跳频电台的同步技术

跳频电台的同步技术总参通信部驻天津市军事代表室李相东，张金善跳频电台之间要想实现通信联络，两部电台之间必须保持相互同步，必须在相同的时刻使用相同的频率，实现这一点必须通过同步系统，这个同步系统与一般通信系统中的同步是不一样的，它是跳频电台技术的核心，...     

战术跳频电台的发展趋势

随着信息时代的到来。信息化战争登上了现代战争的舞台。现代战场电磁环境更加恶劣。通信电子战日益激烈，从而对通信设备与系统的抗干扰能力、操作使用、战时通信联络组织实施等提出了更高的要求。为适应信息化战争的要求，作为现代战场主要抗干扰通信设备的战术跳频电台正向以下趋势发展。     

短波模拟跳频电台跳频部件的工程设计

本文论述了短波模拟跳频电台跳频部件工程设计的若干问题，文中所述的软件相关法接收同步信息及跳频码序列的软件产生很有实用意义。     

基于瞬时包络特征的跳频电台个体识别方法

通信电台发射的信号通常表现出一定的细微特征差异,针对这种细微特征差异,本文在论证跳频信号跳变瞬时包络可以作为电台个体细微特征的基础上,提出了一种基于跳频信号瞬时包络特征的跳频电台个体识别方法。首先基于一种改进的基于小波变换的包络提取算法,提取出了样本信号跳变时刻的瞬时包络,并减轻了噪声等因素的影响。其次,分离并定量计算其盒维数和信息维数等瞬时特征,将得到的跳频信号的瞬时细微特征变换为一个特征向量,之后采用基于构造型神经网络的分类方法实现不同跳频电台的个体识别。最后对实际工作状态下3种型号电台进行个体识别,实际数据的实验结果验证了算法的有效性。      

战术跳频电台的组网运用及性能分析

本文阐述了战术跳频电台同步组网及异步组网的基本概念，工作原理及各自的优缺点，重点分析了两种组网方式的组网能力，所得结论与跳频电台抗干扰组网实验结果相吻合，对跳频电台技术体制论证及野战组网运用具有一定的参考价值。     

跳频电台中央控制单元及跳频单元的硬件设计

跳频技术具有很强的抗干扰性能,非常适用于战术电台.提出一种跳频电台的总体设计构想,采用ARM＋FPGA架构作为硬件平台系统,给出中央控制单元和跳频单元的硬件设计方案.     

短波高速跳频CHESS电台G函数算法研究

本文深入研究了美国推出的短波高速跳频CHESS电台的G函数算法,涉及到跳频图案、信息调制与解调等.在介绍G函数算法原理的基础上,分析了G函数跳频图案的性能,并对其进行了检验,得出了一些有益的结论,提出了改进的方向.     

跳频电台数据传输差错控制技术研究

该文对一跳频数传通信系统—跳频电台的差错控制技术进行了研究,介绍了在其信道误码率高、突发差错长的情况下,通过纠错编码来进行差错控制以实现可靠通信,并给出了具体的编码和解码实现方案。     

战术跳频电台伪码序列的研究

本文采用６４级ｍ序列加非线性变换的方法产生战术跳频电台伪码序列、实验表明跳频序列的均匀性和随机性能良好，非线性程度和抗破译能力大大增强。     

基于一种特定混沌映射的跳频序列

使用一种简单的分段线性映射构造混沌跳频序列。用于跳频通信中取代传统的伪随机序列（PN序列），分析了此混沌序列的周期性。平衡性，汉明相关特性和线性间隔，最后给出了混沌序列的神经网络实现。仿真和实验结果表明，此序列具有较好的统计特性。应用于跳频多址通信中，可获得较好的抗干扰。抗截获能力。     

短波跳频电台频率合成器的设计

本文对比分析了现在广泛应用的几种频率合成技术，根据短波跳频电台的技术特点，实现了一种直接数字频率合成(DDS) 锁相环路(PLL)频率合成器的设计。它采用DDS输出作为PLL参考源的方法，实现了短波电台100Hz的频率间隔以及跳频系统所要求的快速频率转换和低相位噪声的统一。     

基于混沌吸引子重构和Low-rank聚类的跳频信号电台分选

辐射源无调制信息的暂态信号能够表征辐射源发射机的无意调制特性,对该暂态信号分析可实现辐射源识别。而跳频电台在开机以及频率转换瞬间,都存在一个无信息传送的暂态调整时间,该暂态调整瞬间,电台发射的信号是无调制信息的非线性、非平稳和非高斯信号。该暂态时间序列可反映跳频电台的器件特性,同时该序列往往呈现复杂的混沌特性。因此,借鉴混沌时间序列分析的思想,同时利用暂态信号的Low-rank特性,该文提出了一种基于暂态信号混沌吸引子重构和Low-rank聚类的跳频信号电台分选算法。实验测试表明：跳频电台的暂态信号时间序列属于混沌时间序列,同时实测多跳频信号的电台分选结果证明了Low-rank聚类算法在跳频电台分选上的可行性。     

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。