非重构压缩样值跳频信号时频联合估计算法

针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。     

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。     

水声信道下差分跳频信号检测的优化算法

为克服水声多途干扰影响,提出将差分跳频技术应用于水声通信,通过分析水声多途信道下差分跳频信号的特征,利用频率转移函数的隐含信息和水声信道的多途特征,优化了频率序列检测的Vitervi硬判决算法,并详细给出了算法流程.在含有加性高斯白噪声的多途信道下进行了仿真.结果表明,采用优化算法的系统性能得到显著提高,在频率检测差错率为10×10-3时,获得了近2.5 dB的增益,表明差分跳频体制能有效克服多途干扰,适用于水声通信.     

基于粒子滤波的跳频信号频率跟踪方法

针对跳频信号的参数估计问题,提出一种基于粒子滤波的跳频信号频率实时跟踪方法.首先建立以跳频瞬时频率为系统状态的状态空间模型,然后通过基本粒子滤波算法序贯重要性重采样（sequential importance resampling,SIR）实现了对跳频信号频率的后验概率密度估计,进而得到频率的实时估计;为进一步提高粒子滤波的跟踪性能,提出一种基于ESPRIT辅助的粒子滤波（auxiliary esprit particle filtering,AESPRIT-PF）算法.仿真实验分析了在不同信噪比和不同粒子数目下算法的跟踪性能,结果表明该算法具有稳健的跳频频率实时跟踪能力,是一种有效的跳频信号参数估计方法.     

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。     

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.     

基于分形盒维数的跳频信号跳周期快速估计方法

针对通信对抗中跳频信号参数估计问题,提出一种基于短时分形盒维数的跳频信号跳周期快速估计方法.首先对信号采样序列分段,计算短时分形盒维数,结合小波变换检测盒维数曲线的奇异点,然后采用谱分析的方法提取奇异点的变化周期,进而估计出跳频周期.仿真实验表明,该算法运算复杂度低、跳频定位精度高,在-10dB就能有效估计出跳频周期,与基于STFT的时频分析方法相比,具有计算量更小的优点.     

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.     

自适应OFDM中信号盲检测技术

提出了一种基于高阶累积量的正交频分复用信号子信道调制方式盲检测算法．该算法利用高阶累积量检测特征实现对子信道调制方式的检测，所提出的检测特征可抑制高斯噪声的影响．从理论上证明了高阶累积量检测特征对于子信道的信道衰减和相位旋转具有不变性．通过计算机仿真评估了正交频分复用信号子信道调制方式盲检测算法的性能。表明这种算法在慢时变信道下具有很高的调制方式检测性能和良好的稳健性．     

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。     

多重自相关函数在微弱正弦信号检测中的应用

研究了一种用于微弱正弦信号检测的新方法,该方法利用了正弦函数的特殊性质,在信号未知的情况下,通过多次自相关运算成功的检测出埋没于强大噪声中的微弱正弦信号．分别讨论了多重自相关法在白噪声背景下、有色噪声背景下,单一正弦信号、多个正弦信号等情况的检测效果,并给出了具体的仿真结果,此方法在频率测量中具有极高的准确性;在幅度测量上,精度略低,但通过多次测量取平均值,仍可达到预期的精度．与以往的弱信号时域处理方法比较,多重自相关检测方法具有理论推导简单、物理意义明确等特点,应用前景广泛。     

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。     

广义的自适应相干累积算法

根据最小均方误差(LMS)算法、自适应相干累积(ACI)算法及推广的自适应相干累积(GACI)算法在原理上的相关性和推广关系，提出了广义的自适应相干累积(IGACI)算法。它是在GACI的基础上，在算法的权系数迭代公式中引入更多的动量因子，即利用权系数的更多的历史信息，使被检测的单频或调频脉冲信号，在脉冲期间，实现自适应相干累积，从而完成低输入信噪比条件下的信号检测，而无需或很少需要知道信号的先验信息。理论分析和仿真结果证明在低信噪比的情况下，其性能要优于GACI算法。     

Network Sorting Algorithm of Multi-Frequency Signal with Adaptive SNR

An signal noise ratio (SNR) adaptive sorting algorithm using the time-frequency (TF) sparsity of frequency-hopping (FH) signal is proposed in this paper.Firstly,the Gabor transformation is used as TF transformation in the system and a sorting model is established under undetermined condition;then the SNR adaptive pivot threshold setting method is used to find the TF single source.The mixed matrix is estimated according to the TF matrix of single source.Lastly,signal sorting is realized through improved subspace projection combined with relative power deviation of source.Theoretical analysis and simulation results show that this algorithm has good effectiveness and performance.     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析（ICA：Independent Component Analysis）理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离。该算法将基于负熵最大化的FastlCA算法应用到混叠跳频信号分离中。通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离。虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作。这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路。     

新型主动声呐梳状谱信号设计

通过对几种新型主动声呐发射信号的比较分析,根据各种信号的时频分辨能力不可兼得的情况,提出了一种梳状谱优化设计方法,并结合跳频发射方式,在目标速度未知的条件下,通过发射一组由不同多普勒容限和频带的梳状谱信号组成的信号,来获得相对最优的距离和速度测量能力,并可提高声呐系统的探测帧率,同时针对梳状谱信号峰均值功率比较大的特点,在Newman和Narahashi初相序列优化公式的基础上,提出了进一步优化的搜索算法.通过仿真分析,验证了此方法对于改善峰均功率比的有效性.     

基于独特码符号距离的TDMA突发检测算法

突发信号检测有助于提高通信线路的利用率,或为监听、攻击及干扰线路提供信息基础。现有的检测算法往往需要信号模板等先验知识,且计算复杂度高。针对具有独特码结构的海事卫星时分多址(TDMA)信号,分析了其星座图的特点,研究了独特码符号之间的相位差特征,提出了一种基于独特码符号距离的突发检测算法。该算法无需使用信号模板,且统计量的计算复杂度低。实验表明,该算法能有效地检测出突发信号,且在低信噪比的情况下也能取得较好的检测效果。     

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.