0 引　言

舰船多信道无线网络是传递各种消息的渠道^[1]，随着舰船无线通信设备不断升级，通信系统趋于陈列化和集成化，在接收信号时在舰船信道中经常会受到干扰^[2-3]，影响信号质量，从而无法接收准确的信息，因此，确保舰船通信设备可以正常通信具有重要意义。

针对此问题，很多学者进行了研究。刘春玲等^[4]提出一种基于多域联合的抗干扰算法，通过感知环境频谱情况确定干扰信道，结合Stackelberg博弈理论，对舰船信道中中度干扰的信号通过功率域进行抑制，缩短舰船信道的开销时间。由于一个频谱感知的效果并不理想而产生舰船信道决策出现不成功的情况，因此，采用引入簇头协助的方法处理此问题，实现舰船的抗干扰。杨世武等^[5]提出一种基于改进DnCNN的抗干扰算法，该方法将卷积神经网络（CNN）进行优化，针对卷积神经网络中堆叠的单一尺度卷积核，将其转变成多尺度卷积核，不仅提高了网络能力，而且减少了网络深度，结合残差网络估计出噪声分布，将频带中的噪声采用对消的方法进行抑制，最大化信号的低频幅值，形成去噪卷积神经网络（DnCNN），降低噪声，实现抗干扰的效果。但是这2种方法容易浪费网络能耗，无法及时地进行抗干扰，导致舰船多信道无线通信的抗干扰效果较差。

瞄准式定向方法可以准确定位干扰信号，阻塞式抗干扰方法可以对舰船通信信号频率进行覆盖干扰，自适应非线性预测滤波算法能够计算出信号的要频，从而对其进行编码错误的纠正。基于此，本文设计一种舰船多信道无线网络抗干扰算法，保证舰船通信的稳定性。

1 舰船多信道无线网络抗干扰 1.1 抗干扰总体流程

由于舰船的多信道无线网络受干扰信号的影响^[6]，容易造成舰船网络内部消耗过多的CPU，从而影响通信质量。为了增强多信道无线网络的抗干扰能力，延长舰船的使用寿命，设计了舰船多信道无线网络抗干扰流程，如图1所示。

采集信号：通过建立多信道无线网络模型采集舰船多信道引入的大量信号。

干扰信号的挖掘：将采集到的大量信号进行检测，判断是否为干扰信号，挖掘干扰信号。

干扰信号的处理：将挖掘出的干扰信号输入到改进小波阈值算法中进行抗干扰处理。

信号输出：将没有受到干扰的信号和已经处理后的干扰信号输出给舰船的显示中心，以便更好地跟踪舰船状态。

1.2 建立舰船多信道模型

依据舰船系统的特殊性，需要建立对应的多信道模型，获取舰船多信道网络信号，为实现舰船多信道无线网络的抗干扰处理做铺垫。通过相关矩阵建模法建立舰船的多信道模型，建立过程如图2所示。

设舰船的多信道无线网络通信方式为下行链路通信，天线数量为n_t，可收到的天线数据量为n_T，舰船多信道的天线规模可表示为n_t×n_T，多信道无线网络矩阵可表示为：

$ {\boldsymbol{G}}({\boldsymbol{M}}) = \sum\limits_{K = 1}^K {{{\boldsymbol{G_r}}}(M - {M_r})}。$

(1)

式中：r为舰船多信道中可以辨别的路径；G_r为路径r的多信道传输矩阵；M为舰船多信道的可以忽略不计的延迟； $ {M_r} $ 为信号传输的延迟。

舰船多信道模型可表示为：

$ G = \sqrt {\frac{k}{{k + 1}}{{\boldsymbol{G_N}}}} + \sqrt {\frac{k}{{k + 1}}{{\boldsymbol{G_M}}}}。$

(2)

式中：k为莱斯因子；G_N为直径视距的舰船多道天线矩阵；G_M为瑞利矩阵。

通过构建的舰船多信道模型获取舰船多信道无线网络信号。

1.3 干扰信号的挖掘

依据采集的舰船多信道无线网络信号，利用异常检测(LOF)算法进行干扰信号挖掘，挖掘流程如下：

步骤1　将获取的舰船多信道无线网络信号中异常信号节点的特征均值记作 $\alpha = {({\alpha _1},{\alpha _2}, \cdots ,{\alpha _m})^{\rm{T}}}$ ，m表示异常信号节点特征均值的总数。从而获得舰船多信道无线网络的干扰信号特征为：

$ \gamma = \sum\limits_{k = 1}^m {F[{\alpha _k} - {{\hat \alpha }_k}]}。$

(3)

式中：在舰船多信道无线网络信号特征矩阵中的元素表示为 $ k=1,2,\cdots ,m $ ；F为元素的关联度， $ {\hat \alpha _k} $ 为信号异常节点特征的加权值，且 $ {\hat \alpha _k} = \sum\limits_{l = 1}^m {{\alpha _k}{w_k} + {\beta _k}{w_k}} $ 。其中，w_k为与元素相对应的特征量；β_k为没有异常信号特征矩阵的元素。

步骤2　求出各个干扰信号特征对象p的距离，设定舰船多信道无线网络的干扰信号特征集合为O，在集合O中求出全部信号与特征信号对象p的距离，筛选j个不同的最近距离，将其中的最远距离值作为干扰信号特征对象p的距离。

步骤3　求出干扰信号特征对象p的邻域距离，设干扰信号特征对象p中包含c个近邻，将全部不大于p的距离信号记作集合H，在H中存在信号对象h，则：

$ {\boldsymbol{H}} = \left\{ {\frac{{h \in {\boldsymbol{H}}}}{{\left\{ P \right\}}}\left| {D\left( {p,h} \right)} \right.} \right\}。$

(4)

式中，D(p, h)为最小距离。

步骤4　求出p的可到达距离，对其求解可得密度ρ。

步骤5　求出p的局部异常因子，即为均值 $ \xi (\rho ) $ 。

步骤6　依据求出p的局部异常因子结果进行从大到小排序，其中，前y个较大的信号就表示舰船多信道无线网络中存在的干扰信号。

1.4 舰船多信道无线网络的干扰抑制

为了实现舰船多信道无线网络抗干扰并提升抗干扰效果，采用改进的小波阈值算法挖掘的舰船多信道无线网络的干扰信号进行抗干扰处理。将获取的多信道无线网络的干扰信号视为观测信号，表示为：

$ f(t) = s(t) + n(t) 。$

(5)

式中：s(t)为原信号；n(t)为信号干扰。

虽然舰船多信道无线网络中的信号比较平稳，但是当存在信号干扰时，会产生较多的高频信号，因此，需要设定阈值对舰船多信道无线网络的信号干扰进行量化：

$ \hat v = \left\{ \begin{gathered} v\mathop {}\nolimits_{}^{} \left| v，\right| \geqslant \kappa ，\\ 0\mathop {}\nolimits_{}^{} \left| v ，\right| < \kappa。\\ \end{gathered} \right. $

(6)

式中： $ \hat v $ 为阈值； $ v $ 为小波系数； $ \kappa $ 为量化系数。

由于量化后的信号干扰具有不连续性，容易导致舰船多信道无线网络发生振荡，因此，在式(6)中添加一个调节因子，解决偏差的影响，得到：

$ \hat v = \left\{ \begin{gathered} {{\rm{sgn}}} (v)(\left| v \right| - a\kappa )，\mathop {}\nolimits_{}^{} \left| v \right| \geqslant \kappa ，\\ 0，\mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \mathop {}\nolimits_{}^{} \left| v \right| < \kappa。\\ \end{gathered} \right. $

(7)

式中， $ a $ 为调节因子。

将式（7）通过小波的傅里叶变换得到：

$ \int \begin{gathered} + \infty \\ - \infty \\ \end{gathered} \frac{{{{\left| {\psi (v)} \right|}^2}}}{{\left| v \right|}}{\rm{d}}v < \infty。$

(8)

式中， $ \psi (v) $ 为小波母函数。

当产生连续的 $ a $ 时， $ \psi (v) $ 将会存在一个小波序列，公式为：

$ {\psi _{a,b}}(v) = \frac{1}{{\sqrt {\left| a \right|} }}\psi (\frac{{v - b}}{a}) 。$

(9)

式中， $ b $ 为伸缩因子。

$ b $ 存在于信号发射端发射到接收端的过程中， $ a $ 和 $ b $ 在舰船多信道无线网络干扰信号 $ f(x) $ 的影响下，发生内积运算，公式为：

$ w{T_f}(a,b) = \left\langle {f(t),{\psi _{a,b}}(t)} \right\rangle。$

(10)

式中： $ w $ 为内积系数； $ {T_f} $ 为频窗宽度。

当 $ a $ 逐渐减小时， $ {\psi _{a,b}}(t) $ 也随之减少，舰船多信道无线网络的信号频率在短时间内移向高频，反之，当 $ a $ 逐渐增加时， $ {\psi _{a,b}}(t) $ 将会变宽，舰船多信道无线网络的信号频率在短时间内移向低频，实现舰船多信道无线网络的干扰信号抑制。

通过对干扰信号进行抑制，实现舰船多信道无线网络的抗干扰，提升了舰船设备的通信质量。

2 结果分析

为了验证本文算法的有效性，将某港口的舰船作为实验对象。该船功率为6 300 kW，船长为96 m，船宽为15.8 m，吃水6.5 m，排水量为4 268 t。通过实验平台搭建该船的扩频通信系统，应用本文算法处理该船多信道无线网络干扰的结果如图3所示。可以看出，采用本文算法对该船多信道无线网络进行抗干扰处理后，随着时间的增加，无线网络的频率变化都比较稳定，没有发生较大的频率变化，说明本文算法的舰船多信道无线网络抗干扰性能较强。

为了验证本文算法挖掘舰船多信道无线网络干扰信号的能力，设计在8种不同的干扰信号下，本文算法可挖掘出干扰信号的数量，并将文献[4]双差波束的舰船通信抗干扰算法和文献[5]基于小波变换的舰船主干网络抗干扰算法作为本文算法的对比算法，验证结果如表1所示。可知，针对舰船多信道无线网络中8种不同种类的干扰信号，文献[4]算法可挖掘出的干扰信号平均值为7075个，挖掘干扰信号的能力较差。文献[5]算法对于不同种类的干扰信号，可以挖掘出的干扰信号平均值为8413个。虽然对干扰信号的挖掘能力优于文献[4]算法，但是挖掘出的干扰信号同样较少，舰船多信道无线网络干扰信号的挖掘能力并不理想，而本文算法挖掘出的舰船多信道无线网络干扰信号数量约为9577个，均高于其他2种算法，说明本文算法具有较高的舰船多信道无线网络干扰信号挖掘能力。

为验证本文算法的舰船多信道无线网络抗干扰能力，将本文算法应用到该船的扩频通信系统，观察系统的发送信号和接收信号的波形是否一致，如果波形一致，表示舰船多信道无线网络没有受到干扰信号的影响；若不一致，表示舰船多信道无线网络受干扰信号影响，产生舰船多信道无线网络通信异常。实验结果如图4所示。可以看出，因受到干扰导致接收端接收波形存在约为20 ms延迟，但最终接收到的信号波形几乎与发送信号波形一致，说明虽然舰船多信道无线网络中存在干扰信号，但是无线网络通信的接收端仍可以接收到发射端发射的信号，并且信号稳定，说明本文算法设计的舰船多信道无线网络抗干扰能力较强。

3 结　语

为提升舰船的通信质量，提出舰船多信道无线网络抗干扰算法设计，通过对舰船采集的信号进行特征提取，挖掘出干扰信号，再对其干扰信号采用改进的小波阈值算法进行抑制，实现舰船多信道无线网络的抗干扰。对该设计的应用效果展开测试，结果表明，本文算法挖掘干扰信号的能力较强，提升了舰船多信道无线网络的抗干扰效果。