跳频信号的检测、参数估计与分选算法研究

跳频信号的检测、参数估计与分选算法研究由于跳频信号优越的抗干扰性能、较低的截获概率以及较强的多址组网能力,近年来,跳频通信在军事、民用等领域应用广泛。

正因为此,跳频信号侦察困难重重,全面开展跳频信号的截获、参数估计以及分选研究刻不容缓。

本文以复杂电磁环境中的跳频信号为处理对象,研究跳频信号处理过程中的关键技术,包括跳频信号盲检测,单、多跳频信号参数估计以及多跳频信号分选识别。

针对当前跳频通信侦察存在的问题,本文的主要研究内容及创新点如下:1、采用基于多相滤波器组的信道化方案侦察接收跳频信号。

针对强噪声环境,提出一种谱图变换与非相干积累的联合处理算法,改善了检测与识别信噪比。

根据跳频信号与其他通信调制信号时频特性的不同,研究了基于频率差分序列的识别跳频信号的方法。

所提跳频信号识别方案整体计算量较小,仿真实验验证了该方案在较为恶劣的噪声环境下仍然有效。

2、针对单跳频信号,研究了谱图与多重差分联合的方法对跳周期、跳时及跳频频率参数进行估计,仿真实验表明,当信噪比大于2dB时,跳周期与跳时的估计方差均优于910-。

针对多跳信号,提出了一种基于跳频中心时刻变换的跳周期估计新算法。

与逐级差分直方图相比,所提算法改善了多跳频信号的参数估计性能,尤其解决了丢跳等情况发生时估计性能不佳的问题。

仿真实验表明,在相同条件下,所提算法的跳周期估计方差比逐级差分直方图算法均低一个数量级。

3、针对多跳频电台的分选,研究了一种基于异步组网的高效实时分选算法。

该算法充分考虑了跳频数据丢失的各种情形,给出了不同丢跳率下的分选正
确率,仿真验证其适用于跳频信号的快速分选。

进一步,针对多跳频电台的分选正确率不高、识别效率低等问题,提出了一种基于稀疏贝叶斯学习的多跳频信号分选新算法,性能对比环节验证了所提算法的有效性及优越性。

在此基础上,给出了多个跳频电台信号的参数估计及分选的完整仿真实验,为工程实践提供了可行性指导。