基于用户公平性的抗干扰频谱接入方法

针对共存式频谱接入方法中存在干扰的问题和多认知用户无线通信系统中认知用户之间的系统资源分配不公平的现象,提出了一种基于用户公平性的抗干扰频谱接入方法.在该方法中,如果认知用户能够帮助授权用户达到目标速率,就能够获得机会接入授权用户的频谱,认知系统根据认知用户的信道条件和吞吐量选择出一个认知用户接入授权用户的频谱.认知用户接入授权用户的频谱后,利用一部分带宽转发授权用户的信息帮助其达到目标速率,然后利用剩余的带宽发送自己的信息.由于认知用户使用不同的带宽分别发送授权用户和自己的信息,所以授权用户和认知用户之间不会产生干扰.研究了认知用户如何进行带宽分配,使得在保证授权用户达到目标速率的条件下,最大化认知用户的速率,以及如何进行认知用户选择,保证认知用户频谱接入的公平性仿真结果验证了该频谱接入方法的有效性和公平性.

基于频谱泄漏干扰多层消除的密集谐波/间谐波参数估计方法

当电力系统中存在密集谐波/间谐波时,现有谐波/间谐波参数估计方法往往因计算模型阶数难以选取或部分频谱泄漏干扰被忽略等因素而产生严重误差。由此,提出一种基于频谱泄漏干扰多层消除的密集谐波/间谐波参数估计方法。根据干扰来源,将频谱泄漏干扰分为自频谱泄漏干扰和互频谱泄漏干扰;提出频谱旋转线性化和多层频谱错位相减方法以有效抑制互频谱泄漏干扰;构建自频谱泄漏干扰模型并采用自适应步长牛顿迭代法求解模型,从而有效抑制自频谱泄漏干扰并求得密集谐波/间谐波参数。相较于现有方法,所提方法无需任何先验条件,且能在主瓣重叠时有效抑制频谱泄漏干扰,从而精准估计密集谐波/间谐波参数。仿真和实验验证了所提方法的有效性与准确性。

基于深度迁移学习的动态频谱快速适配抗干扰方法

机器学习逐渐发展成为一种成熟强大的技术工具,并被广泛应用于无线通信抗干扰领域。其中,较为典型的有基于深度强化学习的抗干扰方法,通过与动态、不确定通信环境的不断交互来学习最优用频策略,有效解决动态频谱接入抗干扰的问题。然而,由于外界电磁频谱空间复杂、干扰模式样式动态多变,从头开始学习复杂的抗干扰通信任务往往时效性差,导致学习效率和通信性能显著下降。针对上述问题,提出基于深度迁移学习的动态频谱快速适配抗干扰方法。首先,通过构建预训练模型对已知干扰模式进行学习;其次,使用卷积神经网络提取现实场景下的感知频谱数据,重用过往经验优先启动加速适配;最后,运用微调策略辅助强化学习实施在线抗干扰信道接入。仿真结果表明,相较于传统强化学习算法,所提方法能够有效加快算法收敛速度,提升通信设备抗干扰性能。

多频谱干扰剂研究进展

针对部分精确制导弹药主要使用对抗光电红外类的干扰剂进行有效对抗的情况,对配置多频谱干扰剂所用材料的主要成分铜粉、金属箔条、膨胀石墨、石墨烯、碳纤维的干扰原理与研究进展进行了介绍,在此基础上对多频谱干扰剂的3种实现方式研究进展进行了综述,分析了当前对组合装药技术、复合配药技术、材料改性技术研究的局限性,着眼新材料具有较强的结构设计性特点进行研发,能够有效克服现有多频谱实现技术的内在矛盾与缺点,对多频谱干扰剂发展前景进行了展望。

基于信号重构的频谱弥散干扰抑制方法

频谱弥散(smeared spectrum,SMSP)干扰是专门针对线性调频脉冲压缩雷达的密集多假目标干扰。依据SMSP干扰信号的周期性特征,提出了一种基于信号重构的SMSP干扰抑制方法。首先,采用奇异值比谱法估计SMSP干扰的子脉冲个数和调频斜率,采用相关运算法估计SMSP干扰的脉冲前沿位置、幅度以及相位参数,得到重构的SMSP干扰。其次,将其从接收信号中减去即可达到抑制干扰的目的。最后,仿真结果表明,即使在较低的干信比和干噪比条件下,干扰抑制比仍可以达到20dB以上,说明所提方法对SMSP干扰具有较好的干扰抑制效果。

频谱弥散和切片组合欺骗式干扰的识别算法

针对频谱弥散(SMSP)和切片组合(C&I)两种有源欺骗干扰检测识别算法计算量大,需要过采样等问题,提出了频谱弥散和切片组合欺骗式干扰的识别算法。该算法首先建立干扰的时、频域模型,在此基础上分析其时、频域特征,并进一步提取基于时域的盒维数与基于频域的指数熵作为干扰的本质特征参数,通过基于二叉树结构的支持向量机分类器(SVM)对干扰信号进行分类识别。仿真结果表明,在一定的信噪比要求下,该算法能够准确识别出干扰类型,为雷达抗干扰措施的选取提供先验知识,提高雷达在复杂电磁环境下工作的可靠性。

动态频谱抗干扰系统在部分频带干扰下的性能

为了评估动态频谱抗干扰新体制在抗干扰通信中的性能,采用理论分析与仿真相结合的方法,研究了动态频谱抗干扰系统在部分频带干扰下的信道容量及比特误码率,并将其与常规跳频系统在部分频带干扰下的信道容量及比特误码率进行了比较.结果表明:在很宽的部分频带干扰因子取值范围内,动态频谱抗干扰系统的信道容量均大于常规跳频系统的信道容量,即使动态频谱抗干扰系统无干扰状态信息,其信道容量也大于有干扰状态信息的常规跳频系统的信道容量;在中高信干比处,动态频谱抗干扰系统在最坏情况部分频带干扰下的比特误码率低于常规跳频系统;同时,纠错编码还可以为动态频谱抗干扰系统的性能带来进一步的改善.

动态频谱抗干扰系统中动态宽间隔跳频序列研究

现有的跳频序列大多由于统计性能不佳,通信参数难以实时改变,无法直接应用于动态频谱抗干扰系统。为此,提出一种适用于动态频谱抗干扰系统的跳频序列。基于m序列,通过非连续抽头模型产生跳频基序列。依据随机平移替代法的思想,对基序列进行伪随机映射,给出一种频率数、跳频间隔可根据通信环境实时变化的动态宽间隔跳频序列构造方法。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态宽间隔跳频序列在均匀性、随机性、汉明相关性、平均跳频间隔等方面均具有更好的性能。

基于信道质量优化的动态频谱抗干扰

提出一种基于信道质量优化的动态频谱抗干扰技术。通过对信道历史相关参数的估计,建立信道质量优化准则,而后按照准则进行频谱感知和频谱预测,并将两者频谱决策结果进行融合,当频谱决策结果为空闲(即无干扰或者信道空闲)时,用户可动态地接入该信道进行数据传输。通过仿真表明,在相同呼叫次数的情况下,可成功动态地躲避对方的干扰,加快通信链路成功建立平均时间。

中压配电线载波通信的频谱干扰测试与研究

从中压配电线载波通信DL 790系列标准出发,尤其针对DL/T 790.31标准,现场测试中压架空配电线载波通信的频谱干扰,结果分析显示,按照DL/T 790.31标准,中压配电线数字载波通信装置设计为标称信号输出功率最大5 W(37 dBm),其所产生的泄漏干扰不会对现有的载波通信系统,尤其是继电保护专用电力线载波收发信机系统产生干扰。

动态频谱抗干扰系统中跳频序列研究

现有的跳频序列,由于综合性能不均衡,参数无法实时改变,无法直接应用于动态频谱抗干扰系统中,因此迫切需要研究一种适用于动态频谱抗干扰系统的动态跳频序列。基于m伪随机序列,提出了一种频率数可根据通信环境实时变化的跳频序列。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态跳频序列在均匀性、随机性、汉明相关性等方面均具有更好的性能。

广义S变换和阈值分割联合抗频谱扩展-压缩移频干扰

根据频谱扩展-压缩(spectrum spread and compression,SSC)移频干扰信号和回波信号时频分布特性的差异,提出一种基于广义S变换和Tsallis交叉熵阈值分割的干扰抑制方法。分析了SSC移频干扰的干扰原理和干扰信号经过解线调后的信号形式,并利用时频聚焦性较好的广义S变换获取接收信号经过解线调后的时频图像,根据时频图像对应的灰度图像,以Tsallis交叉熵最小化作为目标函数,求出灰度图像的最佳分割阈值,并根据分割阈值构建时频滤波器,实现干扰抑制。仿真结果表明:该方法对于SSC移频干扰产生的假目标具有较好的抑制效果,干扰抑制比可达30 dB以上。

基于限幅度量的动态频谱通信系统抗干扰性能

在短波干扰信道下,对采用限幅度量的动态频谱抗干扰系统比特误码率(BER)进行理论分析。以Odenwalder(2,1,7)卷积码作为纠错编码,给出系统的BER上界,并进行仿真验证。结果表明,采用纠错编码及抗干扰译码度量后,系统的抗干扰性能提升可达10dB以上。

智能感知辅助的快速动态频谱抗干扰方法

机器学习赋能的动态频谱抗干扰方法能够通过频谱感知学习干扰规律,自主优化抗干扰策略,适应动态复杂的频谱环境。然而,现有大部分研究假设环境中仅有恶意干扰而不考虑其他通信系统的存在,且所提算法复杂度和算力要求较高。针对以上问题,考虑主用户和恶意干扰同时存在且用频规律未知的场景,设计了基于并行学习的智能感知算法和基于预先学习的动态频谱接入算法,无须通过随机探索频谱环境即可学习可用信道变化规律。仿真结果表明,所提算法在动态干扰攻击下能在线快速找到最优信道选择策略,在完美避开动态干扰的同时不对主用户造成无意干扰。

快慢时间域联合处理抑制频谱弥散干扰

现有频谱弥散干扰(SMSP)抑制算法以一个长度为雷达发射信号的受干扰回波为处理对象,未涉及相参处理间隔内整体回波。针对此问题,该文以自卫式干扰条件下线性调频(LFM)相参体制雷达抗SMSP干扰为背景,提出快慢时间域联合处理抑制SMSP干扰算法。分析了SMSP干扰时频特征和对相参雷达的干扰特性,在此基础上,设计了慢时间微分熵估计干扰位置,相关系数最大准则估计干扰参数,双正交傅里叶变换快时间分段重构干扰信号和干扰对消的抑制流程。仿真结果表明,所提算法模型与雷达处理流程切合度高,对比分析进一步验证算法效能。

线性正则域抑制频谱弥散干扰方法

频谱弥散干扰(SMSP)是一种对抗线性调频脉冲压缩雷达的新型干扰样式。自卫式干扰条件下,目标回波与干扰信号时频域重叠,传统抗干扰手段难以有效抑制。针对该问题,分析了目标回波和干扰信号线性正则域(LCT域)特征,依据特征差异提出了两种LCT域干扰抑制方法,分别为窄带滤波法和稀疏重构法,其中窄带滤波方法通过LCT域遮盖处理,滤除干扰分量,而稀疏重构方法首先利用Pei型DLCT核矩阵构造正交字典,然后基于压缩感知理论重构真实回波。仿真表明,所提两种方法均具有一定的干扰抑制效能,恢复信号与真实回波高度相似,且幅度高于真实回波,使干扰信号成为标的。

基于多阶次二维分数阶傅里叶变换的频谱弥散干扰抑制算法

现有频谱弥散(SMSP)干扰抑制算法均针对一个脉冲重复周期回波信号,涉及相干处理间隔(CPI)整体回波时,需要分别对每个重复周期内的SMSP进行抑制。针对该问题,以远距离支援干扰条件下线性调频脉冲多普勒雷达抗SMSP为背景,以雷达在真实目标方位接收到的一个CPI回波为处理对象,提出基于多阶次二维分数阶傅里叶变换的SMSP抑制算法。分析回波信号多阶次分数阶特征,结合采样型离散分数阶傅里叶变换快速算法,研究真实目标和干扰机发生分数阶域走动的临界运动参数,设计二维遮盖窗。仿真结果表明,所提算法无需分别对每个重复周期内的SMSP进行抑制,通过对一个CPI回波整体处理,可同时达成干扰抑制和目标检测的目的。

联合时频重排和双正交傅里叶变换对抗频谱弥散干扰

频谱弥散(SMSP)干扰由多个LFM子信号时域拼接而成,利用信号处理工具重构干扰信号,需要进行多次滤波。针对该问题,分析了SMSP干扰时频特征,在此基础上,提出联合时频重排和双正交傅里叶变换SMSP干扰抑制算法。首先,对回波时频重排矩阵进行Radon变换,估计干扰子信号个数。其次,根据估计的子信号个数设计参考信号,将回波中的SMSP干扰调制成一个LFM信号。然后,对调制后回波进行BFT峰值滤波处理,解调重构干扰信号。最后,将回波减去重构信号实现干扰抑制。仿真结果表明,所提算法无需估计全部干扰参数,仅需一次峰值滤波解调处理即可准确重构干扰信号,对消后回波中的SMSP干扰得到有效抑制。

基于干扰重构和分数阶滤波的频谱弥散干扰抑制

频谱弥散(Smeared Spectrum,SMSP)干扰是一种针对脉冲压缩雷达的密集假目标干扰,兼具压制和欺骗干扰效果。为了有效抑制SMSP干扰,根据SMSP干扰参数与雷达发射信号参数的关系,提出了基于干扰重构对消和分数阶滤波的干扰抑制方法。首先利用分数阶傅里叶变换对SMSP干扰调频率进行精估计得到SMSP干扰子脉冲个数和脉宽,然后构造特殊匹配滤波器估计SMSP干扰的时延,接着采用匹配傅里叶变换估计SMSP干扰的幅度和初始相位,最后在参数估计的基础上重构SMSP干扰并对消。仿真结果表明,干扰重构对消达到29 dB以上信干比增益,在此基础上分数阶滤波能进一步提高信干噪比增益。

基于人工智能的多模态雷达自适应抗干扰优化算法

多模态雷达系统容易受到外界环境干扰,如天气条件、电磁干扰等,而这些干扰可能会影响多模态雷达数据的准确性和稳定性。多模态雷达的抗干扰性能决定雷达的测量精度,因此,为提升多模态雷达的抗干扰能力,提出基于人工智能的多模态雷达自适应抗干扰优化算法。该算法以多模态雷达信号模型为基础,分析距离速度同步欺骗干扰、频谱弥散干扰原理,计算欺骗干扰时雷达接收的总回波信号。将计算的回波信号结果输入至人工智能的YOLOv5s深度学习模型中,通过模型的训练和映射处理,完成多模态雷达自适应抗干扰优化,实现雷达欺骗性信号干扰抑制。测试结果显示,该算法的干扰对消比结果在0.935以上,干扰输出功率结果在0.017以下,能够可靠完成多干扰和单一干扰两种干扰抑制,实现多模态雷达自适应抗干扰优化。