基于CR-MIMO的无人机多域联合分集抗干扰方案

基于CR-MIMO的无人机多域联合分集抗干扰方案
高喜俊;陈自力
【摘要】针对无人机遥控链路常受到干扰导致其性能下降或失锁,提出了基于认知多输入多输出(multipleinput multiple output,MIMO)的无人机遥控链路,结合认知无线电,构建了集时域、频域、空域以及码域于一体的多域联合无人机智能抗干扰体制,包含了时间、频率、空间以及码元等多种分集技术.理论分析以及系统仿真表明,在感知的基础上,频分以及码分可以实现对无人机遥控链路中常见的窄带以及宽带干扰的抑制;MIMO空时分集可以有效对抗遥控链路的自然干扰,从而对无人机抗干扰性能的提升具有实际意义.
【期刊名称】《系统工程与电子技术》
【年(卷),期】2015(037)009
【总页数】7页(P1987-1993)
【关键词】无人机遥控;智能抗干扰;认知多天线;多域联合;分集
【作者】高喜俊;陈自力
【作者单位】军械工程学院无人机工程系,河北石家庄050003;军械工程学院无人机工程系,河北石家庄050003
【正文语种】中文
【中图分类】TN97
随着无人机在军事上发挥的作用日益明显，必然导致敌方采用无线电侦测对无人机数据链实施干扰，而传统的扩谱技术并不能有效对抗干扰，进而影响了无人机的应
用效能［1］。

因此，有必要寻求一种灵活性、适应性的抗干扰方法来提升无人机数据链的综合抗干扰能力。

认知无线电（cognitive radio，CR）能够感知周围无线电频谱使用情况来调整自
身参数而被广泛研究，实现在频域上的抗干扰［2］。

而多输入多输出（multiple input multiple output，MIMO）技术与空时编码相结合能够实现空间、时间分集，在空域和时域上实现抗干扰［3］，因此CR-MIMO能够作为混合模式实现智能化抗干扰［4-6］。

文献［4-5］提出将变换域通信与MIMO结合实现频谱共享，其中变换域通信的前提是频谱感知。

然而该方案对于抑制单音、多音以及窄带干扰具有较好的效果，对宽带干扰效果并不理想；且采用的垂直的贝尔实验室分层空时（vertical-Bell laboratories layered space-time，V-BLAST）编码分集增益较小，不能有效对抗自然干扰。

文献［6］以感知为前提，将MIMO与预编码结合
起来实现波束赋形，从空域上避免雷达工作中其他方向的通信系统干扰，而该方法在面对多方向干扰时，难免会有干扰进入，需要采取进一步的抗干扰措施。

本文提出基于CR-MIMO的无人机遥控链路以实现智能抗干扰，通过将空时编码、扩频码与多波段MIMO结合起来实现多域联合抗干扰，通过协调空间、时间、频率以及码元分集有效地对抗无人机通信系统中遥控链路所面临的自然干扰以及窄带、宽带等人为干扰，为实现无人机数据链智能抗干扰提供选择。

基于CR-MIMO的无人机上行遥控链路结构上是在无人机和地面控制站上布置多
个波段天线，实现MIMO数据传输。

数据链路的地面发送原理如图1（a）所示，首先根据感知结果进行频谱分析，得到干扰频谱范围，由决策模块选择信号传输所用的不同波段天线；在编码模块中将信源编码得到的数字信号按可用天线数目进行串并转换，然后对并行数据进行空时编码，得到空间分集以及时间分集信号；空时信号进行m序列扩码实现码元分集以后，再与由基函数生成模块产生不含干扰信
息的基函数相乘；最后将信息调频到不同的波段天线，达到宽带频率分集的效果。

数据链机载接收原理如图1（b）所示，主要包括感知模块、信道估计、混频模块、去扰模块、解扩模块以及解码模块。

机载天线首先进行频谱感知，以获取干扰的频谱范围，并采用与地面控制站相同的m序列得到与发送端相同的基函数；然后通
过解调模块将与发射端对应波段天线接收信号分别混频，得到含干扰以及噪声的信息；去扰模块将解调信号与共轭基函数相乘，得到无干扰的接收信号，解扩模块再次对发射的扩码信号进行相应解扩，降低了干扰或噪声对信号的影响；最后解码模块结合信道估计将空时信号进行译码，并通过并串转换、解调得到发射数据。

2.1 发射端数学模型
根据无人机CR-MIMO抗干扰原理，机载天线实现无线电感知是实现智能抗干扰
的前提。

环境感知采用能量检测法［7-8］进行频谱分析，得到干扰频率范围：
fJ1～fJ2。

假设收发各MA根天线，第i根天线的发射频率为fi，带宽Bi，天线及其射频系统工作干扰容限为δ。

根据干扰频率范围，根据式（1）判断天线i是否
可用，天线选择后得到可用天线数目Num。

根据干扰频率范围得到第i个天线的幅度谱（k＝1，2，…，N）。

在N个采样点中，若某点频谱已被干扰，将该点的值设置为0；反之，设置为1。

可以得到由0
和1组成的第i个天线的幅度谱
对幅度谱Ai（w）随机相位编码，使其具有噪声相似的波形，同时也提高了无人
机通信中的低截获概率特性。

采用线性反馈移位寄存器中选择r个相位映射延迟生成m序列（可以对不同的发射天线生成不同的m序列，则每个天线得到不同的随机相位）mk（0≤mk≤2r－1），根据多进制相移键控（multiple phase shift keying，MPSK）调制生成随机相位根据发射功率要求，对发送码元进行能量调整，采用每个码元具有相同的功率。

第i（i＝1，2，…，Num）根天线的发射能量Pi
＝εN／NAi（ε为每个码元能量，NAi为幅度谱向量Ai（w）中“1”的个数）。

最后得到频域离散基函数，对其进行逆变换，得到时域离散的基函数为
假设发射的数据为C＝［c1，c2，…，cNum］.对发送数据进行数字调制，调制
后串行序列根据可用天线数生成并行序列（c1，c2，…，cNum）T。

然后对并行
序列进行空时编码，采用空间分集度较高的正交空时分组编码（orthogonal space time block coding，OSTBC）［9-10］，以对抗信道衰落，提高传输的
可靠性。

天线i在t时刻的发送空时信号为将上述由“0”和“1”组成的m序列通过＝
2mk－1调制得到由“－1”和“1”组成序列，取其中1个周期（序列长度为L）与空时信号扩码（若在每个天线中分配不同的m序列，则可实现码元分集）。

最后，将基函数调制到相应的发射序列中，并通过第i个天线载波调制的发射序列为2.2 接收端数学模型
经过无人机MIMO信道传输，在机载接收的第j个天线的接收信号为
式中，hji为发射天线i与接收天线j之间的信道增益；J（n）为人为干扰信号；
Nj（n）为噪声，方差为N0／2。

通过本地载波混频，并用低通滤波消除高频项，得到含干扰和噪声的接收信号（n）为
采用与发射端相同的m序列，根据环境感知获得的干扰频谱，生成与地面发射端
相同的基函数（假设收发端时序一致），对基函数取共轭（n），并与（n）相乘，求和后可得到
同样地，采用与发射端相同的m序列与式（6）相关运算实现解扩。

根据m序列
的自相关性质，有
进一步化简为
式中
若干扰感知分析可以准确得到无人机受到的人为干扰，则根据收发端的基函数的生成原理，人为干扰信号J（n）与基函数幅度正交，因此式（9）为0。

最终，由式
（8）可得到第j根天线在t时刻的空时信号为
根据m序列的均衡性，则在序列一个周期L内有因此，噪声经过m序列相关后，噪声得到抑制，此时进一步降低了噪声对信号的影响。

对式（11）空时信号采用简化的合并最大似然（maximum likelihood，ML）译码，消除多径信道对信号的影响。

具体方法为：将m序列作为训练序列，实现对信道估计［3］，将信道估计值与接收信号合并的判决统计为
式中，∈t（i）为第1列的符号排列；第t列的xi的符号表示为sgnt（i）；X中出现xi列集合为η（i）；H为信道矩阵；‖·‖为Frobenius范数的平方；有且令，则
由于／Φ比较小，且噪声以及残留部分干扰在m序列相关后数值变小，除以Φ后得到进一步抑制。

可以直接对／Φ进行ML译码，有
式中，S为发送符号的星座图中s个信号的集合；d2（A，B）为符号A和B距离量度。

该方法降低了传统空时编码采用的合并ML译码［11］的复杂度。

最后，将并行数据转换为串行数据、解调得到所发送的序列。

3.1 系统抗干扰性能
针对无人机通信中的窄带干扰如连续波干扰、脉冲干扰等，基于CR-MIMO的无人机遥控链路，利用干扰频谱感知，将信号通过未被干扰的频带传输，实现抗窄带干扰；而对于宽带干扰如阻塞干扰，干扰信号带宽将覆盖无人机链路较宽的工作频段，此时在感知基础上，利用MIMO多频带传输可以智能选择未被干扰或干扰程度低的频带进行数据传输；而对于宽带遮盖式干扰，即利用噪声或者类似噪声的信号遮盖或淹没无人机射频信号，此时式（4）干扰项可以叠加到噪声项中，系统将通过扩码及MIMO传输，实现抑噪抗扰。

结合接收端的数学模型，则接收的信干比为
若机载天线可以准确感知到干扰频谱，接收信号经过去扰模块后，EJ＝0，提高了
接收信干比；若感知中残留干扰频谱，则式（9）中干扰信号J（n）与基函数幅度不完全正交，但经过扩码解扩后，干扰功率得到抑制，同样提高了接收信干比，发挥了扩码抗干扰的作用；通过最后的合并ML译码，可以消除噪声对信号影响，以此得到最大的接收信干比。

3.2 系统误码性能
纵观整个基于CR-MIMO的无人机多域联合抗干扰系统，干扰、噪声以及信道估
计是影响系统误码性能的主要因素。

在第3.1节的分析中，系统已经针对干扰及噪声实现了有效的抑制，下面分析信道对系统误码性能的影响。

结合无人机通信信道，主要包括直射分量以及散射分量［12］，因此可以假设无
人机信道H为莱斯衰落信道［13］，则hji可以看作实部和虚部均值为，方差为
σ2的复高斯变量，则Φ ＝‖H‖服从自由度为2Num2的非中心χ2分布，其概率
密度函数（probability density function，PDF）为
式中，莱斯参数阶贝塞尔函数Iα（x）＝，则
在合并ML译码中，瞬时符号差错概率为［11］
式中为空时码字矩阵的最小平方欧式距离，由于本系统在接收端采用简化的合并ML译码，即对每个码字进行译码，并非对每个码元矩阵判别，因此（X）变为单
个码字的最小平方欧式距离。

若采用二进制相移键控（binary phase shift keying，BPSK）信号，则符号差错概率为
关于φ对误符号率Pe求期望，则可获得理论上的系统误码率为
令，则有
式中由伽马（Γ）函数的定义
由，得
因此，式（20）的理论误码率表达式为
定义传输信道为莱斯衰落信道，莱斯参数K＝5（直射路径为主），方差σ2＝1，
若可用天线数Num＝4，信噪比1～16 dB，码元能量ε＝1，仿真信噪比与式（24）的理论误码率的关系，取m＝100，如图2所示。

随着信噪比的增加，误
码率也逐渐降低，并且误码性能较平稳，说明系统数据传输的可靠性高。

假设发送端随机生成12 000个发送数据，采用BPSK调制，蒙特卡罗次数为100，m序列周期为512，且感知模块能够获得90%以上的干扰范围。

下面对认知抗干
扰的典型应用——变换域通信（transform domain communication system，TDCS）［14］、文献［4］的TDCS-MIMO通信以及当前无人机主要采用的直接序列扩频通信（direct sequence spread spectrum，DSSS）［15-16］与本系
统的误码性能进行对比。

仿真中，所有系统均发送相同码元数据，其中，DSSS的扩频增益为512倍；TDCS采用双正交的循环移位键控（biorthogonal cylic
shift keying，BCSK）调制，采样点数为512；TDCS-MIMO的天线数均为4，
且工作在同一频段；基于CR-MIMO的综合抗干扰系统可用天线数Num＝4。

若
天线所有频段均受到20%的窄带干扰，且所有系统始终存在自然干扰的影响，其
大小通过信噪比来表现。

图3（a）为8 dB接收信噪比条件下的干信比与误码率
关系；图3（b）为8 dB干信比条件下的信噪比与误码率关系。

由于TDCS-MIMO系统与TDCS系统在抗窄带干扰原理上相似，但前者采用MIMO OSTBC
编码及合并ML译码能够有效抑制信道中自然干扰的影响，因此TDCS-MIMO抗窄带干扰性能优于TDCS系统，如图3（a）所示，且随着信噪比加大，这种优势
越明显，如图3（b）所示。

DSSS主要用于抗窄带干扰［15］，从图3中可见，
在干扰较小时其具有和TDCS-MIMO相似的抗窄带干扰效果，干扰较大时抗干扰性能下降快，甚至不如TDCS系统。

由于CR-MIMO综合抗干扰系统对抗窄带干
扰是通过感知将信号传输在无干扰频率上而跳出干扰范围，因此而相比前两者本系统误码率降低约一个数量级，且误码性能更稳定，符合式（24）理论误码率规律。

当天线受到的宽带阻塞干扰时，图4（a）为8 dB接收信噪比条件下的干信比与
误码率关系；图4（b）为8 dB干信比条件下的信噪比与误码率关系。

由于TDCS-MIMO系统和TDCS系统可用频带被严重干扰，因此从图4（a）和图4（b）可见，两者的误码率极高，也说明两者抗宽带干扰不足；DSSS通过相关运
算则可以抑制部分干扰，从图4可见，相比前两者的误码性能相对较好；而基于CR-MIMO的综合抗干扰系统是将m序列相关接收和MIMO空时编译码结合起来，使误码率在DSSS的基础上进一步降低了一个数量级，并且图4（b）中本系
统的信噪比与误码率的关系同样满足理论误码率特性。

当天线受到的宽带遮盖干扰［17］时，仿真主要通过加大噪声来淹没信号，其干
信比与误码率关系如图5所示。

可见，由于遮盖干扰功率较大，压制了发送信号，TDCS-MIMO系统和TDCS系统难以找到合适的无干扰频段进行信息传输；DSSS 通过相关运算则可以抑制部分干扰，但抗干扰效果依然不明显；所提的基于CR-MIMO的综合抗干扰系统同样受到干扰的影响，误码率加大，但由于MIMO分集和扩频的联合干扰抑制，使其误码性能优于前三者。

综上所述，基于CR-MIMO的无人机多域联合智能抗干扰方案相比于TDCS系统，通过OSTBC实现的空时分集以及合并ML译码能够对抗自然干扰；相比于DSSS
系统干扰削弱的方法，该方案通过CR寻找频率空穴实现干扰规避进行抗干扰效果更好；相比于TDCS-MIMO系统，通过结合扩频码实现码元分集能够补偿抑制感知遗漏的干扰，且通过多频段MIMO使宽带干扰难以覆盖所有频段；相比文献［6］主要针对定向干扰进行的空域波束赋形，而难以保证多向干扰的全面抑制，该方案未限制干扰的方向性，只考虑进入到接收机的干扰采用信号处理的方法进行抑制，具有对抗多向干扰的鲁棒性。

本文在感知的基础上，结合m序列扩频、空时编码以及多波段MIMO构建了无人机遥控链路抗干扰的新体制——基于CR-MIMO的无人机多域联合智能抗干扰系统。

给出了系统原理，详述了收发两端的抗干扰数学模型，分析了系统抗窄带、宽
带及自扰干扰性能，并通过仿真验证了该系统对抗无人机通信中常见干扰的误码率可降低约一个数量级，系统可靠性高。

高喜俊（1986-），男，博士研究生，主要研究方向为无人机MIMO通信。

E-mail：546250911＠
【相关文献】
［1］Xiong H L，Sun D C，Tian H X，et al.Uplink data transmission scheme for unmanned aerial vehicle［J］.Journal of Jilin University（Engineering and Technology Edition），2010，40（1）：276-280.（熊海良，孙德春，田红心，等.无人机上行链路数据传输方案［J］.吉林大学学报（工学版），2010，40（1）：276-280.）
［2］Pietro R D，Oligeri G.Jamming mitigation in cognitive radio networks［J］.IEEE Network，2013，27（3）：10-15.
［3］Wang S L，Lu S J，Zhang E Y.MIMO-DCSK communication scheme and its performance analysis over multipath fading channels［J］.Journal of Systems Engineering and Electronics，2013，24（5）：729-733.
［4］Budiarjo I，Nikookar H.MIMO TDCS with extra embedded symbol for higher data rates in overlay spectrum sharing system［C］∥Proc.of the IEEE Wireless Communications and Networking Conference，2009：1-6.
［5］Ren Q H，Zhang Y，Chu Z Y.Mitigating interference for MIMO communication system［C］∥Proc.of the International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery，2011：519-522.
［6］Deng H，Braham H.Interference mitigation processing for spectrum-sharing between radar and wireless communications systems［J］.IEEE Trans.on Aerospace and Electronic Systems，2013，49（3）：1911-1919.
［7］Akbar N，Khan A A，Butt F Q，et al.Performance analysis of energy detection spectrum sensing using MIMO-OFDM VBLAST test bed［C］∥Proc.of the 6th Joint IFIP Wireless and Mobile Networking Conference，2013：1-4.
［8］Chen C X，Fu H，Niu D Z，et al.Cooperative spectrum sensing algorithm based on double-threshold energy detection［J］.Systems Engineering and Electronics，2013，35（8）：1742-1746.（陈长兴，符辉，牛德智，等.基于双门限能量检测的协作频谱感知算法［J］.系统工程与电子技术，2013，35（8）：1742-1746.）
［9］Luo M G，Li L P，Qian G B，et al.Multi-dimensional blind separation method for STBC systems［J］.Journal of Systems En-gineering and Electronics，2013，24（6）：
912-918.
［10］Sundaravadivu K，Bharathi S.STBC codes for generalized spatial modulation in MIMO systems［C］∥Proc.of the International Conference on Emerging Trends in Computing，Communication and Nanotechnology，2013：486-490.
［11］Branka V，Yuan J H.Space-time coding［M］.Beijing：China Machine Press，2004：92-93.
［12］Jin S，Zhang X L，Zhou Q.A statistical model for the UAV communication channel ［J］.Acta Aeronautica et Astronautica Sinica，2004，1（1）：62-65.（金石，张晓林，周琪.无人机通信信道的统计模型［J］.航空学报，2004，1（1）：62-65.）
［13］Zhao Y，Huang L，Chi T Y.Capacity analysis for multiple-input multiple-output relay system in a low-rank line-of-sight environment［J］.IET Communications，2012，6（6）：668-675.
［14］Hu S，Bi G A，Guan Y L，et al.Spectrally efficient transform domain communication system with quadrature cyclic code shift keying［J］.IET Communications，2013，7（4）：382-390.
［15］Xue C J.Anti-interference performance of multi-path direct sequence spread spectrum wireless communication system［C］∥Proc.of the International Conference on
E-Health Networking Digital Ecosystems and Technologies，2010：461-464.
［16］Yang M J，Lu X M.Performance analysis of anti narrow-band noise in spread spectrum system［C］∥Proc.of the 7th International Forum on Strategic Technology，2012：1-4.
［17］Sune R J Axelsson.Analysis of ultra wide band noise radar with randomized stepped frequency［C］∥Proc.of the International Radar Symposium，2006：1-4.。