Повышение помехоустойчивости систем связи в условиях импульсных квазигармонических помех с использованием слепых методов обработки сигналов


DOI: 10.34759/trd-2023-128-13

Авторы

Тяпкин П. С.*, Важенин Н. А.**

Московский авиационный институт (национальный исследовательский университет), Волоколамское шоссе, 4, Москва, A-80, ГСП-3, 125993, Россия

*e-mail: tjapkinp@yandex.ru
**e-mail: N.Vazhenin@mai.ru

Аннотация

В данной работе было проведено исследование возможностей слепых методов обработки сигналов в системах связи при компенсации импульсных помех. Слепые методы основаны на статистиках высоких порядков и работают в условиях многоканального приема. В настоящее время данное направление активно исследуется и внедряется.

Была разработана имитационная модель цифровой радиосистемы передачи информации, целью которой являлось исследование применения алгоритмов слепого разделения сигналов в задачах компенсации импульсных помех, а также анализ влияния гауссовых шумов на качество слепого разделения. В результате имитационного моделирования было выявлено, что применение методов слепой обработки сигналов при борьбе с импульсными квазигармоническими помехами позволяет добиться энергетического выигрыша в зависимости значений скважности импульсной помехи, нормированной отстройки частоты помехи относительно ширины полосы, битового отношения сигнал-шум и отношения помеха-сигнал. Например, при демодуляции сигнала ФМн-2 в смеси с импульсной квазигармонической помехой, скважностью 0.005 и отношением помеха-сигнал равным 15 дБ, применение алгоритма слепого разделения сигналов SOBI (Second-order blind identification) позволяет добиться энергетического выигрыша относительно демодуляции смеси без слепого разделения при значениях битового отношения сигнал-шум равное 8.1 дБ и выше. Так, например, при этих же параметрах моделирования, при битовом отношении сигнал-шум 13 дБ достигается выигрыш по вероятности битовой ошибки более чем в 2‧103 раз.


Ключевые слова:

слепая обработка сигналов, имитационное моделирование, повышение помехоустойчивости радиоканала, импульсная помеха

Библиографический список

  1. Yu Xianchuan, Dan Hu, and Jindong Xu. Blind source separation: theory and applications, John Wiley & Sons, 2013, 386 p.
  2. Ramli Dzati Athiar, Yeoh Hong Shiong and Norsalina Hassan. Blind source separation (BSS) of mixed maternal and fetal electrocardiogram (ECG) signal: A comparative study // Procedia Computer Science, 2020, vol. 176, pp. 582-591. DOI:10.1016/j.procs.2020.08.060
  3. Jutten C., Hérault J. Une solution neuromimétique au problème de séparation de sources // Traitement du signal, 1988, no. 6 (5), pp. 389-403.
  4. Belouchrani A., Amin M.G. Blind source separation based on time-frequency signal representations // IEEE transactions on signal processing, 1998, no. 11 (46), pp. 2888-2897.
  5. Belouchrani A. et al. A blind source separation technique using second-order statistics // IEEE Transactions on signal processing, 1997, no. 2 (45), pp. 434-444.
  6. Comon P. Independent component analysis, a new concept? // Signal processing, 1994, no. 3 (36), pp. 287-314.
  7. Comon P. Independent Component Analysis, Elsevier, 1992, 11 p.
  8. Comon P., Jutten C. (ed.). Handbook of Blind Source Separation: Independent component analysis and applications, Academic press, 2010.
  9. Cichocki A., Amari S.I. Adaptive Blind Signal and Image Processing, England, John Wiley & Sons, 2000, 587 p.
  10. Amari S., Cichocki A. Complex Blind Source Extraction From Noisy Mixtures Using Second-Order Statistics // IEEE Transactions on Circuits and Systems, July 2010, pp. 1404-1414.
  11. Duarte L.T., Suyama R., Rivet B. Blind Compensation of Nonlinear Distortions: Application to Source Separation of Post-Nonlinear Mixtures // IEEE Transactions on Signal Processing. 2012, pp. 5832-5844. DOI:10.1109/TSP.2012.2208953
  12. Hyvärinen A., Oja E. A fast fixed-point algorithm for independent component analysis // Neural Computation, 1997, no. 9, pp. 1483-1492. DOI:10.1162/neco.1997.9.7.1483
  13. Hyvärinen A., Karhunen J., Oja E. Independent Component Analysis, John Wiley, 2001, 505 p.
  14. Belouchrani A., Moulines E., Abed-Meraim K. Second order blind separation of temporally correlated sources // Proceeding of the International Conference on Digital Signal Processing, 1993.
  15. Cardoso J.F., Soulomiac A. Blind beamforming for non-Gaussian signals // IEE Proceedings-F, 1993, no. 6 (140), pp. 362-370. DOI:10.1049/ip-f-2.1993.0054
  16. Shi X. Blind Signal Processing, Shanghai, Shanghai JiaoTong University Press, 2011, 368 p.
  17. Горячкин О.В. Методы слепой обработки сигналов и их приложения в радиотехнике и связи. — М.: Радио и связь, 2004. — 230 с.
  18. Манохин А.Е. Методы слепого подавления помех при обработке полезных сигналов. — Екатеринбург: Изд-во Уральского университета, 2021. — 204 с.
  19. Tyapkin P.S., Vazhenin N.A. Applying Blind Signal Processing Methods in Data-Transmission Systems // 2021 Systems of Signals Generating and Processing in the field of on Board Communications, IEEE, 2021. DOI:10.1109/IEEECONF51389.2021.9416105
  20. Бродский М.С., Звонарев В.В., Хуббиев Р.В., Шерстюк А.В. Компьютерная модель радиоканала системы спутниковой связи и ретрансляции данных при многопозиционной передаче сигнала // Труды МАИ. 2022. № 127. URL: https://trudymai.ru/published.php?ID=170340. DOI: 10.34759/trd-2022-127-10
  21. Серкин Ф.Б., Важенин Н.А. Вейцель А.В. Анализ характеристик прототипа локальной системы местоопределения // Труды МАИ. 2022. № 86. URL: https://trudymai.ru/published.php?ID=67824
  22. Гусев С.Н. Миклин Д.В. Мороз А.В. Сахно И.В. Шерстюк А.В. Полунатурное моделирование цифрового канала передачи данных в ультразвуковом диапазоне длин волн // Труды МАИ. 2020. № 113. URL: https://trudymai.ru/published.php?ID=118128. DOI: 10.34759/trd-2020-113-08

Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

 Вход