基于频率拼接的异步跳频信号参数盲估计方法
【技术领域】
[0001] 本发明属于通信技术领域，更进一步设及无线通信技术、信号处理技术领域中基 于频率拼接的异步跳频信号参数盲估计方法。本发明在信道和信号任何先验信息都未知的 条件下，仅根据接收到的信号，采用频率拼接的方法，实现了异步非正交网络中的频率碰撞 情景下的多个跳频信号参数盲估计。
【背景技术】
[0002] 跳频通信由于截获概率低，组网能力强，干扰对抗性能好等优点，在军事和民用通 信中获得了广泛应用。跳频参数估计作为跳频侦察技术中关键的环节，对其进行研究具有 重大的现实意义。目前常用的跳频信号参数估计方法有时频分析法W及原子分解法。
[0003]W维格纳分布（WVD)为代表的时频分析方法是将线性调频信号通过二次型函数 变换到时频域，该类方法对于单分量线性调频信号具有良好的能量积聚性，但是对于多分 量线性调频信号，通过二次型函数变换会产生严重的交叉感染项，导致无法精确得到跳频 信号的参数。为了抑制交叉项，许多维格纳分布（WVD)的改进方法被提了出来。
[0004] 刘玉珍等人在其发表的论文"基于改进WVD的跳频信号参数估计方法"（计算机工 程与设计，2011，Vol. 32,No. 11，）中提出了一种基于改进WVD算法的跳频信号参数估计新 方法。该方法通过分析跳频信号WVD的性质和特点，构造出与固顺信号WVD自项支撑区重 合的时频窗，用其与信号WVD相乘进行加窗，得到了清晰的跳频信号时频分布，基于此分布 估计出了跳频信号的参数。该方法能够在有效抑制交叉干扰项的同时保持WVD良好的时频 分辨率，但是，该方法存在的不足之处是，对噪声敏感，在低信噪比下跳频信号参数估计性 能明显下降。
[0005]范海宁等人在其发表的论文"一种新的跳频信号参数盲估计算法"（信号处理学 报，2009，V〇1. 25,No. 11，1754-1758)中提出了一种基于原子分解算法的跳频信号参数盲估 计方法。该方法根据跳频信号内部结构的特点，W加窗正弦函数为基函数构造了一种与跳 频信号匹配的3-参数时频原子字典，将跳频信号分解为有限个3-参数时频原子的组合，最 终根据运些时频原子的参数值来估计跳频信号的参数。该方法能够在未知任何先验知识的 情况下，能够对跳频信号的参数进行有效估计。但是，该方法存在的不足之处是，在异步非 正交网络中的频率碰撞情景下无法估计多个跳频信号参数，且充足原子字典的构造W及如 何实现算法快速收敛都是比较复杂的问题。
【发明内容】
[0006] 本发明的目的在于克服上述现有技术的不足，提供了一种基于频率拼接的异步跳 频信号参数盲估计方法，W解决异步非正交网络中的频率碰撞情景下的跳频信号参数盲估 计的问题，提高跳频参数估计方法对噪声的适应能力。
[0007] 实现本发明的具体思路是：对接收采样后的跳频信号进行短时傅里叶变换，然后 采用K均值聚类算法聚类频率，通过分析聚类后的频率，检测出碰撞频率，分解碰撞频率， 再采用频率拼接的方法，实现了跳频信号参数盲估计。
[0008] 实现本发明目的的具体步骤如下：
[000引 （1)接收信号：
[0010] 雷达天线接收任意一段模拟信号；
[0011] 似信号采样：
[0012] 对雷达天线接收的任意一段模拟信号，W采样频率fg进行采样，得到离散信号；
[0013] (3)对离散信号进行短时傅里叶变换，得到时频域信号：
[0014] (4)提取序号：
[0015] (4a)提取时频域信号中高能量信号对应的频域采样点序号和时域窗序号；
[0016] (4b)将高能量信号对应的频域采样点序号和时域窗序号组成序号集合；
[0017] (5)计算每一个频域采样点序号对应的频率值：
[001引 （6)聚类频率：
[0019] 化a)采用K均值聚类算法，分别对每一个时域窗对应的所有频域采样点序号1。对 应的频率值f(l。）进行聚类，得到第q。个时域窗中第C个聚类中屯、乂'/"，其中，1。表示时频 域信号中高能量信号对应的频域采样点序号，1。= 1，2,…，LL表示短时傅里叶变换窗长， f(l。）表示第q。个时域窗对应的频域采样点序号1。对应的频率值，q。表示时频域信号中高 能量信号对应的时域窗序号，q。= 1，2,…，Q，Q表示短时傅里叶变换所需的总窗数，尤"表 示第q。个时域窗中第C个聚类中屯、，C= 1，2,…，Wy。，C表示聚类中屯、的序号，乂。表示聚类中 屯、的个数；
[0020] ㈱将第4个时域窗中第C个聚类中屯、嚴。组成频率集合护（' =U,-.，iV;。，4; =U...靴其 中，q。表示时频域信号中高能量信号对应的时域窗序号，q。二1，2,…，Q，Q表示短时傅里叶 变换所需的总窗数，/严表示第q。个时域窗中第C个聚类中心C= 1，2,…，Wg。，C表示聚类中 屯、的序号，Wg。表示表示聚类中屯、的个数；
[0021] (7)分析频率集合：
[0022] (7a)从聚类中屯、组成的频率集合中提取出所有不同的频率值fd， 乂e{/7°，C二1，2，''一乂/。，斯=1，2，~，饼，其中，(1表示不同的频率点序号，(1=1,2,"，，成， N。表示估计的不同频率的个数，q。表示时频域信号中高能量信号对应的时域窗序号，q。= 1，2,…，Q，Q表示短时傅里叶变换所需的总窗数，/'k表示第q。个时域窗中第C个聚类中心 C= 1，2,…，Wg。，C表示聚类中屯、的序号，表示表示聚类中屯、的个数.
[002引 饥）统计每个频率fd的起始窗序号蘇，终止窗序号换，W及持续窗数讀，其中，fd 表示提取出的频率，f:!=如-拓'+1，d表示不同的频率点序号，d= 1，2,…，N。，N。表示估计 的不同频率的个数，频率fd、起始窗序号A、终止窗序号公、W及持续窗数组成向量Td, 石=(/,'，公，若，<');
[0024] (7c)提取向量Td中起始窗序号为1的向量T/"，逐行存入矩阵pW，其中，d表示 不同的频率点序号，d=1，2,…，N。，N。表示估计的不同频率的个数，j表示矩阵FW的行序 号，j=l，2，…，rW，rW表示矩阵FW的行数；
[002引 （7d)提取向量Td中终止窗序号为Q的向量Tg?，逐行存入矩阵F?，其中，d表示 不同的频率点序号，d= 1，2,…，N。，N。表示估计的不同频率的个数，g表示矩阵F?的行序 号，g= 1，2,…，r?，r?表示矩阵F?的行数，Q表示短时傅里叶变换所需的总窗数；
[002引 （7e)提取向量Td中起始窗序号不为1且终止窗序号不为Q的向量T1W，逐行存入 矩阵FW，其中，d表示不同的频率点序号，d= 1，2,…，N。，N。表示估计的不同频率的个数，i表示矩阵F"的行序号，i= 1，2,…，rW，r"表示矩阵FW的行数，Q表示短时傅里叶变 换所需的总窗数；
[0027] 仍）将矩阵F?的行序号j初始化为1 ;
[0028] (7g)将矩阵F?第j行的向量T,W对应的终止窗序号依次与矩阵FW的每一行的 向量TiW对应的起始窗序号相减，将差值依次放入集合W中，其中，j表示矩阵FW的行序 号，i表示矩阵F"的行序号，i= 1，2,…，rW，r"表示矩阵FW的行数；
[002引 饥）从集合W中捜索大于等于-1的最小差值Tl，若捜索到，执行步骤仍）；若 未捜索到，将矩阵F?的行序号j加1，执行步骤（7g);
[0030] (7i)按照下式，计算同时包含跳频信号相连两跳频率的时域窗的窗数；
[00引]W=n+1
[0032] 其中，W表示同时包含跳频信号相连两跳频率的时域窗的窗数，n表示从集合W 中捜索的大于等于-1的最小差值；
[0033] (8)初步估计跳周期：
[0034] (8a)采用K均值聚类算法，对矩阵FW中的第4列数据进行聚类，得到聚类中屯、Om 和每一类持续窗数的个数Zm,每一类持续窗数的个数等于该类持续窗数对应的频率个数， 其中，矩阵中的第4列数据表示持续窗数，m表示聚类中屯、的序号，第m个聚类中屯、对应 第m类信号，m= 1，2,…，N，N表示聚类中屯、的个数；
[0035] (8b)将每一类持续窗数对应的频率组成集合Qm;
[0036] (8c)按照下式，初步估计跳周期：
[0037] =。,,. X B/f
[003引其中，t表示第m类信号的跳周期，m表示聚类中屯、的序号，第m个聚类中屯、对应 第m类信号，m= 1，2,…，N，N表示聚类中屯、的个数，Om表示所得聚类中屯、，B表示短时傅里 叶变换时，时域窗间隔的采样点数，fs表示采样频率；
[0039] (9)检测碰撞频率：
[0040] 巧a)提取步骤（8a)得到的持续窗数的个数为1的那类持续窗数对应的频率fP;
[0041] 巧b)判断频率fP是否满足第一类拼接条件，若是，执行步骤（11)，否则，执行步骤 巧C);
[0042] 巧C)判断频率fP是否满足第二类拼接条件，若是，则将该频率fP作为碰撞频率， 执行步骤（10)，否则，执行步骤（11);
[0043] (10)分解碰撞频率：
[0044] (IOa)将碰撞频率fP作为频率fV所在类对应的跳频信号在[妃，始+?^-口窗内的 频率，其中，如表示频率f7的起始窗序号，W1表示频率fV对应的持续窗数，fV表示能够拼