0 引　言

作为下一代通信技术，5G通信在舰船领域的应用前景非常广阔，包括：

1）舰船内部通信

5G通信技术可以提供更高的带宽和更低的延迟，使得舰船内部的通信更加快速和高效，比如基于5G技术实现船舶内部的高清视频会议、虚拟现实等功能。

2）舰船外部通信

5G通信技术可以提供更远距离和更高速度的通信，使得舰船可以更加快速地与其他船舶、基地、卫星等进行通信，这对于海上作战、海上救援等非常重要^[1]。

3）舰船自主驾驶

5G通信技术可以提供更高的带宽和更低的延迟，使得舰船自主驾驶的实现更加可行，实现高精度的定位、实时数据传输等功能，提高船舶的智能化。

基于上述背景，本文重点研究舰船远程航行过程中的5G通信技术，分别从5G通信MIMO技术、信号调制和识别技术等方面进行详细阐述。

1 舰船远程航行信息交互系统的整体设计

舰船在远程航行时通常采用卫星通信链路与水面或陆上基站进行通信，随着船舶自动化设备的数量增加，远程航行过程中的数据量已经超出了现有通信链路的负荷，因此，本文开发一种舰船远程航行信息交互系统。

该系统采用的核心架构是一种异构通信系统，包括船舶终端、基站、电台等部件，异构系统能够在短波通信、卫星报文通信和5G通信链路之间切换，图1为舰船远程航行信息交互系统的框架图。

舰船远程航行信息交互系统的关键功能包括：

1）数据采集功能^[2]

远程航行信息交互系统需要进行多类数据的采集，包括：

①船舶位置和航速数据采集

通过GPS、船舶惯性导航系统等技术，实时采集船舶的位置和航速信息，以便进行航行路径规划和船舶位置监控。

②气象和海洋环境数据采集

通过船载气象监测设备、海洋浮标等设备，采集气象和海洋环境数据，包括海域的风速、风向、海浪高度、海水温度等，以便进行船舶航行安全评估和气象预报。

③船舶状态数据采集

通过速度传感器、GPS、AIS等设备，采集船舶各种状态数据，如船体倾斜角度、船舶荷载参数、发动机工作状态等，以便进行船舶性能监测和故障诊断。

④船舶能源数据采集

通过船舶动力系统的能源管理设备，采集船舶能源数据，包括燃油消耗、发电机输出功率等，以便进行船舶能源管理和节能减排。

2）通信功能

舰船远程航行信息交互系统采集到的信息，需要通过通信网络传输到地面控制中心，同时地面控制中心对船舶进行远程遥控发送指令。

①异构网络切换功能

远程航行信息交互系统中集成了包括短波通信、4G通信、5G通信等多种通信模式，远程航行信息交互系统需要具备良好的异构网络切换功能，寻找最优的信号传输通道，当一种通信网络发生故障中断，可以及时切换为另一种通信模式。

②实时性要求

远程航行信息交互系统对信号的时效性要求较高，信号传输过程应避免延时，提高信息的同步率，在异构通信网络中，基于5G的通信模式时延小、传输速度快，是优选的通信模式。

③安全性要求

在船舶通信领域，尤其是军用舰船的通信网络中，信息的安全性是非常重要的因素，由于船舶通信网络的开放性特点，数据存在被第三方截取可能，所有敏感数据必须进行加密传输，以防止未经授权的访问和窃取。系统有严格的访问控制机制，只有经过授权的用户才能够访问系统中的数据，对于不同级别的用户，有不同的权限控制机制。

2 舰船远程通信异构网络5G的MIMO技术

MIMO是一种无线通信技术，它利用多个天线来传输和接收数据，从而提高通信质量和速度。MIMO技术可以将多个数据流同时传输到同一频带，从而提高频谱效率，同时还可以通过空间分集技术来提高信道容量和抗干扰能力。

MIMO技术已经被广泛应用于4G和5G移动通信、WiFi和无线局域网等领域，成为无线通信领域中的重要技术。图2为MIMO技术的通信链路示意图。

本文在舰船远程航行信息交互系统中采用一种大规模MIMO技术，利用预编码矩阵同时实现对 $ {N_t} $ 个用户、 $ {N_r} $ 个天线的数据传输。

单独一个5G天线信号可表示为：

$ {\text{S}}({\text{t}}) = \frac{1}{{\sqrt N }}\sum\limits_{k = 0}^{N - 1} {{s_k}} {e^{j2{\text{π}} {f_k}t}} \text{。} $

定义信号的采样间隔为 $T s/N$ ，载波频率为：

$ {f_k} = k/N{T_s} \text{。} $

规模化的MIMO通信信号可表示为：

$ S\left( {n{T_s}} \right) = \frac{1}{{\sqrt N }}\sum\limits_{k = 0}^{N - 1} {{s_k}} {e^{j2{\text{π}} kn/N}} 。$

图3为大规模MIMO通信技术的原理示意图。

可知，MIMO的显著特征是在信号发送端和接收端存在 ${x_1}$ ～ ${x_{Ni}} $ 多个阵列天线和信道，以及 $ {n_1} $ ～ ${n_{Nr}} $ 多个信号接收网关。

3 舰船远程航行中5G通信调制信号识别方法 3.1 舰船远程航行中的信号调制技术

舰船远程航行信息交互系统的5G信号调制采用AM幅度调制和FM频率调制2种。

1）AM调制

AM调制是一种线性调制，调制信号模型为：

$ {s_{AM}}(f) = \frac{{{A_c}}}{2}\left( {1 + m\left( t \right)} \right)\cos 2{\text{π}} {f_c}t \text{。} $

式中： $ {A_c} $ 为调制信号的幅度， $ m\left( t \right) $ 为5G通信信号， $ {f_c} $ 为调制信号的频率，信号调制需要保证 $\dfrac{{{A_c}}}{2} \left( {1 + m\left( t \right)} \right) > 0$ 。

当信息交互系统的5G信号 $ m\left( t \right) $ 幅值与频率确定时，AM信号可表示为：

$ {s_{AM}}(f) = \frac{{{A_c}}}{2}\left[ {M\left( {f - {f_c}} \right) + \delta \left( {f - {f_c}} \right)} \right] 。$

2）FM调制

FM频率调制信号模型为：

$ s(t) = \frac{{{A_c}}}{2}\cos \left[ {2{\text{π}} {f_c}t + \varphi \left( t \right)} \right] \text{。} $

式中， $ \varphi \left( t \right) $ 为调制信号的初始相位。

FM频率调制信号的频率偏移表示为：

$ \frac{{\rm{d}}}{{{\rm{d}}t}}\varphi (t) = 2{\text{π}} {K_f}m(t) \text{。} $

式中： $ {K_f} $ 为偏移系数，当偏移系数是随时间变化的量时，可得 $\varphi (t) = 2{\text{π}}{K_f}\int_ - ^t m (t){\rm{d}}t$ 。

FM频率调制信号在时域的表达式为：

$ {s_f}(t) = {A_c}\cos \left[ {2{\text{π}} {f_t}t + 2\pi {K_f}\int_{ - \infty }^t m (t)dt} \right] 。$

定义信息交互系统的5G信号的FM频率调制指数：

$ {\beta _f} = \frac{{\Delta {f_{{\text{max }}}}}}{W} = {K_f}\frac{{\max |m(t)|}}{W} \text{。} $

式中： $ W $ 为5G信号的带宽， $ \Delta {f_{{\text{max }}}} $ 为最大的频率偏移量^[3]，得到考虑频率偏移的调制信号：

$ {S_F}(f) = \frac{{{A_c}}}{2}\sum\limits_{n = - \infty }^\infty {{J_n}(v)} \left[ {\delta \left( {f - {f_c} - n{f_m}} \right)} \right] \text{，} $

式中， $ {J_n}(v) $ 为频率偏移函数。

图4为5G通信信号AM和FM调制的波形示意图。

可知，AM调制使原始信号的幅值出现明显的变化，FM调制使原始信号的频率发生明显变化，幅值基本不变。

3.2 舰船远程航行信息交互系统的5G信号模式识别研究

针对舰船远程航行信息交互系统的5G信号模式识别问题，结合BP神经网络算法进行研究，将5G通信调制信号的识别分为样本训练过程和信号识别过程2个阶段^[4]。

基于BP神经网络算法的信号识别流程如图5所示。

调制后的5G信号表示为：

$ z\left( t \right) = x\left( t \right) + jy\left( t \right) \text{。} $

式中： $ x\left( t \right) $ 为5G信号的实部， $ y\left( t \right) $ 为5G信号的虚部，虚部与实部相互正交，可得5G信号的瞬时特征如下：

1）信号瞬时幅度特征为：

$ A\left( t \right) = \sqrt {{x^2}\left( t \right) + {y^2}\left( t \right)} \text{。} $

2）信号的瞬时相位分量为：

$ \psi \left( t \right) = {\tan ^{ - 1}}\left[ {\frac{{y\left( t \right)}}{{x\left( t \right)}}} \right] \text{。} $

相位去卷叠是调制信号识别的重要环节，信号相位加上修正分量 $ C(i) $ 并不能直接得到正确的瞬时相位分量，引入相位修正序列如下式：

$ C(i) = \left\{ {\begin{array}{*{20}{c}} {C(i - 1) - 2{\text{π}} }&{\phi (i + 1) - \phi (i) > {\text{π}} } ，\\ {C(i - 1) + 2{\text{π}} }&{\phi (i + 1) - \phi (i) < {\text{π}} } ，\\ {C(i - 1)}&{{\text{ else }}} 。\end{array}} \right. $

相位信息：

$ \varphi (t) = \phi (t) + C(t) - \frac{{2{\text{π}} {f_c}i}}{{{f_s}}} \text{。} $

式中， $ {f_c} $ 和 $ {f_s} $ 分别为载波频率和采样频率。

此时，被识别信号的瞬时频率特征为：

$ f(t) = \frac{1}{{2{\text{π}} }} \cdot \frac{{{\rm{d}}\varphi (t)}}{{{\rm{d}}t}} 。$

基于Matlab软件进行舰船远程航行信息交互系统的5G信号识别仿真，部分仿真参数如表1所示。

在Matlab中分别得到5G通信信号的信噪比和误码率曲线如图6所示。可知，经过信号调制后，信号的误码率明显降低。

4 结　语

本文针对舰船远程航行信息交互系统的信号调制与识别技术进行研究，结合5G MIMO技术和BP神经网络算法，针对AM和FM信号调制下的5G信号进行识别研究，并结合Matlab进行船舶5G通信的性能仿真。