DSSS中基于频域的窄带干扰识别算法

根据直接序列扩频信号和背景噪声与窄带干扰在频域上体现的不同特性,结合聚类算法,提出了一种基于频域的窄带干扰识别算法,并进行了仿真。仿真表明,该算法能够有效地识别出直接序列扩频系统中的窄带干扰。     

DS扩频系统的蒙特卡罗仿真及其音调干扰下的误码率分析

深入研究了直接序列扩系统的基本原理,分析了音调信号干扰直接序列扩频系统的规律,根据蒙特卡罗仿真方法基本思想,建立了直接序列扩频系统蒙特卡罗仿真模型,通过仿真得到了单频干扰和多频干扰条件下直接序列扩频系统的误码率,并对系统的抗干扰性能进行了分析,结果表明:适当选定干扰信号的中心频率后,多频干扰对直接序列扩频系统具有很强的干扰能力。     

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

TETRA通信与干扰信号智能识别技术

陆上集群无线电(Terrestrial Trunked Radio,TETRA)数字集群通信系统因其开放性易受到内外部电磁干扰。干扰信号的类型多种多样,针对不同的干扰样式,采取的抗干扰措施也各不相同,因此干扰信号的识别具有重大意义。基于此,提出了一种干扰信号智能识别技术。该技术首先对受到不同干扰后的TETRA音频数据进行特征提取,并筛选出具有分类能力的特征,其次使用决策树、支持向量机和随机森林3种分类模型对特征提取后的待测试信号进行智能分类识别。实验结果表明,使用的这3种模型能够有效判断TETRA系统中的信号是否受到干扰,以及受到何种样式的干扰,可为后续TETRA系统中的信号干扰识别提供参考。     

直扩系统时变单音干扰抑制的新方法

针对直接序列扩频通信系统中的时变单音干扰,提出了一种频域干扰估计时域对消的新方法。在系统中,将干扰信道建模为时变衰落信道。该算法首先在频域对时变单音干扰信号参数进行估计,然后对时变单音干扰进行重构和对消,推导了理论误码率公式。理论分析和仿真结果表明,该算法性能由干扰功率和多普勒频移等因素决定。在频率选择性衰落信道下,当信噪比为20dB,扩频增益为16,干扰信道多普勒频移为100Hz时,该算法可以抑制20dB(干信比)的单音干扰。      

直扩系统对抗窄带干扰能力的影响因素分析

通过将得到的窄带干扰信号经过直接序列扩频接收系统的解扩解调模块后的形式,推导出了窄带干扰下直接序列扩频通信系统处理增益的表达式,从理论上分析系统对抗窄带干扰的特性,对影响其抗干扰能力的因素进行了多方面的分析。利用Matlab仿真得出其抗干扰能力不仅与扩频倍数有关,与窄带干扰的形式以及干扰相对载波的位置等因素相关的结论,为进一步研究和提高直接序列扩频系统对抗窄带干扰的能力打下基础。     

基于卷积神经网络联合多域特征提取的干扰识别算法

干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取（Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE）的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比（Jamming-to-Noise Ratio,JNR）≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取（Automatic Feature Extraction-based Convolutional Neural Network,AFE-CNN）算法;与传统的人工特征提取的深度神经网络（Manual Feature Extraction-based Deep Neural Network,MFE-DNN）相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。      

基于时频相关性的复合常规人为干扰分析方法

在军事无线通信中,对进入接收机的干扰信号进行分析、识别并提取特征参数,以支持抗干扰决策,是通信设备有效对抗蓄意人为干扰的前提。提出了基于短时傅里叶变换(STFT)的复合常规人为干扰分析方法,首先对接收的干扰信号进行STFT变换,然后将得到的三维时频域数据进行二值化处理;最后根据不同干扰样式的时域及频域特征,对二值化的时频域数据之间的关系进行分析,分别解析出多音干扰、周期脉冲干扰、扫频干扰。理论分析和仿真结果表明,通过分类搜索算法,能够较为准确地对复合人为干扰进行解析。     

基于Simulink的直扩系统频域窄带干扰抑制研究

直接序列扩频系统（Direct Sequence Spread Spectrum,DSSS）自身具有抗窄带干扰的能力,但当存在强窄带干扰时,需要有效的窄带干扰抑制技术来提高系统性能。研究了基于FFT的频域窄带干扰抑制算法,并对其中的加窗、重叠复用及门限生成等关键技术进行了分析。利用Matlab的可视化工具Simulink建立了仿真模型,并在给定的仿真条件下进行了仿真,验证了基于FFT重叠变换的频域陷波技术抑制干扰的有效性,为直接序列扩频系统在干扰环境下的应用提供了依据。     

单音及窄带干扰下DSSS系统处理增益精确分析

针对直接序列扩频系统,理论推导出单音干扰和窄带干扰下系统处理增益的精确计算公式,并对所得公式进行了数值仿真。数值仿真结果表明,单音干扰对直接序列扩频系统的干扰能力与其相对于扩频系统的载波位置密切相关;窄带干扰对直接序列扩频系统的干扰能力与其相对于扩频系统的载波位置和干扰带宽密切相关。研究结果可为直接序列扩频系统的设计提供参考。     

自适应开环FIR滤波器抗窄带干扰方法研究

该文针对DSSS变换域抑制窄带干扰方法存在的不足,提出频域FFT干扰检测与时域自适应开环FIR陷波器相结合抑制窄带干扰的方法。给出了系统输出信噪比的解析表达式,并自适应地调整陷波器的零点位置和陷波幅度,使输出信噪比达到最优。仿真结果表明, 该方法在抗单音和多音干扰方面,性能均优于基于FFT加窗重叠处理的变换域抗干扰方法,并且结构简单、计算量小,是一种实用的抗干扰方法。     

直扩系统中基于匹配追踪的调频干扰识别方法研究

本文针对线性和非线性调频干扰,通过构建多时频结构特征原子词典,运用匹配追踪算法来实现具有不同时频结构特征调频干扰的分类和识别,依此提出了一个针对调频干扰的识别和分类方法。计算机仿真结果表明,该方法不仅能实现对不同时频结构特征调频干扰的分类和识别,而且不需要预先训练,从而降低算法复杂性,提高了时效性。      

基于变换域选择的干扰抑制技术

在无线通信系统中存在各式各样的干扰,尤其在军事通信中。不同类型干扰信号在时／频域具有不同的信号特征。现有的干扰抑制算法都是在特定域上进行干扰抑制。研究了一种基于变换域选择的干扰抑制算法,并提出了一种改进的度量选择算法,该算法可以有效地选择最佳变换域去抑制干扰。这种算法简单、且容易实现,复杂度也比较低。仿真结果表明这种算法对于抑制不同的干扰有较好的性能。     

基于信息辅助块稀疏贝叶斯学习的直扩通信窄带干扰抑制

现有基于Nyquist-Shannon采样定理的窄带干扰(Narrowband Interference,NBI)抑制方法存在应用受限于采样率较高的问题。应用压缩感知(Compressive Sensing,CS)理论解决上述问题,利用NBI在频域表现出的块稀疏特性以及直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的类噪声特性,提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)框架的DSSS通信NBI抑制模型。实现干扰抑制后,利用传统的CS重构算法实现DSSS信号的压缩域解调。为进一步提高算法性能,将NBI稀疏分块的块内自相关矩阵建模为单位矩阵,提出了信息辅助BSBL(Aid BSBL,ABSBL)算法,设计了基于ABSBL的DSSS通信NBI抑制算法。该算法在保持较好NBI抑制性能的条件下,提高了运算效率并且不依赖NBI的稀疏结构。仿真验证和对比分析结果表明,所提方法能够有效抑制DSSS通信中的NBI,在干扰强度相同的条件下,NBI带宽越小、压缩率越大,算法对NBI的抑制性能越好。     

基于DFT的自适应窄带干扰抑制算法研究

介绍了一种频域自适应窄带干扰抑制的方法,该方法基于离散DFF（傅里叶变换）技术,在频域采用N-∑算法自适应确定干扰抑制门限,可以有效地去除窄带干扰对宽带通信系统解调性能的影响,适用于DSSS（直接系列扩频）信号中去除强窄带干扰信号的影响。该算法简单高效,非常适合于数字硬件实现,实验和实测结果表明了该算法的有效性。     

Adaptive interference suppression for DSSS communications based on compressive sensing

The existing interference suppression algorithms for direct sequence spread spectrum (DSSS) communications are confined to the high sampling rate. The compressive sensing is addressed to solve the problem in this paper. Firstly, the mathematical model of interference suppression in compressed domain is introduced; the DSSS signal and interference sparse dictionary is built. Secondly, according to the difficulty in obtaining the prior information of the interference signal sparse degree, the adaptive interference suppression algorithm is proposed by setting the reasonable control threshold. A comprehensive analysis and comparison of the algorithm are presented and discussed. The numerical experiments are provided to demonstrate the effectiveness of the proposed algorithm. The results show that the algorithm could suppress the interference effectively; the interference suppression performance does not change with the interference intensity and interference quantity. This will provide an effective method for the reconstruction of the compressed DSSS signal under the scenario of interference. The results obtained here may also be applicable in alternative spread spectrum technologies, like code division multiple access system.     

DSSS频域干扰检测方法研究

直扩信号(DSSS)由于频带较宽,会遇到各种干扰,正确地检测干扰是进行干扰抑制的关键。在深入分析频域干扰检测门限取值的基础上,针对宽带干扰情况下采用传统固定门限干扰检测方法无法准确检测出干扰的不足,给出CMA干扰检测方法。比较了CMA方法、CME方法与固定门限干扰检测方法的差别,仿真结果表明,CMA方法能够有效检测出强宽带干扰。     

多天线两小区蜂窝系统的低开销线性干扰对齐算法

在蜂窝系统中,由于干扰的存在,用户性能受到影响,特别是对于小区边缘用户,其通信质量较差。干扰对齐作为一种能够消除干扰、提高系统容量的技术,近年来受到广泛关注。针对多天线两小区蜂窝系统的边缘用户,本文给出了一种系统开销小、需要天线数少的线性干扰对齐算法。该算法利用发送端预编码矢量消除小区内干扰,利用接收端干扰抑制矢量消除小区间干扰。采用本文算法后,在每个小区有 个用户、基站有 根发送天线、用户有 根接收天线的情况下,只需 和 就可以实现上下行的干扰对齐,整个系统可以达到 的自由度,并且在下行链路中不需要小区间反馈,而在上行链路中只需要较小的小区间反馈。仿真结果表明,本文提出的算法能够以较小的开销实现比以往的算法更好的性能。      

一种基于重叠变换域的抗窄带干扰算法

为了增强扩频系统的窄带干扰抑制能力,针对重叠域中值滤波(MF)算法会给信号带来失真的缺点,提出一种基于重叠变换域窄带干扰抑制算法.该算法基于直接序列扩频信号在重叠变换域的特点,利用阈值滤波、中值滤波、估计门限进行综合判决.仿真表明:该算法能有效降低信号干扰能量,同时减少中值滤波算法对信号造成的失真,增强了系统性能和鲁棒性.