基于线性模型广义似然比检验的突发信号检测方法.pdf

第 56 卷 第 9 期2023 年 9 月通信技术Communications TechnologyVol.56 No.9Sep.20231051文献引用格式：桑会平.基于线性模型广义似然比检验的突发信号检测方法 J.通信技术,2023,56(9):1051-1055.doi:10.3969/j.issn.1002-0802.2023.09.005基于线性模型广义似然比检验的突发信号检测方法*桑会平（中国电子科技集团公司第五十四研究所，河北 石家庄 050081）摘 要：针对突发信号检测问题，分别建立了实信号检测和复信号检测的二元假设检验模型，基于线性模型广义似然比检验构建了检验统计量，得出了两种假设条件下检验统计量的概率分布函数，并根据检验统计量的概率分布函数推导出了检测器性能的解析表达式。用仿真的方法对推导结果进行了验证，仿真结果和理论结果完全一致。关键词：广义似然比检验；突发信号检测；复信号检测；恒虚警率检测中图分类号：TN911.23 文献标识码：A 文章编号：1002-0802(2023)-09-1051-05Burst Signal Detection Method Based on Generalized Likelihood Ratio Test of Linear ModelSANG Huiping(No.54 Institute of CETC,Shijiazhuang Hebei 050081)Abstract:To address the problem of burst signal detection,binary hypothesis testing models for real signal detection and complex signal detection are established respectively.A test statistic is constructed based on the generalized likelihood ratio testing method of linear model,the probability distribution function under two assumptions is obtained,and an analytical expression of detector performance is derived from the probability distribution function of the test statistic.Simulation method is employed to verify the performance of the detector and the simulation results are consistent with the theoretical results.Keywords:generalized likelihood ratio test;burst signal detection;complex signal detection;constant false alarm rate detection.0 引 言突发通信发射信号持续时间短、发射时刻随机，具有较好的抗侦收、抗截获能力，在军事通信中获得了广泛应用。突发信号检测是突发通信信号处理中的第一步，准确检测是后续解调处理的前提。典型的突发信号检测方法是能量检测法1-5，其基本原理是通过比较信号存在时的能量和纯噪声能量的差异检测是否存在信号。能量检测法的优点是算法简单、实现容易，但能量检测法没有利用信号的先验信息，检测性能较差，适用于无法获取传输信号特征的场合6-9。突发通信设计时会在每个传输帧插入前导序列以便于检测10-13，充分使用这些先验信息可提高检测性能14-17。由于传输路径衰减存在不确定性，接收信号幅度是未知的，同时噪声的方差也是未知的。噪声方差未知时，检测门限无法确定，这时通常采用自适应门限检测算法18-19。自适应门限检测算法需要一个噪声通道估计噪声方差，但工程上不容易得到独立的噪声通道，噪声估计结果影响检测 性能。*收稿日期：2023-07-20；修回日期：2023-09-03 Received date:2023-07-20;Revised date:2023-09-031052通信技术2023 年由于信号部分参数和噪声的方差未知，接收信号观测数据的概率密度函数（Probability Density Function，PDF）不完全已知，无法获得理论上最佳的检测器。广义似然比检验（Generalized Likehood Ratio Test，GLRT）用 极 大 似 然 估 计（Maximum Likelihood Estimation，MLE）取代未知参数，虽然GLRT不是最佳的，但实际它可以获得很好的性能。本文提出基于线性模型广义似然比检验的突发信号检测方法，推导出了检测器性能解析表达式。检测方法充分使用了信号的先验信息，可获得比能量检测更好的性能。检测方法采用 MLE 估计信号幅度和噪声方差，不需要额外的噪声估计通道。检测门限计算表达式没有未知参数，可以实现恒虚警率（Constant False Alarm Rate，CFAR）检测。1 基于广义似然比检验的实信号检测1.1 实信号检测的二元假设检验模型当接收机采用包络检波时，检波器输出的观测数据为实数。信号检测是二元假设检验问题，用H0假设表示观测数据中无信号，只有噪声；用H1假设表示观测数据中存在信号。存在信号时观测数据表示为：xn=Asn+wn,n=0,1,N-1（1）式中：N为观测数据长度；Asn 是未知幅度信号，幅度A未知，但sn已知，且满足 1201 1Ns nN=；wn为零均值高斯白噪声，方差2未知。实信号检测的二元假设检验模型为：01H:,0,1,1 H:,0,1,1x nw n nNx nAs nw n nN=+=?（2）1.2 经典线性模型的 GLRT 定理当信号符合线性模型，噪声方差2未知时，这类信号检测问题可以应用经典线性模型的 GLRT定理20。根据GLRT，如果式（3）成立，则判定H1假设成立。211200(;,)()(;,)Gp xLxp x=（3）式中：LG(x)为广义似然比，为信号的未知参数；1和12为H1假设为真时，和2的 MLE 使得概率密度函数p(x;,2,H1)最大；0和02为H0假设为真时，和2的 MLE 使得概率密度函数p(x;,2,H0)最大。这种方法在求LG(x)过程时先求 MLE，所以也提供了有关未知参数的信息。经典线性模型的 GLRT 定理：假定数据具有x=H+w的形式，其中H是已知的秩为p的Np(Np)观测矩阵，是p1 的参数矢量，w是N1 的高斯白噪声矢量，PDF 为 N(0,2I)。假设检验为：2021H:,0 H:,0=AbAb（4）式中：A为已知的秩为r的rp矩阵（rp）；b为一个r1 矢量。如果检验统计量满足式（5），则判定H1假设成立。()()211TTT111TTT()()1()()NGNpT xLxrNpr=AbA H HAAbxIH H HHx（5）式中：1=(HTH)-1HTx是H1假设下的无约束 MLE。虚警概率PFA和检测概率PD为：(),FAr NpFPQ=（6）()(),Dr NpFPQ=（7）式中：Fr,N-p表示F分布，具有r个分子自由度和N-p个分母自由度；Fr,N-p()表示非中心F分布，具有r个分子自由度和N-p个分母自由度，非中心参数为。非中心参数的表达式为：()11TTT112()()=AbA H HAAb（8）式中：1是H1假设成立条件下的真值。F分布的 PDF 表示为p(t)，非中心F分布的PDF 表示为p(t)，右尾概率定义为：,()()dr NpFxQxp tt=（9）(),()()dr NpFxxQttp=（10）1.3 未知信号幅度和噪声方差的实信号检测实信号检测的二元假设检验模型与下面的检验问题等效：2021H:0,0 H:0,0=AA（11）1053第 56 卷第 9 期桑会平：基于线性模型广义似然比检验的突发信号检测方法取H=(s0,s1,sN-1)T，=A，A=1，b=0，所以r=p=1。观测数据满足线性模型x=H+w，由参数估计计算公式1=(HTH)-1H Tx可得：10 Nns n x nAN=（12）代入检验统计量计算式：()()11TTT111TTT()()()NpT xr=AbA H HAAbxIH H HHx（13）化简后得到：()212202120(1)()1(1)1NnNnNAnnT xxANNAs nxAN=（14）检验统计量T(x)的概率分布：1,101,11,H(),()HNNFT xF假设假设（15）参数的表达式为：22=NA（16）当检验统计量T(x)时，判定H1假设成立。设定虚警概率PFA为：P(T(x);H0)=PFA（17）则有：()1,11FANFQP=（18）则检测概率为：()()21,11,121DFANNFNAFPQQP=（19）检测门限由H0假设下的 PDF 计算得到，由于H0下的 PDF 没有未知参数，检测器具有恒定虚警概率，检测器为 CFAR。2 基于广义似然比检验的复信号检测2.1 复信号检测的二元假设检验模型当接收机采用相干处理时，观测数据为复数形式，复信号检测更具有普遍适用性。用“”表示复数。用 H0假设表示观测数据中无信号，只有噪声；用H1假设表示观测数据中存在信号。复信号检测的二元假设检验模型如下：01H:,0,1,1 H:,0,1,1x nw n nNx nAs nw n nN=+=?（20）式中：N为观测数据长度；As n?为未知幅度复信号，复幅度A未知，但 s n?已知，且满足1201 1Nns nN=?；w n?是均值复高斯白噪声（实部方差2/2，虚部方差2/2），方差2未知。2.2 复数形式线性模型 GLRT基于经典线性模型的 GLRT 定理，可以得出复数形式线性模型 GLRT。数据具有=+?xHw，其中H是已知的秩为p的Np(Np)观测矩阵，是p1 的参数矢量，=+?xHw是N1 的零均值方差为2的复高斯白噪声矢量，方差2未知。假设检验问题为：2021H:,0 H:,0=AbAb（21）式中：A为已知的秩为r的rp复矩阵（rp），b为一个r1 矢量。复高斯分布概率密度函数为：()()H22211(;,)expNNp x=xHxH?如果广义似然比满足式（22），则判定H1假设成立。()()211200;,;,Gp xLxp x=?（22）式中：1和12是H1假设为真时和2的 MLE，0和02是H0假设为真时和2的 MLE。对广义似然比进行化简整理可得到和经典线性模型的 GLRT 定理类似的结果。如果检验统计量满足式（23），则判定H1假设成立。()()11HHH111HHH()()()NpT xr=AbA H HAAbxIH H HHx?（23）式中：1=(HHH)-1H Hx是H1假设下的无约束 MLE。检测性能为：()2,22FArNpFPQ=（24）1054通信技术2023 年 ()()2,22DrNpFPQ=（25）非中心化参数为：()()()11HHH112/2=AbA H HAAb（26）2.3 未知信号幅度和噪声方差的复信号检测复信号检测的二元假设检验模型与下面的检验问题等效：2021H:0,0 H:0,0AA=（27）取H=(s0,s1,sN-1)T，=A，A=1，b=0，所以r=p=1。观测数据满足线性模型x=H+w，由参数估计计算公式1=(HHH)-1H Hx可得：1H0 NnxNnn=sA?（28）代入检验统计量计算公式得到：H1HH0 (1)()1NnnnNTxN=A AxxA A?（29）检验统计量的概率分布：2,2202,221H(),(),HNNFT xF?假设假设（30）其中，参数的表达式为：222N A=（31）检验统计量T(x)时，判定H1假设成立。设定虚警概率为PFA，则有：()0FA();HP T xP=?（32）则 ()2,221FANFQP=（33）检测概率为：()()22,222,2221DFA2NNFN AFPQQP=（34）和实信号检测器类似，式（33）所示的检测门限计算式没有未知参数，检测器为 CFAR 检测器。3 检测方法仿真验证采用仿真对文中推导的结果进行验证，主要验证式（19）所示的实信号检测性能表达式和式（34）所示的复信号检测性能表达式。实信号检测仿真设定观测数据长度N=16，信号sn 取值为+1，-1 的随机序列，加上高斯白噪声后得到观测数据，由式（14）计算检验统计量，由式（18）计算检测门限。仿真结果如图 1 所示，图 1 中由式（19）计算出的理论值用“o”标示，仿真值用“*”标示，两条曲线重合，理论和仿真一致。仿真结果验证了式（19）的正确性。-10-50510信噪比10lg（A2/2）00.20.40.60.81.0 检测概率PDPFA=10-3PFA=10-4PFA=10-5理论仿真图 1 实信号检测性能仿真复信号检测仿真设定观测数据长度N=16，复信号sn 的实部、虚部均是取值为 2+，2的随机序列，加上复高斯白噪声后得到观测数据，由式（29）计算检验统计量，由式（33）计算检测门限。仿真结果如图 2 所示，图 2 中由式（34）计算出的理论值用“o”标示，仿真值用“*”标示，两条曲线重合，理论和仿真一致。仿真结果验证了式（34）的正确性。-10-5051000.20.40.60.81.0理论仿真信噪比10lg（A2/2）检测概率PDPFA=10-3PFA=10-4PFA=10-5图 2 复信号检测性能仿真1055第 56 卷第 9 期桑会平：基于线性模型广义似然比检验的突发信号检测方法4 结 语突发信号检测是后续参数估计、解调处理的前提。本文提出了基于线性模型广义似然比检验的突发信号检测方法，推导出了检验统计量的计算表达式和检测性能解析式，并通过仿真验证了推导结果的正确性。参考文献：1 URKOWITZ H.Energy detection of unknown deterministic signalsJ.Proceedings of the IEEE,1967,55(4):523-531.2 URKOWITZ H.Energy detection of a random process in colored Gaussian noiseJ.IEEE Transactions on Aerospace and Electronic Systems,1969,AES-5(2):156-162.3 TANDRA R,SAHAI A.Fundamental limits on detection in low SNR under noise uncertaintyC/2005 International Conference on Wireless Networks,Communications and Mobile Computing,2005:464-469.4 TANDRA R,SAHAI A.SNR walls for signal detectionJ.IEEE Journal of Selected Topics in Signal Processing,2008,2(1):4-17.5 隋丹,葛临东,屈丹.一种新的基于能量检测的突发信号存在性检测算法 J.信号处理,2008,24(4):614-617.6 隋丹,葛临东.突发信号盲存在性检测的两种算法J.信号处理,2008,24(5):863-866.7 吴玲玲,李广峰,韩邦杰,等.基于卷积神经网络学习的盲突发通信信号检测方法 J.无线电通信技术,2023,49(2):318-324.8 吕志强,刘凯.基于 GPU 的非合作突发 TDMA 信号实时检测 J.无线电工程,2022,52(11):1953-1960.9 唐照华.信号自动调制识别方法研究 D.杭州:浙江大学,2022.10 万嘉骏,岳春生,孙红胜,等.一种面向短时突发信号的高精度同步方案设计 J.电子科技,2022,35(5):66-73.11 李楠,纪恺悦,王天雄,等.一种突发 DQPSK-DSSS 信号解调方法 J.长江信息通信,2023(3):82-84.12 龚险峰,刘明洋,惠腾飞.直升机卫星通信中高动态低信噪比突发解调 J.南京航空航天大学学报,2022,54(2):219-224.13 罗欢吉,夏高峰.一种突发通信信号检测及同步算法 J.航空电子技术,2015,46(4):1-6.14 李锐,何辅云,夏玉宝.相关检测原理及其应用 J.合肥工业大学学报(自然科学版),2008,31(4):573-575.15 陆秋平.基于相关原理的信号检测方法及其应用研究 D.杭州:浙江大学,2011.16 黄飞翔.低信噪比突发通信中信号捕获的研究与实现 D.成都:电子科技大学,2015.17 姚国义,李鑫,兰瑞田.一种突发通信信号检测与频偏估计算法 J.无线电通信技术,2014,40(4):22-23.18 冯文江,王红霞,侯剑辉,等.一种适合突发通信的信号检测改进算法 J.重庆大学学报(自然科学版),2007,30(2):58-60.19 吴玉成,陈宁,高珊.突发通信中的自适应门限信号检测方法 J.电子与信息学报,2007,29(12):2896-2898.20 KAY S M.统计信号处理基础:估计与检测理论(卷、卷合集)M.罗鹏飞,张文明,刘忠,等译.北京:电子工业出版社,2014:603-604.作者简介：桑会平（1973），男，博士，高级工程师，主要研究方向为航空测控。