基于欠采样的脉冲UWB通信窄带干扰消除技术

第３５卷第１１期２０１３年１１月

文章编号：ｆＯＯｌ一５０６Ｘ（２０１３）１１—２４０５—０５

系统工程与电子技术

ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ

Ｖ０１．３５Ｎｏ．１１

Ｎｏｖｅｍｂｅｒ２０１３网址：ＷＷＷ．ｓｙｓ—ｅｌｅ．ｃｏｒｎ

基于欠采样的脉冲ＵＷＢ通信窄带干扰消除技术

晋本周１，张

盛１’２，潘

剑１，林孝康１’２

（１．清华大学电子工程系微波与数字通信国家重点实验室，北京１０００８４；

２．清华大学深圳研究生院，广东深圳５１８０５５）

摘要：针对窄带干扰（ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ，ＮＢＩ）的存在会对脉冲超宽带（ｕｌｔｒａ—ｗｉｄｅｂａｎｄ，ＵＷＢ）通信系统性能带来严重的影响。提出了一种基于欠采样的低复杂度ＮＢＩ检测与消除方案，以消除ＮＢＩ为目标，论证了欠采样下ＮＢＩ检测与消除的可行性。通过傅里叶分析，指出ＮＢＩ在欠采样信号的快速傅里叶变换域中具有稀疏性和易辨别的特点，并根据这些特征实现了对ＮＢＩ子空间的估计。依据ＮＢＩ子空间，设计了ＮＢＩ信号的正交投影矩阵，在时域实现了对ＮＢＩ的消除。仿真结果表明，在可接受的ＵＷＢ信号功率损失范围内，方案大大提高了欠采样信号的信号干扰噪声比。

关键词：无线通信；超宽带；窄带干扰消除；欠采样中图分类号：ＴＮ

９２

’

文献标志码：ＡＤ０１：１０．３９６９／ｊ．ｉｓｓｎ．１００１—５０６Ｘ．２０１３．１１．２９

Ｓｕｂ—Ｎｙｑｕｉｓｔｓａｍｐｌｉｎｇｂａｓｅｄｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｍｉｔｉｇａｔｉｏｎｆｏｒ

ｉｍｐｕｌｓｅｒａｄｉｏＵＷＢｃｏｍｍｕｎｉｃａｔｉｏｎｓ

ＪＩＮＢｅｎ—ｚｈｏｕｌ，ＺＨＡＮＧＳｈｅｎ９１”，ＰＡＮＪｉａｎｌ，ＬＩＮＸｉａｏ—ｋａｎ９１’２

ＭｉｃｒｏｗａｖｅａｎｄＤｉｇｉｔａｌＣｏｍｍｕｎｉｃａｔｉｏｎ，Ｄｅｐａｒｔｍｅｎｔｏｆ（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙ

ｏｎ

ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ；

２．ＧｒａｄｕａｔｅＳｃｈｏｏｌ

ａｔ

Ｓｈｅｎｚｈｅｎ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｚｈｅｎ５１８０５５，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅｐｒｅｓｅｎｃｅｏｆｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ（ＮＢＩ）ｃａｎ

ｃａｕｓｅｓｅｖｅｒｅ

ｅｆｆｅｃｔｓｉｎｉｍｐｕｌｓｅｒａｄｉｏｕｌｔｒａ—

ｗｉｄｅｂａｎｄ（ＵＷＢ）ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．Ａ

ｇａｔｉｏｎｓｃｈｅｍｅｉｓ

ｌｏｗ—ｃｏｍｐｌｅｘｉｔｙｓｕｂ—ＮｙｑｕｉｓｔｓａｍｐｌｉｎｇｒａｔｅｂａｓｅｄＮＢＩｄｅｔｅｃｔｉｏｎａｎｄｍｉｔｉ—

ｔＯ

ｐｒｏｐｏｓｅｄ．ＷｉｔｈｔｈｅｇｏａｌｏｆｓｕｐｐｒｅｓｓｉｎｇＮＢＩ，ｔｈｅｆｅａｓｉｂｉｌｉｔｙ

ｃａｒｒｙ

ｏｕｔ

ＮＢＩｄｅｔｅｃｔｉｏｎａｎｄｓｕｐ—

ｐｒｅｓｓｉｏｎａｐｐｒｏｐｒｉａｔｅｌｙｕｎｄｅｒｔｈｅｓｕｂ—Ｎｙｑｕｉｓｔｓａｍｐｌｉｎｇｒａｔｅｉｓｄｅｍｏｎｓｔｒａｔｅｄ．ＦｏｕｒｉｅｒａｎａｌｙｓｉｓｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅＮＢＩｓｉｇｎａｌｓｈａｖｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｐａｒｓｉｔｙａｎｄｓｉｇｎｉｆｉｃａｎｃｅｉｎｔｈｅｆａｓｔＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｄｏｍａｉｎｓｕｂ—Ｎｙｑｕｉｓｔｓａｍｐｌｉｎｇｒａｔｅ．Ｂａｓｅｄｔｒｉｘｆｏｒ

ａｎ

ｏｎ

ｅｖｅｎａｔ

ｔｈｅ

ｔｈｏｓｅｐｒｏｐｅｒｔｉｅｓ，ｔｈｅｓｕｂｓｐａｃｅｏｆｔｈｅＮＢＩｉｓｅｓｔｉｍａｔｅｄ．Ａｎｏｒｔｈｏｇｏｎａｌｍａ—

ａ

ｚｅｒｏ

ｐｒｏｊｅｃｔｉｎｇｔｈｅｄｉｓｃｒｅｔｅ—ｔｉｍｅＮＢＩｓｉｇｎａｌｉｎｔｏ

ｖｅｃｔｏｒ

ｃａｎ

ｉｓｄｅｓｉｇｎｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｗｉｔｈｇｒｅａｔｌｙｉｍｐｒｏｖｅｔｈｅｒｅｃｅｉｖｅｄｓｉｇｎａｌ—ｔｏ—ｉｎｔｅｒｆｅｒ—

ａｃｃｅｐｔａｂｌｅ

ＵＷＢ

ｓｉｇｎａｌｅｎｅｒｇｙｌｏｓｓ，ｔｈｅｐｒｏｐｏｓｅｄｓｃｈｅｍｅ

ｅｎｃｅ－ｐｌｕｓ—ｎｏｉｓｅｒａｔｉｏ．

Ｋｅｙｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ

ｃｏｍｍｕｎｉｃａｔｉｏｎｓ；ｕｌｔｒａ—ｗｉｄｅｂａｎｄ（ＵＷＢ）；ｎａｒｒｏｗｂａｎｄ

ｉｎｔｅｒｆｅｒｅｎｃｅ（ＮＢＩ）ｍｉｔｉｇａｔｉｏｎ；

ｓｕｂ—Ｎｙｑｕｉｓｔｓａｍｐｌｉｎｇｒａｔｅ

０

引言

Ｃｏｍｍｕｎｉｃａ—

作，ＦＣＣ对ＵＷＢ系统的发射功率做了严格的限制，即要求其发射功率谱密度远低于窄带系统。对ＵＷＢ通信来说，窄带系统信号是一种干扰，称之为窄带干扰（ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ，ＮＢＩ）。由于ＮＢＩ具有很强的功率，它的存在会严重影响ＵＷＢ系统的性能口“］，ＮＢＩ的检测和消除是ＵＷＢ通信研究中一个非常重要的问题。

对于传统的数字接收机，通常基于奈奎斯特采样定理对接收信号进行采样，然后对采样信号做快速傅里叶变

自２００２年美国联邦通信委员会（Ｆｅｄｅｒａｌ

ｔｉｏｎｓ

Ｃｏｍｍｉｓｓｉｏｎ，ＦＣＣ）开放脉冲超宽带（ｕｌｔｒａ—ｗｉｄｅｂａｎｄ，

ＵＷＢ）频谱以来，脉冲ＵＷＢ技术作为一种通信方案以其潜在的低复杂度、低功耗、高精度定位能力以及较高通信速率等优势，在无线传感器网络及精确定位与导航等领域有着广泛的应用前景口。］。然而，为了不影响现有窄带系统工

收稿日期：２０１２—０５一１６；修回日期：２０１３—０７—１２；网络优先出版日期：２０１３—０９—１６。

网络优先出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｅｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０１３０９１６．１７４１．００６．ｈｔｍｌ

基金项目：国家科技重大专项（２００９ＺＸ０３００６—００７—０２）资助课题

万方数据

?２４０６?

系统工程与电子技术

第３５卷

换（ｆａｓｔ

Ｆｏｕｒｉｅｒ

ｔｒａｎｓｆｏｒｍ，ＦＦＴ），根据信号的频域特征

检测出ＮＢＩ在频域的精确位置，最后通过滤波的方法消除ＮＢＩ［５］。然而，在脉冲ＵＷＢ系统中，通信带宽非常大，可达数吉赫兹，如果仍以奈奎斯率进行采样，那么模数转换器（ａｎａｌｏｇ

ｔｏ

ｄｉｇｉｔａｌ

ｃｏｎｖｅｒｔｏｒ，ＡＤＣ）需要具有极

高的采样频率（可高达１０ＧＨｚ以上）。这种高速ＡＤＣ很难实现，即使实现也会对ＵＷＢ系统带来很高的成本和功耗‘６。］。

近年来出现的压缩感知（ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ，ＣＳ）理论口。９３为宽带系统中窄带信号的谱估计提供了一种基于欠采样的解决思路。文献Ｅｌｏ］研究了频域稀疏信号的估计与恢复问题，提出了一种基于随机解调器的系统方案。仿真结果表明，文中提出的方案无需高速采样。但是，该方案假定窄带信号在频域是离散的，并且在所研究频谱范围内均匀分布，而实际ＵＷＢ系统的ＮＢＩ信号不满足该假设。另外，系统需要高速伪随机序列信号产生器，使得系统功耗比较高。文献［１１—１３］提出并研究了一种并行的ＮＢＩ检测方案，其中文献［１２—１３］进一步对ＵＷＢ系统中的ＮＢＩ消除技术进行了研究。该并行方案中，ＵＷＢ系统采用一组并行的乘积累积器和欠采样ＡＤＣ对接收信号进行投影，然后在数字域实现对ＮＢＩ信号的检测。文献［１２］利用ＮＢＩ信号在频域稀疏的特点，基于ＣＳ理论估计出ＮＢＩ信号的子空间，然后通过该子空间设计一组模拟投影函数将ＮＢＩ信号映射为零值，以此来消除ＮＢＩ。然而，该方案中ＮＢＩ信号子空间估计复杂度高，且模拟投影函数的产生比较困难。文献［１３］将投影函数换成一组单频的正弦或者余弦波，不同支路中单频信号的频率在ＵＷＢ频谱范围内均匀分布。由于ＮＢＩ的功率很大，如果某一个支路所在频点存在ＮＢｌ分量，那么该支路的采样点值就会出现异常，直接将该支路的采样点去除即可消除ＮＢＩ。然而，由于ＵＷＢ的频谱范围很大，功率几乎在频域中均匀分布，该方案难以有效捕获ＵＷＢ信号能量，进而不利于后续ＵＷＢ信号检测。另外，由于并行系统架构需要采用一组乘积累积器和欠采样ＡＤＣ，系统复杂度很高，很难在实际中应用。

文献［１４—１５３中，本课题组提出一种基于ＣＳ的ＵＷＢ系统结构，研究了信号检测与ＵＷＢ信道估计问题，本文研究该欠采样系统下的ＮＢＩ检测与消除方案。１

基本思想

基于图１所示欠采样接收机系统结构，本文研究ＮＢＩ

的检测与消除技术。接收机硬件非常简单，只包含前端滤波器、欠采样ＡＤＣ和数字信号处理器３个模块。首先接收机对接收到的信号ｒ（ｆ）进行前端滤波，滤除带外噪声，然后由欠采样ＡＤＣ采样得到采样向量（或称观测向量），最后将采样向量送人数字信号处理器，实现对ＮＢＩ的检测与消除。ＵＷＢ信道估计与信号检测算法已经在文献［１４—１５］做了研究，本文不再讨论。

万方数据

一，）

ｋ礅

数字信号处理器

图１

ＵＷＢ接收机架构

在系统中，假定收发机以包为单位进行信息发送和检测，即在发射机端，每个包中含有竹个信息符号，调制到一组ＵＷＢ脉冲上进行发送。接收机端，在每个接收包持续时间丁。内进行欠采样得到采样向量。假设前端滤波器不影响接收信号的频谱，并且发射机端包与包之间的时间间隔足够大，以使得接收信号中无包间干扰。

令△表示欠采样ＡＤＣ的采样时间间隔，ｉ表示包序号，Ｍ表示每一个接收包持续时间内的采样点数。那么第ｉ个包的采样向量ｙ。可以表示为

Ｙｌ（ｍ）一Ｙｉ（ｍｂｒ）一Ｕｉ．ＵＷＢ（ｆ）＋ｎｉ．Ｊ（ｆ）＋ｎｉ（ｆ）｛一ｍ．

（１）

式中，ｙ。一［Ｍ（０），ｙ，（１），…，ｙ，（Ｍ一１）］；“。，ｕｗＢ（ｆ）和

行。（￡）分别表示第ｉ个接收包中的ＵＷＢ信号和ＮＢＩ信号㈣（￡）为带限高斯噪声。ＵＷＢ信号的带宽为Ｂ，中心频

率为ｆ；ＮＢＩ信号的带宽为Ｂ，，中心频率为＾，且ＮＢＩ信号位于ＵＷＢ的通信频谱范围之内。

为了衡量系统采样率与奈奎斯特采样率相比降低的程度，定义欠采样系数Ｕ，一１／（２ＢＡ。），其中２Ｂ近似表示传统全数字接收机中的奈奎斯特采样率。Ｌ，，越小，表示采样率越低，如Ｕ，一１／４时，即表示本文欠采样系统采样率为奈奎斯特采样率的１／４。

在目前的ＮＢＩ检测方案中，通常首先检测出ＮＢＩ信号在频域的精确位置，然后再通过滤波的方法在时域或者频域消除ＮＢＩ。然而，本文认为，在ＵＷＢ通信中，消除接收信号中的ＮＢｌ分量是最终目的，精确的频点估计不是必须的。

在图１系统中，虽然采样率很低，即通常有Ｕ，《１，但是为了获取足够多的ＵＷＢ信号能量用于信号检测，系统采样率仍然远大于２Ｂ，。那么在上述条件下，除了ＮＢＩ在频域精确的频点信息外，通过采样向量Ｙ，的ＦＦＴ可以获取足够多关于ＮＢＩ信号的谱特征。另外，通常ＮＢＩ信号的功率谱密度远大于ＵＷＢ信号和噪声的功率谱密度，则ｙ。的ＦＦＴ可以近似为稀疏向量，其中少数绝对值很大的元素表示ＮＢｌ分量，并且容易从中辨别。根据上述分析，虽然欠采样下ＮＢＩ的精确估计是不可能的，但是依据ＮＢＩ在ＦＦＴ域的稀疏性和易辨别的特点，完成对ＮＢＩ的近似检测与消除是可能的，下文将详细讨论。

２

ＮＢＩ检测与消除

为了对ＮＢＩ进行检测，假定第一个包中没有包含

第１１期

晋本周等：基于欠采样的脉冲ＵＷＢ通信窄带干扰消除技术

?２４０７?

ＵＷＢ信号，那么采样向量Ｙ。只包含噪声和干扰，并且假设ＮＢＩ信号在频域位置是不变的。如果ＮＢＩ信号的频点位置有变化，只需要每隔一定的时间间隔重新对ＮＢＩ进行估计即可，为了简单，本文只讨论ＮＢＩ信号频点固定的情况。

由于ＮＢＩ在频域有着显著的特征，本文首先通过Ｙ，的ＦＦＴ估计出ＮＢＩ信号在ＦＦＴ域的子空间向量Ｊ，然后基于Ｊ设计一个ＮＢＩ信号在时域的ＭＸＭ维正交投影矩阵Ｐ±，那么，后续包中的ＮＢＩ信号便可通过式（２）消除：

ｊ，：一Ｐ土（Ｈ。ｕｗＢ＋Ｈ。．，＋ｎ，）一Ｐ士（Ｈ。，ｕｗＢ＋聘。）

（２）

式中，Ｈ。ＵＷｎ和ｎ；（ｉ≥２）分别表示当前接收包中ＵＷＢ信号

和噪声的采样向量。

采样向量Ｙ。的ＦＦＴ可以表示为

触）一圣（础ｏｓ警＋ｊ∑触，一圣Ｍ－－１

ｍ＝０Ｙｌ

警一

￡剐（＾）＋ｊ８。。（忌），ｋ＝０，１，…，Ｍ一１

（３）

式中，｛一［导（ｏ），拿（１），…，亭（Ｍ一１）］；｛划一［＆。ｄ（ｏ），￡。ｄ（１），…，￡“（Ｍ一１）］；善。。。一［‰。（０），缸。（１），…，缸。（Ｍ一１）］。在采样速率很低的情况下，Ｙ。可近似为独立高斯随机变量序列，那么经过线性变换后，考一和善。。也均为高斯随机变量序列。

由于ＮＢＩ信号功率通常远大于噪声，且１／△》Ｂ，，那么在ＦＦＴ域，ＮＢＩ可以由向量｛中少数绝对值很大的元素近似表示。分别对ｌ喜。ｍｌ和Ｉ专ｎ。Ｉ设定２个阈值，即可检测出ＮＢＩ在ＦＦＴ域所处的位置，从而得到ＮＢＩ在ＦＦＴ域的子空间。

令盯。。（奄）和Ａ。。（后）分别表示Ｓ一（最）的标准差和均值，

则有

‰（女）２（圣ｃｏｓ２等）

ｕ志）一圣札砌）ｃｏｓ警

（４）

而在无ＮＢＩ情况下，Ａ一（惫）＝ｏ，Ｖｋ∈｛０，１，…，Ｍ一１｝。

令Ｏ＂ｒ。。【一ｍａｘ｛靠ｄ（ｏ），Ｏｒｅｄ（１），…，‰（Ｍ一１）｝，此处有

盯。Ｉ—ｄ。。ｄ（０）。

对于Ｉ喜。。ｌ，设定ＦＦＴ域中判断某一位置有无ＮＢｌ分

量的阈值为孤。一ａｄ。，其中，ａ＞０用于调节阈值的大小。

那么，向量喜的实部部分毒训所对应的ＮＢＩ子空间向量Ｉ。－

可表示为

ＩｈＴ≥Ｉ）志（ｄｅ一Ｊｓ【，１

ｍ１

，ｏａ（ｋ）一１０，赢

（５）¨’

式中，Ｊ。。一［ｊ。（ｏ），Ｉ。（１），…，ｊ。（Ｍ一１）］。阈值越小，ＮＢＩ信号分量被检测出的概率越大，但是误检的概率也越大；反之，阈值越大，误检概率越小，但是ＮＢｌ分量被漏检的概率越大。因此，实际中需要合理的选择口的值。

类似地，可以得到｛的虚部部分考．。所对应的ＮＢＩ子

万方数据

空间向量Ｉ。。。那么ＮＢＩ信号总的子空间向量Ｊ的元素可以表示为

ｍ）一ｊ１’Ｉｒｅ．Ｉ（ｋ）¨ｍ“Ｄ＞０

（６）

０，其他

式中，ｊ＝［ｊ（ｏ），ｆ（１），…，Ｊ（Ｍ～１）］。

令ｅ为一个ＭＸｌ维全１向量，那么第ｉ个包的采样向量ｙ。中ＮＢＩ信号可以通过如下方法消除：

Ｙ：一ＩＦＦＴ（ｄｉａｇ（ｅ—ｆ）考。）一ｖＱ

Ｙ，

（７）

式中，Ｏ表示圆周卷积；｛。为第ｉ个包的ＦＦＴ；ｖ＝ＩＦＦＴ（ｅ—Ｊ）。

令ｐ，一［ｕ（ｏ），口（Ｍ一１），口（Ｍ一２），…，ｕ（１）］，那

么，ＮＢＩ信号的正交投影矩阵群可以设计为

Ｐ士一Ｔｏｅｐｌｉｔｚ（ｖ，ｐ，）

（８）

式中，Ｐ士是一个以向量ｖ作为第－－Ｎ，ｐ，作为第一行的Ｔｏ—

ｅｐｌｉｔｚ矩阵。在文献［１４—１５３的信号检测中，矩阵Ｐ士可以直接作为整个时域信号观测过程的组成部分。

３

仿真分析

本节对本文提出方案的可行性与性能进行了仿真分

析。仿真中，Ｂ一３ＧＨｚ，＾一４

ＧＨｚ，Ｂ，一１０ＭＨｚ，ｆｆ一

３．７

ＧＨｚ，一个接收包的持续时间为９００１ＩＳ。ＮＢＩ信号为二

进制相移键控（ｂｉｎａｒｙｐｈａｓｅｓｈｉｆｔ

ｋｅｙｉｎｇ，ＢＰＳＫ）调制信号。

接收信号中，信干比（ｓｉｇｎａｌ—ｔｏ－ｉｎｔｅｒｆｅｒｅｎｃｅｒａｔｉｏ，ＳＩＲ）为

一１０

ｄＢ，信噪比（ｓｉｇｎａｌ—ｔｏ－ｎｏｉｓｅｒａｔｉｏ，ＳＮＲ）为１８ｄＢ，给定

ＳＩＲ和ＳＮＲ，可以计算出信号干扰噪声比（ｓｉｇｎａｌ—ｔｏ－ｉｎｔｅｒ—

ｆｅｒｅｎｃｅ－ｐｌｕｓ—ｎｏｉｓｅ

ｒａｔｉｏ，ＳＩＮＲ）近似为一１０

ｄＢ。

图２给出了第一个包ＮＢＩ消除前后采样向量ＦＦＴ域的归一化幅度图。仿真中，ａ一３，欠采样系数Ｕ，一１／７，即采

样率仅为８７０ＭＨｚ。从图２（ａ）可以看到，ＮＢＩ信号在频域确实具有稀疏性和易辨别的特点，因此可以通过设置合适的阈值检测出ＮＢＩ在ＦＦＴ域的位置，并采用本文方案消除ＮＢＩ，消除后的归一化频谱图如图２（ｂ）所示。

评价方案性能的一个重要标准是消除ＮＢＩ后信号ＳＩＮＲ的提升量。假定ＵＷＢ信号的能量在ＦＦＴ域是均匀分布的，不同阈值下消除ＮＢＩ后信号的ＳＩＮＲ如图３所示。由仿真条件知，原始接收信号ＳＩＮＲ为一１０ｄＢ，可以看到消除ＮＢＩ后的ＳＩＮＲ有了大幅度提升。例如，当口一３，Ｕ，＝

５／２４时，ＳＩＮＲ可以获得约２２ｄＢ的改善。另外，采样率越

高，提升幅度越大。

通过图３还可以看到另外一种现象，ａ＝２时的ＳＩＮＲ要比口＝３和ａ一５时提升的幅度大，原因在于阈值设置越小时，ＮＢｌ分量漏检的概率就越小，那么经过ＮＢＩ消除算法后，残余ＮＢＩ信号能量也越小，则ＳＩＮＲ提升的幅度自然会大一些。然而，需要注意的是，当阈值很小的时候，会造成误检的概率较大，因此也会损失较大的ＵＷＢ信号能量，进而影响后续信号检测算法的性能。

＼

?２４０８?

系统工程与电子技术第３５卷

迫越馨羞１喜

。一

Ｌ…一Ｊ．‰～

数字角频率／ｒｏｄ

数字角频率／ｒｏｄ（ｂ）ＮＢＩ消除后

图２

ＮＢＩ消除前后ＦＦＴ域归一化幅度谱

∥

——ｅ一：ａ＝２：——曰一：口＝３：——弓一：ｄ＝５。

图３不同阈值下消除ＮＮ后采样信号的ＮＮＲ随Ｕ的变化曲线

图４给出了不同阈值下ＵＷＢ功率损失（ｓｉｇｎａｌ

ｐｏｗ—

ｅｒ

ｌｏｓｓ，ＳＰＬ）随欠采样系数的变化曲线。此处，ＳＰＬ定

义为：ＳＰＬ＝１０１９（Ｓ。／Ｓ），其中Ｓ。和Ｓ分别表示ＮＢＩ消除前后采样向量中ＵＷＢ信号的功率。从图中可以看出，阈值较大时，不存在ＮＢｌ分量而被误检的概率较小，

万方数据

因此ＵＷＢ信号ＳＰＬ也较小。结合图３和图４，本文方案可以在一定的ＳＰＬ损失下大幅度提高ＳＩＮＲ，例如当Ｕ，一５／２４，ａ一５时，ＳＩＮＲ提高了约１９．１ｄＢ，而ＳＰＬ仅为１．２ｄＢ。在实际中，需要结合系统总体的误码性能合

理的选择阈值和采样率。

０．１５０．２００２５０３００３５０４００．４５０．５００．５５０．６０

己，．

——ｅ一：ｄ＝２：——日～：ａ＝３：—Ｊ寻一：ａ＝５。

图４不同阈值下消除ＮＢＩ后ＵＷＢ信号ＳＰＬ随Ｕ，的变化曲线

为了验证多个ＮＢＩ下系统的性能，图５给出了增加一个ＮＢＩ信号情况下的仿真结果。新增ＮＢＩ同样为ＢＰＳＫ调制信号，中心频率为３．３ＧＨｚ，带宽为１０ＭＨｚ，其他仿真条件不变。图５的结果表明，存在多个ＮＢＩ时，系统依然可以很好的工作，并且性能和图３、图４比较并没有出现明显的下降。

０１５０．２００．２５０．３００．３５０．４００．４５０．５００．５５０６０

Ｕ

——ｅ一：ＳＩＮＲ；——甘一：ＳＰＬ。

图５

２个ＮＢＩ信号情况时去除窄带干扰后ＳＩＮＲ和ＳＰＬ随Ｕ的变换曲线

４结

论

本文研究了欠采样情况下消除ＮＢＩ信号的可行性，并给出了具体的方案。该方案在不追求精确估计ＮＢＩ的情况下，实现对ＮＢＩ信号的消除，大大降低了ＡＤＣ采样速率，并且ＮＢＩ的检测与消除完全放在数字域，系统硬件和算法复杂度很低。另外，本文方案中ＮＢＩ消除与通信信号检测可用相同的硬件完成，进一步降低了接收机复杂度。仿真结果表明，系统方案在一定的ＵＷＢ信号ＳＰＬ情况下，可大大

第１１期晋本周等：基于欠采样的脉冲ＵＷＢ通信窄带干扰消除技术

?２４０９?

提高接收信号ＳＩＮＲ。后续将进一步研究本方案对整个系统误码性能的影响，以及方案中关键参数与误码性能之间的关系。

参考文献：

［１］ＷｉｎＭ

Ｚ，Ｄａｒｄａｒｉ

Ｄ，ＭｏｌｉｓｃｈＡＦ，ｅｔａ１．Ｈｉｓｔｏｒｙａｎｄａｐｐｌｉｃａｔｉｏｎｓｏｆ

ｗｗＢ［ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，２００９，９７（２）：１９８—２０４．

［２］Ｊｉｎ

Ｙｚ，ＯｒｌｉｋＰＶ，ＳａｈｉｎｏｇｌｕＺ，ｅｔ

ａ１．ＵＷＢｓｙｓｔｅｍｓｆｏｒｗｉｒｅ—

ｌｅｓｓ

ｓｅｎｓｏｒ

ｎｅｔｗｏｒｋｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆ

ｔｈｅＩＥＥＥ，２００９，９７

（２）：３１３—３３１．

［３］Ｓｈａｏ

Ｈ，Ｂｅａｕｌｉｅｕ

ＮＣ．Ｄｉｒｅｃｔ

ｓｅｑｕｅｎｃｅ

ａｎｄｔｉｍｅ－ｈｏｐｐｉｎｇ

ｓｅ—

ｑｕｅｎｃｅｄｅｓｉｇｎｓｆｏｒｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｍｉｔｉｇａｔｉｏｎｉｎｉｍｐｕｌｓｅｒａｄｉｏ

ＵＷＢｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＴｒａｍ．ｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，

２０１１，５９（７）：１９５７—１９６５．

［４］ＷａｎｇＣ，ＭａＭ，ＹｉｎｇＲＤ，ｅｔａ１．Ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｍｉｔｉ—

ｇａｔｉｏｎｉｎ

ＤＳ－ＵＷＢｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＬｅｔ—

ｔｅｒｓ，２０１０，１７（５）：４２９—４３２．

［５３ＨａｙｋｉｎＳ．Ｃｏｇｎｉｔｉｖｅｒａｄｉｏ：ｂｒａｉｎ—ｅｍｐｏｗｅｒｅｄｗｉｒｅｌｅｓｓｃｏｍｍｕｎｉ

ｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＪｏｕｒｎａｌ

ｏｎ

ＳｅｌｅｃｔｅｄＡｒｅａｓｉｎＣｏｍｍｕｎｉｃａｔｉｏｎ，

２００５，２３（２）：２０１—２２０．

［６３

ＳｈｉＧＭ，ＬｉｎＪ，ＣｈｅｎＸＹ，ｅｔａ１．ＵＷＢｅｃｈｏｓｉｇｎａｌｄｅｔｅｃｔｉｏｎ

ｗｉｔｈ

ｕｌｔｒａ—ｌｏｗ

ｒａｔｅ

ｓａｍｐｌｉｎｇ

ｂａｓｅｄ

ｏｎ

ｃｏｍｐｒｅｓｓｅｄ

ｓｅｎｓｉｎｇ［Ｊ］．

ＩＥＥＥＴｒａｎｓ．ｏｎＣｉｒｃｕｉｔｓＳｙｓｔｅｍＩＩ：ＥｘｐｒｅｓｓＢｒｉｅｆｓ，２００８，

５５（４）：３７９—３８３．

［７３Ｗｉｔｒｉｚａｌ

Ｋ，ＬｅｕｓＧ，ＪａｎｓｓｅｎＧ，ｅｔａｌ。Ｎｏａｃｏｈｅｒｅｎｔｕｌｔｒａ—ｗｉｄｅ—

ｂａｎｄ

ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ

Ｍａｇａｚｉｎｅ，２００９，

２６（４）：４８—６６．

［８３

ＣａｎｄｅｓＥ

Ｊ，ＷａｋｉｎＭ１３．Ａｎｉｎｔｒｏｄｕｃｔｉｏｎ

ｔｏ

ｃｏｍｐｒｅｓｓｉｖｅｓａｍｐｌ—

ｉｎｇ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ

Ｍａｇａｚｉｎｅ，２００８，２５（２）：２１—３０．

［９］Ｄｏｎｏｈｏ

ＤＬ．Ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓ．ｏｎ

Ｉｎｆｏｒ—

ｍａｔｉｏｎ

Ｔｈｅｏｒｙ，２００６，５２（４）：１２８９—１３０６．

万方数据

［１０３

ＴｒｏｐｐＪＡ，Ｌａｓｋａ

ＪＮ，ＤｕａｒｔｅＭＦ，ｅｔａ１．ＢｅｙｏｎｄＮｙｑｕｉｓｔ：ｅｆ—

ｆｉｅｉｅｎｔｓａｍｐｌｉｎｇｏｆｓｐａｒｓｅｂａｎｄｌｉｍｉｔｅｄｓｉｇｎａｌｓ［Ｊ］．ＩＥＥＥ

Ｔｒａｎｓ．

ｏｎＩｎＴｏｒｍａｔｉｏｎＴｈｅｏｒｙ，２０１０，５６（１）：５２０—５４４．

［１１］ＭｉｓｈａｌｉＭ，ＥｌｄａｒＹＣ．Ｆｒｏｍｔｈｅｏｒｙｔｏ

ｐｒａｃｔｉｃｅ：ｓｕｂ—Ｎｙｑｕｉｓｔ

ｓａｍｐｌｉｎｇｏｆ

ｓｐａｒｓｅ

ｗｉｄｅｂａｎｄａｎａｌｏｇ

ｓｉｇｎａｌｓ［Ｊ］．ＩＥＥＥ

Ｊｏｕｒｎａｌ

ｏｆＳｅｌｅｃｔｅｄＴｏｐｉｃｓｉｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２０１０，４（２）：３７５—３９１．

［１２３Ｗａｎｇ

Ｚ，ＡｒｃｅＧＲ，ＳａｄｌｅｒＢ

Ｍ，ｅｔａ１．ＣｏｍｐｒｅｓｓｅｄＵＷＢｓｉｇ—

ｎａｌｄｅｔｅｃｔｉｏｎ

ｗｉｔｈ

ｎａｒｒｏｗｂａｎｄ

ｉｎｔｅｒｆｅｒｅｎｃｅ

ｍｉｔｉｇａｔｉｏｎ［ｃ］∥

Ｐｒｏｃ．ｏｆｔｈｅＵｌｔｒａ—Ｗｉｄｅｂａｎｄ，２００８：１０—１２．［１３］Ｏｋａ

Ａ，ＬａｍｐｅＬ．Ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇｒｅｃｅｐｔｉｏｎｏｆ

ｂｕｒｓｔｙ

ＵＷＢ

ｉｍｐｕｌｓｅｒａｄｉｏｉｓｒｏｂｕｓｔ

ｔｏ

ｎａｒｒｏｗ－ｂａｎｄ

ｉｎｔｅｒｆｅｒｅｎｃｅ［Ｃ］｝｝Ｐｒｏｃ．ｏｆ

ｔｈｅＧｌｏｂａｌＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２００９：１—７．

［１４］ＪｉｎＢＺ，ＺｈａｎｇＳ，ＰａｎＪ，ｅｔａ１．Ｓｅｒｉａｌｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇｃｏｒｎ—ｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍｆｏｒ

ＵＷＢｉｍｐｕｌｓｅｒａｄｉｏｉｎｂｕｒｓｔｙａｐｐｌｉｃａ

ｔｉｏｎｓ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＬｅｔｔｅｒｓ，２０１１，４７（６）：４１２—４１４．［１５］Ｊｉｎ

Ｂｚ，ＺｈａｎｇＳ。Ｐａｎ

Ｊ，ｅｔａ１．Ｐｒｅ－ｃｏｄｉｎｇｂａｓｅｄｃｏｍｐｒｅｓｓｅｄ

ｓｅｎｓ—

ｉｎｇＵＷＢｃｏｍｍｕｎｉｃａｔｉｏｎ

ｓｙｓｔｅｍｆｏｒｂｕｒｓｔｙ

ａｐｐｌｉｃａｔｉｏｎｓ［ｑ｝｛Ｐｒｏｃ．

ｏ，ｔｈｅＧｌｏｂａｌＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１１：１—５．

作者简介：

罾本周（１９８４一），男，博士研究生，主要研究方向为超宽带无线通信、压缩感知理论。

Ｅ—ｍａｉｌ．．ｊｂｚ０８＠ｍａｉｌｓ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ

张盛（１９７５一），男，副教授，博士，主要研究方向为宽带无线通信技

术及芯片集成。

Ｅ—ｍａｉｌ：ｚｈａｎｇ＿ｓｈ＠ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ

潘剑（１９８６一），男，硕士研究生，主要研究方向为超宽带无线通信。

Ｅ—ｍａｉｌ：ｊｉａｎｌｏｎｇｅｒ＠１２６．ｔｏｍ

林孝康（１９４７一），男，教授，博士研究生导师，主要研究方向为物联网、移动通信、汽车通信、超宽带通信、数字对讲机技术。

Ｅ—ｍａｉｌ：ｌｘｋ＠ＳＺ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ