基于聚类分析的常规通信信号自动分选方法

为了从干扰环境中自动分选出常规通信信号,提出了一种基于聚类分析的信号分选方法,它主要包括测量集分割和信号跟踪两部分。测量集分割用于对频域检测和测向得到的测量集进行识别,从中获得对该测量集有贡献的窄带信号的特征参数;信号跟踪就是根据常规通信信号的特点,对截获信号进行序贯聚类,剔除干扰信号。实验结果表明,测量集分割方法的识别正确率在94％以上,能够准确估计各窄带信号的特征参数;所提出的分选方法能够从干扰环境中正确分选出常规通信信号。     

基于非重构压缩采样的动态稀疏信号快速检测技术研究

战场电磁环境的快速、准确感知对于提高战术无线通信系统的时变电磁环境适应能力和抗干扰能力具有重要意义。本文分析了跳频通信信号、扫频干扰信号等战场常见的多种通信信号与干扰信号的动态稀疏特性,构建了动态稀疏信号检测的统一框架。在此基础上,提出了基于非重构压缩采样的动态稀疏信号快速检测技术的基本思路,并分析了该方法的检测性能界。分析结果表明:该方法不仅能够充分利用动态稀疏信号的稀疏特性,大大降低采样速率和后续分析与处理中的数据量,而且避免了复杂的信号重构,能够有效降低动态稀疏信号检测的处理时延,提高了战场电磁环境感知的实时性。     

基于小波包的奇异信号检测方法及仿真

高压电器设备的故障大多与绝缘有关，而局部放电是造成绝缘损坏的主要原因之一。如何有效地从噪声和干扰中准确提取局部放电信号的特征，是绝缘故障在线检测的关键。针对高压电缆中的局部放电信号检测问题，提出了一种基于小波包的奇异信号检测方法。首先，分析后得到窄带信号和奇异的放电信号在小波包变换下会表现出截然不同的特性，然后利用这个特性，采用小波包的方法有效地抑制窄带干扰，并从噪声中提取出奇异的局部放电信号。仿真结果显示出在两项指标中，同步性指标大于99％，相似性指标大于90％，这证明了该算法能够从噪声和干扰中，有效地检测并提取出高压电缆中的局部放电信号。     

基于新型RBF网络的雷达信号分选识别方法

提出了一种基于径向基函数 (RBF)网络的雷达信号分选识别方法 .这种RBF网络分选系统采用改进免疫算法设计RBF网络的隐层参数 ,可以达到较高的优化效率 ,使系统结构趋于全局最优 .在复杂雷达信号环境下的仿真实验表明 ,这种基于RBF网络的雷达分选识别系统能够有效利用输入信号资源 ,达到了较高的分选精度.     

一种适合于复杂电磁环境下短波跳频信号的检测方法

分析短波波段复杂电磁环境下跳频信号检测存在的难点,并根据短波通信信号的特点,提出一种时间、频谱和幅度关联的检测方法,称之为时频幅三维关联法.文章主要结合商空间粒度分析理论,提出改进的覆盖聚类算法,并对截获的海量复杂数据进行预处理,消除了噪声,然后运用时频幅三维关联法,排除定频信号、突发信号等.实验结果说明该方法能够有效地检测出跳频信号,验证了方法的实效性.     

通信信号的参数估计技术及其发展

通信信号的参数估计是非协作通信中的一个重要环节,针对目前非协作通信中信号检测与识别过程中所用到的参数估计问题,从噪声环境、数据类型和算法实现的角度,对载频、码元速率、信噪比和信源个数的估计方法进行了讨论和分析,重点介绍了Alpha稳定分布和单通道环境下的参数估计方法,并给出了进一步研究的问题,以期能对该方面的工作有所借鉴.     

短波信道下跳频信号检测

跳频信号检测是当前通信对抗领域紧迫而困难的任务之一,提出了一种在复杂短波环境下有效检测跳频信号的新方法。首先,对已有动态门限算法进行改进,提出一种新的估计噪声基底的方法;用该方法对信号时频图每个时间单元的功率谱图进行滤波,将信号的时频图降噪处理;然后根据短波信道特点设计了参数统计规则,得到信号描述表,最后采用直方图方法对各信号持续时间统计分类判断出是否存在跳频信号。仿真实验证明,该方法运算简单,能够较好地解决噪声和干扰较大的复杂短波信道环境下跳频信号的检测问题。     

基于PRI谱的双门限雷达信号分选算法及其硬件平台设计

针对修正的PRI变换法无法分选重频参差雷达信号的缺点,提出了一种基于PRI谱的双门限雷达信号分选算法.该算法先对PRI谱设定双门限检测各个准PRI,再结合组合查看及序列搜索提取各个PRI.同时,构建了一种预分选、主分选结合的新型分选平台.预分选利用带有PowerPC的FPGA构架片上系统,完成对脉冲雷达信号的实时测量、AOA分类及数据存储;主分选采用DSP专职完成其他维参数的分选算法.谊分选新算法在保留抑制PRI子谐波优点的同时,对重频固定、抖动和参差的雷达脉冲信号都有较好的检测结果.视频信号源的大量测试表明,谊分选平台对普通雷达、PRI抖动和参差雷达、频率捷变雷达及一些特殊雷达均具有较好的分选能力.     

基于高斯平滑与模糊函数等高线的雷达辐射源信号分选

雷达辐射源信号分选是电子侦察系统、威胁告警系统的关键步骤.针对现有基于模糊函数的复杂体制雷达辐射源信号分选方法信息利用率低、易受噪声影响等问题, 提出一种基于模糊函数等高线的分选新方法; 首先, 对信号的模糊函数进行高斯平滑处理并绘制其等高线作为进一步的特征提取对象; 其次, 从图像处理的角度提取正外接矩和方向角作为雷达信号分选的特征向量; 最后, 用核模糊C均值聚类算法对特征向量进行分选.仿真实验表明, 所提方法在8 dB以上的固定信噪比环境下分选6类典型信号的成功率均为100 %, 即使在0 dB环境下, 分选成功率也保持在89.04 %以上; 在0 ~ 20 dB动态信噪比环境下分选成功率达到96.36 %.实测数据验证, 所提特征提高了5种外场辐射源信号的分选效果, 可作为经典5参数的有效补充. 此外, 所提特征还具备较低的计算量, 提取单个信号特征的耗时仅为0.24 s, 具有一定的工程价值.     

基于网格密度峰值聚类的实时雷达分选系统

雷达分选是雷达信号处理中的重要环节。为了解决从复杂电磁环境中准确分选出各个雷达信号的难题,提出一种新的基于网格密度峰值的数据流聚类算法,并将其应用于对雷达信号脉冲描述的实时聚类,从而进行雷达分选。该算法采用双重网格划分方式,解决传统基于网格的聚类算法中边界丢失的问题,并采用基于改进密度峰值的网格合并方式进行聚类避免将距离较近的类合并。仿真实验结果表明,该算法可以用于实时雷达分选,很好地处理了重叠严重的雷达信号,有较高的准确度和抗干扰能力。     

基于分数阶Fourier变换的多分量LFM信号检测与参数估计

介绍了分数阶Fourier变换的基本原理和基本性质，提出了基于分数阶Fourier变换的多分量LFM信号检测和参数估计方法。为了解决多个LFM分量之间的相互影响问题．特别是强分量掩盖弱分量的问题．本文还提出了一种结合逐次消去思想和分数阶Fourier变换的多分量LFM信号检测和参数估计算法，它可以解决强度相差较大的多分量LFM信号中检测和估计弱LFM分量参数的问题。仿真实验结果证明了该算法的有效性。     

一种直扩信号的检测方法

在非协作通信中,基于循环谱理论的检测方法是直扩信号检测的重要方法之一.目前,该方法都是假设背景噪声和干扰为平稳信号.但是实际上,直扩信号面临严重的窄带干扰,特别是在军事领域,更是面临敌方有意的人为强窄带干扰.由于存在调制,人为的窄带调制信号都存在循环平稳特性,这对目前基于循环谱理论的直扩信号检测方法提出了挑战.文中通过理论分析、MATLAB仿真,分析了直扩信号、窄带调幅干扰信号,验证了窄带调幅信号具有循环平稳特性,提出了利用循环谱包络检测存在窄带调幅干扰的直扩信号检测方法,并写出了具体的算法.     

基于HOG-SVM的跳频信号检测识别算法

针对非合作通信场景下的跳频信号自动化检测识别问题,本文提出了一种基于方向梯度直方图与支持向量机的跳频信号检测识别算法。该算法将无线通信信号转化为包含时间、频率和幅度的时频瀑布图,采用方向梯度直方图特征提取算法将不同跳频序列在瀑布图上产生的独特结构特征提取出来。然后利用支持向量机将特征序列映射到高维空间,通过寻找最大间隔分离超平面,实现跳频信号的检测与多种跳频序列的识别,并依此建立跳频信号检测识别原型系统。最后在室内多径信道环境下进行了测试验证,该算法能够完全自动化的精确检测到开放电磁环境下的跳频信号并且能够实现对多种跳频序列的识别。在信干噪比不超过20dB时,针对不同跳频序列的平均识别正确率能够达到98.01%。     

基于干扰消除的MIMO-OTFS系统信号检测研究

高迁移率条件下正交时频空间(OTFS)调制技术的性能优于正交频分复用(OFDM),而在常规的多输入多输出系统(MIMO)信号检测中,基于干扰消除信号检测技术的复杂度较大.针对此缺点,提出了一种改进的基于信干噪比(SINR)排序的信号检测算法.该算法先算出每一层信号的信干噪比,然后利用信息传递(MP)检测技术检测出每一层信号并通过干扰消除检测出全部信号.最后通过仿真对算法进行了验证,结果表明改进后的算法具有更好的性能.     

复杂电磁环境下基于信号稀疏表示的干扰抑制与通信信号重构方法

在复杂电磁环境下,通信信号与干扰在时频域重叠而难以分离,针对这一问题,提出了一种基于信号稀疏表示的干扰抑制与通信信号重构方法.首先,通过K阶奇异值分解（K-Singular Value Decomposition,K-SVD）算法,分别构造通信信号与干扰的过完备子字典;然后,对过完备子字典进行联合构建联合字典,利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法实现信号的分离和重构;最后,对时频重叠下的2ASK信号和2PSK信号的干扰抑制和重构过程进行了计算机仿真,再对OFDM信号的干扰抑制和信号重构过程进行了实验验证.仿真及实验结果表明：该方法可以实现时频重叠情况下通信信号的干扰抑制与信号重构.     

应用欠采样技术的多正弦波频率估计方法研究

为了解决高频段信号由于受到A/D转换器和后续信号处理器件运算速度和成本的限制,提出一种用欠采样获得Nyquist采样的信号处理方法。将信号分成两路进行欠采样,根据两路信号构造一个新信号,得到一个虚拟的Nyquist采样值,进行傅里叶变换,单信号时直接得到所估计信号的频率值;多信号情况下在得到各信号频率估计值的同时,会得到因频率“交叉”引起的虚假频率点,通过对双路傅氏变换的结果进行处理可以消除虚假频率点。仿真实验验证了该方法的有效性。     

Computationally efficient 2D direction finding and polarization estimation with arbitrarily spaced electromagnetic vector sensors at unknown locations using the propagator method

This paper proposes a computationally efficient method for estimating angle of arrival and polarization parameters of multiple farfield narrowband diversely polarized electromagnetic sources, using arbitrarily spaced electromagnetic vector sensors at unknown locations. The electromagnetic vector sensor is six-component in composition, consisting of three orthogonal electric dipoles plus three orthogonal magnetic loops, collocating in space. The presented method is based on an estimation method named propagator, which requires only linear operations but no eigenvalue decomposition or singular value decomposition into the signal and noise subspaces, to estimate the scaled electromagnetic vector sensors' steering vectors and then to estimate the azimuth arrival angle, the elevation arrival angle, and the polarization parameters. Comparing with its ESPRIT counterpart [K.T. Wong, M.D. Zoltowski, Closed-form direction finding and polarization estimation with arbitrarily spaced electromagnetic vector-sensors at unknown locations, IEEE Trans. Antennas Propagat. 48 (5) (2000) 671–681], the propagator method has its computational complexity reduced by this ratio: the number of sources to sextuple the number of vector sensors. Simulation results show that at high and medium signal-to-noise ratio, the proposed propagator method's estimation accuracy is similar to its ESPRIT counterpart.     

基于卷积神经网络的通信信号调制识别研究

针对传统人工提取专家特征来进行通信信号识别的方法存在局限性大、低信噪比下准确率低的问题,提出一种复基带信号与卷积神经网络自动调制识别相结合的新方法。该方法将接收到的信号进行预处理,得到包含同相分量和正交分量的复基带信号,该信号作为输入卷积神经网络模型的数据集,通过多次训练调整模型结构以及卷积核、步长、特征图和激活函数等超参数,利用训练好的模型对通信信号进行特征提取和识别。实现了对2FSK、4FSK、BPSK、8PSK、QPSK、QAM16和QAM64 七种数字通信信号类型的识别分类。实验结果表明,当信噪比为0dB时,七种信号的平均识别准确率已达94.61%,验证了算法是有效的且在低信噪比条件下有较高的准确率。     

基于回归特征分析的BPSK信号盲处理结果可信性评估

针对二相编码（Binary phase shift k eying,BPSK）信号盲处理过程中信号调制方式识别及参数估计的可信性评估问题,提出了一种 基于线性回归特征分析的处理方法。根据特定处理结果建立参考信号,并将参考信号与原始 观测信号进行相关累加取模值,在分析相关累加模值曲线在原序与升序两种不同情形下线性回归 差异的基础上,分别定义了排序回归系数及分段回归符号两大特征,用以判别BPSK信号盲处 理结果的可信性。计算机仿真结果表明,在低信噪比、缺乏信号先验信息的条件下,本算法 可对BPSK信号盲处理结果的可信性进行有效检验。