基于时频分析的多跳频信号盲检测

为了减小低信噪比下干扰和噪声对跳频信号检测的影响,提出一种基于时频分析的多跳频信号盲检测算法。针对跳频信号、定频信号、高斯白噪声具有的不同时频分布特点,该算法利用短时傅里叶变换得到的时频图构造时频对消比;理论分析得到各信号的时频对消比是不同的,因此将其作为检测统计量,实现高斯白噪声背景下跳频、定频信号的盲检测。仿真结果表明,本文算法具有抗噪声功率不确定性能;与改进型功率谱对消法相比,本文算法在低信噪比环境下,具有更高的跳频信号和定频信号检测概率。此方法也能实现存在定频信号、扫频信号和突发信号干扰的复杂电磁环境中跳频信号盲检测,当信干比为5 dB且跳频信号的检测概率达到100%时,本文算法比改进型功率谱对消法改善信噪比10 dB;在干噪比为0.05 dB时的虚警概率几乎为0。      

复杂电磁环境下跳频信号检测及拼接算法

为了有效解决现代战场复杂电磁环境下跳频信号的侦察问题,采用STFT时频分析法进行跳频信号处理。针对存在定频干扰的情况,根据跳频信号的时频图随时间变化的差异性,提出了一种基于时频图跳频图案进行功率谱非线性对消的跳频信号检测算法,可以有效地抑制定频干扰,提高跳频信号的检测概率。对于跳频信号的自动拼接处理,提出在校时时通过补零法则来精确定位拐点的位置,仿真结果表明,改进的校时算法能实现跳频信号零误差拼接。     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

基于重排方法的跳频信号分析研究

跳频信号是一种非平稳信号,用时频分布来分析跳频信号是一种很有效的方法。然而,线性时频分析方法的时频分辨率受到测不准原理的限制很难同时得到兼顾,不利于跳频信号的分选和参数的估计。文章利用重排方法对时频变换后的时频谱图进行处理,通过仿真可以看出,重排后时频谱图具有良好的时频聚集性,频率分辨率损失(RL)最大可以改善6dB左右,提高了时频谱图的可读性。     

基于快速折叠算法和时频分析的LPI跳频信号截获

该文提出了一种新的低截获概率(LPI)跳频信号的截获方法,该方法基于快速折叠算法和时频分析。在低信噪比环境下,该方法能有效检测跳频信号;通过恰当地选择折叠周期范围和分辨率,能实现对跳频参数如跳频周期、跳变时刻和跳频频率的估计。仿真结果和性能分析表明,该方法能有效截获信噪比为0dB的跳频信号,与自适应门限检测方法相比具有更好的性能。     

结合图像处理与时频分析的直扩/跳频信号参数估计

为实现扩频带宽大于跳频间隔、干扰信号强度较大及存在信道噪声时直扩/跳频(DS/FH)信号参数精确估计,提出了一种结合图像处理算法与时频分析技术的DS/FH信号参数估计方法。该方法首先利用时频分析算法提取DS/FH信号的时频分布图,然后结合干扰分量在时频图中的图像特征,利用图像处理的开运算与闭运算剔除了图像中的孤立干扰点及"空洞"干扰点。特别地,为抑制复杂的毛刺干扰信号提出了一种迭代相关匹配算法。最后通过分析图像像素位置与时频参数的对应关系完成DS/FH信号的参数估计。仿真实验表明,该方法可以有效消除干扰信号的影响,准确快速提取混合扩频信号的时频参数。     

基于MeanShift的短波跳频信号快速盲检测

在复杂的短波信道环境下,为了降低各种干扰信号和噪声对跳频信号的影响,实现低信噪比下跳频信号盲检测,结合时频分析技术,提出一种基于MeanShift算法的连通域标记跳频信号快速盲检测算法。首先,对信道环境灰度时频图进行二次灰度形态学滤波得到二值化时频图。其次,通过连通域标记算法,计算信号最大持续时长。再次,利用MeanShift算法对信号最大持续时长进行聚类分析。最后,结合自适应双门限对聚类结果进行二次判决。仿真结果表明,在无任何先验信息的情况下,所提算法能够在低信噪比下快速分离各种干扰信号与尖锐噪声,实现跳频信号快速盲检测,检测概率较高,在短波信道环境下抗干扰能力较强,计算复杂度较低,具有较高的工程实用价值。     

采用纹理特征的跳频信号盲检测算法

针对通信对抗中的跳频信号检测问题,提出了一种基于纹理特征的跳频信号盲检测算法。该算法在时频分析的基础上采用灰度共生矩阵提取信号的纹理特征,通过对纹理特征量的分割实现信号与背景噪声的分割,并运用形态学滤波去除二值化后产生的椒盐噪声;然后通过连通区域标记获得时频图中各信号的位置信息,并采用聚类分析去除定频、突发等干扰,实现跳频信号的自动盲检测。仿真结果表明,该算法可以更加有效地分割信号与背景噪声,能够在较低的信干噪比下检测出跳频信号。      

强干扰下非平稳跳频信号高分辨测试技术研究

为了提高对强电磁辐射干扰下的非平稳跳频信号检测性能,提出一种基于时频分析的非平稳跳频信号高分辨测试技术.采用短时傅立叶变换构建非平稳信号的时频分析模型,把信号划分成许多小的时间间隔,在时间轴连续滑动窗口上对信号进行固有模态分解,提取非平稳跳频信号的Hilbert谱特征,谱特征有效反映了信号的幅值在整个频率段上随频率的变化情况,从而找出信号中跳变的频率分量,实现信号高分辨测试.仿真结果表明,采用该方法在强干扰条件下进行信号测试,信号输出的分辨能力较强,准确检测概率较高,性能优于传统方法.     

短波信道下的跳频信号检测

针对复杂环境下跳频信号的检测问题,提出一种基于能量特征提取的检测算法.该算法可以准确判断信道内跳频信号的存在性.首先将接收数据投影到能量域内进行白化,抑制接收信号中存在的色噪声;然后通过能量分布特征提取信道内存在的时域连续信号,去除接收信号中存在的短时突发信号;最后利用信道化处理将接收信号分解到各个子信道,通过短时能量对消的方法来检测跳频信号的存在性.对该算法的统计特性,虚警概率和检测概率进行理论推导,并对检测流程进行了实验仿真,验证了算法有效性.     

基于小波变换和残差神经网络的全盲频谱感知方法

为了解决非平稳信号的时频图特征难以提取的问题,提出了基于小波变换和残差神经网络的全盲频谱感知方法。该方法通过连续小波变换将捕获的主用户信号变换成时频信息矩阵,同时转化为图片作为输入,通过残差网络进行训练和识别。仿真测试了不同小波基对非平稳信号的分解能力和所提算法在各种复杂无线信道环境下对非平稳信号的检测性能和泛化能力,以及对不同主用户信号的适应能力。结果表明,在信噪比为-16 dB时,该方法能在虚警概率为0.1时达到0.92的检测概率,同时amor小波更适合用于非平稳信号的分解且训练识别能力更优。     

一种基于K-means聚类的跳频信号快速检测方法

为实现低信噪比条件下跳频( Frequency Hopping,FH)信号的快速检测,提出了一种基于K-means聚类的阈值选取方法.通过对时频矩阵中提取到的每一频率分量最大值进行K-means聚类确定阈值以及截断处理,依据跳频信号在驻留时间上的连续性与频域上的跳变性实现对跳频信号的检测.仿真结果表明,与同类方法相比,...     

Frequency hopping modulation recognition based on time-frequency energy spectrum texture feature

For frequency hopping modulation identification,a novel method based on time-frequency energy spectrum texture feature was proposed.Firstly,the time-frequency diagram of the frequency hopping signal was obtained by smoothed pseudo Wigner-Ville distribution,and the background noise of the time-frequency diagram was removed by two-dimensional Wiener filtering to improve the resolution of the time-frequency diagram under low SNR conditions.Then,the connected-domain detection algorithm was used to extract the time-frequency energy spectrum of each hop signal and convert it into a time-frequency gray-scale image.The histogram statistical features and the gray-scale co-occurrence matrix feature were combined to form a 22-dimensional eigenvector.Finally,the feature set was trained,classified and identified by optimized support vector machine classifier.Simulation experiments show that the multi-dimensional feature vector extracted by the algorithm has strong representation ability and avoids the misjudgment caused by the similarity of single features.The average recognition accuracy of the six modulation methods of frequency hopping signals BPSK,QPSK,SDPSK,QASK,64QAM and GMSK is 91.4% under the condition of -4 dB SNR.     

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

基于时频能量谱特征的跳频电台个体识别

针对于跳频电台的细微特征分类识别问题,提出基于跳频信号时频能量谱的细微特征提取算法。首先,利用跳频信号在时频域的稀疏特性,通过稀疏重构方法得到跳频信号时频能量谱;然后,在不同尺度条件下对时频能量谱进行分割,分别提取时频能量谱瑞利熵、多重分形维数和差分盒维数三种特征;最后,通过支持向量机分类器对提取特征集进行训练、分类和识别,实现跳频电台个体识别。利用四部电台的跳频信号,验证对比了本文算法与另外两种算法的识别性能。实验结果表明,本文方法所提取的细微特征集具有较强的分辨能力,避免了由单一特征的相似性而引起的误判问题,能够在少量训练样本条件下,保持较高的识别正确率。      

宽带高速跳频信号的精细化侦察处理技术研究

当空间中存在大带宽、频率快速跳变的辐射信号时，传统侦察接收机无法实现完整接收与准确识别。针对上述问题，提出一种宽带精细化侦察处理方法，实现了宽带实时数据采集与精细化时频分析，获得了多部辐射源信号特征参数的准确分类，并且生成了完整的辐射源态势信息与有效的敌方行为预测结果。实验结果表明，该方法能够实现宽带高速跳频信号的全概率接收及精确解析测量。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.