一种小型无人机图传信号分析与解调方法与流程

本发明涉及信号处理技术领域，尤其是涉及一种小型无人机图传信号分析与解调方法，其在未知CP-OFDM信号格式的条件下，对CP-OFDM信号的分析、估计及盲解调，用于实现小型无人机信号的感知和识别。

背景技术：

随着无人机技术的变革和发展，人们对无人机使用需求的日渐提高，小型无人机以其尺寸小、噪音小、携带方便、操纵简便的自身特点已成为一种热门的消费产品。目前国内外无人机市场发展迅猛，越来越多的无人机爱好者拥有了自己的无人机，但由此带来的问题也日渐突出。无人机虽然在高空拍摄、空中挂载等使用上给使用者带来方便，同时也给群众和执法人员带来很大的麻烦和安全隐患。

随着低空空域管制的逐步开放和无人机产品的广泛使用，使用无人机扰乱正常航空秩序、实施间谍侦查活动、策划恐怖袭击的事件日益增多，给国家公共安全带来的风险和威胁在不断增加。为保证对军事区域、试验场区、指挥所和保密区域等重要设施周边的军民用无人飞行器、无线信号辐射源等进行防控预警，对于试验训练场区周围2km范围内潜入的无人机、辐射源进行实时监测、测向、定位、预警、干扰及查获，保证正常的军事训练任务，以免受民用航拍、间谍侦测、辐射干扰等影响，开展无人机反制技术的研究很有必要。研究无人机反制技术想要反制无人机，就必须要对无人机进行有效的探测，而基于无人机测控链路感知的无源探测方式不需要主动发射信号，比有源探测更适用于探测无人机，无源探测技术最重要、最急需解决的就是实现对无人机信号的侦收以及参数估计。如果能在无人机起飞时的短暂时间内实现对遥控或图传等测控链路信号的侦收，并实现对无人机及其飞行者的定位，那便可以立刻对无人机实现干扰，阻止其在不安全区域飞行，保护低空空域的安全，可以有效的防止“黑飞”现象，减小不必要的危险产生，创造安全的环境。

无人机测控链路包括上行链路和下行链路，上行链路信号(以下称遥控信号)主要用于飞行控制指令等信息传递，下行链路信号(以下称图传信号)主要用于无人机视频图像以及状态参数等信息传输。目前市场上的消费级无人机广泛应用的大疆无人机就选取了2.4GHz频段的正交频分多路复用(Orthogonal Frequency Division Multiplexing,OFDM)作为其图传信号的传输方式，因此，从军事侦察、信息安全、电子对抗的角度看，对OFDM信号的非协作接收具有重大的意义。而CP-OFDM(Cyclic Prefix-OFDM)信号是小型无人机图传信号中最常用和较重要的一类信号，采用保护间隔内插入循环前缀的形式，目前对于该类信号的解调和识别研究还未见报道。

技术实现要素：

为解决上述问题，本发明的目的是提供一种估计速度快、估计范围广的小型无人机图传信号分析与解调方法，其针对非协作条件下小型无人机图传信号，非协作接收条件下小型无人机指的是不提供身份信息、未知传输信息的非协作目标，根据CP-OFDM信号的特点，以无人机图传信号对CP-OFDM信号的子载波个数估计、定时同步和频域频偏补偿算法的可行性进行验证，实现小型无人机的CP-OFDM信号的感知和识别。

为实现上述发明目的，本发明采用如下技术方案：

一种小型无人机图传信号分析与解调方法，其包括以下步骤：

S1、在非协作接收条件下，接收预设检测频率范围内的小型无人机图传CP-OFDM信号；

S2、基于延迟自相关进行CP-OFDM信号的子载波个数估计，计算得到子载波个数，即OFDM调制与解调中的FFT点数，并估计子载波符号速率，完成采样率对准；

S3、依据CP-OFDM信号将数据帧尾部数据复制到保护间隔作为循环前缀，形成独特的循环结构，对信号进行滑动自相关，得到CP-OFDM信号符号定时同步；

S4、采用粗估计结合精确同步的两步处理模式对定时同步后的符号完成频偏估计并补偿：首先使用FFT运算和基于最大似然准则进行前向载波同步的宽范围频偏粗估计，然后再基于M次方谱的L&R算法进行频偏精确估计并补偿；

S5、采用实际的无人机图传信号数据进行估计验证。

进一步地，上述的步骤S2中，在进行信号延迟自相关估计子载波个数和子载波符号速率时，OFDM帧信号延迟自相关后在调制OFDM的FFT点数Nfft处有尖峰；子载波个数估计并进行采样率对准的方法如下：

设ri,i∈[0,N)为非协作接收的某帧CP-OFDM信号，N为帧长，子载波符号速率为fb，采样率fs，假设fs＝fb，则每个OFDM符号共有Nfft个子载波符号，其延迟自相关用下式表示：

式中，K为估计Nfft的最大延迟；ri为第i帧CP-OFDM信号；为第i+k帧CP-OFDM信号；

设带宽的粗估计值为由于OFDM信号并非所有子载波都发送信息，因此待估计信号的采样率取P为大于1的正整数；设延迟自相关峰值位置为kp，则CP-OFDM信号子载波符号速率的fb估计值和子载波个数估计值由下式给出：

式中，为向上取整；是FFT的点数，P是大于1的正整数(与接收机采集信号时设置的采样率有关，该参数已知)，kp是延迟自相关后峰值的位置。

更进一步地，上述的待解调的OFDM信号的采样率须调整至子载波符号速率的整数倍。

进一步地，上述的步骤S3中，滑动自相关进行定时同步的方法为，设ri为采样率对准后的信号，对该信号进行滑动自相关得到

式中，LCP为每一帧CP-OFDM信号循环前缀的长度，ri+m为第i+m帧CP-OFDM信号，PNFFT为滑动窗口宽度；

当相关窗滑动至CP开始位置时，由于进行相关的两段数据完全相同，因此相关结果会出现峰值。

进一步地，上述的步骤S4中，频偏粗估计步骤为：

设在第i个OFDM符号的第k个子载波发送的符号为ai,k，并串转换后将每个OFDM符号所有子载波的调制符号组成一帧，采用MPSK调制的子载波符号表示为：

ai,k＝Ai,kexp(jθi,k) (4)

对MPSK调制，Ai,k为常数，即Ai,k＝A，且接收信号表达式表示为：

ri,k＝ai,kexp[j(2πfekT+θi,0)]+ni,k (5)

其中，ni,k为复高斯白噪声，θi,0为未知的初始相位，fe为信号的载波频率偏差，k是常数，T是采样时间间隔；j是虚数；

使用M次方非线性法，具体的运算为：

zi,k＝|ri,k|^Mexp{jMφi,k} (6)

其中，φi,k表示接收到的第i个OFDM符号的第k个子载波发送的信号的相位；

设OFDM信号中共有N个子载波发送调制后的MPSK信号，那么令：

去调制信息后的zi,k为复单频信号，对zi,k进行N点的FFT运算，由FFT进行粗频偏估计的范围为：

上式中，T是采样时间间隔；此处M与用M次方谱中的M对应；

综合FFT运算和基于ML准则的前向载波同步算法得到如下的频差估计步骤：(以下均针对第i个OFDM符号中的第k个子载波发送，因此下文省略i，即zi,k记为zk、Ri(n)记为R(n))

首先：先对zk做N点FFT运算，求其幅度谱最大值所对应的频率点，记为即

其中，为k0的估计值；

其次：令对R(n)依频率做频移处理，得到

上式中，j是虚数，T是采样时间间隔；

最后，对经频偏校正的自相关函数R'(n)采用L&R算法进行前向载波频偏估计。

更进一步地，上述的步骤S4中，频偏精确估计采用基于M次方谱的L&R频偏估计，

设N1＝N-1，那么用于求第i个OFDM符号频偏的L&R算法用下式描述：

在信噪比较高频偏较小时，可以对式(11)利用泰勒级数进行近似而得到L&R算法：

由此可得，L&R算法的估计范围为：

式中，T是采样时间间隔；此处M与用M次方谱中的M对应。

一种小型无人机图传信号分析与解调装置，其包括：

接收模块，用于在非协作接收条件下，接收预设检测范围内的小型无人机图传CP-OFDM信号；

子载波个数和符号速率估算模块，用于基于延迟自相关进行CP-OFDM信号的子载波个数估计，计算得到子载波个数，即OFDM调制与解调中的FFT点数，并估计子载波符号速率，完成采样率对准；

定时频率同步模块，用于依据CP-OFDM信号将数据帧尾部数据复制到保护间隔作为循环前缀，形成独特的循环结构，对信号进行滑动自相关，得到CP-OFDM信号符号定时同步；

频偏估计和补偿模块，用于采用粗估计结合精确同步的两步处理模式对定时同步后的符号完成频偏估计并进行补偿，对前向载波同步的宽范围频偏粗估计是使用FFT运算和基于最大似然准则进行，频偏精确估计是基于M次方谱的L&R算法进行；

验证模块，用于通过实际的无人机图传信号数据进行估计验证。

由于采用如上所述的技术方案，本发明具有如下优越性：

该小型无人机图传信号分析与解调方法，其提出非协作接收条件下CP-OFDM信号的子载波个数估计、定时同步和频域频偏补偿算法，并以无人机图传信号对这些算法的可行性进行了验证；在未知CP-OFDM信号格式的条件下，完成对CP-OFDM信号的分析、估计及盲解调，最终用于实现小型无人机信号的感知和识别；采用粗估计结合精确同步的两步处理模式既能够提高估计速度，又能够扩大频偏估计估计范围，是较完善的非协作条件下CP-OFDM分析与解调算法；小型无人机指的是潜入军事区域、试验场区、指挥所和保密区域等重要设施周围2km范围内的“黑飞”的军民用无人飞行器、无线信号辐射源等，且通常情况下空机重量不超过15kg，起飞重量不超过25kg。

附图说明

图1是本发明小型无人机图传信号分析与解调方法的流程图；

图2是小型无人机图传信号频域波形图；

图3是k＝NFFT时ri与的相对位置示意图；

图4是采样率对准前基带信号延迟自相关；

图5是采样率对准后基带信号延迟自相关；

图6是无人机图传信号基于循环前缀的滑动自相关；

图7是无人机图传信号频偏补偿前的星座图；

图8是无人机图传信号频偏补偿后的星座图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步详细说明。

如图1所示，一种小型无人机图传信号分析与解调方法，其包括以下具体步骤：

S1、接收无人机图传信号

在非协作接收条件下，接收预设检测频率范围内的无人机图传CP-OFDM信号，图2为小型无人机图传信号的频域波形，从频域波形对其中心频率和带宽根据频谱用最大似然估计法进行粗估计。

S2、延迟自相关估计子载波个数和子载波符号速率

在非协作接收条件下，OFDM信号分析和解调首先进行子载波个数估计，子载波个数即OFDM调制与解调中的FFT点数Nfft，利用循环前缀，OFDM帧的延迟自相关在Nfft处有尖峰；

设ri,i∈[0,N)为非协作接收的某帧CP-OFDM信号，N为帧长，子载波符号速率为fb，采样率fs，假设fs＝fb，则每个OFDM符号共有Nfft个子载波符号，其延迟自相关用下式表示：

式中，K为估计Nfft的最大延迟，实际应用中N的取值需充分大，即需多个OFDM符号参与延迟自相关运算才能得到较为明显的峰值；ri为第i帧CP-OFDM信号；为第i+k帧CP-OFDM信号。

图3中表示有延迟自相关中ri与的相对位置关系，当k＝NFFT时，的循环前缀与ri的后LCP个样点相同，按照式(1)进行相关运算后会出现尖峰。

在实际应用中，子载波符号速率为fb未知，设带宽的粗估计值为由于OFDM信号并非所有子载波都发送信息，因此待估计信号的采样率取P为大于1的正整数。设延迟自相关峰值位置为kp，则CP-OFDM信号子载波符号速率的fb估计值和子载波个数估计值由下式给出：

式中，为向上取整；是FFT的点数，P是大于1的正整数(与接收机采集信号时设置的采样率有关，该参数已知)，kp是延迟自相关后峰值的位置。

对于实际的小型无人机图传信号，如图2所示的频域波形，非协作接收条件下，OFDM信号的子载波符号速率未知，为了进行解调，待解调的OFDM信号的采样率须调整至子载波符号速率的整数倍(优选为四倍或八倍)，将这一过程称为OFDM信号的采样率对准。进行采样率对准的前提是能够得到较为精确的子载波符号速率

设中心频率和带宽的粗估计值分别为：和以为中心频率将该信号下变频至基带，基带信号采样率为P为大于1的正整数，此处取P＝4，经过测量该基带信号的延迟自相关如图4所示。

图4中延迟自相关的峰值位置为kp1＝5333，采样率对准后峰值位置应为mNfft。由于Nfft取值为2的幂次，通过式(2)可得到该信号的Nfft估计值为子载波符号速率估计值为将基带信号采样率变换为得到采样率对准的延迟自相关如图5所示。

图5中延迟自相关的峰值位置为kp2＝8192，这时kp2＝PNFFT，因此该信号完成了采样率对准。

S3、滑动自相关进行定时同步

符号定时的目的是找出CP-OFDM的起始位置，以便提取数据块用于解调。CP-OFDM信号将数据帧尾部数据复制到保护间隔作为循环前缀，形成独特的循环结构，这种性质可以用来进行定时同步。

设ri为采样率对准后的信号，对该信号进行滑动自相关(Sliding Auto-Correlation，SAC)得到

式中，LCP为每一帧CP-OFDM信号循环前缀的长度，ri+m为第i+m帧CP-OFDM信号,PNFFT为滑动窗口宽度；

当相关窗滑动至CP开始位置时，由于进行相关的两段数据完全相同，因此相关结果会出现峰值。需要注意的是，上述滑动自相关算法得到的相关峰是一个三角峰，受到噪声、干扰等因素的影响较大，并不能得到准确的定时位置。但CP-OFDM系统对定时位置并不敏感，如果时域定时仅仅偏差若干个采样值，将在频域引起一定的相位旋转即频偏，该频偏可以在频域进行补偿。

对步骤S2中完成采样率对准的无人机信号进行定时同步，NFFT＝2048；假设循环前缀长度为LCP，在循环前缀长度未知时，可取一个适中的值，如或这里取循环前缀长度误差对定时误差影响不大，可以根据定时同步得到的各个CP-OFDM符号起点的差分估算循环前缀长度。图6给出了定时同步的滑动自相关结果，图中共有5个明显的尖峰，每个尖峰的最大值位置即是一个OFDM符号的起点。

S4、频偏估计和频率补偿

由于定时误差会引起解调后的CP-OFDM信号的频域相位旋转，在星座图上表现为频偏引起的相位旋转。协作接收的条件下，接收方可通过已知的导频信息进行频偏补偿；在非协作接收条件下，导频信息未知，需要采用粗估计结合精确同步的两步处理模式对定时同步后的符号完成频偏估计，随后进行补偿。

L&R算法具有较高的估计精度，抗噪声能力较好，但是估计范围较小。在频偏较大时，如直接采用L&R算法会造成算法失效，不能得到理想的结果。

S4-1、首先，使用FFT运算和基于最大似然准则前向载波同步的宽范围频偏粗估计；

由于去调制信息后的zi,k为复单频信号，因此其频谱幅度最大位置点与其频率存在一定的关系。因此利用信号的频谱可以得到信号的频偏估值，其中FFT运算是一种常用的处理方法。若对zi,k进行N点的FFT运算，令

k0＝[ΔfNT] (14)

其中，[x]表示与x最接近的整数，则该信号的N点DFT幅度谱必然在第k0个频率点处取最大值，记为即

令容易得到|f'|≤1/2N1T，即zk进行N点FFT运算得到的载频估值与实际的Δf之间的误差将在±1/2N1T之内。

通过FFT运算可以在全频段范围进行载波频偏估计，因此由FFT进行粗频偏估计的范围为：

式中，T是采样时间间隔；MPSK中M为阶数，此处M与用M次方谱中的M对应。

综合FFT运算和基于ML准则的前向载波同步算法得到如下的频差估计步骤：

首先：先对zk做N点FFT运算，求其幅度谱最大值所对应的频率点，记为即

其中，为k0的估计值。

其次：令对R(n)依频率做频移处理，得到

式中，R(n)是自相关函数；j是虚数；n是离散时间序列，T是采样时间间隔；

最后：对经频偏校正的自相关函数R'(n)采用L&R算法进行前向载波频偏估计。

S4-2、其次，基于M次方谱的L&R频偏估计

设在第i个OFDM符号的第k个子载波发送的符号为ai,k，并串转换后将每个OFDM符号所有子载波的调制符号组成一帧(一般按照从负频率到正频率的顺序排列)，那么采用MPSK调制的子载波符号可表示为：

ai,k＝Ai,kexp(jθi,k) (4)

对MPSK调制，Ai,k为常数，即Ai,k＝A，且接收信号表达式可表示为：

ri,k＝ai,kexp[j(2πfekT+θi,0)]+ni,k (5)

其中，ni,k为复高斯白噪声，θi,0为未知的初始相位，fe为信号的载波频率偏差，k是常数，T是采样时间间隔；j是虚数。

M次方非线性法，用于去除调制信息，具体的运算为：

zi,k＝|ri,k|^Mexp{jMφi,k} (6)

其中，φi,k表示接收到的第i个OFDM符号的第k个子载波发送的信号的相位；

设OFDM信号中共有N个子载波发送调制后的MPSK信号，那么令：

设N1＝N-1，那么用于求第i个OFDM符号频偏的L&R算法可用下式描述：

在信噪比较高频偏较小时，可以对式(11)利用泰勒级数进行近似而得到L&R算法：

虽然L&R算法是在SNR较高的假设条件下近似得到的，但它在较低信噪比时仍有较高的估计精度。由于arg{}运算要求主值区间为(-π,π]，因此当|πΔfT(N1+1)|＞π时，arg{}运算会造成相位折叠而导致相位计算错误。因此，为了避免相位折叠，要求|Δf|＜1/T(N1+1)。由此可得，L&R算法的估计范围为：

式中，T是采样时间间隔；此处M与用M次方谱中的M对应。

无人机图传信号子载波采用QPSK调制，去除OFDM调制后未进行频偏补偿的星座图如图7所示。

采用宽范围频偏估计算法，无人机图传信号子去除OFDM调制后并进行频偏补偿后的星座图如图8所示。

参照图1，本发明提供的一种小型无人机图传信号分析与解调装置，其包括：

接收模块，用于在非协作接收条件下，接收预设检测范围内的小型无人机图传CP-OFDM信号；

子载波个数和符号速率估算模块，用于基于延迟自相关的CP-OFDM信号的子载波个数估计，即OFDM调制与解调中的FFT点数，并估计子载波符号速率，完成采样率对准；

定时频率同步模块，依据CP-OFDM信号将数据帧尾部数据复制到保护间隔作为循环前缀，形成独特的循环结构，对信号进行滑动自相关，得到CP-OFDM信号符号定时同步；

频偏估计和补偿模块，采用粗估计结合精确同步的两步处理模式对定时同步后的符号完成频偏估计并补偿，具体为：首先使用FFT运算和基于最大似然准则前向载波同步的宽范围频偏粗估计，然后再基于M次方谱的L&R算法进行频偏精确估计并补偿；

验证模块，用于通过实际的无人机图传信号数据进行估计验证。

以上所述仅为本发明的较佳实施例，而非对本发明的限制，在不脱离本发明的精神和范围的情况下，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明的专利保护范围之内。