非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效。针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法。该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题。论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波。仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。

强噪声背景下高频CW电报信号的自动检测

长期以来,CW电报通信都靠人工操作来完成,难以满足大容量、高速度的要求,如何实现CW电报的自动检测与识别,减少人为因素的影响,提高其有效性是当前高频CW电报研究的重要课题。在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形,检测性能严重下降。针对此问题,提出了一种基于Kalman滤波的微弱CW信号检测方法。该方法首先采用Kalman滤波器实时捕捉CW信号,恢复信号波形,再运用复数谱方差识别干扰信号与CW信号,提取出纯净的CW信号。实验表明:该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。

基于卡尔曼滤波的微弱高频CW电报信号检测

在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形,检测性能严重下降。针对此问题,提出一种基于Kalman滤波的微弱CW信号检测方法。该方法采用Kalman滤波器实时捕捉CW信号,恢复强噪声背景下信号的时域波形,提取出比较纯净的CW信号。实验表明该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。