آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,208 |
| تعداد مقالات | 8,740 |
| تعداد مشاهده مقاله | 7,270,769 |
| تعداد دریافت فایل اصل مقاله | 4,253,011 |
جداسازی نیمه‌کور چند سیگنال پرش فرکانسی پهن باند سنکرون به‌وسیله گیرنده باند محدود و توزیع‌های مکان - زمان - فرکانس | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 10، دوره 11، شماره 4 - شماره پیاپی 44، اسفند 1402، صفحه 117-131 اصل مقاله (1.24 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مرتضی بابایی* 1؛ محمدرضا متدین2؛ محسن رضایی خیرآبادی3 | ||
| 1استادیار، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 2دانشجوی دکتری، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 3استادیار، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران | ||
| تاریخ دریافت: 13 تیر 1402، تاریخ بازنگری: 27 آذر 1402، تاریخ پذیرش: 12 دی 1402 | ||
| چکیده | ||
| ارتباطات طیف گسترده پرش فرکانسی (FHSS) به طور گسترده‌ای در ارتباطات نظامی و تجاری استفاده می‌شوند؛ لذا تخمین پارامترهای پرش فرکانسی سیگنال‌ها از اهمیت بالایی برخوردار هستند. این مقاله، مسئله جداسازی و تخمین پارامترهای چند سیگنال پهن باند پرش فرکانسی سنکرون و متداخل زمانی را با گیرنده‌هایی با پهنای باند کم و نرخ نمونه‌برداری پایین بررسی می‌کند. باتوجه‌به دانش حداقلی پیرامون سیگنال‌های ارسالی، مسئله در حالت نیمه‌کور تحلیل می‌گردد. برای این منظور، از روشی ترکیبی مبتنی بر پردازش آرایه‌ای توسعه‌یافته بر اساس مبدل پهن باند مدوله‌شده (MWC) و پردازش در حوزه زمان فرکانس با درنظرگرفتن اطلاعات مکانی سیگنال استفاده شده است. روش فوق شامل دو مرحله است: مرحله اول دریافت سیگنال‌های پرش فرکانسی توسط آرایه‌های خطی یکنواخت (ULA) و عبور از MWC با حداقل اجزاء و در مرحله دوم اعمال روش قطری مشترک (JD) بر توزیع‌های مکان زمان فرکانس (STFDs) داده‌های خروجی MWC که منجر به تخمین ماتریس جداکننده و درنهایت جداسازی سیگنال‌ها و استخراج الگوی پرش فرکانسی می‌گردد. روش ترکیبی MWC-STF-JD ایده بکار رفته در حل مسئله است به‌طوری‌که به طور هم‌زمان از ویژگی‌های MWC و تحلیل در حوزه STF استفاده می‌شود. نتایج حاصل از تخمین پارامترهای موردنظر، در مقایسه با دیگر روش‌های متداول جداسازی منابع نظیر تحلیل حسگری فشرده (CS) بر اساس شاخص‌های ارزیابی نظیر مربع خطای جذر میانگین (RMSE)، منجر به بهبود عملکرد در نسبت سیگنال به نویز (SNR) پایین‌تر شده است به‌طوری‌که میزان خطا در محدوده SNR=4dB به میزان 6dB، سریع‌تر به حداقل خطا می‌رسد. از جمله ویژگی‌های دیگر این روش می‌توان به کاهش حجم محاسبات بخش پردازش STFDs به میزان نرخ نمونه‌برداری MWC و امکان پیاده‌سازی طرح با حداقل اجزاء اشاره نمود. | ||
| کلیدواژه‌ها | ||
| جداسازی نیمه‌کور؛ گیرنده باند محدود؛ مبدل پهن باند مدوله‌شده؛ توزیع‌های مکان - زمان - فرکانس؛ سیگنال پرش فرکانسی پهن باند | ||
| موضوعات | ||
| پردازش سیگنال حوزه های مرتبط | ||
| عنوان مقاله [English] | ||
| Semi-Blind Separation of Multiple Synchronous Wideband Frequency Hopping Signals Using a Band-Limited Receiver and Space-Time- Frequency Distributions | ||
| نویسندگان [English] | ||
| Morteza Babaei1؛ Mohammadreza Motedayen2؛ Mohsen Rezaee3 | ||
| 1Assistant Professor, Imam Hossein University, Tehran, Iran | ||
| 2PhD student, Imam Hossein University, Tehran, Iran | ||
| 3Assistant Professor, Communication and Information Technology Research Institute, Tehran, Iran | ||
| چکیده [English] | ||
| Frequency hopping spread spectrum (FHSS) communications are used widely in military and commercial communications. Therefore, estimating the frequency hopping parameters of signals is of great importance. This article examines the problem of separating and estimating the parameters of multiple synchronous and time-interfering frequency hopping wideband signals using receivers with low bandwidth and low sampling rate. Due to minimal knowledge about the transmitted signals, the problem is analyzed in semi-blind mode. For this purpose, a hybrid method based on array processing is developed based on the modulated broadband converter (MWC) and processing in the time-frequency domain by considering the spatial information of the signal. The above method consists of two steps: the first step is receiving frequency hopping signals by uniform linear arrays (ULA) and passing through the MWC with minimal components. the next step, the joint diagonal (JD) method is applied to the space-time-frequency distributions (STFDs) of the MWC output data. This leads to the estimation of the separator matrix and finally to the separation of the signals and the extraction of the frequency hopping pattern. The combined MWC-STF-JD method is the idea used in solving the problem, where MWC features and processing in the STF domain are used simultaneously. The results of the estimation of the desired parameters, compared to other traditional methods of source separation such as Compressed Sensing (CS) analysis based on evaluation indices such as root mean square error (RMSE), have led to improved performance in lower signal-to-noise ratio (SNR). So that the amount of error in the range of SNR=4 dB reaches the minimum error faster by 6 dB. Among the other features of this method, it is possible to reduce the complexity of STFDs processing calculations because of the low sampling rate MWC and the possibility of implementing the design with minimal components. | ||
| کلیدواژه‌ها [English] | ||
| Semi-Blind Separation, Band-limited Receiver, Modulated Wideband Converter, Time-Frequency-Space Distributions, Wideband Frequency Hopping Signal | ||
| مراجع | ||
|
[1] F. Liu, Y. Jiang, “Knowledge-Enhanced Compressed Measurements for Detection of Frequency-Hopping Spread Spectrum Signals Based on Task-Specific Information and Deep Neural Networks”,Vol. 25, No. 1, pp. 11, 2022. [2] J. Zhang, C. Hou,Y. Lin, J. Zhang, Y. Xu & S. Chen, “Frequency Hopping Signal Modulation Recognition Based on Time-Frequency Analysis”, IEEE 18th International Conference on Mobile Ad Hoc and Smart Systems (MASS), pp. 46-52, 2021. [3] Duan Baiyu, Chen Cong, Chen Shunke et al., "Performance Analysis of Co-frequency and Co-time Full Duplex Frequency Hopping Ad Hoc Networks in Finite Area. [J] ", Journal of Electronics & Information Technology, vol. 44, pp. 1-8, 2022. [4] Nagendra Kumar Vishwakarma and Rakesh Kumar Singh, "Design and Implementation of FHSS (Frequency Hopping Spread Spectrum) Synthesizer [C] ", 2021 7th International Conference on Signal Processing and Communications(ICSC), pp. 151-155, 2021. [5] M. Letafati, A. Kuhestani, H. Behroozi and D. W. K. Ng, "Jamming-Resilient Frequency Hopping-Aided Secure Communication for Internet-of-Things in the Presence of an Untrusted Relay," in IEEE Transactions on Wireless Communications, vol. 19, no. 10, pp. 6771-6785, Oct. 2020. [6] Y. Chen, Y. Xie, C. Liu and L. Chen, "Investigation of Anti-Interference Characteristics of Frequency-Hopping LiDAR," in IEEE Photonics Technology Letters, vol. 33, no. 24, pp. 1443-1446, 15 Dec.15, 2021. [7] H. Wang, B. Zhang, H. Wang, B. Wu and D. Guo, "Hopping Time Estimation of Frequency-Hopping Signals Based on HMM-Enhanced Bayesian Compressive Sensing With Missing Observations," in IEEE Communications Letters, vol. 26, no. 9, pp. 2180-2184, Sept. 2022. [8] Ma, J., Yang, Y.: A Generalized anti-interference low-ambiguity dual-frequency multiplexing modulation based on the frequency-hopping technique. IEEE Access 8, pp.95288– 95300, 2020.
[9] J. Wan، D. Zhang، W. Xu، and Q. Guo، “ Parameter Estimation of Multi-Frequency Hopping Signals Based on Space-Time-Frequency Distribution”، Symmetry، Vol. 11، No.5، pp.648، 2019. [10] L. Zhang، H. Wang، and T. Li، “Anti-Jamming Message-Driven Frequency Hopping—Part I: System Design”، IEEE Transactions on Wireless Communications، Vol. 12، No. 1، pp. 70-79، 2012. [11] Rustamaji, Rustamaji, Sri Kliwati, and Wahyu Widada، “The Angle of Arrival Estimation of Frequency-Hopping Cooperative Object Based on Software-Defined Radio”، DOI: https://doi.org/10.21203/rs.3.rs-2914887/v1, 2023. [12] X. Guo، Y. Tian، and Y. Li، “A Mixing Matrix Estimation Algorithm for Frequency Hopping Signals Under the UBSS Model”، IEEE، Progress in Electromagnetics Research Symposium-Fall (PIERS-FALL)، pp. 284-290، 2017. [13] Liu S, Lyu X, Wei Z, Liu Y ، “A Compensation Method for MWC Hardware Based on Single Measurement”، International Conference on Sensing, Measurement & Data Analytics in the era of Artificial Intelligence (ICSMD), IEEE, pp, 1-4, 2022. [14] E. Baransky، G. Itzhak، N. Wagner، I. Shmuel، E. Shoshan، and Y. Eldar، “ Sub-Nyquist Radar Prototype: Hardware and Algorithm”، IEEE Transactions on Aerospace and Electronic Systems، Vol. 50، NO. 2، pp. 809-822، 2014. [15] S. S. Ioushua، O. Yair، D. Cohen، and Y. C. Eldar، “CaSCADE: Compressed Carrier and DOA Estimation”، IEEE Transactions on Signal Processing، Vol. 65، No.10، pp. 2645-2658، 2017. [16] Z. Lei، Y. Peng، Z. Linhua، X. Hui، and D. Hong، “Frequency Hopping Signals Tracking and Sorting Based on Dynamic Programming Modulated Wideband Converters”، Applied Sciences، Vol. 9، No. 14، pp. 2906، 2019.
[17] Z. Lei، P. Yang، and L. Zheng، “Detection and Frequency Estimation of Frequency Hopping Spread Spectrum Signals Based on Channelized Modulated Wideb and Converters”، Electronics، Vol. 7، No.9، pp. 170، 2018. [18] W. Fu، X. Li، N. Liu، Y. Hei، and J. Wei، “Parameter Blind Estimation of Frequency-Hopping Signal Based on Time Frequency Diagram Modification”، Wireless Personal Communications، Vol. 97، No. 3، pp. 3979-3992، 2017 . [19] Wang, Y. He, S. Wang, C. Li, Z. Li, J. Dai, H. Xie, J، “Detection and Parameter Estimation of Frequency Hopping Signal Based on the Deep Neural Network” ،Int. J. Electron. Vol.109، No. 3, pp. 520–536, 2022. [20] Zhang, D. Shang, Y. Liang, X. Lin, J، “Efficient Blind Estimation of Parameters for Multiple Frequency Hopping Signals via Single Channel” ،In Proceedings of the 2022 IEEE 5th International Conference on Automation, Electronics and Electrical Engineering (AUTEEE), Shenyang, China, pp. 1063–1069, 2022. [21] Huang, Y, et al، “Sparse Time-Frequency Analysis Based on Instantaneous Frequency Estimation and Fault Diagnosis Application” ،IEEE Transactions on Instrumentation and Measurement ، Vol. 71, pp. 1-9, 2022. [22] Y. Li، X. Guo، F. Yu، and Q. Sun، “A New Parameter Estimation Method for Frequency Hopping Signals”، IEEE USNC-URSI Radio Science Meeting، (Joint with AP-S Symposium)، pp. 51-52، 2018. [23] X. Zeng، W. Jiao، and H. Sun، “A New Method of Hybrid Frequency Hopping Signals Selection and Blind Parameter Estimation”، In AIP Conference Proceedings، Vol. 1955، No. 1، pp. 040037، 2018. [24] A. Kanaa، and A. Z. Sha’ameri، “A Robust Parameter Estimation of FHSS Signals Using Time–Frequency Analysis in A Non-cooperative Environment”،Physical Communication، No. 26، pp. 9-20، 2018. [25] Z. Luo، Li. Chengjie، and Zhu. Lidong، “A comprehensive survey on blind source separation for wireless adaptive processing: Principles، perspectives، challenges and new research directions”، IEEE Access Vol.6، pp. 66685-66708، 2018. [26] M. Mishali، and Y. C. Eldar، “Expected RIP: Conditioning of the Modulated Wideband Converter”، IEEE Information Theory Workshop، Publisher: IEEE، pp. 343-347، 2009. [27] D. J. K. Adams، “A Practical Implementation of the Modulated Wideband Converter Compressive Sensing Receiver Architecture”، Stanford University، 2016. [28] M. Mishali، Y. C. Eldar، D. Oleg، and Sh. Eli، “Xampling: Analog to digital at Sub-Nyquist Rates”، IET Circuits، Devices & Systems Vol. 5، No. 1، pp. 8-20، 2011. [29] B. Boashash، “Time-Frequency Signal Analysis and Processing: A Comprehensive Reference”، Academic press، 2015. [30] L. Zhao، L. Wang، G. Bi، L. Zhang، and H. Zhang، “Robust Frequency-Hopping Spectrum Estimation Based on Sparse Bayesian Method”، IEEE Transactions on Wireless Communications، Vol. 14، No. 2، pp. 781-793، 2014. [31] Wei, Z.; Yu, W, “Parameter Estimation Method of Multiple Frequency-hoppingSignals Based on OMP-SLR”,Signal Inf. Process, Vol. 48, pp. 871–875, 2018. [32] P. Wang، F. You، and S. He، “An Improved Signal Reconstruction of Modulated Wideband Converter Using a Sensing Matrix Built Upon Synchronized Modulated Signals”، Circuits، Systems، and Signal Processing، Vol. 38، No. 7، pp. 3187-3210، 2019. [33] Q. Li، Z. Li، and J. Li، “Wideband Spectrum Sensing Based on Modulated Wideband Converter with Nested Array”، IET Communications، Vol. 15، No. 2، pp. 224-231، 2021. [34] T. Chen، L. Liu، and D. Pan، “A ULA-based MWC Discrete Compressed Sampling Structure for Carrier Frequency and AOA Estimation”، IEEE access، No. 5، pp. 14154-14164، 2017.
[35] J. P. Changeux، and S. J. Edelstein، “ Allosteric mechanisms of signal transduction”، Science، Vol. 308، No. 5727، pp. 1424-1428، 2005. [36] M. Khazaee، and S. Akhlaghi، “Direction-of-Arrival and Hop Tracking of A Special User in A FH Multi-User Based Network Using Uniformly Linear Arrays”، Journal of Ra’ad،Vol. 5، No. 12، pp. 10-26، 2016. (In Persian) [37] Fu. Weihong، Hu. Zhan، and Li. Dan Li، “A Sorting Algorithm for Multiple Frequency-Hopping Signals in Complex Electromagnetic Environments”، Circuits، Systems، and Signal Processing، Vol. 39، No. 1، pp. 245-267، 2020. [38] C. Zhang، Y. Wang، & F. Jing، “Underdetermined Blind Source Separation of Synchronous Orthogonal Frequency Hopping Signals Based on Single Source Points Detection”،Sensors، Vol. 17، No. 9، pp. 2074، 2017. [39] A. Belouchrani، M. G. Amin،N. Thirion-Moreau & Y.D. Zhang، “Source Separation and Localization Using Time-Frequency Distributions: An Overview”،IEEE Signal Processing Magazine، Vol. 30، No. 6، pp. 97-107، 2013. [40] G. Chabriel، M. Kleinsteuber، E. Moreau، H. Shen، P. Tichavsky، A. Yeredor، “Joint matrices decompositions and blind source separation: a survey of methods، identification، and applications”، IEEE Signal Process. Mag، Vol. 31، No. 3، pp. 34-43، 2014. [41] C. A. Balanis، “ Modern antenna handbook”، John Wiley & Sons، 2011 [42] Ali, Khalfa, Amardjia Nourredine, and Kenane Elhadi، “Blind Image Separation Using the JADE Method”، Engineering Proceedings ,Vol.14, No.1, p.20, 2022. [43] A. Ziehe، “Blind source separation based on joint diagonalization of matrices with applications in biomedical signal processing”، Doctoral dissertation, Universität Potsdam, 2005, [44] Tan, Jo Lynn, and Ahmad Zuribin Sha'ameri، “Adaptive optimal kernel smooth-windowed Wigner-Ville distribution for digital communication signal” ،EURASIP Journal on Advances in Signal Processing pp.1-17, 2009. [45] Yixuan, Guo, Li Zhi, Li Jian, and Zhou Jianhua، “Parameter estimation of frequency hopping signal based on MWC–MSBL reconstruction” ،IET Communications, Vol. 14, No. 10, pp. 1642-1649, 2020. [46] Amari, S.-I. and J.-F. Cardoso، “Blind source separation-semiparametric statistical approach” ،IEEE Transactions on Signal Processing, Vol. 45, No. 11, pp. 2692-2700, 1997.
| ||
|
آمار تعداد مشاهده مقاله: 160 تعداد دریافت فایل اصل مقاله: 106 |
||