跳频网台分选方法概述

本文简要介绍了跳频组网方式,并通过实际接收机采集数据验证了两种常见的跳频网台分选方法。实验表明,基于盲源分离和不同网台间信号特征的分选方法均具有可行性,但各自都存在优缺点,以帮助研发人员在工程应用中进行合理选择。     

跳频网台信号分选技术研究

详细阐述了跳频同步正交网台信号分选技术中网络信息参数的提取问题，并对参数提取的性能进行了仿真验证。     

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。     

基于盲源分离的跳频网台分选

盲源分离在跳频网台分选中有良好的应用前景,但是其应用受到噪声、信号功率差异和信号相对带宽等因素的影响。首先实验验证了盲源分离在跳频网台分选中应用的可行性;接着,分析了这些因素影响分离效果的原因;最后,通过数值仿真,验证了理论分析,并指出了要达到一定的分离效果,噪声、信号功率比和信号相对带宽需要满足的数值条件。     

跳频网台分选中跳频规律的分布情况数据分析

通过大量仿真和测试数据分析，对通信电台跳频规律的分布情况进行了统计，得出了对网台分选有一定指导意义的测试结论。     

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。      

基于稀疏贝叶斯学习的多跳频信号DOA估计方法

针对多跳频信号空域参数估计问题,该文在稀疏贝叶斯学习(SBL)的基础上,利用跳频信号的空域稀疏性实现了波达方向(DOA)的估计。首先构造空域离散网格,将实际DOA与网格点之间的偏移量建模进离散网格中,建立多跳频信号均匀线阵接收数据模型;然后通过SBL理论得到行稀疏信号矩阵的后验概率分布,用超参数控制偏移量和信号矩阵的行稀疏程度;最后利用期望最大化(EM)算法对超参数进行迭代,得到信号矩阵的最大后验估计以完成DOA的估计。理论分析与仿真实验表明该方法具有良好的估计性能并能适应较少快拍数的情况。

     

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。     

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。     

利用谱估计算法的雷达信号分选

传统雷达信号分选过程中分别进行脉冲重复频率检测与初始到达时间估计时,脉冲搜索时间过长。为此,提出了一种新的基于谱估计的信号分选算法。该算法通过谐波滤除减小了脉冲初始到达时间估计的运算次数,并在进行脉冲重复频率检测的同时估计脉冲初始到达时间,从而避免了传统信号分选算法中对整个序列的遍历,节省了计算资源。仿真结果验证了该算法的有效性。     

基于空频解耦的宽带DOA估计算法

宽带波达方向(DOA)估计是宽带阵列信号处理领域的热点问题,当宽带信号的距离分辨率与宽带孔径可比拟时,孔径渡越效应会成为影响宽带波达方向估计精确度的重要因素。基于宽带阵列信号在空域与频域间呈现线性耦合的特点,利用梯形变换进行解耦处理,并对解耦后数据相干积累进行 DOA估计。实验结果表明,通过对宽带孔径渡越效应的消除,宽带 DOA估计精确度显著提高。该算法具有较低的计算复杂度和较高的 DOA估计精确度,是一种有效的宽带 DOA估计算法。     

基于PSO - BP神经网络的DOA估计方法

提出利用粒子群算法优化BP神经网络来改善来波到达角估计性能的方法.传统的BP神经网络易陷入局部最优,因此采用粒子群算法对网络的权值和阈值进行优化,并将其应用到来波到达角估计中.所提方法仅利用阵列协方差矩阵的第一行作为来波方位特征,与常用的协方差矩阵上三角特征相比,在不损失有效方位信息的基础上使特征维数极大降低.仿真实验证明:同经典的RBF神经网络方法相比,基于所提方法的神经网络结构更简洁,泛化性能更好,来波方位估计精度更高.     

基于MUSIC算法的相干信号DOA估计改进及应用

空间信号的到达方向(Direction of Arrival,DOA)估计近些年来越来越多地得到大量的关注和研究.在实际工程中进行信源信号DOA估计时,由于空间环境的复杂多变,雷达阵列接收的信号包含大量的相干信号.在空间谱估计中,经常会因相干信源信号的存在导致目标定位不精确或无法定位的问题.在面对相干信号时,MUSIC算法等子空间类算法已经无法满足空间谱估计的性能.因此,本文提出了一种改进的MUSIC算法能够较好的解决该问题.     

基于分数阶傅立叶变换的WLFM信号DOA估计

本文提出了一种新的基于分数阶傅立叶变换的DOA估计算法,该算法首先将天线阵的观测信号变换到分数阶Fourier域,并将时域时变的方向向量转化为分数阶Fourier域时不变的方向向量,同时将线性调频信号解调为窄带平稳信号,然后在相应的分数阶Fourier域,利用root-MUSIC算法进行波达方向估计.理论分析与仿真结果表明,该方法算法简单,估计性能好.     

DOA estimation of LFM signal based on Krylov subspace method

Telecommunication Systems - Direction of arrival estimation of LFM signal is an essential task in radar, sonar, acoustics and biomedical. In this paper, a short time Fourier transform multi-step...     

基于选择性集成径向基神经网络的来波方向估计

本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显著提高。     

基于ESPRIT算法的多信号二维DOA分离估计

基于双排直线阵并附加一阵元和ESPRIT算法,介绍了一种多个空间信号时利用奇异值分解构造特殊的矩阵束自动实现相应参数配对的处理方法,省去了以往ESPRlT算法繁琐的参数配对过程,同时又利用阵列接收信号的二阶统计量改善了原先自动参数配对算法在处理大快拍数时运算量较大的缺陷。计算机仿真验证了该算法的可行性。     

宽带信号DOA估计处理方法研究

从频域上建立宽带阵列接收信号的模型,引出了2种宽带阵列信号处理的研究方法:非相干信号的处理方法(ISM)和相干信号子空间算法(CSM)。并利用MATLAB仿真软件,模拟远场、等功率、平稳的第三代移动通信手机信号,对2种算法性能进行对比。仿真结果表明,CSM算法相对ISM算法虽然加大了运算复杂度,但是能够更有效分辨出宽带相干信号。