ADS-B信号噪声的别离算法及完成

　　高春燕(山东航空股份有限公司，山东 济南 250000)

　　摘 要：针对1090ES ADS-B信号存在噪声搅扰的问题，规划了依据FastICA算法的ADS-B信号噪声别离。运用多个基站信号作为观测信号，经过FastICA完结源信号和噪声信号的别离。经过MATLAB仿真验证了FastICA在别离ADS-B源信号和噪声信号中的可行性，别离后的信号能够满意ADS-B信号提取的特征。试验证明该算法提高了信号的解码正确率。

　　关键词：ADS-B；噪声信号；FastICA；信号别离。

　　0 导言

　　播送式主动相关监督(Automatic DependentSurveillance-Broadcast，ADS-B)是归纳通讯与监督的信息体系，经过多点对多点办法完结飞机之间的数据双向通讯。 ADS-B是运用飞机上的GPS作为信号源，将飞机方位、高度、速度、航向等信息以播送的办法发送，地上设备或飞机经过接收机获取ADS-B的信号，并对ADS-B的信号进行解码，然后完结对飞机动态的监督。可是在实践传输进程中，ADS-B的信号会遭到外部信号的搅扰，形成ADS-B信号的动摇乃至失真。遭到噪声搅扰后的ADS-B信号对ADS-B接收机解码形成很大的影响，会导致飞机方位信息的缺失。依据FastICA的ADS-B信号噪声别离便是在不知道源信号的前提下，依据观测信号的特征，将ADS-B的信号和搅扰信号进行别离 ， 消除噪声信号的搅扰 ， 获取ADS-B源信号。

　　1 1090ES ADS-B信号

　　1090ES ADS-B是ADS-B通讯办法的一种，广泛地使用在现在民航航空运输中。1090ES ADS-B的传输信号选用脉冲方位调制（PPM）编码，包括4个前导脉冲和112比特音讯序列，如图 1所示。ADS‐B 音讯包括4个辨认脉冲，每个脉冲继续（0.5±0.05）μs。1090ES ADS-B 的音讯序列每个bit占时为1μs，在1μs信号中，发生的下降沿信号表明二进制“1”，上升沿信号表明二进制“0”,并且前端的4个前导脉冲为后续报文的辨认供给功率参阅，是ADS-B信号解码的根底。

　　本文选用MATLAB仿真，仿真信号为10 MHz采样率，能够满意ADS-B信号解码的算法要求。ADS-B为播送式通讯技能，一般信号搅扰来自同其他的ADS-B信号或许传达进程的噪声信号，例如二次雷达脉冲或许ADS-C的搅扰等。图 2为ADS-B信号和噪声信号的叠加，尽管叠加之后的信号与ADS-B源信号脉冲改变趋势挨近，可是报头辨认脉冲不能为后续的解码供给信号的功率参阅。

　　在ADS-B信号噪声别离模型中，假定ADS-B的观测信号和ADS-B源信号都是随机信号， X(t) 表明ADS-B观测信号 [x₁(t),x₂(t),x₃(t)…….x_m(t)] 。 S(t) 表明ADS-B源信号[x₁(t),x₂(t),x₃(t)…….x_n(t)]。这儿的ADS-B观测信号是经过ADS-B源信号和噪声信号混合生成的，其模型为：X_i(t)=a_i1s₁(t)+a_i2s₂(t)+….+a_ins_n(t)， i 为整数其间 a _ij 为混合矩阵 A 的随机生成的变量，用于随机叠加ADS-B信号和噪声信号， i 和 j 变量为整数。那么ADS-B基站接收到的调查信号能够表明为：

　　X(t)=AS(t)+n(t)

　　或许将第 i 个观测信号 x_i(t) 表明为：

　　信号噪声别离的算法模型便是需求核算别离矩阵 W ，经过核算得到的 W 从ADS-B混合后的调查信号 X(t) 中提取并康复ADS-B的源信号 S(t) 。假定 Y(t)是ADS-B源信号的估量信号，则别离体系表明为：

　　Y(t)=WX(t)

　　2 FastICA算法独立成分剖析办法（ICA）是盲源别离技能中的一种信号处理算法，是近年来运用比较遍及并且有用的数据剖析算法。它能够经过且仅经过观测信号来估量混合矩阵，并从混合数据中提取出原始的独立信号。

　　为了确保ICA模型是可解的，需求做以下假定和约束 ^[1] ：

　　1）各个源信号之间是具有核算独立性。

　　2）输入源信号的遵守非高斯分布的。

　　3）混合矩阵是方阵，即独立重量数等于观测混合信号数 ^[2] 。

　　在现有的ICA算法中，快速ICA算法(FastlCA)以其收敛速度快、别离作用好被广泛使用于信号处理范畴。该算法是经过运用一个非线性函数g便能直接找出任何非高斯分布的独立重量 ^[3] 。

　　在FastICA算法中，首要需求对ADS-B观测信号X 进行中心化处理，使ADS-B观测信号 X 特点的均值为0；

　　然后求出一个矩阵的协方差矩阵，并对处理后的ADS-B观测信号数据进行白化，X→Z^[4] ；

　　挑选需求估量的重量的个数m，设迭代次数p ←1；

　　挑选一个初始权矢量（随机的）W _p ， 令, g 为非线性函数 g( y) = tanh(y ) ；核算其间

　　3 仿真与剖析

　　为了验证FastICA在ADS-B信号噪声别离的可行性，本文对噪声信号下ADS-B含有噪声的信号进行MATLAB的仿真试验。在仿真试验中，ADS-B信号采样为10 Mhz，采样数据为1000样本。每一个ADS-B基站接收到的信号为ADS-B信号和噪声信号的随机叠加。

　　3.1 噪声信号下的ADS-B的信号别离

　　在ADS-B源信号中参加了随机噪声和脉冲噪声，如图 3所示，脉冲信号的起伏根本与ADS-B信号相似。图 3的1和2号图中为参加随机噪声的ADS-B信号，3号图为参加搅扰脉冲信号和其他随机噪声信号，这样的源信号发生叠加的信号会对ADS-B信号解码发生更大的影响。经过观测信号能够看出该信号无法正常辨认ADS-B的脉冲信号。本文经过运用FastICA算法对观测信号进行信号别离，别离今后的信号如图 5所示。

　　3.2 仿真成果剖析

　　从仿真成果来看，依据FastICA的算法能够满意ADS-B信号别离的处理。FastICA能够将参加了随机噪声和搅扰信号后的ADS-B信号别离出来，并且别离的ADS-B脉冲信号与原始信号的波形根本共同，满意ADS-B解码算法对ADS-B信号的辨认要求。

　　4 定论

　　依据FastICA的ADS-B信号别离算法在减少了信号处理的核算量的一起，提高了ADS-B信 号别离的速度，使得ADS-B信号在信号搅扰下，依然有用地处理ADS-B信号的解码问题。比较传统的算法，该算法提高了运算功率。存在的缺乏便是FastICA存在多个解契合假定，不是仅有解，后续将进行信号改换的研讨和规划。

　　参阅文献

　　[1] Hyvarinen A, Karhunen J. Independent ComponentAnalysis[M].New York, 2011 .

　　[2] 张超. 依据独立重量剖析的语音信号盲解卷积研讨[D].安徽大学,2009.

　　[3] 王刚. 依据最大非高斯估量的独立重量剖析理论研讨[D]. 长沙：国防科学技能大学, 2005.

　　[4] 王志超. 依据二阶矩的ICA算法规划与提高[D].西安：西安电子科技大学, 2015.

　　[5] 张天平, 郝建华, 许斌. ADS-B技能及其在空管中的开展与使用[J]. 电子产品世界, 2009, 16(6):34-37.

　　本文来源于科技期刊《电子产品世界》2019年第11期第43页，欢迎您写论文时引证，并注明出处。