550
浏览跳频通信网台分选方法的研究
摘要:跳频信号具有隐蔽性好,抗干扰性强等优点,在军事领域得到了广泛的应用。对跳频信号的精准分析是对其高效对抗的基础,其参数准确估计和网台高效分选是跳频信号的精准分析中面临的两大难题。本文重点对跳频通信系统的参数估计算法和网台智能分选方法展开了深入的研究。主要工作如下:(1)提出了一种基于弹性网络模型与广义交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)结合的跳变时刻估计算法。该方法针对跳频信号跳变时刻估计精度不高的问题,将基于弹性网络模型的稀疏线性回归方法与广义ADMM方法的迭代思想相结合,在接收信号频率与预设频率矩阵匹配的条件下,实现了跳频信号跳变时刻的快速准确估计。仿真结果表明,在迭代次数降低约60%时,所提算法在低信噪比条件下可获得清晰的时频图案,跳变时刻估计准确度有较大提升。(2)提出了一种基于频率矩阵校正的跳变时刻估计算法。该方法基于泰勒级数展开构建了频率矩阵校正模型,通过期望最大化算法迭代求解频率偏差项并更新频率矩阵,基于更新后的频率矩阵完成了跳变时刻的准确估计。解决了接收信号频率与预设频率矩阵不匹配导致计算的时频矩阵不准确,进而影响跳变时刻估计的问题。仿真结果表明,提出的算法可以有效地对频率矩阵进行校正,基于校正频率矩阵的跳变时刻估计准确度有较大提升。(3)提出了一种基于单源点检测的到达角(Direction of Arrival,DOA)估计算法。该方法首先基于单源点检测准则检测单个信号源主导的时频点并去除干扰点,然后通过基于非参贝叶斯模型的方法对其聚类来估计混合矩阵,最后利用子空间投影算法恢复源信号并获取DOA信息。仿真结果表明,在无需预先设置聚类个数的前提下,所提算法在低信噪比条件下DOA估计准确度有较大提升。(4)设计了跳频网台分选的方案。该方案在完成跳频信号参数估计的基础上,通过优化初始聚类中心选择的改进K-Means算法完成跳频网台的分选。对于异步跳频信号,利用跳变时刻信息完成异步跳频网台分选。对同步跳频信号,利用DOA信息完成同步跳频网台分选。基于实测数据验证结果表明,信噪比大于5d B时,该方案分选正确率超过97%。
关键词:跳频;稀疏性;
文章目录
摘要
abstract
缩略词表
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 跳频网台参数估计
1.2.2 跳频网台分选
1.3 主要研究内容和结构安排
1.3.1 论文主要研究内容
1.3.2 论文各章内容安排
第二章 跳频通信技术简介
2.1 跳频通信原理及信号模型
2.1.1 工作原理
2.1.2 单阵元跳频信号的数学模型
2.1.3 多阵元跳频信号的数学模型
2.2 常用时频分析方法
2.2.1 短时傅里叶变换
2.2.2 Wigner-Ville分布
2.3 论文中常用范数的定义与算法性能评价准则
2.3.1 论文中常用范数的定义
2.3.2 参数估计性能的评价准则
2.4 本章小结
第三章 异步跳频信号参数估计方法
3.1 跳频信号的稀疏模型
3.2 基于弹性网络模型与广义ADMM结合的跳变时刻估计算法
3.2.1 基于弹性网络模型的稀疏线性回归方法
3.2.2 基于广义ADMM的迭代算法
3.2.3 算法流程
3.2.4 计算机仿真实验分析
3.3 基于频率矩阵校正的跳变时刻估计算法
3.3.1 基于泰勒级数展开的频率矩阵校正算法
3.3.2 算法流程
3.3.3 计算机仿真实验分析
3.4 本章小结
第四章 同步跳频信号参数估计方法
4.1 跳频信号混合模型及假设条件
4.2 基于单源点检测的混合矩阵估计算法
4.2.1 单源点检测准则
4.2.2 基于非参贝叶斯模型的聚类方法
4.2.3 基于能量阈值的噪声干扰点去除方法
4.2.4 混合矩阵估计方法
4.3 基于子空间投影算法的跳频信号分离与DOA估计方法
4.4 算法流程
4.5 计算机仿真实验分析
4.6 本章小结
第五章 跳频网台分选方法
5.1 跳频网台分选方法概述
5.2 基于聚类的跳频网台分选方法
5.2.1 聚类分析
5.2.2 跳频网台分选方法的设计
5.3 计算机仿真实验分析
5.4 基于实测数据的实验分析
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
[1]基于单源点检测的跳频信号混合矩阵估计[J]. 王琳,赵知劲,尚俊娜. 杭州电子科技大学学报(自然科学版). 2021(02)
[2]基于自适应TLS-ESPRIT和改进全相位多密集谱间谐波检测[J]. 蔡星月,高云鹏,李云峰,朱彦卿,李文博. 仪器仪表学报. 2020(12)
[3]一种基于时频矩的跳频参数估计算法[J]. 王焱,张晓林. 应用科技. 2020(06)
[4]Lasso回归:从解释到预测[J]. 张沥今,魏夏琰,陆嘉琦,潘俊豪. 心理科学进展. 2020(10)
[5]基于随机投影和OMP的大规模稀疏线性回归算法[J]. 祁德涛,杨健,邹仕祥,郝琳. 通信技术. 2020(08)
[6]基于CNN网络的跳频信号个体识别[J]. 梁策,郭英,李红光. 空军工程大学学报(自然科学版). 2020(03)
[7]基于扩展ESPRIT的随机阵列高效DoA估计算法[J]. 刘松,庞育才. 电子与信息学报. 2019(06)
[8]基于单源点检测的欠定混合矩阵的聚类分析[J]. 何选森,何帆. 电子测量与仪器学报. 2019(06)
[9]基于谱熵的单通道多跳频信号参数盲估计方法[J]. 曾晓宇,矫文成,孙慧贤. 探测与控制学报. 2019(01)
[10]基于稀疏贝叶斯学习的多跳频信号DOA估计方法[J]. 郭英,东润泽,张坤峰,眭萍,杨银松. 电子与信息学报. 2019(03)