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。     

基于空时频分析的多分量跳频信号DOA估计

提出了一种基于空时频分析的多跳频信号波达方向(direction of arrival, DOA)估计方法。该方法能够在欠定条件下(传感器数目小于信号数目)实现多个信号的测向。首先将信号的短时傅里叶变换(short time Fourier transform, STFT)与平滑伪魏格纳-威利分布(smoothed pseudo Wigner-Ville distribution, SPWVD)组合,利用STFT的无交叉项和SPWVD的时频聚焦性性能,得到了一种切实可行、时频图清晰稳健的分布;然后在时频域提取有效跳(hop),并建立该hop的空时频矩阵,最后分别运用线性空时频、二次空时频和root-MUSIC共三种方法估计每hop信号的DOA。仿真结果验证了方法的有效性。     

基于多级跳线残差网络的雷达辐射源识别

针对复杂体制雷达辐射源的识别问题, 提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network, MLJ-RN)结合的识别方法。首先,计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征, 将图像进行预处理以保留信号细微特征差异。然后,设计多级跳线连接的残差单元, 在此基础上构造MLJ-RN, 对时频图像相邻卷积层的细微特征进行学习和识别, 并使用随机梯度下降法训练网络。最后,通过对网络进行参数优化, 强化对信号的深层特征提取能力。仿真结果表明, 信噪比为－5 dB时, 该方法对12类雷达辐射源信号的整体识别概率达到95.1%, 从而验证了该方法在低信噪比下识别雷达信号的有效性。     

基于时频分布的跳频信号盲分离方法

根据跳频信号的非平稳特性,提出一种基于时频分布的跳频信号盲分离方法。该方法利用不同源信号时频特征的差异,通过对混合信号的一组时频分布矩阵联合近似对角化来实现信号的盲分离。理论分析和仿真结果表明,这种方法在未知任何先验参数的情况下,能够有效分离多个跳频网台,而且具有较强的噪声抑制能力。     

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。     

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。     

基于RSPWVD-Hough的多分量LFM信号检测

由于多分量LFM信号的双线性时频分布（BTFD）存在交叉项的干扰，所以在低信噪比条件下直接在时频平面难于进行检测，采用重排平滑伪魏格纳维尔分布（RSPWVD），能在抑制交叉项的同时提高时频聚集性，并利用Hough变换检测图像中直线的原理，将多分量LFM信号的检测问题转换为在参数空间寻找局部极大值的问题，由于Hough变换运算量较大，提出一种在平滑重排后进行设定门限处理的方法，仿真实验表明，该方法可以在抑制噪声和交叉项的同时大大减少运算量。     

基于ITD的跳频信号跳速估计算法

非合作情况下,跳频信号参数准确快速的估计对于获取对方通信参数、产生跟踪式干扰等具有重要意义。提出了一种基于固有时间尺度分解的跳频信号跳速的快速估计算法,该算法迭代地分解跳频信号成一系列固有旋转分量,并求出由各层旋转分量信号包络瞬时幅度的最大值所构成的一个分析序列,对该序列进行傅里叶变换即可估计出跳频信号的跳速。该算法具有运算复杂度低、不受时频不确定性原理影响、时频定位精度高的优点。仿真结果显示,该算法能够有效地估计出跳频信号的跳速。     

一种采用混合抗干扰方法的路由恢复机制

针对工业无线传感器网络中的干扰攻击问题,得出一种基于WirelessHART图路由的被干扰攻击节点路由恢复机制。通过干扰攻击检测方法获取被干扰攻击节点与干扰攻击区域,利用非协调跳频扩频技术生成被干扰攻击节点与周围节点的跳频序列,从而进行传统跳频扩频,对被干扰攻击节点进行再检测,结合路由代价与WirelessHART图路由算法将被干扰攻击节点恢复到网络中。仿真结果表明路由恢复机制能够帮助被干扰攻击节点消除干扰攻击影响,并在保证吞吐量的情况下成功加入到网络中。     

基于数字对消的跟踪干扰抑制方法

抗跟踪干扰已逐渐成为跳频通信中的研究热点和难点。针对跳频通信抗跟踪干扰难以实现的问题,采用数字对消方法实现跟踪干扰抑制。首先,基于跟踪干扰信号特点及战术背景,提出跟踪干扰信号估计方法,完成数字对消中参考信号的提取;然后,将干扰信号与混合信号进行对消完成干扰抑制;最后,基于现场可编程门阵列(field programmable gate array, FPGA)开发板,搭建了半实物仿真实验平台。实验结果表明,所提方法能够有效抑制跟踪干扰。对于不同的干扰频点,信干比(signal to interference ratio, SIR)提升不同,干扰抑制效果受干扰信号强度的影响。当干扰信号方差σ_w²在0.75~1.5时, SIR提升的平均值能达到10 dB,当σ_w²=0.25或2时,则小于8 dB。     

基于导频的同频噪声干扰对消技术

大功率发射机产生的宽带噪声干扰会对共址高灵敏度接收机造成不同程度的同频噪声干扰。针对此问题,提出了基于导频的同频噪声干扰对消技术,该技术基于自适应对消原理,通过在发射端引入幅度和频率可控的稳定的导频信号,实现同频噪声的有效对消。建立了基于导频的同频噪声干扰对消理论模型,得到了同频噪声干扰对消比与导频幅度、频率之间的解析关系,可用于指导导频幅度、频率的精确控制。超短波频段的仿真和实验表明,使用基于导频的同频噪声干扰对消技术可以稳定、有效地消除同频噪声干扰。     

扩频系统自适应时变LFM干扰对消算法

线性调频(LFM)是扩频系统中常见的一种宽带干扰样式。提出了一种基于离散观测数据估计干扰参数的自适应时变LFM干扰对消算法,通过仿真分析了该算法的性能。结果表明,所提出的方法克服了复数自适应滤波器对LFM干扰的抑制能力随LFM信号扫频速率增加而降低的缺点;与基于时频分析的自适应时变LFM干扰对消算法相比,其运算量大大减小,是一种实用、有效的LFM干扰抑制算法。     

跳频同步信号的干扰仿真研究

跳频信号的同步过程是跳频通信系统的关键.一旦同步信号被干扰,整个跳频系统将无法正常工作.在分析了跳频同步信号侦收的可行性及目前干扰跳频同步信号方法的局限性的基础上,提出了一种新的干扰方法--部分驻留时间干扰,并将干信驻留时间比作为影响跳频同步信号的又一重要指标.仿真结果表明该干扰方法可在较小干扰功率下有效干扰跳频同步信号.     

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。     

脉冲噪声中基于数据可信度加权的跳频信号检测

时频分析是跳频(frequency-hopping, FH)信号检测的有力工具,但是脉冲噪声下性能严重退化,无法有效地提取跳频信号的周期、频率和跳变时刻等参数;基于分数低阶统计量和最大似然估计(maximum-likelihood,ML)的算法是改善脉冲噪声下FH信号时频分布的两类常用方法,但前者性能改善有限,后者通常对噪声的概率分布较为敏感,且计算复杂度高。对此,提出一种基于数据可信度加权(weighting based on the data credibility,WDC)的FH信号检测方法。该方法基于云模型(cloud model, CM)理论,建立了数据可信度的概念,以分析脉冲噪声下接收信号的不确定性,然后在此基础上实现信号加权,改善脉冲噪声下FH信号的时频分布特征。仿真实验证明,在稳定分布噪声中,该方法与基于分数低阶及Myriad滤波器的时频分析方法相比,能够较好地抑制脉冲噪声,获得FH信号的参数信息,具有良好的鲁棒特性。     

基于时频重排多分量辐射源信号分析研究

针对常规时频方法用于多分量信号分析的不足,基于时频重排方法克服多分量信号交叉项干扰和时频聚集性之间的矛盾且具有较好抗噪声性能的特点,在对时频重排原理进行综述的基础上,将其用于对多分量辐射源信号进行时频分析,并与其它方法进行了比较。仿真实验表明,时频重排方法不仅提高了时频聚集性,有效抑制了多分量的交叉项干扰,具有较好的抗噪声性能。     

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。     

半监督条件下的CRC跳频电台指纹特征识别

针对跳频电台指纹特征差异细微、对噪声影响敏感,同时非合作条件下跳频信号的识别训练标签数据不足问题,提出了一种基于合作表征分类器(collaborative representation classifier, CRC)的半监督条件下跳频电台指纹特征识别算法。以跳频电台开机瞬态信号的包络特性作为电台个体的指纹特征,利用对噪声“不敏感”的高阶累积量估计来抑制噪声;通过构造半监督条件下的CRC实现对未标定训练数据的有效利用。实验表明,与传统有监督训练相比,该方法在抑制噪声的同时,能够充分利用未标定训练数据特征,对目标特征具有更高的识别率。