基于遥控信号频谱特征的无人机识别算法

近年来,无人机"黑飞"事件与非法入侵的案例开始激增,现有的识别技术往往难以实时、准确地检测到非法无人机,为此提出了一种基于遥控信号频谱特征的无人机识别算法。该算法通过背景频谱模板学习(利用二次平均的方法求信号检测阈值,并屏蔽宽带信号对无人机遥控信号检测的干扰)、无人机跳频与定频遥控信号检测、机型判断及其特征参数学习三大模块来识别非法入侵的无人机。实验结果表明,该算法可以实现对常见无人机实时准确地识别,且鲁棒性较强。     

DroneRFa：用于侦测低空无人机的大规模无人机射频信号数据集

为研究与发展反无人机检测识别技术,该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号,包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段,每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段,记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注,以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外,该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案,以验证数据集的可靠和有效性。     

基于正交MFSK信号的解调优化算法

针对传统多进制频移信号解调算法存在计算量大、误码率高等问题,提出了一种基于正交多进制频移键控(Multiple Frequency Shift Keying,MFSK)信号的解调算法。该算法通过检测和判决MFSK信号在不同频率点处的功率谱峰值来完成信号同步,然后对信号的同向分量和正交分量进行反正切运算求得信号斜率,再根据信号斜率构建差值序列并建立MFSK信号解调数学模型,最后通过模型求解完成信号的调制进制识别和解调。该算法复杂度较低且仅呈线性增长,仿真结果表明该算法在性能上优于传统的小波解调算法,且当输入信噪比大于6 dB时,对2FSK、4FSK、8FSK和16FSK的解调正确率都可以达到90%以上。     

一种同频混合信号伪随机序列盲估计方法的研究

通常采用独立分量分析法(ICA)采集同频混合信号时存在盲分离随机性问题,不能分离出同频混合信号伪随机序列,无法对信号进行准确检测。为解决该问题,提出融合独立分量分析法以及Massye算法的同频混合信号伪随机序列盲估计方法。先采集同频混合信号,再通过PCA方法对同频混合信号进行白化预处理,对同频混合信号的协方差矩阵的特征值进行分解,确保信号间相互独立,为后续ICA方法进行数据分割提供基础。采用基于峰度的固定点ICA算法对白化处理后的同频混合数据进行划分,融合ICA和Massye算法,对同频混合信号的伪随机序列进行盲估计。实验结果说明,该方法可以获取准确的同频混合信号伪随机序列,具有较强的信号分离性能。     

基于负熵的多目标射频信号分离研究

为了改变在复杂条件下的多目标射频识别技术依靠防冲突算法的现状,引入独立分量分析技术,在射频阅读器信号采集后端,增加混合射频信号分离过程,采用负熵度量非高斯性准则,将空间中混合的射频信号逐一分离,实现多目标射频信号分离。通过实验例证该方法的可行性,取得了较好的分离效果,为多频段、大范围的多目标射频信号识别技术发展提供了思路。     

一种基于CAF的频谱混叠多信号检测算法

针对多源同频混叠信号检测问题,本文提出了一种基于互模糊函数(Cross Ambiguity Function,CAF)的空间域信号检测算法.该算法首先在二维时延-频移搜索范围内计算多信号情况下的CAF值数组,将频谱混叠的多信号映射在空间域上,然后在分析多信号CAF峰特征的基础上,借鉴图像分割中区域增长法的思想,将CAF峰逐一识别、分割,及迭代循环,以实现多信号的榆测.本文采用所提出的算法对同频多信号进行了仿真,给出了在不同信噪比下和不同信号功率比下的多信号检测概率,以及不同门限因子对检测概率和虚警概率的影响.仿真结果表明,该算法能够在低信噪比条件下,有效地对具有一定功率差别的同频多信号进行检测.     

基于谱相关理论的信号识别算法

采用了频域平滑周期图法估计循环谱，选取信号的Sx^＋（0）截面谱中谱峰个数为特征，提出了一种调制信号识别算法，给出了信号识别流程图及步骤，并进行了计算机仿真实验。仿真结果显示，该识别算法对这几种调制信号的识别具有较高的识别精度。     

线性调频信号基于高阶累积量的分数阶域的峰度检测

在电子侦察系统中，如何在多分量和复杂调制的情况下对线性调频(LFM)信号进行快速而有效的检测是一个重要课题。利用LFM在分数阶域的特征，提出了基于高阶累积量的分数阶域峰度检测的算法，并定性地分析了其检测性能。结果证明，峰度检测对单分量、多分量LFM信号都具有良好的检测能力，同时可以进行低噪比检测。     

基于多维信号特征的无人机探测识别方法

如今,无人机(UAVs)在军用民用领域得到大规模应用,在无人机带来便利的同时也带来了巨大的安全隐患。针对无人机的探测识别技术逐渐成为研究热点,传统的无人机探测方法主要是通过获取雷达回波信号、无人机声音信号和光电信号的方式对无人机进行探测。然而,这类方法往往容易受到环境影响具有一定的局限性,无法对无人机进行精确的定位和识别。该文提出一种基于多维信号特征的无人机识别方法,该方法首先通过自适应三角阈值法从接收到的无线信号中探测并筛选出无人机信号,同时解析获取的无线信号的信道状态信息(CSI)。然后,利用正交匹配追踪算法(OMP)进行参数估计来获取无人机的位置信息对无人机进行定位。最后,提取无人机信号中的盒维数和径向积分双谱(RIB)来对无人机进行分类识别。通过实验,该方法对无人机的3维定位精度小于1 m,对无人机的分类识别精度最高能达到100%。     

基于短时分数阶傅里叶变换的谱分割算法

多分量非线性调频信号在现代通信和雷达系统中应用越来越广泛,而对其进行有效分析识别的常用算法就是短时分数阶傅里叶变换（Short Time Fractional Fourier Transform,STFRFT）.文章首先讨论了STFRFT的圆特性,证明了它基于高斯旋转窗的非圆性并给出了修正的圆的STFRFT定义;在此基础上研究了时频变换后不同时频点的谱峭度,进而推导出了区域集的谱峭度,并将该区域谱峭度作为谱图上某区域内是否含有信号点的检测因子;最后基于区域集谱峭度的区域增长算法被用于从谱图中盲分割识别出各个非线性调频分量信号.仿真实验验证了所提算法的有效性和鲁棒性.     

Adaptive Spectrum Sensing Algorithm in Cognitive Ultra-wideband Systems

Energy detection is a simple spectrum sensing technique that compares the energy in the received signal with a threshold to determine whether a primary user signal is present or not. Setting the threshold is very important to the performance of the spectrum sensing. This paper proposes an adaptive spectrum sensing algorithm where an optimal decision threshold of energy detection is derived based on minimizing the weighted sum of probabilities of detection and false alarm. Since the optimal decision threshold is dependent on the noise power and signal power, a simple, practical frequency domain approach is devised to estimate both. The algorithm can be used for the detection of various kinds of signals without any prior knowledge of the signal, channel or noise power, and is able to adapt to noise fluctuation. Simulations for detecting narrow-band and wideband signals (phase shift keying signal, frequency shift keying signal, orthogonal frequency division multiplexing signal) and ultra-wideband (UWB) signals (direct sequence spread spectrum signals) in an IEEE 802.15.3a UWB band are presented. The results show that the proposed algorithm has excellent robustness to noise uncertainty and outperforms the existing spectrum sensing algorithms in the literature.     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力.在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性.在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能.     

2FSK信号宽带识别算法分析

针对现有算法应用的局限性,提出了一种根据频谱特征和时频特征来识别宽带二进制频移键控(BinaryFrequency Shift Keying,2FSK)信号的新算法。根据二进制频移键控(2FSK)信号调制原理从理论上深入分析了信号特征,据此分析结果,给出了特征参数提取方法和宽带识别算法流程以及调制参数测量方法。通过Matlab仿真验证了算法的工作性能。仿真结果表明,在信噪比大于6 dB情况下该算法能从宽带信号中有效的识别出2FSK信号,并测量出信号中心频率和码速率等调制参数。     

A novel signal separation algorithm based on compressed sensing for wideband spectrum sensing in cognitive radio networks

In cognitive radio networks, since cognitive terminals use a shared wideband frequency spectrum for data transmissions, they are susceptible to malicious denial‐of‐service attacks, where adversaries try to corrupt communication by actively transmitting interference signals. To address this issue, in this paper, we propose a novel signal separation algorithm based on compressed sensing, which can not only recover the entire spectrum but also separate mixed occupying signals. Specifically, the proposed algorithm is executed following three steps: (i) each cognitive terminal attempts to recover all signals over an entire wideband spectrum employing the compressed sensing technique; (ii) all cognitive terminals send their recovered signals to the fusion center where a wavelet edge detection method is adopted to locate the spectrum edges of these signals and then divide the entire spectrum into several sub‐bands; (iii) the fusion center separates its received signals on each spectrum sub‐band into different categories according to their features. Both analytical and simulation results indicate that this novel compressed‐sensing‐based algorithm can effectively separate wideband signals at a low cost and combat interference of the malicious terminals in cognitive radio networks as well. Copyright © 2013 John Wiley & Sons, Ltd.     

基于循环谱相关的调制信号检测方法

在研究通信信号的循环平稳理论的基础上,利用频域平滑的谱相关估计算法,提出一种新的数字调制信号检测方法,降低了一般循环谱检测方法的复杂度,提高了检测性能。该方法对数字调制信号谱相关特性进行分析,计算谱相关函数f截面的归一化面积,确定合适的判决阈值,通过阈值判决来实现基于通信信号循环特征的调制模式检测。仿真结果表明,在低信噪比条件下,检测成功率高达98%。     

基于循环谱的快速信号搜索

传统的短波干扰电台以扫频的方式，基于信号功率谱来搜索信号，对调制特性缓变的信号有不错的效果，但是很难捕获像自动线路建立信号（ALE）实样的短暂信号，本文提出一种基于循环谱的宽带快速搜索方法，在10dB时对ALE的搜索成功率在90%以上。     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

基于互补对称滤波器的APCMA信号的盲分离算法

针对小站信号带宽大于主站信号的新非对称成对载波多址（Asymmetric Paired Carrier Multiple Access,APCMA）信号背景,在一种低复杂度的盲抵消结构基础上,提出基于互补对称滤波器的盲分离算法.该算法采用互补对称滤波器从时频域上将混合信号分解为同时含主站信号与小站信号,以及只含小站信号的两路分量信号,在保证采样率不变的情况下对含主站信号的信号分量做进一步的信号分离,通过两路分量信号的同步处理确保了分离之后的两路信号分量中小站信号的可加性和完整性.仿真结果表明,与原低复杂度算法相比,本文算法有效地提升了混合信号的分离性能.此外,本文提出的具有信息不变性的互补对称滤波器有较广泛的应用前景,可用于宽带多信号抵消、信道估计以及隐蔽传输下的扩频检测等问题中.