压缩域宽带跳频信号跳变时刻估计算法

为了在非协作情况下,对跳频信号的频率跳变时刻进行精确快速估计,提出一种基于压缩采样值的跳频信号跳变时刻快速估计算法。该算法首先通过压缩感知技术以远低于奈奎斯特采样定理要求的速率对跳频信号进行整周期滑动采样,然后根据不同时刻相邻两跳信号窗函数的特点,重构信号在傅里叶正交基上的2个权值最大的稀疏系数,并由此对前后两跳持续时间进行判断,从而对跳频信号的跳变时刻进行参数估计。仿真结果显示,该算法能有效地估计跳频信号的跳频转换时刻,且实时性优于现有时频估计类算法。

基于贝叶斯稀疏学习的多跳频信号频率跟踪方法

以往的跳频信号参数盲估计方法大多难以适应多个信号同时存在的情况,且需要积累一定数量的样本以后才能从中提取所需要的信息。为了稳定实时地跟踪跳频信号的频率,该文提出一种利用贝叶斯稀疏学习的单/多通道跳频信号频率估计和跳变时刻检测方法来实现多跳频信号频率的实时跟踪。首先建立了多跳频信号的稀疏表示模型,然后介绍了多观测贝叶斯稀疏学习算法及跳变时刻实时检测方法,最后仿真结果验证方法的有效性。

一种新的跳频信号参数盲估计算法

本文针对通信对抗中的跳频信号参数盲估计问题,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。根据跳频信号内部结构的特点,以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,最终根据这些时频原子的参数值来估计跳频信号的参数。仿真实验表明,该方法能够在未知任何先验知识的情况下,对跳频信号的跳周期、跳变时刻和跳频频率进行有效估计。

基于魏格纳分布的跳频信号分析方法的对比研究

时频分析是分析非平稳信号的一种重要数学分析工具,魏格纳分布是时频信号分析的非线形变换。针对跳频信号的特点,本文提出了一种采用平滑伪魏格纳(SPWVD)时频分析来分析跳频信号的方法,该方法可以在不需要知道信号任何先验参数的情况下,估计出跳频信号的跳频频率、跳变时刻等参数。

基于最小二乘法的跳频信号参数估计

作为目前较为成熟的抗干扰手段,跳频通信技术得到了巨大的发展。因此对于如何估计跳频信号的参数,人们提出了许多方法。短时傅立叶变换作为时频分析法的一种,由于其具有计算量小、算法简单的优点得到了广泛的运用,但是存在估计精度不高的缺点,文章提出最小二乘拟合算法,在用短时傅里叶变换(STFT)算法对跳频信号参数进行估计进之后,再利用数据的统计特性,用最小二乘法做线性拟合,计算出某一跳频时刻的平均跳变周期,从而提高STFT调频估计的精度。经仿真结果验证了该算法的有效性。