基于多特征判定的定频通信信号快速检测研究

摘要：文章研究了一种基于多特征判定的定频通信信号快速检测方法，且搭建系统实际验证了该方法的性能。该方法通过配置检测流程相关参数，自动获取相应的目标信号;然后，采取了多种探测手段叠加的方式，提取信号的多种特征;最后，融合处理多种特征，从而完成信号检测。相较于传统的基于单一特征判定的检测方法，该方法综合利用信号的多种特征，在给定检测精度的约束下，有效提升了定频通信信号的检测速度，尤其是对于未知通信频点的情况。

关键词：定频通信;信号检测;信号识别;信号解调;信号测向

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）16-0036-04

1 引言

通信信号检测位于信号处理前端，旨在检测接收信号中是否存在有用信号[1]，在民用通信和军事通信中均有着广泛的应用[2]。其理论研究始于二战期间对雷达与声呐技术的需求，传统的通信信号检测算法主要有两大类：一是基于时域的检测算法，包括高阶累积量检测算法、包络检波法、相关函数检测算法、过零检测算法等;二是基于频域的检测算法，包括周期图法、自相关法、循环谱法等[3]。两者在检测性能和复杂度上尚无法达到一个很好的平衡。

传统的无线通信通常在固定频段上完成[4]，因而定频通信信号检测具有广泛的实际应用价值。在定频信号处理领域，已经有了部分研究成果。文献[5]基于定频声波脉冲特征，利用共振原理设计了一种地面定频信号采集装置，大幅提升了井下无线声波遥测系统地面解码成功率。文献[6]提出一种基于迭代奇异值分解的定频干扰消除算法，能够有效抑制定频干扰信号，提高采集信号的信噪比，具有较好的工程应用价值。文献[7-8]基于堙灭滤波技术，可有效抑制定频干扰信号，从而实现定频信号与跳频信号分离。需要指出的是，这些研究成果并不一定能够直接应用于定频信号检测，具有一定的局限性。

另一方面，随着无线通信技术的迅猛发展，无线环境往往复杂多变[9-10]。为了从复杂环境中及时截获携带关键信息的通信信号，信号的快速检测显得尤为重要。传统的通信信号检测方法，大多基于单一特征完成，没有考虑信号特征的多样性。为了达到所需的检测精度，往往需要耗费较长的检测时间，容易造成短时语音等关键信号漏检。

本文研究了一种基于多特征判定的定频通信信号快速检测方法，并搭建系统实际验证了该方法的检测性能。利用该方法进行检测的核心步骤为：1）配置检测流程相关参数，自动获取相应的目标信号;2）采取多种探测手段进行叠加，提取信号的多种特征;3）融合处理多种特征，从而完成信号检测。相较于传统的基于单一特征判定的检测方法，该方法综合利用信号的多种特征，在给定检测精度的约束下，有效提高了检测速度。

本文余下内容安排如下：第2部分描述系统的整体架构;第3部分阐述系统的具体实现;第4部分给出仿真测试条件，并对结果进行分析;第5部分总结全文。

2 系统架构设计

本文研究的基于多特征判定的定频通信信号快速检测方法，主要依托搭建的实际系统来实现，设计的系统架构如图1所示。

简言之，该系统可通过配置检测流程相关参数，采取多种探测手段叠加，并融合处理多种特征，从而快速、及时、准确地截获信号并获取其解调信息。其主要涉及四大模块，分别是：通信侦察设备、数据处理服务器、数据存储服务器以及显控设备。

首先，由通信侦察设备负责侦察信号，通过光纤将通信侦察设备侦察到的IQ数据传送至数据存储服务器，并且通过TCP/IP协议将数据上传至数据处理服务器，对侦察到的数据进行识别、解调、定位等处理后，将获取的相关数据一并存储至服务器，最后通过显控设备输出信号检测结果。

3 系统实现

整个系统的具体实现分为五个步骤，分别是数据采集、背景检测、基础判定、特征判定、融合归并，具体流程如图2所示。

其中，数据采集是首要任务，主要涉及原始IQ数据、频谱数据以及宽带测向数据三方面的数据;第二步是背景检测，包括背景生成以及背景信号的检测处理两方面;第三步是基础判定，包括信号的抽取以及判定内容的选择，目的是对存储信号检测结果的数据链表进行判定，结合不同的数据抽取方式和判定内容，给予信号一个综合权值，然后对综合权值进行排序，给出信号的基础判定结果，并对信号发起相应的特征判定请求;第四步是特征判定，主要是对信号后续操作过程进行特征判定，包括信号的识别、测向、解调等流程;最后是融合归并，旨在根据信号特征，初步判定信号的潜在用途。

3.1 数据采集

数据采集涉及三方面的数据，分别是原始IQ数据、频谱数据以及宽带测向数据。数据采集完成之后，按照一定的规则对三类数据进行分类标记，并保存至数据库中。

3.2 背景检测

背景检测包括两个步骤，首先是背景生成，然后是对背景信号的检测处理。其中，背景生成主要有以下三种方式：

1）直门限：每个点都是一个统一的固定值;

2）背景门限：取一定数据量（帧、时间等）的全景数据进行叠加，例如以帧为单位时，设第i帧的全景数据值为[xi]，那么，前[N]帧全景数据的平均值[χAvg=x1+x2+…+xNN]。本文主要考虑了两种叠加方式，第一种是算术平均值累加，即背景门限值[BTd]可根据公式（1）计算得到：

[BTd=χAvg∗N+xiN+1]                             （1）

第二种是加权平均值累加，即[BTd]计算如下：

[BTd=χAvg∗K+xiK+1，K<N]              （2）

值得注意的是，在上述两种叠加处理方法中，需要提取背景数据中的大信号数据进行检测处理，并将大信号的识别数据上报处理。接着，以叠加后的数据为固定值，即每个点都存在一个固定的门限值，该类数据门限可以进行读取和保存;

3）环境适应门限：该背景生成方法建立在背景门限之上，首先取一定数据量的背景门限，然后对每一次或者每[N]帧的数据进行叠加，重新生成背景门限，即门限值是根据环境动态变化的。

在生成背景之后，需要对其进行测试，具体的测试规则如下：

① 假设单通道（瞬时带宽）单帧所有点数据（幅度）的均值为[SAvg]，单通道（瞬时带宽）多帧单点数据（幅度）的均值[MAvg];

② 对每一帧数据，取所有点的平均值[SAvg];

③ 将每一个点的数据与平均值[SAvg]进行比较，如果低于平均值[SAvg]，则以该均值[SAvg]作为该点的背景，如果高于平均值[SAvg]，再与该点的历史平均值[MAvg]进行比较;

④ 如果高于历史平均值[MAvg]，则以历史平均值[MAvg]作为该点的背景，如果低于历史平均值[MAvg]，则将该点的值与其历史平均值[MAvg]进行叠加后作为背景值。

接下来是背景信号的检测处理，首先将每一帧的全景信号与背景数据进行对比，比较的参数为各自的幅度值，通过与背景数据的幅度值进行比较，提取高于背景幅度值[ΔT]的数据，并选择其对应的权值，如表1所示。其中，参数（[ΔT]、幅度范围、权值）等均可进行配置。

完成了背景检测处理后，将信号检测结果存入一个二维数据链表中。首次检测到信号后，将信号信息插入到链表当中，并添加该信号的每一帧检测数据，最后形成一个关于检测结果的二维信号链表。其中，每一帧数据存储了信号的检测结果，包括信号帧数（对应时间）、信号幅度、信噪比、信号方位、权值等参数。

3.3 基础判定

基础判定涉及两个方面，一是信号的抽取，二是判定内容的选择。具体来讲，其主要是针对存储信号检测结果的数据链表进行判定，通过选择不同的数据抽取方式，结合不同的判定内容，可给予信号一个综合权值。最后，再根据信号的综合权值进行排序，给出信号的基础判定结果，并对信号发起相应的特征判定请求。

信号的抽取方式有两种，分别是定时判定和滑动抽取判定。前者的抽取原则为：每隔一定时间提取信号检测结果中的信号进行判定，适合持续时间较长的定频通信信号，可以视情况设置不同的时间间隔参数，如间隔为1s、3s、5s等，并定时进行信号的基础信息判定;后者则采用滑动时间轴抽取的方式，提取信号检测结果中的信号进行判定，适合持续时间较短的定频通信信号，可以设置类似区间[10s， 30s]，[20s， 30s]的时间段，对已存在的信号进行基础判定。

判定内容为指定时间段内信号被检测到的次数的占空比，包括三方面的占空比：1）高于背景次数的占空比，使用基本的信号幅度检测结果判定信号是否存在;2）类似方位值次数的占空比，从信号生成的位置角度判定信号是否存在;3）高权值次数的占空比，可综合判定信号是否存在。最后，结合上述三种占空比判定方式，分别赋予其一定的权值，表2给出了每种方式的权值。

同时，对占空比的每个取值范围赋予一定的权值，如表3所示。

此外，上述的信号抽取方式以及判定方式可以结合不同的应用场景进行组合，对于不同的应用场景使用不同的组合进行处理，以实现高效准确的基础判定。最后，对输出结果进行归并，得到一个综合权值，添加至信号侦测结果列表中的相应位置。例如：针对判定方式1、2、3，综合权值=（判定内容1对应的权值*0.3 + 判定内容2对应的权值*0.4 +判定内容3对应的权值*0.3），得到信号的综合权值后，按照顺序取综合权值最高的信号进行特征判定。

3.4 特征判定

特征判定的首要任务是发起对信号后续操作过程的特征判定请求，包括信号的识别、测向、解调等流程。当完成了特征判定之后，将信号的特征判定结果进行归并融合，并根据信号特征判定库中的信号特征，赋予信号特征权值及其特征属性，考虑到各个信号的不同特征，可以不断增加信号的特征判定函数。

对于信号识别流程，为了提高识别效率，避免识别流程陷入死循环，还需要引入适当的识别策略，其参数可相应地进行配置。本文考虑三种识别策略，即：

1）当连续[Q]次将某一信号识别为同一类型时，即可终止流程并输出对应的判定结果;

2）当识别次数超过一定的次数（[Q]次）后，如果该信号被判定为某一类型的概率大于[P%]，则输出该信号类型;

3）当连续[Q]次对某一信号进行识别后，识别结果始终为噪声或者不明时，则终止流程并输出结果不明。

最后，将信号识别结果添加至信号结果列表中，以便进一步的特征判定。

对于信号的测向，如果存在现成的历史宽带测向数据，可以在历史宽带测向数据中进行提取，提取次数较高且范围较集中的方位进行融合处理。如果不存在历史宽带测向数据，也可以利用现有系统资源对信号进行测向，然后对测向结果进行归并融合，获取信号的测向方位及其可信度。一般地，保留2～3个次数较多的方位值，并且次数的百分比必须达到一定值时才有效。另外，此处需要考虑移动目标（慢速、快速）的方位渐变性，根据其方位渐变速度可以赋予各个信号的运动特征属性，如固定不动、慢速移动、快速移动等。

对于信号的解调，根据其解调结果可判定信号的目标属性特征，例如Link11信号、Link4A信号、Link16信号、3A信号、IFF信号等。

值得注意的是，信号的识别、测向过程需要穿插在信号检测流程内，否则会由于信号消失导致无结果。且穿插过程要求保证足够的系统资源，能保证同时进行信号的检测、识别与测向。此外，可以增加一些特征判定函数，针对某些特殊信号给予相应的信号特征，从而通过扩大信号特征判定库来实现信号的高效特征判定。