Султанов Б.В., Румянцева Н.Б., Зефиров ... решетчатой структуры в задаче измерения частоты на фоне шума в...

Султанов Б.В., Румянцева Н.Б., Зефиров С.Л. Алгоритм идентификации параметров
решетчатой структуры в задаче измерения частоты на фоне шума в каналах связи распределенных систем управления. // Проблемы информатики в образовании, управлении, экономике и технике: Сб. статей XI Междунар. научно-техн. конф. – Пенза: ПДЗ, 2011. – С. 70-73.
АЛГОРИТМ ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ РЕШЕТЧАТОЙ
СТРУКТУРЫ В ЗАДАЧЕ ИЗМЕРЕНИЯ ЧАСТОТЫ НА ФОНЕ ШУМА
В КАНАЛАХ СВЯЗИ РАСПРЕДЕЛЁННЫХ СИСТЕМ УПРАВЛЕНИЯ
Б.В. Султанов, Н.Б. Румянцева, С.Л. Зефиров
Пензенский государственный университет,
г. Пенза, Россия, [email protected]
Предложен алгоритм идентификации параметров решетчатой структуры при авторегрессионном спектральном оценивании для реализации быстрого поиска в системах с программной перестройкой рабочей частоты.
B.V. Sultanov, N.B. Rumyantseva, S.L. Zephirov The algorithm of identification of parameters in lattice structure at measurement of frequency on a background of noise in communication channels of allocated control systems. The algorithm of identification of parameters
in lattice structures at autoregressive spectral estimation acquisition technique for frequency hopping systems is offered.
К каналам связи распределённых систем управления (например, систем
управления войсками в тактическом звене) предъявляются требования обеспечения высокой помехоустойчивости в условиях воздействия преднамеренных и
непреднамеренных помех, низкой вероятности обнаружения факта передачи,
возможности реализации множественного доступа с кодовым разделением каналов. Перечисленные требования наиболее полно удовлетворяются при использовании методов расширенного спектра. Один из наиболее распространённых подходов к построению подобных систем базируется на расширении спектра с применением метода программной перестройки рабочей частоты (ППРЧ).
Ключевой проблемой, возникающей при его реализации, является установление синхронизации между выходным сигналом опорного генератора приёмника, формирующего последовательность перестраиваемых рабочих частот, с
принимаемым сигналом. Процедура синхронизации обычно включает в себя
две стадии: первоначальную синхронизацию (поиск), обеспечивающую временное выравнивание сравниваемых сигналов с точностью приблизительно до
длительности одного скачка частоты, и точную синхронизацию (слежение),
приводящую к их полному совпадению. В рассматриваемом приложении, где
осуществляются кратковременные сеансы связи и процесс синхронизации должен возобновляться в начале каждого сеанса, крайне желательно максимальное
сокращение длительности поиска. При использовании в качестве датчика псевдослучайного кода, задающего закон изменения рабочей частоты, регистра
сдвига с линейной обратной связью (РСЛОС) потенциально высоким быстродействием обладает рекуррентный поиск, основанный на авторегрессионном спектральном оценивании (АСО). Сущность данного подхода заключается в следующем.
Как известно, мгновенная частота сигнала с ППРЧ задаётся кодом, фиксируемым в данный момент времени в РСЛОС. Следовательно, измерив каким-либо
образом эту частоту, по её значению можно однозначно определить соответствующий код РСЛОС и тем самым решить задачу поиска. Однако точное измерение мгновенной частоты принимаемого сигнала существенно осложняется
наложенным на него шумом, обусловленным наличием помех. В этих условиях
оказывается возможным применение метода рекуррентного поиска [1], при реализации которого из каждого двоичного числа, соответствующего очередной
оценке частоты скачка, используется лишь один старший или наиболее значимый бит (НСБ). Очевидно, в такой ситуации допустимая погрешность оценивания частоты скачка существенно возрастает и в отдельных случаях может достигать
почти половины измеряемой величины.
Дополнительное повышение помехоустойчивости поиска достигается за
счёт использования метода АСО. Согласно этому методу, спектр Y  j   принимаемого сигнала y  k  аппроксимируется авторегрессионной моделью, меющей только полюсы, которая определяется выражением
 
M
Yˆ e j   G 1   m1ˆ m e j  m
2
,
(1)
где G − постоянный множитель; M − порядок модели, описывающей сигнал; aˆm
− оценки коэффициентов линейного предсказания, описываемого выражением
M
yˆ  k    m1 aˆm y  k  m  . Значения aˆm адаптивно выбираются из условия минимизации среднеквадратической ошибки предсказания   k   y  k   yˆ  k  . При условии,
что принимаемый сигнал подаётся на вход предсказателя в течение интервала
k Tс  t   k  1 Tс , его частоту можно определить по полюсу выражения (1), максимизирующему
 .
Yˆ e j 
Существуют различные алгоритмы адаптивного оценивания коэффициентов
линейного предсказания, среди которых одним из наиболее эффективных является подход, основанный на моделировании линейного предсказателя в виде
решетчатой структуры [2]. При этом в процессе адаптации определяются не сами фигурирующие в выражении (1) коэффициенты фильтра линейного предсказания am , но и однозначно связанные с ними коэффициенты частной корреляции pm . Во [2] рассмотрен вариант реализации изложенного подхода применительно к задаче поиска в системах с ППРЧ в виде алгоритма обработки последовательно поступающих входных данных, в котором вычисление оценок
pˆ m коэффициентов pm осуществляется на основе метода максимальной энтропии Берга. При этом при поступлении каждого нового отсчёта входного сигнала (т.е. при каждом новом значении k ) их объём остаётся весьма значительным. Это связано с тем, что при каждом значении k необходимо вновь вычислять новые значения всех M оценок pˆ m . В результате при обработке N отсчётов
входного сигнала, укладывающихся в длительности Tс скачка частоты, одних
лишь наиболее трудоёмких операций деления должно быть выполнено порядка
M N .
Достоинством подхода, основанного на использовании последовательной
обработки входных данных, является возможность адаптивного обновления
оценок авторегрессионных параметров по мере поступления каждого нового
отсчёта в реальном масштабе времени. Однако в рассматриваемом приложении
данное свойство не позволяет получить никаких преимуществ, поскольку оценка коэффициентов линейного предсказателя всегда осуществляется на основании ограниченного фиксированного объёма данных, определяемого числом N .
В таких условиях более целесообразным представляется использовать алгоритм
блочной обработки данных, в соответствии с которым вычисление значений
оценок pˆ m1  k  , m  0, M  1 коэффициентов отражения осуществляется лишь однажды после накопления всех N отсчётов последовательности y  k  . Анализ
показывает, что такой подход к реализации адаптивной решетчатой структуры
требует выполнения лишь M операций деления, также при этом сокращается
число необходимых умножений и сложений.
Повысить помехоустойчивость предлагаемого алгоритма можно путём разбиения выбранной за время Tс последовательности из N отсчётов принимаемого
сигнала на q смежных секций, состоящих из Nq  Nс q отсчётов. При этом следует выполнять не одну, а q оценок коэффициентов pˆ m , используя для каждой
из них Nq отсчётов входного сигнала, принадлежащих соответствующей секции, и определяя результирующую оценку pˆ m как среднее арифметическое от
оценок, полученных в q партиях. Как показали исследования, вследствие нелинейности преобразования входного сигнала в значения pˆ m эффект подавления
шума при использовании для выполнения оценки последовательности длиной
N с отсчётов и при нахождении среднеарифметической оценки является различным и увеличивается в последнем случае.
Библиографический список
1. Журавлёв В.И. Поиск и синхронизация в широкополосных системах. −
М.: Радио и связь, 1986. − 240 с.
2. Ponnusami J.A., Srinath M.D. Acquisition of Pseudonoise Codes in FH Systems. // IEEE Transactions on Aerospace and Electronic Systems. – 1981. – Vol.
AES-17, №.3. – P. 335-341.