杨水成

摘要：现阶段低频通信信号技术在广泛应用在各领域生产经营建设中，对切实保障信号传输水平具有重要意义。基于此，本文以现有低频调制信号识别技术为切入点，提出低频通信信号调制识別技术的硬件设计要求，以供参考。

关键词：低频通信信号;检测技术;应用要点

前言：随社会经济发展速度日渐加快，各领域通信量激增。为从根本上提高通信质量与效率，无线通信技术成为企业生产经营建设重点研究课题。由于信号调制样式进一步增多，电磁信号密集，信道复杂程度增强。在接收信号调制过程中，许多未知信号会夹杂其中，导致时域出现严重混叠情况。需要在现有基础上设计出能够实现自动分离、识别调制到接收系统，有效解决通信信号盲检测问题。

1、概述低频通信信号

低频主要就是指频带处于30～300 kHz到无线电电波。其波长范围最大为10公里，因此也可被称之为公里波段。低频通信信号主要被应用在卫星导航系统、国际广播以及授时电波计时中，部分无线电频率识别标签也会使用低频通信信号。

相较于其他通讯信号而言，低频通信信号发射天线的高功率数据在较大空间，以此数据传输系统的安全性成为现阶段各国关注的重点。

2、低频通信信号盲源分离技术

2.1盲源分离概念

盲源分离技术主要用于解决盲混合信号中分离出的各独立信号问题。从实质角度分析，盲源分离技术需要在多个位置同时设定检测位置，有效解决信号检测难度较大问题。

在无源信号模型下，应当建立无源信号信息，使用观测到的混合信号，分离出各统计独立源信号，确保获取的各源信号能够得到最优估计[1]。在盲源分离混合过程中，需要建立起盲源分离混合模型。要求在实际工作中注重收集混合矩阵值、观测信号向量、源信号向量、高斯白噪声。

2.2盲源分离技术种类

在盲源分离技术应用过程中，不同分析角度下的分离问题种类也不同。首先，在盲源分离期间需要注重分析各源信号以及观测信号数目之间的关系。在盲源分离定义中，观测信号以及源信号大小差距不同。在观测信号个数大于源信号个数的情况下，属于超定盲源分离情况。在观测信号个数小于源信号个数的情况下，属于欠定盲源分析[2]。在观测信号个数等于源信号个数的情况下，属于使适定盲源分离。

2.3盲源分离算法性能评价指标

为从根本上保障盲源算法对源信号评估的准确性，还需要使用多种评价指标。

首先，对源信号估计进行评价。注重评估盲源分离算法的分离结果，分析分离结果与对应源信号的匹配程度。在分离信号与源信号相关程度值接近1的情况下，估算值更为标准，算法的分离效果也就越好。

其次，对混合矩阵估计进行评价。分析混合矩阵中的角度误差、广义串扰误差、串音误差值。

3、低频通信信号检测欠定盲源分离混合矩阵技术

低频通信信号主要有多种调制信号混合而成，混合信号难以直接识别，需要在识别前将各类信号进行分离处理。

配合使用先验信息，分析已有观测信号各源信号值[3]。相较于正定盲源分离技术而言，欠定盲源分离混合矩阵技术的接收器天线数量较少，需要利用信号在变化域上求解，恢复源信号值。

在欠定盲源分离混合矩阵技术应用过程中，主要采用K均值聚类法。将涉及到的多个数据集合划分为若干个数据模糊类，而后依次计算每个模糊类的聚类中心，最后使用牛顿迭代法最小化非相似性指数的目标函数，计算出欠定盲源分离混合矩阵数值。配合使用模糊类内目标函数、模糊类内数据点到类距中心距离，对目标函数进行优化处理。在使用K均值聚类化计算欠定盲源分离混合矩阵技术过程中，收敛至特定值终止迭代时，无法保证以收敛到最优解。算法最终的收敛程度会直接受到初始记录中心位置的影响。

在欠定盲源分离混合矩阵技术计算过程中使用 FCM聚类算法，算法流程与K均值聚类算法较为相似。主要就是将数据分为若干个模糊类，计算出模糊类的聚类中心[4]。关于实际划分工作不需要将样本划分成子集，而是每个样本需要通过隶属度进行模糊划分，确保同类元素相似度最大、不同类元素相似度最小。该种算法在应用期间也会受到聚类中心初始值影响，因此也不可作为迭代结束时的全局最优解。

现阶段欠定盲源分离混合矩阵技术的应用还会基于角度检索聚类，开展混合矩阵估计计算工作，在实际计算期间不必将源信号充分稀疏或者确定源信号数量。

首先，确定单源区间值。由于欠定场景分离依赖的信号稀疏性较强，在信号稀疏性显著的情况下，信号序列采样点多取值为0。将该信号放置在二维散点图中，观察信号经变化处理后的状态，要对其进行稀疏化处理。

假定欠定盲源分离混合矩阵技术应用条件，混合信号具有一定的稀疏性。因此在信号构成混合信号过程中会具备线性聚类特征。如果将信号区间分段控制在较小范围之内，可以忽视噪声对信号传输的影响。传统欠定盲源分离混合矩阵算法需要首先明确源信号数量，并对源信号进行充分稀疏处理。在不充分稀疏的情况下，应当直接使用传统算法对混合矩阵展开估算，因此需要选择适宜变换形式。

获取单源区间以及源信号个数。为从根本上提升欠定盲源分离混合矩阵技术应用水平，还需要对部分稀疏混合信号进行分离处理，切实增强估算结果精准度。提出一种角度检索算法，改善传统聚类算法的不足之处，明确个源信号个数。注重设置混合估计矩阵，明确估计源信号数目、聚类前筛选有效数据点。判断以稀疏化样本的各样本点是否接近零值。如接近零值的情况下，需要删去该点剩余序列部分，对信号进行稀释处理。

对欠定盲源分离混合矩阵技术进行仿真验证，分析混合信号产生原因。仿真三路源信号混迭两路观测信号，并恢复三路混合信号以及信号分离流程，做好信号稀疏化、信号源数量估计、混合矩阵估计以及源信号恢复等工作。

通过绘制二维散点图，衡量变量之间的内在关联度，观察混合信号的时域瞬时情况，在发现两混合信号变值无明显关联的情况下，还需要注重观察两路频域幅值的关联度，将数据点设置成直观的地线状形态。

4、低频通信信号检测硬件设施

为从根本上增强低频通信信号检测水平，还需要开发出一种能够满足低频调频识别技术的硬件设施。

自动识别技术主要诞生于20世纪60年代。现有自动识别技术主要分为基于似然函数的决策理论以及基于特征参数提取的统计模式识别两种方式。

其中，基于似然函数的决策理论识别方式主要包括背靠概率理论、假设检验理论有两种类型。在实际计算过程中，需要着重关注最小化平均风险函数最优解，将低频通信信号的调制方式转变为多元假设检验问题模型。

信号预处理是信号核心业务算法处理的重要环节，需要在实际处理期间做好接收信号分离、下变频、信噪比估算等工作。提取特征参数，做好统计模式识别工作。归纳总结目标信号各信号、频域特征值，并构造出集内以及有分区度的参数，完成信号分区情况。参数设备质量可直接影响到系统整体识别性能。

做好输入待识别信号特征参数的计算工作， 并对信号类别进行明确评估。似然函数决策理论识别方式，具有算法理论直观、不必采用假设条件、实时性较高等特征。

配合使用能量检测方式。信号加噪音能量大于噪声信号，实际定量判别需引入功率平坦系数。做好直观时域调查工作，将实际信道转换转化为加性高斯白信道，待检测信号的高斯白噪声功率谱密度如下图所示。

通过对信号功率谱密度的平坦性进行定量描述，引入参数值以及信号功率谱平坦指数。在信号功率谱平坦度参数越大的情况下，信号的功率谱就越不平坦。

做好后续能源检测各项工作。在输入待识别信号后计算出功率谱密度值以及功率谱平坦度指数，对计算参数以及设定门限进行对比分析，判断在信号中是否存在非噪声信号。

总结：总而言之，低频通讯信号检测技术日渐完善。为从根本上提高低頻通信信号检测水平，扩大低频通信信号检测覆盖面，还需要分析现存与信号检测期间的各类影响因素，不断优化现有低频通信信号检测系统，配合使用先进的盲源分离、软件无线技术，扩大通信信号检测覆盖面，确保低频通信信号检测结果能够在后续优化通信设备，加强通信设备管控力度中发挥出重要作用。

参考文献

[1]王中奎. 单通道单脉冲扩频角跟踪系统信号检测技术研究[D].西安电子科技大学，2017.

[2]张哲. 低频通信信号盲检测技术研究与实现[D].哈尔滨工程大学，2017.

[3]王坤朋. 微弱信号检测的盲源分离方法及应用研究[D].重庆大学，2014.

[4]唐川. 大规模MIMO系统信号检测技术算法研究及硬件加速[D].国防科学技术大学，2017.