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。      

基于时频能量对消的跳频信号参数盲估计

为了解决存在定频干扰时跳频信号的参数盲估计问题,提出了一种基于时频能量值对消的定频干扰去除算法,并且利用最小二乘法实现跳频信号的参数盲估计。首先,利用K-means算法对能量对消差值聚类选取自适应阈值,同步去除噪声和定频干扰;其次,提取重构时频矩阵每一时刻频率轴的能量最大值,得到周期震荡的包络图;最后,利用最小二乘法对包络图每一极值时刻线性拟合,实现跳频信号参数的盲估计。仿真结果表明,与同类算法相比,该算法有效去除定频干扰,实现了更低信噪比条件下跳频参数的高精度估计,并使估计参数的相对精度维持在较高水平。     

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。      

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...     

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。     

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.     

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。     

多跳频信号的2D-DOA估计

为了利用跳频信号的二维波达方向（2D-DOA）辅助同步跳频信号的网台分选和信号识别、跟踪,提出一种基于酉ESPRIT算法的多跳频信号2D-DOA估计方法。首先利用形态学滤波的方法对跳频信号的时频图进行修正,并在修正的时频图上完成有效跳的提取;然后基于平面天线阵列结构,建立有效跳的阵列快拍数据模型;在此基础上,采用酉ESPRIT算法进行跳频信号的2D-DOA联合估计。该方法将接收数据从复数域转化到实数域处理,降低了运算复杂度;同时构造实矩阵时,复用了接收数据,提高了估计精度。仿真结果表明,该算法具有良好的估计性能。      

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。     

采用纹理特征的跳频信号盲检测算法

针对通信对抗中的跳频信号检测问题,提出了一种基于纹理特征的跳频信号盲检测算法。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;然后通过连通区域标记获得时频图中各信号的位置信息,并采用聚类分析去除定频、突发等干扰,实现跳频信号的自动盲检测。仿真结果表明,该算法可以更加有效地分割信号与背景噪声,能够在较低的信干噪比下检测出跳频信号。      

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。     

复杂环境下跳频信号网台模糊分选

跳频信号的网台分选是电子战领域的一个传统难题。由于实际作战环境非常复杂,有时同时存在多个定频信号、多个跳频电台信号,而且这些电台的跳变速度相近,工作的频率范围又可能有重合,就更增加了网台分选的难度;文章详细分析了跳频信号的特点,建立了一个模糊分选的数学模型,并结合周期值估计的方法,利用容易侦察得到的频率、驻留时间、电平等参数进行网台模糊分选。通过大量的工程实用表明,这种算法能够适用于复杂环境下跳频信号的分选。     

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。     

基于图像处理的跳频信号参数估计和双网台分选

针对多网台的跳频信号的参数估计和网台分选问题,提出了使用图像处理的方法。针对低信噪比的情况下参数估计精确率低的问题,提出了适用于图像处理去噪的自适应定门限二分聚类算法。最后,进行了实验仿真,仿真结果表明通过自适应定门限二分聚类算法对跳频信号进行去噪后,再通过图像处理的深度学习检测框架可以有效地对双网台的跳频信号进行网台分选,并且较为精确地识别出跳频参数。     

跳频正交网台信号分选算法研究

跳频正交网台信号的分选是跳频通信侦察领域亟待解决的关键问题,在简要叙述 2种典型跳频组网方式基本特征的基础上,从侦察和反侦察相结合的角度出发,进一步深入分 析了2种组网方式的组网机理和不同跳频网之间信号特征的差异性,并找出了可用于分选的 特征参数;重点讨论了2种网台信号的分选问题,分别给出了1种分选算法。     

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。     

基于发动机冷试的非平稳信号分析与特征提取

联合时频是分析非平稳信号的有力工具,文章通过几种时频分析如STFT、Wigner-Ville分布、小波变换和小波能量商,对发动机冷试振动信号进行分析。结果表明:STFT、WV、及WT均能一定程度反应信号的时频分布,STFT频率分辨率有限,WV分布存在一定的交叉干扰项,小波变换能够在各个尺度对信号进行观察,小波包能量商能够清楚地观察信号的能量分布,能够作为发动机状态的特征向量。     

多跳频信号波达方向与极化状态联合估计算法

为了有效辅助跳频(FH)网台分选和信号识别、跟踪,该文用正交偶极子对构造极化敏感阵列,基于空间极化时频分析,在欠定条件下实现了多跳频信号波达方向(Direction Of Arrival, DOA)与极化状态的高效联合估计。首先建立跳频信号的极化敏感阵列观察模型,然后根据参考阵元时频分析结果建立各跳信号的空间极化时频分布矩阵,再利用该矩阵中蕴含的信号极化-空域特征信息分别运用线性、二次型空间极化时频以及多项式求根共3种方法实现DOA与极化参数联合估计,最后蒙特卡罗仿真结果验证了该算法的有效性。     

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.