基于自编码器和直接序列扩频的端到端无线通信技术研究

陆 瑞，江 汉，任江飞

（陆军工程大学，江苏南京 210000）

0 引 言

深度学习作为人工智能、机器学习的新领域，目的是让机器能够像人脑一样学习从而更接近人工智能。随着深度学习广泛发展，无线通信领域的专家希望应用深度学习在提高数据传输速率及传输可靠性的基础上实现智能通信[1]。基于深度学习的无线通信物理层技术研究正逐步开展并取得了较好成果，如将深度学习应用于信号调制识别[2-3]、信道译码[4]、OFDM 信号处理[5-6]、MIMO 通信[7-8]、无线通信安全[9]等，但上述应用多是将深度学习用于单独优化无线通信系统某一子模块或联合优化部分子模块，且各个子模块的最佳性能通常是在某一指定环境或者理论条件下仿真得到，在实际应用中并不符合真实信道情况，“模块化”理念指导下的无线通信系统只是实现了“局部优化”，并未在整体性能上实现“全局优化”。

文献[10]使用自编码器替代传统无线通信系统，并采用数据驱动方式开展端到端训练、验证、测试，仿真结果表明，其块误码率性能优于传统BPSK 无线通信系统并具备一定的信道编码增益，实现了无线通信系统整体性能的“全局优化”。此文献为设计基于深度学习的端到端无线通信系统提供了思路，但也存在以下问题：如若输入数据维度增加将导致网络参数及训练量增加；系统如何应用高阶调制以提高无线传输有效性；系统如何提高无线传输可靠性并应对未知信道下的干扰信号等。文献[11]采用卷积神经网络降低系统维度和训练量；文献[12]利用差分编码提高传输可靠性，但未针对干扰信号进行研究。

扩频最初用于军事通信抵抗扰码或发送低功率信号进行隐藏，使非目标监听者难以检测发送信号[13]，现也用于商业领域，如数字蜂窝通信、局间无线通信。扩频包括直接序列扩频、跳频、宽带线性调频等方式，具有频谱利用率高、抗干扰性强、隐蔽性好、抗多径干扰等优点，在军事通信、移动通信、卫星通信、测距定位等领域得到了广泛应用。

受文献[10]、文献[12]和扩频启发，本文基于自编码器和直接序列扩频，设计实现了一种无线扩频通信系统，实现了较好的块误码率性能和抗干扰性能。

1 无线扩频自编码器

1.1 自编码器与无线通信

自编码器是一种基于无监督学习方式学习输入数据并进行高效表示的人工神经网络[14]，由编码器（Encoder）和译码器（Decoder）组成，其通过训练可使重建数据与原始数据差异最小，常用于降维及特征检测。

式中：x为原始数据；x*为重建数据；L为损失函数期望。L越小，则数据重建越准确。

无线通信系统的主要任务是尽可能准确地恢复发送信号，这与自编码器功能高度一致，如图1、图2 所示，可把无线通信系统替换为一个自编码器，通过端到端训练联合学习信道编码、星座映射、信号调制等传统无线通信系统子模块功能，实现传输信息有效还原。

图1 传统无线通信系统

图2 基于自编码器的新型无线通信系统

1.2 直接序列扩频

扩频常用直接序列扩频，即在发送端使用PN 码将携带信息的基带信号扩展成宽带信号以便在信道中传输，在接收端将接收信号与PN 码的同步复本信号相乘得到解扩的窄带信号，同时展宽干扰信号带宽。根据香农信息论公式，可将干扰信号功率降低s倍（s为扩频因子）。PN 码自相关性强、互相关性弱，通常包括m 序列、gold 序列、walsh 序列，扩频信号通常使用BPSK、QPSK 调制方式。

1.3 系统模型

基于自编码器和直接序列扩频设计实现的端到端无线通信系统，即无线扩频自编码器，如图3 所示，其由Transmitter（发射机，对应Encoder）、Channel、Receiver（接收机，对应Decoder）组成，并用AEDS()n,k,s,f表示，源于自编码器（Autoencoder）和直接序列扩频（DSSS）。其中：n为Transmitter 发射信号所用实数信道规模；k为系统输入符号所含比特数；s为扩频因子；f表示扩频时IQ 通道是否使用相同m 序列。

图3 AEDS 系统模型

Transmitter 基于深度神经网络学习并实现传统无线通信系统信道编码、星座映射、扩频等功能，步骤如下：

1）将k个比特映射为符号S（S∈{1,2,…,M}，M= 2k），并经One-Hot 编码后作为系统输入；

2）经全连接层（Fully Connected Layer）、上采样层（Upsamples Layer）、扩频层（Spread Layer），将One-Hot编码序列转换为长度为n的实数扩频信号；

3）将实数扩频信号经归一化层（Normalization Layer）约束并转换为复数基带信号xc。在直接序列扩频时，第二个全连接层输出数据经上采样层后数据维度由n s变为n，后经扩频层处理，即将上采样层输出数据与m 序列相乘、IQ 交织，以实现符号速率提高、频谱扩展，实现过程如图4 所示。

图4 上采样层与扩频层实现过程

从信道编码角度来看，Transmitter 将包含k个比特的符号S编码为长度为n的实数信道数据，故可将R=k n定义为系统编码速率。从信号调制角度来看，n个实数信道数据以IQ 交织方式组成复数基带信号xc，则xc包含n2 个基带信号符号，每个符号包含2 bit，可认为是QPSK 调制。

Channel 在AWGN 上增加干扰信号，用于损害发射信号xc，损害后的信号用yc表示。干扰信号根据其目的、行为可分为主动式干扰信号和被动式干扰信号。前者是以破坏或扰乱敌方通信系统信息传输过程为目的；后者可以是其他用户的通信信号、雷达信号、噪声等。上述干扰信号都可对AEDS 通信质量造成一定影响。结合系统模型、扩频信号常用调制方式，干扰信号也可是QPSK 调制信号，但其信号参数可与AEDS 中的扩频信号不同。

Receiver 逆向实现Transmitter 部分功能，最终由Softmax Layer、Classification Layer 重建一个概率型序列并还原发送符号。

2 性能分析

2.1 AEDS 块误码率性能

以AEDS（42，4，7，0）在训练信噪比11 dB 下训练并在AWGN信道下测试为例，结果如图5所示。

图5 AEDS（42，4，7，0）块误码率

参考Uncoded QPSK（6，6）和Uncoded QPSK（42，42）无线通信系统，在相同块误码率（BLER）下，AEDS（42，4，7，0）对信噪比的要求优于前者1 dB 并远优于后者。若将AEDS（42，4，7，0）视作“黑盒”，在相同k值下，其BLER远小于Uncoded 16PSK、Uncoded 16QAM，这得益于AEDS对系统性能的“整体优化”。AEDS（42，4，7，0）学习得到的发射信号星座如图6 所示，共包含16 种。

图6 AEDS（42，4，7，0）学习得到的星座图

2.2 信道规模对AEDS 性能的影响

以AEDS（14，2，7，0）、AEDS（28，4，7，0）、AEDS（56，8，7，0），在R= 1 7、训练信噪比11 dB 下训练并在AWGN信道下测试为例，仿真结果如图7 所示。在相同BLER下，AEDS（14，2，7，0）接近Uncoded QPSK（2，2）无线通信系统，前者对信噪比的要求不超过0.5 dB，此与文献[10]中未经扩频的无线自编码器性能仿真结果相近，且前者性能远优于Uncoded QPSK（14，14）无线通信系统，可知AEDS 块误码率性能未因扩频致信道规模增加而降低。AEDS（28，4，7，0）、AEDS（56，8，7，0）性能均优于各自等同扩频前/后信道规模的Uncoded QPSK 无线通信系统，这得益于上采样层、扩频层对信号的线性操作，以及深度神经网络在信号特征获取、系统性能“整体优化”上的作用。

2.3 编码速率对AEDS 性能的影响

以AEDS（28，4，7，0）、AEDS（42，4，7，0）、AEDS（56，4，7，0）在训练信噪比11 dB、k= 4 下训练并在AWGN 信道下测试为例，仿真结果如图8所示。AEDS块误码率性能优于等同扩频前/后信道规模的Uncoded QPSK 无线通信系统，同时随着编码速率降低（三者分别为4/28、4/42、4/56），BLER 也逐步降低，可知信道规模越大、编码速率越小，AEDS 感知信道状态与提取信号特征能力越强，还原发送符号的准确率越高。

图8 编码速率与AEDS 块误码率

2.4 训练信噪比对AEDS 性能的影响

以AEDS（42，4，7，0）在训练信噪比3～17 dB 下训练并在AWGN 信道下测试为例，并对比两个Uncoded QPSK 无线通信系统BLER 性能，仿真结果如图9 所示。

图9 训练信噪比与AEDS 块误码率

在相同测试信噪比下，随着训练信噪比提高，BLER呈现“下降-增加-稳定”，下降是因训练信噪比提高致AEDS 还原发送符号能力增强导致；BLER 在训练信噪比13 dB 后增加并最终稳定，是因具有相同网络结构与超参数的AEDS 在面对由低至高变化的训练信噪比时，未能调整网络参数以致训练进入“鞍点”，此情况在文献[10]中也可得到印证。

2.5 m 序列对AEDS 性能的影响

以AEDS（n，k，7，1）、AEDS（n，k，7，0）在训练信噪比11 dB、R= 1 7、s= 7 下训练并在AWGN 信道下测试为例，仿真结果如图10 所示。

其中AEDS（n，k，7，0）基带信号IQ 通道均使用多项式为x3+x2+ 1 的m 序列，AEDS（n，k，7，1）基带信号I 通道使用x3+x2+ 1，Q 通道使用x4+x2+x+ 1。在k、n、s相同的情况下，6 类AEDS 块误码率类内各自接近但类外相互分离，可见IQ 通道所用m 序列是否相同对系统性能无较大影响，此由m序列具有伪随机正交特性所致。

2.6 干扰信号对AEDS 性能的影响

基于扩频抗干扰、抗衰落等优点，本节对AEDS 抗干扰能力进行仿真。仿真时使用AEDS（42，4，7，0）、AEU（42，4，7）（相对AEDS 无扩频解扩层，U表示Upsamples），以后者Transmitter 输出基带信号（假设采样率为21 kHz，码元速率为3 kBd，QPSK 调制）为参考样本，设计4 种在现实无线电环境中普遍存在的QPSK 干扰信号，即同频同规格干扰（参数同样本）、异频同规格干扰（频偏1 kHz）、同频异规格干扰（码元速率2.1 kBd）、异频异规格干扰（频偏1 kHz，码元速率2.1 kBd）。将AEDS、AEU 各自Transmitter 输出信号分别通过带有上述干扰信号的AWGN 信道，并由两者Receiver 接收、还原符号。以AEDS（42，4，7，0）、AEU（42，4，7）在训练信噪比11 dB 下训练并在AWGN、干扰信号信道下测试为例，结果如图11 所示，图11a）～图11d）分别为4 种干扰信号下的仿真结果。随着干扰信号幅度增加，AEDS、AEU 块误码率性能均下降，但在相同干扰信号幅度下，AEDS 块误码率性能优于AEU 两个10-1量级以上，可见AEDS 相对AEU 具有一定的抗干扰能力，这得益于扩频抗干扰优点。

图11 干扰信号与AEDS 块误码率

3 结 语

本文基于自编码器和直接序列扩频设计实现了一种无线扩频通信系统。仿真结果表明，该系统面向多种超参数具有较好的块误码率性能，且基于直接序列扩频，面向多种规格干扰信号具有较强的抗干扰能力。