基于混合OFDM的矿井下通信信号调制识别*

魏 瑾

（山西机电职业技术学院，山西 长治 046011）

0 引言

煤炭在世界上是分布最广、储量最多的常规能源。近年来全球经济飞速发展，天然气、石油等能源价格不断上升，导致煤炭价格和需求量迅速增长[1]。矿井下存在易燃易爆气体，环境恶劣，采煤危险性较高，在采煤过程中经常发生事故，需要提高矿井下的状态检测能力和实时定位能力[2]。煤炭的安全生产主要依赖矿井无线通信技术，在避免经济损失的同时，可以保障工作人员的生命安全。在矿井通信领域中，矿井无线通信是研究的新课题，具有设备维护方便、建设工程周期短和成本低廉等特点，因此在实际应用中对矿井下通信信号调制识别方法进行研究具有重要意义[3]。但是，在传播过程中矿井通信信号容易受到外界噪声的干扰，从而不能准确接收信号且很难进行后续处理。为了能够更好地净化信号环境和提高井下通信信号的抗干扰能力，必须获知信号的调制类型。

在此背景下，相关领域专家进行了较多研究。张丽、张大鹏、张扬提出基于高阶联合累积量算法的矿井下通信信号调制识别方法[4]，根据酉空时调制的特点和高阶联合统计量的差异，分离了垂直分层空时码信号、相移键控信号和USTM 信号，从而实现了矿井下通信信号的调制识别，但是存在分离信号时间较长和识别效率低。钟志明、徐以涛、邱炜提出基于Watterson 信道模型的矿井下通信信号调制识别方法[5]。该方法的特征参数以信号功率谱为基础，在判决树分类器中输入特征参数，在Watterson 信道模型下对矿井下通信信号进行调制识别，但是也存在正确识别率较低的问题。龙晓红、张洪欣、张明明提出基于调和平均分形盒维数的矿井下通信信号调制识别方法[6]，通过希尔伯特变换先对信号做预处理，然后提取峰度调和参数和盒维数，调和平均以上两个参数构成特征参数，然后调制识别矿井下通信信号，但同样存在调和特征参数时间较长和识别效率低的问题。

为了解决存在的识别效率低和正确识别率低的问题，本文提出基于混合OFDM 的矿井下通信信号调制识别方法。通过获取不同情况下的多径信号包络对应的密度函数，分析其分布特征，确定矿井通信信号为OFDM 信号序列。在子载波组的基础上获得接收信号的序列，并基于此调制码元序列获取信号合并器中的输出信号，消除信道衰落噪声。通过欧式距离分类方法，根据获取的信号特征向量进行分类，提升信号调制识别效率。建立矿井下通信信号调制方式的判决准则，提高通信信号调制识别正确率，最终实现基于混合OFDM 的矿井下通信信号调制识别。实验结果证明，所提方法具有较为理想的通信信号调制识别的效率和精度，有效抑制了通信信号的调制噪声。

1 不同环境下通信信道分布模型

假设接收到的信号是由不受阴影作用的多径信号分量和受阴影作用的直射信号分量构成的，通过式（1）描述接收到的信号r(t)：

式中，n(t)代表加性高斯白噪声；z(t)代表直射波分量；d(t)表示多径分量和散射波；s(t)表示信道阴影衰落。

接收信号在井下宽阔地带是不受阻挡的多径分量和直射波分量的叠加。Rician 分布为信号包络对应的概率密度函数，表达式如下：

式中，r＞0；k表示莱斯因子，计算公式为：

式中，A代表接收信号对应的幅度；代表由环境决定的多径功率。

井下构造复杂区域环境较为复杂，结构分布密集。在井下构造复杂地区接收信号受障碍物的影响，以多径信号为主[7-8]。接收信号包络对应的密度函数满足Rayleigh 分布：

与井下构造复杂环境相比，在井下狭窄地区通信信号的主要遮挡物体发生变化。井下狭窄环境接收信号存在的直射分量通常受墙体遮挡，存在的衰减程度不同[9]。直射波信号包络此时满足对数正态分布：

式中，μ代表lnz对应的均值；h·σ代表lnz对应的标准差。

相对于多径衰落，直射信号是一个慢变过程。在一个小时范围内，接收信号包络服从Rician分布[10]：

式中，I0表示第一类零阶贝塞尔函数。

接收信号包络对应的概率密度函数可以通过全概率公式进行求解，计算公式为：

接收信号的包络r对应的剩余概率分布PR(r)的表达式为：

依据以上内容获取不同环境下的通信多径信号包络对应的密度函数，分析其分布特征，得到接收信号包络的剩余概率分布，并以此为基础进行矿井下通信信号调制识别。

2 矿井下通信信号调制识别方法

设N表示OFDM 信号子信道的数目，在子载波组的基础上获得接收信号的序列：

式中，a1,i(k)、a2,i(k)表示第i个子信道在OFDM各子载波组中发送的码元序列；n1,i(k)、n2,i(k)表示高斯白噪声序列。

高斯白噪声序列严重影响通信信号调制识别结果。井下白噪声具有多源、强、声级高和频带宽的特点，对矿山信号环境有严重危害，影响矿山安全生产。噪声不但能导致矿工听力下降和其他职业性疾病，还会使井下工人反应迟钝，工作积极性降低，容易忽视井下各种灾害信号，增加了事故发生的可能性，严重影响矿井的安全生产。本文针对这种情况对白噪声进行抑制和去除。

将序列r1,i(k)、r2,i(k)序列输入信号混合器中进行处理，设代表信号合并器输出的信号，表达式分别为：

将r1,i(k)、r2,i(k)带入式（10）和式（11），获得：

分析可知，调制码元序列a1,i(k)、a2,i(k)在各子信道中经过衰减处理后叠加高斯噪声的信号就是统计量即信号合并器中的输出信号。

a1,i(k)、a2,i(k)的计算公式[13]为：

式中，E表示信号对应的平均功率；θi表示第i个子信道中存在的载波相位偏差；表示第i个子信道发送的码元序列。

由于a1,i(k)、a2,i(k)信号序列中存在的码元序列和码元是共轭或是相反数，且a1,i(k)、a2,i(k)信号序列为空时分组编码，因此两路信号的调制方式相同。分析可知，a1,i(k)、a2,i(k)叠加上高斯噪声且经过信道衰落后获得的信号即为同时两种信号具有相同的信号衰落系数。可以将当做码元序列ai(k)中存在的连续的两个码元序列值，合并两路信号获得信号[ai(k),ai(k+1)]=

两阶以上的高斯噪声对应的累量值为零，因此分类特征可以屏蔽高斯噪声，提取中存在的高阶累积量。通过消除信道衰落噪声的影响，可以实现矿井下通信信号的调制识别[14-15]。

设Fa、Ga代表在ai(k)累积量中提取到的特征向量，表达式分别为：

式中，Mean(a)表示接收符号对应的均值[15]；Ca,41、Ca,42表示平稳复信号的4 阶累积量；Ca,63表示平稳复信号的6 阶累积量。

基于混合OFDM 的矿井下通信信号调制识别方法，通过欧式距离分类方法，根据获取的特征向量Fa对信号进行分类，将其分为{0}、{BPSK}、{QPSK，16QAM}，再根据获取的特征向量Ga将信号分为16QAM 信号和QPSK 信号。

矿井下通信信号调制方式的判决准则如下：

基于混合OFDM 的矿井下通信信号调制识别方法的识别流程如图1 所示。

图1 通信信号调制识别流程

3 实验结果与分析

为了验证基于混合OFDM 的矿井下通信信号调制识别方法的整体有效性，需要对基于混合OFDM的矿井下通信信号调制识别方法进行测试。本次测试在Simulink 平台中完成，分别采用基于混合OFMD 的矿井下通信信号调制识别方法、文献[4]提出的基于高阶联合累积量算法的矿井下通信信号调制识别方法和文献[5]提出的基于Watterson 信道模型的矿井下通信信号调制识别方法进行对比测试。实验指标选取通信信号调制识别的耗时、识别准确率以及噪声抑制效果，测试结果如图2 所示。

图2 为不同方法井下通信信号调制识别方法的测试结果。分析图2 可知，采用基于混合OFDM 的矿井下通信信号调制识别方法对通信信号进行调制识别时，在多次迭代中所用的时间均在0.4 s 以内；采用基于高阶联合累积量算法的矿井下通信信号调制识别方法对通信信号进行调制识别时，在第4 次迭代中所用的识别时间高达0.7 s；采用基于Watterson 信道模型的矿井下通信信号调制识别方法对通信信号进行识别时，在第2 次迭代中所用的识别时间高达0.8 s。对比基于混合OFMD 的矿井下通信信号调制识别方法、基于高阶联合累积量算法的矿井下通信信号调制识别方法和基于Watterson 信道模型的矿井下通信信号调制识别方法的测试结果可知，基于混合OFMD 的矿井下通信信号调制识别方法所用的识别时间最短。因为基于混合OFMD的矿井下通信信号调制识别方法对矿井下通信信号进行调制识别之前构建了信道模型，通过信道模型获取相关信息，缩短了识别所用的时间，提高了基于混合OFDM 的矿井下通信信号调制识别方法的识别效率。

下面将正确识别率作为指标，对基于混合OFMD 的矿井下通信信号调制识别方法、基于高阶联合累积量算法的矿井下通信信号调制识别方法和基于Watterson 信道模型的矿井下通信信号调制识别方法进行测试，测试结果如图3 所示。

图2 不同方法的识别时间

图3 不同方法的正确识别率

分析图3 可知，在多次迭代中，基于混合OFDM 的矿井下通信信号调制识别方法的正确识别率均高于90%；基于高阶联合累积量算法的矿井下通信信号调制识别方法在第2 次迭代中的正确识别率低至50%；基于Watterson 信道模型的矿井下通信信号调制识别方法在第3 次迭代中的正确识别率低至40%。对比基于混合OFMD 的矿井下通信信号调制识别方法、基于高阶联合累积量算法的矿井下通信信号调制识别方法和基于Watterson 信道模型的矿井下通信信号调制识别方法的测试结果可知，基于混合OFMD 的矿井下通信信号调制识别方法的正确识别率最高。因为该方法通过混合OFDM 技术对矿井下通信信号进行调制识别，提高了基于混合OFDM的矿井下通信信号调制识别方法的正确识别率。

为验证不同方法的噪声抑制效果，本次实验多次实行外场测量操作，以获取通信信道真实干扰模型，并将测试数据输入至MATLAB 软件进行实验。文献[4]方法和文献[5]方法获取输入信道的信号噪声波形和所提方法进行对比，测试结果如图4 所示。

图4 不同方法的通信信号噪声抑制对比

分析图4 可知，与文献成果相比，所提方法表现出了良好的噪声干扰抑制效果。该方法在采集到通信信号后，通过分类特征屏蔽高斯噪声，提取高阶累积量，提高了噪声干扰抑制性能，体现了所提方法的可靠性。

4 结语

在日常生活和工业生产过程中，煤炭因价格低廉得到了广泛应用。信息技术和生产管理技术在近年来不断发展，使得矿井无线通信对智能信息和带宽信息的需求不断增加。矿井通信领域中，无线通信技术的发展前景越来越好，使矿井下通信信号调制识别方法成为研究的热点。当前矿井下通信信号调制识别方法存在识别效率低和正确识别率低的问题，因此提出了基于混合OFDM 的矿井下通信信号调制识别方法，可在较短的时间内准确实现矿井下通信信号的调制识别，且有效抑制了通信信号的噪声，进一步提高了通信信号调制效果。