Содержание к диссертации
Введение
1 Методы борьбы с сосредоточенными по спектру помехами 10
1.1 Классификация методов 10
1.2 Непараметрические алгоритмы 13
1.2.1 Алгоритмы определения узкополосных помех на основе БПФ 13
1.2.2 Периодограммный метод 15
1.2.3 Метод Уэлча 15
1.3 Алгоритмы адаптивной цифровой фильтрации 17
1.3.1 Алгоритм настройки нерекурсивного адаптивного фильтра по минимуму СКО 19
1.3.2 Алгоритм настройки нерекурсивного адаптивного фильтра по минимуму СКО с помощью градиентного метода 21
1.3.3 Рекурсивные алгоритмы наименьших средних квадратов 23
1.3.4 Метод линейного предсказания 25
1.3.5 Решетчатые фильтры 27
1.4 Оценка вычислительных затрат алгоритмов адаптивной цифровой фильтрации 29
1.5 Краткие выводы к главе 34
2 Цифровые алгоритмы обнаружения и подавления узкополосных помех 35
2.1 Подавление помехи адаптивным режекторным ЦФ с комплексным множителем 36
2.2 Цифровые режекторные фильтры на основе возвратного гетеродинирования 44
2.2.1 Алгоритм функционирования перестраиваемого режекторного цифрового фильтра 45
2.2.2 Фазорасщепитель 46
2.2.3 Управляемый косинусно-синусный генератор 48
2.2.4 Неперестраиваемый режекторный фильтр 52
2.3 Система обнаружения и подавления узкополосной помехи 54
2.3.1 Алгоритм функционирования 54
2.3.2 Адаптивный алгоритм режекции помехи 57
2.3.3 Результаты моделирования на ЭВМ алгоритма работы РФ с возвратным гетеродинированием 58
2.4 Определение частоты внутриполоснои сосредоточенной по спектру помехи методом частотного детектирования 62
2.5 Краткие выводы к главе 75
3 Влияние цифровых алгоритмов подавления узкополосных помех на полезный сигнал 76
3.1 Модулятор и демодулятор сигнала QPSK 76
3.2 Модулятор и демодулятор сигнала GMSK 81
3.3 Влияние режекторного фильтра с возвратным гетеродинированием на помехоустойчивость автокорреляционного демодулятора 88
3.4 Влияние работы устройств по обнаружению и подавлению узкополосной помехи на примере QPSK и GMSK сигналов 94
3.4.1 Влияние работы алгоритма при приеме сигнала QPSK 94
3.4.2 Влияние работы алгоритма подавления помехи при приеме сигнала GMSK 99
3.5 Краткие выводы к главе 102
4 Разработка программного обеспечения по обнаружению и подавлению узкополосных помех 103
4.1 Автоматизированная система по обнаружению узкополосных помех 103
4.1.1 Архитектура АИС 103
4.1.2 База данных автоматизированной системы 105
4.2. Разработка структуры аппаратного и программного обеспечения 106
4.2.1 Функциональная схема цифрового процессора 108
4.2.2 Взаимодействие цифрового процессора и CCS 109
4.3 Структура программного обеспечения для реализации разработанных методов по определению и подавлению узкополосных помех 110
4.3.1 Разработка алгоритма программного обеспечения схемы перестраиваемого режекторного фильтра с комплексным множителем 110
4.3.2 Разработка алгоритмов программного обеспечения фильтрации помехи на основе метода возвратного гетеродинирования 112
4.3.3 Разработка программного обеспечения для определения частоты помехи с помощью амплитудных детекторов 113
4.3.4 Разработка программного обеспечения системы определения частоты помехи по алгоритму частотного детектирования 115
4.4 Разработка алгоритмов подавления узкополосных для ЦСП с помощью Simulink пакета MATLAB 117
4.5 Оценка вычислительных затрат разработанных алгоритмов подавления помех и их сравнительная характеристика с известными алгоритмами 122
4.6 Краткие выводы к главе 124
Заключение 125
Литература
- Алгоритмы определения узкополосных помех на основе БПФ
- Подавление помехи адаптивным режекторным ЦФ с комплексным множителем
- Влияние режекторного фильтра с возвратным гетеродинированием на помехоустойчивость автокорреляционного демодулятора
- Автоматизированная система по обнаружению узкополосных помех
Введение к работе
С увеличением числа работающих, в том числе и несанкционированных средств радиосвязи усложняется помеховая обстановка в радиоэфире. Кроме того, значительно изменяются условия распространения радиоволн в течение суток. Работающие радиоприемные устройства испытывают значительные трудности при приеме и обработке сообщений. Применение разнесенного приема, улучшенных алгоритмов обработки сигналов на фоне различных видов помех и селективных замираний сигналов не позволяют в полной мере устранить все эти мешающие факторы. В каждом конкретном случае приходится применять целый набор методов борьбы с мешающими нормальному приему сообщений факторами.
В связи со значительной загруженностью радиоканалов работающими радиосредствами одним из основных видов помех становятся сосредоточенные по спектру помехи. В работах Финка Л.М., Карташевского В.Г., Мишина Д. В., Мухина Н.П. описаны способы борьбы с этим видом помех. Однако мало изучено влияние технических средств подавления сосредоточенных помех на полезный сигнал, не определены количественные характеристики этих средств, при которых борьба с этими помехами приводит к разрушению информации, заложенной в сигнале.
В начале 80-ых годов 20-ого века появились новые технические средства обработки сигналов, получившие название цифровые сигнальные процессоры (ЦСП) [52]. В них используются цифровые методы обработки сигналов. В последующие годы технические и экономические характеристики ЦСП постоянно улучшались: повышалось их быстродействие, увеличивались разрядность операндов и число ячеек памяти, уменьшались габариты, энергопотребление и стоимость. В результате к концу 20 - ого века выполненные на ЦСП устройства обработки сигналов стали выигрывать в конкурентной борьбе у аналоговых устройств по технико-экономическим показателям, а в ряде случаев их применение стало безальтернативным. Последнее обстоятельство обусловлено тем, что в аналоговых устройствах обработки сигналов принципиально присутствуют нестабильность параметров, несовпадение количественных характеристик отдельных узлов и звеньев, затруднена или невозможна технология адаптации этих устройств к изменяющимся свойствам помех [52]. В цифровых устройствах обработки сигналов все перечисленные недостатки аналоговых устройств отсутствуют, поэтому на базе ЦСП возможна реализация таких способов борьбы с сосредоточенными помехами, которые нельзя было реализовать на аналоговой элементной базе.
Вопросам построения цифровых устройств по обнаружению и подавлению сосредоточенных по спектру помех, посвящены работы Уидроу Б., Ма-кула Дж., Милстайна Л.Б., Зинчука В.М., Лимарева А.Е., Парфенова В.И.. Однако применение устройств цифровой обработки сигналов для борьбы с сосредоточенными помехами также не лишено проблем. В литературных источниках не достаточно глубоко рассмотрены методы синтеза таких устройств, не сделано сравнение способов борьбы с этим видом помех по вычислительным затратам, не исследовано влияние режекции помех разными методами на разрушение полезной информации в принимаемом сигнале, не определены наиболее устойчивые к сосредоточенным помехам виды модуляции, их стойкость к разным способам подавления сосредоточенных помех.
Целью диссертационной работы является разработка методов и алгоритмов определения и подавления узкополосных помех, которые позволяют снизить вычислительные затраты, исследование воздействия узкополосных помех на полезные сигналы с различными видами манипуляции, а также получению необходимых количественных оценок этих характеристик.
В работе использованы положения теории электрической связи, теории автоматического управления, теории кодирования.
Научная новизна работы заключается в следующем: 1. Разработаны алгоритмы подавления сосредоточенных помех с приме 7 нением адаптивного режекторного фильтра, который, в отличие от известных, имеет комплексный множитель, за счет которого обеспечивается полное подавление на частоте помехи при перестройке фильтра в большом диапазоне частот.
2. Разработаны алгоритмы частотного и амплитудного детектирования узкополосной помехи, позволяющие эффективно определять частоту этой помехи.
3. Предложена цифровая реализация режекторного фильтра с использованием возвратного гетеродинирования, которая дала возможность получить идентичные АЧХ в пределах диапазона перестройки цифрового фильтра и простоту перестройки в пределах диапазона.
4. Установлено влияние режекции помехи разработанными цифровыми устройствами на степень разрушения информации в сигнале.
Полученные в работе результаты использованы для фильтрации сосредоточенных помех, возникающих в каналах радиосвязи. Разработанные алгоритмы могут быть использованы для обнаружения сосредоточенной помехи и для определения её частоты, которые практически могут быть реализованы на основе разработанной автоматизированной системы.
Предложенные алгоритмы определения частоты помехи позволили расширить диапазон практического применения поиска источников излучения сосредоточенных помех в системах пеленгации.
Материалы диссертации использованы в учебном процессе ПГАТИ.
Основные результаты, выносимые на защиту:
1. Цифровая реализация режекции узкополосной помехи на основе метода возвратного гетеродинирования.
2. Алгоритм определения и подавления узкополосной помехи на основе адаптивного режекторного фильтра.
3. Алгоритмы определения частоты узкополосной помехи методом частотного и амплитудного детектирования. 4. Результаты численного исследования влияния режекции помехи цифровым устройством на степень разрушения информации в сигнале.
Основные результаты и положения диссертационной работы докладывались и обсуждались на десятой, одиннадцатой, двенадцатой российской научных конференциях, г. Самара, 2003-2005; второй международной конференции «Физика и технические приложения волновых процессов», г. Самара, 2003; третьей международной конференции «Физика и технические приложения волновых процессов», г. Волгоград, 2004; на десятой международной научно-технической конференции «Радиоэлектроника, электротехника и энергетика», г. Москва, 2004; пятой международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций», г. Самара, 2004; научно-техническом семинаре «Системы синхронизации, формирования и обработки сигналов для связи и вещания», г. Самара 2005г.
Диссертация состоит из введения, четырех глав и заключения.
В первой главе представлен анализ существующих методов определения и подавления сосредоточенных помех, а также выполнен расчет их вычислительных затрат. Показано, что общим недостатком рассмотренных методов определения и подавления узкополосных помех является большой объем вычислительных операций, а также то, что работоспособность этих методов возможна при ограниченном объеме выборки входного процесса. Это обстоятельство затрудняет конвейеризацию вычислений и требует дополнительных вычислительных затрат для буферизации вычислений.
Во второй главе разработаны новые алгоритмы и методы определения и подавления сосредоточенных помех. Это методы частотного и амплитудного детектирования узкополосной помехи, а также цифровая реализация метода возвратного гетеродинирования. Здесь же приведены результаты разработанных алгоритмов и получены аналитические соотношения для синтеза параметров отдельных блоков, обеспечивающих заданные качеству показатели. В третьей главе дана оценка влияния алгоритмов подавления узкополосных помех на полезный сигнал, синтезированы схемы реализации с помощью цифровых средств обработки сигналов модулятора и демодулятора сигналов QPSK и GMSK. Проведены эксперименты по прохождению сигналов через разработанные системы режекции и определения узкополосных помех. Полученные данные позволили определить, какой вид модуляции сигнала более подвержен разрушительному влиянию сосредоточенных помех. Установлено, что работа разработанных систем обнаружения и подавления помех влияет на сигнал, но вносимые искажения системой не сопоставимы с искажениями, вносимыми сосредоточенными помехами без системы определения и подавления помехи.
В четвертой главе разработана архитектура автоматизированной системы определения и подавления узкополосных помех. Разработано программное обеспечение, реализующее алгоритмы по определению и подавлению помех. Описана архитектура компенсатора помех. Предложено использование сигнального процессора типа TMS 320 Сбххх. На его основе предложены инженерные решения по его использованию и получены результаты работы системы подавления сосредоточенной помехи. Проведено сравнение вычислительных затрат разработанных методов с существующими, показан существенный выигрыш новых алгоритмов по вычислительным затратам.
В заключении диссертации сформулированы основные результаты работы.
В приложении представлены акты внедрения результатов диссертационной работы.
Алгоритмы определения узкополосных помех на основе БПФ
Одной из эффективных технических мер борьбы с мощными узкополосными помехами в средствах связи является режекция этих помех и восстановление переданной информации по оставшейся части спектра полезного сигнала. Режекция мощных узкополосных помех может быть осуществлена различными устройствами, осуществляющими режекцию в спектральной области с использованием прямого и обратного преобразования Фурье (непараметрические методы); адаптивными цифровыми фильтрами (параметрические методы).
При использовании непараметрических методов расчета спектра случайного процесса используется только информация, заключенная в отсчетах сигнала, без каких-либо дополнительных предположений. Однако предположение о нулевом среднем значении входного процесса и корреляционной функции за пределами интервала наблюдения ограничивает разрешающую способность БПФ величиной, приблизительно обратно пропорциональной объему выборки входного процесса. Кроме того, резкий переход корреляционной функции сигнала к нулю вызывает появление боковых лепестков (явление Гиббса). Правильный выбор функции "окна" может снизить уровень боковых лепестков, но ценой дальнейшего ухудшения разрешающей способности метода. Применение временных окон Бартлета, Наттола, Хана, Хемминга и т.д. значительно уменьшает эффект просачивания лепестков в область положительных частот [11, 63, 67]. Более подробно весовые окна рассмотрены в работе [36].
Использование параметрических методов подразумевает наличие некоторой математической модели анализируемого случайного процесса. Спектральный анализ сводится к поиску таких параметров модели, при которых она наиболее близка к реально наблюдаемому сигналу. Для определения коэффициентов модели производится минимизация ошибки линейного предсказания. Взвешенную сумму предыдущих отсчетов входного сигнала называют линейным предсказанием следующего отсчета, а выходной сигнал рассматриваемого фильтра, то есть разность между истинным и предсказанным значением отсчета, — ошибкой предсказания. На практике неизвестна истинная корреляционная функции исследуемого сигнала, поэтому для минимизации ошибки предсказания используются оценки коэффициентов фильтра, полученные путем временного усреднения. В настоящее время разработан целый ряд методов авторегрессионного анализа.
Главная причина появления многих альтернативных методов спектрального оценивания — неудовлетворительные характеристики непараметрических методов спектрального оценивания, особенно в тех случаях, когда величина, обратная длине последовательности данных, имеет тот же порядок, что и требуемое разрешение.
Вариации характеристик различных методов спектрального оценивания нередко можно объяснить тем, насколько хорошо используется модель, согласуется с анализируемым процессом. Когда модель хорошо согласуется с данными, могут быть получены спектральные оценки, характеристики которых превосходят характеристики непараметрических методов спектральных оценок узкополосных помех. Когда модель выбрана правильно, но используются плохие оценки спектральных параметров, получаются неэффективные (т, е. с большой дисперсией) спектральные оценки [36]. Различные модели могут давать сравнимые результаты, но одна модель может требовать меньше модельных параметров, а, следовательно, будет эффективнее других моделей, используемых для представления анализируемого процесса. Обусловленная сложность реализации также ведет к большим вычислительным затратам, которые представлены в таблице 1.1. На рисунке 1.1 приведена классификация существующих методов определения узкополосных помех.
Для режекции узкополосных помех в частотной области с помощью преобразования Фурье в реальном времени применяются непараметрические алгоритмы [1]. Структурная схема функциональных преобразований приведена на рисунке 1.2, где F и F 1 - блоки прямого и обратного преобразования Фурье.
В приемнике осуществляется следующие операции; преобразование Фурье принимаемого сигнала S(t) с узкополосной помехой i(t), результат преобразования умножается на комплексную частотную характеристику фильтра, далее осуществляется обратное преобразование Фурье полученного результата. После преобразования Фурье полученный сигнал необходимо подать на фильтр с комплексной частотной характеристикой KQ&) для подавления узкополосной помехи. Общий вид комплексной частотной характеристики представлен в формуле (1.1) [51].
На рисунке 1.3 - 1.5 показаны результаты машинного моделирования данного метода, показывающего идею компенсации в спектральной области, где представлен спектр входного процесса (рисунок 1.3) частотная характеристика фильтра (рисунок 1.4) и сглаженный спектр выходного сигнала (рисунок 1.5).
Подавление помехи адаптивным режекторным ЦФ с комплексным множителем
Сначала кратко изложим основные фундаментальные понятия теории цифровой обработки сигналов, и определим единые обозначения для избежания множественной интерпретации терминов.
Спектр дискретизированного сигнала представляет собой сумму сдвинутых копий спектра исходного сигнала, при этом шаг сдвига равен частоте дискретизации сод =2пя. Отсюда следует соотношение теоремы Котельни кова: любой сигнал s(t), спектр которого не содержит составляющих с частотами выше некоторого значения сов =2тгїв, может быть без потерь информации представлен своими дискретными отсчетами (s(kT)}, взятыми с интервалом Т, удовлетворяющему неравенству [23]: 2fB соа где Т = — = — или Fn 2f„. F Частоты, которые удовлетворяют условию 0 Fn —, называются приведенными.
Передаточной или системной функцией H(z) цифрового фильтра называют отношение Z-образа Y(z) выходного сигнала {у(пТ)} и Z-образа X(z) входного сигнала (х(пТ)} при нулевых начальных условиях. Импульсной характеристикой {h(nT)} называют реакцию фильтра при нулевых начальных условиях на входное воздействие {б(пТ)}: 5(11) = (1 ПРИП = ; [О при n 0. Это воздействие называют дискретным дельта-импульсом.
Комплексная частотная характеристика представляет собой результат подстановки г = е мТв передаточную (системную) функцию H(z) фильтра [42]. Модуль комплексной частотной характеристики А(й))= H(ej 1 T) называется амплитудно-частотной характеристикой (АЧХ) фильтра. Аргумент комплексной частотной характеристики (p(co) = arg[H(eJ uT)J называется фазо-частотной характеристикой (ФЧХ) фильтра.
На основе изложенных в главе 1 методов подавления узкополосных помех в диссертации разработан алгоритм подавления помехи адаптивным режекторным фильтром (РФ), схема которого приведена на рисунке 2.1.
Этот РФ построен на основе фазорасщепителя и самонастраивающегося на частоту помехи резонатора. Фазорасщепитель необходим для реализа ции комплексного множителя М фильтра.
Система режекции ЦФ с комплексным множителем Фазорасщепитель выполнен на основе преобразователя Гильберта, который создает фазовый сдвиг между составляющими спектра выходных сиг налов, равный л/2 (рис 2.2). Он имеет один вход и два выхода, при этом коэффициенты передачи (модуль комплексного коэффициента передачи) от входа к обоим выходам различны: КП по косинусному выходу равен единице для всех частот, а КП по синусному выходу Ks(G) = 1 ± 5(0) отличается от единицы на величину 5(0).
Фазорасщепитель используется для получения комплексного сигнала v(n) = x(n)-jx(n), где jx(n)- сопряженная по Гильберту решетчатая функция от функции х(п). Функции х(п) и - jx(n) также называют парой квадратурных компонент решетчатой функции, так как умножение на мнимую единицу j эквивалентно фазовому сдвигу всех спектральных компонент сигнала х(п) на к/ 2.
Фазорасщепитель может быть реализован на разном числе элементов задержки. Задаваясь необходимой полосой пропускания, был проведен расчет амплитудно-частотной характеристики (АЧХ) по синусному выходу при разном числе коэффициентов Bm.
В процессе адаптации цифровой резонатор, отдельно представленный на рисунке 2.3, посредством изменения коэффициента А, подстраивается таким образом, чтобы сигнал на выходе схемы рис. 2.1 имел лучшее приближение к полезному отклику. Коэффициент А3 определяет полосу пропускания фильтра, а коэффициент А, определяет его резонансную частоту 0о=сооТд, где Тд - период дискретизации. Комплексный множитель Мна входе фильтра обеспечивает единичный коэффициент передачи фильтра на резонансной частоте Э0.
Из соотношения (2.2) с учетом (2.1) и (2.3) видно, что на частоте помехи системная функция резонатора будет равна нулю, так как Hpe3(Z) = l. Таким образом при идеальном ФР будет происходить полное подавление помехи. В отличие от масштабного коэффициента, рассмотренного в [51], комплексный множитель (2.3) является комплексной величиной, в схеме на рисунке 2.1. Коэффициент Aj рассчитывается по формуле [51]: A, = -2 /A7 COS(2TT0O). (2.4)
Для перестройки коэффициента А, используется генератор треугольных колебаний (рис. 2.4). Как альтернатива генератору треугольных колебаний был использован генератор пилы, но при этом возникли резкие скачки колебаний, это происходит из-за резкого перепада уровня пилы и переходных процессов, происходящих при настройке резонатора на частоту помехи, который представлен на рисунке 2.4.
Влияние режекторного фильтра с возвратным гетеродинированием на помехоустойчивость автокорреляционного демодулятора
На рис.3.17 приведен укрупненный алгоритм проведения машинного эксперимента по оценке влияния режекторного фильтра на помехоустойчивость автокорреляционного демодулятора сигнала QPSK при действии на его входе синусоидальной помехи.
Для подсчета ошибок организовано два канала: один с помехой, а другой без нее. Счетчик ошибок увеличивает свое показание на единицу при несовпадении элементарных посылок на выходах демодуляторов. Для оценки влияния РФ эксперимент проводился сначала без РФ, а затем с ним [24].
В таблице 3.1 приведены результаты эксперимента при относительной частоте помехи доп = 0.27, относительной частоте несущей сигнала 0ОС =0.25, амплитуде помехи, равной амплитуде сигнала, и различных значениях коэффициента системной функции РФ Ар. Доверительный интервал вероятности ошибки определен при доверительной вероятности 0,9.
Из таблицы видно, что с уменьшением коэффициента Ар, а, следовательно, с увеличением полосы режекции вероятность ошибки сначала уменьшается, а затем увеличивается. Временные диаграммы сигналов на входе и выходе РФ объясняют появление ошибок при узкой полосе режекции. На временной диаграмме сигнала на входе РФ наблюдаются три характерных участка: до появления помехи, с помехой и после пропадания помехи. На выходе РФ имеются всплески уровня колебаний в момент появления и в момент исчезновения помехи, обусловленные переходными процессами в РФ.
Временные диаграммы работы счетчика ошибок показывают, что ошибки по времени совпадают с переходными процессами в РФ [24].
На спектральной диаграмме сигнала на входе РФ видна спектральная составляющая помехи на частоте выше частоты несущей полезного сигнала. Спектральная диаграмма выходных колебаний РФ показывает, что при Аг=0.995 в установившемся режиме РФ устраняет помеху, практически не разрушая спектр полезного сигнала.
На рисунке 3.21 приведена спектральная диаграмма сигнала на выходе РФ при тех же значениях частот помехи и сигнала, что и на рисунке 3.18, но при коэффициенте Ар = 0.5. Из него видно, что РФ, устраняя помеху, существенно искажает спектр полезного сигнала. Этим объясняется увеличение ошибок при уменьшении коэффициента Ар.
Временная которого видно, что ошибки имеют место в течение все го времени диаграмма работы счетчика ошибок при AF = 0.5 представлена на рис. 3.20, из проведения эксперимента. Поэтому РФ следует включать только при обнаружении помехи и определении ее частоты.
В таблицах 3.2 и 3.3 приведены результаты эксперимента при воп=восг0.25 и при воп = 0.3. Из них видно, что количество ошибок резко увеличивается с расширением полосы режекции фильтра при приближении частоты помехи к частоте несущей сигнала. Поэтому целесообразно использовать РФ с полосой режекции, уменьшающейся при приближении частоты помехи к частоте несущей сигнала [24].
Ошибки, возникающие при включении РФ, не соизмеримы с ошибками, возникающими из-за действия помехи в отсутствии РФ. На рисунке 3.23 приведена временная диаграмма работы счетчика ошибок при отсутствии РФ. Счетчик зафиксировал 1379 ошибок при передаче 8172 элементарных посылок. Таким образом, синусоидальная помеха с амплитудой, равной амплитуде полезного сигнала QPSK, полностью разрушает сигнал.
Автоматизированная система по обнаружению узкополосных помех
При использовании схемы перестраиваемого цифрового режекторного фильтра с комплексным множителем (параграф 2.1) её программное обеспечение должно реализовать фильтрацию поступающего сигнала в соответствии с рисунком 2.1. После настройки РФ на частоту помехи, сигнал с его выхода необходимо вычесть из поступающего сигнала, для этого в блок-схеме программного обеспечения на рис 4.6 присутствует блок умножения на минус единицу. Из схемы на рис 4.6 видно, если частота настройки РФ совпала с частотой узкополосной помехи, то происходит её вычитание из принимаемого сигнала (блок (-1)).
При реализации режекторного фильтра на основе возвратного гетеро-динирования происходит преобразование частоты в два шага. Сначала происходит понижение частоты на величину fr, формируемую с помощью УКСГ. Частота преобразованного сигнала на выходе ПЧ1 F0 является средней частотой полосы режекции неперестраиваемого РФ. Второй преобразователь частоты является повышающим, т.к. осуществляется преобразование частоты F0 в частоту 80 по правилу 60 = fr + F0. В результате частота полезного входного сигнала принимает свое прежнее значение [24]. Схема алгоритма соответствующей программы изображена на рисунке 4.7.
В параграфе 2.3 были рассмотрены алгоритмы и схемы определения частоты узкополосной помехи. Как правило, частота помехи неизвестна, поэтому разрабатываемое устройство содержит блок обнаружения и определения частоты помехи, которые целесообразно выполнять по квадратурной схеме. Суммы квадратов этих составляющих позволяют сравнить амплитуды сигналов на частотах, равных частотам генерируемых колебаний [25]. Блок сравнений находит максимальную амплитуду и соответствующую ей частоту генератора, которая примерно равна частоте помехи. Для точного определения частоты помехи используется ФАПЧ данного генератора. На рисунке 4.8 изображена схема ПО, реализующего описанный алгоритм определения частоты помехи линейкой из L амплитудных детекторов.
В алгоритме частотного детектирования узкополосной помехи (см. параграф 2.4), искаженный помехой сигнал, поступает на L каналов, в каждом из которых содержится пара взаимно расстроенных резонаторов. Сигналы с резонаторов суммируются и подаются на синхронно-фазовые частотные детекторы, настроенные на частоту несущей. Блок сравнения сигналов на выходе каналов выбирает тот из них, который больше отличен от константы, определяющей частоту несущей [57]. На рисунке 4.9 изображена схема алгоритма, реализующего программное обеспечение для определения частоты узкополосной помехи линейкой из L частотных детекторов.
Преимуществом моделирования цифровых узлов или устройств при помощи инструмента Simulink пакета MATLAB является то, что полученные модели можно использовать для программной реализации цифровых процессоров серии TMS С6ХХХ. Понятный интерфейс упрощает разработку программного обеспечения для процессоров данного типа. Пакет Simulink позволяет не только использовать достаточно большой набор готовых устройств цифровой обработки сигналов, но и создавать новые узлы [19]. Так как некоторые типы процессоров ограничены в использовании данных формата с плавающей точкой, в данном пакете предусмотрены специальные преобразователи из формата с плавающей точки в формат процессора Q15. Существует также возможность использования виртуального измерительного прибора Vector Scope для одновременного наблюдения входного и выходного сигналов, который является аналогом двухлучевого осциллографа. Цифровые узлы для цифровых сигнальных процессоров находятся в специальной библиотеке Embedded Target для Texas Instruments TMS320C6000 DSP Platform [18].
Использование предлагаемого инструмента разработки цифровых устройств упрощает процесс разработки и внедрения алгоритмов, а также экономит время при проектировании системы.
Ниже представлены графики, полученные в ходе эксперимента по реализации алгоритма возвратного гетеродинирования. Графики получены в визуальном блоке Vector Scope [20]. На рисунке 4,10 представлена входная смесь сигнала QPSK и узкополосной помехи, а на рисунке 4.11 - отфильтрованный сигнал по алгоритму возвратного гетеродинирования.
