复杂电磁环境下通信干扰信号检测方法

由于现代通信环境具有多样化特点,因此电磁信号成为干扰源,导致干扰信号检测过程中虚警率居高不下。为了解决上述问题,提出复杂电磁环境下通信干扰信号检测方法。首先,通过转换归一化和自适应滤波技术,分离出通信混合信号当中的干扰信号。其次,利用统计混响理论构建频谱矩阵,并设计出特征峰提取算法结合局部最大值条件,能够从已分离的干扰信号中提取出频谱特征。最后,深度优化卷积神经网络架构,通过增设额外卷积层有效地优化网络结构,实现复杂电磁环境下干扰信号类型快速检测目标。实验结果表明:该设计方法能够显著降低虚警率,全面提升检测精度和效率。

FY-3G MWRI-RM低频通道亮温观测中的无线电干扰信号及其日变化

由于微波辐射计低频通道的非保护性,亮温观测会受到主动传感器的信号污染,被称为无线电频率干扰(Radio-Frequency Interference,RFI)。RFI信号降低了亮温观测资料及其反演产品的准确度。我国近期发射的风云三号G星(FY-3G)搭载了微波成像仪—降水型(Microwave Radiation Imager-Rainfall Mission,MWRI-RM),在10.65~183.00 GHz的频率范围内设有17个通道,对地球大气进行被动遥感探测。在没有RFI影响情况下,不同通道亮温观测具有高度相关性。利用这一特点,采用标准化主成分分析法,可识别FY-3G MWRI-RM亮温观测资料中RFI的发生位置和强度。与风云三号A/B/C/D/星(FY-3A/B/C/D)不同,FY-3G MWRI-RM可以在不同时间观测到地球同一地点。因此,还可以研究RFI是否有日变化特征。结果表明,RFI信号确实存在于MWRI-RM的低频通道10.65 GHz亮温观测资料中,在中国和欧洲都有集中或零散分布区域,并且呈现日变化特征,RFI强度在白天普遍大于夜间。

基于多源数据融合的无线通信网络干扰信号滤除方法

当前的无线通信网络干扰信号滤除识别节点多设定为单向,信号滤除识别范围较小,导致信号的滤除响应时间延长,为此提出对基于多源数据融合的无线通信网络干扰信号滤除方法的设计与验证分析,根据当前的信号滤除需求及标准,先进行干扰信号定位检测,采用多目标的方式,扩大信号滤除识别范围,部署多目标干扰信号识别节点,以此为基础,构建多源数据融合干扰信号滤除模型,采用信号跟踪及分离处理实现信号滤除。最终的测试结果表明:设计方法得出的信号的滤除响应时间被较好地控制在0.2s以下,说明在多源数据融合技术的辅助下,当前的干扰信号滤除效果更佳,针对性更强,具有实际的应用价值。

通信干扰信号分类识别方法综述

通信干扰信号的分类识别作为通信抗干扰的前提和基础,被广泛运用于无线通信和通信电子战等诸多领域。从通信干扰信号分类识别的基本原理出发,将分类识别方法分为基于人工特征提取(Manual Feature Extraction,MFE)和自动特征学习(Automatic Feature Learning,AFL)两大类进行介绍。系统阐述了两类方法的区别,并对比分析了不同方法的特点和性能。最后,分析了该领域面临的挑战,并对未来的研究方向进行了展望。

压制式干扰信号对卫星导航接收机的影响研究

针对缺少不同样式、带宽和频偏参数压制式干扰信号对卫星导航接收机作用效果的全面分析,文中基于卫星导航接收机跟踪门限和码跟踪误差,采用仿真方法分析了不同干扰参数信号对跟踪过程的影响,分析出BPSK和QPSK调制信号的干扰样式效果较好,且最佳干扰带宽、中心频率并不一定等于导航信号带宽和中心频率。文中通过搭建室外、室内实验环境,进一步验证了不同干扰信号参数对卫星导航接收机的影响,其结果与仿真结论基本一致。

基于分段线性模型针对TLP瞬态干扰信号的芯片协同防护设计方法研究

集成电路芯片在高密度、小型化发展过程中产生了电磁兼容问题,为强化集成电路芯片对瞬态干扰信号的应对防护效果,可结合传输线脉冲(TLP)测试构建分段线性模型。文章首先对芯片应对瞬态干扰信号展开防护设计的现实需求进行分析,以CD4001BE芯片为例提出芯片TLP测试分段线性建模方式,总结瞬态电压抑制TVS二极管建模方法,并进一步展开芯片分段线性模型协同防护设计分析,旨为借助分段线性模型的方式控制芯片防护的设计时间与成本。

无线传感器网络恶意信标干扰信号协同过滤方法

为了保证网络数据传输安全且稳定,提出了无线传感器网络恶意信标干扰信号协同过滤方法。采用短时傅里叶变换小波包法分解接收信号,构建采集完整信号数据的观测环境模型,并采用似然多元分类方法分类网络节点特征矢量,进而明确各个节点的属性。在此基础上,通过区域划分方法对节点特征建模,结合拉普拉斯分布列计算抽样积分安全度,并采用蜜罐模式诱导节点,得到裁决阈值,实现恶意信标干扰信号协同过滤。仿真结果表明,所提方法在数据传输率为224 kbit/s的情况下,过滤率为97%,节点误判率在5%以内,且恶意信标干扰节点收敛效果相对较好。说明恶意信标干扰信号协同过滤方法的恶意信标干扰信号协同过滤效果较佳,可以确保无线传感器网络运行安全顺畅。

基于子波变换的相干光通信链路窄带干扰信号辨识研究

光通信链路上除了窄带干扰信号外,还存在其他噪声干扰源,这些噪声信号可能会掩盖或干扰窄带干扰信号的特征,增加了辨识的困难,为此提出基于子波变换的相干光通信链路窄带干扰信号辨识方法。通过光通信链路函数获取光通信信号,并对采集到的信号展开子波变换处理,去除信号噪声的同时保证通信信号质量。根据干扰类型建立干扰信号的专家知识图谱,利用卷积神经网络构建干扰信号辨识模型,将子波变换处理后的通信信号输入干扰信号辨识模型中开展特征提取,并根据提取特征结合专家知识图谱判断信号属于窄带干扰信号的概率,从而完成光通信链路窄带干扰信号的精准辨识。实验结果表明,利用该方法开展光通信链路窄带干扰信号辨识时,辨识精度高、辨识性能好,具有较高的实际应用价值。

基于小波变换域的电力电子设备干扰信号自动检测方法

常规的电力电子设备干扰信号自动检测方法主要使用压缩感知(Compressed Sensing,CS)理论处理高聚合度干扰信号能量谱,易受伪峰值变化影响,导致检测干扰信号电平与实际干扰信号电平不一致。因此,本文提出一种基于小波变换域的电力电子设备干扰信号自动检测方法。利用小波变换域构建设备干扰信号时间扩展模型,设计电力电子设备干扰信号自动检测算法,完成电力电子设备干扰信号自动检测。试验结果表明,使用本文设计的电力电子设备干扰信号小波变换域自动检测方法检测的干扰信号电平与实际干扰信号电平拟合,检测效果较好,应用价值较高,为提高电力电子设备的运行可靠性做出贡献。

考虑干扰信号的航空电源电磁兼容优化方法

受航空电源电压波动及自身交流信号残余量的影响,电源电磁兼容的耦合度难以得到有效保障。基于此,文章提出考虑干扰信号的航空电源电磁兼容优化方法研究。将航空电源稳压器的输入和输出分别作为两个独立的信号源,计算纹波比后,滤波器采用压控电压源的方式只允许特定频率范围内的信号通过,抑制其他频率的信号。在测试结果中,设计方法下的耦合度与信噪比之间不存在直接相关关系,对应的测试结果始终稳定在-34.0dB以上,与对照组相比具有明显优势。

基于卷积神经网络的5G 移动通信干扰信号检测

针对5G移动通信信号中存在干扰影响通信性能的问题,提出基于卷积神经网络的5G移动通信干扰信号检测方法。融合软、硬阈值函数优点改进小波阈值函数,对包含干扰信号的5G移动通信信号进行去噪处理,通过傅里叶变换构造时频图并归一化处理,采用引入动量的随机梯度下降算法,训练改进的卷积神经网络,输入归一化后时频图,最终输出干扰信号检测结果。实验结果表明,所提方法去噪能力更强、训练损失更小、训练精度和检测精度更高。

数字多时延灵巧干扰信号研究

为了适应数字干扰设备干扰脉压接收机时对数字脉内相干干扰信号的需求,研究了一种数字多时延灵巧干扰信号。首先通过数学推导得到多时延数字灵巧干扰信号的数学模型,并论证该模型可作为循环转发干扰信号、脉内多假目标干扰信号和数字多时延灵巧噪声的统一数学模型;然后从理论上分析数字多时延灵巧噪声对脉压接收机的欺骗干扰机理和噪声压制干扰机理;接着通过数字延迟叠加方法和快速卷积算法设计了两种多时延灵巧噪声的数字实现算法;最后以线性调频脉冲压缩信号为例,对两种算法产生的数字多时延灵巧噪声通过匹配滤波器前后的时域、频域、时频域特征进行仿真分析,验证了算法有效性同时直观呈现了数字多时延灵巧噪声对脉压接收机的干扰效果。研究表明多时延灵巧噪声能够有效干扰脉压接收机,并造成脉内多假目标欺骗干扰效果和高效的噪声压制干扰效果。

复杂环境下的无线通信网络干扰信号检测方法

为了解决传统无线通信网络干扰信号检测方法存在的误检率较高的问题,提出了一种新的复杂环境下的无线通信网络干扰信号检测方法。根据当前对网络干扰信号检测需求的变化,先进行信号采集与干扰源定位,采用多点位的方式,提升检测效率,并设计多点位干扰抑制机制。以此为基础,构建复杂环境通信网络干扰信号检测模型,采用持续监测处理的方式来完成干扰信号检测。测试结果表明,所提方法的无线通信网络干扰信号误检率被控制在15%以下,实际应用效果好。

基于干扰信号剔除的全频段音乐和弦识别方法

为避免音乐信号中干扰信号造成的影响,实现更准确的和弦识别,提出一种基于干扰信号剔除的全频段音乐和弦识别方法,对全频段音乐信号进行采集,利用自适应频移滤波器剔除音乐信号中的干扰信号后,通过傅里叶变换和音阶映射提取干扰信号的全频段音乐信号PCP(Pitch Class Profles)特征,构建和弦PCP特征模板库,并通过稀疏表示分类器表征提取的待识别的全频段音乐信号PCP特征与和弦PCP特征模板库之间的线性关系,实现全频段音乐和弦识别。通过实验验证,该方法能够实现一种较为精准的全频段音乐和弦识别,对于不同和弦识别率均较高,均能保证在95%以上,且平均识别时间较短,能够保证在3ms之内。

基于深度学习的雷达干扰信号分类与抑制方法研究

本文在深度学习方法应用下提出一种雷达干扰信号分类以及抑制方法。首先在卷积神经网络应用下实现对雷达干扰信号的自动分类,分别为卷积层、池化层以及全连接层,训练完成后得到分类模型。基于此实现关于去干扰网络的设计,进而在重构损失函数应用下去干扰信号。完成设计后,进行实验研究,共选取4类干扰信号以及雷达信号,结果显示本文方法在雷达信号分类中的准确率可以达到96.3%,同时能够保留有效信号,信噪比可以提升到5 dB以上,降噪后数据准确率达到98.2%,可见这一方法不但能够实现雷达干扰信号的自动分类,同时也能够产生有效抑制作用,可以取得良好的降噪效果,更有助于实施雷达信号处理。

无线电干扰信号网络化监测与定位技术应用

引言当前工业发展日益繁荣,城市现代化水平也在持续提升,越来越多的电力设备与基建设施设置在空间有限的区域,导致电磁干扰现象愈发严重。基于此,本文以无线电干扰信号网络化检测和定位技术为主要研究对象,探讨了其优势、应用问题与要点。

基于时域有限差分的通信干扰信号广域监测

针对传统通信干扰信号广域监测方法没有变换处理干扰信号,导致方法存在监测稳定性较差等问题,提出基于时域有限差分的通信干扰信号广域监测方法。分析时域有限差分工作原理,引入导数与傅里叶变换方法,实现通信信号的采集与变换,通过支持矢量机构建干扰信号数学模型,根据上述模型识别出干扰信号种类,利用Lagrange函数算法获得干扰信号,完成通信干扰信号广域监测。实验结果表明,上述方法有效提升监测稳定性与准确率,综合有效性更好。

基于人工智能的卫星通信干扰信号识别方法研究

卫星通信系统面临着日益严峻的电磁干扰环境,急需一种高效可靠的干扰信号识别方法。文章提出了一种基于人工智能技术的识别方法,融合了卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)等深度学习算法,能够自适应地提取干扰信号的时频特征和动态特性,实现高精度、低虚警的实时识别。仿真实验表明,文章所提方法在复杂电磁环境下具有显著的性能优势,对各类干扰信号的平均识别准确率高达97.6%,为卫星通信系统的安全防护提供了有力支撑。

基于累计量的干扰信号调制识别算法

为解决正常通信中检测到非法或干扰信号时的调制识别问题,该文提出了一种共信道干扰信号调制识别算法。分析了相偏、频偏等未知参数对共信道信号四阶累积量的影响并给出降低这些影响的方法。以信号四阶累积量为识别特征对干扰信号的调制方式进行识别。同时给出干扰信号相偏、频偏等参数的估计。实验结果表明了所提算法的有效性。

±800kV换流站现场干扰信号的测量及实验室模拟

为了研究换流站现场干扰信号的抗干扰措施、提高现场局部放电检测的准确性和可靠性,有必要对换流站内的干扰信号进行测量。为此,在±800 k V换流站内采用常规脉冲电流法和特高频法分别测量了阀厅内的干扰信号、交流线路下换流变附近的干扰信号以及平波电抗器和直流滤波器间的干扰信号,并对现场可能存在的干扰信号进行实验室模拟,以进一步确定换流站内现场干扰信号的类型、来源及特征。测量结果表明:1)检修状态下极Ⅰ低压阀厅内测得的背景噪声主要是一些无线电干扰信号,如GSM制式的手机干扰信号、对讲机干扰信号;2)在交流线路下换流变附近测得的干扰信号主要是周期型的脉冲干扰信号,如高压汞灯产生的干扰信号,该类型的干扰信号散点图在某一固定相位处呈长条状分布;3)当高压线路带有800 k V直流电压时,在平波电抗器和直流滤波器间测得的干扰信号主要由高压直流导线上的电晕放电产生,该放电信号为等幅值的脉冲干扰信号,且随相位均匀分布。