论文部分内容阅读
无线电频谱管理在当今无线通信中日益重要，频谱管理是整个无线电管理中的一个核心环节。有效利用紧张的频谱资源，合理优化各行业的频谱利用率，避免频谱浪费及非法使用频谱已迫在眉睫。在无线电频谱监测管理中，弱信号的存在给监测管理工作带来一定阻碍。由于弱信号具有较大的隐蔽性，当在噪声或强信号覆盖下时，很难被及时发现。因此弱信号的检测与分离问题对无线电频谱监测管理有重要的意义。本文在已搭建硬件平台基础上，利用LabWindows/CVI软件对接收的时域信号进行频谱转换，在频域分析信号及进行弱信号的检测提取。根据弱信号的存在背景，主要讨论被噪声淹没和强信号附近的弱信号检测问题。(1)根据噪声所具有的特殊统计特性，采用时域叠加法和频域叠加法，经多次叠加抵消噪声以突显弱信号。算法实现中，提出改进的迭代叠加算法提高程序运行效率，采取先仿真后移植的设计思路。(2)当两个或多个离的较近信号存在时，传统的FFT变换具有较低的频谱分辨率，容易形成一个谱包，很难分辨出弱信号。课题尝试采用AR线性预测模型来提高频谱分辨率，其中AR模型阶数的选择，是整个预测过程中的一个关键环节。在检测到某频点处存在弱信号时，进一步研究多信号分类(MUSIC)算法，利用该算法的测向优势，构造信号的空间向量并进行特征分解，检测同一频点上弱信号的个数及来波方向，避免造成弱信号个数的遗漏。由Matlab及LabWindows/CVI仿真结果可知，改进的迭代叠加算法对抵消噪声有较好的效果，能够明显突显弱信号。AR法和MUSIC法结合使用，对于提高频谱分辨率及检测来波弱信号的个数，具有较好的效果。此外，经多次仿真结果表明，AR模型中较佳阶数的选择受信号个数、噪声幅度等多个因素的影响。将算法移植到已搭建的硬件环境，实际算法验证表明：对噪声下的弱信号检测问题，提出改进的时域叠加和频域叠加算法简单可行，能够明显发现弱小信号，且频域叠加法效果更佳。AR模型验证实际接收数据，当阶数选择合适时，能极大提高频谱分辨率，分离出靠的近的强弱信号。