409_Arhipov_Chuhrov-diskr_soobsch_Monografiya

Федеральное агентство связи

Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования

«Сибирский государственный университет телекоммуникаций и информатики»

(ФГОБУ ВПО «СибГУТИ»)

С.Н. Архипов А.С. Чухров

АДАПТИВНЫЙ ПРИЕМ ДИСКРЕТНЫХ

СООБЩЕНИЙ ПРИ ВОЗДЕЙСТВИИ

УЗКОПОЛОСНЫХ ПОМЕХ

МОНОГРАФИЯ

НОВОСИБИРСК

2012

УДК 621.396.43

К.т.н. Архипов С.Н., к.т.н. Чухров А.С.

Адаптивный прием дискретных сообщений при воздействии узкополосных помех. Монография/ ФГОБУ ВПО «СибГУТИ».– Новосибирск, 2012.– 120с.

В монографии приведен обзор подходов к преодолению априорной неопределенности относительно неизвестных параметров узкополосных помех.

Выполнен анализ работы двухканального адаптивного компенсатора узкополосной помехи с неизвестным углом прихода с применением разомкнутого и замкнутого алгоритма адаптации.

Исследованы цифровые алгоритмы адаптивных подавителей узкополосных помех на основе решетчатых структур. Рассчитаны кривые помехоустойчивости приема при когерентной и некогерентной обработке. Рассмотрены вопросы реализации цифровых фильтров решетчатой структуры.

Книга предназначена для аспирантов и научных работников, занимающихся исследованием и разработкой телекоммуникационных систем.

Кафедра систем радиосвязи, кафедра беспроводных информационных систем и сетей.

Рецензенты: д.т.н. Пальчун Ю.А. к.т.н. Трубехин Е.Р.

Утверждено редакционно-издательским советом ФГОБУ ВПО «СибГУТИ» в качестве монографии.

©ФГОБУ ВПО «Сибирский государственный университет телекоммуникаций и информатики», 2012 г.

4

ВВЕДЕНИЕ

Развитие современных систем радиосвязи, радионавигации и радиоуправления и увеличение количества функционирующих радиоэлектронных средств ведут к постоянному усложнению сигнально-помеховой обстановки на входах приемных устройств и обострению проблемы помехоустойчивости. С проблемами помехозащищенности и помехоустойчивости тесно связаны задачи обеспечения электромагнитной совместимости и пропускной способности систем радиосвязи, поиска возможностей повторного использования доступных участков спектра, необходимых для развития инфраструктуры систем радиосвязи.

Развитие теории помехоустойчивости на случай любых, в том числе и негауссовских помех, теория оптимального приема сигналов получила в работах Р.Л. Стратоновича, Т. Кайлата, В.И. Тихонова, М.С. Ярлыкова, Ю.Г. Сосулина, Д.Д. Кловского, Г. Ван Триса и других авторов, которые разработали и развили аппарат марковских моделей в форме стохастических дифференциальных уравнений. Однако применение результатов исследований этих авторов сопряжено с многочисленными приближениями, при которых неизбежны существенные потери в показателях качества приема.

По этим причинам широкое практическое применение получили такие методы обработки сигналов, в основе которых лежат те или иные модификации указанных общих методов с учетом специфики разных видов помех и принципы адаптации алгоритмов приема к реальным изменениям параметров канала и помеховой обстановки. Среди таких исследований выделяются работы следующих авторов: Р.Л. Стратоновича, Б.Р. Левина, Л.М. Финка, И.С. Андронова, Н.С. Теплова, В.В. Шахгильдяна, В.Г. Репина, Г.П. Тартаковского, Д.Д. Кловского, Ю.С. Шинакова, А.П. Трифонова, А.И. Фалько, А.А. Сикарева, В.И. Коржика, И.А. Цикина, В.Ф. Комаровича и многих других авторов. Разработанные в этих работах методы приема обеспечивают достаточно эффективную защиту от УП на основе адаптивной режекции или компенсации.

Из известных в настоящее время работ, посвященных рассмотрению вопросов приема сигналов в условиях воздействия узкополосных помех, общий подход к решению задачи борьбы с узкополосными помехами развит в работах А. А. Сикарева и А. И. Фалько, где подчеркивается, что при существующем разнообразии помеховой обстановки основная сложность при построении оптимальных приемников заключается в преодолении априорной неопределенности относительно параметров узкополосных помех. Решение этой проблемы возможно на основе адаптивного подхода к преодолению априорной неопределенности.

Настоящая работа посвящена исследованию вопросов построения адаптивных систем приема дискретных сигналов, в каналах с узкополосными помехами в условиях неполной априорной информации о параметрах и статистических свойствах помех.

Рассматриваемые в работе адаптивные алгоритмы приема сигналов с

5

защитой от узкополосных помех, действующих в канале, позволяют повысить помехоустойчивость систем связи, работающих в загруженных диапазонах частот.

Выполненные в работе исследования и полученные результаты актуальны для практических приложений при проектировании новых помехоустойчивых систем передачи информации и модернизации действующих. Проведенные исследования иллюстрируют эффективность применения полученных результатов в системах радиосвязи, радионавигации и радиоуправления, наиболее подверженных влиянию узкополосных помех.

Целью настоящей работы является исследование адаптивного приема сигналов с применением аналоговых и цифровых методов подавления узкополосных помех. Для достижения этой цели в работе решаются следующие основные задачи.

-Анализ моделей УП и методов борьбы с УП.

-Разработка и исследование аналоговых методов адаптивного приема с оценкой параметров узкополосных помех и формирования компенсирующего сигнала.

-Анализ помехоустойчивости адаптивных алгоритмов, использующих для выделения компенсирующего сигнала дополнительный канал приема.

-Синтез цифрового адаптивного алгоритма приема сигналов в присутствии узкополосных помех с априорно неизвестными параметрами.

-Анализ помехоустойчивости цифровых алгоритмов приема сигналов на основе решетчатых структур.

-Моделирование аналоговых и цифровых алгоритмов формирования оценок комплекса узкополосных помех.

СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙ

1.АР – авторегрессия;

2.АРСС – авторегрессия и скользящее среднее;

3.АЦП – аналого-цифровое преобразование;

4.АЦФ – адаптивная цифровая фильтрация;

5.БПФ – быстрое преобразование Фурье;

6.ВКФ – взаимокорреляционная функция;

7.КФ – корреляционная функция;

8.КЧК – коэффициент частичной корреляции;

9.ОС/П – отношение сигнал / помеха;

10.ПСП – псевдослучайная последовательность;

11.РФ – решетчатый фильтр;

12.СКО – среднеквадратическое отклонение;

13.СПМ – спектральная плотность мощности;

14.СФ – согласованный фильтр;

15.УП – узкополосные помехи;

16.ШПС – широкополосный сигнал.

6

ГЛАВА 1 МЕТОДЫ ПРЕОДОЛЕНИЯ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ

ВЗАДАЧАХ ПРИЕМА ДИСКРЕТНЫХ СООБЩЕНИЙ

1.1Методы, основанные на учете и оценке параметров узкополосных

помех

В практических случаях, как правило, отсутствует полная априорная определенность относительно вероятностных характеристик сигналов и помех, действующих в каналах радиосвязи. Поэтому в последние годы интенсивно развиваются эмпирические идеи, связанные с обучением, самообучением (адаптацией) систем, подверженных случайным воздействиям.

Теория адаптивного приема сигналов в условиях действия совокупности флуктуационных и узкополосных помех с априорно неизвестными параметрами, одним из основоположников которой является А.И. Фалько, получила развития в ряде научных работ. В этих работах вопросы оптимального приема развивались в направлении учета и оценки параметров помех, расчета помехоустойчивости приема в условиях различных структурных и временных особенностей совокупности УП, способов практической реализации блоков защиты от помех.

Так, в работе А.Н. Иощенко [40] рассмотрены вопросы помехоустойчивости широкополосных систем связи и, в частности, энергетический выигрыш при различных методах подавления сосредоточенных по спектру помех: режекция, компенсация, выравнивание и ограничение по сравнению с обычным корреляционным приемником, приведены сравнительные кривые помехоустойчивости. Показано, что наибольший энергетический выигрыш дает метод компенсации. Все другие методы приближаются к нему лишь при узкой полосе сосредоточенной помехи и большой ее мощности. С увеличением полосы сосредоточенной помехи энергетический выигрыш для всех методов, кроме компенсации, уменьшается.

Однако в данной работе используются упрощенные модели сигналов и помех, к тому же отмечается, что метод компенсации, несмотря на очевидные преимущества, «не может быть реализован на практике, так как трудно получить в приемнике компенсирующее напряжение, точно совпадающее по форме с помехой».

Вработе В.И. Сединина [83] предложена оценка амплитуд, частот и фаз совокупности УП, классификация (по мощности) помех в частотной области

сприменением процедуры БПФ. На основе оценки параметров помех и процедуры классификации подавление предлагается осуществлять либо с применением гребенки перестраиваемых режекторных фильтров, либо с применением генераторов копии помехи с настройкой их параметров в соответствии с оцениваемыми параметрами УП. Разработаны варианты построения демодуляторов ШПС.

Вто же время, в данной работе не рассматриваются вопросы оценки

7

ширины полосы и времени действия помехи.

Вработах А.С. Чухрова [132-134] оцениваются не только амплитуда, частота и начальная фаза УП, но также занимаемая полоса частот и время действия помехи. Для учета времени действия УП рассчитан оптимальный порог обнаружения узкополосной помехи. Учет неизвестной ширины спектра помехи производится с помощью расширения полосы перестраиваемого фильтра, настроенного на среднюю частоту помехи.

Однако в известных работах время действия помехи и оптимальный порог обнаружения оцениваются по входной реализации, что не позволяет оценить время действия при наличии нескольких помех. К тому же требуется дополнительный интервал времени на формирование оптимального порога обнаружения. Не затрагиваются вопросы практической реализации (настройка параметров, синхронизация) блока формирования компенсирующего напряжения.

Кроме этого, в работах [83,133] не учитываются различия УП по направлению их прихода. Для формирования компенсирующего напряжения используется генератор копии помехи, что накладывает ограничения на априорную неопределенность относительно функции, описывающей УП.

Вработе А.Е. Костюковича [54] синтезированы адаптивные алгоритмы приема сигналов с цифровым подавлением узкополосных помех. Схема оптимального приемника содержит блок оценки совокупности УП, построенный на основе цифровых адаптивных фильтров обычной структуры (в виде линии задержки с отводами), параметры которого оценивались с использованием алгоритма Левинсона.

Рассмотрено влияние полосы режектируемых частот на функцию корреляции ШПС, а также общие вопросы реализации цифрового фильтра на базе микропроцессора.

Следует отметить, что алгоритмы Левинсона характерны для «блочной»

обработки, при которой оценка параметров фильтра производится по полной выборке данных конечного объема, причем, решение о переданном варианте сигнала задерживается на интервал обучения. После настройки коэффициентов параметры фильтра фиксируются до момента окончания анализа следующего блока данных. Определение объема выборки при блочной обработке данных противоречиво: с одной стороны он ограничен интервалом стационарности, на котором изменением параметров сигнала и помех можно пренебречь, с другой – скоростью адаптации, которая определяет остаточную ошибку фильтрации и в свою очередь зависит от отношения мощностей помехи и флуктуационного шума. Таким образом, быстрые замирания в канале радиосвязи могут привести либо к уменьшению необходимого объема выборки и, как следствие, к увеличению остаточной ошибки фильтрации, либо к изменению помеховой обстановки на интервале принятия решения, то есть параметры блока защиты от УП становятся не оптимальными.

Для каналов с УП большой интерес представляют системы, у которых основные показатели работы инвариантны по отношению к характеристикам

8

сигналов (помех). Синтез таких систем может производиться на основе методов непараметрической теории решений, а также методов теории асимптотически эффективных или асимптотически оптимальных алгоритмов [58].

К непараметрическим относятся, например, знаковые и ранговые алгоритмы. Однако, при коррелированных помехах, какими являются узкополосные помехи, знаковые и ранговые алгоритмы перестают быть непараметрическими, то есть свойство инвариантности у них теряется [109]. Кроме этого, в настоящее время указанные алгоритмы приема развиваются в основном применительно к двухальтернативным задачам (например, обнаружения сигналов в шумах), характерным для радиолокации, а не радиосвязи, где зачастую приходится иметь дело со случаями многоальтернативных задач.

Из известных методов преодоления априорной неопределенности при воздействии УП, наиболее естественным и в определенной мере универсальным методом является адаптивный прием с использованием обучающих выборок. Это связано, в первую очередь, с природой происхождения УП, а также с тем, что по определению полоса, занимаемая УП, намного уже полосы сигнала, что подразумевает медленные изменения параметров УП на интервале элемента сигнала. Следовательно, есть возможность по обучающей выборке настроить устройства защиты от УП, то есть произвести адаптацию приемника.

Поскольку в основе адаптивных алгоритмов лежит оценка неизвестных параметров, полученная по обучающим выборкам, эффективность работы адаптивных алгоритмов в значительной мере определяется используемыми методами оценки.

Для формирования оценок узкополосных помех в ряде случаев весьма эффективными являются методы спектрального оценивания.

Существующие методы цифрового спектрального оценивания можно разделить на два класса:

методы, основанные на преобразовании Фурье и не учитывающие априорных сведений об исследуемом процессе;

методы, основанные на аппроксимации исследуемого процесса, в которых учитываются априорные сведения об исследуемом процессе, что зачастую дает лучшую разрешающую способность и достоверность оценки, и обусловило повышенный интерес к этим методам, особенно с развитием вычислительной техники.

На основе алгоритмов спектрального анализа могут быть построены как

устройства режекции, так и устройства компенсации УП. Вследствие важности применения этих методов к каналам с узкополосными помехами, их рассмотрение вынесено в отдельный раздел.

9

1.2Цифровые методы спектрального оценивания УП

1.2.1Методы на основе преобразования Фурье

Спектральное оценивание временной реализации, основанное на преобразовании Фурье, вытекает из классической теории статистического оценивания (теорема Винера-Хинчина) и получило широкое распространение, благодаря эффективному в вычислительном отношении алгоритму быстрого преобразования Фурье (БПФ) [18, 31, 61, 64, 73, 127].

Основным достоинством методов спектрального оценивания, основанных на алгоритме БПФ, является вычислительная эффективность, то есть малое время вычисления спектра. Появившиеся в последнее время спецпроцессоры БПФ, значительно упростили и ускорили процедуру анализа. Появилась возможность делать оценки СПМ относительно низкочастотных процессов в реальном времени, что позволяет производить оценку СПМ нестационарных процессов.

Другим достоинством этих методов является так называемая робастность оценки СПМ, то есть независимость оценки от априорных сведений об исследуемом процессе, а также устойчивость этой оценки.

На основе алгоритма БПФ могут быть построены устройства, позволяющие подавлять узкополосные помехи на входе радиоприемного устройства.

Однако методы БПФ имеют существенные недостатки:

1.Частотное разрешение ограничено длиной входной реализации X(k), то есть разрешающая способность жестко связана с длительностью наблюденияТ.

На практике мы всегда имеем дело с относительно короткими временными реализациями X(k). Это обусловлено как нестационарностью входных сигналов, так и ограничением на число отсчетов N (аппаратурные ограничения). Следовательно, получить частотное разрешение порядка нескольких герц при анализе полосы частот в десятки килогерц, в настоящее время не представляется возможным.

2.Искажение СПМ вследствие просачивания энергии боковых лепестков (так называемый эффект Гиббса). Это связано с тем, что мы имеем дело

сограниченными во времени реализациями, т.е. неявно предполагаем за пределами интервала 0...Т отсчеты X(k) равны нулю (обрываем реализацию). Этот эффект приводит в частотной области к неприятным последствиям: подавлению главных лепестков слабых сигналов боковыми лепестками сильных сигналов (эффект маскирования). Для уменьшения этого эффекта применяется взвешивание временной или корреляционной последовательности с помощью временного или, соответственно, корреляционного окна. Взвешивание (или сглаживание временной реализации) приводит к уменьшению боковых лепестков СПМ, но за счет расширения главного лепестка, т.е. за счет уменьшения разрешающей способности. При этом, конечно же, усложняются вычисления, так как появляется необходимость в умножении на весовую функцию (окно).

3.Оценки СПМ, полученные методом БПФ, не являются эффективны-

10