一种基于双稳态随机共振系统的多天线微弱信号检测方法

技术领域

本发明涉及通信技术领域，更具体的，涉及一种基于双稳态随机共振系统的多天线微弱信号检测方法。

背景技术

信号检测技术，广泛应用于雷达、无线通信、认知无线电等各种系统中，是后续进行信号处理的前提和必要环节。随着科技的发展和硬件水平的不断提高，多天线系统的应用越来越广泛，相较于单天线系统，多天线系统有更大的数据接入量，可以实现更高的信号处理增益。而随着电磁设备的增加，电磁环境变得愈发复杂，待检测信号常常呈现极低信噪比的特点，此时信号检测问题演变为微弱信号检测问题。

随机共振是Benzi等人于1981年研究古气象冰川问题时提出的概念，后经学者研究，这一理论不断发展和完善，并应用于各个领域中，如微弱信号检测领域。随机共振理论指出，在一些非线性系统中，如双稳态随机共振系统(BSR)中，适量的噪声可以增强信号。当非线性系统、高斯白噪声和目标周期信号三者相匹配时，噪声可以与周期信号共振，达到增强信号、提高信噪比的效果，从而解决微弱信号检测问题。实现随机共振的方法有两种，即调节噪声强度或调节系统参数，由于实际中噪声强度不易改变，因此调节系统参数的方法应用更为广泛。目前的调参方法也可以分为两种，一种是根据绝热近似理论分析得到的信噪比公式设定最佳参数，这种方法可以使输出信号的局部信噪比最大；另一种则是自定义一些随机共振度量指标，使用智能寻优算法来调节系统参数。前者在实际应用中会因采样率不够高而失效，因此，本发明使用第二种方法调参。

现有的基于随机共振的信号检测算法大都设定在单天线场景下，此时的检测性能受单天线场景的限制而无法进一步有效提高，因此基于随机共振的多天线检测算法开始被研究。而现有的基于随机共振的多天线检测算法大多还是基于信噪比的度量指标来实现参数寻优和设置，其受采样率要求限制而无法广泛应用，且检测性能有待进一步提高。另外，由于多天线系统和单天线系统的差异，一些在单天线场景下提出的度量指标在多天线场景下并不一定适用，或者并不能完全发挥多天线检测器的性能，因此需要找到适用于多天线场景下的新的度量指标，并根据随机共振系统处理的结果选择合适的多天线检测器。

发明内容

本发明提供一种基于双稳态随机共振系统的多天线微弱信号检测方法，解决了现有随机共振度量指标在多天线场景信号检测中不够适用、检测器的检测性能较低的问题，该方法将双稳态随机共振系统应用于多天线信号检测中，提出指数相关信噪比(ICSNR)指标，并使用粒子群寻优算法根据度量指标确定最佳系统参数，最后将斯皮尔曼秩次相关系数应用于多天线检测中，提出一种基于斯皮尔曼秩次相关系数(SR)的多天线检测器，作为随机共振系统处理后的检测器，有效提高极低信噪比下的信号检测性能。

为实现上述目标，本发明的技术方案如下：

一种基于双稳态随机共振系统的多天线微弱信号检测方法，包括以下步骤：

S1：输入多天线接收信号；

S2：根据采样率f

S3：将各天线信号分别输入双稳态随机共振系统中进行处理，使用四阶龙格-库塔法(R-K)求解系统输出；

S4：计算系统输出的ICSNR，并作为粒子群算法的适应度函数对双稳态随机共振系统参数a、b进行寻优；

S5：设定双稳态随机共振系统参数为最佳参数，对各天线信号处理；

S6：将处理后的多天线信号输入基于SR的多天线检测器中；

S7：输出判决结果。

优选地，步骤S1中的多天线接收信号，具体为：

第l个天线的接收信号可以表示为

r

其中，l＝1,2,…,L为天线序号，n＝0,1,…,N-1为采样点序号，s(n)为目标信号，w

优选地，步骤S2中使用二次采样技术和功率归一化处理，具体为：

S2.1：根据采样率f

S2.2：对各天线信号功率归一化处理。

优选地，步骤S2.1中根据采样率f

在信号采样中引入一个尺度变换因子α：

即在使用R-K法求解系统输出时，使用αΔt代替Δt，这里取α＝f

优选地，步骤S2.2中对各天线信号功率归一化处理，具体为：

计算各天线信号的功率并将其归一化：

式中，r'

优选地，步骤S3中将各天线信号输入BSR系统中处理，使用R-K法求解输出，具体为：

BSR系统可以由郎之万方程表示为：

式中，x(t)为系统输出信号，a、b为系统参数。在本发明中，其可以改写为：

式中，r'

式中，x(n)为x(t)的第n个采样点值，初值选择为x(0)＝0，h为算法的迭代步长，一般取值为采样步长，即h＝1/f

优选地，步骤S4中根据系统输出的ICSNR使用粒子群算法对参数a、b寻优，具体为：

对系统输入信号t'

式中，初始相位φ取值为φ＝angle(R(f

计算频域信噪比

最终得到ICSNR为

将计算得到的ICSNR作为粒子群的适应度更新参数a、b至满足终止条件，终止条件为达到最大迭代次数或连续十代的最佳适应度基本不变，此时的参数为最佳参数。

优选地，步骤S5中使用最佳参数的BSR系统处理后得到的多天线信号，具体为：

y＝[y

式中，y

优选地，步骤S6中将处理后多天线信号输入基于SR的多天线检测器，具体为：

基于SR的检测器，其检验统计量的计算方法为

式中，ρ

式中，

优选地，步骤S7中输出判决结果，具体为：

比较检验统计量与检测门限的大小，输出判决结果。若检验统计量T

附图说明

图1为本发明的方法流程示意图。

图2为实施例提供的不同算法的检测性能对比示意图。

图3为实施例提供的不同度量指标的检测性能对比示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步说明。

实施例1

本实例提供一种基于双稳态随机共振系统的多天线微弱信号检测方法，如图1所示，包括以下步骤：

S1：输入多天线接收信号；

S2：根据采样率f

S3：将各天线信号分别输入双稳态随机共振系统中进行处理，使用四阶龙格-库塔法(R-K)求解系统输出；

S4：计算系统输出的ICSNR，并作为粒子群算法的适应度函数对双稳态随机共振系统参数a、b进行寻优；

S5：设定双稳态随机共振系统参数为最佳参数，对各天线信号处理；

S6：将处理后的多天线信号输入基于SR的多天线检测器中；

S7：输出判决结果。

实施例2

本实施例在实施例1的基础上，继续公开以下内容：

所述多天线接收信号为下变频、采样后的中频离散信号，考虑各天线之间的相关性为1的情况，如待检测信号处于阵列天线的朝向方向上的情况，在高斯白噪声信道条件下，接收天线个数为L，则第l个天线的接收信号可以表示为：

r

其中，l＝1,2,…,L为天线序号，n＝0,1,…,N-1为采样点序号，s(n)为目标信号，w

步骤S2中使用二次采样技术和功率归一化处理，具体为：

S2.1：根据采样率f

S2.2：对各天线信号功率归一化处理。

步骤S2.1中根据采样率f

在信号采样中引入一个尺度变换因子α：

即在使用R-K法求解系统输出时，使用αΔt代替Δt，这里取α＝f

步骤S2.2中对各天线信号功率归一化处理，具体为：

计算各天线信号的功率并将其归一化：

式中，r'

步骤S3中将各天线信号输入BSR系统中处理，使用R-K法求解输出，具体为：

BSR系统可以由郎之万方程表示为：

式中，x(t)为系统输出信号，a、b为系统参数。在本发明中，其可以改写为：

式中，r'

式中，x(n)为x(t)的第n个采样点值，初值选择为x(0)＝0，h为算法的迭代步长，一般取值为采样步长，即h＝1/f

步骤S4中根据系统输出的ICSNR使用粒子群算法对参数a、b寻优，具体为：

对系统输入信号r'

式中，初始相位φ取值为φ＝angle(R(f

计算频域信噪比

最终得到ICSNR为

将计算得到的ICSNR作为粒子群的适应度更新参数a、b至满足终止条件，不满足则重复执行S3、S4，终止条件为达到最大迭代次数或连续十代的最佳适应度基本不变，此时的参数为最佳参数。

步骤S5中使用最佳参数的BSR系统处理后得到的多天线信号，具体为：

y＝[y

式中，y

步骤S6中将处理后多天线信号输入基于SR的多天线检测器，具体为：

基于SR的检测器，其检验统计量的计算方法为

式中，ρ

式中，

步骤S7中输出判决结果，具体为：

比较检验统计量与检测门限的大小，输出判决结果。若检验统计量T

实施例3

本实施例在实施例1和实施例2的基础上，提供以下具体实施例：

设置仿真参数如下：假设输入的目标单频信号为s(t)＝Acos(2πf

将本发明所提的新的方法(以下简称为PSOSR-SR)与经典多天线检测算法CAV、ED、MASD、MED和基于PSOSR的MASD算法(PSOSR-MASD)的检测性能作对比，具体如下：如图2所示，在同等条件下，所提方案的检测性能远远优于经典的多天线检测算法，性能提升约5～7dB，这是由随机共振系统带来的处理增益。而在相同的随机共振处理下，即本方案的PSOSR系统处理下，基于SR的多天线检测器也比MASD检测器有更优的检测性能，性能提升约0.5～1dB。

上述实例表明本发明所提检测方案可以实现多天线场景下的微弱信号盲检测，所使用的多天线检测器更适合随机共振系统处理后的信号检测，所提方案具有更好的检测性能。

在上述实施例的基础上对使用不同度量指标时的检测性能进行对比，将信号的初始相位选定为θ＝0，其他参数保持不变。基于本发明提出的检测方案，仅改变度量指标，比较使用所提出的度量指标(ICSNR)与使用分段均值(PMV)指标、加权功率谱峰度(WPSK)指标和相关信噪比(CSNR)指标时的检测性能，具体结果如下：

如图3所示，PMV指标在采样率不够高的情况下(f

上述实施例表明所提的度量指标可以在采样率不够高的情况下有更好的处理结果，从而达到更优的检测性能。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。