跳频信号识别方法
【专利摘要】本发明提供了一种跳频信号识别方法，用于在复杂航天器检测现场，利用平滑伪维格纳分布，从杂乱的电磁环境频谱中识别出航天器测控通信中的跳频信号，包括以下步骤：步骤一，对输入信号进行划分获得滑动重叠窗口，从而获得平滑伪维格纳分布；步骤二，基于平滑伪维格纳分布获得跳频脊线，并对跳频脊线进行求商差运算，从而得到突变脉冲；步骤三，根据突变脉冲，计算每个突变脉冲之间的距离，从而获得对跳频周期的估计；以及步骤四，对跳频周期的估计进行参数阈值迭代，从而识别出跳频信号与定频信号。因此，本发明可以在低信噪比下实现对微弱的跳频信号进行特征识别，在-9dB以上可以达到很高的识别率。
【专利说明】
跳频信号识别方法
技术领域
[0001] 本发明属于航天器测控无线通信信号检测领域，涉及一种调频信号识别方法，适 用于在复杂航天器检测现场从杂乱的电磁环境频谱中识别出航天器测控通信中的跳频信 号。
【背景技术】
[0002] 目前通信信号调制识别的方法主要分为判决理论法和统计模式识别法。判决理 论法基于概率论和假设检验中的贝叶斯理论，需要较多的已知参数和较大计算量。统计 模式识别法则利用信号的各阶统计相关矩变量作为识别不同调制模式的特征。近年来研 究人员对于单载波数字信号和模拟信号调制模式的识别做了大量工作，将小波变换、短时 傅里叶变换、高阶累积量等信号分析手段用在调制识别中，可以做到对二进制移相键控 (Binary Phase Shift Keying，以下简称为BPSK)、四相相移键控（Quadrature Phase Shift Keying，以下简称为QPSK)、正交振幅调制（Quadrature Amplitude Modulation，以下简称 为QAM)和模拟信号等的识别。但对于跳频信号的检测与识别则研究较少。
[0003] 跳频信号是一种典型的非平稳信号，一般必须借助于时频分析手段才能有效地获 取这些参数。时频分析（Time-Frequency analysis，以下简称为TMA)，尤其维格纳分布 (Wigner-Ville Distribution，以下简称为WVD)是一种用于分析非平稳信号强有力的工 具。但是，对于多分量信号或频率随时间非线性变化的单分量信号（例如，跳频信号），WVD 存在着严重的交叉项干扰。通过仿真发现，直接用WVD值去估计得不到正确的结果。而通 过在时域和频域两次平滑得到的平滑伪WVD(Smoothed Pseudo WVD，以下简称为SPWVD)，可 以有效地抑制交叉干扰项。
[0004] 因此，急需一种方案，能够用SPWVD代替WVD和伪WVD(Pseudo WVD，以下简称为 PWVD)来估计跳频信号的载波频率，在跳频调制机理的基础上，基于SPWVD检测与识别跳频 信号，可有效区分跳频和定频信号。
【发明内容】
[0005] 为了解决现有技术中存在的问题，本发明提出了一种方案，首先分析SPWVD在跳 频信号检测中所起到的可抑制交叉项干扰的作用，然后基于跳频脊线求差商、参数阈值迭 代等，将SPWVD应用于跳频信号的参数估计和信号识别，最后对算法进行了计算机仿真，对 改进前后的算法性能进行了比较，验证了算法的可行性和有效性。
[0006] 本发明提供了一种跳频信号识别方法，用于在复杂航天器检测现场，利用平滑伪 维格纳分布，从杂乱的电磁环境频谱中识别出航天器测控通信中的跳频信号，包括以下步 骤：步骤一，对输入信号进行划分获得滑动重叠窗口，从而获得平滑伪维格纳分布；步骤 二，基于平滑伪维格纳分布获得跳频脊线，并对跳频脊线进行求商差运算，从而得到突变脉 冲；步骤三，根据突变脉冲，计算每个突变脉冲之间的距离，从而获得对跳频周期的估计； 以及步骤四，对跳频周期的估计进行参数阈值迭代，从而识别出跳频信号与定频信号。
[0007] 平滑伪维格纳分布用于表示输入信号在时频域的能量分布密度，对于跳频信号， 在每个完整的跳频周期内，平滑伪维格纳分布值都是中间大两边小，并且在频率跳变时刻 出现最小值。
[0008] 具体地，在步骤一中执行：对输入信号进行划分获得滑动重叠窗口；以及对滑动 重叠窗口进行平滑伪维格纳分布变换，并重新排列以获得时频分布矩阵。
[0009] 在步骤二中执行：对时频分布矩阵求取每个时刻在频率轴的最大值，以获得最大 值序列，从而得到跳频脊线；以及对跳频脊线进行求差商运算，得到所有跳频时刻以形成突 变脉冲，从而得到频率跳变时刻。
[0010] 在步骤三中执行：根据突变脉冲，计算跳频时刻之间的平均距离，从而获得对跳频 周期的估计。
[0011] 步骤四包括：采用参数阈值迭代的方式，选择跳频周期的估计的门限；计算跳频 周期的估计序列的方差值；以及将方差值与预定的方差门限值进行比较，从而识别出跳频 信号。
[0012] 优选地，在步骤四中，门限至少包括：上门限和下门限。
[0013] 相应地，在步骤四中执行：采用参数阈值迭代的方式，选择跳频周期的估计的上门 限和下门限；计算跳频周期的估计序列的方差值；将方差值与方差门限值进行比较；以及 当方差值小于方差门限值时，判定为跳频信号，而当方差值大于方差门限值时，判定为定频 信号。
[0014] 因此，与现有技术相比，本发明具有以下有益效果：
[0015] (1)现有技术是针对高信噪比下的跳频信号进行检测与识别，本发明提出低信噪 比下微弱信号的特征识别方案；
[0016] (2)现有技术中的信号调制模式识别方法大多是基于信号的统计量和高阶累积 量，不同调制模式信号的某种累积量值会有所差别，并且现有文献中对模拟和数字的多种 调制模式信号的识别进行了仿真，在信噪比高于10dB时可以获得较好的识别效果，而本发 明针对跳频信号的特点，可以在低信噪比下实现对跳频信号的识别，在_9dB以上可以达到 很高的识别率。
【附图说明】
[0017] 图1为本发明【具体实施方式】所涉及的信噪比为_5dB下的极大值序列的示意图；
[0018] 图2为本发明【具体实施方式】所涉及的极大值法的跳频周期方差的示意图；
[0019] 图3为本发明【具体实施方式】所涉及的跳频基线的示意图；
[0020] 图4是本发明【具体实施方式】所涉及的跳频时刻估计的示意图；
[0021] 图5是本发明【具体实施方式】所涉及的为周期估计的比较结果的示意图；
[0022] 图6示出了本发明【具体实施方式】所涉及的极大值法的周期估计方差；
[0023] 图7示出了本发明【具体实施方式】所涉及的差商法的周期估计方差；
[0024] 图8示出了本发明【具体实施方式】所涉及的差商法的跳频信号的识别率；
[0025] 图9示出了本发明【具体实施方式】所涉及的极大值法的跳频信号的识别率；以及
[0026] 图10为本发明的跳频信号识别过程的流程图。
【具体实施方式】
[0027] 应了解，本发明复杂航天器检测现场跳频信号的识别方法通过对跳频系统和现有 参数估计算法的分析，提出利用SPWVD进行跳频（Frequency Hopping，以下简称为FH)信 号参数估计和识别，可以有效地区分跳频和定频信号。在实施中，利用重叠滑动窗口、跳频 脊线求差商、参数阈值迭代等方法，有效地提高了在低信噪比下跳频信号参数估计和识别 的性能。在Matlab平台下，对信号的检测和估计性能进行了分析，结果表明信噪比高 于-9dB时，可以实现有效的参数估计和识别效果，能够很好地区分跳频和定频信号，算法 性能明显优于现有传统算法。
[0028] 因此，本发明在SPWVD谱的基础上，利用重叠滑动窗口、跳频脊线求差商、参数阈 值迭代等方法，对跳频信号参数进行估计和识别，可以有效地区分跳频和定频信号。另外， 对SPWVD进行差商运算，获取跳变脉冲，并结合滑动窗口和迭代阈值，用于跳频周期的估 计。
[0029] 具体地，利用SPWVD进行跳频信号参数估计和调制模式识别，通过重叠窗口、跳频 基线求导、参数阈值迭代等方法的使用，估计跳频信号参数。同时根据跳频信号的特点，提 出利用频率波动周期的稳定性分离对跳频和非跳频信号。下面结合附图1-10及具体实施 方式对本发明进行详细说明，以便进一步理解本方案的原理、步骤、特点和优点。
[0030] 跳频信号的表示
[0031] 跳频是频率随时间跳变的一种通信方式，它具有一组由跳频图案控制的伪随机的 载频，所有可能的载波频率的集合成为跳频集。不同的时间，信号的传输处于不同信道上， 所有信道涵盖的带宽称为跳频带宽。跳频信号一般使用伪随机产生的移频序列对一连串脉 冲进行非线性调制产生，如以下公式（1)所示。
[0032]
[0033]
公式（1)
[0034] 其中，p(t)为具有时宽Tb的基脉冲波形，{fj为伪随机产生的移频序列，{Φ η}为 频率跳变发生时的伪随机相位序列。
[0035] 平滑伪 Wigner-Vill 分布
[0036] 经过时域和频域加窗处理后的WVD称为SPWVD，具体如以下公式（2)所示。
[0037]
公式（2)
[0038] 其中，h(t)和g(t)是奇数长度的窗函数，满足h(0) = 1和g(0) = 1。要实现平 滑伪WVD算法仿真必须将连续的WVD离散化。离散伪WVD的定义如以下的公式（3)所示
[0039]
公式（3)
[0040] 在公式（3)中，h(m)是长度为Μ的正实窗函数，采样频率为fs的情况下，t，f和τ 离散为n，k，和m(具体如以下公式（4)所示）。
[0041 ]
[0042] 由式（3)可见，离散伪Wigner分布可以用离散傅里叶变换（Discrete FourierTest，以下简称为DFT)来计算。将DFT作用于11点函数c(n，m)，函数c(n，m)的定 义如以下的公式（5)所示。
[0043]公式 (5)
[0044] 利用解析信号和原信号的在频域关系，z(n)的构造可以由离散信号s(n)的DFT求 得。具体的步骤为先对s (η)做N点的DFT得到S (k)，由S (k)构造 Z (k)，当k = 0时，Z (k) = X(k)，k=l，2,.....N/2-1 时，Z(k) = 2X(k)，其他情况下，Z(k) = 0。最后对 Z(k)做 离散傅里叶反变换，ζ (η) = IDFT [Z (k)]。
[0045] 基于SPWVD的跳频信号参数估计方法
[0046] 跳频信号是一种频率随时间非线性变化的非平稳信号，对其进行分析不能采用传 统的傅里叶变换的方式。小波变换和短时傅里叶变换虽然也可以提供信号频谱的时变特 征，但它们根本上还是对信号的线性分解。时频分析的方法对处理非平稳时变信号能够提 供更好的能量聚集性和时频分辨率。以上分析的SPWVD就是分析非平稳信号的一种强有力 的工具。它可以在没有任何先验知识的情况下对信号能量的时间和频率聚集性进行有效的 分析。
[0047] SPWVD分布可以描绘信号在时频域的能量分布密度，而且对于跳频信号在每个完 整的跳频周期内，信号的SPWVD值都是中间大两边小，在频率跳变时刻出现最小值。通常的 方法利用这一特性求取频率跳变时刻从而获得跳频周期的估计。
[0048] 利用跳频信号SPWVD分布在频率跳变出现最小值的特性可以估计跳频信号的跳 频周期，但在信噪比较低的情况下这种方法的估计效果并不理想。由于干扰噪声的存在，信 号SPWVD分布最大值序列的极小值并不是只在频率跳变时刻出现。如图1所示，当信噪比 为_5dB时的最大值序列，使得估计效果变差。如图2所示，示出了信躁比从-10dB至10dB 变化时采用极大值法获得跳频周期估计值f的方差。
[0049] 为了在信躁比较低的情况下仍能获得较好的估计效果，本发明提出的新的跳频周 期估计方法，仍然利用了跳频信号的SPWVD分布，沿频率轴计算每个时刻的幅度最大值，记 录出现最大值的频率点位置，由此得到跳频脊线。对跳频脊线做求差商运算，则会在所有跳 频时刻形成突变脉冲。
[0050] 根据以上的突变脉冲，计算每个突变脉冲之间的距离，即获得对跳频周期的估计。 由于只有在频率跳变点才会出现较大幅度的突变脉冲，所以在信噪比较低的情况下仍可以 获得较好的估计效果。在周期估计算法中，采用基于迭代的自适应门限法，有效排除无效的 周期估计值。重叠滑动窗口、跳频脊线求差商、参数阈值迭代等方法
[0051] 假设
b-系列周期的估计值，为了去除无效的周期估计，以 增加周期估计的准确度，现按如下的公式（6)选择估计值的门限：
[0052]
[0053] 对;^中大于Tmax和小于Tmin的估计值进行舍弃。
[0054] 实现流稈
[0055] 跳频信号的载波频率随时间周期性的伪随机跳变，对跳频信号进行周期估计可以 获得较为稳定的估计值，但对于定频信号，由于没有固定的频率跳变周期，因此噪声和调制 信号的幅值最大频率会在信号带宽范围内进行随机波动，故而频率变化周期值会是波动较 大的不稳定序列。由此可以将频率变化周期的估计值的稳定性作为跳频信号识别的特征。 如图10所示，本发明的调频信号识别方法的具体步骤如下：
[0056] ①对信号x(t)划分滑动重叠窗口，Xl(t)，i = 1，2，·*·，Μ;
[0057] ②对各个Xl (t)做SPWVD变换，并重新排列获得其时频分布矩阵s (f，t)。
[0058] ③对s(f，t)求取每个时刻在频率轴的最大值，获得最大值序列m(t)，得到跳频脊 线；
[0059] ④对跳频脊线做差商运算，得到所有跳频时刻形成突变脉冲，并由此进一步得到 频率跳变时刻；
[0060] ⑤求跳变时刻之间的平均距离，即为跳频周期f的估计；
[0061] ⑥参数阈值迭代，选择估计值的门限
(7)，其中，对;中大于Tmax和小于Tmin的估计值进行舍弃；
[0062] ⑦计算周期估计序列的方差值σ 1 ;以及
[0063] ⑧将〇 1与门限值σ _ΤΗ，若σ 1 < σ _ΤΗ，则判定为跳频信号，若σ 1 > σ _ΤΗ，则 判定为定频信号，然后流程结束。
[0064] 根据流程①~③，对信号X (t)划分滑动重叠窗口，并做SPWVD变换，然后重新排列 获得其时频分布矩阵。接下来，根据频率轴的最大值，获得最大值序列m(t)，由此得到跳频 脊线（如图3所示）。对跳频脊线做差商运算，则会在所有跳频时刻形成突变脉冲（如图4 所示）。
[0065] 根据上文的实现流程④~⑥，可以估计跳频周期。图5为信躁比从-10dB到10dB 变化时两种方法获得的跳频周期估计曲线。
[0066] 可以看出，脊线差商法在信躁比低于_5dB时仍可以获得较为稳定的周期估计，但 极大值法只有信躁比在OdB以上时才能获得稳定的周期估计。
[0067] 在仿真试验中，跳频信号的跳频集为1kHz到10kHz等间隔分布的10个载波频率， 跳频图案由伪随机码控制，包含5个跳频周期。采样频率f s设为2MHz，跳频频率f h设为 100Hz，即跳频周期为0. 01s，仿真时间T为0. 25s。
[0068] 根据上文的实现流程⑦，可以估计跳频信号估计周期的方差。图6为用极大值法 求得的定频和跳频信号估计周期方差，图7为差商法求得的定频和跳频信号估计周期方 差。
[0069] 根据上文的实现流程⑧，还可以根据估计周期方差可以将跳频信号和定频信号分 离。如图6所示，对于极大值法，信噪比在OdB以下时定频和跳频信号难以分开，而在图7 中，利用差商法在信噪比大于_15dB时均可将定频和跳频信号分开。
[0070] 另外，图8为利用差商法的情况下彳目噪比从_10dB到_5dB变化时跳频彳目号和定频 信号的识别率的变化曲线。如图8所示，在信噪比高于-9dB时，可以对信号获得较高的识 别率。图9为应用极大值法求得的跳频信号和定频信号识别率情况。如图9所示，在信噪 比5dB以下时无法获得较好的识别率。
[0071] 可见，本发明有效提高在低信噪比下跳频信号参数估计的性能，在_6dB信噪比 下，可以对跳频周期进行准确的估计。在_9dB以上可以对跳频和非跳频信号实现准确的分 离。在空间电子对抗和民用电磁环境监测领域，尤其是对复杂航天器干扰定位技术的发展 和应用，将产生较重要的推动作用，并可带来较好的社会经济效益。
[0072] 综上所述，本发明可以在低信噪比下实现对微弱的跳频信号进行特征识别， 在-9dB以上可以达到很高的识别率。
[0073] 本发明中未说明部分属于本领域的公知技术。
【主权项】
1. 一种跳频信号识别方法，用于在复杂航天器检测现场，利用平滑伪维格纳分布，从杂 乱的电磁环境频谱中识别出航天器测控通信中的跳频信号，其特征在于，包括以下步骤： 步骤一，对输入信号进行划分获得滑动重叠窗口，从而获得平滑伪维格纳分布； 步骤二，基于所述平滑伪维格纳分布获得跳频脊线，并对所述跳频脊线进行求商差运 算，从而得到突变脉冲； 步骤三，根据所述突变脉冲，计算每个突变脉冲之间的距离，从而获得对跳频周期的估 计；以及 步骤四，对所述跳频周期的估计进行参数阈值迭代，从而识别出跳频信号与定频信号。2. 根据权利要求1所述的跳频信号识别方法，其特征在于，所述平滑伪维格纳分布用 于表示所述输入信号在时频域的能量分布密度， 对于所述跳频信号，在每个完整的跳频周期内，平滑伪维格纳分布值都是中间大两边 小，并且在频率跳变时刻出现最小值。3. 根据权利要求2所述的跳频信号识别方法，其特征在于，在所述步骤一中执行： 对所述输入信号进行划分获得所述滑动重叠窗口；以及 对所述滑动重叠窗口进行平滑伪维格纳分布变换，并重新排列以获得时频分布矩阵。4. 根据权利要求3所述的跳频信号识别方法，其特征在于，在所述步骤二中执行： 对所述时频分布矩阵求取每个时刻在频率轴的最大值，以获得最大值序列，从而得到 所述跳频脊线；以及 对所述跳频脊线进行求差商运算，得到所有跳频时刻以形成突变脉冲，从而得到频率 跳变时刻。5. 根据权利要求4所述的跳频信号识别方法，其特征在于，在所述步骤三中执行： 根据所述突变脉冲，计算所述跳频时刻之间的平均距离，从而获得对所述跳频周期的 估计。6. 根据权利要求5所述的跳频信号识别方法，其特征在于，所述步骤四包括： 采用所述参数阈值迭代的方式，选择所述跳频周期的估计的门限； 计算所述跳频周期的估计序列的方差值；以及 将所述方差值与预定的方差门限值进行比较，从而识别出所述跳频信号。7. 根据权利要求6所述的跳频信号识别方法，其特征在于，在所述步骤四中，所述门限 至少包括：上门限和下门限。8. 根据权利要求7所述的跳频信号识别方法，其特征在于，在所述步骤四中执行： 采用所述参数阈值迭代的方式，选择所述跳频周期的估计的上门限和下门限； 计算所述跳频周期的估计序列的方差值； 将所述方差值与所述方差门限值进行比较；以及 当所述方差值小于所述方差门限值时，判定为所述跳频信号，而当所述方差值大于所 述方差门限值时，判定为所述定频信号。
【文档编号】H04L27/00GK105991492SQ201510069012
【公开日】2016年10月5日
【申请日】2015年2月10日
【发明人】阳彪, 张华 , 徐军, 张洪欣, 修志杰
【申请人】北京空间飞行器总体设计部