复杂环境下基于联合特征聚类的多跳频网台分选

为了从混叠信号中去除干扰并分选出各个跳频网台信号,提出一种基于联合特征聚类的多跳频网台分选算法。首先,对混叠信号进行短时傅里叶变换得到时频矩阵,并根据时频矩阵能量分布直方图进行自适应阈值去噪；其次,通过形态学滤波处理,去除扫频干扰；再次,进行连通域标记,计算各段信号的持续时长和平均能量,以此去除定频干扰和短突发干扰并组成各跳频段的联合特征向量；最后,利用MeanShift算法对各段信号的联合特征向量进行聚类分析,完成各个跳频信号的分选。仿真结果表明,相比传统跳频网台分选算法,所提算法对混叠信号具有更高的分选率、更强的抗干扰能力和更广泛的适用性。     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法。该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度。最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复。仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离。     

基于盲源分离的多跳频信号网台分选算法

针对欠定条件下多跳频信号的网台分选问题,该文利用跳频信号在时频域上的稀疏性,提出了一种基于盲源分离的自适应信噪比网台分选算法。首先,用Gabor变换作为系统的时频变换建立欠定条件下跳频信号网台分选的模型;然后,采用了自适应信噪比的时频支撑点阈值设定方法寻找源信号的时频单源点,根据时频单源点的时频比矩阵估计出混合矩阵;最后,利用与信源相对功率偏差相结合的改进的子空间投影法进行网台分选。仿真实验验证了该算法在低信噪比条件下的有效性。      

采用图像处理的跳频信号参数盲估计

针对短波复杂信道环境下的跳频信号参数估计问题,提出了一种基于图像处理的跳频信号参数盲估计算法。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;然后根据连通区域标记得到的各个信号在时频图中的位置信息来聚类,从而去除定频、突发等干扰信号,分选出跳频信号;最后根据分选出的跳频信号提取其跳频频线并进行修正,估计出跳频信号的跳周期、跳变时刻和跳频频率。仿真实验表明,该算法切实有效,能够在较低的信噪比条件下精确地估计出跳频信号的参数。     

基于模糊KHM聚类的跳频网台分选方法

针对聚类分析实现跳频网台分选时,分选结果对初始聚类中心敏感且某些样本点“既可以属于类A也可以属于类B”的问题,提出了一种基于模糊K调和均值(KHM)聚类的跳频网台分选方法。首先利用搜索统计直方图位置法预估聚类数目和聚类中心,减少了算法的迭代次数;然后根据跳频信号的各项参数,应用模糊KHM聚类算法对跳频网台进行分选,有效解决了样本点的隶属度问题;最后通过类内类间距法估计得到准确的聚类数目K、聚类中心位置,大幅提升了聚类算法准确度。仿真结果表明,该算法聚类中心接近实际类中心,分选正确率高,迭代次数少。     

一种适用于复杂电磁环境下的跳频信号快速检测方法

针对复杂电磁环境下跳频信号检测的实际需求,根据跳频信号的特征,充分利用已有的信号时频分析技术和宽带测向技术,提出一种快速跳频信号检测方法。先利用一种新的自适应门限去噪方法。对海量复杂数据进行预处理,较好地消除了噪声的影响;然后利用改进的数据流聚类算法,对信号进行“来波方位一幅度”聚类,实现了不同跳频信号的分选。实验结果表明,该方法能够有效地检测出跳频信号。具有很强的实效性。     

跳频高密度异步网台信号的分选

根据跳频高密度异步网台信号的主要特征,通过建立分选模型,确定分选参数,将跳频信号的网络信息参数用于跳频高密度异步网台信号的分选,并与跳频信号的频率统计特性相结合,提出了一种基于多接收机分频段侦收的跳频高密度异步网台信号分选算法,并对其进行了仿真验证。     

复杂背景噪声下的跳频信号分选算法

针对复杂背景噪声下突发跳频信号分选困难的问题，提出了一种基于短时傅里叶变换与图像处理相结合的跳频信号分选算法。该算法首先通过频域能量计算获得判决门限；其次通过判决门限对跳频信号时频图进行二值化处理以及图像处理，有效滤除了复杂背景噪声对跳频信号分选的影响。最后对该算法进行了仿真，验证了算法的有效性。     

随机布局天线系统的跳频信号分选研究

现有的利用DOA分选跳频信号的方法大多使用规范的阵列流型,对天线的布局和通道的一致性要求较高,不能适用于机动灵活的应用场景。针对以上问题,本文在随机布局的多天线系统下利用稀疏贝叶斯学习算法对接收信号进行稀疏重构,根据稀疏权值向量估计跳频信号个数、载波频率以及各信号相对于多天线系统的时延向量,利用一种改进的K-means聚类算法对不同空域位置的跳频信号进行分选。仿真结果证明,本文提出的方法相比于已有的分选方法能够更加准确地完成参数估计和信号分选。      

跳频侦察中测向技术应用探讨

网台分选是跳频（FH）侦察中一个重要的环节,在宽带侦测一体化平台中,针对包含跳频信号的全景数据,提出了基于信号方位的辅助跳频网台分选算法,并给出了相应实测数据分析结果。     

基于STFD&SCMUSIC的多跳频信号DOA估计与网台分选

为了在欠定条件下利用跳频信号的空域特征参数进行网台分选,该文提出一种基于STFD&SCMUSIC的跳频信号DOA估计算法。首先在时频域提取跳频信号的有效跳(hop),并建立该hop的空时频矩阵(STFD);然后在MUSIC算法基础上,利用噪声子空间降维思想构造SCMUSIC空间谱;最终通过半谱搜索实现DOA快速估计,进而利用DOA信息完成信号的分选;同时为了提高低信噪比算法的性能,采用形态学滤波的方法对时频图进行修正,在修正的时频图上完成跳频信号有效hop的提取。理论分析和仿真实验表明了该算法的有效性和良好的估计性能。      

稀疏贝叶斯模型在跳频信号电台分选中的应用

当电磁环境更加复杂,现有的跳频信号分选算法,诸如K Means聚类,支撑矢量机（SVM）等,往往面临较低的分选正确率或者较高的计算复杂度等问题。为了解决这两种问题,本文提出了一种基于稀疏贝叶斯学习（SBL）的跳频信号分选算法。在建立跳频信号分选模型之后,引入稀疏贝叶斯学习框架完成后续分选过程,并针对电磁环境中多个跳频电台的情况,建立了多电台跳频信号分选的结构模型。仿真实验环节验证了所提算法的有效性。      

利用无线电极化特征的跳频网台分选方法

针对现有方法在跳频通信用户“空时频能”域特征相近、跳频参数捷变等条件下,跳频网台分类识别效果不佳的问题,该文提出一种基于无线电极化特征的跳频用户分选方法。该方法将无线电双极化特征引入到跳频侦察,充分利用各用户的交叉极化鉴别度差异,实现了跳频网台精准分选。针对同类用户交叉极化鉴别度参数易受噪声污染的问题,构建了双通道双极化接收系统,抑制了信号噪声,保证了极化特征提取的精度。在此基础上,基于谱聚类思想,完成了极化特征的分类软判决,进一步提升了跳频网台分选效果,实现了跳频信号的精准识别。仿真实验表明,在5 dB信噪比条件下,所提方法可对同步正交和非正交组网方式下的多跳频网台准确识别,识别分类成功率达99%以上,验证了新方法的有效性。     

低速短波非正交跳频网台信号分选技术研究

介绍了利用改进型的时间相关算法进行短波非正交跳频网台信号分选的方法。由于短波信号环境的复杂性,影响了对短波领域跳频信号的检测,使得跳频信号的持续时间这一关键技术参数无法正确获取,因此采取提高跳频信号检测的准确性和找回因"频率碰撞"而丢失的跳频频点等方法对时间相关分选算法进行改进,以提高网台信号分选的正确概率。通过实验分析,结果表明,在适当的信噪比条件下,改进型时间相关分选算法能够完成四部非正交跳频网台信号的分选,分选的正确率大大提高。     

低速短波非正交跳频网台信号分选技术研究

介绍了利用改进型的时间相关算法进行短波非正交跳频网台信号分选的方法。由于短波信号环境的复杂性，影响了对短波领域跳频信号的检测，使得跳频信号的持续时间这一关键技术参数无法正确获取，因此采取提高跳频信号检测的准确性和找回因“频率碰撞”而丢失的跳频频点等方法对时间相关分选算法进行改进，以提高网台信号分选的正确概率。通过实验分析，结果表明，在适当的信噪比条件下，改进型时间相关分选算法能够完成四部非正交跳频网台信号的分选，分选的正确率大大提高。     

基于时频矩阵局部对比度的跳频信号参数估计

为了提高低信噪比下跳频信号参数估计性能,提出了一种基于时频矩阵局部对比度的跳频信号参数估计算法。根据跳频信号和噪声的时频分布不同特点,利用时频矩阵在不同尺度滑窗下的局部能量对比值均值,得到多尺度局部能量对比特征矩阵,通过此特征矩阵和自适应阈值分离得到仅保留了跳频信号时频信息的时频矩阵P。然后从P中提取时频跳变信息,精确估计跳频信号的跳频周期、起跳时间和跳变频率。仿真结果表明,与传统局部对比度（local contrast measure,LCM）法及形态学滤波法相比,本文算法具有更好的跳频信号提取效果和更高的参数估计精度,其有效性与实用性在DSP+FPGA的硬件系统上得到了测试验证。     

基于示向图分割投影的短波跳频信号检测算法

针对短波信道中跳频信号检测的问题,提出一种利用K-Means聚类对示向图进行分割,并通过图像处理方法来实现对跳频信号检测的算法。采用测向速度快的相关干涉仪测向方法完成宽带信号的示向图生成,然后基于K-Means聚类对示向图进行分割,经过形态学滤波进行预处理后,利用灰度图像处理中的边界投影算法对跳频信号检测。此算法在能检测出跳频信号的同时能粗估计跳频信号的基本参数。仿真结果及性能分析表明,该算法能有效地克服信号带宽内复杂的电磁环境,能有效检测出跳频信号,计算复杂度较低,易于工程实现。      

一种跳频信号监测的改进方法

针对复杂电磁环境下的跳频信号监测问题,提出了一种基于加权阈值的信号提取方法,以解决低信噪比情况下跳频信号不易获取的难题.采用短时傅里叶变换对接收信号进行时频分析,得到反映信号频率成分随时间变化的时频矩阵,然后采用加权阈值提取每一时段的信号特征,经聚类筛选后采用统计直方图的方法进行跳频参数估计.存在定频干扰时,筛选过程可以有效去除定频频点.通过对仿真数据的处理验证了本文算法的有效性.     

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。