基于块稀疏贝叶斯学习的直扩通信窄带干扰检测与参数估计

现有基于Nyquist采样定理的直扩(direct sequence spread spectrum,DSSS)通信窄带干扰(narrowband interference,NBI)检测和参数估计方法存在应用受限于采样率较高的问题。针对这一问题,将压缩感知(compressive sensing,CS)应用于DSSS通信NBI的检测和参数估计,根据DSSS信号与NBI的不同压缩域特性以及NBI在频域表现出的分块稀疏特性,利用块稀疏贝叶斯学习(block sparse Bayesian leaning,BSBL)框架获取干扰检测和参数估计的特征量,通过对特征量的检测和参数估计实现对NBI的检测和参数估计。理论分析和仿真结果表明:所提方法能够在压缩采样条件下实现对DSSS通信中NBI的有效检测和参数估计,与传统方法相比具有显著优势,干扰检测和参数估计性能受干扰强度、干扰带宽以及压缩率变化的影响,干扰强度越强、干扰带宽越小、压缩率越大,干扰检测和参数估计效果越好。

间歇混沌采样灵巧干扰生成算法

针对目前间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)多假目标分布均匀与次假目标衰减快的缺点,提出一种间歇混沌采样灵巧干扰(interrupted chaotic sampling smart jamming,ICSSJ)生成算法。该算法首先产生Tent混沌序列,通过该序列控制采样时间窗长度和转发时间窗长度,生成间歇混沌采样信号,产生非均匀密集假目标群;其次,通过灵巧噪声对间歇混沌采样信号进行卷积调制,提高次假目标群归一化幅度,增加有效假目标数量;最后与间歇采样转发干扰中的切片干扰和脉冲随机转发干扰进行仿真对比实验。结果表明,该算法解决了多假目标分布均匀与次假目标衰减快的缺点,更好地兼顾了压制干扰与欺骗干扰的效果,大幅增加雷达接收机对干扰信号参数估计的难度,进而使得雷达识别与抑制假目标的能力大幅下降。

大带宽通信压缩域干扰抑制方法综述

压缩域干扰抑制方法是一种新兴的通信干扰抑制方法,该方法在降低大带宽信号采样速率的同时,提高了干扰条件下通信的可靠性,进一步扩大了大带宽通信的应用范围。回顾了压缩感知(Compressive Sensing,CS)的基本概念;根据CS理论与实践之间的差距,系统地阐述了大带宽通信压缩域干扰抑制研究进展,总结了通信信号压缩域干扰抑制研究需要重点解决的干扰检测、干扰参数估计以及干扰抑制三个方面问题的研究现状以及可借鉴方法的研究现状,对现有方法的性能进行了分析和评价;最后,分析了该研究领域面临的挑战,并对未来的研究方向进行了展望。