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。      

非合作跳频信号参数的盲压缩感知估计

针对非合作跳频通信系统采样速率高,先验信息少等问题,论文提出基于盲压缩感知重构理论参数估计算法。利用稀疏编码与正交基变换交替迭代的思想实现信号精确重构,并根据重构结果直接对跳频信号进行参数估计。与传统的压缩感知理论相比,盲压缩感知理论避免了对信号先验信息的需求,有效解决了非合作通信系统中先验信息少的问题。首先,建立信号模型,然后利用正交块对角盲压缩感知算法（Orthonormal Block Diagonal Blind Compressed Sensing,OBD-BCS）实现信号的重构,并估算出跳变频率及跳变周期。通过实验分析,该方法可以在低信噪比环境下恢复信号原始结构及信息,完成参数估计。      

一种新的跳频信号参数盲估计算法

本文针对通信对抗中的跳频信号参数盲估计问题,提出了一种基于原子分解算法的跳频信号参数盲估计方法.根据跳频信号内部结构的特点,以加窗正弦函数为基函数构造了一种与跳频信号匹配的3-参数时频原子字典,将跳频信号分解为有限个3-参数时频原子的组合,最终根据这些时频原子的参数值来估计跳频信号的参数.仿真实验表明,该方法能够在未知任何先验知识的情况下,对跳频信号的跳周期、跳变时刻和跳频频率进行有效估计.     

跳频信号时-频域分析与参数盲估计方法

本文提出一种基于SPW时频分析来估计未知跳频信号参数的方法。该方法能够有效描绘跳频图案,具有分辨率高、运算量小、抗噪声能力强等优点。文中详细讨论了SPW时频分析方法,给出了参数盲估计算法的具体步骤及在低信噪比下的算法完善,并进行了仿真试验和性能分析。     

基于遗传算法的跳频信号盲估计

遗传算法具有全局寻优能力强、计算效率高等优点。利用遗传算法和线性回归算法来解决跳频信号盲估计问题,可以有效地估计出跳频信号的各个跳变时刻点、各跳的载波频率和相位。根据跳频信号的特点,给出了遗传算法的染色体编码结构以及选择、交叉和变异算子的设计,并提供了遗传算法的流程图。在计算染色体的适应值时,采用了线性回归法估计信号的载频和相位。最后仿真结果表明,该方法有很好的收敛性。     

采用局部特征尺度分解的跳频信号参数盲估计算法

针对现有跳频信号参数盲估计算法存在时间分辨率和频率分辨率矛盾这一问题,提出了一种基于局部特征尺度分解的跳频信号参数估计新算法。该算法将跳频信号迭代地分解成若干个内禀尺度分量并进行降噪处理,然后对其最大瞬时幅度进行小波变换和傅里叶变换即可估计出跳频信号的跳变时刻和跳频周期,最后根据得到的跳变时刻和跳频周期可以进一步估计出跳频频率集。该算法不受时频不确定性原理的影响,能够在未知先验知识的条件下估计出跳频信号的跳周期、跳变时刻和跳频频率集。最后通过仿真验证了算法的有效性。      

基于原子分解的跳频信号盲检测和参数盲估计算法

本文针对跳频信号的检测和参数估计问题,提出了一种基于原子分解算法的跳频信号盲检测和参数盲估计算法。以Gabor函数为基函数对输入的多分量信号样本进行原子分解,在原子分解的每一次迭代后计算信号残差的信息论准则测度,通过与前一次迭代后的信息论准则测度作比较,找到信息论准则测度的第一个局部极小值,这个局部极小值对应的迭代次数就是信号样本中包含的信号分量的数量,进而根据分解得到的时频原子的参数值来聚类,从输入信号中分选出跳频信号的hop,并估计跳频信号的参数。仿真实验表明,该方法能够在未知任何先验知识的情况下,对高斯白噪声环境中跳频信号进行有效检测,并能够对跳周期、跳变时刻和跳频频率进行有效估计。      

一种基于时频分析的跳频信号参数盲估计方法

本文提出了一种采用平滑伪WVD(SPWVD)时频分析来估计未知跳频信号参数的方法，该方法可以在不需要知道信号任何先验参数的情况下，估计出跳频信号的跳周期(hop duration)，跳变时刻(hop timing)和跳频频率(跳频图案)等参数。文中对跳频信号的WVD、PWVD和SPWVD结果作了比较，指出了SPWVD的优点，给出了基于SPWVD估计跳频信号参数的具体算法步骤，并进行了性能分析。     

基于小波变换的跳频信号参数盲估计

本文提出了一种基于小波变换的未知跳频信号参数盲估计方法.该方法利用小波变换在时频域上良好的局部化性质和检测突变点能力,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳变时刻、跳频频率和跳频周期等参数.文中阐述了应用小波变换对跳频信号分析的基本原理,给出了估计跳频信号参数的具体算法步骤,在计算机仿真的基础上对结果进行了性能分析,得到了较为准确的估计结果.     

基于时频能量对消的跳频信号参数盲估计

为了解决存在定频干扰时跳频信号的参数盲估计问题,提出了一种基于时频能量值对消的定频干扰去除算法,并且利用最小二乘法实现跳频信号的参数盲估计。首先,利用K-means算法对能量对消差值聚类选取自适应阈值,同步去除噪声和定频干扰;其次,提取重构时频矩阵每一时刻频率轴的能量最大值,得到周期震荡的包络图;最后,利用最小二乘法对包络图每一极值时刻线性拟合,实现跳频信号参数的盲估计。仿真结果表明,与同类算法相比,该算法有效去除定频干扰,实现了更低信噪比条件下跳频参数的高精度估计,并使估计参数的相对精度维持在较高水平。     

基于时频分布迭代的跳频信号参数估计

提出了一种基于时频分布迭代的跳频信号参数估计新算法,利用时频平面最大值,通过计算跳频信号与最优原子时频分布的残差逐次迭代获取匹配于跳频信号分量的时频参数,进而实现跳频信号参数估计.理论分析和仿真结果表明,与基于匹配追踪和粒子群优化的跳频信号参数估计相比,基于时频分布迭代的参数估计算法在保证算法精度的情况下,有效地降低了算法的计算复杂度,为跳频信号盲接收的实时实现提供了一种新方法.     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换(STFT)时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

跳频信号的归一化多普勒频差最大似然估计

针对双站定位涉及的跳频信号多普勒频差估计问题,提出了归一化的频差最大似然估计算法,利用两个定位站接收到的跳频脉冲串信号,构建一个关于基准跳频频率多普勒频差的似然函数,通过网格搜索得到使似然函数最大的多普勒频差估计,既解决了跳频信号在不同跳频频率上多普勒频差不一致的问题,又充分利用在不同频率的脉冲串信号提高了多普勒频差估计精度。通过仿真对算法的性能进行了评估,结果表明,与基于子空间的算法比较,在脉冲数达到240个时,所提算法执行效率提升30%以上。     

一种改进的跳频信号参数估计方法

针对在跳频信号跳变时刻和跳变频率估计方面实时性和估计精度无法同时兼顾的问题,提出了一种基于短时傅立叶变换(STFT)和多重信号分类(MUSIC)算法的跳频信号参数估计方法。在建立跳频信号数学模型的基础上,利用STFT选取较大时间窗对整个信号在时域进行粗搜索,生成时频谱图,提取时频脊线从而获得跳变时刻,然后选取较小时间窗在已知跳变时间段利用STFT进行跳变时刻的细估计,并利用MUSIC算法进行频率的精确估计。该方法利用STFT的二次估计,减少了MUSIC搜索范围,从而降低了时间开销。仿真表明该算法的跳变时刻频率估计精度高,实时性能满足参数测量需求。     

一种新的Costas跳频信号盲参数估计算法

本文以Costas信号为例提出了基于高斯基集的跳频信号自适应分解法，将跳频信号分解为一组高斯基函数的线性叠加。采用遗传算法估计与信号最匹配的高斯基函数。和其它方法相比，该方法具有很高的时频分辨率且无交叉项干扰，参数估计精度高。仿真结果证明了该方法的有效性，适合于低截获概率波形的低信噪比情况。     

基于重排时间尺度分布的跳频信号参数盲估计

提出了一种低截获概率跳频信号的截获方法,该方法基于信号小波尺度谱的重排时间尺度分布,在未知任何先验条件情况下,能够检测并提取非合作跳频信号的跳频频率、跳频周期和跳变时刻特征参数信息。文中比较了跳频信号的小波尺度谱与重排小波尺度谱分析效果,提出了基于重排小波尺度谱的跳频信号参数盲估计算法,通过计算机仿真得到了较为准确的估计结果,并对算法的性能进行了分析,验证了该方法的有效性。     

一种同步组网跳频信号的盲分离方法

针对多路混合的同步组网跳频信号,提出了一种基于时频分析的盲分离方法。首先利用同步组网的各跳频信号中各信号跳时相同、跳周期相同等特点,利用平滑伪魏格纳分布（SPWVD）提取信号在时频分布上的特征值。在此基础上,采用基于短时傅里叶变换（STFT）时频比方法对同步组网跳频电台信号进行分离。仿真实验表明,这种方法能有效分离同步组网电台跳频信号,且在跳频间隔较小时,依然具有良好的分离效果。     

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。     

A parameter estimation method for time‐frequency‐overlapped frequency hopping signals based on sparse linear regression and quadratic envelope optimization

The frequency hopping (FH) signals have well‐documented merits for commercial and military fields due to near‐far resistance and robustness to jamming. Therefore, the parameter estimation of FH signals is an important task for subsequent information acquisition and autonomous electronic countermeasure or attack. However, under the complex electromagnetic environment, there always exist overlaps in the time‐frequency domain among multiple signals, which bring poor signal sparsity and make the estimation more challenging. In this paper, a novel parameter estimation approach is developed for the time‐frequency‐overlapped FH signals under single‐channel reception. The exact solution is mainly composed of the sparse linear regression‐based matrix optimization (SLR‐MO) and quadratic envelope optimization (QEO). SLR‐MO highlights the removal of noise and distortion features for improving the overall sparsity and time‐frequency resolution. QEO further eliminates parts of the interfering signal features and outliers and then extracts and optimizes the average time‐frequency ridge to complete the parameter estimation (hopping instants, period, and carriers). Simulation results demonstrate that the developed estimator outperforms the traditional methods in the scope of application, estimation accuracy, and the robustness under low signal‐to‐noise ratio (SNR).