TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐÀO TẠO SAU ĐẠI HỌC TIỂU LUẬN KỸ THUẬT TRẢI PHỔ LỌC NHIỄU THEO THỜI GIAN – TẦN SỐ TRONG THÔNG TIN TRẢI PHỔ Hà Nội, tháng 02/2012 Giảng viên hướng dẫn : PGS-TS NGUYỄN HỮU TRUNG Học viên cao học : NGUYỄN NGỌC QUYỄN Mã số học viên : CB110986 Lớp : 11KTTT1B LỌC NHIỄU THEO THỜI GIAN – TẦN SỐ TRONG THÔNG TIN TRẢI PHỔ Serliat Erkiiqiik and Sridhar Krishnan TÓM TẮT: Một kỹ thuật mới để tiêu thụ can nhiễu tín hiệu nhỏ đơn lẻ và nhiều thành phần giống như trong thông tin chuỗi trải phổ trực tiếp được đề xuất.Tín hiệu nhận được sẽ được phân chia ra thành Tần số - thời gian (TF) chức năng sử dụng thuật toán một tín hiện phân rã thích ứng và chức năng TF được ánh xạ lên mặt phẳng TF. Mặt phẳng TF được tối ưu hóa và được xử lý như là một hình ảnh và sự can nhiễu được thể hiện trong mặt phẳng TF được phát hiện bằng cách sử dụng chuyển đổi Hough – Radon (HRT). Kết quả mô phỏng với các mô hình tổng hợp đã cho thấy hiệu suất thành công của cắt bỏ nhiễu tín hiệu nhỏ tuyến tính và phi tuyến tính. Phương pháp đã thể hiện khả năng loại trừ nhiễu trắng và đa nhiễu với điều kiện SNR rất thấp -10dB Các từ khóa: Cắt bỏ can nhiễu, thông tin trải phổ, thích ứng phân chia tín hiệu, chuyển đổi Hough – Radon, lọc thời gian – tần số. 1. GIỚI THIỆU: Trong thông tin trải phổ, tín hiệu thông tin được điều chế và lan truyền trên một băng thông rộng hơn với một nhiễu mã giả ngẫu nhiên (PN) cũng được biết đến ở thiết bị nhận và được truyền qua kênh. Tăng băng thông của việc truyền tín hiệu mang lại tăng việc xử lý, xác định như tỷ lệ băng thông của tín hiệu truyền tới băng thông của tín hiệu thông tin. Mặc dù cung cấp tăng xử lý loại bỏ can nhiễu ở một mức độ cao, có một sự cân bằng giữa sự làm tăng xử lý và phổ tần số có sẵn.Trong trường hợp tỷ lệ tín hiệu can nhiễu cao (ISR), hệ thống trải phổ với mức tăng xử lý hạn chế có thể không thể ngăn chặn được nhiễu . Vì vậy, sự loại bỏ nhiễu trước khi tín hiệu nhận được là cần thiết để tăng hiệu suất của hệ thông. Trong nghiên cứu này , chúng ta sẽ đánh giá đề xuất các thuật toán loại bỏ can nhiễu bằng cách sử dụng hệ thống chuỗi trải phổ trực tiếp (DSSS), một trong các kỹ thuật trải phổ được sử dụng rộng rãi nhất. Trong DSSS, , lượt truy cập thứ k của tín hiệu thông tin m(t), được nhân với một mã PN p(t), nơi mà mỗi bit thông tin xuất hiện giây và các bit mã PN mỗi giây. Việc tăng xử lý, i, e, tức là chiều dài của mã PN là L = / , ở đó >> . Trong quá trình truyền tải các tín hiệu điều chế, thêm vào nhiễu Gaussian trắng n(t) và nhiễu i(t) được thêm vào tín hiệu trong kênh, và nhận được tín hiệu sau: r(t) = p(t) + n(t) + i(t) (1) Tại thiết bị thu, tín hiệu nhận được t(t) được đồng bộ và tương quan với mã PN p(t) và đánh giá được bit thông tin được thực hiện, =( b ( t ) > P ( t )) = ( P ( t ) , P ( t ) )+ (n( t ) ,p( t )+) ( i ( t ) > P ( t)) (2) Như đã thấy trong phương trình trên, giải điều chế của tín hiệu nhận được tín hiệu thông tin được phục hồi, trong khi truyền nhiễu và can nhiễu. Quyết định này được thực hiện trên sự phân cực . Nếu tỉ lệ nguồn nhiễu vào nguồn tín hiệu là lớn để tăng xử lý không thể loại bỏ nhiễu, sau đó ước tính bit thông tin, có thể sai. Vì vậy nhiễu phải được loại bỏ trước khi giải điều chế. Một số kỹ thuật loại bỏ như là khe lọc thích nghi, quyết định – định hướng lọc thích ứng, và kỹ thuật chuyển đổi từ tương tự sang số thường được sử dụng để ngăn chặn nhiễu băng hẹp trong DSSS. Tuy nhiên nếu nhiễu có một băng thông hẹp tức thời trong một phạm vi tần số băng rộng như tín hiệu chirps, phương pháp thời gian - tần số (TF) thực hiện tốt để hạn chế nhiễu. Đã có một số kỹ thuật được đề xuất để loại bỏ nhiễu bằng cách sử dụng phân phối thời gian – tần số (TFDs) của tín hiệu. TFDs hạn chế bất kỳ nhiễu cả về miền thời gian và miền tần số, và lý tưởng cho loại bỏ nhiễu. TFDs thường được sử dụng trade – off giữa độ phân giải TF và ngăn chặn qua các điều kiện. Trong bài báo này, chúng tối tập trung vào một kỹ thuật cắt bỏ mới dựa trên xây dựng một TFD đáng tin cậy của tín hiệu trải phổ nhận được sử dụng bằng cách thích ứng tín hiệu thành phần kỹ thuật. Sơ đồ khối dủa thuật toán đề xuất loại bỏ nhiễu được thể hiện trong hình 1. Bằng cách tách 1 tín hiệu thành các tín hiệu thành phần,có thể tránh được sự tương tác giữa các thành phần, và xây dựng TFD bằng cách kết hợp các TFDs của các thành phần cá nhân sẽ qua được miễn điều kiện qua. Ngoài ra, bằng cách sử dụng chức năng Gaussian là căn cứ để loại bỏ, độ phân giải TF cao của tín hiệu nhiễu có thể đạt được. Bằng cách xử lý mặt phẳng TF như là một hình ảnh, các mô hình nhiễu có thể được phát hiện bằng cách sử dụng kỹ thuật phân tích hình ảnh của biến đổi Hough – Radon (HRT). Các đường cong với phương trình toán học dễ dàng phát hiện bằng cách chuyển đổi hình dạng trong hình anh TF vào miền Hough ( còn được gọi là tên miền tham số), và tìm kiếm đỉnh chi phối (giá trị tối đa). Tọa độ của các đỉnh tri phối cung cấp các thông số hình dạng. Nhiễu được tái tạo ngưỡng phù hợp giá trị năng lượng tương ứng trong mặt phẳng TF và loại bỏ khỏi tín hiệu trải phổ nhận được. Bài báo được tổ chức như sau : Mục 2, Xây dựng hình ảnh của TF được giải thích. Học thuyết HRT cho phát hiện tín hiệu chirps trong hình ảnh TF được giải thích trong phần 3. Trong Phần 4, hiệu suất của hệ thống được đề xuất được đánh giá trong điều khoản của ISR, tỷ lệ lỗi bit (BER) và tỷ lệ lỗi chíp trung bình. Bài báo được kết thúc tại mục 5 Hình 1 : Thuật toán cắt bỏ nhiễu 2. XÂY DỰNG HÌNH ẢNH THỜI GIAN – TẦN SỐ Thuật toán thích ứng phân chia tín hiệu chúng ta sử dụng để phân chia các tín hiệu vào chức năng TF là thuật toán kết hợp theo đuổi (MP). Trong MP tín hiệu nhận được r(t) được chia ra thành tổ hợp tuyến tính của chức năng TF g(t) được lựa chọn như một từ điển hoàn toàn của chức TF. Các tín hiệu r(t) có thể được biểu diễn như là : r(t) = (t), (3) ở đây (t) = , (4) Và , là các hệ số mở rộng. Thang đo hệ số , điều khiển chiều rộng cửa sổ chức năng và là hệ số sắp xếp theo thời gian. Các thông số và đại diện cho các tần số và pha của hàm mũ tương ứng. Các tín hiệu r(t) được chiếu lên một từ điển hoàn toàn của chức năng TF với tất cả các kích cỡ cửa sổ có thể, tần số và các vị trí theo thời gian. Tại mỗi lần lặp, chức năng tương quan tốt nhất được chọn từ từ điển còn lại của tín hiệu, được gọi là phần còn lại tiếp tục được phân chia bằng cách sử dụng cùng một quy trình lặp đi lặp lại. Đối với các ứng dụng của chúng tôi, chúng tôi sử dụng từ điển Gabor bao gồm các chức năng Gaussian. Các chức năng Gaussian đảm bảo các sản phẩm băng thông thời gian nhỏ nhất và đại diện cho tín hiệu trên mặt phẳng TF với độ phân giải tần số tối ưu thời gian. Sau khi lặp đi lặp lại M lần, tín hiệu r(t) có thể được biểu diễn như là, r(t) = (5) Ở đây đại diện cong lại cho r(t) sau khi lặp đi lặp lại n lần. Thuật ngữ đầu tiên trong công thức 5 đại diện cho M chức năng Gaussian phù hợp với tín hiệu tốt nhất (chúng ta sẽ đề cập tới thuật ngữ đầu tiên là r’(t)) và thuật ngữ thứ hai (tương ứng là r’’(t)) đại diện cho phần còn lại của các tín hiệu r(t). Để cho các tín hiệu được phân chia hoàn toàn, quá trình lặp đi lặp lại phải tiếp tục cho đến khi tất cả các năng lượng của tín hiệu còn lại được tiêu thụ. Trong nghiên cứu này, chúng tôi quan tâm trong mô hình nhiễu với công suất cao hơn so với công suất của tín hiệu truyền qua. Phần không phải mô hình nhiễu được loại bỏ bởi tăng xử lý. Vì vậy, chúng tôi dừng việc lặp đi lặp lại của chúng tôi khi công suất của tín hiệu còn lại r’’(t) trở lên kém hơn so với công suất dự kiến của tín hiệu nhiễu tự do cho tải ít tính toán. Sau khi việc phân chia tín hiệu được thực hiện, TFD W(t, w) có thể được xây dựng bằng cách phân phối Wigner – Ville (WVD) của các chức năng Gaussian thể hiện trong r’(t) : W(t,w) = + (6) Ở đây là WVD của chức năng cửa sổ Gaussian. Tổng số tăng lên gấp đôi tương ứng với các điều khoản qua của WVD và sẽ bị loại bỏ để có được một điều khoản chéo phân phối năng lượng tự do của r’(t) trong mặt phẳng TF. Vì vậy các kết quả TFD ở giới hạn đầu tiên của W(t,w) chúng ta biểu thị bằng W’(t,w). W’(t,w) là một phân phối tích cực và giới hạn ngang tự do nhưng nó không đáp ứng các đặc tính biên ≠ và ≠ (7) Để có được một TFD thích hợp cho các ứng dụng tính năng nhận dạng. TFD W'(t,w) có thể được sửa đổi để đáp ứng các yêu cầu mà vẫn giữ được các đặc tính quan trọng của nó. Phương pháp tối thiểu hóa giữ liệu ngẫu nhiên có thể được sử dụng để tối ưu hóa TFD. Kết quả TFD là đúng chức năng mật độ xác suất và nó có thể được sử dụng cho tính năng nhận dạng. Hãy biểu thị TFD tối ưu bởi W’’(t,w). 3. PHÁT HIỆN NHIỄU : CHUYỂN ĐỔI HOUGH VÀ RADON Kết hợp biến đổi Hough và Radon (HRT) là công cụ hiệu quả để phát hiện năng lượng biến đổi. Trong HRT, TFD sẽ được coi là một hình ảnh, trong mỗi giá trị pixel tương ứng năng lượng hiện tại tại một thời điểm cụ thể và tần số. Để thuận tiện, chúng tôi sẽ tham khảo mức xám hình ảnh của TFD tối ưu W’’(t,w) như là f(u,v). Chuyển đổi Radon (RT) máy tính chiếu ở các góc độ khác nhau của một hình ảnh hoặc phân phối dữ liệu hai chiều f(u,v) đo như tích phân đường dọc theo đường đi của tia sáng. RT có thể được thể hiện như R = (8) Trong đó là góc của tia sáng kết hợp, p là khoảng cách của đường tia sáng tới trung tâm của hình ảnh và là các chức năng tam giác Dirac. Phương trình đại diện cho sự kết hợp của f(u,v) dọc theo đường p = . Chuyển đổi Hough (HT) là một phương pháp nhận dạng mẫu tính toán số lượng điểm ảnh thỏa mãn điều kiện tham số (nhiễu bậc 2 được mô hình hóa như phương trình bậc hai. HT có thể được áp dụng hình ảnh nhị phân. Ưu điểm của kết hợp HRT trên HT là nó có thể được áp dụng cho mức độ xám của hình ảnh, nơi mà chúng ta có thể phát hiện năng lượng biến thiên thành phần Chirp. Một khi các điểm trên phân phối dữ liệu hai chiều f(u,v) thỏa mãn các giới hạn hướng tham số được tìm thấy, chúng ta biến đổi các thông số miền TF và ngưỡng giá trị năng lượng của các chức năng TF tương ứng với hướng can nhiễu trên mặt phẳng TF. Như minh họa trong hình 1, ước lượng can nhiễu; (t) được xây dựng lại và được trừ từ các tín hiệu trải phổ nhận được. 4. CÁC KẾT QUẢ THỰC NGHIỆM Trong mô phỏng của chúng tôi, chúng tôi sử dụng 128 chip mỗi bit thông tin để truyền tín hiệu thông tin và giả sử các kênh là không bị phân tán. Chúng tôi xem là tổng hợp tuyến tính, bình phương, và nhiều (tuyến tính và bình phương) chirps như là các nguồn can nhiễu. Ban đầu chúng tôi đánh giá tỷ lệ lỗi bit (BERs), kết quả từ sự xuất hiện của một biên độ không đổi Chirp tuyến tính bậc hai,quét toàn bộ băng tần của tín hiệu trải phổ, cho các ISRs khác nhau trong giới hạn [0,50] dB. Chúng tôi giả sử các SNR là 10dB cho mỗi trường hợp. Khi ISR dưới 10dB, hệ thống có thể xử lý nhiễu để không có lỗi bit xảy ra ở đầu thu. Đối với các ISRs trong phạm vi [10,50]dB, chúng tôi nén tín hiệu và đa nhiễu bằng cách sử dụng thuật toán loại bỏ đề xuất trước khi giải điều chê.Các đa nhiễu bao gồm một chirp tuyến tính và một chirp bậc hai trong cùng một miền TF. Chúng tôi ghi nhận không có lỗi bit nào sau khi cắt bỏ đơn nhiễu và đa nhiễu. Chúng tôi đã lặp đi lặp lại quá trình này cho các giá trị SNR khác nhau trong phạm vi [-10, 10]dB và cũng ghi nhận không có lỗi bit. Một trong những lý do chính của việc này là một đại diện TF chính xác của nhiễu trong mặt phẳng TF thích ứng và phát hiện thành công và lọc bởi HRT. Một quan sát tương tự đã được thực hiện bởi Bultan, nơi mà họ đại diện cho nhiễu tuyến tính với khu vực TF tốt bằng cách sử dụng phận tán thích nghi Chirplet. Tuy nhiên họ không bao giờ báo cáo bất kỳ kết quả trên cắt bỏ nhiễu bậc hai và đa nhiễu. Các phương pháp khác TFD dựa trên báo cáo lỗi bit cho các điều kiện tương tự như cắt bỏ. Kể từ khi các nhiễu với mức độ công suất khác nhau đã được cắt bỏ thành công từ các tín hiệu cho kết quả không BERs, chúng tôi đánh giá hệ thống của chúng tôi bằng cách tính toán tỷ lệ phần trăm của các chip nhận được trong lỗi cho các giá trị SNR khác nhau. Hình 2 và 3 cho thấy kết quả mô phỏng tương ứng cho các giá trị ISR 40dB và 5 dB. Giá trị ISR đầu tiên được chọn là 40dB vì hệ thống cho khoảng 50% BER ( trường hợp khi hệ thống không thể từ chối bất kỳ phần nào của sự can nhiễu) khi có cắt bỏ. Hình 2: Xác suất của chip lỗi cho ISR = 40dB Giá trị ISR thứ hai được chọn là 5dB, nơi mà hệ thống có thể từ chối nhiễu mà không có tiền xử lý trước khi giải điều chế. Trong một số hệ thống đã đề xuất, loại bỏ can nhiễu với công suất thấp nhất làm giảm hiệu suất của hệ thống, trong khi hệ thống của chúng tôi cải thiện đáng kể tỉ lệ lỗi chip. Đối với mục đích minh họa, TFDs của tín hiệu SS với một tín hiệu nhiễu (ISR = 5dB), phát hiện nhiễu, và loại bỏ nhiễu tín hiệu SS được thể hiện trong hình 4. Kết quả thực nghiệm cho thấy rằng kỹ thuật đề xuất có thể được thực hiện thành công cắt bỏ duy nhất hoặc là nhiều thành phần Chirp như là nhiễu bằng cách sử dụng thích ứng TFDs và HTR, nơi mà như Bultan chỉ tập trung vào cắt bỏ các Chirp tuyến tính và Amin sử dụng các hạt nhân khác nhau cho các nhiễu khác nhau. Hình 3:Xác suất của lỗi Chip cho ISR = 5dB Hình 4: TFDs của tín hiệu SS (i) với một nhiễu tuyến tính (chirp) (ii) ước lượng nhiễu, (iii) lọc nhiễu tín hiệu SS 5. KẾT LUẬN Một kỹ thuật mới được giới thiệu để cắt bỏ nhiễu điều chế tần số trong thông tin trải phổ. Khu vực của nhiễu được cung cấp bởi một thuật toán thích ứng phân tách tín hiệu bằng cách sử dụng chức năng Gaussian làm cơ sở và loại bỏ WVDs chéo của các chức năng Gaussian. Do đó, Nhiễu FM đơn và đa thời gian khác nhau được đại diện với độ phân giải tốt trên mặt phẳng TF. Sau đó nhiễu được phát hiện bằng cách sử dụng một thuật toán phát hiện dòng, HTR. Ước lượng nhiễu được trừ vào các tín hiệu, trước khi xử lý. Các kết quả mô phỏng cho các thuật toán đề xuất không có lỗi bit cho giá trị ISR khác nhau sự loại bỏ nhiễu ngay cả dưới điều kiện SNR thấp nhất là -10dB. Hiệu suất của hệ thống được đánh giá bằng cách tính toán các chip nhận được lỗi trước và sau khi loại bỏ nhiễu. Các kỹ thuật đề suất nâng cao hiệu suất của hệ thống bằng cách giảm số lượng chip lỗi nhận được sau khi cắt bỏ nhiễu trong cả hai trường hợp, khi ISR là thấp hoặc cao. Kỹ thuật này có thể được sử dụng cho bất ký loại cắt bỏ nhiễu như Chirp với độ chính xác cao 6. TÀI LIỆU THAM KHẢO [I] J.D. Laster and J.H. Reed, “Interference rejection in digital wireless communication:’ IEEE Signal Processing Mag., pp. 37-62, May 1997 [2] L. Cohen, “Time-frequency distributions - A review,” Proc. IEEE, vol. 77, pp. 941-981, 1989 [3] M.G. Amin, “Interference mitigation in spread spectrum communication systems using time-frequency distributions,” IEEE Trans. Signal Processing, vol. 45, no. 1, pp. 90-101, Jan 1997 [4] S. Barbarossa and A. Scaglione, “Adaptive timevarying cancellation of wideband interferences in spread-spectrum communications based on timefrequency distributions:’ IEEE Trans. Signal Processing, vol. 47, no. 4, pp. 957-965, Apr. 1999 [5] X. Ouyang and M.G. Amin, “Short-time Fourier transform receiver for nonstationary interference excision in direct sequence spread spect“ communications,” IEEE Trans. Signal Processing, vol. 49, no. 4, pp. 85 1 - 863, Apr. 2001 [6] S. Krishnan, “Adaptive Signal Processing Techniques for Analysis of Knee Joint Vibroarthrographic Signals,” PhD. Thesis, University of Calgary, June 1999 [7] L. Coben and T. Poscb, “Positive time-frequency distribution functions,” IEEE Trans. Acousf. Speech Signal Processing, vol. ASSP-33, no. 1, pp. 31-38, 1985 [8] P.J. Loughlin, J.W. Pitton and L.E. Atlas, “Construction of positive time frequency distributions,” IEEE Trans. Signal Proc., vol. 42, no. 10, pp. 2697-2705, Oct 1994 [9] S.G. Mallat and Z. Zhang, “Matching pursuit with time-frequency dictionaries,” IEEE Trans. on Signal Proc., 41(12): 3397-3415, 1993 [10] R.M. Rangayyan and S. Krishnan, “Feature identification in the time-frequency plane by using the Hough- Radon transform:’ Pattern Recognition, vol. 34, pp. 1147-1 158,2001 [ 11] A. Bultan and A.N. Akansu, “A novel time-frequency exciser io spread spectrum communications for chirplike interference:’ Proc. ICASSP-1998, pp. 3265- 3268.1998 . can nhiễu, thông tin trải phổ, thích ứng phân chia tín hiệu, chuyển đổi Hough – Radon, lọc thời gian – tần số. 1. GIỚI THIỆU: Trong thông tin trải phổ, . VIỆN ĐÀO TẠO SAU ĐẠI HỌC TIỂU LUẬN KỸ THUẬT TRẢI PHỔ LỌC NHIỄU THEO THỜI GIAN – TẦN SỐ TRONG THÔNG TIN TRẢI PHỔ Hà Nội, tháng 02/2012 Giảng viên hướng dẫn