论文部分内容阅读
[摘 要]随着近年来无线通信技术的不断发展，相关业务需求也在不断增多，为了进一步满足广大客户的通信要求，提高信道容量的应用率，就要大力在商用中引入先进的无线接入技术，并且还要对无线射频信号进行实时的检测和识别，进以避免空中有限频谱资源争夺和违规使用问题的发生，从而最大化规范用户通信行为，确保电子通信领域的健康发展。
[关键词]无线射频信号；能量检测；特征识别
中图分类号：S758 文献标识码：A 文章编号：1009-914X（2018）26-0213-02
进入新时期以后，我国无线通信业务需求量就在不断增长，基于此，各种现代化无线接入技术也开始同时接入有限频谱资源设备中，进以满足各种通信用户的使用需求。但是在实际运行时，由于人们在通信终端的频谱接入和使用过程中，缺少正确的认知和规范操作意识，所以使得空中有限频谱资源争夺和违规使用问题频频发生。因此，要想改善这种现状，就要对无线射频信号进行实时的检测，并着重分析其技术特征，这样才能达到预期目标，实现我国电子通信行业的可持续发展。
1.信号能量检测方法分析
1.1 传统检测方法
传统无线射频信号能量检测方法，是指对某一段特定时间长度的接收信号进行相应的计算，进而将其平均累积量与基准门限值进行对比，看其是否存在参数差异，若发现问题，则采取及时的措施加以处理。所以，这种传统信号能量检测方法可以用如下公式来进行表示：
G（y）=
其中，G（y）代表决策变量，N为服从自由度，其是指中心卡方分布和非中心卡方分布。在信噪比较低的区域，为达到特定的性能（Pd、Pfα）所需要的样本数量都要大于1，按照这种观测要求，无线射频信号的检验统计量可以结合中心极限定理来进行，其计算公式与如下高斯分布基本类似：
G（y）≈
其中，P是平均信号功率，若只是考虑信号的最基本噪声和干扰模式，则Pd、Pfα可被记为以下形式，如图1所示：
是标准的高斯互补累积分布函数、y是决策门限，按照误警概率恒定方法来测量，可结合Pfα，计算出其具体检测门限值，如图2所示：
根据该公式可以看出，检测门限值会受到Pfα和噪声方差2n所影响，且实际噪声方差存在很大的变动性，因此2n噪声方差即使出现微小波动，也会对实际门限值计算造成影响，进而降低信号检测精度，所以，当务之急就是要寻找一种更为完善的检测方法，来解决传统信号能量检测技术中存在的不足。
1.2 双门限能量检测方法
该信号能量检测方法是建立在传统检测基础上的一种双门限检测技术，如图3所示，在实际应用时，可以大大提高信号的检测效率和精度。
双门限能量检测方法中的双门限可以分别用Eth1和Eth2来表示。在实际检测时，若是发现E大于Eth2时，则证明当前信号为有效信号，反之则说明该检测信号为无效信号。据相关实践证明，该检测技术的误警概率为Pd’、Pfα’，其经常会受到不同检测门限所影响，当Eth1<γPd，由此可见，不仅实现了误警概率的控制的灵活性，而且还弥补了传统能量检测方法的应用弊端。
1.3 联合方差修正信号能量检测方法
在对无线射频信号能量进行检测时，无论是传统检测法，还是双门限能量检测方法，都会出现多径衰落、阴影效应以及噪声不确定性等多种问题，因此，相关研究人员又开发出一种基于两种检测方法之上的技术手段，即联合方差修正信号能量检测方法。在实际应用时，其具体操作流程可为以下几点：
第一，在檢测信号样本之前，要先对所采集的噪声信号进行相应的统计，以便可以获取到能量统计量门限值和方差统计量门限值。
第二，对信号样本进行采样时，可以采集到样本离散信号，相关工作人员一定要对这些离散信号进行集中整合，以便可以使之演化成多个采样信号子集合，这样就能分别计算出每个离散信号子集合的最终能量和方差量。
第三，采用联合方差统计量修正的信号能量检测方法对各离散信号子集合的最终能量和方差量进行准确的对比和分析，看其哪些子集合中包含有有效信号和无效信号，进以对这些子集合进行精确的筛选。
2.信号特征识别技术分析
2.1 瞬时特征无线射频信号识别技术
无线射频信号的瞬时特征一般包括：信号瞬时幅度、瞬时相位、瞬时频率等维度特征，其在进行信号识别时，都会先按照特定的计算公式对这些典型的瞬时特征参数进行相应的计算，即中心归一化的瞬时幅度值aa、中心归一化的瞬时幅度功率谱密度γav、中心归一化的瞬时相位非线性成分标准偏差aP。
现阶段，这些瞬时特征参数计算方式主要以局部加权的逻辑斯谛回归算法来进行，其是以线性逻辑斯谛回归算法为基础的一种非线性的计算机学习算法，这种计算方式在分类模型训练过程中，会给每个训练样本都加上一个代价函数，以便调整待识别样本距离，使其较近的训练样本权重变大，距离较远的训练样本权重变小，这样就会大大提升分类模型训练的针对性，进而使非线性分类问题得到充分的解决。
在实际信号识别过程中，瞬时特征无线射频信号识别技术可以按照以下几方面识别流程来进行：首先，先将LTE信号样本和TD-SCDMA信号样本的瞬时特征参数准确的提取出来；其次，再利用局部加权的逻辑斯谛回归算法对己知信号样本及其瞬时特征参数进行有效的训练，以便建立完整的信号识别模型；再次，还要将待识别信号的瞬时特征参数精确的提取出来；最后，利用分类模型训练后所获取的信号识别模型，来对待识别信号的瞬时特征参数进行有效识别，进以对其中所含的LTE信号和TD-SCDMA信号准确的识别出来。
2.2 高阶累积量无线射频信号识别技术
众所周知，无线射频信号的特征识别，关键点在于信号特征的提取和正确选择，为了使所提取的信号特征能够一目了然的进行辨别和分析，就要在识别过程中采用高阶累积量无线射频信号识别技术。该技术主要是利用统计分析方法对无线射频信号进行有效的模拟和数字调制识别，进以通过其非线性变换，来获取信号的高阶统计特征。这种高阶统计特征是一种高效描述随机过程高阶统计特性的数学工具，一般可将信号特征分为二阶累积量，三阶累积量，四阶累积量，五阶累积量，六阶累积量以及八阶累积量。
通常，这些高阶累积量的识别都是采用局部加权的逻辑斯谛回归算法来进行，具体识别流程可分为以下几方面：
第一，要将LTE信号和TD-SCDMA信号样本的高阶累积量组成特征向量精准的提取出来，即中心归一化的瞬时幅度值aa、中心归一化的瞬时幅度功率谱密度γav、中心归一化的瞬时相位非线性成分标准偏差aP、信号二阶累积量、三阶累积量、四阶累积量、五阶累积量、六阶累积量以及八阶累积量。
第二，利用前向特征选择方法和局部加权逻辑斯谛回归算法对信号样本的统计特征向量进行模拟训练，进以得到完整的统计特征子集合识别模型。
第三，要将待识别信号的统计特征子集合进行有效提取，并利用分类训练所建立的识别模型对其进行科学判别，以便看其所含的LTE信号和TD-SCDMA信号是否属于有效信号。
结束语
综上所述，在无线射频信号能量检测与特征识别技术中，基于能量检测的信号检测技术和基于机器学习的信号识别技术最为重要，因为两者具有很高的应用优势，不仅可以提高信号检测效率，而且还能增强信号特征识别的准确度，所以，要想实现我国通信行业的可持续发展，就要重视这项技术手段的合理的利用。
参考文献
[1] 张高飞.认知无线电频谱感知和功率分配研究[D].浙江工业大学，2017，02：15-16.
[2] 高玉龙.基于循环谱的调制方式识别与高动态同步技术研究[D].哈尔滨工业大学，2017，110-111.
[3] 吴丹.非合作OFDM信号检测及识别技术研究[D].哈尔滨工程大学，2016，11：128-129.
[关键词]无线射频信号；能量检测；特征识别
中图分类号：S758 文献标识码：A 文章编号：1009-914X（2018）26-0213-02
进入新时期以后，我国无线通信业务需求量就在不断增长，基于此，各种现代化无线接入技术也开始同时接入有限频谱资源设备中，进以满足各种通信用户的使用需求。但是在实际运行时，由于人们在通信终端的频谱接入和使用过程中，缺少正确的认知和规范操作意识，所以使得空中有限频谱资源争夺和违规使用问题频频发生。因此，要想改善这种现状，就要对无线射频信号进行实时的检测，并着重分析其技术特征，这样才能达到预期目标，实现我国电子通信行业的可持续发展。
1.信号能量检测方法分析
1.1 传统检测方法
传统无线射频信号能量检测方法，是指对某一段特定时间长度的接收信号进行相应的计算，进而将其平均累积量与基准门限值进行对比，看其是否存在参数差异，若发现问题，则采取及时的措施加以处理。所以，这种传统信号能量检测方法可以用如下公式来进行表示：
G（y）=
其中，G（y）代表决策变量，N为服从自由度，其是指中心卡方分布和非中心卡方分布。在信噪比较低的区域，为达到特定的性能（Pd、Pfα）所需要的样本数量都要大于1，按照这种观测要求，无线射频信号的检验统计量可以结合中心极限定理来进行，其计算公式与如下高斯分布基本类似：
G（y）≈
其中，P是平均信号功率，若只是考虑信号的最基本噪声和干扰模式，则Pd、Pfα可被记为以下形式，如图1所示：
是标准的高斯互补累积分布函数、y是决策门限，按照误警概率恒定方法来测量，可结合Pfα，计算出其具体检测门限值，如图2所示：
根据该公式可以看出，检测门限值会受到Pfα和噪声方差2n所影响，且实际噪声方差存在很大的变动性，因此2n噪声方差即使出现微小波动，也会对实际门限值计算造成影响，进而降低信号检测精度，所以，当务之急就是要寻找一种更为完善的检测方法，来解决传统信号能量检测技术中存在的不足。
1.2 双门限能量检测方法
该信号能量检测方法是建立在传统检测基础上的一种双门限检测技术，如图3所示，在实际应用时，可以大大提高信号的检测效率和精度。
双门限能量检测方法中的双门限可以分别用Eth1和Eth2来表示。在实际检测时，若是发现E大于Eth2时，则证明当前信号为有效信号，反之则说明该检测信号为无效信号。据相关实践证明，该检测技术的误警概率为Pd’、Pfα’，其经常会受到不同检测门限所影响，当Eth1<γ
1.3 联合方差修正信号能量检测方法
在对无线射频信号能量进行检测时，无论是传统检测法，还是双门限能量检测方法，都会出现多径衰落、阴影效应以及噪声不确定性等多种问题，因此，相关研究人员又开发出一种基于两种检测方法之上的技术手段，即联合方差修正信号能量检测方法。在实际应用时，其具体操作流程可为以下几点：
第一，在檢测信号样本之前，要先对所采集的噪声信号进行相应的统计，以便可以获取到能量统计量门限值和方差统计量门限值。
第二，对信号样本进行采样时，可以采集到样本离散信号，相关工作人员一定要对这些离散信号进行集中整合，以便可以使之演化成多个采样信号子集合，这样就能分别计算出每个离散信号子集合的最终能量和方差量。
第三，采用联合方差统计量修正的信号能量检测方法对各离散信号子集合的最终能量和方差量进行准确的对比和分析，看其哪些子集合中包含有有效信号和无效信号，进以对这些子集合进行精确的筛选。
2.信号特征识别技术分析
2.1 瞬时特征无线射频信号识别技术
无线射频信号的瞬时特征一般包括：信号瞬时幅度、瞬时相位、瞬时频率等维度特征，其在进行信号识别时，都会先按照特定的计算公式对这些典型的瞬时特征参数进行相应的计算，即中心归一化的瞬时幅度值aa、中心归一化的瞬时幅度功率谱密度γav、中心归一化的瞬时相位非线性成分标准偏差aP。
现阶段，这些瞬时特征参数计算方式主要以局部加权的逻辑斯谛回归算法来进行，其是以线性逻辑斯谛回归算法为基础的一种非线性的计算机学习算法，这种计算方式在分类模型训练过程中，会给每个训练样本都加上一个代价函数，以便调整待识别样本距离，使其较近的训练样本权重变大，距离较远的训练样本权重变小，这样就会大大提升分类模型训练的针对性，进而使非线性分类问题得到充分的解决。
在实际信号识别过程中，瞬时特征无线射频信号识别技术可以按照以下几方面识别流程来进行：首先，先将LTE信号样本和TD-SCDMA信号样本的瞬时特征参数准确的提取出来；其次，再利用局部加权的逻辑斯谛回归算法对己知信号样本及其瞬时特征参数进行有效的训练，以便建立完整的信号识别模型；再次，还要将待识别信号的瞬时特征参数精确的提取出来；最后，利用分类模型训练后所获取的信号识别模型，来对待识别信号的瞬时特征参数进行有效识别，进以对其中所含的LTE信号和TD-SCDMA信号准确的识别出来。
2.2 高阶累积量无线射频信号识别技术
众所周知，无线射频信号的特征识别，关键点在于信号特征的提取和正确选择，为了使所提取的信号特征能够一目了然的进行辨别和分析，就要在识别过程中采用高阶累积量无线射频信号识别技术。该技术主要是利用统计分析方法对无线射频信号进行有效的模拟和数字调制识别，进以通过其非线性变换，来获取信号的高阶统计特征。这种高阶统计特征是一种高效描述随机过程高阶统计特性的数学工具，一般可将信号特征分为二阶累积量，三阶累积量，四阶累积量，五阶累积量，六阶累积量以及八阶累积量。
通常，这些高阶累积量的识别都是采用局部加权的逻辑斯谛回归算法来进行，具体识别流程可分为以下几方面：
第一，要将LTE信号和TD-SCDMA信号样本的高阶累积量组成特征向量精准的提取出来，即中心归一化的瞬时幅度值aa、中心归一化的瞬时幅度功率谱密度γav、中心归一化的瞬时相位非线性成分标准偏差aP、信号二阶累积量、三阶累积量、四阶累积量、五阶累积量、六阶累积量以及八阶累积量。
第二，利用前向特征选择方法和局部加权逻辑斯谛回归算法对信号样本的统计特征向量进行模拟训练，进以得到完整的统计特征子集合识别模型。
第三，要将待识别信号的统计特征子集合进行有效提取，并利用分类训练所建立的识别模型对其进行科学判别，以便看其所含的LTE信号和TD-SCDMA信号是否属于有效信号。
结束语
综上所述，在无线射频信号能量检测与特征识别技术中，基于能量检测的信号检测技术和基于机器学习的信号识别技术最为重要，因为两者具有很高的应用优势，不仅可以提高信号检测效率，而且还能增强信号特征识别的准确度，所以，要想实现我国通信行业的可持续发展，就要重视这项技术手段的合理的利用。
参考文献
[1] 张高飞.认知无线电频谱感知和功率分配研究[D].浙江工业大学，2017，02：15-16.
[2] 高玉龙.基于循环谱的调制方式识别与高动态同步技术研究[D].哈尔滨工业大学，2017，110-111.
[3] 吴丹.非合作OFDM信号检测及识别技术研究[D].哈尔滨工程大学，2016，11：128-129.