基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

一种基于ARMA模型的欠定混合快速跳频信号参数盲估计算法

针对欠定情况下的快速跳频信号的参数估计问题,在基于自回归滑动平均(ARMA)模型的跳变点检测方法的基础上,提出了一种改进的快速跳频信号参数盲估计算法. 通过跳周期修正ARMA模型预测点和傅里叶变换分别得到准确的跳变时刻和载频估计,从而实现快速跳频信号的参数估计. 实验结果表明,该算法在欠定条件下,当信噪比大于10 dB时,相对现有算法跳变点检测准确率增加了5倍左右,检测准确的概率可以达到90%以上.     

一种跳频信号网台分选方法

跳频信号的网台分选是电子战领域的一个传统难题。该文提出了一种跳频信号网台分选方法,首先采用独立分量分析算法FastICA初步分离混合信号,再利用短时傅立叶变换和图像处理技术对信号进行进一步处理,使之达到完全分离,最后估计出各电台跳频信号的跳周期、跳变时刻、跳变时间和跳频频率等参数,实现跳频信号网台分选。采用该方法对实际采集到的由两个跳频电台混合的信号进行仿真,结果表明,跳频信号网台分选效果良好,且快速可靠有效。     

基于频谱估计的频域稀疏压缩采样信号重构

压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。     

直扩通信中基于小波变换的跳频干扰抑制方法

跳频信号是一类时频分布不连续的信号。针对直扩通信中的跳频干扰,使用Morlet小波变换,准确估计出跳频干扰的跳变时刻和频率,并通过频域自适应陷波算法对干扰进行抑制。不仅克服了STFT和WVD在对跳频干扰参数估计时的不足,而且不需要任何先验知识,实现了基于小波变换的跳频干扰参数盲估计。计算机仿真表明,该算法可以在较大干信比范围内有效抑制跳频干扰。     

多跳频信号的盲分离与参数盲估计

针对接收到的多个未知任何先验参数的跳频信号，提出一种先分离各个信号再对其分别进行时频分析来估计跳频参数的方法.首先采用特征矩阵联合近似最优化(JADE)算法分离跳频信号，再利用多窗口重叠的平滑伪Wigner Ville分布(SPWVD)来估计出跳频信号的跳周期(hop duration)、定时偏差(time offset)和跳频频率(跳频图案)等参数.通过将多个时频分析的窗口重叠来克服时频分析中交叉项的影响.仿真结果表明，该估计算法显
著提高了估计的准确度和可靠性.     

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布（SPWVD：SmooLhedPseudoWigner—VilleDistribution）在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于sTfTr（Short—TimeFourierTransform）与WVD（Wigner—VilleDistribution）的联合算法（STFT—WVD）,实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT—WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT—WVD比SPWVD具有更好的整体性能,在信噪比优于-1dB时,能得到更为精准的估计值。     

短波复杂信道下跳频信号的参数估计

提出一种可以有效克服短波复杂信道环境影响的高精度跳频信号参数估计方法。首先使用短时傅里叶变换（STFT）做信号的时频谱图,并通过图像处理方法对谱图进行预处理;然后提取谱图的时频脊线,用形态学平滑消除时频脊线的畸变,通过一阶差分获得跳变位置;结合信号的时域信息精确估计跳变点位置,完成信号整体跳变定时;最后在信号整体跳变定时的基础上,对信号逐跳进行定时调整和精确测频。实验结果表明该方法切实有效,计算量小,参数估计精度高。     

一种联合跳频信号参数估计方法

提出一种新的跳频信号参数联合估计算法,即对跳频信号作较短窗长STFT,然后提取其时频脊线得到跳频周期、跳变时刻的精确估计和跳频频率的粗估计,最后对跳频频率的粗估计值所在频域区间进行Zoom-FFT细化分析,得到跳频频率的准确估计。仿真结果表明,与基于SPWVD和基于小波变换的参数估计方法相比,该方法具有更好的抗噪性能和更小的计算量。     

一种贪婪自适应压缩感知重构

为了优化压缩采样匹配追踪算法的性能,提出一种压缩采样修正匹配追踪贪婪自适应算法.该算法采用了具有理论保证的模糊阈值预选方案以避免预选时使用信号的先验信息,设置了初次裁剪门限以减少不必要的迭代,改进了裁剪方式以尽可能地提高重构精度,同时避免了裁剪阶段使用先验信息,最终实现了可压缩信号的自适应重构.仿真结果表明:在同等稀疏条件下实现了精确重构,该算法与原算法相比运算速度提高了2倍,所需观测值个数少1%,并且在稀疏度较高的情况下,该算法对噪声的抗干扰能力也优于原算法.     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

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.     

非重构压缩样值的MPSK信号最大似然调制识别

在不重构出原始MPSK信号的前提下进行多元假设,推导出不同假设下压缩样值的最大似然函数,提出一种压缩域最大似然调制识别方法。在压缩感知（CS）框架下,压缩域最大似然调制识别方法（compressive maximum likelihood,CML）使用远小于传统的基于奈奎斯特采样的最大似然调制识别方法（traditional maximum likelihood,TML）所需的采样个数实现MPSK信号的调制识别。同时给出了在压缩域进行调制识别的标准,并分析了CML算法的识别的性能。最后给出了该方法的性能仿真。仿真表明CML算法的运算复杂度更低,速度更快,而识别性能仅略低于TML算法。压缩比为1/2,信噪比为-8dB时,CML算法对BPSK信号的识别率达到95%。     

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.     

基于聚类的跳频信号分选

为了对跳频信号进行分选,主要研究了聚类算法. 首先对KHM算法进行改进,得到了对随机初始化中心不敏感的聚类算法,然后利用已有的聚类有效性评价函数获得最佳聚类数的范围,并提出了在此范围内寻找最佳聚类数的算法. 结合改进的KHM算法和聚类个数估计方法,利用信号持续时间、方位信息和功率,对跳频信号进行分选,实验表明,该算法能正确地分选出跳频信号.     

基于分布式压缩感知的宽带协作频谱感知算法

针对认知无线电中传统的宽带压缩频谱感知算法计算复杂度高、检测实时性差的缺点,提出基于分布式压缩感知信道能量观测差值的宽带协作频谱感知算法。该算法无需重构T+1时刻的信号频谱,只需重构T+1时刻与T时刻的信道能量差值,进而得到T+1时刻的信道能量;另外,为减少深衰落、阴影衰落等不利因素的影响,采用多个次用户协作频谱感知。数值分析表明,该算法所需的平均感知时耗为直接重构T+1时刻的信道能量算法的50%左右,且获得了检测概率大于0.95的检测性能。     

基于压缩传感的高精度同步相量测量方法

为了消除或减小采用GPS定时的同步相量测量中非精确同步采样所造成的测量误差,提出一种基于压缩传感理论修正离散傅里叶变换估计结果的高精度同步相量测量算法。该算法利用离散傅里叶变换对测量信号进行稀疏化,并采用狄利克雷矩阵为观测矩阵,通过压缩传感重构算法重构测量信号。仿真结果表明:与传统离散傅里叶变换方法相比,该算法在不需要延长测量时间的条件下能够有效消除或减小频谱泄露等误差,并在很大程度上提高了信号的相量测量精度。     

基于局部性质的改进正交匹配追踪算法

正交匹配追踪算法是一种重要的压缩感知重构算法,针对正交匹配追踪算法中当前信号的最优估计,每一个采样点都有它的局部性质,且相邻采样点之间必然相互影响.本文基于局部性质,对正交匹配追踪算法进行改进,提高了对稀疏参数的估计精度,实现了信号的重构,实验证明了该方法的有效性。     

联合频相估计中的对称化解耦合技术

在突发通信系统中,针对联合频相估计中剩余频偏严重影响相偏估计的缺陷,提出了一种对称化解耦合技术．首先,分析了对称化的采样时刻集可以使联合频相估计解耦合的特点,并由此提出了对称化解耦合技术; 然后,在数据辅助和非数据辅助两种同步模式下,将该技术运用在联合频相估计中,并给出了相应的理论分析; 最后,提出了串行/并行联合频相估计器的概念．理论分析和仿真结果表明,经过对称化解耦合操作可以降低相偏估计的均方误差,同时也具有更强的对抗剩余频偏的能力,可容忍的剩余频偏范围至少扩大为原来的三倍．另外,该技术对具体的联合频相估计算法没有要求,具有一定的普适性．     

压缩传感非稀疏宽带频谱导频检测方法

为了突破频谱稀疏性对压缩传感技术的限制,提出了一种基于压缩传感的频谱检测方法,在保证对主用户的干扰不超过指定门限的前提下,通过对目标频段的主用户信号和导频信号在频域进行线性运算,保留频谱空洞处的导频分量,把对非稀疏的主用户信号的恢复转化为对稀疏导频信号的恢复.该方法解决了认知无线电宽带频谱检测中,压缩传感技术在主用户信号非稀疏时的失效问题.仿真结果表明,导频检测方法可以对非稀疏频谱的频谱空洞位置进行准确检测.