基于广义矩形时频分布的跳频信号参数估计

能够有效地对接收到的跳频信号进行参数估计是干扰跳频通信的重要前提。由于广义矩形时频分布能够在有效抑制交叉干扰项的同时具有好的时频聚集性,提出了一种基于广义矩形时频分布的跳频信号参数盲估计算法。该算法能够在低信噪比条件下估计出跳频信号的跳频周期、跳变时刻和跳频频率。仿真结果表明,与基于平滑伪Wigner-Ville时频分布（SPWVD）估计跳频信号参数的算法进行比较,该算法提高了跳频信号参数估计的准确度和可靠性。     

基于重排Gabor谱方法的跳频信号参数估计

对接收到的跳频信号进行时频分析是跳频信号参数估计的重要步骤。利用重排方法对信号的时频谱图进行重排,有效地抑制了交叉干扰项,提高了信号的时频聚集性并且改善了信号时频谱图的可读性。对跳频信号的Gabor谱进行重排,能够在低信噪比条件下估计出跳频信号的跳频周期、跳变时刻和跳频频率等参数。仿真结果表明,与Gabor谱方法比较,采用重。排Gabor谱方法对跳频信号进行分析,提高了跳频信号的跳频周期和跳变时刻估计的准确性。     

一种基于时频分析的跳频信号参数盲估计方法

本文提出了一种采用平滑伪WVD(SPWVD)时频分析来估计未知跳频信号参数的方法，该方法可以在不需要知道信号任何先验参数的情况下，估计出跳频信号的跳周期(hop duration)，跳变时刻(hop timing)和跳频频率(跳频图案)等参数。文中对跳频信号的WVD、PWVD和SPWVD结果作了比较，指出了SPWVD的优点，给出了基于SPWVD估计跳频信号参数的具体算法步骤，并进行了性能分析。     

基于S变换的跳频信号特征参数盲估计

提出了一种基于S变换的未知跳频信号参数盲估计方法。该方法利用S变换良好的时频聚集性,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳频频率、跳变时刻和跳频信号驻留时间等参数。文中阐述了S变换的基本原理,应用S变换对跳频信号进行了分析并与其他时频分析方法作了比较,最后给出了估计跳频信号参数的具体算法步骤,通过计算机仿真得到了较为准确的估计结果,验证了该算法的有效性。     

局域波分析在跳频信号参数估计中的应用（李）

【】为了对截获的跳频信号进行有效分析并估计其参数,根据跳频信号频率随时间变化的特点,提出了一种基于局域波分析的跳频参数估计方法。本文利用基于噪声辅助的局域波分解方法先将跳频信号分解成多个单分量信号,再将每个分量求其希尔伯特谱,得出时频图及其边际谱图,进而准确估计出跳频周期和跳频频率等参数。理论分析和仿真结果表明,这种新的时频分析方法能够有效抑制噪声干扰,得到跳频信号的时频图效果很好,是一种有效的跳频信号参数估计方法。     

基于时频脊线的跳频参数盲估计

 为了估计未知跳频信号的参数,提出一种基于时频脊线的跳频参数盲估计方法,根据跳频信号频率的瞬变特性,通过对跳频信号时频脊线的小波变换,可以准确估计跳周期,进而估计其它跳频参数.理论分析和仿真结果表明,该方法可以在低信噪比下以较低的运算复杂度实现高精度的参数估计,整体性能优于现有的跳频参数盲估计方法.     

形态学滤波与组合时频分布跳频信号参数估计

针对跳频信号参数估计中平滑类维格纳分布（WVD）运算量大和时频分辨率下降等问题,提出一种基于形态学滤波与组合时频分布的跳频参数盲估计方法。该方法首先利用短时傅里叶变换（STFT）和维格纳分布得到跳频信号的组合时频分布,然后通过形态学滤波得到清晰的时频图,进而估计出跳周期、跳变时刻和跳频频率等参数。理论分析和仿真结果表明,与直接利用平滑伪维格纳（SPWVD）进行跳频参数估计相比,该方法计算量更小,估计精确度更高。     

强干扰下跳频信号的提取

强干扰存在的情况下,跳频信号检测和特征提取十分困难,为此,结合图像处理和噪声峰值提取的思想,提出了完整的提取跳频信号特征的方法:以短时傅里叶变换时频谱为基础,改进了一种利用形态学图像处理估计噪声基底的方法来消除噪声;然后,对每个时刻的频谱估计出信号个数和对应频率,根据统计的所有时刻的各类信息,将干扰信号排除,得到跳频信号.仿真实验表明,该方法能够在强干扰存在时,检测出幅度较弱的跳频信号,具有较好的抗强干扰性能.     

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.     

基于小波变换的跳频信号参数盲估计

本文提出了一种基于小波变换的未知跳频信号参数盲估计方法.该方法利用小波变换在时频域上良好的局部化性质和检测突变点能力,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳变时刻、跳频频率和跳频周期等参数.文中阐述了应用小波变换对跳频信号分析的基本原理,给出了估计跳频信号参数的具体算法步骤,在计算机仿真的基础上对结果进行了性能分析,得到了较为准确的估计结果.     

采用局部特征尺度分解的跳频信号参数盲估计算法

针对现有跳频信号参数盲估计算法存在时间分辨率和频率分辨率矛盾这一问题,提出了一种基于局部特征尺度分解的跳频信号参数估计新算法。该算法将跳频信号迭代地分解成若干个内禀尺度分量并进行降噪处理,然后对其最大瞬时幅度进行小波变换和傅里叶变换即可估计出跳频信号的跳变时刻和跳频周期,最后根据得到的跳变时刻和跳频周期可以进一步估计出跳频频率集。该算法不受时频不确定性原理的影响,能够在未知先验知识的条件下估计出跳频信号的跳周期、跳变时刻和跳频频率集。最后通过仿真验证了算法的有效性。      

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。      

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。      

基于多通道数据融合的跳频信号频率跳变时刻估计算法

针对低信噪比条件下宽带高速跳频信号的参数估计问题,提出一种多通道数据融合跳频信号频率跳变时刻估计算法。该算法利用无盲区数字信道化预处理实现宽带跳频信号的全概率、全盲接收,通过数据融合得到一路包含全部频率跳变信息的参考信号,并利用该参考信号进行最大似然估计得到频率跳变时刻精确估计值。给出了所提出跳变时刻估计算法的Cramer-Rao下界并进行实验仿真。理论推导和仿真结果表明:针对一定的输入信噪比,适当选择信道化数和估计时间可实现较高的估计精度。在0dB信噪比条件下,采用16通道数字信道化处理,估计方差小于10-3。      

基于YOLOX的跳频信号检测

现有跳频信号检测算法大多针对固定参数的跳频信号检测,而面对可变参数的跳频信号检测时,其每跳时长及带宽的不确定性导致这些算法的适用性下降。为此,提出了一种基于YOLOX的跳频信号检测算法。该算法适用于固定参数跳频信号和可变参数跳频信号,判断跳频信号的存在性。首先将观测时间内的信号进行短时傅里叶变换获得灰度时频谱图;然后将时频谱图经过目标检测网络YOLOX,获得各个信号的预测框;最后根据跳频信号各跳点的时间连续性,筛选出跳频信号各个跳点,根据连续跳点个数判断跳频信号的存在性。对算法的检测流程进行了仿真,以验证算法的可行性。实验结果表明,该算法可以较好地完成盲检测任务,且能够通过增加较少的先验信息以提高检测性能。     

基于柯西分布的跳频信号参数最大似然估计方法

该文针对传统的跳频信号参数估计方法在alpha稳定分布噪声下性能严重退化的问题,引入基于柯西分布的最大似然估计方法。将跳频信号分解到由信号包络参数和频率参数构成的2维平面,基于柯西分布建立最大似然函数,在抑制alpha稳定分布噪声的同时,直接对信号的频率参数进行估计。在构建的最大似然函数基础上,该方法依据跳频信号的短时平稳性,对信号进行加窗,有效获得信号的跳频频率及其跳变次序,进而实现对信号的跳变时刻和跳频周期等参数的估计。仿真结果表明,在alpha稳定分布噪声环境中,相比基于分数低阶统计量及基于Myriad滤波的时频分析方法,该文所提方法提高了跳频信号的参数估计精度,具有良好的稳健性。     

基于分段压缩和原子范数的跳频信号参数估计

针对压缩域跳频信号参数估计方法需借助测量矩阵寻找压缩采样数据的数字特征,造成运算复杂度高,且存在基不匹配的问题,提出一种压缩域数字特征和原子范数的跳频信号参数估计方法。建立块对角化的测量矩阵,实现信号分段压缩,分析压缩采样数据的数字特征,实现跳变时刻粗估计;分离出未发生频率跳变的信号段,利用原子范数最小化方法实现跳变频率的精确估计;最后依据精确估计的跳变频率,设计原子字典,并在压缩域实现跳变时刻的精确估计。基于该算法的跳变频率估计性能高于基于压缩感知的跳变频率估计,亦能精确估计跳频信号的跳变时刻。仿真结果显示,在信噪比高于-2 dB,压缩比高于0.5时,基于该算法的归一化跳变频率估计误差低于10-4,归一化跳变时刻估计误差低于10-2。