欠定条件下自适应信噪比的多跳频信号网台分选方法

针对欠定条件下多跳频信号的网台分选问题,利用跳频信号在时频域上的稀疏性,采用了跳频源信号的时频单源点的时频比来估计混合矩阵,在计算时频比矩阵时采用快速全局均值聚类,进而利用子空间投影法与信源相对功率偏差相结合的方法进行欠定条件下的网台分选,同时为了提高在低信噪比条件下分选的效果,在寻找跳频源信号时频单源点时,采用了自适应信噪比的时频支撑点阈值设定方法。理论分析和仿真实验表明了该算法的有效性。     

统计学习理论算法在跳频信号分选中的应用

在第3方截获并检测到跳频通信信号后,由于无先验知识,所以对其进行网台分选不便采用传统有监督学习算法.即便采用无监督的算法,目前多数算法对分类个数等相关消息也必须有所借鉴并在多分选参数的逐级分选中通过先验知识进行有效性判断和筛选.针对电子支援中探测到的跳频信号分选所遇到的困难,利用统计学习理论在小样本学习及非线性分类上较其它传统分类算法更好的性能,提出基于统计学习理论的无监督及半监督学习算法,对第3方得到的跳频网台分选进行应用,取得理想结果.为跳频通信侦察过程中的分选工作,提供一种应用鲁棒性好,分选准确度高的方法.     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

一种应用于跳频扩频系统的自适应捕获策略

提出了一种应用于跳频扩频系统的自适应捕获策略,在基于滑动相关捕获的基础上,自适应捕获策略能够充分利用有利的环境迅速完成捕获。首先描述了适应捕获策略和其同 控流程,接着分析了自适应捕获策略对ＦＨ系统抗干扰性能的影响,最后还分析了其平均捕获时间性能。     

一种样点缺失条件下的跳频信号参数估计方法

在样点随机缺失条件下研究跳频信号参数估计问题具有现实意义。 针对样点缺失条件下线性时频分析方法失效的问题, 提出了一种基于正交匹配追踪(orthogonal matching pursuit, OMP) 和卡尔曼滤波(Kalmanfilter,KF) 的跳频信号参数实时估计方法。 该方法对信号加滑动窗, 将窗内样点随机缺失建模为一个信号稀疏表示问题, 傅里叶正交基作为过完备字典, 利用 OMP 直接估计窗内信号频率而不需要恢复信号。 KF 针对估计得到的信号频率进行平滑, 当频率跳变时, KF 的频率预测值将严重偏离历史值和频率估计值, 偏离程度作为跳变时刻估计的依据。 仿真结果和对比实验表明, 在样点没有缺失时, 该方法具有更优的跳频信号参数估计性能, 在滑动窗长足够并满足信号稀疏度要求时, 即使在样点缺失的条件下, 依然可以获得有效的跳频信号参数估计结果。     

一种跳频信号跳周期联合估计算法

针对通信对抗中的实际应用,给出了一种联合算法估计跳频信号跳周期,与传统跳周期估计方法不同,该方法通过对信号进行谱图重排变换,然后提取时频脊线并对其进行小波变换,精确定位跳变时刻,最后得到跳周期的准确估计。仿真结果表明,该方法具有较好的抗噪性能,在信噪比大于-1db时能得到准确的参数估计。     

水声自适应混沌概率跳频通信方法研究

为了提高水声跳频系统的可靠性和保密性,提出了水声自适应混沌概率跳频通信新方法.该方法通过信道映射函数将各跳频信道的误码率映射成概率密度函数,依据此概率密度函数分配每个跳频频点的使用概率.根据混沌密钥序列和特定的随机数产生器产生满足此概率密度函数的随机跳频序列,并由此生成跳频图案,进行跳频通信.仿真结果表明该方法的误码率性能优于传统混沌跳频和传统自适应跳频方法,且具有更强的保密性.     

一种基于阵列信号处理的跳频信号盲检测方法

提出一种适用于多天线系统的跳频信号盲检测方法.先用该方法求出多路信号之间的互相关函数的功率谱密度之和,得到随时间改变的功率谱密度矩阵,然后通过对该矩阵的处理产生跳频信号的时频图,将跳频信号的各跳从时频图中分割出来并得到其各个hop的参数集.现场测试表明：该方法切实有效,大大提高了信噪比,改善了整体性能.     

跳频信号的自适应谱图分析

基于跳频信号的多分量模型,分析了谱图(Spectrogram)和维格纳分布交叉项特点,提出了自适应谱图的跳频信号时频分析方法.该方法利用最大相关准则,自适应地变化窗函数长度,匹配跳频信号的局域化属性,进而获得较好的时频分辨率.算法性能与平滑伪维格纳分布(SPWVD:Smoothed Pseudo Wigner-Ville Distribution)进行了比较,通过理论研究和仿真分析表明,自适应谱图方法能够反映跳频信号的时频特征,改善了跳频信号的谱图分辨率,提高了参数的估计精度,具有很强的鲁棒性.     

一种新的跳频信号盲检测算法研究

跳频通信技术具有较强的抗干扰能力和组网能力,因而得到广泛采用,尤其是在军事通信方面.因此,对跳频通信系统的盲检测也成为通信对抗中的一项重要内容.提出了一种基于频域相关的跳频信号盲检测算法.在不需要任何先验信息的条件下可以对跳频信号进行盲检测.仿真表明该算法在低信噪比条件下具有很好的检测效果.     

一种用于高动态环境的GPS信号跟踪方法

针对全球定位系统（GPS）在高动态环境下信号跟踪精度不高以及容易失锁的问题,提出一种新的跟踪方法.采用锁频环（FLL）和锁相环（PLL）相融合的跟踪方式,利用判决因子对当前的跟踪状态进行判定,根据判决值对FLL和PLL输出赋予相应的权值,调整其相对作用的大小,从而将FLL和PLL在同一跟踪过程中更好地融合.仿真结果表明,该方法在环路噪声带宽较小的情况下能够成功地跟踪加速度为150 g的超高动态GPS信号.     

基于改进重频跟踪器的雷达信号分选方法研究

提出了一种基于脉冲重复周期（PRI）跟踪器的已知雷达信号分选方案,介绍了已知雷达信号分选电路的组成部分。详细阐述了滤波电路、跟踪器首脉冲捕获电路和重频跟踪电路的实现方法。在FPGA上采用多路重频跟踪器实现多路信号并行分选。全硬件跟踪分选已知雷达信号,实现了密集信号环境下已知雷达信号的实时分选,提高了可靠性、灵活性。提高了电子对抗设备的信号分选和处理能力。     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于Chirp原子分解的语音信号时频结构分析

从自适应信号分解的角度出发,使用匹配追踪算法将语音信号分解成非平稳Chirp原子的组合,根据单个Chirp原子的WVD分布线性组合分析语音信号的时频结构.仿真结果表明,该方法时频分辨率高,没有短时傅立叶变换中测不准原理的限制,不受传统WVD分布中有交叉项的影响.     

一种基于改进DBSCAN的雷达信号分选算法

针对传统DBSCAN算法参数设置依靠人工经验的不可靠性,并且对非均匀数据聚类效果差的问题,基于云模型(Cloud Model)提出了一种CMDBSCAN算法,算法首先结合距离曲线倾角突变的特点自适应获得邻域半径,并根据雷达信号分布密度设置聚类密度点数阈值,可实现DBSCAN算法自适应运行;同时结合多维云模型理论,对DBSCAN算法分选结果进行有效性评估,利用判定结果进一步优化参数设置.根据仿真模拟的复杂对抗过程中帧收的雷达信号进行实验,证明该算法可实现非均匀雷达信号的自适应分选,同时可有效避免在多功能雷达信号分选中的"增批"问题.     

实现冒泡排序算法的一种新方法

冒泡排序中，每趟比较结束时都能确定一个数据的最终位置，在数组中用下标表示，标值的变化为循环控制变量的变化给出了一种实现冒泡排序算法的新方法．     

一种新的并行排序算法研究

讨论了一种新的并行排序算法．基于前馈阈值神经网络结构，该排序模型利用Ｏ（ｍｎ￣２）个神经元经６个时间步（６级前馈）即可完成排序，排序时间与排序规模无关     

OFDM中利用导频的一种信道估计方法

在移动通信中信道的特性是随时间变化的，为进行信号均衡以提高通信效率和通信质量，有必要对当前信道的特性进行估计，在对OFDM系统进行简要分析的基础上，介绍了OFDM系统中通过梳状分布的导频信号进行估计并而进行信号均衡的方法，以用来抵消由于多径产生的频率选择性衰落，仿真结果表明，该方法可行且有效。