一种基于频谱能量统计短波信号检测算法.docVIP

一种基于频谱能量统计短波信号检测算法 　　摘要：短波通信具有环境噪声大、信道恶劣等特点，常规通过直接求信号能量进行判决的检测算法，存在较为严重的漏检。文中分析了单音调制信号和多音调制信号的能量谱特征，找出了两类信号在频谱能量上的不同，由此提出了一种基于频谱能量统计的短波突发信号检测算法，实现了对MIL-STD-188-110B、2G-ALE等实际信号的检测。检测结果显示本文的算法检测效果好，检测精度高，具有一定的工程应用价值。 关键词：检测 短波突发信号 能量统计 中图分类号：TN911.6 文献标识码：A 文章编号：1007-9416（2013）10-0124-02 1 引言 现代通信中广泛使用突发通信，特别是短波通信，使用短时突发的通信模式能有效克服犹豫信道时变带来的信号衰落等影响。对于短波突发信号的检测，常用的算法有：在时域，有主要有短时能量法[4-5]、高阶累积量法、过零率法等。但该算法受噪声的影响大，尤其在短波环境下，信道衰落及自动增益控制（AGC）的影响使得接收信号即使处在噪声阶段时也有较大的能量值。在频域，有基于循环谱[1]及基于离散傅里叶变换（DFT）的Power-Law的算法[2]，但这类算法的计算复杂度较高，不利于实时处理，并且在检测过程中，门限控制对检测结果有很大的影响[3]。 基于信号能量的检测算法是一种最基本的算法，因为这类检测算法不需要知道信号的调制方式、信号格式等先验信息，只需要计算一定时间内信号的能量，然后与设定门限进行比较，当能量值超过门限就认为有突发信号存在。但是直接通过求能量值的检测算法漏检率较大，对噪声和干扰特别敏感。文中针对这种缺陷，提出了一种基于频谱能量统计的短波突发信号检测算法，最后通过对实际信号的检测验证了算法的有效性。 2 信号检测算法原理 文中提出的短波突发信号检测算法基本原理如图1所示，算法首先对接收信号去直流分量并进行FFT运算，然后利用基于信号频谱能量统计的算法对信号进行检测。下面针对算法各个部分进行说明： 2.1 信号去直流分量 直流分量在会对后续处理产生影响，因此在处理之前必须去除直流成分，令信号表示信号的均值，即： （1） 则去除直流后的信号为， 2.2 信号检测 2.2.1 频谱能量运算 对于去直流分量后的的信号采样后的实离散信号进行N点的FFT（快速傅里叶变换），在频域进行信号分析。FFT定义为： （2） 其中k=1，2，…..N表示FFT的频点。从而称为的能量谱可以表示为 2.2.2 频谱能量统计 大部分短波信号的能量主要集中在600Hz-3000Hz的频率范围，在其他的频率范围内信号的能量值都比较低。因此可利用600Hz -3000Hz带宽内信号能量与带外信号能量的比值来区分噪声和信号，如果比值大于门限值则认为是信号，反之认为是噪声。 常见的多音调制信号，信号的起始部分会在多普勒音和相应的子载波分量上传输未调制的数据信息，且功率较高。使得其频谱存在高低起伏的情况。而对于单音调制信号，频谱在整个有效带宽范围内比较平滑。以2G-ALE信号和MIL-STD-188-110B信号为例来说明。 对于2G-ALE信号，采用8FSK调制，使用8个调制单音，从750Hz～2500Hz，间隔250Hz，采样速率为8kHz，对应时域采样间隔为0.125ms，频域谱线间隔为125Hz。能量分布如图2所示。 对于MIL-STD-188-110B信号来说，采用单音MPSK调制，600Hz～3000Hz的频率范围内信号能量分布较为均匀，频谱没有大的起伏。如图3所示。 针对单音串行和多音调制信号的能量分布特征，本文提出了一种频谱信号能量分统计的方法来研究短波信号能量和噪声在频域的分布规律特征。通过这种特征能有效分离出诸如单音串行如MIL-STD-188-110B及并行Link11、39音和2G-ALE等信号。 3 算法说明及测试 以上述介绍的2种信号为例，经8000Hz点采样及64点FFT运算后，在频域得到相应单根功率谱谱线，谱线间隔为125Hz。0～599Hz以及3001Hz～3500Hz为带外部分，对应于序号为1～5和24～28的谱线；600～3000Hz的带内部分，对应于序号为5～22的谱线。对于多音调制信号，取其各音所在频率对应的谱线；对于单音信号在600Hz～3000Hz的频带内上等间隔的取若干谱线，对于带外部分均匀取这6根谱线进行求能量均值。算法描述你如下： 对于MIL-STD-188-110B信号，带外部分取8根谱线：=（2、3、4、5、24、25、26、27），600～3000Hz的带内部分均匀的取10根谱线：=（7、9、