Интеллектуальная беспроводная сенсорная сеть с функцией потокового распознавания многочастотных символов

Бесплатный доступ

Интеллектуальные беспроводные сенсорные сети - инновационный класс технологий, объединяющих беспроводную связь и сенсорные информационные системы с целью создания динамичных и гибких систем сбора и анализа данных. В статье предложен вариант способа потокового распознавания многочастотных символов, формируемых группой источников информации с возможностью существенного улучшения энергетических и информационных показателей канала передачи данных.

Распознавание многочастотных символов, беспроводная сенсорная сеть, ofdm сигнал, полосовая обработка сигналов, цифровая обработка сигналов, увеличение скорости передачи сигналов

Короткий адрес: https://sciup.org/148328442

IDR: 148328442   |   DOI: 10.37313/1990-5378-2024-26-1-129-134

Текст научной статьи Интеллектуальная беспроводная сенсорная сеть с функцией потокового распознавания многочастотных символов

Беспроводные сенсорные сети (БСС), объединяющие информационно-измерительные, телекоммуникационные и радиотехнические системы, – одна из актуальных и перспективных сфер научных исследований. Существуют различные технологии физического, канального и сетевого уровней, которые позволяют реализовывать сети различного масштаба, в том числе интеллектуальные сети с дистанционно и автономно управляемой конфигурацией и функционалом их компонентов. БСС могут строиться как одночастотные, многочастотные, узкополосные или широкополосные системы с применением различных типов и составов радиосигналов, обусловленным поставленными целями, решаемыми задачами, средами применения, окружающей инфраструктурой [1].

Физический уровень БСС состоит из беспроводных сенсорных модулей - маломощных многофункциональных устройств, представляющие собой плату размером 2,5 см3, на которой размещены процессор, память, цифроаналоговые и аналого-цифровые преобразователи, радиочастотный приемопередатчик, источник питания и непосредственно датчики. Большинство приложений ориентировано на точное позиционирование модулей, оптимизацию контрольно-измерительных процессов и топологических схем, помехоустойчивость, надежность, устойчивость

к эксплуатационным факторам. Первичная обработка контрольно-измерительных данных, включая информацию о состоянии сенсоров и процесса передачи данных, производится непосредственно в модуле, в кластерной станции и в других узлах сети. Немаловажное значение придается формированию и потоковому распознаванию сигнально-кодовых конструкций (СКК), в которых каждому датчику или группе датчиков присваивается своя несущая частота, что способствует увеличению пропускной способности сетевой структуры. Наличие в интеллектуальной БСС (ИБСС) функции потокового распознавания передаваемых многочастотных символов (МЧС) на фоне нестационарных помех также позволяет существенно снизить энергопотребление модуля за счет сокращения времени передачи МЧС [2].

Целью работы является повышение энергетических и информационных показателей канала передачи данных.

ПОТОКОВОЕ РАСПОЗНАВАНИЕ МНОГОЧАСТОТНЫХ СИМВОЛОВ НА ОСНОВЕ РАЗДЕЛЬНОЙ ПОЛОСОВОЙ ОБРАБОТКИ

Если реализовать потоковое распознавание МЧС с частотой отсчетов, превышающей в 2-3 и более раза частоту Найквиста, то при оценке символа до его завершения требуется большой объем вычислительных затрат, сопровождающихся снижением точности обработки сигналов в реальном временном масштабе. Также всегда существует опасность получения выборки сигнала, когда задача оценки оказывается плохо обусловленной или вырожденной [3].

Алгоритм раздельной полосовой обработки принимаемого сигнала и увеличения скорости посимвольной передачи OFDM сигналов [4], который обеспечивает высокие информационноэнергетические показатели ИБСС, заключается в следующем (рисунок 1).

Шаг 1. Демодуляция

В приемных каналах после демодуляции формируется два сигнала: синфазный s I ( t ) и квадратурный S q ( t ) , сумма которых в общем виде с учетом шума ^ ( t ) и нормирующего усиления может быть записана в тригонометрической форме как зашумленный входной сигнал

У ( t ) = s i ( t ) + s Q ( t ) + ^ ( t ) =

I

2л i । ^

Sin —t I + ^ A Q

V T O ) I = 1

' i ) „z x COS —t I + ^ ( t )

V T O )

, (1)

где AI и AQ – амплитуды квадратурных составляющих. После разделения входного сигнала на синфазную и квадратурную составляющие каждая из них обрабатывается в идентичных каналах. Обработка заключается в выполнении следующих операций.

Шаг 2. Аналого-цифровое преобразование (АЦП)

В результате АЦП формируются отсчеты с частотой квантования во времени, обеспечивающей необходимую точность оценки коротких сигналов. Частота квантования может превышать в 2 и более раз частоту Найквиста.

Шаг 3а. Выделение поднесущих из принимаемого сигнала в режиме реального времени

В отличие от традиционных методов анализа временных фрагментов сигналов в работе [3] рассматриваются варианты улучшения спектрального разрешения в усеченном спектре анализируемого сигнала при конечном числе отсчетов путем использования априорной информации о параметрах обрабатываемых сигналов. Так как при обработке принимаемого символа априорно известны его спектральный состав и начальные фазы субполосных поднесущих, то искомыми являются только амплитуды поднесущих.

Ограничение на норму вектора ошибок 5 s зависит от мерности сигнального созвездия М, величины анализируемой части спектра сигнала и отношения сигнал/шум (ОСШ). Для достижения наилучшей точности оценки за интервал наблюдения [0, t ] может использоваться метод максимального правдоподобия (ММП) или метод минимального СКО.

Для уменьшения погрешности оценки амплитуд, создаваемой низкочастотными поднесущими, их можно режектировать из принимаемого символа как внеполосные помехи. Например, в работе [5] описан способ, который сводится к вычитанию из вектора спектральных

Рисунок 1 – Принцип потокового распознавания многочастотных символов с квитированием

отсчетов наблюдаемого процесса его проекции в подпространство помехи. Данный алгоритм предложено применять совместно с известной процедурой временного взвешивания для дополнительного подавления помехи. Для случая гармонической помехи дополнительное подавление составляет величину до 60 дБ при использовании для временного взвешивания прямоугольного окна и до 40 дБ – для окна Натолла.

Количество Н поднесущих, определяющих ВЧ полосу отображения символа может определяться либо как фиксированная величина, ориентированная на априорно известные данные, либо дополнительно изменяться в зависимости от соотношения скоростей спектрального анализа и синтеза базиса эталонных сигналов НЧ полосы в соответствии с алгоритмом, представленным на рисунке 2.

Шаг 3б. Формирование отображения ВЧ полосы принимаемого символа

По измеренным амплитудам синфазной A I и квадратурной A q высокочастотных спектральных составляющих формируется суммарный сигнал, который после экстраполяции на период ортогональности [0, Т 0 ] является отображением высокочастотной полосы принимаемого символа :

s H ( t ) = s HI ( t ) + s H e ( t ) =

Л - . ( i ) Л .    ( i ) _

= ^ Л/ 8 —t + ^ Ae COS —t . (2) i = l + i         V To J i = i          V T o J

Шаг 3в. Формирование текущего отображения НЧ полосы принимаемого символа на интервале [0, t] Текущее отображение НЧ полосы принимаемого символа определяется как разность между принимаемым сигналом и отображением ВЧ полосы принимаемого символа на интервале [0, t] ^L ( t ) = [УН1 ( t ) - ^Hi ( t )] + [yHQ ( t ) - sHq ( t )] , t e[0, t] .(3)

Шаг 4а. Синтез амплитуд элементов сигнальных созвездий низкочастотных поднесущих (смотреть рисунок 1, 2) Синтез амплитуд реализуется исходя из априорных данных о максимальной размерности М сигнального созвездия и результатов текущего спектрального анализа принимаемого сигнала с учетом его усиления и нормирования.

Шаг 4б. Формирование базиса эталонных низкочастотных сигналов (БЭНС)

Количество эталонных сигналов определяется максимальной размерностью М сигнального созвездия и количеством L синтезируемых низкочастотных поднесущих. Количество всех возможных сочетаний определяет размерность базиса эталонных низкочастотных эталонных сигналов (БЭНС)

B = M L . (4)

При больших значениях М и L базис будет требовать большой емкости ЗУ, что существенно ограничивает или делает невозможным синтез полного набора эталонных сигналов ВЧ и НЧ полос. Например, при М=16 и L =4 размерность базиса составляет величину B= 65536, а при М=64 и L =100 размерность БЭНС вырастает до B =1,1228 - 10381.

Таким образом, исключение спектрального анализа сигнала возможно только при приеме относительно узкополосных МЧС.

Шаг 5. Распознавание символа по результатам сравнения БЭНС с ОНЧ на интервале [0, t] Распознавание осуществляется в соответствии с алгоритмом, представленным на рисунке 2.

Мерой близости отсчетов синтезируемых сигналов и полученного отображения при при- менении критерия минимума среднеквадратической ошибки используется зависимость в виде

.            л Г (1 l -i      .Тл^ M2

2     *     *v_ *      1         jN

8sbn =( sLn sLbn) = sLn    M^i Sbke’

V N k=o n = o,..., R, b = 1,..., B,(5)

где R – текущее количество отсчетов на интервале [0, t ].

По результатам анализа 82n определяется эталонный НЧ сигнал, который для идентификации распознанного символа суммируется с отображением его ВЧ полосы s * b (t) = s *Lb ( t ) + sH ( t ) , t £[0, TO ] , (6)

а спектральный состав и эпюра распознанного символа используется для дальнейшей обработки принимаемого сигнала.

Таким образом, для распознавания символа за интервал времени t e [ O, t p T 0 ^| определяющим параметром является величина допустимой ошибки оценки сигнала на данной конкретной реализации при заданных параметрах сигнально-кодовых конструкций и допусках на норму вектора ошибок измерений при максимальном индексе модуляции [5].

С целью повышения достоверности распознавания, процедура определения эталонного НЧ сигнала повторяется до тех пор, пока два и более раз подряд не будет выбран один и тот же сигнал. Тогда время распознавания определяется

Рисунок 2 – Блок-схема алгоритма потокового распознавания

как t . = t + i A t , где A t - интервал дискретизации, i = pi 1, 2 p ….

Шаг 6. Передача по обратному каналу квитанции о распознавании символа (рисунок 3) Квитанция о распознавании предназначена для априорно обусловленного сглаженного завершения передачи текущего символа и перехода к передаче очередного символа, сигнально-кодовая конструкция которого определяется исходя из оценки сигнально-помеховой обстановки в зоне расположения сенсорного модуля ИБСС.

ВЫВОДЫ

Улучшение информационно-энергетических показателей ИБСС заключается в увеличении пропускной способности радиоканала за счет распознавания передаваемых символов до завершения их передачи. Для этого на приемной стороне осуществляется раздельная субполосная обработка низкочастотной (НЧП) и высокочастотной (ВЧП) полос принимаемого МЧС s(t) в режиме реального времени. Текущее значение фрагмента НЧП принимаемого сигна-

Рисунок 3 – Структурная схема передачи данных между базовой стацией и измерительным модулем

ла определяется как разница между фрагментом принимаемого сигнала и отображением ВЧП сигнала, сформированным посредством спектрального анализа этого фрагмента. Отображение НЧП символа на интервале текущего времени сравнивается с базисом синтезированных низкочастотных эталонных сигналов и по результатам сравнения в момент окончания распознавания МЧС выбирается эталонный сигнал с формой сравниваемого фрагмента наиболее близкой к форме фрагмента отображения низкочастотного сигнала, а сумма отображения высокочастотной составляющей и выбранного низкочастотного эталонного сигнала принимается в качестве распознанного символа. После распознавания символа по обратному каналу на модуль ИБСС передается квитанция о распознавании, по которой принимается решение о завершении передачи по прямому каналу текущего символа, формировании очередного символа и начале его передачи по прямому каналу с учетом текущей сигнально-помеховой обстановки.

Список литературы Интеллектуальная беспроводная сенсорная сеть с функцией потокового распознавания многочастотных символов

  • Леонович, Г.И. Перспективные направления развития беспроводных сенсорных сетей / Г. И. Леонович, А. И. Данилин, В. В. Сергеев [и др.] // Актуальные проблемы радиоэлектроники и телекоммуникаций: Материалы Всероссийской научно-технической конференции, Самара, 14-16 мая 2019 года [под ред. А.И. Данилина]. - Самара: ООО "АРТЕЛЬ", 2019. - С. 8-11. EDN: WFXUBR
  • Гришин, И.В. Обзор методов многочастотной модуляции сигналов в современных сетях беспроводной связи / И. В. Гришин, А. А. Калинкина // Информационные технологии и телекоммуникации. - 2020. - Т. 8, № 2. - С. 55-66. DOI: 10.31854/2307-1303-2020-8-2-55-66 EDN: MTLIEQ
  • Дмитриев, Е.В. Аппроксимация коротких процессов, сигналов, функций и расчет их гармонических дискретных спектров / Е. В. Дмитриев // Физика волновых процессов и радиотехнические системы. - 2007. - Т. 10, № 1. - С. 33-46. EDN: LDFQFJ
  • Патент № 2719396 C2 Российская Федерация, МПК H04L 27/148. Способ приема OFDM сигналов: № 2017146505: заявл. 27.12.2017: опубл. 17.04.2020 / Г. И. Леонович, С. В. Олешкевич, заявитель Общество с ограниченной ответственностью "Современные технологии". EDN: SOCHRW
  • Вострецов, А.Г. Режекция внеполосной помехи / А. Г. Вострецов, В. А. Богданович, М. В. Гундарева // Доклады Академии наук высшей школы Российской Федерации. - 2013. - № 1(20). - С. 72-79. EDN: PYBEZP
Еще
Статья научная