基于软件无线电平台的DDST传输技术研究*

杨培消，窦高奇，高 俊，陈 盈

（海军工程大学 电子工程学院，湖北 武汉 430033）

0 引 言

猝发通信是一种在极短时间内完成数据传输的隐蔽、抗干扰通信方式，采用高速传输方式在一瞬间完成信息传输。在实际无线通信传输过程中，存在着频率选择性和时间选择性衰落。如何高效准确地获取这些信道参数，是实现衰落信道下信息可靠传输的基础[1-2]。目前，广泛采用时分复用（TDM）导频符号辅助方式来获取信道参数。但是，时分复用方案中训练序列产生了额外的时间开销[3-4]。此外，由于多径时延的存在，导致接收信号存在码间干扰，接收端需要采用各种均衡技术来尽可能地消除多径信道的影响[5]，而均衡又需要训练序列来估计信道。因此，在移动通信网络中，为实现较好的通信性能，基于时分复用的训练辅助方案被广泛采用，且此时间开销相对整个通信时长较小，影响较小。然而，在猝发通信的特定情况下，相对整个通信时长而言，训练序列所产生的时间开销无法忽略。由于训练不携带信息，造成有效信息传输速率降低。在高频通信系统中，传输训练序列的时间几乎占去总传输容量的50%[6]。盲信道估计和均衡虽然不需要训练序列，但需要相当长的观测数据，不仅计算复杂度高，而且信道信息可能在此数据收集阶段发生变化。所以，盲信道估计方法不适用快速变化信道的通信环境[7-8]。近年来，人们提出将训练序列叠加在信息符号上的并行传输方式，称之为叠加训练（Superimposed Training，ST）方案。由于无需为训练符号分配专门的时隙或子载波，从而消除其占用的时间或频带开销。然而，ST方案叠加后的序列在接收端进行信道估计受符号检测数据的严重干扰，信道估计性能较弱。M.Ghogho等人提出了DDST（Data Dependent Superimposed Training）方案[9]，通过在发端对信息进行预处理，消除周期频点处的信息分量，然后利用训练的周期性，实现训练与数据的频域正交性，从而使信道估计不再受信息的干扰。对数据信息进行预处理损失了部分信息，但获得了更多的时隙来传输信息，从而更快地完成了猝发通信。以部分数据失真为代价实现了训练与数据的正交可分离，从而提升了信道估计性能，为叠加训练的使用提供了可能。

本文设计采用数据依赖叠加训练的方案进行猝发通信中的信道估计，消除了猝发通信中训练序列的额外时隙开销，提升了猝发通信的隐蔽性与可能性。首先给出数据依赖叠加训练（DDST）的原理，给出了收发端的流程图；其次分析了基于YunSDR平台的数据依赖叠加训练（DDST）传输技术的发送端和接收端设计；最后，通过理论仿真和软件无线电YunSDR平台测试DDST传输方案，从而验证基于DDST传输技术猝发通信方案的可行性和有效性。

文中所用的标记说明。大写或小写黑体字母代表矩阵或向量；上标T代表转置运算，⊗代表Kronecker积，C代表复数域。circ(s,N)表示将N维列向量s向下循环移位N-1次后生成的首列为s的N×N维循环Toeplitz矩阵。s^代表s的估计，s～代表s的DFT。1N代表N维全1列向量，IN代表N×N维单位矩阵。F*表示离散傅里叶逆变换。

1 DDST方案系统模型

考虑一个单载波块传输系统，在一个L阶频率选择性衰落信道上，添加循环前缀（CP）以避免块间干扰。同时，假设信道在一个块中传输是时不变的，但在不同块中是会发生变化的。

1.1 DDST方案发端模型

在发射端，信息序列可以表示为N×1的向量 ω=[ω(0),…,ω(Nb-1)]T。 训 练 序 列 c=[c(0),c(1),…,c(N-1)]T的周期为P，设Q=N/P。由于训练序列在时域上是周期的，则序列的能量将集中在各周期频点k=λQ,λ=0,1,…,P-1上，在频域上是离散的周期脉冲序列。接下来，引入一个附加序列e，使得e满足：

其中 i=0,…,P-1。

由式（1）推导，可得：

可用矢量表示为：

其中：

对数据信息进行预处理后，信息可以表示为ω-e。将训练序列和处理后的信息序列在时域进行叠加作为待发送信号s，则其用向量表示为：

由式（3）、式（4）可得：

数据依赖叠加训练的设计流程如图1所示。

图1 叠加训练方案发送部分流程

1.2 DDST方案收端模型

在接收端去除CP后的等效基带信号可表示为：

其中信道矩阵 H=circ([hT,0,…,0]T,N)∈ CN×N，v∈CN，v为加性高斯白噪声（AWGN）序列。

因为在周期频点处预处理的信息频域值为0，所以：

信道时域估计值可表示为：

信道估计后，在频域上把y在周期频点上的位置置为0，消除训练的干扰，结果可表示为：

根据信道估计的参数进行频域均衡。频域均衡后的信号可以表示为：

其中G是一个N×N维的对角矩阵。采用不同的均衡方法，G会有不同的取值。本文采用MMSE（Minimum Mean Square Error）均衡准则，则：

最后对r进行硬判决，即可得到原始信息序列的估计值。图2给出了叠加训练方案接收端的流程。

图2 叠加训练方案接收部分流程

2 YunSDR平台实现DDST方案

本节主要介绍基于软件无线电YunSDR平台的DDST传输方案实现。该平台可有效减少算法验证时间，只需要关注算法与基带数据处理过程，而不用过多关注硬件的原理和语言。

YunSDR平台采用Analog Device公司高集成度的捷变射频收发器AD9361和Xilinx公司最新的SoC架构FPGA芯片ZYNQ，以较小的体积实现了完整的无线通信功能[10]，实现了频谱范围70 MHz～6 GHz、模拟带宽200 kHz～56 MHz的宽频段软件无线电系统。

2.1 发送端设计

图3给出了YunSDR平台的发送端设计。

图3 YunSDR平台的发送端设计

首先在PC端产生数据，对其进行信道编码；其次，进行QPSK调制得到正交复信号；最后，对其进行预处理，然后和训练序列叠加得到DDST序列。经过成型滤波器后，信息通过千兆以太网接口送给YunSDR平台。在平台中，FPGA和AD模块根据配置的射频参数对信号进行处理，再通过模拟上变频，利用天线把信号辐射出去。

2.2 接收端设计

图4给出了接收端的信息传递路径。

图4 YunSDR平台的接收端设计

天线接收到信号后，先进行模拟下变频，之后送给AD模块进行模数转换，得到数字信号送给FPGA进行信号处理。处理后的信号通过千兆以太网接口送回PC端。采用DDST方案中的频域信道估计方法将训练抽取进行信道估计，并将处理后的信息和信道估计值一并送给均衡器，对信号进行失真补偿。之后进行判决，检测出来的符号进行解调，还原成二进制码元。最后，按照发端的编码规则进行解码，最终得到发送的原始信息。

3 实验结果及分析

本文借助YunSDR搭建实验平台，分别比较了DDST方案与TDM方案在时间猝发通信过程方面的具体性能，并对2种不同方案发射相同数据帧的信号时长进行测试对比，从而进一步验证了DDST方案的有效性。具体地，主要采用DDST（Data Dependent Superimposed Training）传输方案与TDM（Time Division Multiplexing）方案相对比的方式，借助示波器来测量发送时间，并进行2种方案的误码率对比。

实验参数具体设置如下：设置信息序列的长度为N=240；训练序列与信息序列功率比是0.3；为了使TDM与DDST方案获取相同的信道估计性能，所以TDM训练序列的长度为72；为保证训练序列的总能量相同，DDST方案训练序列的长度为240；信道编码采用卷积码方式，生成矩阵为g=[111;101]。

训练序列的周期P=6，则训练序列的取值为：

采用QPSK调制方式，射频参数设置如表1所示。

表1 射频的参数设置

图5给出了DDST方案和TDM方案在误码性能方面的结果。

图5 DDST方案和TDM方案误码率比较

图6 、图7给出了示波器测量DDST传输方案和TDM传输方案的发送时间。

图6 DDST传输方案的发送时间

图7 TDM传输方案的发送时间

从图5可以看出，DDST方案由于发端对信息进行了预处理，损失了一部分信息，误码率相比TDM稍差，但性能差异较小，且在猝发通信此特定环境下，以此性能损失消减信号时长具有实际意义。

由图6、图7可知，DDST方案的发送时间是49.60 μs，TDM方案的时间是64.40 μs。相比于TDM传输方案，DDST方案节约了22.98%发送时间，这对于猝发通信具有重要的研究意义。

4 结 语

本文设计采用叠加训练方案实现猝发通信信道估计，从而去除单独的训练时间开销，减少空间信号暴露时间，并借助YunSDR软件无线电平台验证了方案的可行性。相比于TDM传输方案，叠加训练方案节约了22.98%的发送时间，减少了电磁波在空间中的暴露时间，提高了猝发通信的隐蔽性和抗截获能力，对缩短猝发通信信号在空中的暴露时间具有重要的实际价值。

参考文献：

[1] Mecklenbrauker C F,Molisch A F,Karedal J,et al.Vehicular Channel Characterization and Its Implication for Wireless System Design and Performance[J].Proceedings of the IEEE,2011,99(07)：1189-1212.

[2] 张海宁,吴介军,段渭军等.基于OFDM的水声通信系统设计[J].现代电子技术,2013,36(21)：31-34.ZHANG Hai-ning,WU Jie-jun,DUAN Wei-jun,et al.Design of Underwater Acoustic Communication System Based on OFDM[J].Modern Electronic Technology,2013,36(21)：31-34.

[3] 何纯全,窦高奇,高俊等.基于叠加训练序列的低复杂度时变信道估计方案[J].电子与信息学报 ,2013,35(09)：2194-2199.HE Chun-quan,DOU Gao-qi,GAO Jun,et al.Lowcomplexity Time-Varying Channel Estimation Scheme Based on Superimposed Training Sequence[J].Journal of Electronics and Information,2013,35(09)：2194-2199.

[4] 李元杰,杨绿溪,何振亚.基于隐训练序列的信道估计与跟踪[J].通信学报,2004,25(12)：1-7.LI Yuan-jie,YANG Lv-xi,HE Zhen-ya.Channel Estimation and Tracking Based on Hidden Training Sequence[J].Communication Journal,2004,25(12)：1-7.

[5] 张龙,周安栋,窦高奇等.叠加训练序列设计及其高效传输技术研究[J].通信技术,2015,48(07)：772-775.ZHANG Long,ZHOU An-dong,GAO Qi-dou,et al.Design of Superimposed Training Sequence and Research on Its High Efficiency Transmission Technology[J].Communication Technology,2015,48(07)：772-775.

[6] TONG L,Sadler B M,DONG M.Pilot-Assisted Wireless Transmissions General Model,Design Criteria and Signal Processing[J].IEEE Signal Processing Magazine,2004,21(06)：12-25.

[7] Tong L,Sadler B M,Dong M.Pilot-assisted Wireless Transmissions General Model,Design Criteria and Signal Processing[J].IEEE Signal Processing Magazine,2004,21(06)：12-25.

[8] 王洪民,周冰.基于导频的信道估计算法研究[J].通信技术 ,2011,44(08)：29-32.WANG Hong-min,ZHOU Bing.Research on Channel Estimation Algorithm Based on Pilot[J].Communication Technology,2011,44(08)：29-32.

[9] Ghogho M,McLernon D C,Alameda-Hernandez E,et al.Channel Estimation and Symbol Detection for Block Transmission Using Data-Dependent Superimposed Training[J].IEEE Signal Processing Letter,2005,12(03)：226-229.

[10] 赵友平.认知软件无线电系统—原理与实验[M].第2版.北京：清华大学出版社,2016.ZHAO You-ping.Cognitive Software Radio Systemsprinciples and Experiments[M].2nd Edition.Beijing：Tsinghua University Press,2016.