基于相位扰动的无线通信信号抗干扰自动控制研究

曹 宁

(中科软科技(重庆)有限公司,重庆 401121)

通信是社会进步的标志,它从人们生产活动中产生,随着科技的进步而发展。现阶段,人们对通信质量的需求逐渐提高,各类通信方式也陆续出现。无线通信凭借传输速度快、损耗低等优势在通信领域占据重要地位。其中,无线光通信属于新型通信方式,具有灵敏度高、通信设备先进、造价低、施工简单等特点,并在各类型场景下广泛使用,已经成为未来无线通信发展的主要方向。但是,通信系统在复杂的电磁环境下,容易受到多种噪声影响,使信号受到干扰,当通信环境恶劣时,信号会出现衰减现象。

因此,要想获得较好的通信效果,必须提高通信信号的抗干扰性能。针对这一问题,文献[1]中提出无线通信链路建模和网络规划研究,通过分析通信链路中辐射噪声与非线性噪声,建立了信道模型,探究不同调制形式下的误码率,利用联盟形成算法规划最优通信网络,实现网络价值最大化,减少干扰作用。文献[2]中利用正交相移键控技术处理通信信号,将通用恒模算法作为基础,计算在标准要求下色散补偿、频偏补偿以及相位补偿的边界值,使用所提技术对上述数字进行有效控制,达到抗干扰目的。文献[3]中提出结合傅里叶谱相减方法和同态滤波方法进行信号干扰噪声的去除,并计算数据信号与导频信号的相角差,以计算获得的相角差为基础,构建信号干扰控制器,从而完成信号抗干扰处理。文献[4]中提出基于信号稀疏表示通信信号抗干扰方法,采用奇异值分解方法构建通信干扰信号的联合字典,并采用正交匹配追踪方法进行干扰信号的分离,对时频重叠的信号进行抗干扰处理。文献[5]中利用采样信号中LFM干扰信号的调频斜率参数,在采样信号中提取信号的成分,实现通信信号的干扰抑制。文献[6]中提取通信输出信号的特征量,并采用匹配滤波方法进行信号的增强处理,以增强处理后的信号为基础,采用相位耦合方法分解信号的频谱,剔除其中的干扰频谱,完成抗干扰处理。文献[7]中构建无线通信网络的信道模型,并采用码间干扰抑制方法进行信号抗干扰设计,使传输信号避免被干扰。文献[8]中对无线通信信号进行预处理后,将原始通信信号转换为单热矢量,形成训练样本集,并采用非监督学习方法训练深度学习自编码器,完成训练后,利用随机梯度下降法更新信号参数,完成信号的抗干扰处理。文献[9]中购进变换域对抗干扰博弈对抗模型,并给出纳什均衡解求解方法,得出最佳的抗干扰决策。文献[10]中根据通信信号与干扰基带的结构特征,通过采样与串并变换构造出信号的盲源分离模型,完成抗干扰处理。

在无线光通信中,相位扰动是影响通信性能的重要因素。只有不断调制相位,抑制扰动现象,才能使信号抗干扰得到有效控制。因此本次研究提出了基于相位扰动的抗干扰自动控制算法,凭借设计的光相位调制器,确保信号相移始终可以找出一个与其相对的电压值。实验结果表明相位扰动现象得到有效抑制,加强了信号抗干扰控制能力。

1 无线通信信道构建与统计特征分析

信道是发送端与接收端信号传输的媒介,也是通信系统的重要组成之一[11]。无线信道的传输特性较为复杂,要想获得理想的信号抗干扰控制效果,建立信道模型,分析其特性是必要前提。

1.1 信道建模

无线通信信道的传输特征受到建筑、地形等多方面影响,再加上收发两端和散射体形成的相对运动产生的多普勒效应[12],这些均造成了信道的衰落性。针对衰落尺度不同,信道特征分类情况如图1所示。

图1 无线通信信道衰落特征分类Fig.1 Classification diagram of fading characteristicsof wireless communication channel

如果只以传输媒介定义信道太过狭义,为便于问题分析,采用广义信道概念,例如调制信道等。在此次研究过程中只研究无线信道,结合上述信道衰落特征,建立的信道模型如图2所示。

图2 无线通信信道模型示意图Fig.2 Schematic diagram of wireless communicationchannel model

1.2 信道统计特征

假设无线信道内,信号到达角度分布情况表示为f(α,β),其中α和β分别表示水平角和仰角。利用fm表示最大多普勒频移,fn=fmcosαncosβn描述第n条传输路径的频率变化情况。当信道为理想状态时,其统计特征表现如下。

(1)

(2) 功率谱密度 功率谱密度代表信号功率随频率的变化情况,通过多普勒频移分布函数获取谱密度[14],假设u=f/fm,即u=cosαcosβ,则u的功率谱密度计算公式为

(2)

(3) 电平通过率 电平通过率表示在一段时间内,通信信号以正斜率形式经过阈值电平rth的次数,是衰减次数的统计量,其表达式为

(3)

其中:ρ表示电平rth和包络r的均方根比值;bn(n=0,2)代表信道n阶中心,计算公式为

(4)

分析上述信道统计特征能够实时掌握信道状态,为相位调制提供依据,有利于信号抗干扰的准确合理控制。

2 基于相位扰动的信号抗干扰自动控制

2.1 干扰信号识别

干扰识别是抗干扰控制的前提,只有准确识别出干扰信号,才能进一步采取对应的处理措施,保证抗干扰效果最优,最大程度降低干扰对通信质量的损害。传统干扰信号识别算法通常以人工方式采集特征,使用机器学习方法实现分类。该方法过多依赖人工经验,容易出现特征提取冗余等现象,且算法复杂度高,不容易实现。本次研究使用的深度学习[15]受神经网络的启发,可根据低层特征获取复杂的高层特征,避免人工参与,减少对专家的依赖。利用深度学习算法识别干扰信号共分为预处理和赋标签两个过程。

(1) 预处理 为降低不同强度的信号对识别结果产生的影响,改善学习效率,针对复基带信号x(n)作功率归一化处理[16],处理公式为

(5)

其中:N表示信号采样点数量。此外,为避免频谱能量泄露,又针对接收信号做了加窗处理,保证待识别信号的有效性。

(2) 输入和标签 如果干扰信号序列表示为y=[y1,y2,…,yN]T,则y∈CN的数学表达式为

y=j+γ,

(6)

其中:j表示干扰信号;γ表示高斯噪声。

针对序列y做预处理,处理后的序列表示为y′。使用两种不同数据格式描述实数与复数识别网络的输入,一种是时域输入,即信号的I路与Q路[Re(y′),Im(y′)],维度是N×2;另一种是频域输入,即信号的实部与虚部,表示为[Re(FFT(y′)),Im(FFT(y′))]。输入以上内容后,经过不断学习,获得识别结果,为信号赋予正常或干扰的标签。

2.2 相位控制器设计

基于相位扰动现象,设计一种相位控制器实现信号抗干扰自控控制。此控制器的反馈环路包括可调谐光延迟线、拉伸器、PID控制器和偏置器等设备。

当信道受到环境干扰时,反馈环路中出现附加相位差,这时放大器输出值等于零,可将其视为较短时间内的直流电压信号。该信号通过控制器后,变换为0～5 V的电压信号后传输到拉伸器。拉伸器使电压信号发生形变,调节光路长度,改善相位扰动,消除干扰。针对所有模块的详细说明如下:

(1) 可调谐光延迟线 相位调制系统中每个设备的尾纤长度和跳线长度均不同,所以需要通过光延迟线调节光纤。该器件工作原理简单,相当于长度可任意变换的光纤,具备调节范围大、精度高的优势。

(2) 拉伸器 针对信道环境造成光纤尺寸的变化需通过拉伸器解决。其工作原理是利用电信号促使压电陶瓷发生形变,使光纤出现细小变化,实现对光纤链路的调节。

(3) PID控制器 在机械控制领域中,比例积分微分(PID)控制器使用最为广泛。与其他控制器相比,其复杂度低、稳定性高,且方便调节。特别是针对难以精准控制的目标时,PID控制器是最好的解决方法。再结合实际需求,将控制器中的某些功能关闭,即可实现某部分的单独控制,例如PD、PI控制。

(4) 偏置器 偏置器的内部呈现“T”形结构,主要任务是为调制器添加偏置信号。器件内部包括电感与电容元件,能够达到信号分离目的。

2.3 信号抗干扰自动控制实现

应对不同环境的相位调制器,虽然使用材料与设计工艺有所不同,但控制过程大体相同。在上述设计的调制器内添加以下自动算法来实现抗干扰信号控制。

根据无线光通信信道特征,设定输入光场符合以下要求:

Ein(t)=E0e(ω0+φ0),

(7)

其中:E0与φ0分别表示入射光场强度和初始相位;ω0表示角频率;e表示元电荷。

相位调制器的信号格式为

V(t)=VDC+VRFcos (ωRFt+φ0),

(8)

其中:VDC表示调制器信号的偏置电压;VRF表示电压振幅;ωRF表示信号角频率。

结合上述公式可知,调制器入射与出射光场关系为

(9)

其中:Vπ表示半波电压,相当于相位生成π个偏差施加在调制器中。对式(9)做贝塞尔展开处理,获得出射光场。

光混频器是实现抗干扰信号控制的重要器件,在不考虑人为干扰条件下,光混频器的输入与输出表达式分别为

cos (Ωt+φSig(t)-φ0+δN(t)),

(10)

sin(Ωt+φSig(t)-φ0+δN(t)),

(11)

其中:φSig(t)表示抗干扰信号;a与b均为非干涉损耗;PSig和PLo分别表示信号光功率和本振光功率;δN(t)表示相位噪声。

针对抗干扰信号φSig(t),通过

(12)

对其控制,其中Vπ(t)表示通过电压附加到调制器中的信号。

3 仿真实验数据分析与研究

结合无线通信信道模型特征,设置的仿真通信链路如图3所示。该信道编码属于卷积码,信道噪声为高斯白噪声。实验中的干扰信号相关参数如表1所列。

图3 仿真通信链路示意图Fig.3 Schematic diagram of simulation communication link

表1 干扰信号相关参数

首先,在上述仿真环境下,测试所提方法、联盟形成方法和正交相移键控方法的干扰信号识别能力。假设干扰信号与正常信号样本数量分别为200个和300个。本次研究所提出的方法使用深度学习算法识别干扰信号,学习速率设置为0.01。不同方法的信号识别结果如图4所示。

图4 不同方法信号识别结果Fig.4 Signal recognition results of different methods

由图4可知,本次研究所提方法对干扰信号和正常信号的检测结果与实际数量最为接近,其中个别正常信号被识别为干扰信号;而其他两种方法识别准确度相对较低,尤其是正交相移键控方法将大量正常信号识别为干扰信号。信号识别判断是抗干扰自动控制的前提,只有准确识别出干扰信号才能对其进行有效控制,否则控制操作不具有实际意义,反而增加工作量。

在无线通信系统中,误码率被认为是与信噪比相关的函数,也是体现通信质量的关键指标。在仿真链路下,分别使用上述3种方法进行信号抗干扰控制,得到的通信误码率测试结果见图5。

图5 不同方法通信误码率对比Fig.5 Comparison diagram of communication errorrate of different methods

图5表明,随着通信距离的增加,其他两种方法的误码率呈线性增长趋势,而在本次研究所提出方法的控制下,误码率上升趋势平缓,当通信距离大于40 km时,误码率基本稳定,没有明显上升态势。这是因为本次研究利用相位调制器解决了相位扰动问题,增强信号质量,减少信息传输错误现象,降低了误码率。

为进一步证明本次研究所提方法的信号抗干扰自动控制性能,采集信号功率,分别在通信第3分钟和第8分钟时注入干扰信号,分析不同方法的通信频谱图,实验结果如图6所示。

图6 不同方法通信频谱示意图Fig.6 Schematic diagram of communication spectrumof different methods

由图6可知,信号受到干扰时,本次研究所提方法通过相位调制器有效解决了相位扰动问题,保证信号功率在较短时间内恢复正常;联盟形成方法的功率恢复时间较长,一定程度降低通信质量,当存在通信时长要求时,该方法不能很好完成通信任务;而正交相移键控控制方式在面对干扰信号时,可能出现信号失真现象,传输内容容易丢失。由此证明,本次研究所提方法设计的相位调制器能够处理相位扰动现象,通过对相位的合理调节,达到信号抗干扰目的。

4 结论

无线通信系统由于易受各类噪声干扰,限制了其进一步发展。在通信过程中,如果可以有效控制干扰信号,则能降低干扰对通信的影响。为此,本次研究设计了一种相位调制器,通过对相位的合理调节,抑制相位扰动现象,实现通信抗干扰自动控制。分析实验结果,可以得到如下结论:

(1) 该控制方法可以精准地识别出无线通信中的干扰信号,提高无线通信质量。

(2) 该方法在通信距离不断增加的情况下,能够有效降低传输误码率。

(3) 该研究只重点分析了相位调制,针对接收端的解调难免会出现幅度失配,在后续研究中,需引入修正算法,不断完善控制方法的功能。