基于软判决求解含错方程的自同步扰码盲识别

针对低信噪比情况下自同步扰码的识别问题,提出了基于软判决求解含错方程的自同步扰码盲识别方法。该方法首先通过硬判决序列识别出扰码多项式的阶数,建立含错方程组;然后提取软判决序列中比特的可靠度信息,根据选取的解向量将可靠度转化为每个方程成立的概率,找到使方程组成立概率最大的解向量,即为真正的扰码多项式。仿真实验表明,相比于基于硬判决的沃尔什-哈达玛变换(Walsh-Hadamard Transformation,WHT)算法,该方法在低信噪比下的容错性能较好。     

基于循环谱和矩阵变换的直扩信号参数估计

为了解决正确检测和识别直扩信号的问题，提出一种基于循环谱理论和矩阵变换法的盲估计算法。该算法在先验知识缺乏的情况下，充分利用直扩信号的二阶循环平稳特性，排除噪声干扰，对载频和码速率进行估计。并在此基础上运用矩阵变换法，将基带信号进行分段累加运算处理。实现伪随机序列的盲估计。Matlab仿真结果表明此算法可以在低信噪比情况下正确检测和识别出扩频信号的载频、伪码速率、伪码周期和伪码码形等主要参数。     

基于改进欧几里德算法的(n,1,m)卷积码识别

针对信息截获领域中(n,1,m)卷积码识别算法的应用范围受限和所需数据量大的问题,提出基于改进欧几里德算法的识别方法。该方法利用剩余定理改进经典欧几里德算法,使其可求n个多项式的最高公因式,识别(n,1,m)卷积码只要求码字多项式最高幂次大于记忆长度m,即截获的码序列长度大于其约束长度。Matlab仿真表明:在只需少量数据情况下,可识别所有(n,1,m)卷积码的生成多项式。     

高误码率下归零Turbo码参数识别

针对现有归零Turbo码码长、帧同步、码率等参数识别算法存在容错性能低且计算复杂度高的缺点,提出了一种具有高容错性的识别算法。利用每帧初始两码元的差分结果为确定零点特性,构建新的差分序列分析矩阵,通过改变分析矩阵的列数并作特定的矩阵变换,实现码长识别。基于极大极小准则,解算出确定零点与随机零点的判决门限,实现确定零点识别,然后通过遍历确定零点,完成帧同步识别。从工程实际以及编码约束关系出发,遍历码率以及寄存器个数的可能值,实现码率以及寄存器个数识别。仿真实验表明：差分确定零点位置分布与总结的3个特点一致,判决门限能够有效判断差分确定零点;该算法容错性能较强,在误码高达0.20条件下,各种参数识别率能够达到96%以上,且所需码元数据量以及计算复杂度远小于现有算法。     

空间非平稳噪声下的信源数估计算法

针对空间非平稳噪声环境下信源数估计问题，分析了利用特征向量正交性估计信源数方法存在的不足，并讨论了常见对角矩阵在消除非平稳噪声时存在的问题，提出了一种新的信源数估计算法。该算法先利用特殊构造的对角矩阵进行变换消除非平稳噪声影响，然后将Bootstrap和假设检验理论相结合估计信源数。该算法无需噪声分布模型假设，在低信噪比下有较好的估计性能，有一定实用价值。     

一种低信噪比情况下宽带高分辨测向算法

一般宽带侧向算法在低信噪比情况下分辨率很低.文中提出一种新的构造聚焦矩阵的方法,该方法聚焦前后阵列信噪比没有任何损失.新方法在信噪比很低的情况下,仍能实现高分辨测向,且突破了瑞利角分辨极限的限制.相比经典的CSM算法,该方法在低信噪比情况下具有更高的精度.实验结果证明了该算法的有效性.     

伪码脉冲引信m序列的相位校正二阶差分识别

应用FFT测脉冲初始相位并计算相位序列的二阶差分来识别伪码脉冲引信信号m序列,在信号环境复杂、信噪比较低的情况下,存在误差较大、识别正确率低的问题。为此,提出在测脉冲初始相位的同时,通过检测测频误差来对消测相误差,对相位序列二阶差分进行校正的相位校正二阶差分方法来识别信号m序列。在不同信噪比条件下,仿真结果显示相位校正二阶差分识别算法能取得更好的识别效果。     

基于高阶累积量和熵值联合特征的调制识别算法

现代战争信息传输主要通过无线电通信实现,调制识别是通信侦察的关键技术,准确识别信号调制方式可为后续信号的解调及采取相应的对抗措施提供有利的条件。文章提出了一种基于高阶累积量和熵值联合特征的数字信号调制识别算法,提取高阶累积量和熵值作为分类特征。依据各特征参数的分类性能选取判决准则和门限值,构造出决策树分类器,从而实现对数字通信信号调制方式的识别。根据设定数字信号进行了仿真实验,结果表明该算法可在低信噪比情况下正确地识别数字通信信号调制方式,具有较强的可靠性与准确性。     

高斯色噪声背景下双基地MIMO雷达的多目标定位

针对雷达实际环境中的高斯色噪声背景,提出了基于ESPRIT-like的双基地MIMO雷达多目标定位方法。首先利用接收信号构造四阶累积量,然后根据新的联合导向矢量的特殊结构,对四阶累计量数据实施行抽取运算,提取出发射和接收"扩展"旋转不变因子,并基于ESPRIT-like方法估计出目标的发射角和接收角,最后利用复矩阵法实现了目标收发角度的配对。理论和仿真实验表明:该方法不受接收阵元数目的限制,不需要解相位模糊问题,在低信噪比时,角度估计性能优于已有的相关算法,在高信噪比时,角度估计性能接近于根克拉美罗界。     

一种低输入信噪比和低恒虚警约束下的PN码快捕算法

针对短帧突发模式下直接序列扩频( DSSS)通信系统要求在有限时间内以很低虚警和漏警概率捕获PN码相位这一难题,提出了一种基于数字匹配滤波器(DMF)的多码元非相干累加单次驻留检测的PN码快速捕获算法。它在传统单次驻留算法的基础上,用多码元累加来提高码相位判决量的信噪比,从而大大降低了低输入信噪比和低恒虚警约束下的平均捕获时间。分析了该算法在QPSK-DSSS系统下的捕获性能,仿真结果证明了该算法可以在低信噪比和低恒虚警条件下实现PN码的快速捕获。     

基于相关滤波和哈达玛变换的帧同步码识别

为从侦收到的信息中得到帧同步码,提出了基于相关滤波及哈达玛变换的识别方法。该方法先利用二次相关滤波区分信息码和帧同步码,然后利用哈达玛变换压缩数据处理量识别出帧长,最后通过模糊匹配法进一步识别出同步码的同步起始位和码型。仿真结果表明:在较高误码率的影响下,该方法可以利用较少的数据量快速准确地建立帧同步,并具有较好的识别效果。     

集中插入式帧同步识别方法

在非协作方截获的数字序列帧同步码的识别问题研究中,由于帧的长度未知、帧同步码未知,给识别带来困难。为此,提出了利用小区域检测估计帧长,利用二次滤波估计帧起始位,然后用模糊匹配识别帧同步码型的识别方法,对巴克码或m 序列进行了集中插入式帧同步识别仿真。仿真结果表明:在误码率不大于4%的情况下,上述方法对集中式插入帧同步的数据帧有较高的帧同步识别率:巴克码为80%,m 序列为78%.     

基于卷积网络和对抗式学习的雷达信号识别算法

针对雷达信号识别中因新信号数据与训练数据的样本差异,导致卷积网络模型识别率下降的问题,提出一种基于卷积网络和对抗学习的雷达信号识别算法,提升模型对新样本的识别率。首先,依据时频变换理论,变换得到雷达信号时域-频域能量分布图像,以表征信号脉内调制特征;然后,结合深度可分离卷积的结构,构建卷积网络模型,并利用样本数据对模型进行预训练;最后,融合生成对抗网络的思想,网络模型采用对抗学习方式,根据输入新样本数据自适应调整、更新网络各层参数,提升模型对新样本特征提取能力。仿真结果表明,-4dB信噪比样本识别率由79.78%提升到90.67%,-2dB信噪比样本识别率由83.15%提升到91.00%,验证了算法的有效性。     

An Automatic Interference Recognition Method in Spread Spectrum Communication System

An algorithm to detect and recognize interferences embedded in a direct sequence spread spectrum （DSSS） communication system is proposed. Based on Welch＇ s averaging modified periodogram method and fractional Fourier transfor- mation （FRFT）, the paper proposes a decision tree-based algorithm in which a set of decision criteria for identifying different types of interferences is developed. Simulation results demonstrate that the proposed algorithm provides a high recognition rate and is robust for various ISR and SNR.     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。     

用于合成孔径雷达抗欺骗干扰的多相编码优化方法

欺骗干扰能够获得距离和方位向压缩增益,使用较小功率即可实现对合成孔径雷达（SAR）的有效干扰。针对SAR的欺骗干扰抑制问题,提出了基于多个互正交多相编码在脉间捷变的抗干扰方法。利用加权循环算法,优化多相编码,提高自相关峰值,降低自相关旁瓣和互相关峰值,提高抗转发式欺骗干扰性能。通过仿真比较了模拟退火算法、遗传算法优化多相编码与本文优化所得多相编码的自相关和互正交性能,并从多个不同干扰功率入手,对研究的多相编码抗欺骗干扰性能与二相编码进行了对比,20 dB干扰时该方法仍可达到88%的检测概率,证明了方法有效性。     

基于双PN 周期的窄带干扰直扩序列盲估计

为了解决窄带干扰条件下低信噪比直扩信号扩频序列（direct sequence spread spectrum,DSSS）的盲估计问题,提出一种基于双PN周期分解的扩频波形估计算法。该算法用2倍PN周期进行采样形成观测向量,利用特征分解法求各特征值及其向量,并利用特征向量消除窄带干扰,并求出PN码序列。结果表明：该算法在低信噪比条件下能完成对PN码序列的精确估计,能解决传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题。