无线射频信号的能量检测与特征识别

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 无线射频信号的能量检测与特征识 别 摘 要随着近年来无线通信技术 的不断发展，相关业务需求也在不断增 多，为了进一步满足广大客户的通信要 求，提高信道容量的应用率，就要大力 在商用中引入先进的无线接入技g， 并且还要对无线射频信号进行实时的检 测和识别，进以避免空中有限频谱资源 争夺和违规使用问题的发生，从而最大 化规范用户通信行为，确保电子通信领 域的健康发展。 中国论文网 /1/view-12829862.htm 关键词 无线射频信号；能量检 测；特征识别 中图分类号：S758 文献标识码： -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 A 文章编号： 1009-914X（2018）26- 0213-02 进入新时期以后，我国无线通信 业务需求量就在不断增长，基于此，各 种现代化无线接入技术也开始同时接入 有限频谱资源设备中，进以满足各种通 信用户的使用需求。但是在实际运行时， 由于人们在通信终端的频谱接入和使用 过程中，缺少正确的认知和规范操作意 识，所以使得空中有限频谱资源争夺和 违规使用问题频频发生。因此，要想改 善这种现状，就要对无线射频信号进行 实时的检测，并着重分析其技术特征， 这样才能达到预期目标，实现我国电子 通信行业的可持续发展。 1.信号能量检测方法分析 1.1 传统检测方法 传统无线射频信号能量检测方法， 是指对某一段特定时间长度的接收信号 进行相应的计算，进而将其平均累积量 与基准门限值进行对比，看其是否存在 参数差异，若发现问题，则采取及时的 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 措施加以处理。所以，这种传统信号能 量检测方法可以用如下公式来进行表示： G（y）= 其中，G（y）代表决策变量，N 为服从自由度，其是指中心卡方分布和 非中心卡方分布。在信噪比较低的区域， 为达到特定的性能（Pd 、 Pf）所需要 的样本数量都要大于 1，按照这种观测 要求，无线射频信号的检验统计量可以 结合中心极限定理来进行，其计算公式 与如下高斯分布基本类似： G（y） 其中，P 是平均信号功率，若只 是考虑信号的最基本噪声和干扰模式， 则 Pd、Pf 可被记为以下形式，如图 1 所示： 是标准的高斯互补累积分布函数、 y 是决策门限，按照误警概率恒定方法 来测量，可结合 Pf，计算出其具体检 测门限值，如图 2 所示： 根据该公式可以看出，检测门限 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 值会受到 Pf和噪声方差 2n 所影响， 且实际噪声方差存在很大的变动性，因 此 2n 噪声方差即使出现微小波动，也 会对实际门限值计算造成影响，进而降 低信号检测精度，所以，当务之急就是 要寻找一种更为完善的检测方法，来解 决传统信号能量检测技术中存在的不足。 1.2 双门限能量检测方法 该信号能量检测方法是建立在传 统检测基础上的一种双门限检测技术， 如图 3 所示，在实际应用时，可以大大 提高信号的检测效率和精度。 双门限能量检测方法中的双门限 可以分别用 Eth1 和 Eth2 来表示。在实 际检测时，若是发现 E 大于 Eth2 时， 则证明当前信号为有效信号，反之则说 明该检测信号为无效信号。据相关实践 证明，该检测技术的误警概率为 Pd、 Pf，其经常会受到不同检测门限所影 响，当 Eth1Pd，由此可见，不仅实现了 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 误警概率的控制的灵活性，而且还弥补 了传统能量检测方法的应用弊端。 1.3 联合方差修正信号能量检测 方法 在对无线射频信号能量进行检测 时，无论是传统检测法，还是双门限能 量检测方法，都会出现多径衰落、阴影 效应以及噪声不确定性等多种问题，因 此，相关研究人员又开发出一种基于两 种检测方法之上的技术手段，即联合方 差修正信号能量检测方法。在实际应用 时，其具体操作流程可为以下几点： 第一，在检测信号样本之前，要 先对所采集的噪声信号进行相应的统计， 以便可以获取到能量统计量门限值和方 差统计量门限值。 第二，对信号样本进行采样时， 可以采集到样本离散信号，相关工作人 员一定要对这些离散信号进行集中整合， 以便可以使之演化成多个采样信号子集 合，这样就能分别计算出每个离散信号 子集合的最终能量和方差量。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 第三，采用联合方差统计量修正 的信号能量检测方法对各离散信号子集 合的最终能量和方差量进行准确的对比 和分析，看其哪些子集合中包含有有效 信号和无效信号，进以对这些子集合进 行精确的筛选。 2.信号特征识别技术分析 2.1 瞬时特征无线射频信号识别 技术 无线射频信号的瞬时特征一般包 括：信号瞬时幅度、瞬时相位、瞬时频 率等维度特征，其在进行信号识别时， 都会先按照特定的计算公式对这些典型 的瞬时特征参数进行相应的计算，即中 心归一化的瞬时幅度值 aa、中心归一化 的瞬时幅度功率谱密度 av、中心归一 化的瞬时相位非线性成分标准偏差 aP。 现阶段，这些瞬时特征参数计算 方式主要以局部加权的逻辑斯谛回归算 法来进行，其是以线性逻辑斯谛回归算 法为基础的一种非线性的计算机学习算 法，这种计算方式在分类模型训练过程 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 中，会给每个训练样本都加上一个代价 函数，以便调整待识别样本距离，使其 较近的训练样本权重变大，距离较远的 训练样本权重变小，这样就会大大提升 分类模型训练的针对性，进而使非线性 分类问题得到充分的解决。 在实际信号识别过程中，瞬时特 征无线射频信号识别技术可以按照以下 几方面识别流程来进行：首先，先将 LTE 信号样本和 TD-SCDMA 信号样本 的瞬时特征参数准确的提取出来；其次， 再利用局部加权的逻辑斯谛回归算法对 己知信号样本及其瞬时特征参数进行有 效的训练，以便建立完整的信号识别模 型；再次，还要将待识别信号的瞬时特 征参数精确的提取出来；最后，利用分 类模型训练后所获取的信号识别模型， 来对待识别信号的瞬时特征参数进行有 效识别，进以对其中所含的 LTE 信号 和 TD-SCDMA 信号准确的识别出来。 2.2 高阶累积量无线射频信号识 别技术 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 众所周知，无线射频信号的特征 识别，关键点在于信号特征的提取和正 确选择，为了使所提取的信号特征能够 一目了然的进行辨别和分析，就要在识 别过程中采用高阶累积量无线射频信号 识别技术。该技术主要是利用统计分析 方法对无线射频信号进行有效的模拟和 数字调制识别，进以通过其非线性变换， 来获取信号的高阶统计特征。这种高阶 统计特征是一种高效描述随机过程高阶 统计特性的数学工具，一般可将信号特 征分为二阶累积量，三阶累积量，四阶 累积量，五阶累积量，六阶累积量以及 八阶累积量。 通常，这些高阶累积量的识别都 是采用局部加权的逻辑斯谛回归算法来 进行，具体识别流程可分为以下几方面： 第一，要将 LTE 信号和 TD- SCDMA 信号样本的高阶累积量组成特 征向量精准的提取出来，即中心归一化 的瞬时幅度值 aa、中心归一化的瞬时幅 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 度功率谱密度 av、中心归一化的瞬时 相位非线性成分标准偏差 aP、信号二阶 累积量、三阶累积量、四阶累积量、五 阶累积量、六阶累积量以及八阶累积量。 第二，利用前向特征选择方法和 局部加权逻辑斯谛回归算法对信号样本 的统计特征向量进行模拟训练，进以得 到完整的统计特征子集合识别模型。 第三，要将待识别信号的统计特 征子集合进行有效提取，并利用分类训 练所建立的识别模型对其进行科学判别， 以便看其所含的 LTE 信号和 TD- SCDMA 信号是否属于有效信号。 结束语 综上所