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.     

基于自混频的多跳频信号跳周期估计

针对跳频信号参数估计方法大多难以适应多跳频信号同时存在,且没有考虑信道衰落及定频干扰等复杂电磁环境的影响,提出一种基于延时自混频的多跳频信号跳周期估计方法。该方法通过延时自混频方式构造辅助信号,提取辅助信号的直流分量,进而得到随延迟时间变化的能量曲线,最后通过拐点检测的相关方法得到各跳频信号的跳周期,同时分析了在定频干扰和多径衰落下算法的有效性。仿真实验表明,该方法运算复杂度低,跳周期估计精确度高,鲁棒性较强,可用于估计多跳频信号的跳周期,适合实际工程应用。     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换(STFT)时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

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.