基于稀疏重构的跳频信号时频分析方法

针对现有时频分析方法存在噪声抑制能力弱、时频聚集性不强的缺点,提出了一种基于稀疏重构的跳频信号时频分析方法来获取清晰的、高聚集度的时频图。首先根据惩罚函数的思想建立了跳频信号无约束的稀疏重构模型;然后理论分析了罚函数因子的取值标准;最后用近似l0范数算法求解得出跳频信号的时频图。仿真结果表明该算法能够有效地获取跳频信号的时频图。     

基于稀疏时频分布的跳频信号参数估计

基于常规时频分析方法的跳频信号参数估计中,采用核函数抑制时频分布交叉项会导致时频聚集性的下降,不利于信号参数提取。针对此问题,该文提出一种基于稀疏时频分布(STFD)的跳频信号处理方法。该方法首先根据Cohen类分布的原理和跳频信号模糊函数的特点,以模糊域矩形窗为核函数,构建了一种Cohen类的矩形核分布(RKD)。RKD可有效抑制交叉项,但其时频分辨率较低。为提高RKD的时频性能,在压缩感知框架下,利用跳频信号时频分布的稀疏特性,对RKD附加稀疏性约束,建立稀疏时频分布(STFD)的优化求解模型。STFD不仅能有效抑制交叉项,而且具有良好的时频聚集性。仿真分析表明,与传统时频分析方法相比,该文提出的基于STFD的跳频信号参数估计方法性能更优。     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

基于时频分布迭代的跳频信号参数估计

提出了一种基于时频分布迭代的跳频信号参数估计新算法,利用时频平面最大值,通过计算跳频信号与最优原子时频分布的残差逐次迭代获取匹配于跳频信号分量的时频参数,进而实现跳频信号参数估计.理论分析和仿真结果表明,与基于匹配追踪和粒子群优化的跳频信号参数估计相比,基于时频分布迭代的参数估计算法在保证算法精度的情况下,有效地降低了算法的计算复杂度,为跳频信号盲接收的实时实现提供了一种新方法.     

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.     

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。      

利用遗传算法实现基于MP的跳频信号稀疏分解

在目前的通信领域中,跳频信号的应用越来越广泛,而信号的稀疏表示在信号处理的许多方面都有着重要的应用.将跳频信号稀疏分解后得到的稀疏表示可以方便的应用到跳频信号的参数估计及后续处理中去.本文针对目前基于MP (Matching pursuit)的跳频信号稀疏分解中运算量巨大的问题,采用遗传算法(GA)快速地寻找MP算法中每一步分解的最佳原子,提高了信号稀疏分解的速度.仿真分析验证了此方法的有效性和适用性.     

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。     

基于过完备结构字典的跳频信号稀疏分解

过完备字典下的信号稀疏分解能够充分利用信号的结构特征,具有更好的稀疏分解性能。主要研究了跳频信号在过完备字典下的稀疏分解,提出了过完备结构字典下的跳频信号稀疏分解方法。利用跳频信号固有的结构特性,构造更加接近跳频信号结构特征的过完备字典,并采用FFT改进的匹配追踪算法对跳频信号进行稀疏分解。仿真结果表明该方法在分解效果和分解所需时间方面都有很大改善。     

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。      

Blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing

A blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing was proposed,in order to solve the problem that the existing parameter estimation algorithms did not take into account the sparse structural characteristics of the signals in frequency domain.Firstly,the maximum cosine method was used to process the segmented compressed sampling signals,and the hopping frequency was estimated.Then,the atom matching algorithm was used to process the signal with the hopping point,and the frequency hopping instance time was estimated accurately.Then the hopping speed and hopping time were estimated.The experimental results show that the algorithm can significantly reduce the sampling data and computational complexity,while improving estimation accuracy.     

基于时频能量谱特征的跳频电台个体识别

针对于跳频电台的细微特征分类识别问题,提出基于跳频信号时频能量谱的细微特征提取算法。首先,利用跳频信号在时频域的稀疏特性,通过稀疏重构方法得到跳频信号时频能量谱;然后,在不同尺度条件下对时频能量谱进行分割,分别提取时频能量谱瑞利熵、多重分形维数和差分盒维数三种特征;最后,通过支持向量机分类器对提取特征集进行训练、分类和识别,实现跳频电台个体识别。利用四部电台的跳频信号,验证对比了本文算法与另外两种算法的识别性能。实验结果表明,本文方法所提取的细微特征集具有较强的分辨能力,避免了由单一特征的相似性而引起的误判问题,能够在少量训练样本条件下,保持较高的识别正确率。      

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。     

基于时频分析的多跳频信号盲检测

为了减小低信噪比下干扰和噪声对跳频信号检测的影响,提出一种基于时频分析的多跳频信号盲检测算法.针对跳频信号、定频信号、高斯白噪声具有的不同时频分布特点,该算法利用短时傅里叶变换得到的时频图构造时频对消比;理论分析得到各信号的时频对消比是不同的,因此将其作为检测统计量,实现高斯白噪声背景下跳频、定频信号的盲检测.仿真结果...     

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。     

稀疏重构下的非线性调频信号参数估计算法

非线性调频信号广泛应用于雷达声纳领域，其具有多阶多项式相位、未知参数多的特点，给参数估计带来困难。针对此问题，本文提出一种稀疏重构下的非线性调频信号参数估计算法。该方法利用Gabor原子良好时频特性，以 范数稀疏正则最小二乘模型为目标函数，并推导了问题的二阶锥规划（SOCP）形式，最终通过求解的Gabor原子进行参数估计。算法分析信号的时频特征，完成信号的分解重构，适应于各类调频信号。仿真实验证明，本文算法对调频信号二阶与一阶相位参数估计精度都贴近CRB，而对二阶参数的估计较二次相位差分算法更适应较低信噪比。      

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

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。