰能量检测算法，该算法基于频域干扰抑制算法模型，通过背景噪声估计设定信号处理门限，自适应地调整校标值.仿真结果表明，该算法能够消除背景噪声不确定性对干扰检测性能的影响，窄带干扰的检测性能远好于普通能量检测算法.

关键词：干扰抑制；背景噪声；自适应；干扰能量检测

准确的干扰检测能更好地消除干扰，目前常用的检测算法有能量检测法［1-3］、匹配滤波法［4］、循环平稳特征检测法［5］.匹配滤波法需预先知道干扰信号的具体参数，以便设计匹配滤波器.循环平稳特征检测法需要了解干扰信号的循环频率，但是在多数情况下，接收机无法得到干扰信号的先验信息，无法有效地使这些算法达到目的.普通的能量检测法不需要了解被检测信号的先验信息，算法简单、易于实现，但其性能容易受到背景噪声功率大小的影响，当背景噪声发生变化时，固定的预设校标值无法准确反映变化的背景噪声功率，可导致干扰检测性能严重下降.因此，如何有效地估计背景噪声功率，并能自动调整校标值是一个有待研究的问题.参考文献［6］提出一种基于经验来设置能量检测门限值的方法，但无法消除噪声功率时变对检测性能的影响.参考文献［7］在假定噪声的动态范围是已知的条件下，分析了噪声不确定性对检测性能的影响，但其动态范围的设定没有明确依据.为了更好地适应不同背景的噪声环境，有效降低检测虚警概率，作者拟提出一种自适应干扰能量检测算法，以克服噪声功率不确定性对干扰检测性能的影响.

1　理论框架

卫星通信和导航中经常使用扩频体制，有用信号一般埋在噪声下面，信号功率比噪声功率低10dB以上［8-9］.不存在干扰的情况下，接收信号的频谱主要成分是噪声谱，非常平坦.若接收信号含有干扰，特别是存在大功率的单音干扰或窄带干扰的情况下，接收信号频谱在干扰频点对应的幅度谱线较大，形状不再平坦.因此，可以通过估计背景噪声功率，确定干扰消除门限，进行频域消除，将处理后的信号能量作为校标值.对于背景噪声环境的变化，校标值能够自适应地调整，从而有效消除背景噪声的不确定性对干扰检测性能的影响.

自适应能量检测法，是在能量检测算法基础上的改进，属于非线性检测法，用于检测噪声中的干扰信号是否存在.基本思想是根据频域变换后的频率分量估计背景噪声功率，依据背景噪声功率设定门限值，将观测到的能量值与门限值相比较，若在门限值之上，则判定干扰信号存在；如果在门限值之下，则判定干扰信号不存在.

自适应干扰能量检测算法［10-12］由干扰检测和抑制两部分组成，干扰检测和抑制模块见图1.

图1　干扰检测和抑制模块Fig.1　Module of interference detection and suppression

假设接收到的信号频率分量的形式为

其中：S（K）为有用信号频率分量，W（K）为高斯白噪声频率分量，J（K）为干扰信号频率分量，Y（K）为进入接收机的信号频率分量.

接收信号的能量可以表示为

设X（K）为进入接收机处理后的信号频率分量，则处理后信号能量可以表示为

将处理后信号能量的k倍作为校标值，则校标值为

将接收信号能量与处理后的信号能量进行比较

其中：系数k可根据虚警概率的要求适当调整.

图2为作者提出的自适应干扰能量检测算法实现的具体流程图.

图2　算法实现流程图Fig.2　Flowchart of algorithm implementation

2　算法性能分析

通常采用检测概率Pd与虚警概率Pf的大小来衡量能量检测算法的性能.Pd是干扰信号存在的情况下，正确检测到干扰的概率，因此，实际工作中要尽量增大检测概率Pd来提高系统性能.

判定干扰信号是否存在，等效于在以下2种条件假设下对变量EY与门限值λE进行比较

检测概率Pd的表达式可以表示为

Pf为干扰信号不存在时，误认为其存在时的虚警概率.要尽可能地减小虚警概率，来避免系统性能的恶化.Pf可以表示为

一般情况下，在增大Pd的同时，不可能使Pf减小，此时门限值的设定非常重要.门限值λE的设定就是在Pd和Pf之间寻求一个平衡点.

假设背景噪声服从均值为零、方差为σ20的加性高斯白噪声，干扰服从均值为零、方差为σ21的高斯分布.因此，当不存在干扰时，接收信号Y（N）～N（0，σ20）；当存在干扰时，接收信号Y（N）～N（0，σ2J），其中其均值和方差可以表示为

当观测点数N足够大时，EY则服从下面的高斯分布

因此，检测概率Pd及其虚警概率Pf可以表示为

3　仿真结果及分析

实际应用中，一般选择门限值使虚警概率Pf处在一定的阀值之下，同时尽量增大检测概率Pd.仿真中，为使虚警概率足够小，设定系数k为2，门限值λE＝2EX.下面对窄带干扰条件下该文算法与普通能量检测算法的性能进行比较分析.

仿真一：单音干扰条件下，不同干噪比对应的该文算法和普通能量检测算法的检测概率.

图3是单音干扰条件下该文算法与普通能量检测算法的性能对比.从图3中可以看出，该文干扰检测算法的性能要好于能量检测算法的性能.当干噪比达到-10dB时，检测概率达到90%以上；当干噪比达到-7dB时，检测概率接近100%.

图3　单音干扰条件下该文算法与普通能量检测算法的性能对比Fig.3　Comparison between algorithm of this paper and general algorithm in the presence of single tone interference

仿真二：窄带干扰条件下（干扰比例ρ＝0.1），不同干噪比对应的该文算法和普通能量检测算法的检测概率.

图4为窄带干扰条件下该文算法与普通能量检测算法的性能对比.从图4中可以看出，该文干扰检测算法的性能要好于能量检测算法的性能，当干噪比达到-5dB时，检测概率接近100%.

图4　窄带干扰条件下该文算法与普通能量检测算法的性能对比Fig.4　Comparison between algorithm of this paper and traditional algorithm in the presence of narrow-band interference

仿真三：在没有干扰的条件下，不同背景噪声大小对应的该文算法和普通能量检测算法的虚警概率.

图5给出了不同背景噪声功率下该文算法与普通能量检测算法的性能对比曲线，从图5中可以看出，当背景噪声功率高于信号功率1.5dB时，能量检测算法的虚警概率迅速变大，能量检测算法无法准确检测干扰.而该文算法的虚警概率几乎为0，对于不同大小的背景噪声，该文算法仍能有效完成干扰检测.

图5　不同背景噪声功率下该文算法与普通能量检测算法的性能对比Fig.5　Comparison between algorithm of this paper and traditional algorithm at different levels of background noise power

4　结束语

作者提出了一种自适应干扰能量检测算法，此算法通过对接收信号的频率分量进行处理，能依据处理后的信号能量自适应调整校标值.仿真结果表明，在不同噪声环境下，该算法能有效消除背景噪声的不确定性对干扰检测性能的影响.该算法尤其适用于窄带干扰环境下的干扰能量检测，可大幅降低干扰检测的虚警概率，有效地改善干扰抑制系统的效率和性能.

参考文献：

［1］ 邓韦.能量检测在认知无线电频谱感知中的应用［J］.通信技术，2010，43（8）：92-93.

［2］ WU J B，LUO T，YUE G X.An energy detection algorithm based on double-threshold in cognitive radio systems［C］／／2009 1st International Conference，Information Science and Engineering，Nanjing，2009：493-496.

［3］ 潘建国，翟旭平.基于能量检测的频谱感知方法［J］.上海大学学报（自然科学版），2009，15（1）：54-59.

［4］ WANG H，YANG E，ZHAO Z，et al.Spectrum sensing in cognitive radio using goodness of fit testing［J］. IEEE Transactions on Wireless Communications，2009，8（11）：5427-5430.

［5］ CHEN J，GIBSON A，ZAFAR J.Cyclostationary spectrum detection in cognitive radios［C］／／IET Seminar on Cognitive Radio and Software Defined Radios（Technologies and Techniques），2008：1-5.

［6］ SHELLHAMMER S J，SHANKAR R，DANDRA J.Performance of power detector sensors of DTV signals in IEEE 802.22WRANs［C］／／Proceedings of 1st International Workshop on Technology and Policy for Accessing Spectrum，Boston MA，2006：4-12.

［7］ TANDRA R，SAHAI A.Fundamental limits on detections in low SNR under noise uncertainly［C］／／Proceedings of the Wireless COM，2005：464-469.

［8］ PETERSON R L，ZIEMER R E，BORTH D E.扩频通信导论［M］.沈丽丽，侯永宏，马兰，等译.北京：电子工业出版社，2006.

［9］ 皮亦鸣，张婧，蔡昌听.GPS信号的差分相关捕获算法研究［J］.全球定位系统，2006，3（4）：1-4.

［10］ 张春海，卢树军，张尔杨.基于加窗DFT的DSSS系统变换域窄带干扰抑制技术［J］.解放军理工大学学报，2004，5（4）：11-15.

［11］ KETCHUM J W，PROAKIS J G.Adaptive algorithms for estimating and suppressing narrow band interference in PN spread-spectrum systems［J］.IEEE Transactions on Communication，1982，30（5）：913-924.

［12］ DIPIETRO R C.An FFT based technique for suppressing narrow band interference in PN spread-spectrum communication systems［C］／／IEEE Conference Processing on ICASSP’89，Glasgow，1989：1360-1364.

（责任编辑 郑小虎）

An adaptive interference energy detection algorithm

WANG Shuo1，CHEN Zeyi2
（1.Corporation No.38Research Institute，China Electronics Technology Group，Hefei 230088，China；
2.School of Communication，Chongqing University of Posts and Telecommunications，Chongqing 400065，China）

Abstract：Interference energy detection is the foundation for the algorithm of interference suppression.General energy detection algorithm is simple and easy to be implemented，but the performance is easily influenced by the uncertainty of the background noise.An adaptive frequency domain energy detection algorithm which was based on frequency domain interference suppression algorithm model was presented in this paper.This algorithm set the threshold of signal through estimating the background noise power，adjusted the reference value adaptively based on the processed signal power.The simulation results showed that this algorithm could effectively eliminate the influence of the uncertain background noise. The performance of detection was much better than general energy detection algorithm extremely under narrowband interference condition.

Key words：interference suppression；background noise；adaptation；interference energy detection

doi：10.3969／j.issn.1000-2162.2016.01.010

作者简介：王 烁（1981-），男，安徽合肥人，中国电子科技集团公司第三十八研究所高级工程师，博士.

基金项目：国防科工局民用航天“十二五”预先研究项目（D030202）

收稿日期：2015-05-11

中图分类号：TN961

文献标志码：A

文章编号：1000-2162（2016）01-0059-05