emy M - Wojskowy Instytut Łączności
Transkrypt
emy M - Wojskowy Instytut Łączności
Józef J. Pawelec Uniwersytet Technologiczno-Humanistyczny, 26-600 Radom Krystian Grzesiak Krzysztof Kosmowski Wojskowy Instytut Ł czno ci, 05-130 Zegrze [email protected], [email protected], [email protected] Warszawa, 11-13 czerwca 2014 CYKLOSTACJONARNA ANALIZA SYGNAŁÓW RADIOWYCH Zdefiniowano poj cie korelacji spektralnej, zwanej inaczej cyklostacjonarno ci (spectrum correlation density, SCD). Dano jej interpretacj fizyczn . Przytoczono przykłady widma cyklostacjonarnego dla typowych sygnałów radiowych. Wskazano na zyski w wykrywalno ci sygnałów wzgl dem metod konwencjonalnych oraz na ograniczenia. 0 ), je eli uzyskujemy niezerowe współczynniki Fouriera okre lone wzorem: My j2 y (t ) e j2 2. CYKLOSTACJONARNO Według teorii Gardnera [1] idea cyklostacjonarno ci polega na mo liwo ci generacji linii widmowych (pr ków widma) sygnału b d cego procesem losowym za pomoc przekształcenia nieliniowego. Sygnał ci gły x(t) jest cyklostacjonarny rz du n (w szerszym sensie), je eli mo emy znale nieliniow transformacj y(t)=f(x(t)) ntego rz du, która umo liwia przedstawienie go jako sum przebiegów sinusoidalnych. Sygnał ci gły y(t) zawiera elementy sinusoidalne o cz stotliwo ci (1) Podobnie równanie mo emy zastosowa dla sygnałów dyskretnych: 1. WST P W literaturze znane jest szeroko przekształcenie funkcji autokorelacji procesu losowego w widmo mocy metod Fourier'a. Przekształcenie cyklostacjonarne polega niejako na kolejnej transformacji Fourier'a wyniku tej pierwszej operacji. Ma to na celu wykrycie zwi zków statystycznych mi dzy harmonicznymi badanego medium i sygnałem testuj cym. Wykrycie tych zwi zków pozwala na identyfikacj sygnałów poni ej szumów, na dokładniejsz ocen kierunku ich przychodzenia, rozró nianie sygnałów bli niaczych itp. Post p dokładno ci jest znacz cy i si ga 20 dB. Zastosowania SCD dotycz radiolokacji, radiokomunikacji, sonografii, badania struktury cz stek itp. Jak ka da nowa metoda, równie analiza cyklostacjonarna ma swoje ograniczenia, głównie jedno: wymaga niezwykle szybkich układów przetwarzaj cych. Jednym z kierunków jej zastosowa jest tzw. radio kognitywne. Oznacza ono ‘działanie ze wiadomo ci otoczenia’ i sprowadza si do optymalnego wyboru parametrów ł cza, w szczególno ci wolnej w danej chwili cz stotliwo ci. Centraln spraw jest wtedy szybka i precyzyjna analiza dost pnego pasma cz stotliwo ci. Nowa metoda idealnie si do tego celu nadaje pod warunkiem odpowiedniego zoptymalizowania kalkulacji numerycznych. Za twórc analizy cyklostacjonarnej uwa a si Williama A. Gardnera z University of California, który nadał jej nazw spectrum correlation density (SCD). Autor po wi cił tej problematyce niemal całe swoje zawodowe ycie [1-3]. t My y[m] e fs m (2) gdzie f s - cz stotliwo ci próbkowania, - operacja u redniania. Dla sygnału ci głego 1 lim T T T 2 ( )dt T 2 Natomiast dla sygnału dyskretnego m N 1 lim () N 2N 1 m N Nieliniowe przekształcenie dla sygnału ci głego drugiego rz du ma posta ) x* (t ) 2 2 Podobnie dla sygnału dyskretnego yl (m) x[m l ]x* [m l ] y (t ) x(t (3) (4) 2.1. Cykliczna funkcja autokorelacji Współczynniki Fouriera M y dla cyklostacjonarno ci II rz du s dane s wzorem [2]: ) x * (t )e j 2 t (5) 2 2 Równanie to okre la fundamentalny parametr okresowoci drugiego rz du dla sygnałów ci głych i jest nazywane funkcj autokorelacji cyklicznej (Cyclic AutoCorrelation Function), Rx ( ) . Dla sygnału dyskretnego mamy, odpowiednio: My Rx [l ] x (t x[n]x*[n l ]e j2 fs (n l ) (6) Równanie (5) jest w istocie uogólnieniem funkcji autokorelacji dla 0. )* x(t ) (7) 2 2 Dla funkcji autokorelacji cyklicznej przyjmuje on wi c posta : Rx ( ) x(t (dla PRZEGL D TELEKOMUNIKACYJNY · ROCZNIK LXXXVII · WIADOMO CI TELEKOMUNIKACYJNE · ROCZNIK LXXXIII · nr 6/2014 306 )* x(t 2 Przekształcaj c (7) uzyskujemy Rx ( ) Rx ( ) [ x(t 2 x (t j2 )e (t Je eli przyjmiemy, e: u (t ) 2 ) 2 j2 )e t (8) exp( ] [ x(t 2 )e j2 (t 2 ) j2 t j2 t (t ) BPF (10) przesuni tych w dziedzinie cz stotliwo ci o go R x [l ] ) jest ró na od zera dla niezerowych warto ci . Cz stotliwo okre lana jest mianem cz stotliwoci cyklicznej, natomiast dyskretny zbiór cz stotliwo ci cyklicznych dla których Rx ( ) 0 ( Rx [l ] 0 ) jest nazywany widmem cyklicznym. Je eli sygnał jest cyklostacjonarny to widmo cykliczne zawiera harmoniczne na cz stotliwo ci cyklicznej (i jej wielokrotno ciach). Je eli gdzie sygnał ma wiele podstawowych cz stotliwo ci cyklicznych, widmo cykliczne zawiera harmoniczne dla ka dej z tych cz stotliwo ci, a taki sygnał okre lany jest jako policyklostacjonarny. 2.2. Widmo g sto ci korelacji Analiza sygnału w dziedzinie czasu jest mało efektywna. W badaniach wykorzystuje si z reguły g sto korelacji widmowej (Spectral Correlation Density), która jest transformat Fouriera funkcji ACF i pozwala na lokalizacj w dziedzinie cz stotliwo ci warto korelacji mi dzy przesuni tymi elementami widma sygnału x(t). SCD dana jest wzorem dla sygnałów ci głych [3]: d j t) Rys. 1. Idea wyznaczania g sto ci widma cyklicznego SCD gdzie transformata Fouriera x(u) T 2 XT ( f ) . Sy- 2 gnał wykazuje cechy cyklostacjonarne II rz du, je eli funkcja autokorelacji Rx ( ) (lub dla sygnału dyskretne- j2 f x ] (9) v (t ) x (t ) e (11) Wtedy wyra enie (8) mo e by interpretowane jako korelacja dwóch sygnałów równych co do warto ci, lecz Rx ( )e S x (t ) exp( Sx ( f ) t) BPF * x(t )e j j 2 fu x (u )e du (16) T 2 Znane s dwie metody wyznaczania widma cyklicznego. Pierwsza oparta jest wygładzaniu wyników w dziedzinie czasu, druga – w dziedzinie cz stotliwo ci. Cz ciej stosuje si pierwsz metod ze wzgl du na mo liwo optymalizacji estymat Sx ( f ) S xTW (t , f ) 1 t t t t 2 t t 2 S xT (u, f )du W (17) t jest czasem obserwacji, a TW długo ci okna FFT 1 S xT (u, f ) X (u , f ) X T*W (u, f ) (18) W TW TW 2 2 t X T (u, f ) TW 2 x(u )e W j 2 fu du (19) T t W 2 Ilustracj estymacji w dziedzinie czasu dano na rys. 2. x(t ) (12) t a dla dyskretnych Sx ( f ) Rx [l ]e j 2 fl (13) t l W celu okre lenia korelacji w dziedzinie cz stotliwo ci, przepuszczamy dwa elementy widma u (t ) x(t )e j t oraz v(t ) x(t )e j t przez filtr w skopasmowy i mierzymy chwilow korelacj przefiltrowanych sygnałów zgodnie ze wzorem, rys.1 Sx ( f ) gdzie filtru. lim B 0 [hBf (t ) oznacza splot, a u (t )][hBf hBf (t ) * v(t )] (14) (t ) odpowied impulsow 2.3. Estymacja SCD Funkcj SCD mo emy zapisa równowa nie w nast puj cy sposób [2] 1 Sx ( f ) Rx ( )e j 2 f d lim X T ( f ) X *T ( f ) T T 2 2 (15) TW FFT L X TW (u, f ) Rys. 2 Idea estymacji SCD metod wygładzania w dziedzinie czasu Metoda przewiduje wyznaczanie cyklu transformacji FFT na krótkich odcinkach sygnału x(t) o czasie trwania TW w całym okresie obserwacji t . Elementy widma generowane przez ka d FFT maj rozdzielczo f 1/ Tw . Liter L oznaczono tzw. współczynnik zachodzenia mi dzy transformatami FFT. Warto L nie powinna odpowiada warunkowi L Tw / 4 w celu unikni cia zjawisk przecieku i aliasingu. Dla ka dego PRZEGL D TELEKOMUNIKACYJNY · ROCZNIK LXXXVII · WIADOMO CI TELEKOMUNIKACYJNE · ROCZNIK LXXXIII · nr 6/2014 307 FFT obliczane s estymaty widma cyklicznego. Mo na zauwa y , e dziedzina „u” zostaje zast piona dziedzin czasu t1, t2 ....t p . Dla ka dego FFT dwa elementy widma - oddzielone od siebie o cz stotliwo 0 , o cz stotli- wo ci rodkowej f 0 - s przemna ane przez siebie. Nast pnie wyniki wykonane dla wszystkich FFT s u redniane w okresie obserwacji t . St d rozdzielczo w dziedzinie cz stotliwo ci cyklicznej jest proporcjonal1 na do . t X X X 3.2. Cechy dystynktywne - klasyfikacja sygnałów Za pomoc SCD mo emy łatwo stwierdzi obecno sygnału, natomiast niejednoznaczn pozostaje kwestia klasyfikacji. Stosuje si wiele algorytmów rozpoznawania wzorców w tym modele Markowa (Hidden Markov Modelling), sieci neuronowe i inne. Poni ej dano kilka przykładów wskazuj cych w równym stopniu na mo liwo ci, jak i trudno ci w stosowaniu SCD do celów klasyfikacji i/ lub detekcji. a) DSB-SC b) BPSK c) QPSK d) MSK e) 4-QAM f) 8-QAM t x(t ) f X TW (t1 , f ) f f f0 f0 f0 0 0 0 X TW (t2 , f ) t X TW (t p , f ) Rys. 3. Estymaty widma cyklicznego dla wielu FFT oraz danego f 0 i 0 Podstawowym warunkiem poprawnej estymaty widma cyklicznego jest tzw. warunek niepewno ci Gardner’a 1 , który mówi, e czas okre lony wzorem t f obserwacji mysi by du o wi kszy od czasu zastosowanego do obliczenia poszczególnych FFT w oknie TW . 1 wynik estymacji dla Bior c pod uwag , e t danego f 0 i 0 reprezentuje bardzo mały obszar na płaszczy nie widma cyklicznego. Zapełnienie go wymaga wi c bardzo wielu estymat SCD, sk d wynika du a zło ono całego algorytmu. 3. WYKORZYSTANIE WIDMA CYKLICZNEGO 3.1. Detekcja sygnału radiowego W ogólnym przypadku celem detekcji jest wykrycie i zidentyfikowanie informacji niesionej przez sygnał w szerokim zakresie cz stotliwo ci i w obecno ci du ego poziomu szumów. W praktyce [4, 5] stosuje si algorytmy cyfrowe DSA (Digital Signature Algorithm) i ci le okre lone zakresy cz stotliwo ci (po redniej). Problem detekcji sprowadza si do dwóch hipotez: H0 : x n (20) H1 : x s n gdzie s jest nieznanym sygnałem, który chcemy wykry , natomiast n jest szumem AWGN. Rys. 4 Widma SCD dla modulacji: a) DSB-SC, b) BPSK, c) QPSK, d)MSK, e) 4-QAM, f) 8-QAM Pierwsza uwaga jaka si nasuwa, to taka, e chocia ró ne rodzaje modulacji maj ró ne cechy dystynktywne, to ró nice s zauwa alne jedynie na małym obszarze widma cyklicznego. Mo na tak e zauwa y , e niektóre modulacje daj zbli one widmo SCD. Przede wszystkim modulacje amplitudowo-fazowe oraz fazowe. Ponadto niskie warto ci korelacji dla 0 (np. dla modulacji QAM) powoduj znaczne pogorszenie detekcji w obecno ci szumu. Niew tpliw zalet SCD jest rozró nialno poszczególnych składowych cz stotliwo ci, co wida na przykładzie modulacji MSK, rys. 5. SCD dla niektórych sygnałów, np. QPSK powinna by bliska zera dla 0. W praktyce zera nie osi gamy dla realnych rozmiarów próbek. Potwierdza to kolejny rys.6, na którym przedstawiono widmo SCD samego szumu, odpowiednio, dla małej i du ej liczby próbek (czasów obserwacji). PRZEGL D TELEKOMUNIKACYJNY · ROCZNIK LXXXVII · WIADOMO CI TELEKOMUNIKACYJNE · ROCZNIK LXXXIII · nr 6/2014 308 a) b) Rys. 5 SCD dla modulacji MSK: (a) widok wzdłu cz stotliwo ci chwilowej f oraz (b) wzdłu a) b) Rys. 6 Widmo SCD szumu AWGN o mocy -20dBm dla (a) 512 próbek sygnału i (b)1024 próbek 4. PODSUMOWANIE I WNIOSKI Dano podstawy teoretyczne oraz interpretacj fizyczn cyklostacjonarno ci (SCD), zwanej inaczej analiz spektraln II rz du. Przytoczono przykłady analiz ró nych sygnałów pod k tem ich identyfikacji (sensing'u). Z naukowego punktu widzenia metoda SCD jest ciekawa, cho jednocze nie zło ona poj ciowo i aparaturowo. Jest to wszak e jedna z nielicznych metod pozwalaj ca zej z czuło ci detekcji sygnałów poni ej szumów. Według niektórych ródeł daje ona zysk w stosunku do metody energetycznej si gaj cy 20 dB [4]. SPIS LITERATURY [1] W.A. Gardner, “Exploitation of spectral Redundacy in cyclostationary signals,” Singnal Processing magazine, vol. 8, no. 2, 1991, pp. 14-36. [2] W. A. Gardner, A. Napolitano and, L. Paura, “Cyclostationarity: Half a century of research,” Signal Processing, vol. 86, no 4, 2006, pp. 639-697. [3] W.A. Garner and Ch. Spooner, “Detection and source location of weak cyclostationary signals: Simplifications of the maximum-likelihood receiver,” IEEE Transaction on Communications, vol. 41, no. 6, 1993, pp. 905-916 [4] E.E. Azzouz and A.K. Nandi, “Automatic identification of digital modulation,” Signal Processing, vol 47, no 1, 1995, pp. 55-69. [5] A.K. Nandi and E.E Azzouz., “Modulation recognition using artificial neural networks,” Signal Processing, vol. 56, no 3, 1997, pp. 165-175, 1997 PRZEGL D TELEKOMUNIKACYJNY · ROCZNIK LXXXVII · WIADOMO CI TELEKOMUNIKACYJNE · ROCZNIK LXXXIII · nr 6/2014 309