宽带信道（精选4篇）
宽带信道 篇1
0 引言
在现代电子环境中, 信号一般都具有密集化、复杂化的特点, 而且占用的频谱越来越宽, 从而对宽带数字信道化接收机实现高概率接收提出了高的要求。实现全概率信号截获的接收机是非常需要的, 而其关键是实时处理。由于宽带信号接收系统的采样速率很高, 很难直接进行实时处理, 采用多相滤波结构后, 信道化滤波器被分解成多个支路, 每个支路的数据经过抽取后可以降低数据率, 便于实现并行处理。
1 数字信道化原理
所谓的数字滤波器组是指具有一个共同输入, K个输出端的一组滤波器。如果这K个滤波器的功能是把宽带信号s (n) 均匀分成若干个 (K个) 子频带信号输出, 那么就把这种滤波器叫作信道化滤波器。
实现数字信道化的直接方法是设计多个单独的滤波器, 每个滤波器具有特定的中心频率和带宽。从理论上来说, 每个滤波器都可以独立设计, 它们可具有不同的带宽或滤波器特性。这种方法在滤波器组工作时的运算很复杂。
对滤波器组的另一种实现形式就是所谓的低通型实现, 如图1所示, 其结构与模拟信道化相似。图1中, HLP (n) 为原型低通滤波器, 加权系数的作用是把第k个子频带 (信道) 移至基带 (零中频) 。
由于数字信道化接收机的抽取器位于滤波器之后, 故当抽取率D很大或滤波器的阶数比较高时, 图1所示的信道化结构效率将非常低, 利用多相滤波的概念将可以得到上述结构的高效实现。
2 数字信道化设计
2.1 复信号无盲区设计
基于多相滤波器结构的数字信道化方法由图1所示的结构推导而来, 所有运算在抽取以后进行, 因此大大降低了后面数字信号处理的实现难度。
一般多相滤波器在监视整个频段时, 由于相邻信道间往往会存在盲区, 有可能丢失信号, 为了实现无盲区信号接收, 信道划分采用如图2所示。
对于复信号, 均匀信道常见的划分方式有偶型划分和奇型划分2种。在偶型划分中第k个带通滤波器中心频率为ωk=2πk/K, 在奇型划分中第k个带通滤波器中心频率为ωk=2πk/K+π/K。
2.2 实信号无盲区设计
上面的数字模型是针对输入信号x (n) 为复信号时的结果, 但实际系统中接收到的信号大多是实信号, 针对实信号的特点, 无盲区信道划分可采取如图3所示的信道划分方法。这种划分方法只取信道的正边带或负边带, 不损失信息。在这种划分方式下, 第k个信道的频移因子可表示为:ωk=2πk/K+π/ (2K) , k=0, 1, …, K-1。
2.3 非严格抽样设计
大部分文献中, 数字信道化模型数学推导都是假设数字滤波器是理想的, 即滤波器不存在过渡带。然而, 由于实际滤波器过渡带的存在以及不同信道划分方法, 易产生盲区。为了解决这个问题, 设计滤波器时令其过渡带宽度不大于通带宽度, 并且相邻信道的频谱按50%重叠, 使各信道的通带拼接后覆盖整个监视频带同时降低接收机的抽取倍数, 下面推导实信号非严格抽样数字信道化设计数学模型。
第k个信道的输出为:
undefined
若假定N=KL, K为总的子信道数, L为某个整数, 则上式可以用多相形式表示为:
undefined。
若子信道数K与抽取率D的关系可以表示为K=FD, F为某个整数, 则对上式进行D倍抽取有:
undefined。
令 xp (m) =x (mD-p) , hp (m) =hLP (mK+p) 。则上式可以改写为:
undefined
式中, h′p=h (l/F) ;h′p为hLP (n) 的多相支路hp (l) 经F倍内插后的结果。进一步可把上式写成卷积的形式:
undefined。
子信道数K与抽取率D的关系可以表示为K=FD, ωk=2πk/K+π/ (2K) , 代入上式得:
undefined
undefined。
由上式可以获得非严格抽样数字信道化多相滤波结构, 如图4所示。图4所示的数字信道化多相滤波器结构, 为滤波器组的高效实现形式, 根据需要可设定接收机的抽取倍数, 为工程实现具有一定的指导意义。
2.4 仿真
针对实信号无盲区信道划分方式以及非严格抽样信道化设计进行了算法仿真, 仿真条件:8路数字信道化, 4倍抽取, 即F=2, 采样频率Fs=640 MHz, 输入信号为线性调频信号, 带宽B=320 MHz (覆盖范围Fs/2) , 8路信道化输出时域包络图形如图5所示。从图5中可以看出, 8路信道输出通带相连, 实现了无盲区信道划分。
3 虚假信号判断
无盲区信道划分方式虽然可以实现整个频段监视, 但容易产生虚假信号。单信道窄带接收机的设计和有多个窄带信道宽带接收机的设计, 二者有明显的区别。在窄带接收机中, 通过改变本地振荡器的频率可以把信道调谐到滤波器的中心, 一旦信号移到滤波器中心, 瞬态响应的影响将会最小化。在宽带信道化接收机中, 本振的频率和滤波器的频率都是固定的, 信号可能落到滤波器的中央, 也可能位于2个信道之间。此时, 需进行虚假信号判断, 这也是数字信道化设计的一个关键问题。
当信道中存在信号时, 可根据信号的幅度及相位信息进行综合判断。当信号同时处于2个信道时, 相位值会存在2π模糊问题, 这时可增大输出数据速率以消除相位模糊问题。
根据信号的幅度信息可进行信号有无的判决, 但易出现虚假信号。此时结合相位信息特征, 可进行虚假信号的判断。如果信号相位值在[-π/2F, +π/2F]外, 则认为信号为虚假信号, 可根据需要选择是否给予剔除。
如采样频率为320 MHz, 输入信号频率为2*π*fs/2/8*4.1的雷达脉冲信号, 信号经过8倍抽取的8路信道化 (f=1) , 在信道4、5均有输出, 相位统计值分别为1.885 0、-1.256 8, 根据[-π/2F, +π/2F]原则, 可把信道4输出进行剔除, 信道4和信道5输出时域包络图形如图6所示。
4 信道合并
数字信道化后存在的另一个问题是跨信道问题, 这将直接导致某些信号频谱发生改变。同时对于脉冲信号来说, 将影响脉冲宽度等参数测量, 解决办法是信道合并。相邻信道通带相连, 信道合并前如经过一个低通滤波器, 对通带相连处进行3 dB衰减, 之后进行合并, 这样既不损失单个信道的增益, 合并后通带又比较平坦, 特性较优, 如图7所示。
5 硬件实现
通过上述设计仿真很好地解决了系统设计中的多层次开发问题, 能够在统筹总体设计的同时兼顾算法和真实复杂信号状态的系统性能分析, 大大加深了设计的深度和广度, 充分地进行了全数字仿真 。使用Simulink设计工具, 对硬件实现起到很好的指导作用。
设计流程主要有3步:① 原理模型设定。在该设计中根据实际需求以及前面的数学推导模型, 得到数字信道化接收机的原理框图, 为仿真提供理论依据;② 搭建设计Simulink模型。主要完成原理模型向Simulink仿真框图的转变, 通过Simulink仿真, 可对算法以及硬件设计的正确性进行验证, 同时对硬件实现起到指导作用;③ FPGA实现。参考Simulink框图, 实现硬件语言转换。
6 结束语
为实现无盲区全频段监测, 该文采用了无盲区信道划分方式, 同时针对实信号非严格抽样模式进行了严密的数学推导, 解决了虚假信号检测以及信号跨信道问题, 对工程设计具有一定的指导意义。
参考文献
[1]TSUI J.宽带数字接收机[M].北京:电子工业出版社, 2002.
[2]ZAHIRNIAK D R, SHARPIND L, FIELDS T W.A Hardware-Efficient, Multirate, Digital Channelized Reciver Architecture[J].IEEE Transactions on Aerospace and Electronic Systems, 1998, 34 (1) :137-149.
[3]FIELDS T W, SHARPIN D L, TSUI J B.Digital Channelized IFMReceiver[J].IEEE MTT-S Digest, 1994 (5) :1667-1670.
[4]杨小牛, 楼才义, 徐建良.软件无线电原理与应用[M].北京:电子工业出版社, 2001.
[5]杨书玲, 王玉林, 赵研.宽带数字信道化EDA设计[J].无线电工程, 2007, 37 (6) :23-25.
宽带短波信道建模方法研究 篇2
短波通信是指利用波长为100～10m的电磁波所进行的无线电通信。短波通信由于其通信距离远, 易于实现, 适合在移动状态的车、船、飞机等平台上工作, 被广泛应用于政府、外交、气象、商业等部门, 同时也是军事通信的重要组成部分。虽然自20世纪60年代以来, 卫星通信的出现使得短波通信遭到一定的冷落, 但是, 随着近年来短波电波传输、电离层特性和信道特性的研究, 自适应选频、自适应均衡及自适应速率控制等技术取得的一系列成果, 使短波通信在克服多径衰落, 改善通信质量, 提高系统有效性和可靠性上取得了突破性进步, 短波通信进入了高质量传输信息的新阶段[1]。
信道是信息传输的媒介, 信道特性的优劣会对信号传输的质量产生根本的影响, 对于高速短波通信系统而言尤其如此。因此, 建立准确而可靠的宽带短波信道模型是高速短波通信系统设计的理论基础和关键。
对于短波宽带信道并没有严格的定义, 根据目前掌握的资料, 宽带短波信号的设计带宽为1MHz, 因此该信道为频率选择性信道。本文对目前国内外宽带短波信道建模方法进行了分析和总结, 为宽带高速短波通信系统设计提供了理论支持。
1 Watterson信道模型
Watterson模型是由C.C.Watterson等人在1969年提出的, 是一种典型的高斯散射模型[2]。该模型比较全面地考虑了短波信道的多径时延、瑞利衰落以及多普勒效应等特性, 因而在大多数情况下能够较好地反映短波信道的特性, 且具有较低的复杂度, 因而被CCIR推荐并广泛使用。目前的宽带短波信道模型均是对该模型进行改进而得到的。
需要说明的是, Watterson信道模型的带宽不超过12k Hz。该模型成立的基础是下面三个基本假设:
(1) 抽头增益函数iG (t) 是复高斯过程, 其幅度服从瑞利分布, 相位服从均匀分布;
(2) 抽头增益函数iG (t) 在统计上是相互独立的。
(3) 多普勒扩展频率的功率谱密度满足统计高斯分布, 每个抽头增益函数iG (t) 的实部和虚部分别是两个相互独立的高斯分布, 每个抽头增益函数的功率谱也服从高斯分布。
Watterson模型由均匀抽头延迟线, 多路随机噪声产生器, 抽头调制器、信号相加器等组成, 其基本结构如图1所示。
如图1所示, 模型中输入信号S (t) 经不同的时延后, 分别在m个抽头处输出, 模拟的多波信道的多径传输信号, 每个抽头信号再由一个复抽头增益Gi (t) 调制, 各路已调信号在输出端与加性噪声相加, 得到输出信号r (t) 。噪声输入信号产生的是多路相互独立的高斯噪声, 抽头延迟线主要用来模拟振幅服从Rayleigh分布、相位服从均匀分布的输出合成信号。用m表示短波信道的多径数目, 一般有m≤8, 则输出信号r (t) 可以表示为
式中, ci (t) 是第i条路径的信号幅度, τi是第i条路径的相对时延, fDi是第i条路径的多普勒频移。
在此基础上, 可以得到短波信道的时变传输函数:
其中, 抽头增益函数iG (t) 是复高斯过程, 其幅度服从瑞利分布, 可表示为:
式中, Gia (t) 和Gib (t) 是两个幅度服从瑞利分布, 相位服从均匀分布的随机过程, 且二者都具有相互独立的虚部和实部, 抽头增益函数可以表示为
实部和虚部的联合概率密度可表示为
Cia (0) 是Gia (t) 的自相关函数值Gia (∆t) 在∆t0=时的值。
Watterson模型虽然被CCIR推荐并得到了广泛使用, 但该模型也有一些局限, 主要体现在三个方面:
(1) Watterson模型是一个静态的窄带模型, 有效带宽不超过12k Hz, 只满足10分钟内短波信道实测数据;
(2) Watterson模型中没有对延迟功率谱进行建模, 其中的多普勒频移也不能随时间延迟值而变化。
(3) 多普勒频谱扩展的高斯功率谱形状并不能适用于所有的高频电离层传播模式。
Watterson模型的上述局限使得其只适合于低数据传输速率的场合, 在更高速率或带宽的短波通信系统设计中, 需要使用新的信道模型。
2 几种宽带短波信道建模的方法
目前, 宽带短波信道建模的方法主要可以分为两类, 一类是统计建模方法, 一类是确定性建模方法。下面对各种方法进行详细说明。
2.1 子带并行——宽带窄带化模型
1977年, Van der Perre L等人采用多路DSP并行处理的方式实现了对宽带短波信道的模拟[3]。该模型是对Watterson模型的扩展, 在该模型中, 宽带信号被分解成频域上的若干子频段, 子频段的带宽小于信道的相干带宽。其基本原理图如图2所示。
在仿真系统中, 输入信号经过模数转换变换为数字信号后, 首先经过分解滤波器, 将宽带信号划分为M个子带信号。然后, 各个子带信号分别经过M倍抽取, 使信号采样率降低, 以方便后续的低速处理。各子带信号经过分别处理之后, 经过M倍插值, 利用合成滤波器对各子带数字信号进行合并处理, 最后经数模转换后输出。其中, 每个子带系统的原理图如图3所示。
图中, Ai (f, t) 表示路径增益, τi (f, t) 表示时间延迟。每个子带系统不同于Watterson模型, 其每支路信号经历可变的增益和延迟, 因而适用范围更广, 可仿真典型和恶劣的情形, 并易于调整。子带并行一宽带窄带化模型的信号带宽最高可达1MHz, 但在模拟过程中, 需要大量的实测参数, 同时实现复杂度高, 因此, 用于计算机仿真时存在计算时间长、实时性差的缺点。在实际应用中, 当用该模型处理带宽高达1MHz的信号时, 计算量很大, 必须采用多个处理器, 以并行处理的方式来执行所需要的复杂计算。
2.2 后接群延迟特性滤波器的Watterson改进模型
Milson在2000年提出在Watterson模型后接一个抛物线相位相应、平坦幅度响应的群延迟滤波器模型来模拟信道的群延迟特性, 改进Watterson模型的不足[4]。其原理图如图4所示。
该模型适用于直接序列扩频通信 (DSSS) , NVIS传输模式。该种建模方法认为宽带信道内的频率分量是相关的, 但实际情况是相隔几赫兹的频率分量将经历相互独立的衰落, 因而该方法具有一定的局限性。
2.3 后接高斯随机延迟的Watterson改进模型
Lacaze在1999年首次提出后接高斯随机延迟的Watterson改进模型[5]。该模型假设由于电离层的影响, 每条传输路径上的传输延迟服从高斯分布。该模型的原理框图如图5所示。
当发射信号为频率ω0的正弦波时, 该模型的输出信号可以表示为:
其中, bk为第k支路传输的能量, αk为第k支路的平均时延, Ak (t) 为第k支路的随机延迟, 服从高斯分布, w′k为第k支路的多普勒频移, 多径路数n一般取6。
该模型实现系统比较简单。但该模型假设每条径的时延变化服从高斯分布, 且能量不变, 这样的假设没有得到实测的验证, 因而该模型没有得到广泛的认可。
2.4 Vogle信道模型
该模型由Vogler和Hoffmeyer在首先提出, 其基本思路是根据Wanger等人的实验数据推导出信道传递函数、脉冲响应以及散射函数, 从而得到宽带短波信道的数学模型[6]。
该模型中, 信道的输出信号表达式为:
其中, 是输入信号的频响, 是信道的传递函数, fc是载波频率, f是基带信号频率, 且有, τ为由传输距离和电离层的色散特性引起的时延, n表示特殊的多径模式。传递函数的非随机解析表达式为:
2.5 ITS信道模型
1997年, 美国电信协会 (ITS) 的Mastrangelo等人在Vogler模型的基础上推出的又一个被广泛推荐的参考模型[7], 被称为ITS模型, 它适合于宽带和窄带两种情况。但是ITS模型并没有象Watterson短波信道模型那样被ITU推荐为标准模型, 因为尚有很多关键的问题没有得到很好的解决。
ITS模型的信道冲击响应为:
其中, hpn (t, τ) 为第n条传播路径的脉冲响应, 多径传播路数为N, pn (τ) 表示第n条路径的延迟功率谱分布, 对于宽带短波信道, 其传输模型延迟功率谱分布为Gamma分布, np (τ) 可以表示为
∆为宽度控制量, τc控制延迟偏移量, α控制分布的对称性。Dn (t, τ) 是第n条子路径的确定性相位函数, 其表达式为:
式中, fs是时间延迟τ=τc时多普勒频移的值, b (f=s-fsL) / (τc-τL) 是τL<τ<τc时多普勒频移随时间延迟τ的变化率, fsL是多普勒频移在τ=τL处的值。
Ψn (t, τ) 是第n条路径的随机调制函数, 该函数由大量时间序列的随机复数构成, 主要用来描述了短波信道中的多普勒扩展的瑞利衰落过程。在仿真中, 随机调制函数是由复高斯
噪声通过高斯型窄带滤波器而产生的复随机时间序列来实现的。
3 宽带短波信道建模方法性能分析
上述的目前五种宽带短波信道建模方法中, 前三种都是以Watterson模型为基础, 对其进行一些改进, 以使之适应宽带通信系统的要求。后两种模型是基于统计建模思想, 可以看做是一个广义的Watterson模型。
子带并行方法是针对宽带短波信道仿真器的实际设计需求提出的, 其本质上可以看做是一种硬件实现方案。该方法首先利用分解滤波器使将输入信号分解为若干个子带, 每个子带的带宽小于相干带宽, 这也就使得不同子带的衰落不具有相关性。在实际模拟过程中, 由于需要事先存储信道的具体参数, 因而增加系统的空间复杂度, 同时, 需要多个子带并行计算机同时计算, 这也增加了仿真时的计算量。
后接群延迟滤波器的Watterson改进模型主要应用于直接序列扩频通信和NVIS传输模式中。这种方法认为频带内频率分量是相关的, 而实际工程中, 相隔几kHz的频率分量将不具有相关性, 因而这种方法具有一定的局限性。
后接高斯随机延迟的Watterson改进模型假设每条径的时延变化服从高斯分布, 而且能量不变, 但这样的假设没有得到实测的验证, 虽然该模型实现较简单, 但并没有得到广泛的认可。
Vogler模型和ITS模型是均是基于统计建模思想, 后者是前者的一个发展, 但是没有根本的改变。二者是属于美国NRL和ITS经过长期研究和测试的得到的抽象数学模型, 从理论上讲可以看成是广义Watterson模型。不同之处在于, Watterson模型把每个传播模式看成一个抽头, 并且乘上一个衰减因子, 而ITS模型的每一个模式由多个抽头延迟线组成, 每一个延迟线经历独立的衰落, 其权重按照功率延迟线的幅度分配。
从工程实现的角度来看, ITS模型很好地体现了模式内的功率延迟分配情况, 提高了模内分辨率, 进一步也提高了信道仿真建模的准确性。从实测来看, 这个模型很好的体现了信道特征, 因而是目前应用最广泛的宽带短波信道模型。
4 结论
本文总结了国际上流行的几种宽带短波信道的建模方法, 分析了其适用范围、建模思想、实现复杂度和存在的问题, 并根据宽带短波信道的研究现状, 指出了ITS宽带短波信道模型能够较好地体现宽带短波信道的特征, 且准确度高于其他模型, 并具有较高的可实现性。该结论对于宽带短波信道建模的研究具有重要的指导意义。
参考文献
[1]沈琪琪, 朱德生.短波通信[M].西安, 西安电子科技大学出版社, 2001, 1
[2] C.C.Watterson.Experimental confirmation of an HFchannel model[J], IEEE Trans.Commun.Technol., 1970, 12:792-803
[3] L.Van der Perre, A.Van der capelle.Implementation of anextend simulation for the channel on a multi-DSP board[C].Seventh international conference on HF radio systems andtechniques, 1997:373-377
[4] Milson J D.Wideband channel characteristics and shortspread-spectrum link[C].Eighth international conferenceon HF radio systems and techniques, 2000, 474:305-309
[5] Bernard Lacaze.Modelling the HF channel with gaussianrandom delays[J].Signal processing, 1998, 64:215-220
[6] Vogler L E, Hoffmeyer J A.A model for wideband HFpropagation channels[J].Radio Sci., 1993, 28 (6) :1131-1142
宽带信道 篇3
为保证无人机无线电作用距离, 地面控制站通常配置于较为空旷、四周近距无高大建筑、山体或树林的地形, 依据无人机应用背景可以得出:① 散射体主要分布在以地面控制站为中心的一定距离范围内;② 根据地面粗糙程度的“瑞利准则”, 信道成分中除了直视和散射分量外, 镜面反射分量也是存在的。文献[1]指出3D空间电磁波不仅仅是水平传播的, 测试结果表明同时考虑了方位角和俯仰角后, 信道模型更为准确, 文献[2,3]针对散射体集中在接收端周围, 建立了散射体位于圆柱上非频率选择性的信道模型, 而文献[4]中的测量结果也与相应的圆柱模型相吻合。但这些模型在引入俯仰角的扩展后, 却忽略了方位角的扩展, 这对频率选择性信道是不适合的。
根据无人机应用背景和地面控制站环境特点, 假设散射体分布在以地面控制站为圆心的圆筒上, 接收端方位角非全向散射和俯仰角的非分对称分布, 建立了其SISO宽带信道模型, 并得出了其简化的闭环相关函数。
1 3D-GBCSM传播模型
1.1 模型参数描述
假定无人机和地面控制站都采用单一的全向天线, 地面控制站处于一个半径为R (m) , 高度为HC (m) 的3D圆筒散射环境。如图1和图2所示, 定义地面控制站接收天线OG为3D圆筒散射体的切面圆心, x-y平面包含了3D圆筒散射体以OG为圆心的切面圆;定义无人机发射天线OU为发射坐标系中心, OU在x-y平面的投影为O′, 连接O′-OG作为x轴, 连接O-OU作为z轴。OU-xUyUzU、OG-xGyGzG和O′-xyz都有相同的平行属性。设无人机飞行高度为HU (m) , 水平距离为D (m) , 地面控制站高度为HG m;无人机在空中会有多种飞行动作, 速度vU为空间矢量, 其单位矢量为vU=[cosφvUcosθvU, cosφvUsinθvU, sinφvU]T, 其中φvU和θvU分别表示速度俯仰角和方位角;考虑地面控制站有一定战术移动速度vG, 其单位矢量为vG=[cosθvG, sinθvG, 0]T, θVG为速度方位角。
下行通信链路的基带输入输出关系可表示为:
undefined。 (1)
式中, ⨂表示线性卷积;undefined为发射信号;r (t) 为接收信号;n (t) 为加性高斯白噪声;h (t, τ) 为时间-时延扩展信道函数。
地空无人机信道在一般情况下, 下行时间-时延信道undefined是由直射、反射和散射分量线性叠加而成, 为分析方便, 对undefined在时延域进行傅里叶变换, 得到信道时间-频率信道转移函数可写为:
undefined。 (2)
无人机下行信道中的直射、反射和散射分量的时间-频率信道转移函数分别表示为:
undefined
式中, τLOS、τSPE和τl分别为直射、反射和散射分量的路径时延;ηLOS、ηSPE和ηDIF分别为直射、反射和散射分量在总的接收功率中所占的比例因子;aLOS、aSPE、aDIF分别为直射、反射和散射分量的路径损耗;undefined、undefined、undefined分别为直射、反射和散射分量由于传播路径、无人机发射端和地面控制接收端运动产生的多普勒频移等所致的相位偏移;gl表示由于第l个散射体引起的随机增益;L为散射体数量。
1.2 直射与反射分量传播模型
直射和镜面反射分量是在同一铅垂面上, 在水平面上的投影是重合的, 一般来说, 有直射分量时才可能有镜面反射分量。
设直射分量电磁波离开无人机的俯仰角和方位角分别为φU, LOS、θU, LOS, 到达地面控制站俯仰角和方位角分别为φG, LOS、θG, LOS, 则,
undefined离开和到达方向可表示为:
undefined
直射分量视距距离dLOS和时延τLOS分别为undefined, 其中c为电磁波传输速度;undefined可以表示为:
undefined。 (5)
式中, undefined为自由空间波数;λ为电磁波波长;undefined和undefined分别为无人机和地面控制站的最大多普勒频移。
设定反射分量电磁波离开俯仰角和方位角分别为φU, SPE、θU, SPE, 到达俯仰角和方位角分别为φG, SPE、θG, SPE, 则,
θU, SPE=θG, SPE-π, φU, SPE=φG, SPE, φG, SPE=-arctan ( (HU+HG) /D) , 离开和到达方向可表示为:
镜面反射分量传播路径dSPE由无人机到地面反射点dOU, A和地面反射点到地面控制站dA, OG两段组成, 根据镜面法则有:
undefined。 (7)
其路径时延undefined表示为:
undefined。 (8)
1.3 散射分量传播模型
如图2所示, 假设有L个散射体分布圆筒表面, sl表示第l个散射体。由于散射体主要分布于天线相对较低的一端周围, 所以认为接收端为单跳模型;如果空间中的电磁波经历同一散射体到达接收端时, 经过散射体的反射、折射和绕射的信号具有不可区分的相对时延, 所以假设同一散射体sl引入的随机增益gl、相位ϕl和时延τl均相同。
设散射分量电磁波离开俯仰角和方位角分别为φU, l和θU, l, 经过散射体sl的作用, 到达俯仰角和方位角分别为φG, l和θG, l, 在ΔO′s′lOG中, 依据余弦定理有:
undefined。 (9)
利用正弦定理有:
undefined。 (10)
根据ΔOUOsl和Δsls′lOG有:
undefined。 (11)
其离开方向和到达方向可以表示为:
undefined
散射分量电磁波到地面控制站的传播路径dDIF由无人机到散射体dOU, sl和散射体到地面控制站dsl, OG两段组成, 分别为:
undefined
其路径时延undefined可以表示为:
undefined。 (14)
2 3D时频互相关函数
当L→∞时, 散射分量undefined为零均值复高斯随机过程, 无人机下行信道的包络undefined服从Rice分布。Rice衰落信道相关函数定义为undefined, 无人机信道的时频相关函数可表示为:
undefined
为方便分析相关函数, 依据信道常用统计特性和无人机实际运用特点, 对本模型做如下限定:
假定1:根据无人机飞行情况及地面控制站环境特点, 无人机水平飞行距离D, 地面控制站散射体的半径R, 地面控制站高度HG, 无人机飞行高度HU, 有如下关系:
D>>RHC>>HG, HU>>HC。 (16)
所致方位角度扩展undefined很小, 有
sinθU, l=ΔxysinθG, l, cosθU, l≈1。 (17)
根据Taylor级数展开有:
undefined。 (18)
所致俯仰角度扩展也很小, 有
undefined。 (19)
式中, Δxy=R/D表示方位角度扩展量, undefined表示俯仰角度扩展量。
假定2:一般情况下, 一条路径上电波经过距离d1到达散射体, 再经过距离d2到达接收天线, 则路径损失可以表示为undefined为路径衰落因子;若非经过散射体散射, 而是经过反射体反射, 路径损失可以表示为undefined, 假设天线的发射功率为PT, GU、GG分别表示无人机和地面控制站天线增益, 接收功率为PR, 根据自由空间传播路径损耗公式为:
假定3:相同或相近的散射体所致的一簇多径波是不可分辨的, 所致的随机增益gl和随机相位ϕl是相同的;不同散射体所产生的随机增益gl和随机相位ϕl是独立不相关的, 且同簇多径波所致的随机增益gl与随机相位ϕl也是不相关的。根据实验测量, ϕl是在undefined上服从均匀分布的随机变量, 不同散射体所致的随机相位是不相关的, 当L→∞时, 随机增益gl可进行归一化, 则
undefined;undefined。 (21)
式中, undefined为地面控制站方位角和俯仰角的联合概率密度函数。
假定4:在存有大量散射体的圆筒散射环境中, 地面控制站方位角和俯仰角可认为是不相关的, 有undefined、undefined分别为方位角和俯仰角概率密度函数。
用具有很强灵活性的Von-Mises函数[5]来描述地面控制站方位角概率密度函数, 表示为:
undefined。 (22)
式中, κ为角度扩展因子;θG0为角度扩展均值。
因俯仰角存在非对称性, 这里采用复合函数来描述地面控制站俯仰角概率密度函数为:
式中, m, n为非负整数;0≤φminG≤φmaxG≤π/2;undefined为待定的常数, 该模型中m, n取不同非负整数值, 便可以描述不同的俯仰角分布, 具有很强的灵活性。
假定5:信道是直射、反射或散射分量组合, 归一化比例因子, 有
式中, undefined表示镜面反射系数, 为入射波与其反射波之比;undefined表示直射分量与散射分量的功率值之比, 即Rice因子。
2.1 直射与反射分量时频互相关函数
结合直射和反射分量模型的分析, 结合假定2和假定5, 其相关函数分别为:
2.2 散射分量时频互相关函数
根据散射分量模型分析, 结合假定2和假定3, 散射分量的相关函数为:
式中, ΩU对应ΩU, l, ΩG对应ΩG, l, θG、φG、θU、φU也分别对应θG, l、φG, l、θU, l、φU, l, 可以看出, 上式积分非常复杂, 不能得到散射分量互相关函数的闭环形式, 只能通过数值仿真进行估算, 根据假定1中所述, 无人机离开方位角度扩展很小和俯仰角度扩展很小, 可进一步简化为:
undefined
式中, undefined表示第一类零阶Bessel修正函数;
3 仿真分析与验证
结合无人机实际情况, 无线电载波频率2 GHz, 考虑无人机典型应用环境:水平飞行距离80 km, 飞行高度2 km;地面控制站天线高度5 m, 空旷开阔地圆筒散射半径3 km, 高度300 m;无人机飞行速度180 km/h, 地面控制站机动速度30 km/h, 方位角度扩展因子0.2, 角度扩展均值π/4。
如图3 (a) 所示, 仿真所示散射分量未简化与图3 (b) 俯仰角简化的归一化时频相关系数基本相同。因此, D>>R>>HC>>HG符合无人机使用环境, 在此条件下, 简化后闭环相关函数是有效的, 一般比值在5以上即可满足远远大于的要求。
根据式 (1) 可以看出, 接收端方位角分布特性、路径衰落因子以及相关飞行参数和散射环境几何参数对相关系数有很大影响, 而俯仰角分布特性与之无关。变化较大的飞行距离和地面控制站所面临的散射半径, 对相关系数具有较大的影响。
如图4和图5所示, 水平飞行距离对相关系数的影响可以看出, 飞行距离越小, 其时间和频率相关性越强;随着飞行距离的增大, 其时间和频率相关性越弱;比较时间相关特性可以看出, 散射半径越小, 其归一化时间相关系数越小, 沿时间间隔方向变化越慢;比较频率相关特性可以看出, 散射半径越小, 其归一化频率相关系数越大, 沿频率间隔方向变化越慢。
4 结束语
根据传播模型及其相关函数分析, 建立无人机SISO宽带信道模型可以包含Rice、Rayleigh和双波等多种信道, 在无人机“飞得足够远”, 地面控制站“周围越空旷”时, 此时方位角和俯仰角扩展都很小, 散射分量时频相关函数与到达波俯仰角分布无关, 而到达波的方位角度分布中角度扩展因子、均值以及飞行参数和散射环境几何参数对时频相关特性有着深刻的影响。
参考文献
[1]ADACHI F, FEENEY MT, WILLIAMSON A G, et al.Cross-correlation betweenthe Envelopes of900MHz Signals Received at a Mobile Radio Base Station Site[J].IEE Proc.F.Commun., Radar and Signal Process, 1986, 133 (6) :506-512.
[2]Parsons J D.TURKMANI A M D.Characterization of Mobile Radio Signals:Base Station Cross Correlation[J].IEEproc.-I, 1991, 138 (6) :557-565.
[3]YAMADA Y, EBINE Y, NAKAJIMA N.Base Station Vehicular Antenna Design Techniques Employed in High Capacity Land Mobile Communications System[J].Rev.Elec.commun.Lab, NTT, 1987, 35 (2) :115-121.
宽带信道 篇4
短波通信信道具有时变和色散的特性[1], 并且容易受到噪声干扰, 所以模拟其传输特性, 具有很高的实用价值。短波信道模拟器借助先进的仿真技术手段实现在实验室环境下进行通信试验, 因其具有有效性、经济性、安全性和直观性等特点, 在通信试验中可广泛使用[2]。传统的短波信道模拟器大部分停留在话音带宽上, 其主要不足是功耗过高、体积庞大、可控性不高及实时性不好。模数转换器 (A/D) 器件和数字信号处理理论的飞速发展, 为研制宽带短波信道模拟器奠定了坚实的基础, 但由于现有的数字信号处理器 (DSP) 处理速度有限[3], 往往难以对高速率A/D采样得到的数字信号直接进行实时处理, 为了解决这一矛盾, 需要采用数字下变频 (DDC) 技术。所以数字下变频技术在宽带短波信道模拟器的数字化和软件化过程中起到了重要的作用。FPGA具有较高的处理速度和很强的稳定性, 而且设计灵活、易于修改和维护, 同时可以根据不同的系统要求, 采用不同的结构来完成相应的功能, 大大提高系统的适用性及可扩展性。因此, FPGA逐渐成为实现DDC的首选[4]。
1 宽带短波信道模拟器设计
宽带短波信道模拟器的输入为短波调制信号 (3～30 MHz) , 首先经过高速A/D直接进行采样, 将模拟的调制信号转换为数字信号, 然后再通过数字下变频技术分离出I、Q两路数字基带信号, 以便于后续的数字信号处理。信号处理中通过显示控制设备对信道参数进行设置和输出。最后处理好的信号再经过D/A转换后, 通过低通滤波器、放大器和程控衰减等设备输出最终所需的模拟信号。这样就大大降低了ADC和DSP器件性能的要求, 减轻了数字信号处理的负担, 便于实现并有效降低成本。宽带短波信道模拟器的体系结构如图1所示。
宽带短波信道模拟器通过数字下变频降低采样数据率, 减轻后续信号处理的压力。数字下变频在模拟器中起到前端ADC和后端DSP器件之间的桥梁作用。在数字下变频部分中可以方便地对接收信号频段和滤波器特性等进行编程控制, 极大地提高了宽带短波信道模拟器的性能和灵活性, 对于系统的升级或是兼容, 都非常方便。
2基于FPGA的数字下变频实现方案
宽带短波调制信号的输入频率为3～30 MHz, 根据带通采样理论[5], 在工程实现上, 信号采样速率一般为模拟信号带宽的2.5倍左右, 考虑到在器件满足要求的前提下可以尽量提高采样频率, 选用了64 MHz作为ADC的采样频率。经过数字下变频的32倍变频, 最终输出到DSP的信号带宽为2 MHz。该文中的DDC实现不采用Altera公司所提供的IP核, 这样可以降低成本, 减少对国外技术依赖。
FPGA器件采用cyclone III器件, 它是Altera公司新一代采用SRAM工艺低成本的FPGA, 该系列器件的特点是低成本、低功耗和高性能。具有嵌入式乘法器, 实现专门的乘法和乘加运算, 还可实现有限脉冲响应 (FIR) 滤波器;最多有20个全局时钟, 支持动态时钟管理以降低用户模式时的功耗;并且有4个锁相环 (PLL) 。根据该设计的数据处理要求, 估算处理所需的资源, 以及引脚封装有利于制板的原则, 选用EP3C40Q240C8N型FPGA, 并在开发工具Quartus II上对信号发生器的设计、综合及仿真。
2.1数控振荡器设计
NCO是决定DDC性能的主要因素之一。NCO的目标是产生频率可变的正交正、余弦样本信号。NCO采用直接数字合成 (DDS) 的方法实现, 目前常见的技术有查表法和CORDIC计算法[6], 在软件无线电超高速的信号采样频率的情况下, NCO实时的计算方法是很难实现的。此时, NCO产生的正弦样本最有效和最简单的方法就是查表法, 即事先根据各个NCO正弦波相位计算好相位的正弦值, 并按相位角度作为地址存储该相位的正弦值数据, 其原理图如图2所示。
图2中, 32位累加器由一个32位的加法器和一个32位寄存器组成, 在时钟的作用下, 加法器通过寄存器将输出数据送入到加法器的一个输入端, 与32位的频率控制字进行相加运算, 得到一个有规律的相位累加结果。查找表实际上是一个存储了正弦信号抽样点幅度编码的只读存储器ROM, 但ROM表的大小会随地址位数的增加成指数递增关系, 因此, 为了不减少查找表的地址位数而满足信号性能, 必须采用优化方法来减小ROM表的大小。根据正弦波的对称特性, 只需存储四分之一周期的幅值, 再通过相应的转换即可恢复出整个周期的幅值。同时, 由于余弦波和正弦波相位差为π/2, 可以很容易地实现余弦信号。
完成DDC的NCO模块设计后, 将需要下变频的输入信号与NCO产生的2路正交本振信号进行相乘, 完成数字混频正交变换, 即完成频谱搬移。
2.2CIC滤波器设计
CIC积分梳状滤波器是实现高速抽取非常有效的单元。CIC滤波器的单位冲激响应为:
, (1)
式中, D是CIC滤波器的阶数, 滤波器系数都为1。根据Z变换的定义, CIC滤波器的Z变换为:
从式 (2) 可以看出CIC滤波器由2部分组成, 即积分器和梳状器级联组成, 其实现非常简单, 只有加减运算, 没有乘法运算, FPGA实现时可达到很高的处理速率。但是, 单级CIC滤波器的旁瓣电平只比主瓣低13.46 dB, 这就意味着阻带衰减很差, 一般是难以满足实用要求的。为了降低旁瓣电平, 可以采取多级CIC滤波器级联的办法解决。
N级CIC滤波器级联的带内容差是单级CIC滤波器带内容差的N倍, 这意味着多级CIC滤波器级联增大阻带衰减的同时也增大了带内容差。所以, CIC滤波器的级联数是有限的不宜超过5级[7]。
该设计中, CIC滤波器需要完成16倍的抽取, 采用5级级联来实现, 输入和输出部分的位宽均为12 bit, 在MATLAB仿真的结果如图3所示。
经过CIC滤波器后, 信号采样速率经过16倍抽取后变为4 MHz, 从而实现了抽取功能, 同时也降低了采样速率。
2.3半带滤波器
所谓半带滤波器, 就是其频率响应满足以下关系的FIR滤波器:
H (ejω) =1-H (ej (π-ω) ) , (3)
H (ejπ/2) =0.5, (4)
; (5)
HB滤波器由于其系数几乎一半为0, 滤波时运算量减少一半, 因此被作为第2级低通滤波和抽取。HB的抽取因子固定为2, 特别适合采样率降低一半的要求。通过CIC和HB滤波抽取后, 基带信号由最初的高数据率被降到较低的速率, 适于后级FIR处理。
2.4FIR低通滤波器设计
数字下变频器的最后一个模块是低通FIR滤波器, 主要用来对信号进行整形滤波不作抽取功能。信号经过CIC、HB滤波器后, 输入到FIR滤波器的采样速率相对来说已经很低, 因此在一定的处理时钟速率下, 能够有较高阶的FIR滤波, 使得滤波器的通带波动、过渡带带宽、阻带最小衰减等指标能够设计的很好[8]。
调用MATLAB的Filter design获得滤波器的系数。在MATLAB中设计一个通带截止频率为2 MHz的FIR, 并将滤波器系数导入到FPGA的FIR中;FIR的阶数 (系数长度) 越高, 性能越好, 但考虑资源占用情况, FIR的阶数不宜过高, 该设计采用37阶FIR。图6为FIR的幅频特性曲线。
3 基于FPGA的DDC系统仿真结果
根据以上的设计分析结果, 编写了FPGA程序, 在Quartus II平台上进行了仿真测试。输入采样速率为64 MHz的短波调制信号, 针对Cyclone III系列的EP3C40Q240C8器件对其进行综合与时序仿真, 如表1所示。
输入信号经过混频器后, 再经过CIC滤波器的16倍抽取, 半带滤波器的2倍抽取和FIR滤波器的整形滤波, 最终输出I, Q两路正交的信号。如表1所示, DataIn为输入信号, DDCDataI为输出同相分量, DDCDataQ为输出正交分量。64 MHz的采样信号经过NCO混频后, CIC滤波器的16倍和HB滤波器的2倍抽取后, 变为2 MHz的信号, 并经过FIR滤波器整形输出。从表1中可以看出设计的DDC对于高速采样的信号具有降速和下变频的作用, 处理带宽大大减小, 因此对后续器件处理速度的要求降低。
仿真中还有一定量的毛刺, 这是由于信号的延时控制不精准造成的。延时的大小不仅和连线的长短和逻辑单元的数目有关, 而且也和器件的制造工艺和工作环境等有关, 毛刺的消除是有待解决的问题。
4 结束语
在分析了宽带短波信道模拟器工作机理和数字下变频原理的基础上, 结合Matlab算法仿真技术, 设计基于FPGA的数字下变频。功能与时序仿真结果表明:基于FPGA设计实现的数字下变频功能, 其技术指标满足宽带短波信道模拟器的性能要求。该设计方法降低了对FPGA IP核的依赖性, 提高了DDC的处理速率, 实现了数字载波控制和抽取滤波可编程, 具有很大的灵活性和通用性, 对于实现宽带短波信道模拟器具有十分重要的意义, 并且可以推广用于其他需要进行下变频的场合。
参考文献
[1]张而扬.短波通信技术[M].北京:国防工业出版社, 2002:1-10.
[2]王林, 芮国胜, 田文飚.短波通信实验中信道模拟器技术研究[J].现代电子技术.2010, 33 (13) :4-7.
[3]SRIKANTESWARA S.An overview of configurable computingmachines for software radio handsets[J].IEEECommunications Magazine, 2003 (7) :134-141.
[4]韩韬.软件无线电数字下变频的研究及系统仿真[D].吉林:吉林大学, 2006:32-61.
[5]樊昌信, 曹丽娜.通信原理 (第6版) [M].北京:国防工业出版社, 2007:262-263.
[6]杨小牛, 楼才义, 徐建良.软件无线电原理与应用[M].北京:电子工业出版社, 2001.
[7]HOGENAUER E B.An Economical Class of Digital Filters forDecimation and Interpolation[J].IEEE Transactions onAccoustics, Speech and Signal Processing, 1981, ASSP-29 (2) :155-162.