基于RSPWVD高速跳频信号跳周期估计算法

针对跳频通信进行有效干扰的关键在于对跳频信号参数进行精确的估计,提出了一种基于重分配平滑伪魏格纳维尔分布(reassigned smoothed pseudo Wigner-Ville distribution,RSPWVD)的高速跳频信号跳周期估计算法。该算法利用了RSPWVD良好的时频聚集性和抑制交叉项的能力,能够有效地估计出跳频信号的跳周期参数(hop duration)。仿真实验结果表明了该算法的准确性与有效性。     

跳频信号的跳速估计

针对电子对抗的实际应用,提出了一种精确估计跳频信号跳速的方法。利用短时傅里叶变换分析跳频信号,得到其时频表示,再利用小波变换提取该时频表示的边沿信息,进而利用谱分析实现了跳速的精确估计。该算法完全避免了频谱交叉项的影响,理论分析证明了其可行性。仿真试验表明,在不要求高采样率的情况下,信噪比大于-5.5 dB时该算法是有效的。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

改进时频脊线的跳频参数盲估计算法

为解决基于时频脊线的跳频参数估计算法在信噪比低于-5 dB时估计误差较大且存在定频干扰时方法失效的问题,提出了该算法的改进算法。在短时傅里叶变换(short time Fourier transform, STFT)的基础上,利用迭代去噪法对原时频图进行去噪处理,根据跳频信号与定频干扰驻留时间的不同,采用k-means算法对其进行聚类,消除定频干扰并提取其时频脊线,利用Haar小波对提取到的时频脊线进行奇异点检测,并估计出跳频信号的跳频周期、起跳时间和跳频频率。仿真结果表明,所提算法在信噪比低于-5 dB且存在较强定频干扰的情况下,仍能对跳频参数进行正确估计,且优于原有算法。     

基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

跳频信号的相参与非相参积累时频差估计方法

跳频信号载频随时间变化发生跳变, 因此跳频信号具有丰富的频域信息,而且其在时域上为连续信号, 相比单跳信号也具有更丰富的时域信息。时频差估计精度与信号在时频域上的分布情况以及信号能量和噪声有关。时差估计主要与信号频域分布有关, 而频差估计主要与信号时域分布有关。跳频信号时频域信息丰富, 多跳相参积累后, 时频差参数估计能够充分利用信号的时频域信息, 克服单跳信号时频差估计精度不高的问题。针对跳频信号的时频差估计问题, 首先分析了单跳基带信号的互模糊函数, 再从时差与频差的维度推导了多跳基带信号互模糊函数的相位差异, 最后通过频差归一化与相位对齐补偿提出了多跳信号互模糊函数相参积累的时频差估计算法。同时, 在不满足相参积累的条件下, 分析了跳频信号的非相参时频差估计方法, 并理论分析了两种跳频信号时频差参数估计方法性能与信号各参数的关系。仿真结果表明跳频信号相参时频差估计算法性能最优, 非相参方法的估计性能其次, 单跳信号的估计性能最差, 验证了理论性能分析结果的正确性。     

时空混沌跳扩信号发生器

基于时空混沌提出了一种新的跳扩信号发生器,通过时空混沌,不仅能增强系统的保密性,同时又能产生实时的直扩PN序列和跳频图案序列,而且PN序列和跳频序列的周期易于控制,可以任意加长.分析了所产生的时空混沌跳扩信号的性能,仿真结果表明,直扩PN序列和跳频图案序列都具有理想的平衡和相关特性.     

高效的多跳频信号2D-DOA估计算法

为了利用跳频信号的空域特征参数辅助多跳频信号的网台分选,在空时频分析的基础上,提出一种基于多重信号分类(multiple signal classification, MUSIC)对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)的多跳频信号二维波达方向(two dimensional direction of arrival, 2D-DOA)高效估计算法。首先根据跳频信号的时频域特征,构建每一跳的空时频矩阵(spatial time frequency distribution, STFD),获取时频域的协方差矩阵;然后将共轭子空间的思想引入到MUSIC算法中,通过对噪声子空间及其共轭的交集进行奇异值分解,实现噪声子空间的降维;最终通过半谱搜索实现2D-DOA的高效估计。同时为了提高低信噪比条件下算法的性能,在时频图处理过程中采用形态学滤波进行去噪,并在修正的时频图上完成了跳频信号每一跳的提取。通过理论论证和实验仿真表明,本文算法相比于MUSIC算法,在保证均方根误差相当和估计成功率有所提高的情况下,计算复杂度降低了一半。     

混合SFH/DS扩频信号的跳频频率估计

针对混合SFH/DS信号跳频频率估计问题,提出了对信号时频脊线进行动态聚类分析,初步确定跳频频率范围的方法;在此基础上根据混合SFH/DS信号的特点,在频率搜索范围内利用高阶循环累积量精确估计跳频频率.以SFH/DS-2、4PSK信号为例,证明了其四阶循环累积量仅在跳频频率处存在的结论,通过检测此循环频率实现了跳频频率的精确估计.该算法无需信号的先验信息,易于通信侦察接收机实现.仿真实验表明,该算法混合FH/DS信号跳频频率估计是十分有效的.     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

基于时频方差聚类的FH信号参数盲估计

为解决复杂电磁环境下跳频(frequency hopping, FH)参数的盲估计问题,提出了基于时频方差聚类的算法。考虑在低信噪比(signal-to-noise ratio, SNR)和定频干扰同时存在的情况下,通过短时傅里叶变换(short time Fourier transform, STFT)将信号变换到时频域,利用遗传算法对信号的时频区间进行提取,根据时频方差对其进行k-means聚类,消除噪声和定频干扰并提取时频脊线,然后运用Haar小波对该时频脊线进行奇异点检测,进而估计出FH信号的FH周期、跳速和FH频率等参数。仿真结果表明,所提算法在SNR低于-5 dB且存在定频干扰的情况下,能够实现对FH参数的精确估计,参数估计正确概率达到90%以上。     

宽带跳频通信系统频域均衡算法

针对差分跳频通信系统跳频带宽宽、瞬时带宽窄的信号特点,提出了一种差分跳频均衡算法--基于最小均方算法的多跳联合频域均衡算法。分析了最小均方误差准则频域均衡与单符号最小均方频域均衡对宽带差分跳频通信系统的不适用性,从而提出适用于差分跳频通信系统的多跳联合最小均方频域均衡算法,给出了算法详细的设计过程和结构。对算法性能在频率选择性衰落信道条件下进行仿真评估,结果表明本算法对差分跳频通信系统的信道均衡性能具有显著的作用,能提高差分跳频系统的解调误码性能。     

基于RLS的联合同步和信道估计算法

针对采用跳频正交频分复用(frequency hopping orthogonal frequency division multiplexing, FH-OFDM)系统进行战时通信时存在的高误码率(bit error rate, BER)问题,对定时偏差(timing offset, TO)、载波频率偏差（carrier frequency offset, CFO）和采样率偏差(sampling frequency offset, SFO)进行综合考虑,提出一种导频辅助的联合同步和信道估计算法。在时域中分别对TO和子载波干扰项进行预先补偿。使用线性误差函数来配合递归最小二乘法对信道冲激响应、CFO和SFO进行估计。采用改进的极大似然算法对迭代参数的初始值进行估计,提高了估计的准确度。分析并给出FH OFDW系统频谱效率的权衡标准。仿真结果表明,该系统工作在1 000 hop/s时,该算法的估计均方差和BER均优于传统的算法。     

跳频电磁引信干扰感知技术方案研究

将跳频体制信号引入鱼雷电磁引信能有效拓展引信工作带宽、提高抗干扰能力, 但如何选取备选频点、避免跳频频率与干扰冲突, 是目前仍需解决的问题之一。本文分析研究了跳频鱼雷电磁引信工作原理及干扰特性, 基于认知无线电技术的频谱管理思想设计了一种干扰感知策略, 提出一种基于多分辨率频谱感知算法的干扰感知技术方案, 并采用双门限判决方法解决了跳频鱼雷电磁引信背景干扰与随机干扰的同步检测问题, 设计了备选频点选取算法。仿真结果表明, 提出的技术方案能够有效实现干扰感知, 采用高斯函数作为母小波函数可在信噪比(signal to noise ratio, SNR)为5 dB时, 使最高检测概率达0.995;在SNR为－15 dB时, 最高虚警概率低于0.25;当SNR高于－5 dB时, 应对应答干扰和扫频干扰的跳频干扰冲突概率均低于0.05%。     

用于认知跳频的归一化谱双向搜索感知算法

认知跳频被认为是消除传统跳频系统用频困扰的有效途径之一。针对认知跳频超宽带和多频隙实时频谱感知的需求,给出基于归一化谱双向搜索(bidirectional search of normalized power spectrum, BSNP)的感知算法,BSNP以跳频频隙内的归一化功率谱作为检验统计量,通过顺序执行正向和反向搜索,感知出跳频带宽中已被占用的所有频隙。利用傅里叶变换的渐进正态性和相互独立性,可推导BSNP单次判决虚警概率的数学表达式和判决门限的闭式表达式。分析和仿真表明,BSNP可以准确地找出频带内被占用的频隙,相比于常规谱估计感知算法,可有效克服噪声不确定度对频谱感知性能的 影响。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。