外军数据链系统对于实时的指挥、控制和通信十分重要,是信息化作战的重要支撑[1]。由于人为干扰技术的发展,数据链系统面临电磁环境恶化的严峻挑战,愈发严重的干扰威胁会影响数据链系统的性能[2]。没有抗干扰能力的通信系统很可能会失去效力,因此,需要为数据链系统配置抗干扰手段来保证其在未来战争中具有顽强的生存能力。数据链系统的抗干扰技术正成为通信领域被广泛关注的研究方向。
近几十年来,以扩频通信技术和认知无线电技术为基础的通信抗干扰技术得到了一定的发展。扩频通信技术基于信道带宽和信噪比可以相互转换的原理,通过增加信道带宽以确保在较低信噪比的条件下系统通信容量保持不变;认知无线电技术则是通过频谱感知并利用“空穴”进行通信以达到“躲避”干扰信号的目的[3]。但是,上述两种思路需要对通信系统的传输波形进行重设计,新波形和传统波形之间几乎无法实现互连互通[4]。
通信对象和干扰源目标的方向往往是不同的,干扰信号和期望信号来波方向不同是合理的假设[5]。因此,可以在天线端进行抗干扰设计,通过空间分集方式[6]来实现抗干扰,在不改变技术体制的前提下达到提升数据链系统的抗干扰性能的目的。
现有的自适应波束形成技术在实际应用中,需要有针对性地解决期望信号来波方向获取和算法实效性的问题[7]。本文以数据链系统为应用目标,研究空域陷波技术和数据链相对定位技术在数据链系统抗干扰中的综合应用,提出了自适应空域分集提升常规通信波形的抗干扰能力的方法。
应用本文方法能使天线阵列的波束在期望信号方向上形成主瓣,在干扰信号方向上产生零陷,从而达到抑制干扰来波的目的。该方法在天线端对干扰信号进行压制,提升接收信干比。基于数据链抗干扰评估的功率准则,可以达到提升数据链抗干扰性能的目的。在不需要获得先验的干扰信号来波方向的前提下,基于通信方向自主计算出干扰方向并进行实时调整;同时,针对通信数据链系统对时延的高要求,对实现算法进行了改进优化设计,使算法具备快速收敛能力,满足数据链通信高实时性的要求;并在实验室环境下,以软件无线电平台为基础,模拟外军数据链系统并结合天线阵布局进行了波形的仿真和实验验证,验证了本文方法的正确性和可行性。
1 系统模型与基本原理在外军典型的抗干扰通信中,可能是一个由几架飞机组成的飞行编队在任务区域内巡航,编队内节点间进行数据链通信,干扰信号会影响其功率覆盖范围内的通信节点。编队内通信对象和干扰源方向完全一致的可能性较低[8],本文假设期望信号和干扰信号来自不同的方向,如图 1所示。
本文旨在利用自适应波束形成技术调整天线阵的方向图在期望信号和干扰信号方向上获得不同的天线增益,达到对干扰信号进行抑制的目的,解决数据链系统中期望信号方向获取和权值优化的问题。分析外军数据链系统,可知其具有实时、组网、格式化消息交互的特征。数据链系统为基于数据链的通信对象的定位提供了技术基础,可以利用基于数据链的相对导航手段来获取通信对象的位置信息。假设空中有两架飞机飞行,这两架飞机之间互相数据链通信交换各自的绝对导航数据(例如:经度、纬度、高度、速度和航向)来实现相对定位[9],也可以通过利用到达时间(Time Of Arrival, TOA)测量信息和到达方向(Direction Of Arrival, DOA)测量信息实现相对定位。数据链网内每架飞机可通过该原理计算出自己相对另一架飞机的相对位置,还能将估计值与观测值进行比较,计算出定位误差,不断修正定位结果[10]。因此,本文认为在数据链系统中掌握通信对象的来波方向是可能的。
空域自适应抗干扰可以看成空域滤波模型优化。基本思想是利用天线阵方向函数乘积定理来实现方向图的控制。输入向量为:X(t)=[x1(t), x2(t), …, xn(t)],其中:n为天线阵的天线数量,xk(t)是t时刻第k号天线接收到的有用信号和噪声。天线阵列的输出向量是
空域自适应干扰抑制的重点在于综合应用数据链定位功能和波束形成方法,最优化天线阵权向量w的值,使天线阵列的波束在期望信号方向上形成主瓣,而在干扰信号方向上产生零陷,从而抑制干扰来波,达到有用信号选择性接收的目的。
2 空域自适应干扰抑制方法本文提出的空域自适应干扰抑制方法是自适应波束形成理论在数据链系统抗干扰领域的应用,其目标系统由发射端、接收端和干扰源组成。发射端配置的是全向天线,而接收端配置的是天线阵。假设发射端和接收端之间建立了某种数据链通信,接收端数据链系统获取通信对象的位置信息并解算出期望信号的来波方向。
根据前述对多天线阵信号处理的输入输出信号分析
$\begin{array}{l} P = \frac{1}{2}{\mathop{\rm E}\nolimits} \left\{ {{{\left| {\mathit{\boldsymbol{y}}{\rm{(}}t{\rm{)}}} \right|}^{\rm{2}}}} \right\} = \frac{1}{2}{\mathop{\rm E}\nolimits} \left\{ {{{\left| {{\mathit{\boldsymbol{w}}^{\rm{H}}}\mathit{\boldsymbol{X}}{\rm{(}}t{\rm{)}}} \right|}^{\rm{2}}}} \right\} = \\ \quad \quad \frac{{\rm{1}}}{{\rm{2}}}{\mathop{\rm E}\nolimits} \left\{ {{\mathit{\boldsymbol{w}}^{\rm{H}}}\mathit{\boldsymbol{X}}{\rm{(}}t{\rm{)}}{\mathit{\boldsymbol{X}}^{\rm{H}}}{\rm{(}}t{\rm{)}}\mathit{\boldsymbol{w}}} \right\} \end{array}$ |
输出功率可以与输入信号自相关函数和权向量形成函数关系:P=wHRxxw/2,Rxx是包括期望信号、干扰和噪声的输入信号的自相关函数。假设q个窄带信号入射到阵元数为n的天线阵上, 入射角方向分别为θ1, θ2, …, θn。对阵列接收数据进行采样,则数字域的第k次采样数据表示为:
$x(k) = \sum\limits_{i = 1}^n {{S_i}(k)\mathit{\boldsymbol{a}}({\theta _i})} + N(k){\rm{;}}\quad k = {\rm{1,2,}} \cdots {\rm{,}}n$ |
式中:Si(k)是第i个接收信号的复包络, 假设S1(k)为期望信号, S2(k), S3(k), …, Sn(k)为干扰; N(k)为阵列的接收噪声矢量; a(θi)为入射角为θi的信号的导向矢量。当期望信号、干扰和噪声互不相关时,接收数据的相关矩阵的理论表达式为:
$\begin{array}{l} {\mathit{\boldsymbol{R}}_{xx}} = \sigma _{\rm{1}}^{\rm{2}}\mathit{\boldsymbol{a}}{\rm{(}}{\theta _{\rm{1}}}{\rm{)}}{\mathit{\boldsymbol{a}}^{\rm{H}}}{\rm{(}}{\theta _{\rm{1}}}{\rm{) + }}\sum\limits_{i = 2}^q {\sigma _{\mathop{\rm i}\nolimits} ^{\rm{2}}\mathit{\boldsymbol{a}}{\rm{(}}{\theta _i}{\rm{)}}{\mathit{\boldsymbol{a}}^{\rm{H}}}{\rm{(}}{\theta _i}{\rm{)}}} {\rm{ + }}{\mathit{\boldsymbol{R}}_{NN}} = \\ \quad \quad \quad {\mathit{\boldsymbol{R}}_{SS}} + {\mathit{\boldsymbol{R}}_{ii}} + {\mathit{\boldsymbol{R}}_{NN}} \end{array}$ |
空域自适应干扰抑制方法基于期望信号的来波方向和多个天线阵源的信号求出最优化的天线阵权值向量,并为信号加权,形成抑制干扰的信号。多天线的干扰抑制方法可以看成是基于特定准则算法[11]的自适应波束成型系统。天线阵波束形成算法的一般目的是选择合适的权重使得干扰和噪声对输出的影响最小,而保持期望信号的贡献。因此,波束形成器的权值向量w的最优化的问题可以表示为约束优化问题(Constrained Optimization Problems, COPs)。其数学模型表达如下:
$\left\{ {\begin{array}{*{20}{l}} {{\rm{min}}\;{P_{out}}}\\ {\mathit{\boldsymbol{a}}{{{\rm{(}}{\theta _{\rm{1}}}{\rm{)}}}^{\rm{H}}}\mathit{\boldsymbol{w}}{\rm{ = }}f} \end{array}} \right.$ |
其中:Pout是目标函数,表示系统的输出功率;a(θ1)Hw是定值约束条件,表示对期望信号的增益。本文选择使用了线性约束最小方差准则来对通信数据链系统的多波束天线进行赋形。本文考虑将等式约束条件f设为1,既期望信号不会受到衰减而是无失真地通过天线阵。利用拉格朗日乘子法求最优解wopt =-R-1aλ,λ =-[aHR-1a]-1f。最小方差无失真响应约束条件下可得:wopt=Rxx-1a(aHRxx-1a)-1。
wopt的求解依赖于天线阵中多路信号的自相关矩阵求逆[12]。由于协方差矩阵Rxx是正定Hennitian矩阵,其各阶主子矩阵均为非奇异的Hennitian矩阵,因此在本文方法中使用了Hennitian矩阵求逆引理实现协方差矩阵的递推求逆。
根据Hennitian矩阵求逆引理导出的逆阵递推求解算法如下:
步骤1 输入矩阵Rm+1初值。
步骤2 对于i=0, 1, 2, …, m,循环迭代求解Ri+1子阵的逆阵。
1) 对目标矩阵进行分块,选取出i+1阶子阵
2) 由上一循环求得的i阶子阵的逆阵Ri-1。根据公式
在目标系统中将天线方向图优化和数据链相对定位结合空域自适应干扰抑制方法的工作流程如图 2所示。
首先,从数据链系统中获取通信目标的定位信息,计算出有用信号的来波方向的方向向量a(θ);以天线阵元的采样信号生成互相关矩阵Rxx并递推求逆,构造wopt形成当前时刻的方向图。整个流程是在数据链系统中按照一定周期循环运行,用于及时更新通信方向和干扰方向的变化。
3 系统仿真与分析为了验证本文所提方法的正确性和可行性,基于某软件无线电硬件平台仿真模拟了外军数据链系统,并模拟构建了一个由干扰源、对通平台组成的场景,仿真实验环境由发射端、接收端和干扰端组成。发射端为全向单天线,在接收端构建一个四元天线阵,阵元之间距离可调。发射端发射的期望信号和模拟干扰源发射的干扰信号,由接收端天线阵面各阵元接收信号并馈入信道,在软件无线电平台的通用处理资源上完成抗干扰处理,并在仿真实验环境中利用频谱仪等仪器监测输出功率。
因为数据链系统一个具备通信、指控、导航等多种功能的综合系统,数据链网络中的成员间的相对定位能力是其重要的能力组成,在时间严格统一系统中,基于时标信息的来波方向、达到时间和到达角度计算技术已经较为成熟。因此在本文仿真中假设期望信号的来波方向是系统给定的,以期望信号方向和天线阵接收信号集合为输入。
3.1 硬件仿真平台该软件无线电硬件平台具备4路射频信号的并行处理能力,采用DSP+FPGA+通用处理器的数字处理资源架构实现数字域的计算处理。本文所提方法在可编程门阵列(Field Programmable Gate Array, FPGA)和数字信号处理器(Digital Signal Processor, DSP)上部署实现, 如图 3所示。因为矩阵直接求逆复杂度高运算量大, 本文利用相关矩阵为Hermitian矩阵的特性,对同一段采样数据的相关矩阵,进行矩阵求逆的迭代运算,在TMS320C64xx的DSP器件开发验证,权值收敛时间降为微秒级,保证了处理的实时性。
本文所提系统中天线阵采用如下形式:第一个阵元位于原点,其余三个阵元位于方位角φ分别为0°、120°和240°的半径为a的圆环上。天线阵设计如图 4所示。
该天线阵布局的优点在于:天线阵列所占空间小,“波束方向”和“零限方向”可全方向操纵,在任意方向上天线口径相同并不易产生测向模糊。这样的阵列也可以看作是一个均匀圆阵,可以用圆阵的矢量分析方法来进行分析。在本文仿真系统中,期望信号和干扰信号由四元天线阵接收,并经由独立的四个信道进行预处理,得到独立的四路叠加了干扰的基带信号,经过线性约束最小方差准则(Linearly Constraint Minimum Variance, LCMV)准则下的加权合并,滤除了干扰,获得了通信的基带信号。
3.2 仿真结果图 5描述了在没有干扰信号的情况下,不同的天线形式误码率(Bit Error Rate, BER)值随Eb/N0值的变化关系,其中Eb/N0是每比特信号能量与噪声功率谱之比,用于表征信号质量。可见,相对于传统单天线,四元天线阵能获得更好的天线增益。这部分增益由来自于天线阵获得的分集增益。
图 6是四元天线阵自适应权向量收敛后形成的天线方向图。模拟干扰信号和期望信号,且干扰信号和期望信号方向不同,干扰信号的方向是(-55°,22°)而期望目标信号的方向是(72°,33°)。在期望信号和干扰信号共存的环境下,本文方法形成天线方向图显示在干扰信号的来波方向(-55°,22°)形成了-20 dB以上的抑制,同时在期望信号的来波方向(72°,33°)维持了+15 dB左右的天线增益。
天线阵自适应形成的在通信方向和干扰方向的增益差为系统的干扰抑制比,反映系统的抗干扰能力。表 1给出了干扰抑制比和信噪比(Signal to Noise Ratio, SNR)的关系。从仿真结果来看抑制比均值在40 dB以上,并且SNR越高抑制比越好,抑制比方差稳定在5.5 dB。由表 1可以看出,结合本文方法的四天线阵对干扰信号的抑制较好。
在软件无线电平台上模拟外军数据链通信波形验证系统指标,测试在一定信干比条件下系统在不同信噪比下的误码性能。波形采用调制方式是二进制相移键控(Binary Phase Shift Keying, BPSK),通信数据帧长度设置为30 B。
图 7~8对比了不同干扰条件下,本文方法和传统频域抗干扰方法的效果。频域抗干扰系统仿真采用随机慢跳频模式,跳频频点个数设定为50。图 7给出了在有干扰信号条件下,单天线系统、传统频域抗干扰系统和本文提出的基于天线阵的抗干扰系统的误码率性能随SNR的变化趋势。选取信干比(Signal-to-Jamming Ratio, SJR)为-50 dB。从图 7可以看出,本文方法的误码率性能随SNR增加而明显下降,表明本文方法的性能要优于传统的频域抗干扰技术,具备较强的干扰抑制能力。
图 8给出了本文系统和不同跳频点数的频域抗干扰系统在干扰条件下干扰抑制增益和信干比之间的关系。设定SNR=10 dB。由图 8可以看出,传统频域抗干扰系统的抗干扰增益由跳频点数决定且增益在30 dB以内;采用本文方法的系统的抗干扰能力由自适应天线方向图提供,随着干扰功率的增加,SJR降低,天线方向图零陷点越深,使强干扰源电平降低到热噪声的水平,可以认为其抗干扰能力随着干扰信号变强而增加,且比传统频域抗干扰方法具有更好的效果。
本文方法是一种独立于数据链传输波形的系统抗干扰方法,表 2分析了系统对于不同波长信号的适用性。选取在SJR=-0 dB的条件下进行实验,通过r/λ表示阵元间隔r和信号波形λ之间的关系。实验结果表明, 在r/λ小于0.5也就是入射信号的波长大于2r时,系统抗干扰性能会降低;对于高频段波形,波长λ较小,系统干扰抑制性能稳定。其原因是每个阵元接收到的干扰信号和有用信号相关性更强会影响算法的干扰抑制能力。因此,在实际应用时需要根据波形工作的频段来设计天线阵的布局。
本文以多天线阵自适应波束形成技术为理论基础,将数据链系统的抗干扰手段从传统的时频域拓展到空域,提出一种可应用于数据链通信系统的空域陷波抗干扰抑制的实现方法。本文提出的干扰抑制算法不需要更改数据链波形,只需数据链系统提供其通信的大致方向,就可独立自适应完成天线阵的方向图调整,实现干扰的空域抑制。该方法可以作为一种独立于传输波形设计的抗干扰技术手段,能够在不改变传输波形的前提下,提升通信系统的抗干扰性能,减小了系统实现的难度。
本文方法通过天线增益自适应调整的方式实现干扰信号的抑制,后续可以进一步研究与认知无线电技术相结合,研究在频域和空域相结合的综合抗干扰模式。
[1] | 骆光明, 杨斌, 邱志和, 等. 数据链——信息系统连接武器系统的捷径[M]. 北京: 国防工业出版社, 2008 : 66 -76. ( LUO G M, YANG B, QIU Z H, et al. Data link:the Shortcut of Information System Connecting Weapon System[M]. Beijing: National Defense Industry Press, 2008 : 66 -76. ) |
[2] | 赵国艳, 周林. 天基数据链抗干扰问题研究[J]. 电讯技术, 2013, 53(11): 1412-1416. ( ZHAO G Y, ZHOU L. Study on anti-jamming issues of space-based data link[J]. Telecommunication Engineering, 2013, 53(11): 1412-1416. doi: 10.3969/j.issn.1001-893x.2013.11.003 ) |
[3] | 刘淑慧. 机载认知通信网络架构研究[J]. 电讯技术, 2016, 56(4): 360-364. ( LIU S H. Study on airborne cognitive communication networks architecture[J]. Telecommunication Engineering, 2016, 56(4): 360-364. ) |
[4] | 陈强, 陈长兴, 陈婷, 等. 数据链通信系统仿真实现与抗干扰分析[J]. 计算机仿真, 2015, 32(9): 199-204. ( CHEN Q, CHEN C X, CHEN T, et al. Simulation of data link communication system and analysis of anti-jamming[J]. Computer Simulation, 2015, 32(9): 199-204. ) |
[5] | 曹劲, 彭笠. 利用机体遮挡实现机载抗干扰通信[J]. 电讯技术, 2014, 54(9): 1200-1203. ( CAO J, PENG L. Airborne anti-jamming communication by airframe antenna shading[J]. Telecommunication Engineering, 2014, 54(9): 1200-1203. ) |
[6] | 周宪英, 乔铁英. 基于APC技术的空间分集MIMO雷达目标检测[J]. 信息技术, 2015(6): 177-181. ( ZHOU X Y, QIAO T Y. Spatial diversity MIMO radar detection based on adaptive pulse compression[J]. Information Technology, 2015(6): 177-181. ) |
[7] | 何梅昕, 束坤. 改进的LCMV算法在多波束形成中的应用[J]. 现代电子技术, 2014, 37(17): 23-25. ( HE M X, SHU K. Application of improved LCMV algorithm in multi-beam forming[J]. Modern Electronics Technique, 2014, 37(17): 23-25. doi: 10.3969/j.issn.1004-373X.2014.17.007 ) |
[8] | 丁鲲, 吴志建. 对"全球鹰"无人机通信网干扰作战仿真实验研究[J]. 航天电子对抗, 2015, 31(5): 5-8. ( DING K, WU Z J. Jamming operation to Global Hawk unmanned aerial vehicle communication network based on operational simulation experiment[J]. Aerospace Electronic Warfare, 2015, 31(5): 5-8. ) |
[9] | 赵小华, 曹勇, 乔凤卫. 航空导航技术的发展方向[J]. 火力与指挥控制, 2013, 38(6): 6-7. ( ZHAO X H, CAO Y, JIAO F W. Development of aero navigation technology[J]. Fire Control & Command Control, 2013, 38(6): 6-7. ) |
[10] | 殷璐, 金芳. JTIDS战术数据链相对导航效能分析[J]. 通信对抗, 2010(3): 24-28. ( YIN L, JIN F. Performance analysis of relative navigation based on JTIDS tactical data link[J]. Communication Countermeasures, 2010(3): 24-28. ) |
[11] | 邓欣, 廖桂生, 刘宏清. 递归的稳健LCMV波束形成算法[J]. 系统工程与电子技术, 2007, 2(3): 449-452. ( DENG X, LIAO G S, LIU H Q. Recursive robust LCMV beamforming algorithm[J]. System Engineering and Electronics, 2007, 2(3): 449-452. ) |
[12] | GU Y J, LESHEM A. Robust adaptive beamforming based on interference covariance matrix reconstruction and steering vector estimation[J]. IEEE Transactions on Signal Processing, 2012, 60(7): 3881-3885. doi: 10.1109/TSP.2012.2194289 |