Обработка сигналов в системах телекоммуникаций

References

1. 
   Stepanov S.N., Kokina O.A. Estimation of a channel resource of multi-service networks with possibility of retrials of the blocked demand//Electrosvyaz.-2009. - № 12.
   
2. 
   Stepanov S.N. Bases of the teletraffic of multi-service networks. – М.: Eco-trends, 2010.
   
3. 
   Kuznecov O.I. Link of a multi-service network with retrials // Electrosvyaz. -2006. - № 9.
   



Метод порогового детектирования гидроакустического шумоподобного фазоманипулированного сигнала
Бурдинский И.Н., Карабанов И.В., Линник М.А., Миронов А.С.
Тихоокеанский Государственный Университет

Институт проблем морских технологий ДВО РАН

Введение

Прием гидроакустического сигнала – сложная задача, решаемая многими подводными системами, такими как системы связи, навигационные системы, системы дистанционного зондирования. От точности детектирования сигнала будет зависеть достоверность получаемой информации. Например, в системах связи точное определение сигнала обеспечивает точную синхронизацию приемника и излучателя, что значительно влияет на количество ошибок. Такие факторы водной среды, как затухание, шумы среды и многолучевое распространение сигнала, усложняют обработку сигнала, [1,2,3].

Для подвижных подводных систем необходима работа в большом динамическом диапазоне отношения сигнал/шум, это обеспечивает их работу в большом радиусе. Так как метод детектирования также имеет критическое значение при этом, при реализации приемного оборудования необходимо определиться с выбором метода детектирования. В данной работе предлагается новый метод порогового детектирования сигнала, а также выполнено его сравнение с существующими методами посредством компьютерного моделирования.

Описание методов детектирования сигнала.

В основе методов детектирования сигнала лежит корреляционный анализ, в котором поиск сигнала осуществляется посредством расчета корреляционной функции:

где _ – последовательность входных отсчетов (обрабатываемый сигнал); _ – сформированный массив отсчетов цифровой копии сигнала; N – длина обрабатываемого сигнала.

В случае несинхронной системы обработки сигналов необходимы пороговые методы.

Фиксированный порог, [4]. Это наиболее простой из методов порогового детектирования. Он прост в реализации, но не подходит для среды с изменяющимися характеристиками, так как не обладает адаптивностью. В данном методе решение о детектировании сигнала принимается на основании выражения

где _ – фиксированное пороговое значение.

Среднее корреляционное значение (MCV), [5]. Данный метод уже относится к адаптивным методам, то есть здесь происходит замер характеристик канала. Здесь используется выражение

где - это среднее корреляционное значение, _ - настроечный параметр.

Мощность приходящего сигнала (RDP), [6]. В следующем адаптивном методе используется выражение где - мощность принимаемого сигнала, _ - настроечный параметр.

Вторая корреляционная функция, [7]. Это также адаптивный метод. Здесь в выражении детектирования используется вторая корреляционная функция

где - значение второй корреляционной функции, _ - сформированный массив отсчетов цифровой копии второго сигнала той же длительности, что и искомый сигнал, и со схожими характеристиками, _ – настроечный параметр.

Посимвольная обработка. Новый метод, предлагаемый в данной работе. Здесь, как и в методе с фиксированным порогом, используется выражение где _ - фиксированное пороговое значение. Но в данном методе детектирования сигнала _ вычисляется посимвольно. Фазоманипулированный сигнал представляется бинарной последовательностью в виде элементов, принимающих два значения: 1 и -1. Корреляционное значение вычисляется для этой бинарной последовательности:

где _ – массив, содержащий последовательность бинарных значений маски(1 и -1); _ – промежуточное значение, в котором хранится результат определения значения каждого символа для исследуемого сигнала; _ – количество символов в посылке.

Для определения значения символа _ использовалось правило:

где u_k – последовательность входных отчетов сигнала; m_i – цифровая копия одного символа; N_s – длина одного символа в дискретных отсчетах.

По сути, данный метод является гибридным между адаптивными и фиксированными методами. Данный метод прост в реализации, но подходит лишь для фазоманипулированного сигнала

Компьютерное моделирование.

Моделирование работы методов проводилось в среде Matlab. Проводилась конструкция гидроакустического шумоподобного фазоманипулированного сигнала, моделировался канал с шумом. При этом начальная фаза принимаемого сигнала задавалась, как случайная величина с равномерным законом распределения. Успешным детектирование при таких экспериментах считалось при условии, что момент прихода сигнала определялся с точностью до символа. Симуляция проводилась для диапазона значений сигнал/шум с шагом в 1 дБ.

Для каждого метода детектирования рассчитывалась вероятность успешного детектирования _ при различных отношениях сигнал/шум, как количество событий успешного детектирования к полному количеству испытаний. При каждом отношении сигнал/шум проводилось 273 испытания, что согласно теореме Муавра-Лапласа, с доверительной вероятностью 0,9 позволяет достаточно точно определить вероятность успешного детектирования c доверительным интервалом 0,05. Также рассматривалась вероятность ложного детектирования _, как количество срабатываний метода детектирования в отсутствии сигнала в канале к количеству испытаний. При анализе методов настроечные параметры _ подбирались таким образом, чтобы _,_, а _. Такой выбор обеспечивает успешный прием в широком диапазоне отношений сигнал/шум с минимальным количеством ложных срабатываний детекторов.

Результаты моделирования.

Ниже представлены результаты моделирования для пяти пороговых методов детектирования сигнала, а также для метода определения момента прихода сигнала по максимальному значению. Моделирование проводилось для сигналов, кодируемых бинарными последовательностями длин 31 и 127. При этом в экспериментах было использовано 2 различных варианта генерации шума:

1. 
   Шум равномерно распределенный в полосе частот приемника (3 кГц) с добавлением импульсной помехи.
   
2. 
   Шум, записанный при помощи гидроакустической антенны в мелком море.
   

Рис. 1. Вероятность детектирования для различных методов детектирования сигнала. Генерация шума по варианту 1.

Рис. 2. Вероятность детектирования для различных методов детектирования сигнала. Генерация шума по варианту 2.

Заключение.

В данной работе предлагается метод порогового детектирования сигнала посимвольной обработки, а также выполнено его сравнение с существующими методами. Моделирование производилось для сигналов, кодируемых бинарными последовательностями различной длины, и показало схожие между собой результаты. Наихудшим из методов показал себя, как и ожидалось, фиксированный порог. Метод среднего корреляционного значения(MCV) и второй корреляционной функции имели лучшие показатели при моделировании по сравнению с фиксированным порогом. Но они также не очень хороши при низких отношениях сигнал/шум. К числу их недостатков относится высокая частота ложных срабатываний и плохая адаптивность при изменяющихся характеристиках канала. Наилучшим оказался предложенный метод посимвольной обработки, отлично работающий для большого диапазона значений отношения сигнал/шум при различных условиях. Предложенный метод посимвольной обработки, несмотря на его простоту реализации, оказался весьма эффективным, что позволяет судить о перспективности его применения с приемной аппаратуре.

Литература

1. 
   Christ, R.D. The ROV Manual: A user guide for observation class remotly operating vehicles/ R.D. Christ, R.L. Wernli. - Butterworth-Heinemann, 2007. – 320 p.
   
2. 
   Wiley Encyclopedia of Telecommunications. Volume 1/ ed. John G. Proakis. - John Wiley & Sons, Inc., Hoboken, New Jersey, 2003 – 630 p.
   
3. 
   Catipovic, J.A. Performance Limitations in Underwater Acoustic Telemetry/ J.A. Catipovic. - Oceanic Engineering, IEEE Journal of, Volume 15, Issue 3, Jul 1990 p. 205 – 216
   
4. 
   Effect of Adaptive Threshold on Time Synchronization Based on PN Sequences in OFDM System./ Y. Tian, X. Lei, W. Tang, S. Li. - International Journal of Software Engineering and Its Applications, 2008. - №2(3). - p.8.
   
5. 
   OFDM synchronization using PN sequence and its performance./ C. Yan, J. Fang, Y. Tang, S. Li. - In 14th IEEE Proceedings on PIMRC, 2003. – pp. 936–939
   
6. 
   Mody, A.N. Synchronization for MIMO OFDM systems./ A.N. Mody, G.L. Stuber. - In IEEE GLOBECOM 2001, 2001. - pp 509–513.
   
7. 
   Girod, L. Robust range estimation using acoustic and multimodal sensing/ L. Girod and D. Estrin. - in Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS '01). - Maui, Hawaii, USA, October-November 2001. - vol. 3, pp. 1312-1320
   

Threshold Method of Sonar Pseudonoise Phase-shift Signal Detection
Karabanov I., Burdinsky I., Linnik M., Mironov A.
Pacific National University

Institute of Marine Technology Problems FEB RAS
Detection of sonar signals is an important problem solved by many underwater systems such as communication systems, navigation systems, remote sensing systems. The reliability of the received information depends upon the accuracy of detecting the signal. For example, in communication systems the precise determination of the signal provides the precise synchronization of the receiver and transmitter, which allows data transfer with a minimum of errors. Such factors of the aquatic environment, as attenuation, noises and multipath signal, make the signal processing difficult. Received data may contain noise or echoes. Mobile underwater systems need to operate in a wide dynamic range of signal to noise ratio (SNR), they have to receive data at different distances. To provide such an environment it is important to take into account the form of transmitted signals and the method of detection.

This work deals with digital signal processing. Different methods of processing of signals in an underwater environment are considered.

The threshold methods of sonar pseudo-noise phase-shift signal detection, which are used in asynchronous systems, when the processing period is undetermined and unknown are analyzed by means of computer modeling for different noise models. The authors propose a new method of symbol signal processing, which is effective in case of impulse noise. This work was supported in part by the federal target program «Scientific and teaching staff of innovation in Russia 2009-2013» under Grant No. P497 (May 13, 2010).



высокоскоростные последовательные КВ радиомодемы.
Егоров В.В., Маслаков М.Л., Мингалев А.Н.
ОАО “Российский институт мощного радиостроения”
КВ радиоканал позволяет обеспечить передачу информации на значительные расстояния при малой мощности передатчиков без промежуточных ретрансляционных станций. Однако данный диапазон характеризуется ярко выраженной многолучёвостью и нестационарностью характеристик радиоканала. Следствием распространения радиоволн по нескольким путям и сложения их в точке приёма является межсимвольная интерференция (МСИ), приводящая к увеличению вероятности ошибки. Для снижения влияния МСИ используют защитные интервалы (ЗИ) между соседними символами, что приводит к снижению информационной скорости системы передачи данных. Поэтому значительный интерес для систем с последовательной передачей сигналов (СППД) представляет использование адаптивной коррекции сигналов на приёмной стороне [1].

Сущность адаптивной коррекции заключается в построении фильтра, компенсирующего искажения сигнала, внесённые многолучевым радиоканалом. Процесс передачи данных заключается в поочерёдной посылке информационных блоков и тестовых блоков, служащих для анализа характеристик канала связи и определения коэффициентов корректирующего фильтра. Периодичность посылки тестовых блоков определяется таким образом, чтобы характеристики канала связи изменялись между двумя соседними тестовыми блоками незначительно. Корректирующий фильтр настраивается так, чтобы импульсная характеристика системы “канал связи + фильтр” приближались к единичному импульсу [2].

На приёмной стороне отсчеты входного сигнала , пришедшего из канала связи, пропускаются через корректирующий фильтр порядка с коэффициентами . Тогда сигнал на выходе фильтра . Вектор коэффициентов должен обеспечивать минимум среднего квадрата ошибки.

Наиболее известным и широко распространённым является метод наименьших квадратов (Leas Mean Square, LMS). Поиск вектора весовых коэффициентов фильтра осуществляется за счёт градиентного спуска к минимуму рабочей функции. На практике чаще всего вместо градиента функции используется его несмещённая оценка. Если не производится усреднение, то компоненты градиента обязательно содержат большую составляющую шума. Дальнейшее развитие данного метода привело к появлению рекурсивного метода наименьших квадратов (RLS). В процессе поиска минимума целевой функции с использованием градиента в методе LMS при каждом сдвиге уравнение решается заново. В методе RLS учитывается тот факт, что большая часть входных данных остается такой же, как и на предыдущем шаге. Суть метода заключается в том, что на каждом шаге ищется не полное решение матричного уравнения, а всего лишь добавка к решению, полученному на предыдущем шаге [3].

Также значительный интерес представляет метод коррекции сигнала в частотной области. Передаточную функцию канала связи можно записать в виде: ,

где и – спектры сигнала на выходе канала связи и тестового сигнала.

Обратная к ней функция является передаточной функцией корректирующего фильтра. Импульсные характеристики канала связи и корректирующего фильтра получаются путем преобразования Фурье от соответствующей передаточной функции. Однако функция носит случайный характер, поэтому передаточные функции могут не иметь преобразования Фурье за счет влияния высоких частот случайной функции (за счет «несогласованности» стремления к нулю функций и при ) [4]. Но даже если эти функции имеют преобразование Фурье, то его уклонение функции от нуля может быть сколь угодно большим. Таким образом, необходимо подавить влияние высоких частот, умножая передаточные функции на соответствующий множитель , называющийся стабилизирующим множителем [4]. В качестве стабилизирующего множителя удобно использовать тихоновский стабилизатор p-го порядка вида [4]: , где , .

Проведённое моделирование показало, что при конкретном оптимальное значение находится в некотором относительно небольшом диапазоне, в частности для . На практике отношение сигнал/шум неизвестно и может изменяться, поэтому в дальнейшем используется заранее выбранное значение из этого диапазона.

Чтобы оценить эффективность фильтрации будем сравнивать образец тестового сигнала с сигналом на выходе корректирующего фильтра . В качестве меры «близости» двух векторов можно использовать косинус угла между ними. Уклонение между образцом и сигналом вычисляется следующим образом: . В качестве ещё одной меры можно использовать среднее значение квадратического уклонения: .

Проведём сравнительный анализ характеристик рассмотренных фильтров. В таблице приведены экспериментальные значения при отношении С/Ш 30 дБ и при отсутствии шума (указано в скобках), характеризующие точность коррекции сигнала.

	E	T
Число отсчётов сигнала	1024	1024
RLS	0,0328 (3,284e-5)	0,0356 (2,9556e-5)
Коррекция в частотной области	0,0406 (2,2204e-16)	0,0397 (8,3376e-21)

Аналогичные результаты были получены и при использовании тестовой последовательности длины 127. Таким образом, увеличение длины теста не даёт лучшего результата, а в силу изменчивости характеристик канала удобнее использовать короткие ПСП. Результаты работы алгоритмов RLS и коррекции в частотной области оказались достаточно близки. Алгоритм RLS оказался более устойчив при наличии шума, но его главным недостатком является вычислительная трудоёмкость. Эти алгоритмы можно использовать как отдельно, так и совместно (например, поиск характеристики фильтра алгоритмом RLS, а коррекция методом регуляризации).

В использующемся в СППД сигнале можно выделить отдельные блоки, состоящие из тестовой и информационной частей (посылки). Наиболее простой реализацией СППД является система с ЗИ между тестовой и информационной частями. Длительность ЗИ выбирается исходя из условия минимизации наложения друг на друга тестовых и информационных частей посылок, пришедших по различным путям распространения сигнала. В этом случае на тестовую часть посылки не накладывается информационная, поэтому не возникает дополнительных помех при вычислении импульсных характеристик канала связи и корректирующего фильтра.

Для увеличения информационной скорости передачи данных необходимо отказаться от использования ЗИ. Рассмотрим вариант реализации СППД без ЗИ с адаптивной коррекцией сигналов на приёмной стороне и с обратной связью (ОС) по решению. На k-й посылке можно использовать импульсную характеристику корректирующего фильтра, полученную на предыдущей посылке, обработать с её помощью сигнал, продемодулировать информационную часть текущей посылки. Затем заново её промодулировать и пропустить через фильтр с импульсной характеристикой канала связи, вычисленной на предыдущем шаге. Полученный сигнал вычитается из сигнала, пришедшего по радиоканалу. В результате в исходном сигнале выделяется тестовая часть посылки, избавленная от влияния информационной части посылки.

Было проведено моделирование со следующими параметрами системы передачи данных: частота дискретизации кГц; частота следования символов и симв/с; рабочая полоса частот: стандартный канал ТЧ – 3100 Гц; тестовая последовательность ПСП длины 15; информационных бит в посылке: 30 бит; фазовая модуляция с количеством позиций фазы – 2.

Результаты моделирования представлены на рис. 1.

Рис. 1. Вероятность ошибки на бит при и симв/с.

При использовании ЗИ удаётся обеспечить наименьшую вероятность ошибочного приёма при заданном значении отношения сигнал/помеха . Однако, при этом информационная скорость уменьшается почти в 2 раза относительно технической. При отсутствии ЗИ и ОС по решению вероятность ошибки значительно выше. Кроме того, даже при отсутствии шума вероятность ошибки составляет при симв/с; и при симв/с. Применение ОС по решению даёт определённый выигрыш. По сравнению со случаем наличия ЗИ скорость передачи информации выше на 25-50%. По сравнению с использованием алгоритма без ЗИ и без ОС по решению, при дБ энергетический выигрыш составляет порядка 3 дБ. При большем снижается практически до 0.

Представляется перспективным дальнейшее усовершенствование СППД, заключающееся в отказе от использования тестовых посылок. Для этого предлагается использовать для расчёта импульсных характеристик канала связи и корректирующего фильтра часть уже демодулированных информационных символов. Среди этих символов необходимо найти последовательность, обладающую хорошими спектральными свойствами, т.е. занимающую всю полосу сигнала и не имеющую нулей в этой полосе. Проведенное моделирование показало, что таких последовательностей достаточно много. По этой последовательности настраивается корректирующий фильтр, с помощью которого производится обработка следующей части информационных символов до обнаружения новой последовательности, подходящей для использования в качестве тестовой. В рассмотренном выше варианте реализации системы передачи данных длина тестовой последовательности была равна 15. Дополнительным преимуществом предлагаемого похода является то, что длина последовательности из информационных символов, используемой в качестве тестовой, может быть произвольной. Это повышает вероятность обнаружения такой последовательности. Временной интервал между появлением последовательностей с необходимыми свойствами является случайным. Моделирование показало, что последовательности произвольной длины с нужными свойствами появляются в потоке информационных символов достаточно часто. Серьёзный недостаток такого подхода проявляется при использовании последовательности с ошибочно демодулированными символами в качестве тестовой. Это приводит к серийному размножению ошибок. Для того чтобы избежать такого явления, необходимо изменить структуру используемого помехоустойчивого кода. Кодовые блоки необходимо сделать такой длины, чтобы во время их передачи характеристики канала связи оставались квазистационарными. Может быть использован каскадный код с достаточно коротким внутренним кодом. Как известно, уменьшение длины кода, приводит к снижению его помехоустойчивости, что может быть компенсировано увеличением избыточности кода, что в свою очередь приводит к снижению информационной скорости системы передачи данных. В существующих на сегодняшний день системах соотношение длины тестовой и информационной части посылки составляет, как правило, 1:2, следовательно, отказ от тестовых посылок позволяет увеличить информационную скорость в 1,5 раза, что значительно превышает потери в информационной скорости, связанные с необходимостью использования более мощных кодов. Таким образом, общая информационная скорость системы возрастает. Для каналов с высоким отношением сигнал/помеха может быть использован каскадный код с внутренним кодом, работающим в режиме обнаружения ошибок. В этом случае можно использовать код с меньшей избыточностью. При таком подходе поиск последовательностей, которые будут использоваться в качестве тестовых, производится только в тех кодовых блоках внутреннего кода, в которых не было зафиксировано наличие ошибок. Для повышения надёжности СППД и поддержания цикловой синхронизации в поток информационных символов предлагается вставить заранее известные на приёмной стороне тестовые последовательности. Такие вставки производятся достаточно редко и снижают информационную скорость СППД незначительно.