一种GMSK信道干扰检测方法技术

本发明专利技术提供了一种GMSK信道干扰检测方法。本发明专利技术针对GMSK信道中的同频和邻频干扰检测问题，提出利用GMSK调制特有的瞬时频率直方图分布特征，通过学习和训练获得特征计算区间以及特征阈值，并建立基于特征参数的干扰分类器。在实际工作中，由干扰分类器对信号瞬时频率直方图特征参数和阈值进行分类判定，检测信道是否存在干扰。本发明专利技术对GMSK信道中频谱特征和时域幅度特征不明显的干扰有较高的检测概率，还具备计算复杂度和实现代价低的优点。

【技术实现步骤摘要】
一种GMSK信道干扰检测方法
本专利技术属于无线通信领域，涉及GMSK(高斯最小频移键控，GaussianMinimumShiftKeying)信道统计特征参数定义、统计特征参数的学习、干扰分类器定义和训练、以及干扰检测技术，并且具体涉及使用瞬时频率分布特征检测GMSK信道干扰的方法。
技术介绍
随着无线电波发射设备的大量部署，通信信道中出现干扰的概率也越来越高。一般来说，产生无线电干扰的原因主要包括信号间互调产物，信号的高次谐波，临近信道信号功率泄漏，未授权电台，雷电以及电子电器设备产生的电磁辐射等。干扰检测是认知无线电系统中的信道选择，关键通信系统的安全预警，频谱秩序监管和频谱资源分配等应用的基本支撑技术之一。GMSK调制技术广泛应用于GSM(全球移动通信系统)，GSM-R(铁路GSM)以及卫星通信领域。进一步提升GMSK信道干扰检测能力，预警信道中潜在的干扰，是通信
面临的挑战。一般来说，干扰检测方法的衡量指标主要涉及干扰截获能力、计算复杂度以及工程实现代价等几个方面。截获能力体现在干扰检测算法能够截获的干载比(干扰功率与信号功率比值，单位dB)下限。计算复杂度是对执行算法所需要消耗的时间与数据量之间关系的衡量。工程实现代价是对实现算法要求的硬件设施技术指标和数量的衡量。目前为止，干扰检测技术可分类为频域检测、眼图重构、误码率测量和时域相关等4个类型。1)频域检测技术：频域检测技术是最常用的无线电干扰检测技术。它通过信号频谱特征的异常变化截获干扰。大量频谱分析仪以及频谱监测系统使用这一技术，通过频谱最大保持、频谱均值、频谱瀑布图、数字荧光谱等技术手段来检测干扰。当干扰信号较强导致信号谱发生畸变时，这一技术可感知干扰信号的出现；当干扰弱于信号功率时且落入信号谱内时，即干载比小于或接近0dB时，使用频域检测技术将难以感知到干扰，也无法可信任且自动地发出干扰告警，这是频域检测技术存在的主要缺陷。2)眼图重构技术：眼图重构也是最常用的无线电干扰检测技术之一。眼图重构技术能够精确测量被传输符号的时间-幅度特征，具备较强的干扰感知能力，但眼图重构需要测量装置具备信号采样率实时转换和精密的时钟恢复能力。信号采样率转换和时钟恢复的计算复杂度较高，这一技术用于少数高端测量系统中。3)误码率测量技术：首先对信号进行解调并统计误码率，通过误码率检测来感知信道内是否存在干扰。由于GMSK解调方案自身具有一定的抗干扰能力，只有当干扰功率强到引起误码时才能被感知，无法预警信道中存在的尚未引起误码的干扰。另一方面，这一技术的计算复杂度比频域检测技术要高。这一技术在GSM-R信道监测系统中有广泛应用。4)时域相关技术：在认知无线电通信系统中，除了使用频域干扰检测技术外，时域相关法也是常用的干扰检测技术。时域相关技术通过同一信号的两个样本之间的相关结果来检测干扰，具备最佳的干扰感知能力。两个信号样本的来源有两种途径：一种是两个接收机同时接收一个信号，此时系统的实现代价较高；另一种情况下，通信发射机发射信号的同时，接收空中电波并与发射信号进行相关，这是认知无线电通信系统中的一种特殊情况。综合上述4种干扰检测技术，干扰检测能力与计算复杂度和实现代价之间存在矛盾。诸如卫星通信和GSM-R等重要应用领域需要干扰检测方法能够以较低计算复杂度和实现代价达到更强的干扰检测能力。瞬时频率是一种常用的调制信号分析参数，例如调制信号符号率估计和调制类型分类等。调制识别属于类间分类技术，干扰检测属于类内分类技术，两者工作在不同层次上。相对调制类型分类而言，使用瞬时频率特征检测干扰需要更为精细的特征表达模型，以感知整个瞬时频率域内潜在的干扰，而调制类型分类只需要区分不同调制类型的特征即可，属于粗略的分类。
技术实现思路
本专利技术的目的就是提供一种干扰检测能力强、计算复杂度和实现代价低的GMSK信道干扰检测方法。为了方便地描述本专利技术的内容，首先根据调制原理对GMSK信道瞬时频率的统计特征说明：1)瞬时频率轨迹：根据GMSK调制原理，一个符号b的瞬时频率轨迹与先驱符号b-1和后继符号b+1的状态相关，即取决于<b-1bb+1>的状态。由此，一个符号的瞬时频率轨迹有8种可能。瞬时频率就是信号载波的频偏；2)特征瞬时频率：当信号采样率Fs等于符号率Fb时，符号<111>和<000>的瞬时频率为±Fhigh；符号<011>和<100>的瞬时频率为，符号<010>和<101>的瞬时频率为±Flow。由于，所以将视为0不会影响对GMSK瞬时频率分布特征的描述。由此可得，GMSK的瞬时频率落在±Fhigh和±Flow四个频点上。Fhigh＝Fb/4也被称为最大频偏；Flow＜Fhigh，其取值由GMSK调制带宽符号周期乘积BT参数决定；3)统计分布概率的性质：当信号采样率Fs大于于符号速率Fb时，GMSK瞬时频率统计分布概率具有如下特征：在高频点Fhigh附近区域有最大分布，称之为高频区；在低频点Flow附近区间有较大分布，称为低频区，在Fhigh和Flow之间的一个中频点Fmid附近区域内有最小分布，称为中频区。将高频区、中频区和低频区称为三个特征分布区。一种GMSK信道干扰检测方法，其特征在于，包括如下步骤：a)提取信号瞬时频率统计特征参数。特征参数至少包括：①高频区、中频区和低频区等三个特征区的分布概率；②正负半轴分布概率均值对称性误差；③正负半轴高频区分布概率峰值点瞬时频率间对称性误差；④正负半轴低频区分布概率峰值点瞬时频率间对称性误差；⑤正负最大瞬时频率区间外分布概率。b)干扰分类器的分类方法。以步骤a中提取的特征参数为输入，通过分类决策树将信道分类为未检出信道干扰或检出信道干扰。c)特征参数计算。计算基带信号瞬时平率直方图H(f)，根据步骤a中提取的特征参数类型及定义，计算干扰分类器需要使用的特征参数。d)特征参数计算区间和阈值学习。使用不同信噪比(SNR)的无干扰GMSK信号，计算瞬时频率直方图，记录不同SNR情况下的直方图数据集。从直方图数据集中通过学习确定对称性误差值阈值和三个分布概率特征区的频率区间。e)干扰分类器训练。以步骤d通过学习获得的三个分布概率特征区频率区间为起点，使用不同信噪比(SNR)的无干扰GMSK信号作为训练样本，统计分类器不出现错判的最低信噪比值SNRdep。微调三个分布概率特征区的频率区间，重复训练过程，使得SNRdep值最小，同时获得经过训练的三个分布概率特征区的频率区间。信号SNR＞SNRdep是分类器可信任工作条件。f)干扰分类流程。根据步骤c计算瞬时频率分布概率特征参数，根据步骤b的干扰分类器执行信道干扰检测，显示瞬时频率分布概率数据，对检出的信道干扰发出自动告警消息。进一步的，所述步骤a提取的瞬时频率统计特征参数组至少包括：1)高频区分布概率Php(正半轴)和Phn(负半轴)，2)中频区分布概率Pmp(正半轴)和Pmn(负半轴)，3)低频区分布概率Plp(正半轴)和Pln(负半轴)；4)半轴分布概率均值Vmp(正半本文档来自技高网...

【技术保护点】
1.一种GMSK信道干扰检测方法，其特征在于，包括如下步骤：a)提取信号瞬时频率统计特征参数，特征参数至少包括：①高频区、中频区和低频区等三个特征区的分布概率；②正负半轴分布概率均值对称性误差；③正负半轴高频区分布概率峰值点瞬时频率间对称性误差；④正负半轴低频区分布概率峰值点瞬时频率间对称性误差；⑤正负最大瞬时频率区间外分布概率；b)干扰分类器的分类方法：以步骤a中提取的特征参数为输入，通过分类决策树将信道分类为未检出信道干扰或检出信道干扰；c)特征参数计算方法：计算基带信号瞬时平率直方图H(f)，根据步骤a中提取的特征参数类型及定义，计算干扰分类器需要使用的特征参数；d)特征参数计算区间和阈值学习：使用不同信噪比(SNR)的无干扰GMSK信号，计算瞬时频率直方图，记录不同SNR情况下的直方图数据集；从直方图数据集中通过学习确定对称性误差值阈值和三个分布概率特征区的频率区间；e)干扰分类器训练：以步骤d通过学习获得的三个分布概率特征区频率区间为起点，使用不同信噪比(SNR)的无干扰GMSK信号作为训练样本，统计分类器不出现错判的最低信噪比值SNRdep；微调三个分布概率特征区的频率区间，重复训练过程，使得SNRdep值最小，同时获得经过训练的三个分布概率特征区的瞬时频率区间；信号SNR＞SNRdep是分类器可信任工作条件；f)干扰分类流程：根据步骤c计算瞬时频率分布概率特征参数，根据步骤b定义的干扰分类器执行信道干扰检测，显示瞬时频率分布概率数据，对检出的信道干扰发出自动告警消息。...

【技术特征摘要】
1.一种GMSK信道干扰检测方法，其特征在于，包括如下步骤：a)提取信号瞬时频率统计特征参数，特征参数至少包括：①高频区、中频区和低频区等三个特征区的分布概率；②正负半轴分布概率均值对称性误差；③正负半轴高频区分布概率峰值点瞬时频率间对称性误差；④正负半轴低频区分布概率峰值点瞬时频率间对称性误差；⑤正负最大瞬时频率区间外分布概率；b)干扰分类器的分类方法：以步骤a中提取的特征参数为输入，通过分类决策树将信道分类为未检出信道干扰或检出信道干扰；c)特征参数计算方法：计算基带信号瞬时平率直方图H(f)，根据步骤a中提取的特征参数类型及定义，计算干扰分类器需要使用的特征参数；d)特征参数计算区间和阈值学习：使用不同信噪比(SNR)的无干扰GMSK信号，计算瞬时频率直方图，记录不同SNR情况下的直方图数据集；从直方图数据集中通过学习确定对称性误差值阈值和三个分布概率特征区的频率区间；e)干扰分类器训练：以步骤d通过学习获得的三个分布概率特征区频率区间为起点，使用不同信噪比(SNR)的无干扰GMSK信号作为训练样本，统计分类器不出现错判的最低信噪比值SNRdep；微调三个分布概率特征区的频率区间，重复训练过程，使得SNRdep值最小，同时获得经过训练的三个分布概率特征区的瞬时频率区间；信号SNR＞SNRdep是分类器可信任工作条件；f)干扰分类流程：根据步骤c计算瞬时频率分布概率特征参数，根据步骤b定义的干扰分类器执行信道干扰检测，显示瞬时频率分布概率数据，对检出的信道干扰发出自动告警消息。2.根据权利要求1所述的一种GMSK信道干扰检测方法，其特征在于，所述步骤a中提取的信号瞬时频率统计特征参数至少包括：1)高频区分布概率Php(正半轴)和Phn(负半轴)，2)中频区分布概率Pmp(正半轴)和Pmn(负半轴)，3)低频区分布概率Plp(正半轴)和Pln(负半轴)；4)半轴分布概率均值Vmp(正半轴)和Vmn(负半轴)，5)高频区分布概率峰值点瞬时频率Vhpp(正半轴)和Vhpn(负半轴)，6)低频区分布概率峰值点瞬时频率Vlpp(正半轴)和Vlpn(负半轴)；7)正负半轴分布概率均值Vmp和Vmn的对称性误差阈值Em；8)正负半轴高频区分布概率峰值点瞬时频率Vhpp和Vhpn对称性误差阈值Ehp；9)正负半轴低频区分布峰值频率Vlpp和Vlpn对称性误差阈值Elp；10)正负最大瞬时频率区间外分布概率Pout极其阈值Eout。3.根据权利要求1所述的一种GMSK信道干扰检测方法，其特征在于，所述步骤b干扰分类器分类方法通过分类决策树实现，其分类决策树使用计算机程序伪代码表达为：ifPhp＞Pmp&&...Plp＞Pmp&&...Php＞Plp&&...Phn＞Pmn&&...Pln＞Pmn&&...Phn＞Pln&&...abs(Vmp-Vmn)/(Vmp-Vmn)＜Em&&...abs(Vhpp-Vhpn)＜Ehp&&...abs(Vlpp-Vlpn)＜Elp&&...Pout＜Eout未检出信道干扰；else检出信道干扰；End决策树程序伪代码为MATLAB风格。4.根据权利要求1所述的一种GMSK信道干扰检测方法，其特征在于，所述步骤c中特征参数计算方法为：瞬时频率正半轴高频区分布概率瞬时频率负半轴高频区分布概率瞬时频率正半轴中频区分布概率瞬时频率负半轴中频区分布概率瞬时频率正半轴低频区分布概率瞬时频率负半轴低频区分布概率瞬时频率正半轴分布概率均值瞬时频率负半轴分布概率均值正半轴高频区分布概率峰值点瞬时频率负半轴高频区分布概率峰值点瞬时频率正半轴低频区分布概率峰值点瞬时频率负半轴低频区分布峰值点瞬时频率正负最大瞬时频率区间外分布概率5.根据权利要求1所述的一种GMSK信道干扰检测方法，其特征在于，所述步骤d的具体方法为：d1)由于瞬时频率分布特征是随信号采样率Fs和信号信噪比SNR变化的，三个分布概率特征区的频率区间[FhhFhl]、[FmhFml]和[FlhFll]，以及判定分布特征对称性的三个误差阈值Em、Ehp、Elp需要通过学习机制获...

【专利技术属性】
技术研发人员：杜鸿，文成玉，李文藻，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51