宋青平 余 跃 高军军 苏 飞

北京控制与电子技术研究所信息系统工程重点实验室，北京100038



一种用于测控通信的抗干扰软扩频算法研究

宋青平 余 跃 高军军 苏 飞

北京控制与电子技术研究所信息系统工程重点实验室，北京100038

针对航天测控通信的抗干扰问题，提出了一种改进的软扩频捕获及译码算法，基于自相关和互相关特性设计了具有强抗干扰能力的扩频前导序列，提高了信号捕获的灵敏度，并根据解扩后的相关值采用软判决译码方式提高了传输链路的可靠性。分析及仿真结果表明，本文算法在强干扰条件下依然有较高的信号捕获概率和较低的误码率，信号的捕获性能和误码率性能明显优于常规软扩频算法，能够满足航天测控抗干扰的实际应用。

抗干扰；软扩频；信号捕获；软判决译码；误码率

直接序列扩频(直扩)通信系统是一种典型的现代数字通信系统，其原理是将扩频后的信号分散在很宽的频带内，和噪声融为一体，以隐蔽自己的方式对抗通信中的干扰[1-3]。当传输环境中存在的干扰主要为人为干扰时，有用信号几乎被干扰噪声所淹没，此时采用直扩技术能有效保证通信质量[4-6]。直扩技术还可实现码分多址和高精度定时定位[7-8]，被广泛应用于航天测控通信中。

然而采用常规的直扩技术，会导致信号带宽很宽，当系统频带受限时很难满足传输速率的要求。针对此问题可以采用软扩频技术[9]。软扩频又称为多进制扩频，它是直扩技术与编码技术的结合，不但具有直扩技术的优点，还可以压缩信号带宽，设计上更加灵活。与一般的直扩技术不同，软扩频采用编码的方法扩展频谱，即用一定数目的信息码元对应一条伪随机码，这样可以在保持传输带宽不变的情况下显著提高传输速率。

但是常规软扩频算法在强干扰条件下捕获概率较低，误码率较高。因此本文采用了一种改进的软扩频算法，根据m序列的自相关和互相关特性设计了扩频前导序列，提高了信号捕获的灵敏度；同时采用软扩频级联卷积码的传输方式，在接收端根据解扩后对应的相关值计算相关检测的可靠性度量值，从而得到译码所需的软判决信息，最终通过Viterbi软译码方式提高传输链路的可靠性。仿真结果表明，本文改进的软扩频算法相比于常规软扩频算法，抗干扰能力更强，干信比检测门限提高了3dB左右，而且误码率性能也有明显提高。

1 软扩频发射端算法设计

发射端算法结构如图1所示：

图1 发射端算法结构图

发射端采用突发模式传输，通过数据帧传输信息，并在数据帧结构中加入前导序列，如图2所示。

图2 帧结构图

其中，AGC保护序列用于接收端的增益控制，前导序列用于信号捕获。AGC保护序列长度为1024个符号，伪随机码型采用M序列，生成多项式为1+x3+x10。前导序列长度为255个符号，码型采用m序列。m序列是最长线性移位寄存器序列，由移位寄存器加反馈后形成，这种序列易于产生，有优良的自相关性和互相关性，抗干扰能力强。选用生成多项式为1+x2+x3+x4+x8的m序列。载荷由原始信息比特，经过卷积码编码和正交扩频形成。

要发射的原始数据首先进行信道编码，采用测控通信中常用的(2，1，7)卷积码。进入编码器的N比特原始信息比特，需要在末尾补充6个0，因此实际上每帧进入编码器的比特数为N+6，编码器输出比特数为2·(N+6)个。

假设编码器输入的比特序列为{s(1),…,s(N),0,0,0,0,0,0}，则编码输出序列为{c1(1),c2(1),c1(2),c2(2),…,c1(N+6),c2(N+6)}。编码器输出的比特序列为5个一组，映射为长度32的伪随机序列，经过组帧及星座映射后，调制到载波上，最终将载波信号发出。

2 软扩频接收端算法设计

2.1 信号下变频及捕获

接收端算法结构如图3所示。

图3 接收端算法结构图

接收到的信号经过Hilbert滤波产生I路、Q路正交信号，供后续信号处理使用。数字下变频用于将A/D信号中的载波剥离。下变频后的信号首先进行伪码捕获，其目的包括：

1)检测通信信号的存在；

2)估计信号幅值最大的采样点位置。

对于突发模式的信号，捕获算法采用匹配滤波算法，快速实现捕获前导序列，从而确定出有用信号的起始位置。匹配滤波器可以等效为一个相关器，将需要捕获的伪随机序列值作为滤波器的系数使用，每经过一个采样时间间隔，匹配滤波器都会输出一个相关值。匹配滤波器的输出波形是本地伪随机码和接收到的伪随机码的相关运算。

图4 匹配滤波基本原理

图4所示的是匹配滤波器的基本结构，将本地伪随机码作为乘法器组的系数，输入的数据从左端不断进入移位寄存器中，和乘法器组中的本地伪随机序列的系数相乘，并将乘积相加。在此过程中，本地序列静止不动，相关过程相当于接收信号滑过本地序列，当滑到2个序列的相位对齐或接近时，相关峰出现。若相关峰值大于捕获门限，则判定为捕获成功，系统转入解扩状态，反之，继续捕获。

假设数字下变频后的信号(复信号)为{s(1),s(2),…,s(n),…}，接收端本地产生的前导序列为{p1(1),p1(2),…,p1(255)}，长度为255。本地产生的序列为实信号，取值为1或-1。在计算过程中，接收信号的时域跨度设为5个符号，每隔3个采样点计算1个相关值，当采样频率为45MHz，扩频后的伪码速率为7.5MHz时，每个符号有6个采样点，因此一次并行计算共获得10个相关值。下一次相关值并行计算时，跳转到后续紧邻的5个符号，执行相同的相关值计算步骤。

1次捕获，共并行计算10个相关值，第k个相关值的计算公式如下：

(1)

其中，k=1,…, 10；NSamples_per_Symbol为每个符号的采样点数。计算上面相关值时，数字下变频后信号是每个符号取1个采样点，间隔为NSamples_per_Symbol。

在计算得到10个相关值后，获取最大相关值C1_max用于捕获判决。判决规则如下：

(2)

其中，判决门限AThreshold依据前导序列长度确定；AFlag为捕获成功标志，1代表捕获成功，0表示捕获未成功。

若捕获成功，即可得到信号幅度值最大的采样点位置。若捕获未成功，下一次捕获的信号起点与上一次的信号起点间隔NSamples_per_Symbol×5个采样点。

2.2 信号解扩及译码

根据捕获阶段可确定包含载荷信息的信号起点。

假设数字下变频后的信号(复信号)为{s(1),s(2),…,s(n),…}。解扩的过程为：将接收信号序列(长度为32，复信号)与本地保存的32个扩频序列进行相关，得到最大相关值对应的扩频序列的序号，根据映射表得到5bit信息。

假设第k个扩频序列为{lk(1),lk(2),…,lk(32)}。第k个扩频序列对应的相关值计算公式如下：

(3)

每次解扩得到5比特信息，共进行2·(N+6)/5次，得到2·(N+6)比特信息，之后送入译码器进行信息恢复。

译码采用Viterbi译码方式，Viterbi译码是卷积码的一种最大似然译码算法，它把接收序列与所有可能路径中最相似的一条路径作为译码输出, 具体步骤如下:

1)计算进入每一状态的各个分支路径的度量(称为分支度量), 其中分支度量定义为接收码元与可能码元之间的欧几里得距离或汉明距离；

2)把各分支度量同各自相应的前一时刻状态度量相加求和, 得到路径度量。在每个状态中， 从到达这一状态的路径度量里选出并保留最小者作为当前时刻的状态度量。同时保留与之相应的路径作为幸存路径；

3)在各状态的幸存路径中选出状态度量最小的一条, 顺此回溯, 得到译码输出。

步骤1)和2)通常称之为加比选运算(ACS)，步骤3)为回溯(Traceback)。

3 软扩频改进算法

为了提高捕获算法的捕获概率，需要设计出自相关性和互相关性最优的扩频前导序列。前导序列依然采用m序列，其自相关函数为

R(τ)=A-D

(4)

式中，A为相关时对应位码元相同的数目，D为相关时对应位码元不同的数目。自相关系数为：

(5)

式中，P为m序列的码长，且P=2n-1(n为移位寄存器的级数)。根据m序列的性质，可以得到τ≠0时的自相关系数为：

(6)

当τ=0时，D=0且A=P，则

(7)

对于τ≤Tc的情况，自相关系数为：

(8)

式中，Tc为码片宽度。m序列的自相关系数在τ=0处出现尖峰，并以PTc时间为周期重复出现。码长P越大，-1/P就越小，m序列的自相关特性就越好。

因此为了提高相关捕获算法的捕获概率，可以加长前导序列的长度，以提高m序列的自相关性能，从而提高捕获的灵敏度，但考虑到硬件实现的复杂度，前导序列长度设为511个符号。

同时为了避免在捕获过程中AGC保护序列对m序列的干扰，需要选择与AGC序列互相关值最小的m前导序列。对所有511长度的m序列与AGC保护序列进行互相关计算，并对计算结果进行分析比较后，最终选用生成多项式为1+x2+x7+x8+x9的m序列。

对于译码算法，为了提升系统的误比特率性能，Viterbi译码方式采用软判决译码，将解扩输出的软信息送入译码器，而不是将二进制比特序列直接送入译码器。

由解扩过程可知，直接将噪声影响引入软判决信息比较困难，可以计算解扩出的比特信息的可靠性程度。假设第i次解扩中接收端的比特组合为(xi1,xi2,xi3,xi4,xi5)，扩频后的序列长度为32，解扩后对应的相关值为(Ci1,Ci2,Ci3,...,Ci31,Ci32)，相关值中的最大值为Cmax，则相关检测的可靠性度量r为

(9)

所以对于(0,0,0,0,0)的软判决信息为(r,r,r,r,r)，(1,1,1,1,1)的软判决信息为(1-r, 1-r,

1-r, 1-r, 1-r)，其它的组合中，0都对应r，1对应1-r。

4 仿真结果及分析

干信比是衡量抗干扰能力的重要指标之一。根据自由空间电波传播方程，可得出到达接收机输入端的信号功率和干扰功率，由此可得出干信比计算公式

Rjs=J-S+20lg(Ds/Dj)

(10)

式中，Rjs表示干信比，J表示干扰机功率(dBW)，S表示通信发射机功率(dBW)，Dj表示干扰机与接收机之间的距离(km)，Ds表示通信发射机与接收机之间的距离(km)。

假设发射机与接收机之间距离为20km，发射机功率为20W，干扰机分别以干扰功率10kW和20kW进行压制式干扰[10]，则随着干扰机与接收机之间距离变化，接收天线端的干信比变化曲线如图5所示。

图5 干信比变化曲线

当干扰机与接收机之间距离为100km，干扰功率为10kW时，干信比为13dB，干扰功率为20kW时，干信比为16dB。

数据速率为500kbps，扩频后的伪码速率为7.5MHz，干信比为5dB时的解扩结果如图6所示。

图6 干扰条件下500kbps信号解扩示意图

干信比为3～7dB(信干比为-7～-3dB)时未编码和卷积编码的误码率性能如图7所示，其中译码方式采用硬判决译码。

图7 干扰条件下500kbps信号误码率性能

捕获概率如表1所示。

表1 500kbps速率下捕获概率

由此可见，当数据速率为500kbps，干扰机功率为10kW时，只有当干扰机距离大于200km，收发双方才能正常通信。

当数据速率为32kbps，干信比为15dB时的解扩结果如图8所示。

图8 干扰条件下32kbps信号解扩示意图

干信比为15～19dB(信干比为-19～-15 dB)时未编码和卷积编码的误码率性能如图9所示，其中译码方式采用硬判决译码。

图9 干扰条件下32kbps信号误码率性能

捕获概率如表2所示。

表2 32kbps速率下捕获概率

由以上仿真结果可以看出，假设捕获概率的要求为90%以上，当数据速率为32kbps，干扰机功率为10kW时，即使干扰机距离为100km，收发双方仍可正常通信。

对第3节的改进算法进行仿真，得到前导序列的自相关性能曲线如图10所示。

图10 m序列自相关结果

干信比为16～19dB(信干比为-19～-16 dB)，数据速率为32kbps时未编码、Viterbi硬译码及Viterbi软译码的误码率性能如图11所示。

图11 改进算法32kbps时信号误码率性能

捕获概率如表3所示

表3 32kbps速率下改进算法捕获概率

从表3中的结果可以看出，改进后的算法与改进之前算法相比，捕获的干信比门限提高了3dB左右，误码率性能增益提高了0.8dB左右。所以当数据速率为32kbps，干扰机功率为20kW时，即使干扰机距离100km，收发双方仍可正常通信。

如果采用双信道并发传输的方式(即同一数据帧经过2个不同信道传输)，当单信道捕获概率达到69%以上时，双信道的捕获概率就可达到90%以上，即双信道捕获的干信比门限相比于表3中的结果可以提高1dB以上。

综合以上的仿真结果，当干扰功率较大，且距离较近时，应以低速率进行双信道并发传输，并采用改进的前导序列及软判决译码方式，以提高链路的可通概率，降低误码率。如果干扰功率较小，且距离较远时，可采用高速率传输，以提高传输效率。

5 结论

针对航天测控通信提出了一种改进的软扩频捕获及译码算法，根据m 序列的自相关和互相关特性设计扩频前导序列，提高了信号捕获的灵敏度，并根据解扩后的相关值采用Viterbi软判决译码方式提高了传输链路的可靠性。通过分析和仿真发现，在干扰功率较大时，本文算法具有较高的信号捕获概率，较低的误码率，可以满足航天测控抗干扰的实际应用。

[1] 金艳, 姬红兵, 罗军辉. 一种基于循环统计量的直扩信号检测与参数估计方法[J]. 电子学报, 2006, 34(4):634-637.(Jin Yan, Ji Hongbing, Luo Junhui. A Cyclic-cumulant Based Method for DS-SS Signal Detection and Parameter Estimation [J]. Acta Electronica Sinica, 2006, 34(4): 634-637.)

[2] 付江志, 郭黎利, 杨红乔. 具有频谱可控特性的直扩系统规避窄带干扰技术[J]. 系统工程与电子技术, 2011, 33(6):1403-1406. (Fu Jiangzhi, Guo Lili, Yang Hongqiao. Evading Narrow-band Interference in DSSS with Controllable Spectrum [J]. Systems Engineering and Electronics. 2011, 33(6): 1403-1406.)

[3] Dai S C, Qian H, Kang K, Xiang W D. A Robust Demodulator for OQPSK-DSSS System [J]. Circuits, Systems, and Signal Processing, 2015, 34(1): 231-247.

[4] Lin T T. Blind IB-MSNR Beamforming for DSSS-based Communication Systems [J]. Wireless Personal Communications, 2009, 49(2): 227-244.

[5] Liu F W, Zhao H Z, Tang Y X. A Variable Window Code-Aided Algorithm for Interference Suppression in DSSS Systems [J]. Wireless Personal Communications, 2016, 88(2): 133-150.

[6] Lau F C M, Tse C K. Performance of Chaos-Based Digital Communication Systems in the Presence of a Pulsed-Noise Jammer [J]. Circuits, Systems, and Signal Processing, 2004, 23(3): 169-194.

[7] 潘文生，唐友喜，赵宏志，等. 扩频定位系统中一种利用导引符号提取载波差分相位的方法[J]. 电子与信息学报, 2005, 27(7): 1077-1080.(Pan Wensheng, Tang Youxi, Zhao Hongzhi, et al. A Method of Acquiring Carrier Difference Phase in Spread Spectrum Orientation System by Pilot Symbols [J]. Journal of Electronics & Information Technology, 2005, 27(7): 1077-1080.)

[8] 陈仲林，周亮，李仲令. 自编码直接扩谱通信原理与机制[J]. 系统仿真学报, 2004, 16(12): 2842-2846.(Chen Zhonglin, Zhou Liang, Li Zhongling. Self-encoded Direct Sequence Spread Spectrum Theory and Mechanism [J]. Journal of System Simulation, 2004, 16(12): 2842-2846.)

[9] 李林涛，安建平，李祥明, 等. 准规则LDPC码软扩频方法[J]. 北京邮电大学学报, 2014, 37(1): 48-51.(Li Lintao, An Jianping, Li Xiangming, et al. Tamed Spread Spectrum Method Based on Quasi-regular LDPC Code [J]. Journal of Beijing University of Posts and Telecommunications, 2014, 37(1): 48-51.)

[10] 朱海, 史文森, 蔡鹏, 等. 压制式干扰环境中GPS信号的载噪比估计算法[J].弹舰与制导学报, 2014, 34(3): 209-212. (Zhu Hai, Shi Wensan, Cai Peng, et al. The Estimation Method for GPS C/N0 Under Oppressive Jamming [J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2014, 34(3): 209-212.)

A Tamed Spread Spectrum Algorithm for the Anti-Interference of Telemetry Tracking and Control

Song Qingping, Yu Yue, Gao Junjun, Su Fei

Beijing Control and Electronic Technology Research Institute Information Systems Engineering
Key Laboratory, Beijing 100038, China

Regardingtheanti-interferenceofaerospacetelemetry,tracking,andcontrol(TT&C),animprovedtamedspreadspectrumacquisitionanddecodingalgorithmisproposed.Aspreadspectrumpreamblesequencewithstronganti-interferencecapabilitybasedonauto-correlatedandcross-correlatedpropertiesisdesignedbyusingtheproposedalgorithmtoimprovethesensitivityofsignalacquisition.Furthermore,asoftdecisiondecodingmethodisproposedaccordingtothecorrelationvaluesafterdispreadingtoimprovethereliabilityofthetransmissionlink.Theanalysisandsimulationresultsshowthattheproposedalgorithmstillhasahighsignalacquisitionprobabilityandalowbiterrorrate(BER)evenunderstronginterferenceconditions.TheperformanceoftheacquisitionandBERofthenewalgorithmissignificantlybetterthanthatoftheconventionaltamedspreadspectrumalgorithm,whichcansatisfythepracticalapplicationoftheanti-interferenceofaerospaceTT&C.

Anti-interference;Tamedspreadspectrum;Signalacquisition;Softdecisiondecoding;Biterrorrate

2016-07-08

宋青平(1984-)，男，北京人，博士，工程师，主要研究方向为指挥控制与通信；余 跃(1984-)，男，安徽人，硕士，高级工程师，主要研究方向为指挥控制总体设计；高军军(1986-)，男，山西人，博士，高级工程师，主要研究方向为指挥控制与通信；苏 飞(1991-)，男，江苏人，硕士，研究生，主要研究方向为导航、制导与控制。

TN911.23

A

1006-3242(2016)06-0072-07