一种基于边缘检测的跳频检测算法研究

提出了一种新的基于边缘检测的跳频检测方法,该方法把实际跳频信号的STFT(ShortTime Fourier Transform)时频谱图看作一幅图像,并根据实际信号特点为图像的边缘提取选择检测算子。检测实验结果表明此算法能够有效地去除跳频信号复杂的背景噪声和定频干扰,提高了跳频检测系统的鲁棒性。     

改进对称共生矩阵的跳频信号盲提取方法

针对短波跳频信号盲检测中的去背景噪声和定频干扰问题,结合信号时频分析与共生矩阵阈值法,提出了一种基于噪声稀疏对称共生矩阵的跳频提取算法.首先对共生矩阵改进,定义了频率、时间方向上的噪声稀疏对称共生矩阵.然后根据频率稀疏共生矩阵估计背景噪声阈值,进而根据阈值从时间稀疏共生矩阵中提取跳频信号.仿真表明,该算法能实现低信噪比下跳频信号的盲提取,背景噪声阈值估计更为准确、稳定,跳频信号的提取效果好,且算法简单、运算量小,易于工程实现.     

基于形态学处理的短波跳频信号宽带时频检测算法

通过分析短波跳频信号的宽带时频特性,本文提出一种基于形态学处理的检测算法。算法分别利用形态学基本算法、改进的骨架化算法、改进的击中/击不中变换实现跳频检测过程中噪声和干扰信号的消除、跳频信号存在性的判定、跳频图像的还原等操作。仿真结果表明,算法在较低信噪比的情况下仍能较好的确定短波跳频信号的存在性,实现信号的检测与还原。     

基于二次灰度形态学滤波的跳频信号盲检测

短波复杂电磁环境增加了跳频检测难度,现有图像处理类盲检测法大都需要先预设门限进行二值化,但理想门限较为困难且二值图像忽略了跳频的灰度形态特征,因此针对灰度时频图运用形态学滤波,给出了基于二次灰度形态学滤波的检测算法。首先对时频图频率分量进行灰度形态学滤波,滤除大部分尖锐噪声分量和扫频干扰信号;然后将频率分量去均值,降低定频干扰信号的灰度级,同时保留跳频形态特征;最后对时频图时间分量进行改进顶帽变换,提取跳频信号的二值时频图完成检测。仿真表明,算法能有效克服噪声和干扰信号影响,在大于-10dB时提取较为完整的跳频图案,且算法简单、易于工程实现,为短波跳频信号的盲检测提供了一个新的解决方案。     

一种基于形态学预处理的时频检测算法

为克服短波信道中噪声和干扰对跳频检测的不利影响,对其时频分布特征进行分析,提出了一种把时频图作为二维图像进行形态学预处理的时频检测新算法。并采用复合信息熵进行了性能评估和仿真分析。仿真结果表明,在复杂的短波信道环境下,算法能有效抑制噪声和干扰信号,实现对跳频信号的检测。     

基于Matlab的短波差分跳频通信仿真设计与实现

差分跳频通信系统作为一种全新概念的通信系统,已成为当前短波保密通信的一个重要发展方向。鉴于此,在对短波差分跳频通信机理研究基础上,通过建立基于m序列的G函数、G-1函数设计方案及加窗FFT检测设计方案,实现了基于Matlab的短波差分跳频通信通信过程仿真。仿真结果表明,该通信过程仿真可有效实现差分跳频通信系统的信号生成、检测及接收仿真功能,验证了设计方案的正确性。可为短波差分跳频通信技术的发展提供理论借鉴及测试环境.     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

基于时频特征的卷积神经网络跳频调制识别

针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络（CNN）的跳频信号调制方式识别系统. 该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题. 采用组合时频变换方法对跳频信号进行时频变换得到二维时频图;经过自适应维纳滤波算法滤除背景噪声,提高系统抗噪性;采用连通域检测和双线性插值算法提取跳频信号每跳时频图,对时频图大小进行重置调整;将已处理的时频图输入到设计的11层卷积神经网络中进行训练学习,通过在输出层增加Softmax分类器,实现跳频调制方式分类识别. 仿真结果表明,该系统在信噪比为–4 dB条件下,对跳频信号BPSK、QPSK、8PSK、SDPSK、QASK、16QAM、32QAM和GMSK共8种调制方式的平均识别率达到92.54%.     

一种改进的跳频信号时频分析方法

利用正交匹配追踪的稀疏表示算法进行跳频信号时频分析时,性能受到傅里叶基矩阵长度和稀疏度未知的限制。针对此问题,结合跳频信号特点对稀疏表示算法加以改进:将跳频信号分段,对每段信号进行傅里叶变换并进行门限检测,得到频率预估计值和信号稀疏度;利用频率预估计值构造频率细化子傅里叶基矩阵;基于正交匹配追踪算法得时频谱图。在运算量相同的情况下,改进方法比直接采用正交匹配追踪算法可获得更高精度的时频谱。     

一种自适应跳频中的干扰检测算法

为提高跳频通信系统的可靠性和稳定性,根据线性数字调制信号的特点,对信号进行非线性变换,应用变换后信号的功率谱密度中所包含的信号特征信息,提出了一种适合于自适应跳频的干扰检测算法。该算法基于贝叶斯决策理论,属于盲信干(信噪)比检测。仿真结果表明,该算法满足跳频通信系统的要求。     

直扩通信中基于小波变换的跳频干扰抑制方法

跳频信号是一类时频分布不连续的信号。针对直扩通信中的跳频干扰,使用Morlet小波变换,准确估计出跳频干扰的跳变时刻和频率,并通过频域自适应陷波算法对干扰进行抑制。不仅克服了STFT和WVD在对跳频干扰参数估计时的不足,而且不需要任何先验知识,实现了基于小波变换的跳频干扰参数盲估计。计算机仿真表明,该算法可以在较大干信比范围内有效抑制跳频干扰。     

Novel reconstruction method for frequency-hopping signals

The reconstruction of the Frequency Hopping(FH) signal is studied in the noise environment. After analyzing the sparse characteristics of the FH signal at the receiving end, an atomic decomposition is constructed based on the parameters of the FH signal.Then a signal reconstruction method for the FH signal is presented based on the Generalized Regularized FOCUSS Algorithm. By choosing the proper regular parameter, the FH signal is reconstructed in the noise environmet. Simulation results demonstrate that the method is correct and effective.     

一种跳频信号网台分选方法

跳频信号的网台分选是电子战领域的一个传统难题。该文提出了一种跳频信号网台分选方法,首先采用独立分量分析算法FastICA初步分离混合信号,再利用短时傅立叶变换和图像处理技术对信号进行进一步处理,使之达到完全分离,最后估计出各电台跳频信号的跳周期、跳变时刻、跳变时间和跳频频率等参数,实现跳频信号网台分选。采用该方法对实际采集到的由两个跳频电台混合的信号进行仿真,结果表明,跳频信号网台分选效果良好,且快速可靠有效。     

一种基于盲源分离的直扩信号载频检测算法

在复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一,在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题.这里提出了一种基于盲源分离的直扩信号载频检测算法,采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来,然后采用边带相关算法估计载波频率.该方法不需要知道混合矩阵,不需要做预白化处理.计算机仿真结果证明了算法的有效性.     

基于锁相放大算法的微弱光谱分析

由于强噪声背景的影响,在进行光谱探测的过程中收集到的信号很微弱。为了能有效的去除噪声,提出了采用锁相放大算法去除噪声提取光谱特征信号的方法。研制编写锁相放大算法,对收集的光谱数据进行处理,分析处理后的结果,光谱特征获得了放大,进一步进行两种结果的中值归一化对比,该光谱曲线与原始光谱曲线线型基本一致,且具有平滑去噪效果。该成果对微弱光谱信号去除噪声的研究具有实际意义。     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

一种抗加性高斯白噪声的盲图像源分离方法

针对基于聚类稀疏成分分析的盲图像源分离方法噪声敏感的问题,提出了一种抗加性高斯白噪声的盲图像源分离算法.通过分析混合图像与噪声图像间的相关性,估计混合图像中的噪声并去除,对去噪后的混合图像进行稀疏成分分析,即分离出源图像.实验结果表明,该算法能直接、有效地去除同分布的加性噪声,使叠加噪声的混合图像得到精确的分离.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.