一种基于压缩感知的星载AIS冲突信号分离方法与流程

本发明属于航天航海无线通信技术领域，特别涉及一种星载船舶自动识别系统基于压缩感知技术的冲突信号分离方法。

背景技术：

为了确保海上航行安全，提高航运交通效率，能够实现船与船、船与岸之间的实时数据交换以及目标信息识别，2002年国际海事组织(imo)提出船舶自动识别系统(ais)，强制船舶安装ais电子通讯设备，ais设备通过采用自组织时分多址(sotdma)技术进行广播式自动报告。报告内容包含经纬度、航速、航向等动态信息和海上移动业务标识mmsi(maritimemobileserviceidentity)码、呼号、船名等静态信息。其他船舶可以接收或转发这些消息，基站也可以接收这些消息，从而构成岸船、船岸、船船的新型海事通信助航系统。

随着远海航行的繁荣，星载ais应运而生，在海运领域越发受到关注。星载ais覆盖范围大、视野广阔，通过卫星对收发信号的中转可以实现高质量远距离的ais信号传输，为全球的船舶航行信息获取与船舶安全监管提供了技术支持。星载ais由于覆盖多个独立ais子网络，由于在子网络之间没有协调机制，卫星很有可能会接收到多个相互冲突的ais信号。这种干扰背景下的ais信号分离与译码成为星载ais接收机的技术难点。

压缩感知(cs)是一种适用于稀疏信号的新的采样理论，该方法通过线性测量的方式以远小于奈奎斯特采样频率的采样频率获取信号的离散样本，然后利用信号的稀疏特性依据一定的算法对信号进行重构，在图像恢复领域以及语音信号分离领域得到了较广泛的应用。

申请号为201410608054.6，发明名称为“一种基于参数估计下的星载ais信号串行分离方法”的发明专利，主要针对混合的星载ais基带信号，对其时延、频偏、相位等参数进行估计，利用这些信息以及非相干检测出的码元进行信号重构，实现一路信号的分离后再对剩下的信号重复此过程实现串行分离，并主要分析了主信号的分离效果，这种方法使得设备复杂，分离时效性较差。申请号为201410502475.0，发明名称为“星载ais基于接收盲波束成形的同信道干扰抑制方法”的发明专利，利用ais信号的恒模特性通过恒模算法对用户信号实现盲波束成形，分离期望信号和干扰信号之后，对期望信号进行检测，然而这种技术在冲突信号波达方向角相差较小时很难进行分离。申请号为201310492497.9，发明名称为“一种解决ais信号时隙冲突的信号处理方法”的发明专利，主要针对发生时隙冲突的ais信号数与接收天线数相同的背景，通过对多天线(两根及以上)接收的信号做相位处理而进行分离，只恢复需要分离的ais信号，该专利对现实中更多发生的天线数少于冲突信号数的情况无法进行分离。申请号为201410608054.6，发明名称为“一种可用于星载ais系统的冲突信号处理方法”的发明专利，利用帧结构中的已知信息做同步与信道估计，之后检测出一路信号，重构之后将其减去，对剩余信号重复此过程而完成信号分离，这种方法同样具有设备复杂与时效性较差的缺点。

技术实现要素：

本发明提出一种基于压缩感知的星载ais冲突信号分离方法，首次将压缩感知技术应用到星载ais信号分离中，该方法凭借压缩感知特性，可以减少接收机天线数量，降低卫星载荷，可以并行分离信号以提升信号分离效率。

为了解决上述技术问题，本发明提出一种基于压缩感知的星载ais冲突信号分离方法，构建基于压缩感知的欠定盲源信号分离模型，使用匹配追踪方法在星载ais接收机的接收信号中分离出源信号；所述欠定盲源信号分离模型如下：

s.t.y(t)＝as(t)＝aψα(t),t＝1,2,…,t

其中，t为星载ais接收机天线接收的冲突信号通过模数转换器得到的观测信号y(t)的总采样点数；t为离散时间；a为m×n大小的混合矩阵；α(t)为稀疏系数；s(t)为分离出的源信号，即分离出信号，s(t)＝ψα(t)，m为星载ais接收机的天线个数，的天线阵，n为船舶数量。

具体分离过程为：

步骤一，根据已知的观测信号y(t)，随机生成一个m×n的混合矩阵作为对混合矩阵a的估计；

步骤二，使用混合矩阵通过匹配追踪方法求得稀疏系数α(t)，使用观测信号y(t)通过y(t)＝as(t)求得分离信号

步骤三，根据评价函数计算分离信号的适应度值，所述评价函数如下：

其中，为适应度值；

中间值为混合矩阵的第j个列矢量，为分离信号的第j个行矢量；

中间值为的平均值；

步骤四、使用粒子群算法更新混合矩阵然后返回步骤二，直到粒子群算法更新次数达到设定的最大迭代次数；达到最大迭代次数后将最小适应度值对应的分离信号作为最终输出的分离信号。

进一步，对n路分离信号通过2比特差分的方法进行非相干解调，然后通过判决译码得到n个船舶发送的ais数据

本发明与现有技术相比，其显著优点在于，(1)本发明采用基于压缩感知的星载ais冲突信号分离方法，作为一种欠定盲分离技术，工作在天线数小于或等于源信号数的条件下，降低了所需天线数量，有利于载荷的减轻以及接收机结构的简化：(2)本发明方法通过匹配追踪算法与智能优化算法对混合矩阵的估计，可以单次并行得到n路源信号的恢复信号，较之于一次只能分离一路信号的串行分离方法，提升了冲突信号的分离效率；(3)本发明通过压缩感知算法的使用，不需要进行频偏、相移、幅度估计，省去了上述参数估计与本地信号重构的调制设备，简化了星载ais接收机的结构；(4)本发明通过压缩感知算法内部使用的智能优化算法中依据海运的繁忙程度可调的学习因子与迭代次数的修正，可以显著提高混合矩阵的估计精度，改善信号分离效果，提升检测的误比特性能。

附图说明

图1是本发明实施例的一个ais信号收发系统模型。

图2是采用压缩感知方法通过观测信号矩阵y进行源信号恢复的流程图。

图3是n＝3路时的源信号与相应的分离信号的局部放大对比图。

图4是n＝3路分离的主信号的误码率曲线图。

具体实施方式

容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明基于压缩感知的星载ais冲突信号分离方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。

图1是本发明实施例的一个ais信号收发系统模型，一艘船舶利用一个天线发射一路ais信号，n个船舶通过各自的天线发射n路源信号s0(t)，之后被一个具有m个接收天线的星载ais接收机接收，m小于n，这就形成一个欠定盲源分离模型，其数学表达式为:

x0(t)＝a0s0(t)+n0(t),t＝1,2,…t

其中，t为星载ais接收机接收天线接收的冲突信号通过模数转换器(adc)得到的观测信号的总采样点数，t为离散时间，x0(t)为已知的星载ais接收机的m维观测信号，a0是一个m×n的未知常数构成的列满秩混合矩阵，s0(t)是未知的n维源信号，n0(t)是加性噪声。

本发明方法的目的就是运用压缩感知方法对观测信号x0(t)进行分离获得分离信号，即源信号的估计。

对于可以在n×n的正交基ψ上进行稀疏表示的信号x0，通过非相关测量将离散信号x0投影到一组低维的测量向量y0上，即:

y0＝φx0＝φψα0

便可通过求解l0范数下的最优化问题:

s.t.y0＝φψα0

完成由低维观测信号y0重构信号x0。

本发明将上述欠定盲源分离模型与压缩感知模型对应，由于x0(t)在维度上是稀疏的所以将观测信号x0(t)与低维观测信号y0对应，在基于压缩感知的欠定盲源信号分离模型中用y(t)表示，代表m×t的观测信号。源信号s0(t)可以用正交基ψ表示，将源信号s0(t)与信号x0对应，在基于压缩感知的欠定盲源信号分离模型中用s(t)表示，代表n×t的源信号。进一步，s(t)可以表示为ψα(t)的乘积，α(t)是基于正交基ψ的n×t的稀疏系数，是上述压缩感知模型中稀疏系数在基于压缩感知的欠定盲源信号分离模型中的表示，稀疏度为k。上述欠定盲源分离模型中的列满秩混合矩阵a0在基于压缩感知的欠定盲源信号分离模型中用a表示，代表m根天线及信道对信号综合作用形成的m×n的混合矩阵，假设传感器引入的噪声可忽略，则n0(t)＝0。因此，基于压缩感知的欠定盲源信号分离模型构造如下：

s.t.y(t)＝as(t)＝aψα(t),t＝1,2,…,t

其中，t为星载ais接收机天线接收冲突信号通过模数转换器(adc)得到的观测信号的总采样点数，t为离散时间，利用星载ais信号在维度上的稀疏性通过匹配追踪算法便可完成冲突信号的分离，分离后的n路信号通过2比特差分的方法进行非相干解调，再通过判决译码得到船舶发送的n个原始帧数据。

图2为运用压缩感知方法分离冲突信号的流程图，具体描述如下：

步骤一，根据已知的观测信号y(t)，随机生成一个m×n的混合矩阵作为对混合矩阵a的估计；

步骤二，使用混合矩阵通过匹配追踪方法(mp)求得稀疏系数α(t)，使用观测信号y(t)通过y(t)＝as(t)求得分离信号

步骤三，根据评价函数计算步骤二中得到的分离信号的适应度值，记录得到的适应度值及对应的稀疏系数α(t)和分离信号(进入迭代后即记录每次迭代所有粒子对应的适应度值中最小的一个，及其对应的稀疏系数α(t)和分离信号

所述评价函数如下：

其中，为适应度值；

其中，中间值

式中为混合矩阵的第j个列矢量，为分离信号的第j个行矢量(即对第j路源信号的估计)，因为源信号是稀疏信号，则大多数采样时刻只有一个源信号起主要作用，上式即由信号较强、其他信号较弱的情形得来，当源信号充分稀疏时，对于近似稀疏的信号，也可将上式作为一个约束条件。

其中，中间值

式中，为的平均值，上式为分离信号间的相关系数，当时，取得最小值0。在本发明中，n路源信号间信干比越大、相互间时延越大，信号的稀疏性越好，越小。由于船舶发送的ais源信号相互独立，所以越小，证明得到的分离信号越有可能接近源信号。所以评价函数值越小，则分离效果越好。

步骤四、使用粒子群算法更新混合矩阵然后返回步骤二，直到粒子群算法更新次数达到设定的最大迭代次数；达到最大迭代次数后输出最小值对应的稀疏系数α(t)和分离信号它们即为最优稀疏系数αbest(t)和最优分离信号分离信号即为源信号。

上述方法进行实际应用的过程为：

步骤1、设定具有m根相互独立天线的天线阵，m通常大于等于2，即大于等于源信号维度上的稀疏度的2倍。

步骤2、天线接收冲突信号后，通过模数转换器(adc)采样形成m通道接收数据，每路数据采样t点，形成m×t的观测信号矩阵y。

步骤3、对观测信号矩阵y利用压缩感知技术通过对混合矩阵a的估计进行盲源信号分离，得到n路源信号的估计信号(即分离信号)。

步骤4、对得到的n路分离信号分别进行中频滤波，采用2比特差分的方法进行解调制。

步骤5、对得到的n路解调信号分别进行抽样判决，得到n个ais数据帧。

图3是仿真条件为n＝3，源信号到达星载ais接收机天线时幅值比为1：0.5:0.3、后两路信号相对前一路信号时延为6.25ms、6.25ms，信噪比为20db时，对幅值最大的分离信号与相对应的源信号的局部对比图，两者波形极为相似，失真较小，能够通过分离波形得到较好的解调解码，可以看出ais冲突信号经过基于压缩感知的星载ais冲突信号分离方法尤其对主信号基本实现了比较好的分离。

图4是n＝3，设定到达星载ais接收机天线的信号中后两路信号相对前一路信号时延为6.25ms、6.25ms时，对分离出的信号进行2比特差分解调与译码后根据主信号的误码率情况绘制的误码率曲线，a1/a2代表最大干扰信号与主信号幅度比，第三路信号幅值a3为大于0小于a2的随机数，横坐标为归一化信噪比。由图可知，当a1/a2接近0.5时已经可以得到在星载ais解碰领域比较满意的误码性能，而当a1/a2>0.5以后，在大于等于8db信噪比的情况下可以得到误码率在10^-4以下的误码性能，误码性能优良。

由上可知基于压缩感知的星载ais冲突信号分离方法对于ais冲突信号可以达到比较好的分离效果，误码性能良好。