OFDM子载波频率 知乎_利用频域形态滤波检测现代通信信号

抽象：

保护敏感区域和建筑物免受未经授权使用无线通信或无人机入侵需要对现代通信信号进行可靠和可靠的检测。我们提出了一种用于在恶劣环境中检测UMTS，LTE和当前无人机通信信号的算法。频域中的形态学滤波用于将期望信号与扰动分离，从而允许可靠的检测。在第一步中，该算法在具有窄带单载波扰动的合成信号上得到验证，并且获得了有希望的结果。在德国一所监狱进行的长期现场测试显示，在低误报率（0-0.8％）和高灵敏度（98.2-100％）方面表现出色。

引言:

许多应用领域需要对现代通信信号进行鲁棒检测[1]。在监狱中可以找到一个例子，通过检测和随后的干扰或通过检测，室内定位和随后没收手机来防止未经授权使用手机[2]。另一个例子是无人驾驶飞机，它可能构成-来防止未经授权使用手机[2]。另 个例子是无人驾驶飞机，它可能构成 当用于恶意目的时 - 对核电站，机场和政府大楼等合理建筑物和设施的安全构成威胁，或者对知名人士的隐私构成威胁[3]。这些通信信号的检测和随后的干扰构成了防止此类威胁的潜在解决方案，并避免了灾难性后果或未经授权的入侵[3]，[4]。然而，在恶劣环境中对特定信号的稳健且可靠的检测不是明显的任务。为了避免与扰动和声相关的误报警，通常使

用有用信号的特性和特性来增强信号[1]，[5]，从而减少有害噪声或扰动的影响。用于提高信号质量的方法主要取决于信号和噪声的性质[6]。现代通信信号通常具有较大的带宽，特定的光谱形状，并且确实产生了环状静止行为[7]。扰动信号可以是非静止的，并且与有用信号相比，可以具有极高的功率，例如单载波扰动。这些特性阻止了诸如维纳滤波，谱减法和/或子空间方法的经典信号增强算法的应用。在此我们建议通过在形态学滤波检测之前执行信号增强来利用现代通信信号的短期功率谱密度（PSD）的特征形态学形状[8]。记录信号的PSD经历具有特定结构元素（SE）的形态滤波，其允许有用信号与扰动的分离，并使得检测更可靠和稳健。形态滤波的使用受到其在许多应用中的高性能的推动，其中给出了特征信号形状[9]，[6]，[10]。我们证明了所提出的方法在检测第三代和第四代手机以及现代无人机即Phantom 3时具有很高的性能。

信号和方法

A.背景

在过去的几十年中，用于移动无线电通信的技术已经相当发展，导致第三代通信标准，即通用移动电信系统（UMTS）[11]和第四代，长期演进（LTE）[12]。与旧标准相比，UMTS和LTE具有增强的数据传输速率，主要通过提高频谱效率和先进的多址方法来实现。UMTS应用码分多址（CDMA），其中承载数字信号的信息通过与扩频码的乘法来扩展[11]在大约4MHz的带宽上具有特征光谱形状。用于检测文献中提出的UMTS信号的方法和算法主要基于PSD的非参数或参数估计[13]。LTE以不同的方式使用频谱带宽，在大量窄间隔的相邻正交子载波上调制承载数字信号的信息[12]。这导致具有环固定行为的特征形状的PSD。这种调制方案称为正交频分复用（OFDM），文献中提出的相关检测方法利用PSD中的这些循环平稳特性或基于相关的方法[14]。现代商用无人机通常基于标准协议进行无线通信。作为一个例子，我们在这里考虑了DJI的Phantom 3，它是业余爱好者的畅销无人机，也是无人机业务的市场领导者之一。这架无人机使用两种不同的射频通信：遥控器和视频/遥测数据流。两者都位于工业，科学和医疗乐队（ISM-Band）。从无人机到遥控器的视频/遥测数据流将ISM频带分成10个10MHz带宽的专用信道，并在每个信道上应用OFDM。从遥控器到无人机的第二次通信在整个ISM频段中应用跳频扩频（FHSS），带宽为2MHz。

在过去的几十年中，用于移动无线电通信的技术已经相当发展，导致第三代通信标准，即通用移动电信系统（UMTS）[11]和第四代，长期演进（LTE）[12]。与旧标准相比，UMTS和LTE具有增强的数据传输速率，主要通过提高频谱效率和先进的多址方法来实现。UMTS应用码分多址（CDMA），其中承载数字信号的信息通过与扩频码的乘法来扩展[11]在大约4MHz的带宽上具有特征光谱形状。用于检测文献中提出的UMTS信号的方法和算法主要基于PSD的非参数或参数估计[13]。LTE以不同的方式使用频谱带宽，在大量窄间隔的相邻正交子载波上调制承载数字信号的信息[12]。这导致具有环固定行为的特征形状的PSD。这种调制方案称为正交频分复用（OFDM），文献中提出的相关检测方法利用PSD中的这些循环平稳特性或基于相关的方法[14]。

现代商用无人机通常基于标准协议进行无线通信。作为一个例子，我们在这里考虑了DJI的Phantom 3，它是业余爱好者的畅销无人机，也是无人机业务的市场领导者之一。这架无人机使用两种不同的射频通信：遥控器和视频/遥测数据流。两者都位于工业，科学和医疗乐队（ISM-Band）。从无人机到遥控器的视频/遥测数据流将ISM频带分成10个10MHz带宽的专用信道，并在每个信道上应用OFDM。从遥控器到无人机的第二次通信在整个ISM频段中应用跳频扩频（FHSS），带宽为2MHz。

B.方法

在前一段中，已经呈现了诸如UMTS，LTE和无人机信号的现代通信信号及其特定的频谱特性。这些信号中的每一个都具有特征光谱形状，我们在此处使用信号特定增强算法（参见图1）。在第一步中，使用Welch的谱估计器[1]处理短期功率谱密度（PSD）的统计稳健估计。瞬间 PSD 得到的平均值 周期图，由最后一个FFT计算得出 汉宁窗口信号段的长度 重叠的 。该谱运算符的参数 和 已经针对所研究的通信信号的时间频率特性最佳地选择了（参见表I）。

图1 提出的检测算法的框图

在第二步中，使用形态学过滤进行信号增强。这是因为在初步现场测试中仅使用PSD上的阈值引导最大值位置获得了大量错误警报。这是由于单载波扰动造成的。所提出的算法基于以下假设：感兴趣的通信信号的频谱形状和扰动信号对于形态滤波器而言具有足够的不同以使用区分功率进行操作。形态滤波器是非线性运算符，其将输出值分配给输入值的集合。使用作。形态滤波器是非线性运算符，其将输出值分配给输入值的集合。使用结构元素和输入值集合之间的最小或最大运算符执行赋值[8]。为了提供最大的降噪，应选择结构元件以匹配有用信号的特征光谱形状[9]。扩张（1）和侵蚀（2）的两个基本形态操作符定义如下：

其中x(n) 是要处理的信号， 我们通过矩形窗口近似对数域中通信信号的特征PSD形状，随后将其用作结构元素。可得：

开路操作器非常适合在存在单载波扰动的情况下执行降噪。实际上，具有比感兴趣的信号稍窄的结构元件的开口消除了窄带扰动。该特性在图2中示出，其中示出了具有窄带扰动的UMTS信号的PSD。

图2 形态滤波前后UMTS信号的PSD

可以观察到，通过形态滤波成功地抑制了噪声信号中的扰动。增强信号主要包含噪声基底和感兴趣的UMTS信号，大约为32.5MHz。也可以通过形态学处理来过滤比感兴趣的信号更大的扰动。这可以通过另外使用具有大于感兴趣信号的带宽的结构元件的开口操作器来实现。组合操作对应于减法方案[10]，如图3所示。

图3 使用形态滤波器进行信号提取。F是结构元素的长度， 是光谱分辨率，B是有用信号的带宽。

无人机信号的算法性能的图示在图4中示出为时间频率图。由窄带遥控信号（2MHz）和大频带视频流信号（10MHz）组成的无人机信号如图4.a所示。使用图3的形态滤波方案使用适当长度的结构元件处理PSD，分离遥控信号（图4.b.））和视频流信号（图4.c.）。在通过阈值引导的最大位置进行检测之前，通过时频平滑操作进 步减小鉴别PSD的方差，包括PSD随时间的平均和频率上的平滑。

图4.a）由遥控器和视频流数据组成的记录信号 b.）提取的遥控信号 c.）提取的视频流信号

C.实施和数据采集

所提出的算法在两个不同的软件定义无线电（SDR）平台上实现。对于UMTS和LTE检测的应用，它是作为模块化干扰系统的一部分实现的，模块化干扰系统是创新的瑞士公司COMLAB [2]的专业高质量产品。对于无人机检测应用，它是在Ettus Research的USRP X310上实现的[15]。两种SDR平台都有两个宽带Rx / Tx通道，一个到主机的高速以太网接口和一个现场可编程门阵列（FPGA），用于实现用户定义的数字信号预处理（见图5））。FPGA中预处理的目标是降低数据流速率，使得位于主机的软件环境如MATLAB，LabVIEW或GNU Radio可以处理数据流，进行后处理并实时记录。在图1所示的算法中，短数据PSD处理需要高数据速率，因为必须在我们的应用中以大约100MHz的带宽监视信号活动。该短期PSD必须以大约半毫秒的速率进行再处理以收集类似突发的信号活动，这意味着该第一处理步骤使得相关数据传输速率大大降低。因此，我们在FPGA上实现了短期PSD，同时在Simulink / MATLAB中执行剩余的操作FPGA上实现了短期PSD，同时在Simulink / MATLAB中执行剩余的操作和信号记录。

图5 SDR平台的块方案和用于算法实现的主机连接

验证

A.算法的参数化

所提出的算法具有参数结构，并且只有其参数的最佳选择才能为给定的应用提供可靠的性能。主要参数是FPGA采样频率，FFT顺序 ，光谱平均数 PSD和长度 形态滤波器。这些参数的最佳值与给定通信信号的时频特性有关，但受FPGA硬件限制的限制。一些主要指导原则可归纳如下：

1）采样频率应允许观察通信标准的整个带宽;

2）订单 FFT应该允许足够的频率分辨率，使得有用信号的频谱形状可以以可靠的方式表示;

3）频谱平均数 应尽可能选择最小化频谱估计器的方差，同时允许在给定通信信号的典型突发类结构上随时间收敛;

4）应根据有用信号和扰动的带宽来选择形态信号的长度。

通信标准UMTS应用CDMA [11]并在大约4MHz上扩展信号。为了符合COMLAB [2]的模块化干扰系统的要求，时间分辨率为 是必需的。通过设置FFT顺序 至2048年和光谱平均数 32的光谱分辨率约为100kHz，时间分辨率为 结果。要达到几乎4MHz的带宽长度 形态滤波器的设置为36. LTE标准规定15kHz的子载波间隔和1ms的子帧中的时间分配。根据E-UTRA标准[12]，上行链路频带的范围超过70MHz的带宽。通过合理的FFT阶数实现接近子载波间隔的频谱分辨率 ，观察到的带宽被分成两个36MHz的子带。使用FFT顺序 2048年的光谱平均值 在过去的周期图中，我们实现了大约17kHz的光谱分辨率和1ms的时间分辨率。结构元件的长度设置为11，因为E-UTRA中最小的分配带宽是180kHz。在无人机应用中，由于使用相同的ISM频带，必须能够检测到上行链路和下行链路。来自DJI的所考虑的Phantom 3使用大约1ms长的FHSS，用于遥控的2MHz带宽和10MHz带宽的OFDM调制连续视频流。选择的FFT顺序 1024的结果是光谱分辨率为195kHz。平均周期图的数量 设置为32，导致时间分辨率为 。为了分别检测两个信号，使用两个具有长度的形态滤波器 视频流为56，遥控信号为10。通过识别其通信标准并更改参数，可以简单地实现对其他无人机类型的适应和 根据他们的信号特征。表I总结了在开发阶段确定的最佳参数。

表I.算法参数

B.协议和信号

为了验证算法，已经为三个应用中的每一个记录了大量信号。该协议的设计方式是模拟限制区域内现代通信标准的现实条件。这些区域通常位于僻静的地方或人口稠密的地区，如城市。对于这两种情况，我们主要观察到单载波或窄带扰动。在人口稠密的地区，来自受限区域周围社区的通信信号构成扰动，这可能导致误报。在这种情况下，具有合适的前后比的定向天线可用于衰减这些扰动。以下列表概述了用于验证检测算法的生成和记录的数据集。

• 使用Rhode＆Schwarz的矢量信号发生器SMIQ 03B生成频率范围从1922.5MHz到1972.5MHz并且从-120dBm到-70dBm的UMTS信号。增加了具有-70dBm电平的窄带单载波扰动（带宽2kHz），并进行了该过程的2.5Mio随机实现。
• 使用来自Rhode＆Schwarz的矢量信号发生器SMU200A生成由1ms有效和9ms无效段组成的LTE信号以及从-120dBm到-70dBm的电平。增加了具有-70dBm电平的窄带单载波扰动（带宽2kHz），并进行了该过程的2.5Mio随机实现。
• 在96秒（48次记录2秒）期间从幻影3直接记录无人机信号，从无人机到接收器的距离为5米。为模拟恶劣的嘈杂环境，在蒙特卡罗模拟的0.1 Mio随机实现中，高斯白噪声的信噪比从15dB变为0dB。

C.结果

在所考虑的蜂窝电话和无人机检测应用中，感兴趣的性能标准是在输入信号的给定电平下的真阳性率（TPR）和相应的假阳性率（FPR）。TPR是正确检测的百分比，称为灵敏度，FPR是不正确检测的百分比，称为误报率。表二显示了最终的表现。

表二.表现结果

检测性能揭示了所提出的算法在拒绝强窄带扰动方面的非凡鲁棒性。可以可靠地检测所有考虑的信号，具有高灵敏度和低误报率。仔细检查结果表明，UMTS和无人机应用的TPR值几乎相同。我们通过类似的检测时间限制解释这一点 对于LTE应用，允许更长的检测时间约束，从而导致更好的检测性能。

D.现场测试

在第一阶段，在具有大量强窄带扰动信号（RF开发实验室）的现场环境中评估所提出的算法的鲁棒性。算法在三天的时间内进行了测试。在为UMTS，LTE和Phantom 3提供98.2％，8.9％和99.3％的灵敏度设置时，没有注册错误警报。无人机检测实施还在人口稀少的城市区域的视线条件下进行了评估，在距离最远2km时产生无人机探测警报。在第二阶段，所呈现的UMTS和LTE手机检测实施被永久地安装在监狱（德国柏林）中，从而触发专业的高质量模块化干扰系统[2]。自2014年安装以来，该系统可防止未经授权使用手机，使操作人员完全满意。

E.讨论和限制

所提出的用于检测现代通信信号的通用算法最初是在没有形态滤波器的情况下开发的。飞行员现场测试显示由于窄带扰动导致的大量误报，需要通过形态滤波使用额外的信号处理进一步开发。增强的鲁棒性使得检测算法能够符合现代安全应用的高质量要求。基于具有矩形结构元素的形态滤波的所提出算法的信号增强利用了有用和扰动信号的光谱带宽的差异。因此，具有与有用信号类似的带宽的扰动信号可能导致错误警报。我们在无人机检测应用中观察到了这种情况，其中蓝牙和WLAN通信信号是在室内测试期间触发误报的潜在来源。然而，无人机检测应用被设想用于户外操作，其中低频蓝牙和WLAN信号通常被充分衰减以引起错误检测。如果需要，可以应用RF场景分析[16]，其将WLAN接入点的已知位置考虑在内，以最小化误报率。

结论

所提出的算法结合了短期PSD和形态滤波器，提供了一种可靠的方法来分离来自所需信号的强干扰，并检测具有高灵敏度（98.2-100％）和低误报率（ 0-0.8％）。

原文链接：

https://ieeexplore.ieee.org/document/7760481/​ieeexplore.ieee.org