DURA ˘
GAN OLMAYAN C
¸ OK B˙ILES¸ENL˙I BO ˘
GUCU S˙INYALLER ˙IC
¸ ˙IN
YEN˙I B˙IR UYARLANIR KARIS¸MA C
¸ IKARICI ANAL˙IZ˙I
L¨utfiye Durak
∗, Orhan Arıkan
∗∗ve Iickho Song
∗∗
Department of Electrical Engineering
Korea Advanced Institute of Science and Technology
373-1 Guseong Dong, Yuseong Gu, Daejeon 305-701, Korea
lutfiye@ieee.org,
i.song@ieee.org
∗∗
Elektrik ve Elektronik M¨uhendisli˘gi B¨ol¨um¨u,
Bilkent ¨
Universitesi, 06800 Bilkent Ankara, T¨urkiye
oarikan@ee.bilkent.edu.tr
¨ Ozetc¸e
Duraˇgan olmayan boˇgucu sinyallerin analizi ic¸in yeni bir uyarlanır kısa-s¨ureli Fourier d¨on¨us¸¨um¨u (KSFD) uygu-laması sunulmaktadır. Onerilen zaman-frekans daˇgılı-¨ mı, sinyal biles¸enlerine ait bir genelles¸tirilmis¸ zaman-bant genis¸liˇgi c¸arpımına dayalı hesaplanan optimum KSFD’lerin birles¸tirilmesi sonucu olus¸turulur. Al-goritmada, sinyal biles¸enlerinin optimum KSFD’leri ayrı ayrı hesaplanıp es¸iklenmekte ve her bir biles¸ene ait op-timum KSFD destek imgeleri t¨umles¸tirilmektedir.
Abstract
A novel adaptive short-time Fourier transform (STFT) implementation for the analysis of non-stationary multi-component jammer signals is introduced. The pro-posed time-frequency distribution is the fusion of optimum STFTs of individual signal components that are based on the recently introduced generalized time-bandwidth prod-uct (GTBP) definition. The GTBP optimal STFTs of the components are combined through thresholding and ob-taining the individual component support images, which are related with the corresponding GTBP optimal STFTs.
1. G˙IR˙IS¸
Yayılı izge teknikleri geri toplama kazanc¸ları dolayısıyla yapısal olarak boˇgucu sinyallerin karıs¸masına kar-s¸ı direnc¸lidirler. Ancak eˇger karıs¸an sinyaller istek sinyalinden c¸ok daha g¨uc¸l¨uyse, bu durumda tek bas¸ına geri toplama kazancı sinyalin g¨uvenilir bir s¸ekilde kodc¸¨oz¨um¨une yetmez. Karıs¸tırıcı istasyonlarının alıcıya vericiden c¸ok daha yakın olması ya da g¨onderilen sinyalin iletim s¨urecinde s¨on¨umlenmesi bu duruma ¨ornek olus¸turur. Dolayısıyla yayılı izge haberles¸mesinde alıcı performansını artırmak ve bit hata oranını azaltmak
ic¸in uyarlanır filtreleme ve zaman-frekans analizi gibi karıs¸ma c¸ıkarıcı teknikler kullanılmaktadır [1–3]. Bu konuda [1]’de KSFD, [2]’de ise Wigner daˇgılımı (WD) kullanılarak duraˇgan olmayan boˇgucu c¸¨orp sinyal-lerinin c¸ıkarımı yapılmıs¸tır. C¸ ¨orp sinyalleri anlık dar bantlı ama zaman ic¸inde genis¸ bantlı oldukları ic¸in karıs¸ma c¸ıkarıcı tekniklerde boˇgucu sinyal karakteristiklerinin zaman-frekans analiziyle belirlenmesi avantajlıdır.
Her iki karıs¸ma c¸ıkarım tekniˇginde de zaman-frekans daˇgılımlarına has dezavantajlar sistem performansını et-kiler. Zaman-frekans g¨osterimleri ic¸in ¨onemli bir kriter zaman-frekans d¨uzleminde sinyallerin desteklerinin korun-masıdır. En c¸ok kullanılan zaman-frekans g¨osterimlerinden olan WD tek biles¸enli sinyaller ic¸in bu ac¸ıdan en iyi daˇgılımdır. Ancak, WD karesel bir daˇgılım olduˇgu ic¸in c¸ok biles¸enli sinyallerde olus¸an c¸apraz terimler istenmeyen parazit yankılar olus¸turur. Dolayısıyla bu s¸ekilde sinyalin desteˇgine ait bilgi de bozulmus¸ olur. Doˇgrusal KSFD ailesi ise c¸apraz terimler ¨uretmediˇgi ic¸in avantajlıdır. Ancak bu kez sinyal biles¸enlerinin d¨us¸¨uk zaman-frekans lokalizasy-onuna sahip olması bir handikap olur.
Yakın zamanda KSFD c¸ekirdeˇginin sinyal biles¸enlerinin zaman-frekans d¨uzlemindeki desteklerine etkisi ince-lenerek optimal bir KSFD tanımı ¨onerilmis¸tir [4]. D¨us¸¨uk is¸lem karmas¸ıklıˇgına sahip bu optimal KSFD, tek biles¸enli sinyallerin zaman-bant genis¸liˇgi c¸arpımını (ZBC¸ ) en k¨uc¸¨ukleyecek s¸ekilde tasarlanmıs¸tır. Bu makalede, genelles¸tirilmis¸ ZBC¸ (GZBC¸ ) optimal KSFD analizi c¸oklu sinyallere tas¸ınmakta ve bu analizin c¸ok biles¸enli boˇgucu sinyallerin olduˇgu durumlardaki yayılı izge haberles¸mesi uygulamalarına aktarılabileceˇgi g¨osterilmektedir.
2. TEK B˙ILES¸ENL˙I S˙INYALLER ˙IC¸ ˙IN OPT˙IMAL KSFD ANAL˙IZ˙I
Bir x(t) sinyalinin ayrık KSFD’si s¸u s¸ekilde tanımlanır [4]:
KSFDx(nT, mF ) = x(t)g∗(t− nT )e−2πmF tdt T n x(nT )g∗(nT − nT )e−2πmF nT. (1)
˙Ifadede gec¸en g(.) c¸ekirdek fonksiyonu, n, m, n tam
sayılar, T ve F ise zaman ve frekanstaki ¨orneklem aralıklarıdır. KSFD, FFT teknikleri kullanılarak ko-laylıkla hesaplanabilir. KSFD ic¸in zaman-frekans d¨uzle-mindeki sinyal lokalizasyon ¨ozelliklerini g(t) fonksiyonu-nun sec¸imi belirler. Txve Bxx(t) sinyalinin zaman ve bant
genis¸likleri olmak ¨uzere, minimum ZBC¸ ’yi veren c¸ekirdek fonksiyonunun gT BP(t) = e−πt2Bx/Tx olduˇgu [5]’de g¨osterilmis¸tir. Bir c¸¨orp sinyali ic¸in S¸ekil 2-(a)’da c¸ekirdek fonksiyonu 0. derece Hermite-Gauss (g(t) = e−πt2) olan, (b)’de ise ZBC¸ optimal KSFD c¸ekirdeˇgi olan iki KSFD kars¸ılas¸tırılmaktadır. S¸ekilde de g¨or¨uld¨uˇg¨u gibi ZBC¸ op-timal KSFD, zaman-frekans d¨uzleminde c¸ok daha lokalize sonuc¸lar ¨uretir. −8 −6 −4 −2 0 2 4 6 8 −1 −0.5 0 0.5 1 time Re{x(t)}
S¸ekil 1: Bir c¸¨orp sinyali.
0.5 1 1.5 time frequency (a) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 0 0.5 1 1.5 2 time frequency (b) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8
S¸ekil 2: (a) g(t) = e−πt2 ve (b) ZBC¸ opti-mal KSFD c¸ekirdeˇgi kullanılarak hesaplanmıs¸ iki KSFD kars¸ılas¸tırımı.
Ancak ¨ozellikle karesel FM sinyalleri s¨oz konusu olduˇgunda sinyalleri zaman-frekans d¨uzleminde sınırlayan dikd¨ortgensel b¨olge, S¸ekil 3’de g¨osterildiˇgi gibi sinyalin kendi desteˇginden c¸ok daha b¨uy¨uk bir alanı kapsayabilir.
Bu durum ic¸in sinyalin desteˇgini daha dar bir alanda hesaplayacak bir genelles¸tirilmis¸ ZBC¸ (GZBC¸ ) tanımı
GTBP{x(t)} = min
0≤a<4 TBP{xa(t)} (2)
ortaya konulmus¸tur [4]. Bu tanım zaman-frekans d¨uzle-minde sinyal desteˇgini kapsayan en dar dikd¨ortgenin alanını verir ve destek konusunda ZBC¸ ’den c¸ok daha lokalize bir destek bilgisi tas¸ır. Tanımda gecen, xa(t), x(t) sinyalinin a. derece kesirli Fourier d¨on¨us¸¨um¨ud¨ur (KFD) ve
a∈ , 0 < |a| < 2 ic¸in tanımı xa(t) ≡ {Fax}(t) =
Ba(t, t)x(t)dt (3) s¸eklindedir. D¨on¨us¸¨um c¸ekirdeˇgi Ba(t, t)
Ba(t, t) = e
−j(πsgn(sin φ)/4+φ/2)
| sin φ|1/2
× ejπ(t2cot φ−2ttcsc φ+t2cot φ)
. (4)
olarak tanımlanır [6]. Burada d¨on¨us¸¨um ac¸ısı φ = aπ2 ’dir. 1. dereceden KFD fonksiyonu Fourier d¨on¨us¸¨um¨un¨u ve 0. dereceden KFD ise kendisini verir. KFD, O(N log N ) is¸lem yoˇgunluˇguyla x(t)’nin ¨orneklemleri kullanılarak yaklas¸ık olarak hesaplanmaktadır [6].
f
t
f
t
φ0
S¸ekil 3: ZBC¸ sinyal desteklerinden daha b¨uy¨uk bir alana is¸aret edebilir. GZBC¸ zaman-frekans d¨uzleminde sinyal desteˇgini kapsayan en dar dikd¨ortgenin alanını verir.
Tek biles¸enli sinyaller ic¸in ZBC¸ optimal KSFD’den yola c¸ıkarak GZBC¸ optimal KSFD analitik olarak elde edilmis¸ ve is¸lem karmas¸ıklıˇgının normal KSFD ile es¸deˇger olduˇgu [4]’de g¨osterilmis¸tir. Buna g¨ore GZBC¸ optimal Dx(nT, mF ) daˇgılımı normal bir KSFD gibidir:
Dx(t, f) = e−πψ
x(t) gGT BP∗ (t− nT ) ·e−2πmF t
dt (5)
ve ifadedeki ψ = (t2 − f2) sin φ0cos φ0+ 2tf sin2φ0, optimal c¸ekirdek fonksiyonu
s¸eklindedir. Ayrıca, K =(1 + cot φ0)/(γ + cot φ0)
ve γ = Bxa0/Txa0’dir. Bu daˇgılımın hesaplan-masında ZBC¸ ’yi minimize eden KFD parametresi
a0 ve d¨on¨us¸t¨ur¨ulm¨us¸ sinyalin bulunduˇgu b¨olgedeki genis¸lik bilgilerine ihtiyac¸ vardır. GZBC¸ optimal KSFD’nin ac¸ık ifadesinin (5)’deki s¸ekliyle yazılması is¸lem karmas¸ıklıˇgını azaltır ve KFD parametresi olan a0’in belirlenmesi haric¸ normal KSFD ile es¸deˇger olur.
3. C¸ OK B˙ILES¸ENL˙I S˙INYALLER ˙IC¸ ˙IN GZBC¸ OPT˙IMAL KSFD ANAL˙IZ˙I
Bu b¨ol¨umde GZBC¸ optimal KSFD analizi x(t) = N
k=1xk(t) formunda ve her bir xk(t) biles¸eni
kaydırılmıs¸ veya ¨olc¸eklenmis¸ Gauss, c¸¨orp ya da her-hangi y¨uksek dereceli frekansta kiplenmis¸ olan sinyallere genelles¸tirilmektedir. C¸ ok biles¸enli sinyallerde iyi lokalize olmus¸ zaman-frekans g¨osterimleri elde etmek ic¸in ¨once-likle her bir biles¸enin d¨uzlem ¨uzerindeki y¨onelimi ve ilgili KFD b¨olgesindeki parametreleri belirlenir. Her bir biles¸enin optimal KSFD hesabının ardından da daˇgılımlar t¨umles¸tirilir. B¨ol¨um 3.1’de sinyale baˇglı parametrelerin tespit s¨urec¸leri ac¸ıklanmakta ve bu g¨osterimlerin t¨umles¸im algoritması B¨ol¨um 3.2’de verilmektedir.
3.1. Sinyale Baˇglı Deˇgis¸kenlerin Belirlenmesi
Her bir sinyal biles¸eninin optimal KFD parametresi olan
ak’nın biles¸enlerin y¨onelim ac¸ılarına olan ilis¸kisi φk =
akπ2 s¸eklindedir. Bu c¸alıs¸mada y¨onelim ac¸ılarını be-lirlemek ic¸in deˇgis¸ik KFD derece parametreleriyle KFD deˇgerleri hesaplanmakta ve maksimum noktaların genlik bilgisinin ait olduˇgu ac¸ı deˇgeri sec¸ilmektedir. Bu teknik, bir sinyalin Radon-Wigner d¨on¨us¸¨um¨u (RWD) ile KFD d¨on¨us¸¨um¨u arasındaki ilis¸kiyi esas alır [7]. Buna g¨ore bir
x(t) sinyalinin RWD’si x(t)’nin WD’si olarak
tanımlan-maktadır:
RDN [Wx](r, φ) =
Wx(r cos φ−s sin φ, r sin φ+s cos φ)ds .
(7)
Burada (r, φ) kutupsal d¨on¨us¸¨um b¨olgesi deˇgis¸kenlerini temsil eder. RWD, 0 ≤ φ ≤ π aralıˇgındaki WD’nin izd¨us¸¨umlerini verir ve RDN [Wx](r, φ)’e de denk olan radyal dilimleri doˇgrudan x(t) kullanılarak
RDN[Wx](r, φ) = |{Fa(x)}(r)|2
= |xa(r)|2 (8) s¸eklinde hesaplanır. ˙Ifadede gec¸en RDN[Wx](r, φ), WD’nin (7)’de verilen φ-Radon izd¨us¸¨um¨ud¨ur ve xa(r), (3)’deki tanımıyla sinyalin a. derece KFD’sidir. B¨oyle-likle deˇgis¸en a dereceleri ic¸in hesaplanan|xa(r)|2 fonksiy-onlarının deˇgerlerinin maksimum noktası sinyal destek-lerinin y¨onelimini g¨urb¨uz bir s¸ekilde verir [4]. Benzer s¸ekilde c¸ok biles¸enli sinyallerdeki y¨onelim ac¸ılarının tespiti de kayan bir pencere yardımıyla otomatik olarak yapıla-bilmektedir. Pratikte sinyalin 10 ile 30 kadar farklı deˇgerde KFD hesaplamasının yapılması yeterlidir.
Bu teknik S¸ekil 4 ’de g¨osterilen iki biles¸enli ve sinyal g¨ur¨ult¨u oranı 5 dB olan Gauss g¨ur¨ult¨us¨u ic¸ine g¨om¨ul¨u bir sinyal ¨uzerinde uygulanmıs¸tır. Bu sinyalin 0. derece Hermite-Gauss c¸ekirdek fonksiyonuyla hesap-lanan KSFD’si yanda g¨osterilmektedir. S¸ekil 5 ’teki gibi KFD kullanılarak yapılan izd¨us¸¨um analizi sonucu sinyal biles¸enlerinin y¨onelim ac¸ılarının φ = 15◦ ve φ = 60◦ olduˇgu otomatik olarak belirlenmektedir.
−8 −6 −4 −2 0 2 4 6 8 −1 −0.5 0 0.5 1 time x(t) time frequency (b) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 0.5 1 1.5 2 2.5
S¸ekil 4: Sinyal g¨ur¨ult¨u oranı 5 dB olan Gauss g¨ur¨ult¨us¨u ic¸ine g¨om¨ul¨u bir sinyal ve KSFD’si.
−901 −60 −30 0 30 60 90 1.5 2 2.5 3 φ − π/2
Peak amplitude of the FrFT
(c)
S¸ekil 5: KFD kullanılarak yapılan izd¨us¸¨um analizi sonucu sinyal biles¸enlerinin y¨onelim ac¸ılarının φ = 15◦ ve φ = 60◦olduˇgu otomatik olarak belirlenmektedir.
3.2. T ¨umles¸im Algoritması
Her bir sinyal biles¸eni ic¸in 1≤ k ≤ N arasında N y¨onelim ac¸ısı belirlenmesinden ve ilgili b¨olgedeki parametrelerin kestiriminin ardından N tane GZBC¸ optimal KSFD, (5) kullanılarak hesaplanır. Aynı ¨ornek sim¨ulasyon ic¸in hesap-lanan optimal KSFD’ler S¸ekil 6’da g¨osterilmis¸tir.
GZBC¸ optimal KSFD’lerin t¨umles¸imi uygulamaya baˇglı olarak deˇgis¸ebilir. Eˇger yayılı izge haberles¸me uygulamasında karıs¸tırıcı sinyal biles¸enleri birbirine yakın deˇgerde enerjiye sahipse, es¸ikleme yaparak boˇgucu sinyallerin desteklerinin belirlenmesi m¨umk¨und¨ur. Ay-nı ¨orne=kte, maksimum sinyal deˇgerinin %10’u olarak be-lirlenen bir es¸ik deˇger, S¸ekil 6 ’da g¨osterilen KSFD’ler ic¸in S¸ekil 7 ’deki destek imgelerini ¨uretir. ˙Iki destek im-gesi ¨uzerinden yapılan bir ”ve” is¸lemi sinyaller ic¸in iyi lokalize bir destek bilgisini S¸ekil 8 ’deki gibi verir. Bu is¸lemlerin ardından elde edilen desteklere, ilgili sinyal biles¸eninin KSFD daˇgılımı es¸les¸tirilerek S¸ekil 8 (b)’deki
time frequency (a) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 1 2 3 4 5 6 7 time frequency (b) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 1 2 3 4 5 6
S¸ekil 6: Her bir sinyal biles¸enine ilis¸kin GZBC¸ optimal KSFD.
sonuc¸ uyarlanır KSFD g¨osterimine ulas¸ılır. Alternatif ola-rak su b¨ol¨um c¸izgisi b¨ol¨utleme algoritmaları kullanaola-rak da her bir sinyal biles¸eninin desteˇgi belirlenebilir [8].
time frequency (a) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 time frequency (b) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8
S¸ekil 7: Es¸ikleme sonucu elde edilen sinyal destek bilgileri.
time frequency (a) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 time frequency (b) −8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8 0 2 4 6 8
S¸ekil 8: Desteklerin t¨umles¸tirimi ve ilgili KSFD’lerle es¸les¸tirim.
Sonuc¸ olarak S¸ekil 4’deki KSFD ile kars¸ılas¸tırıldıˇgında her bir sinyal biles¸eninin zaman-frekans d¨uzlemindeki lokalizasyonunun c¸ok daha iyiles¸tiˇgi g¨or¨ulmektedir. Yayılı izge haberles¸me uygulamalarında ise karıs¸ma c¸ıkarıcılar tasarlanırken y¨uksek enerjili boˇgucu sinyal destekleri c¸ıkarılır ve geri kalan zaman-frekans ic¸eriˇgi bilgisinden de sinyal geri c¸atılır.
4. SONUC¸
Bu makalede, t¨um kesirli Fourier b¨olgelerindeki minimum ZBC¸ ’lere dayalı, tek biles¸enli sinyaller icin gelis¸tirilmis¸ olan optimal KSFD uygulaması c¸ok biles¸enli sinyallere genis¸letilmis¸ ve yayılı izge haberles¸me uygulamaları ic¸in ¨onerilmis¸tir. C¸ ok biles¸enli sinyaller ic¸in tanıtılan bu
uyarlanır iki boyutlu sinyal g¨osterimi, zaman-frekans d¨uzleminde c¸apraz terimleri olmayan ve iyi lokalize olmus¸ sinyal destek bilgilerini ¨uretir. S¸imdiye kadar ¨one s¨ur¨ulm¨us¸ olan KSFD tabanlı karıs¸ım c¸ıkarıcı algo-ritmalarıyla kars¸ılas¸tırıldıˇgında, bu teknik d¨us¸¨uk is¸lem karmas¸ıklıˇgına sahiptir ve WD tabanlı tekniklere g¨ore g¨urb¨uz sonuc¸lar ¨uretır. C¸ ok biles¸enli boˇgucu sinyallerin olduˇgu ortamlarda karıs¸ma c¸ıkarıcı algoritmalarında uygu-lanması avantajlıdır.
Tes¸ekk ¨ur
Brain Korea 21 Project kapsamında bu c¸alıs¸ma-yı destekleyen School of Information Technology, KAIST’e tes¸ekk¨ur ederiz.
5. KAYNAKC¸ A
[1] X. Ouyang and M. G. Amin, “Short-time Fourier trans-form receiver for nonstationary interference excision in direct sequence spread spectrum communications,”
IEEE Trans. Signal Process., vol. 49, pp. 851–863,
Apr. 2001.
[2] M. G. Amin, “Interference mitigation in spread spec-trum communication systems using time-frequency distributions,” IEEE Trans. Signal Process., vol. 45, pp. 90–101, Jan. 1997.
[3] J. Yuan and J. Lee, “Narrow-band interference re-jection in DS/CDMA systems using adaptive (QRD-LSL)-Based Nonlinear ACM Interpolators,” IEEE Trans. Vehicular Tech., vol. 52, pp. 374–379, May
2003.
[4] L. Durak and O. Arıkan, “Short-time Fourier Trans-form: Two fundamental properties and an optimal im-plementation,” IEEE Trans. Signal Process., vol. 51, pp. 1231–1242, May 2003.
[5] L. Durak and O. Arıkan, “Generalized time-bandwidth product optimal short-time Fourier transformation,”
Proc. IEEE Int. Conf. Acoust. Speech, Signal Process.,
Orlando, USA, vol. 2, pp. 1465–1468, May 2002. [6] H. M. Ozaktas, O. Arıkan, M. A. Kutay, and
G. Bozdagi, “Digital computation of the fractional Fourier transform,” IEEE Trans. Signal Process., vol. 44, pp. 2141–2150, Sept. 1996.
[7] A. W. Lohmann and B. H. Soffer, “Relationships be-tween the Radon–Wigner and fractional Fourier trans-forms,” J. Opt. Soc. Am. A, vol. 11, pp. 1798–1801, June 1994.
[8] L. Vincent and P. Soille, “Watersheds in digital spaces: An efficient algorithm based on immersion simula-tions,” IEEE Trans. Pattern Analysis, Machine