Рекомендация мсэ-r sm. 1600-1 (09/2012) Техническая идентификация цифровых сигналов



Скачать 419.04 Kb.
страница5/5
Дата17.10.2016
Размер419.04 Kb.
1   2   3   4   5

4 Обработка записи I/Q


Последний шаг технической идентификации неизвестного цифрового сигнала заключается в декодировании записи I/Q в целях извлечения части или полного оригинального содержимого. Этот шаг должен выполняться в соответствии с правовыми и этическими ограничениями, связанными с использованием информации. В нашем примере с помощью серийно выпускаемого программного обеспечения декодирования может быть обработана та же запись I/Q для положительной идентификации источника передачи.

a) Обработка с помощью программного обеспечения демодуляции аудиосигнала


Функционирование определенного программного обеспечения декодирования основано на обработке аудиосигнала, созданного в результате демодулирования сигнала со стандартным форматом (AM, FM, U/LSB или CW). В этом случае потребуется программа, которая может создать аудиосигнал. Примером может служить программа, показанная на рисунке 11. Эта программа будет воспроизводить запись I/Q и выходной аудиосигнал. Поскольку запись не была ранее "обнаружена", программа дает пользователю возможность отрегулировать центральную частоту и ширину полосы процесса демодулирования. Это обеспечивает гибкость при работе с алгоритмами декодирования, которые весьма чувствительны к значениям центральной частоты и охвата аудиосигнала.

РИСУНОК 11



Пример программного обеспечения проигрывателя аудиосигнала I/Q

Другое преимущество работы с записями I/Q заключается в возможности использования разных схем обнаружения для получения наилучшего аудиосигнала для декодирования. Эта гибкость снижает обеспокоенность оператора при выполнении записей "в полевых условиях". Если центральная частота записанного сигнала I/Q смещена относительно центра, для получения приемлемых результатов запись может быть повторно дискретизована и/или центрована (как показано выше).



b) Обработка с использованием программного обеспечения декодирования сигналов


Программное обеспечение декодирования сигналов будет применять выбранную схему для записи и выдачи результатов в окно или записи результатов в текстовый файл. Как правило, для каждой схемы декодирования существует несколько регулировок. Некоторые из этих программ включают "идентификаторы сигналов", но они предназначены в основном для очень простых схем модуляции, таких как FSK или PSK. В приведенном ниже примере в схему декодирования была введена запись I/Q, был установлен формат FLEX и POCSAG, два широко используемых пейджинговых сигнала. Эти форматы были выбраны на основе центральной частоты (929,162 МГц), ширины полосы (12,5 кГц) – или внешних параметров сигнала и формата модуляции (FSK) и символьной скорости (1600) – или внутренних параметров сигнала. Для POCSAG результатов декодирования выработано не было. Результаты декодирования FLEX показаны ниже.

РИСУНОК 12



Пример серийно выпускаемого программного обеспечения декодирования

Информационное содержимое, извлеченное из оригинального излучения, даст пользователю возможность идентифицировать источник и принять необходимые регуляторные меры на основании достаточных доказательств.


5 Коррелятивные и другие перспективные методы


Данный раздел посвящен передовым алгоритмам, которые может применять регуляторный орган для цифровой идентификации сигналов. Приведено описание общих методов, а в Приложении 2 представлены конкретные примеры для рассмотрения.

a) Коррелятивные методы


Кросс-корреляция: кросс-корреляция – это мера подобия двух сигналов как функция отставания по времени, применяемая к одному из них. Это также называется скользящим скалярным произведением или скользящим внутренним произведением.
Автокорреляция: автокорреляция – это кросс-корреляция сигнала самого с собой. Информационно это подобие наблюдений как функции времени, которое их разделяет. Это математический инструмент поиска повторяющихся шаблонов, таких как наличие периодического сигнала, который погружен глубоко в шум, или идентификации пропущенной частоты основной гармоники в сигнале, на который указывают частоты его гармоник. Автокорреляция часто используется при обработке сигнала для анализа функций или серии значений, таких как сигналы во временной области.

Использование этих алгоритмов может обеспечить обнаружение и распознавание встроенных периодических последовательностей, которые можно применять в качестве известного опорного сигнала при дальнейшей обработке.

Эти алгоритмы широко используются для поиска в сигнале большой длительности более короткого сигнала (например пре- или мидамбула, слово синхронизации или пилотный код). На практике эти известные свойства модулированы в цифровых стандартных формах сигнала и обеспечивают шаблон, который может использоваться для однозначной классификации исследуемого сигнала:

– слова синхронизации имеются во многих стандартных непрерывных сигналах (например, частотное разделение каналов (FDM) и многостанционный доступ с частотным разделением (FDMA), которые встречаются во многих радиосистемах, пайджинговых системах и PMR (NMT, TETRAPOL и т. д.);

– настроечные последовательности имеются в стандартизованных сигналах TDMA, таких как сигналы, встречающиеся в сотовых системах 2G и PMR (GSM, D-AMPS, TETRA, PHS);

– коды PILOT или слова синхронизации имеются в стандартизованных сигналах CDMA или TDMA/CDMA и т. д., которые часто встречаются в сотовых системах 3G (3GPP/UMTS, 3GPP2/CDMA2000);

– символы PILOT или разнесенные поднесущие PILOT имеются в модулированных сигналах OFDM, OFDMA, COFDM и SC-FDMA/SC-FDE, которые очень часто встречаются в радиовещательных системах (DAB, DVB-T/H) и сотовых системах 4G (3GPP/LTE).

Для практической реализации этих методов используются скользящие окна временной области для обнаружения времени поступления сигнала, и методы компенсации доплеровского сдвига частоты для компенсации движения источника сигнала. В целом эти методы включают два шага:

Шаг 1: оценка доплеровской ошибки по частоте и момент синхронизации по времени.

Шаг 2: корректировка доплеровской ошибки по частоте и оптимизация обнаружения и разделения источников сигналов.



b) Другие перспективные методы

Вейвлет-преобразования Хаара: "с помощью этой схемы возможно выполнение автоматической классификации модуляции и распознавание сигналов беспроводной связи с априорно неизвестными параметрами. Особыми характеристиками процесса являются возможность его динамической адаптации почти ко всем типам модуляции и возможность идентификации. Разработанная схема, основанная на вейвлет-преобразовании и статистических параметрах, использовалась для идентификации M-разрядной PSK, M-разрядной QAM, GMSK и M-разрядной FSK модуляций. Результаты моделирования показывают, что правильная идентификация модуляции возможна при нижней границе в 5 дБ. Процентная доля идентификации анализировалась на основе матрицы неточностей3. Если SNR выше 5 дБ, предложенная система показывает вероятность обнаружения более 0,968. При сравнении эффективности предложенной схемы с существующими методами было определено, что схема будет идентифицировать все виды цифровой модуляции с низким значением SNR" (см. справочный документ [1]).

Спектральный коррелятивный анализ: многие используемые в системах связи сигналы характеризуются периодичностью своих статистических параметров второго порядка в силу таких операций как дискретизация, модуляция, мультиплексирование и кодирование. Эти циклически стационарные характеристики, называемые спектральными корреляционными свойствами, могут использоваться для обнаружения и распознавания сигнала. Для анализа циклически стационарных свойств сигнала обычно используются две ключевые функции:

1) циклическая автокорреляционная функция (CAF) используется для анализа во временной области; и

2) спектральная корреляционная функция (SCF), которая показывает спектральную корреляцию и выводится путем преобразования Фурье циклической автокорреляции.

На основании ряда характеристических параметров SCF и SCC возможно различение сигналов разных типов (то есть AM, ASK, FSK, PSK, MSK, QPSK). Этот алгоритм эффективен также в случае слабых сигналов и может использоваться для классификации неизвестных сигналов (см. справочный документ [2]).


6 Краткие выводы


Приведенные в настоящей Рекомендации примеры служат иллюстрацией процесса идентификации и использования серийно выпускаемых программных средств, а также методов углубленного анализа современных цифровых сигналов. Примеры корреляции приведены для иллюстрации передовых методов обработки, которые могут использоваться для идентификации сложных сигналов.

За последние годы все в большем числе векторных анализаторов сигналов и приемников контроля предусматривается функция выполнения записи I/Q. Наряду с этим все более доступными и приемлемыми по цене становятся инструменты анализа сигнала, распознавания модуляции и идентификации сигналов. Эти инструменты позволяют регуляторным органам в области использования спектра наращивать уровень автоматизации обнаружения, записи, классификации и идентификации рассматриваемых цифровых излучений и эффективность распознавания и смягчения последствий помех.


Справочные данные по программным инструментам


Программное обеспечения VSA поддерживает, как правило, следующие схемы демодуляции:

– FSK: уровень 2, 4, 8, 16 (включая GFSK);

– MSK (включая GMSK) Тип 1, Тип 2;

– CPMBPSK;

– QPSK, OQPSK, DQPSK, D8PSK, π/4DQPSK;

– 8PSK, 3π/8 8PSK (EDGE); π/8 D8PSK;

– QAM (полное кодирование): 16, 32, 64, 128, 256, 512, 1024;

– QAM (дифференциальное кодирование в соответствии со стандартом DVB): 16, 32, 64, 128, 256;

– QAM со звездообразной топологией: 16, 32;

– APSK: 16, 16 w/DVB, 32, 32 w/DVB, 64 VSB: 8, 16, специализированная APSK.

Программное обеспечение VSA поддерживает, как правило, следующие стандартные форматы цифровой связи:

– сотовая связь: CDMA (базовая), CDMA (подвижная), CDPD, EDGE, GSM, NADC, PDC, PHP (PHS), W-CDMA, LTE, LTE Advanced;

– беспроводные сети: BluetoothTM, HiperLAN1 (HBR), HiperLAN1 (LBR), IEEE 802.11b, ZigBee 868 МГц, ZigBee 915 МГц, ZigBee 2450 МГц;

– цифровое видео: DTV8, DTV16, DVB16, DVB32, DVB64, DVB128, DVB256, DVB 16APSK, DVB 32APSK;

– прочее: APCO 25, APCO-25 P2 (HCPM); APCO-25 P2 (HDQPSK), DECT, TETRA, VDL режим 3, MIL-STD 188-181C: CPM (вариант 21).

Справочные документы


[1] PRAKASAM P. and MADHESWARAN M., Digital modulation identification model using wavelet transform and statistical parameters, Journal of Computer Systems, Networks, and Communications Volume 2008 (2008),

Article ID 175236, 8 pagesdoi:10.1155/2008/175236.

[2] HAO Hu, JUNDE Song, Signal Classification based on Spectral Correlation Analysis and SVM in Cognitive Radio, 22nd International Conference on Advanced Information Networking and Applications, Dept. of Electronic Engineering, Beijing University of Posts and Telecommunication and Yujing Wang, Dept. of Telecommunication Engineering, Xidian University.

Приложение 2

В настоящем Приложении приведены примеры конкретных сложных цифровых сигналов и описаны подходы к их идентификации.


a) Пример идентификации сигнала GSM (TDMA)


На представленном ниже экране показан пример корреляции пачки GSM. В этом примере выполняется сравнение записи I/Q с известным элементом сигнала GSM (мидамбула) и результаты корреляции выведены во втором снизу окне.

РИСУНОК 13



Пример метода внутренней корреляции для идентификации сигнала


b) Пример метода идентификации сигналов для OFDM, SC-FDMA, SC-FDE


Циклическая автокорреляция обеспечивает большое число преимуществ при анализе частично известных сигналов, таких как сигналы OFDM, OFDMA, SC-FDE и CDMA. Этот метод может помочь в определении периодических и циклических характеристик формы сигнала. Одним из применений обработки на основе циклической автокорреляции является распознавание повторяющихся последовательностей в передаваемых сигналах, таких как защитные интервалы в OFDM-подобных символах. Например, может быть обеспечено точное обнаружение и распознавание модулированных сигналов OFDM, (O)FDMA и SCFDE путем расчета циклической автокорреляции.

Для определения скорости модуляции и синхронизации символов можно использовать дублирование начала или окончания символа для построения защитного интервала. Таким образом, для применения дублирования сигнала в случае сигналов OFDM базовыми математическими функциями являются функция автокорреляции и функция циклической автокорреляции, представленные выше.

Практическая реализация идентификации OFDM может быть выполнена в три этапа:

Этап 1: подсчет поднесущих, который можно произвести с использованием высокоточного спектрального отображения (разрешение по частоте лучше 1/(2.TS)). Рекомендуются:

– панорамное представление сигнала с переменным спектральным разрешением (и соответствующим временем интегрирования);


– использование большого числа точек для расчета БПФ с применением соответствующих методов интерполяции;

– дополнительные функции увеличения изображения и возможности измерения с помощью курсора.



Этап 2: расчет автокорреляции сигнала выполняется для обнаружения пика, соответствующего задержке τ = Ts, в целях определения разноса между поднесущими 1/TS (см. рисунок 14, левая часть). Следует заметить, что необходимо различать серию пиков, соответствующих эхо-сигналам канала, и пик, соответствующий длительности символа на поднесущих, в силу их значений.

РИСУНОК 14



Структура символа (C) OFDM во временной и частотной областях



Этап 3: расчет циклической автокорреляции для задержки τ (τ устанавливает TS), полученной в результате автокорреляции, с тем чтобы можно было извлечь части коррелированного сигнала, соответствующие реплики части символа в целях создания защитного интервала (см. рисунок 14, правая часть):

– для подтверждения дополнительно значения длительности символа TS (циклическая автокорреляция, рассчитанная для значения τ, отличного от TS, не обеспечивает представления характеристических пиков);

– для определения скорости модуляции поднесущих 1/(TS + Tg) и защитного интервала Tg.

РИСУНОК 15



Методы корреляции и циклической автокорреляции, применяемые к сигналу (C) OFDM


c) Пример метода идентификации сигнала для WCDMA


Практическая реализация анализа сигнала WCDMA может быть выполнена в три этапа:

Этап 1: оценка символьной скорости.

В качестве примера: символьная скорость сигналов 3GPP/WCDMA составляет 3,84 МГц и может быть определена путем расчета спектральной корреляции. Эта стандартизованная символьная скорость может сравниваться с рассчитанным значением, полученным в результате обработки сигнала. В случае сетей 3GPP/WCDMA это позволяет ограничить область поиска для символьной скорости в расчете спектральной корреляции значениями, близкими к 3,84 МГц, с тем чтобы сократить объем вычислений. На рисунке 16 a) показан расчетный результат символьной скорости.



Этап 2: поиск соты: поиск соты выполняется обычно за три шага, которые описаны ниже.

Шаг 1: синхронизация слотов: выполняется, как правило, с помощью одного фильтра, согласованного с первичным кодом синхронизации канала синхронизации (SCH), который является общим для всех сот. Синхронизация слотов в соте может быть достигнута путем детектирования пиков на выходе согласованного фильтра.

Шаг 2: синхронизация кадров и идентификация группы кода: это выполняется при помощи корреляции принимаемого сигнала со всеми возможными последовательностями вторичного кода синхронизации SCH и определения максимального значения корреляции. Поскольку циклические сдвиги последовательности для группы кодов уникальны, то определяется кодовая группа и синхронизация кадров.

Шаг 3: идентификация кода скремблирования: используя определенные на втором шаге синхронизацию кадров и номер кодовой группы, выполняется корреляция общего пилотного канала (CPICH) со всеми возможными восемью разными последовательностями в кодовой группе. Код, показавший максимальную корреляцию, считается номером кода скремблирования данной соты.

Детальное описание поиска соты можно найти в технической спецификации Проекта партнерства третьего поколения (3GPP TS) 25.214.

Этап 3: выполнение измерений, относящихся к модуляции WCDMA.

Дескремблирование полученного сигнала для захвата символа CPICH: символы CPICH получают путем умножения полученного сигнала на последовательность кода скремблирования начиная с границы кадра, найденного на этапе 2, и суммирования 256 дискретов.

Подтверждение модуляции QPSK: после умножения дескремблированного сигнала на код первичного общего физического канала управления (CCPCH) и компенсации сдвига частоты возможно проверить тип модуляции сигнала первичного CCPCH. Сдвиг частоты оценивается по символам CPICH, как указано выше.

На рисунках 16 b) и c) показано созвездие модуляции QPSK и результаты поиска соты, полученные с помощью рекомендованного выше анализа реальных сигналов WCDMA (3GPP/UMTS), использующих общую несущую (обнаружены 9 базовых станций (BS), сигналы которых были измерены), соответственно.

РИСУНОК 16

Иллюстрация процесса полной идентификации сигналов 3GPP/WCDMA в три этапа

16 a) восстановление символьной скорости.

16 b) синхронизация слотов, дескремблирование CPICH и демодуляция CCPCH.

16 c) выполнение этапов a) и b) для поиска сот WCDMA, использующих ту же несущую.


РИСУНОК 16c

Обнаружение и идентификация нескольких сот WCDMA, использующих общую несущую,
после синхронизации слотов, дескремблирования CPICH и демодуляции CCPCH


______________



1 Этот параметр не является общепринятым параметром модуляции, однако он часто предоставляется программным обеспечением распознавания модуляции.

2 Например, стандарты связи для WLAN (802.11ac и 802.11ad) для предназначенных для малых расстояний применений требуют ширины полосы от 160 МГц до более чем 2 ГГц.

3 В области искусственного интеллекта матрица неточностей – это таблица специальной формы, позволяющая визуализировать эффективность алгоритма, как правило, алгоритма управляемого обучения (при неуправляемом обучении эта таблица обычно называется матрицей соответствия). Каждый столбец матрицы представляет экземпляры в прогнозируемом классе, а каждый ряд – экземпляры в фактическом классе. Название связано с тем, что таблица позволяет легко понять, не путает ли система два класса (то есть неправильно маркирует один как другой). Вне сферы искусственного интеллекта матрицу неточностей часто называют таблицей сопряжения или матрицей ошибок.

Каталог: dms pubrec -> itu-r -> rec
rec -> Руководство по использованию методов прогнозирования распространения радиоволн, разработанных 3-й Исследовательской комиссией по радиосвязи
rec -> Рекомендация мсэ-r bs. 1195-1 (01/2013)
rec -> Рекомендация мсэ-r bt. 1618-1 (03/2011)
rec -> Рекомендация мсэ-r m. 1801-2 (02/2013)
rec -> Рекомендация мсэ-r p. 1238-6 (10/2009)
rec -> Рекомендация мсэ-r m. 2012 (01/2012)
rec -> Рекомендация мсэ
rec -> Рекомендация мсэ-r sa. 1882 (02/2011)
rec -> Рекомендация мсэ-r p. 684-7 (09/2016)
rec -> Рекомендация мсэ-r p. 2040-1 (07/2015)


Поделитесь с Вашими друзьями:
1   2   3   4   5


База данных защищена авторским правом ©grazit.ru 2019
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал