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。      

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。     

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。