我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:满堂彩 > 化装侦察 >

试论短波宽带侦察中的信号分选与检测pdf

归档日期:08-07       文本归类:化装侦察      文章编辑:爱尚语录

  1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。

  西安电子科技大学 硕士学位论文 短波宽带侦察中的信号分选与检测 姓名:徐启华 申请学位级别:硕士 专业:信号与信息处理 指导教师:保铮 20060101 摘要 多年以来,短波通信因其具有以较低的功率实现远距离无线电信息传输的特 点,成为通信领域中不可缺少的一门重要技术,广泛地应用在军事通信、气象预 报、商业、外交等场合。短波信号侦察是现代情报信息的收集与获取的重要手段。 随着自适应通信、扩频通信、突发通信等现代电子信息技术的发展及其在短波通 信中的广泛应用,使得窄带侦察面临巨大挑战。为了适应短波通信的新变化,宽 带侦察必将成为短波信号侦察的发展趋势。 目前短波宽带侦察还主要采用人工监视,即业务员通过观察宽带时频显示进 行信号侦察。由于短波通信中的低截获概率信号具有很强的隐蔽性以及短波信道 传播特性的影响,使得人工监视己不能满足对高速、宽带、时短、突发等信号的 侦察,需要研究丌发信号的自动分选与检测技术。 本文研究的内容建立在宽带接收的基础上,通过对宽带信号进行时频域分析, 深入研究了信号的时频域特征,提出了相应的算法,实现了复杂环境下的短波宽 带信号的自动分选和检测。主要工作概括如下: 1. 对时频分析工具的选择以及信号检测和处理的理论基础进行了详细的推导, 使得用建立在时频分析基础上的信号检测与处理来替代建立在滤波器组实现 数字信道化后的信号检测和处理获得了坚实的理论支持。 2. 对于在对频分析基础上宽带频谱中噪声基底的估计,针对不同的需要提出了 四种算法;去强留弱法、对数统计法、频移均值法和时频均值法。上述方法 都具有很强的适应性和稳健性,并能在进行噪声基底估计的同时检测出天电 干扰。 3。 对于信号分选和合并,在去除宽带噪声和雾态噪声的基础上,针对信号在时 频聚集域上的分布特点,本文提出了两种处理方法:舍头去尾法、去除包络 法。这两种方法均能在增强了信号的同时提高识别粘合信号的能力。 4. 为了解决跳频设备已经大量装备而对跳频信号的侦察识别仍然困难的问题, 本文提出了两种跳频信号识别方法:最大相关处理法和时间相关统计法。上 述两种识别方法的使用,在跳频信号的侦察识别上效果非常明显。 5。 为了及时掌握对方的通信频率以及获取通信内容,必须要快速检测识别对方 的ALE信号,本文提出了利用信号分选的结果,对分选出DDC处理,然后进 行ALE信号检测识别。该检测方法与传统的窄带搜索检测相比,由于只对有 信号的频点进行检测识别,因此检测识别速度优于常规窄带检测。 关键词: 时频分析信号分选信号合并信号还原信号检测 ABSTRACT WitIlthe distancecommunicationrelativelow abilityofachievinglong by power, hasbe.瑚meall in communication communication hi曲frequency important technology has domainand awide in communication、weather applicationmilitary forecast、 etcfor reconnaissancein isall high business、diplomacymanyyears.Si孕lal frequency meallsof and modem important collectingobtaining is reconnaissancefacedwith withthe ofmodem greatchallenge development electronic informafion as technology,suchauto-adaption communication、burstore.Inorderto in communication thenew adapt changeshigh wide-bandmcounaissancewill bec.,omethe frequencycommunication, surely trend. development At mainmodeofwide-bandreconnaiSSancoin iS present,the highfrequency hiunan to themonitor surveillance,whichrequires operatorskeepwatching displayed W1’ththe belier wide—band information.Becauseofthe concealmentof time.frequency thelow and in theinfluenceof characteristic interceptingsignals spreading high callnotmeetthe the surveillance of frequencychannels,human requirement reconnaissanceofhighspeed signal. signal、wide-bandsignal、short-timesignal、burst Soweneed tO the anddetection. studysignalauto.separation Basedonthe ofwide-band dissertationthe theory receiving,thisstudy characteristicof the of time—frequency sigrlalthroughtime·frequencyanalysis wide-band are the the realizes signal,then correspondingalgorithmspresented,which anddetectionofwide-bandin in signals auto-separation hi曲frequencycomplex environment.T1lemain asbelow: workofthisdissertationaresummarized dealswithhowtoselectthetoolsfor Firstly,thispaper time-frequencyanalysis anddiscussesthe of and a detection theorysignal processing,thuslayingtheory foundationfor detectionand basedon ofthe signal processingtime-frequencyanalysis ratherthanbased0nchannel withthebankoffilters. signal digitalization tomeetthedifferent ontheestimationofthe order Secondly,in requirements noise on withinwide-bandbased background spectrum time-frequencyanalysis,four methodsare Throwand Small presented:TheBig Keep Statistics Shift Mean Time Mean Method,nle Method,弧1c Frequency Frequency Method.allofthese are and Can methods interference adaptablerobust,atmospherics aiSObedetectedwhenthe noiseisestimated. background Onthedistributioncharacteristicofthe inthe Thirdly,based signal fieldafter offthe晰de—bandnoiseand noise,twomethods, time-frequencywiping fog theThrow TwoSide named Headand1lailMethodandthe Method.are Wipe supposed forthe andcombination。Boththesemethodscallincreasenle signalseparation of to the andtoreinforcethe recognize ability conglutinatingsignal signal. in devicesof been a Fourthly,thefrequencyhopping(F哟haveequippedlarge scalebutitiSalso difficultto andreconnoitertheFH orderto very recognize signal。in the CorrelationProcess solvethis methodsare Most problem,two presented,named Methodandthe Correlation Tune StatisticsMethod.Goodresult canbeachievedinthe FH reconnaissanceand withthetwomethods. signal recognition Atlast,inorderto thecommunication acquire thecommunicatiOn frequency contentoftheothersidein i8 todetectand the time,it ALE necessary recognize signals methodis inthis iSbased011 of quickly.A presented theresult paper,which wide-band andfollowedthe signalseparation by DDC andALEdetection processing and with traditionalmethodofnarrow recognition.Compared and searchingdetection, thismethodisfasterin becauseit detectsand the speed only ICCOgniz.BS frequency thatthe exist. point signals Keywords:Time-frequencyanalysisSignal eoalition distinguishSignal revert detection Signal Signal 独创性(或创新性)声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知,除了文qJ特别加以标注和致谢中所罗列的内容以外,论文中 不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学 或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中做了明确的说明并表示了谢意。 中请学位论文与资料若有卅;实之处,本人承担一切相关责任。 本人签名:j互:2i留本人签名:{垒毖 同期兰!!!:!:』 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定,印:研究 尘在校攻读学位期问论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后,发表论文或使用论文工作成果时署名单位仍然为西安电予科技大学。 学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全 部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文 在解密后遵守此规定) 本人签名: 日期趁!!:』:生 导师签名: 只期Z丝五:Z:巨 第一章概述 第一章概述 按照国际无线电咨询委员会(CCIR)的划分,短波是指波长在100m~10m,频 率为3MHz~30MHz的电磁波。利用短波进行的无线电通信称为短波通信,又称 高频(Hlq通信。实际上,为了充分利用短波近距离通信的优点,短波通信实际使 用的频率范围为1.5MHz~30MHz。 1.1短波通信简介 1.1.1短波通信的发展历程 自从1921年短波被发现可实现远距离通信以来,短波通信迅速发展,成为了 世界各国中、远程通信的主要手段,被广泛地用于政府、军事、外交、气象、商 业等部门,用以传送电报、电话、传真、低速数据和图像、语音广播等信息。在 卫星通信出现以前,短波在国际通信、防汛救灾、海难救援以及军事通信等方面 发挥了独特的重要作用【11。 短波通信可以利用地波传播,但主要是利用天波传播。地波传播的衰耗随工 作频率的升高而递增。天波是无线电波经电离层反射回地面的部分,倾斜投射的 电磁波经电离层反射后,可以传到几千千米外的地面,天波的传播损耗比地波小 得多。 短波通信有着许多显著的优点(21,与卫星通信、地面微波、同轴电缆、光缆 等通信手段相比,短波通信不需要建立中继站即可实现远距离通信,因而建设和 维护费用低,建设用期短;设备简单,可以根据使用要求固定设置,进行定点固 定通信。也可以背负或装入车辆、舰船、飞行器中进行移动通信;电路调度容易, 临时组网方便、迅速,具有很大的使用灵活性;对自然灾害或战争的抗毁能力强。 通信设备体积小,容易隐蔽,便于改变工作频率以躲避敌人干扰和窃听,破坏后 容易恢复。这些都是短波通信长期保留、至今仍然被广泛使用的主要原因。 1.1.2短波通信的新技术与新体制 20世纪80年代以来,随着计算机、移动通信和微电子技术的迅猛发展,促 进了短波通信技术和装备的更新换代。特别是随着微处理器技术、数字信号处理 (DsP)技术、自适应技术、扩频通信技术等现代信息技术的应用,大大提高了短波 通信的质量和数据传输的速率,增强了自动化,提高了自适应与抗干扰能力。形 2 短波宽带侦察中的信号分选与检测 成了现代短波通信新技术、新体制嘲。这些新技术与新体制概括起来是:现代短 波信道技术、现代短波通信终端技术、短波通信装备数字化与网络技米等。这些 短波通信的新技术、新体制,都是针对解决短波通信中存在的问题而产生和发展 起来的。其中有的已经在短波通信中发挥积极作用,有的即将进入实用阶段。它 们会进一步发掘短波通信的潜力,使短波通信在信息社会和信息战中发挥出更大 的作用。 1.1.3短波通信的发展趋势 随着人类社会向信息化的不断迈进,通信数字化、通信系统网络化、通信业 务综合化成为通信装备发展的必然趋势,系统兼容、网络互通,以及高可靠性、 有效性,强抗毁性,成为通信系统建设的基本要求。短波通信作为现代信息系统 的主要技术手段,一方面在装备体制上正在逐步实现由模拟向数字、由台站向网 系、由模拟低速跳频向数字高速跳频抗干扰体制的转变。另一方面不断地融入电 子、信息技术领域里的新技术、新器件、薪工艺,改造短波通信信道和终端设备, 提高信息传输的可靠性与有效性;提升技术水平,增强系统与设备的自动化、智 能化,以及综合业务能力。短波通信正经历由第二代通信装备向第三代通信装备 的过渡【4】。 1.1.4短波通信在军事通信中的重要地位 短波通信由于传输距离远、机动重建性好、抗毁性好等优点,而且由于微电 子技术的高速发展又使其具有通信安全保密、设备小型化及性能价格比好等特点, 短波通信在军事通信方面占有重要地位。自从80年代以来,各国军方已经认识到 凡涉及远程通信的各种作战任务,短波通信是不可缺少的一种有效的应急或备用 的通信手段。尤其是在局部战争中,短波通信已不再局限于作为卫星通信的应急 或备用的通信手段,而是已作为诸兵种合成部队协同作战的主要战术远程通信手 段[51。这一点在海湾战争、阿富汗战争中都已经得到证实,短波通信己成为短程、 中程、远程通信的全能通信方式。 1.2短波信号的侦察现状 目前,短波信号侦察还主要采用人工为主的方式。即每个业务员操作几台短 波接收机进行侦听,当听到某有用信号时,立即调用一台接收机进行控守。接收 机的带宽一般为31d-Iz,若侦听到某一可疑或不确定信号时,还需要通过测向系统 第一章概述 得到示向和位置信息,然后根据所获得的参数研制相应的接收控守设备。 随着短波通信技术的发展,这些基本的设备和侦察模式都将受到严竣的挑战。 由于技术的发展和信息传播的需要,短波频段的信号越来越密集,信号频谱的交 叉和交叠经常发生嘲,这使得信号侦收时所遇到的识别和处理难度越来越大;同 时由于技术的发展,短波信号的速率也越来越高,突发信号、跳频信号的广泛使 用,使得人工捕捉、人耳监听的作业方式已不能满足短波信号侦察的发展需要。 1.3本文研究的内容与意义 鉴于短波窄带信号侦察已不能满足短波侦察的需要,因此必须在短波信号侦 察中引入宽带侦察,而宽带内信号的分选和检测又是制约短波宽带侦察发展的瓶 颈。本课题研究的就是在短波宽带侦察中信号的自动分选和检测。首先将宽带数 据进行信道化处理,然后根据信号时频域特征对信号进行分选、合并,对于跳频 信号、莫尔斯报等信号可以直接进行检测识别;其余的常规信号则可以根据分选 结果引导窄带接收机进行检测识别,或者直接对宽带数据进行滤波、变频、抽取 等处理,然后进行信号检测识别【_”。本文研究的内容及其处理经过如图1所示: 4 短波宽带侦察中的信号分选与检测 一 ]l l l l l l I 本课题研究的内容 l —0●●●●●●●●●●●●●●●●●●一 一 l一 引导其它窄带接收 信号入库 特定信号记录、解调、信号入库 机进行信号侦察 图1课题研究内容流程框图 1.4本文的安排 论文的第一章概述简单介绍了短波通信、短波侦察的现状、课题研究的内容 和意义及论文的安排;第二章对短波宽带信号分选和检测的时频分析理论基础进 行了推导;第三章介绍了自适应门限处理以及宽带噪声的去除,并对提出的凡种 算法的处理效果进行了对比;第四章介绍信号的合并与还原,完成宽带信号分选; 第五章介绍了跳频信号的检测识别;第六章介绍了ALE信号的检测识别;第七章 对全文进行了总结并指出下一步研究的重点。 第二章时频分析理论 5 第二章短波宽带侦察中的时频分析理论 经典的数字信道化思想的实施都是建立在一组硬件滤波器构成的并行多路上 IS]。这样的优点是利于实时处理,但是付出的代价是随着处理数据带宽的增大和 予信道频率分辨率的增加,设备开销将呈线性增长,带来的结果必然是系统的庞 大和复杂化,以及整体可靠性的下降。而且由于硬件的特性,相应的系统可操作 性(比如目标数据频段的变更、子信道分辨力的调整等)都非常的低。因此,本 文是在时频分析的基础上,用软件的方式来实现数字信道化。这样最大的优点就 是用软件来代替硬件功能,不仅简化了系统,而且系统的可操作性非常强——只 需根据需要调整几个参数即可。但是,信号经时频分析后,其子频带上的数据应 该说并不是原信号经窄带滤波后的数据。那么它们究竟是什么关系?或者说对时 频分析后数据进行的信号检测能保证检测的有效性和检测的性能吗?当然,具体 情况是和选用的时频分析工具有关的。该闯题将在选定分析工具后进行讨论。 严格说来,时频分析和时频表示是有区别的[91。但是,作为一般的应用可以 把从时间、频率两方面进行的信号分析处理都称为广义的时频分析【101。时频分析 酚傅立叶分析、小波分析等。 从效果上来说,小波分析具有最好的表征效果,但是考虑到将来实际应用中 实时性的需要,其庞大的计算量就是个致命的缺陷;同样的缺陷也否决了Gabor 没有频率分辨率和时问模糊度的矛盾【1II,但是其固有的交叉项特性使得它没办法 适用于复杂的短波信道环境,因此最终选择了短时傅立叶变换(Sn叮)进行时频 分析。 2.1短时傅立叶变换(STFT) 2.1.1连续短时傅立叶变换 给定一个时间宽度很短的窗函数^(f),令窗滑动,则信号x(f)的短时傅立叶 变换【12】定义如下 其中,“书”代表复数共轭。 6 短波宽带侦察中的信号分选与检测 信号xO)的重构公式为 (2—2) p@)=eSTFT,(t,Jg(-Od2咖dtdf 将式(2一1)代入式(2-2)可得 p@)=f=de矿皿枷。”谚k)矿p’一t)g(u—t)dtdt =CD(m‘(t-t)g@一f)万(t-u)栅’ (2—3) =砌)fW@一t)g(u—f)廊 =x(”)r1’(t)g(t)dt 因此为了完全重构即为了使p(幻=x(u),则要求窗函数满足下列条件 D’(t)g(t)dt=1 (2—4) 官称为短时傅立升褒换的完全重构条件嘲。 2.1.2窗函数的选择 对于信号x∽£L2(R),原则上窗函数g(r)也可以在L2(R)空间上任意逸择, 其中R代表实数集。但是基于时频分析的初衷,需要窗函数g(,)具有好的时间和 频率的聚集性,亦即㈣(,,st)能很好地表征信号z(f)在(f,Jr)点附近的特征。 选择高斯窗函数【“1 高斯窗函数在时频面上具有高度的时频聚集性,即若令 则 昏lgaus,。,,硝du=f (2—7) 其中Gauss,Jm)为gaussu(”)关于的傅立叶变换。 而且高斯窗函数还满足Heisenberg不等式中的等式关系 £》一r)2 第二章时频分析理论 7 因此,高斯窗函数是一个在时频空间点(f,门附近具有最佳时频空间聚集性能 of 的工2函数。且它还满足恒等分辨(resolutionidentity)的要求。所谓恒等 STFT,(t,力中关于窗函数gO)完全重构出来,即 删=f=q 也就是说gq)=^(r),代入(2—3)中有 dt=1 (2—11) g(t)12 O 此即为能量归一化条件。显然高斯窗函数gauss(t)满足条件。 当然,针对特别的需求,还可以确定其他窗函数。比如,当窗函数选用特定 的低通滤波器时,此时的加窗STFT就成了多相滤波算法㈣。 2.1.3离散短时傅立叶变换 在实际应用中信号x(f)是离散的x(t),相应的短时傅立叶变换离散形式如下 (2也) STFT(m,n)=曼x(i})矿(kT—mT)d脚舭 I——哪 其中,TO,孝O分别为时域和频域的采样间隔。 短时傅立叶逆变换离散形式如下 相应子式(2—4)的完全重构条件,要求采样周期T和善、离散分析窗矗(七)和离 散综合窗gCk)满足下列条件 2.2基于时频分析信号检测的理论基础 以上论述表明,sTFT其实就是加窗傅立叶变换经平移后的效果。因此,信号 8 短波宽带侦察中的信号分选与检测 经sTFT后在每一个时刻沿频率轴的数据,其实也就是对应段信号经傅立叶变换后 的数据。 不妨令原始数据为信号加噪声之和㈣(只是为了推导噪声和信号经傅立时变 换后的情况,就不再假定信号的瞬时性),表示为 (2-15) x(D=s(f)+一(f)=Aeos(wot+们+n(t) 不失一般性,认为有p均匀分布-t=[o,2力,力O)是方差为仃2高斯自噪声。窗 函数为^(f),窗长设为Ⅳ,,且假定是对称窗^(f)=城N,一0· 则,信号sO)加窗.Il(f)后有 跗’纂训罨2ktTr挑帽①∽㈣*罢(喏训甓一z肘叫和 实际应用中,R考虑Oak s冬,所以上式可改写为 娜)=罢喏-w0)和 弘17) 椰,。赤卅≯。刁 》18) r n(OhO)、 L.n(N。)坂Ⅳ,)J 第二章时顿分析理论 9 觯卜赢浮晰尹1∥刁 (2-20) (2-21) K=diag(h(t))Cdiae,(h(t))=or2ai『ag(h2(『)) 则,z经傅立叶变换后的数据y可表示为经如下线性变换得到 珏 M耽 痧痧也 = = yLZ M誓:‰ )“ ++;+ .肌心2 ,,,..........。,....。。..。..L 、、●●●●●●l●●/ 其中 1 n¨ 唧 。∽ 既 弧pH等产, 扛 唧 雠 唧何半, ¨卜¨ 时㈠;狮一 盹 k师打师;搿. 船哆掰轫一虬堕虬卜一虬 exp¨盟掣 幼一虬锄一虬卜一虬 (2—23) 烈耻赢卅如炯。1巧 Qr24) 其中,∥表示L的共轭转置。 ∥旺=口2Zalag(h2a))三 =盯2dzag(h2U))∥三 (2-25) 闰“~~叫’ 加;_=茏—i计粪蔫蒜,∽z6, 嘁仃:严胁:(f)1I 因此,{yJI,Yl:11sj≤虬是相互独立且都服从高斯分布·其中, s Yll与n2(1z≤Ⅳ,)还同分布。 lO 短波宽带侦察中的信号分选与检测 则}‘‰,一[y212,…,面岩%‰l为相互独立且都服从z2c2,分 布的随机变量序列。 由文献【122(H)的概率密度函数为 。 2ir(罢) 其中,r(.)为伽马函数嗍,其表达式如下 r(口)=rt“-le-,dt (2—28) 则z2(2)的概率密度函数为 mean(z2(2”=2 (2-30) 故,i_yf的概率密度函数为 毛P(),)2 (2—31) ji蒜exp卜ji赢1 rh(1)=meanlyfl2)=2Ⅳ。仃2h2“) (2—32) 简称概率密度函数为式(2—31)的分布为类z2(2)分布。因此,高斯白噪声在 加窗STFI后的时频图的每一个元素都服从类z2(2)分布,且时频图每一列的均值 为 铲瓦1q弘At12] =击誊一…I 陋ss, =2口2∑h2(,) 第二章时频分析理论 琊,=B和]2畴训 ㈣ 由于Ⅳ,和伪(f)11sf≤Ⅳ,}都是已知的,因此,对时频图上的噪声基底平均幅 度式(2-32)或者式(2-33)估计出来了以后,也就估计出了原时域的噪声功率,当然 再由式(2—34)就可以完全做到对应于时域检测效果与性能的时频图上的检测。因 此,时频图上的信号分选与检测也就有了坚实的理论基础。 第三章自适应门限处理及噪声去除 第三章自适应门限处理及噪声去除 由于整个带宽范围内拥挤着上百个信号,各个信号的带宽、强度、调制方式、 持续时间等参数各不相同,信号和噪声的分布情况非常复杂,而且信号幅度随时 问不断变化119],采用固定门限对信号进行检测显然不能满足实际短波宽带侦察的 需要[201。因此,为了提高短波宽带信号分选检测的正确概率,必须引入自适应门 限处理技术1211,根据接收的宽带内的信号情况,实时计算噪声门限[221,去除宽带 噪声,然后在此基础上进行信号的分选和检测。 对宽带数据进行时频分析建立时频图TF(m,甩),ls小≤N,1≤雅≤N,,其中,N 为时域参数,表征时间长度;N,为频域参数,表征中频频率值。 如图3.1所示为实际接收到宽带数据的时频图,其中横轴为时间轴,纵轴为 频率轴。该数据具体参数为:带宽为500kHz、采样中频为600kHz、采样频率为 中FFT长度为2048,即时间分辨率为T=lms、频率分辨率为{=lkHz。 图3.1 宽带数据时频图 TF(m,哟是一个数据矩阵,对自动分选检测处理而言还没有可供直接利用的 信息,必须首先进行自适应门限处理,然后在此基础上去除宽带噪声,然后进行 信号分选,最后检测并提取出信号。 3.1检测去噪理论推导 信号的去噪是信号处理中的一个基本问题[2al,几乎所有的实际应用都必须首 14 短波宽带侦察中的信号分选与检测 先考虑。去除噪声的方法有很多种口帕,最常用的就是滤波器抑制进行滤波。这需 要事前知道到底需要的是哪个频段的信息来设计滤波器,主要适合窄带侦察,而 对于在宽带频谱中分选检测未知信号来说是不可能的。另外可以利用高斯信号三 阶以上高阶累积量为零来消除后续处理过程中高斯噪声的影响【25l,以达到对噪声 的盲滤除效果。但是高阶累积量不仅计算量大而且还没有时频特性,最重要的是 它表征的是一种统计特性,具有不可逆特性,因此该方法也不适合宽带噪声去除。 因此,必须针对宽带时频图的特殊性提出专门的噪声去除方法。 通常信号持续时间有限,因此信号的能量主要集中在中心频率附近,其频带 宽度远小于其中心频率【26】。也就是说,信号在时域和频域上都是局部化的。而噪 声在观测的整个时间内总是存在,且频域上具有均匀的功率谱密度。这是进行检 测去噪的理论基础。 去噪的目的在于使信号处理损失的分量中噪声成分尽可能大,而信号尽可能 不受损失或损失尽可能减小。因此可以利用信号检测理论【27】来实现去噪的目的。 检测去噪其实就是对检测出有信号的时频点劬,国保留TF(m,再),否贝J就令 其为零。具体公式定义如下 检测出(%功点有信号 卵∽,一):{7F伽,国 (3—1) I o 其它情况 由于对可能出现的信号毫无先验知识可言,对于上式的判决使用纽曼一皮耳 逊准则128】。不妨假定虚警率上限为口。 则在估计出历时刻的噪声基底式(2—32)中的r/,或者式(2—33)中的珑后,就可 下式(3-2)决定 口2f毛Iz(力砂2 y 】矽 (3—2) f赢exp【2N,f72h2U) 因此,有 Al=-2Ⅳ,盯2h2(Dln@) =—4编(f)ln(口)=毛聃(f) (3-3) In(a):k2翠22翠2 2一瓦_玎2 :一1N_w—h一2(1)叩2 艺^2(f) 第三章自适应门限处理及噪声去除 其中,呱.)为自然对数函数。 毛=_4ln@) 屯:一掣塑地) (3.5) 噍w,)2:小矿 cs一9, 册圳b抬]10k Ⅳo gl背l◇埘 I I台w’J J …蚓》矧◇埘 从郝_10)得出的有效检测信噪岘10l。g(半),它是虬的减函数。因 16 短波宽带侦察中的信号分选与检测 此,可利用增大Ⅳ。来检测弱信号。 由上面的分析可知,检测门限的确定要以噪声基底式(2.32)聃或者式 (2-33)r/2的估计为前提。 3.2白适应门限处理 3.2.1平均值法 平均值法就是将某时刻整个带宽内的信号幄度相加然后除以带宽内点数所 得值为平均值法门限电平。即噪声基底可(研。)为 咖o)-击耋豫(所洲 (3-11) 但是该方法计算出的门限容易造成强信号掩盖弱信号的现象。如图3.2所示: 图3.2平均值法估计噪声门限 在图中,曲线为信号,直线为平均值法门限电平刁伽。)。由图3.2可见。该 方法只能检测出较强信号而较弱信号就会被漏掉。为了克服上述弊端,必须根据 该时刻带宽内信号实际起伏情况估计噪声基底。 在观察时频图判断有无信号时,一般都是通过同时进行横向和纵向比较得出 来的。因此,以下提出了线面结合、幅度与持续时间结合的信号门限估计方法。 线面结合估计宽带数据中的噪声基底,是指先在时刻/7/沿频率轴估计出初值 再沿时间轴平滑做面上估计,简称线估计。 第三章自适应门限处理及噪声去除 17 3.2.2去强留弱法 图3.2中的强信号掩盖弱信号的情况,是因为平均值法不可能同时兼顾强弱 信号。因此,很直观的方法就是先去除其中的强信号,然后再对剩下的信号进行 噪声基底估计。 强信号的选取可以选择幅度最大的几个,但这只是一个定性的概念,不能适 应不同分布幅度的信号界定130】(尤其是信号幅度强弱分明时)。为此采取类似于 式(3—6)的判决方式来选取强信号,其中式(3—3)右边蹿:直接取线上所有数据的均 值五(m)代替。 在去除强信号后,就可用剩下的数据做平均来作为噪声基底的二次估计 五(m)。由于强信号已去,就可以选出弱信号中较强者,完成去除强信号后的第 二次信号选取。这样就可以在噪声基底的修正过程中完成检测去噪。 当然,由于已经进行了一次均值计算。在进行二次估计时就没有必要再重新 进行计算修正后的均值。只要在第一次噪声基底估计^(埘)的基础上,在选取强 信号时记录下强信号的幅度和易以及个数q,就可以用下式来直接估计出修正后 的噪声基底 枷)=等 ◇12) 当然,依此类推就可以在第Ⅳ次选取的基础上完成第K+1次估计和选取,一 直达到理想的估计效果为止。最后的以(所)就是最终的噪声基底估计,7:(删)。该方 法处理结果如图3.3所示: 图3.3去强留弱法估计噪声门限 该算法的特点是简单、直接,一般在进行二次选取后效果就已经很不错了, 此时的计算量也相对较小。而且在进行噪声基底估计的同时也完成了信号的选取。 lg 短波宽带侦察中的信号分选与检测 但是对于复杂的信道环境则还需要进行多次的选取才行。这样的话,其效果和计 算量都会是一个不确定的因素。当然,在对目标信道非常了解后就可以预先确定 选取次数,也是可行的。 3.2.3对数统计法 噪声在时频空间中的分布是全局性的,完全不同于信号在时频空间中的局部 性分布,而且一定带宽的数据中同时出现的信号肯定是有限的。也就是说在时频 图上噪声占用的频率是最多的,因此我们就可以通过统计的方法估计出噪声的平 间中的个数,并记下TF(m,盯)分属的区间,选择含有TF(m,力个数最多的区间为 噪声区间,取该区间中所有TF(m,吣的平均值来作为噪声基底估计。 个数量级,丽且噪声区阋一般都是靠近Min(m)的,因此为了减小信号幅度值悬殊 对估计的影响、更好地估计出噪声基底,采用取对数的方法[321来划分区间。 具体按照如下的流程来估计叩:(所): 图3.4对数法估计噪声门限流程 该方法处理结果如3.5所示: 第三章自适应门限处理及噪声去除 19 图3.5对数统计法估计噪声门限 3.2.4频移均值法 由于短波频段的噪声是随频率变化而起伏的,为了提高信号分选检测的准确 率,必须考虑噪声基底的频变性,即频移均值法。 虽然短波信道的噪声基底具有频变特性,但它的起伏包络可以认为是低频慢 变化的【33J。这样,就可以通过在时刻四沿频率轴的局部平滑来估计出频变的噪声 基底臻仰,功a 在时刻留有信号时,相当于沿频率轴上TF(m,船)比无信号时的情况下多了一 些幅度不一的冲激。由于信号的时频聚集性以及常规短波信号的带宽一般远小于 整个处理带宽,因而可以认为在局部均值基础上突变的为信号,将其纳入信号统 计表,而在噪声基底的局部平滑中则予以跳过。突变性的考察门限可由式(3.6)来 决定。由于此时估计的噪声基底为局部平均估计,可认为是频变的基底估计,因 此判决式(3.6)中的I}取式(3q的kl。该方法处理结果如图3.6所示; 图3.6频移均值法估计噪声门限 由图3.6可知,由于频移均值法充分考虑了噪声基底的频变特性,很好地恢 复了噪声基底的本来特征,因此能很好地检测出起伏的噪声基底。 短波宽带侦察中的信号分选与检测 3.2.5时频均值法 由于短波宽带噪声的随机性使得估计町(m)也是随机的,因此为了进行稳定的 检测,需要对估计值沿时间轴和频率轴两个方向进行平滑处理,该方法称为时频 均值法。考虑到信号沿时间轴持续有相应的持续时间,而噪声沿时间轴上是随机 出现,因此平滑方向首先考虑时间轴,然后再考虑频率轴。 平滑方法是以目标点聊为中心、半径,点范围内进行平均光滑,定义如下 _(所)2~”/0+酬:丕了‘么1 伊13)(3一 其中若叩(露)为天电干扰点,则用非天电干扰的,7∽一1)代替叩(阼),这样就消 除了天电干扰带来的影响。 对于if(m)的估计,可根据信道时变程度来决定它的间隔。如果信道时变剧 烈,则虿(叻可能要逐点的取;如果信道平稳,则虿(哟可间隔一定点数△取一次, 并且对if(m)的估计还可用滑动法来减少计算量。以下是以间隔△点估计一次为例 来进行推导的 ∑节(功/ ∑刁㈣/ 该方法处理结果如图3.7所示: 图3.7时频均值法估计噪声门限 由图3.7可知,由于时频均值法同时考虑到了噪声基底的时变与频变特性, 因此与其它几种方法相比更能准确的反映出噪声基底的本来特征。 第三章自适应门限处理及噪声去除 3.3宽带噪声去除 上面介绍的几种自适应门限估计方法都是沿频率轴(时频均值法也包括沿频 体都比附近时刻的TF(m,聆)幅度大,这就是该时刻出现了强脉冲,是典型的天电 干扰[341。因此,可以通过考察r/(m)的峰值点来检测天电干扰,从而为后面克服其 影响创造了条件。 利用上面估计出的噪声门限,对图3.1的时频图进行宽带噪声去除,处理结 果如图3.8所示: 图3.8去除宽带噪声后时频图 从图中可以看出基底噪声已经基本去除。但是噪声去除的还不是很干净,还 有离散的噪声点,称为雾态噪声,主要是由于噪声随时间随机变化,而噪声门限 估计时沿时间轴平滑长度有限而引起的。 3.4雾态噪声去除 图3.8中去除噪声基底后剩下了雾态噪声。雾态噪声是因为噪声的随机性造 成的影响:TF(m,行)七叩(掰)。 不妨令 则由于噪声的独立性嗍,有 短波宽带侦察中的信号分选与检测 =P‘(丁:F(鸭,1)i}玎(,,0) (3-t6) =矿 出现持续时间为t。的假信号的概率P为 l:生 ?’ P=P’ (3—17) 上式中T为时频图的时间分辨率。 P=P1=0.01+’=101。 (3.18) 因此雾态噪声时频空间上是分散的,无连续性可言或者可以看成小概率事件, 可根据TFI(m,国中非零点在时频域上的连续性来进行雾态噪声滤除。 雾态噪声的去除根据感兴趣信号的持续时间范围【z,£】,可设定7F1(小,功中 非零点持续时间f不在此之列的为干扰信号。定义如下 持续时间为,的信号;j’五 定频喜;辜萎定频信号干扰 c,一·叻 It五 五,五是根据实际需要选定。因此无连续性的雾态噪声就将会被滤除掉。 此处进行的连续性考察是在进行信号合并以前,或者说它是为信号合并扫清 障碍,因此是不可能有直接的信号持续时间参数可用的。因此考虑利用信号的时 段占用率来考察信号在该时段上的连续性。其中对段长度r由实际需要和互决 定。信号的时段占用率‘定义为在时间长度为r的时段上有信号的时闯为,’所占 比列,简称时段占用率【361,如下式所示 tr 』 根据定义,时段在时间轴上平移就可得到随时间变化的时段占用率掌(m)。 理想情况下,当信号持续时间大于时段长度r时,信号起始点和终止点的时段占 用率看最小,都是0.5。图3.9是善∽对信号的大致趋势图。 第三章自适应n限处理及噪声去除 …一磐一卜一鼍一/{ { {\ 图3.9耐段占用率 因此,在r’r。的前提下,时刻胛点的连续性可用以四为中心的时段的时段 占用率善(册)来考察。 羁 一 善(搬) ‘ Hn 其中,H。表示时刻廊点无信号连续性;%表示时刻厨点有信号连续性;y为 判决门限,理论上有,,=O.50实际应用中,为了具有抗干扰能力将适当降低式O一19) 的门限y。 显然式(3.21)引入了模糊性,即不连续的密集点集(时段占用率大于y) 也将判决为连续的。但是,在自噪声背景下1371,上述事件的概率为 r P=∑c鼻,‘(I-p)r-量 (3—22) I-% 由于虚警率搿一般都非常的小,因此p也很小,因此 p 则式(3-22)的值趋近于零。 因而由时段占用率来考察信号连续性并滤除雾态噪声是可行的。滤除雾态噪 声后的信号时频图如图3.10所示: 短波宽带侦察中的信号分选与检测 图3.10去除雾态噪声后时频图 由上图发现,雾态噪声已经去除很干净。为下一步信号合并、还原、分选打 下了坚实的基础。 第四章信号的合并与还原 第四章信号的合并与还原 在第三章中去除雾态噪声后zE@,玎)已经是一个稀琉矩阵,数据量已经大 幅度的减少,但还是没有得到自动处理需要的参数(信号起始时间StartT、持 并就是对稀疏矩阵中的信号进行归属处理,并获得相应的参数。 4.1信号合并 信号的合并其实就是把时频图zE(辨,n上非零点组成的信号提取成有效 参数的的形式,达到减小处理数据量的目的。在时频图上,~个信号的有效信 息可由如下五个参数表征:信号起始时间StartT、持续时间Dwell、中心频率 CenterF、有效带宽Band、幅度Amplitude。 信号合并的原则是将时频图上具有一定粘连程度的都归结为同一个信号, 即要把二维图形上的点归类为单个的整体集合的形式。合并工作可以从时间轴 和频率轴两个方向来考虑:时问轴方向主要是考察信号的起始时间StartT、持 续时间Dwell;频率轴方向则是考察信号的中心频率CenterF、有效带宽Band; 信号的幅度Amplitude则根据信号在整个时频聚集域上的平均幅度来进行估 计。 从逻辑上讲先进行时间轴合并还是先进行频率轴合并最终结采应该都是相 同的,但是考虑到实际算法的应用过程,因为N≯N,,所以从占用系统的资 源和提高处理速度方面考虑,决定先沿频率轴方向进行合并,然后再沿时间轴 方向进行合并。 根据以上讨论,得 q TF2(rn,力 (4-1) 二0 、 H§ 在上式中,风表示信号不存在,曷表示信号存在。 本算法的思路是结合时间轴和频率轴两个方向。沿频率轴方向考查时间点 ‰上各频点信号的有无,记下有信号的频点,并判别它们归属哪个信号以及更 新信号相应的参数。此时沿时间轴有时闻上的信号归属,群信号以时间上最早 出现点来表征,即信号的时间起始点;沿频率轴方向有频率上的信号归属,即 短波宽带侦察中的信号分选与检测 信号以频率上出现的中心频点来表征,即信号的中心频率。这里的表征并不是 就只用这个参数来代表整个信号的,而是基于信号合并时是横向和纵向的结合, 先在频率上发现有新信号就增加进信号库,并对它进行跟踪,和它连在一起的 有信号点归入和它同一个信号,此即为信号频率上的归属。但是考虑到在沿时 间轴平移时,可能会发现该信号点其实就是前面信号的继续,这样就将它归为 前面信号的继续,而不是增加新信号。也就是从时阔上的连续性来考虑进行归 属信号,此即为信号时间上的归属。当然也有可能会出现同一个信号时间上的 归属与其在频率上的归属产生矛盾的情况,因此判别信号的归属是个难点,主 要应考虑时频上具有如下图所示形状的信号(显然此时还未考虑幅度问题): 印 早 V ’_i——]————T—T —飞p j面- 图4.1信号合并过程中信号可能分布图 最简单当然是①,时间上的信号归属和频率上的信号归属相同,可以直接 统计出参数;②次之,将高频部分归入低频部分信号并增加信号带宽并更改信 号中心频率,此时利用时间上的归属导引了频率上的归属,因此不会产生矛盾; ⑧稍复杂,先是低频部分由频率上的归属发现新信号增加进信号库,并建立跟 踪。但是在往高频继续检测时发现其实它是和前面的信号组成了同一个信号。 在结合部频率上的归属就和前面的建立的信号时间上的归属产生了矛盾,这就 牵涉到两个信号的的合并和对已有信号的消除。这个时候本着大信号的原则, 应考虑将信号重新组合为如下⑥信号。本着这个原则,④、⑤其实就是②和③ 的组合,只不过一个在高频一个在低频而已,也可以将它合并为新形状信号⑦、 ⑧。 口二口[工卫[]二工] ⑥ ⑦ ⑥ 图4.2信号合并过程中信号归属判定图 考虑到实际电磁环境的复杂性,在实际分选还原过程中引入弹性机制:允 许信号在时闻的连续性上有一定的中断(如摩尔斯报):并且还要本着持续时阍 与幅度相结合的原则,对幅度突变的信号应考虑是两个信号的叠加或者说是原 来的信号中嵌入了新信号(这也就是解决了前甄所说信号带宽太宽的几个信号 嵌在一起的问题。这种情况将在后面的信号合并效果图中得到体现。)。整个处 理的流程图如下图所示: 第四章信号的合并与还原 整4.3信号合并处理流程冒 在上图中,纫表示信号的频率起点;index(n)表示当前时间下频率n所归 属的信号;brk(n)表示当前时间下频率n上可能仍在持续信号的中断时间: brkmen表示可以忍受信号中断的程度,即判定信号结束的门限。 对图3.10进行信号合并后的效果如图4.4所示: 短波宽带侦察中的信号分选与检测 图4.4信号合并效果图 综合上面信号合并算法的论述,它至少具有如下功能; ①连续在一起的点归为同一个信号; ②不同频点上的点同属一个信号时有共同的参数,且一个点能且只能属于 一个信号; ③允许信号有一定程度的不连续性,也即信号可以有一定程度的中断; ④能区别嵌于另一个信号时频聚集域上但能量明显不同的信号; ⑤能识别信号的变频(如慢变化的线调频信号); 由于在后面跳频信号的自动检测中对信号的起始点、持续时间、出现频率 点都非常敏感,应该获得有关信号较精确的参数,这就是有效信号的还原技术。 4

本文链接:http://stievogtr.com/huazhuangzhencha/274.html