CN101631102B - 一种跳频系统干扰样式识别方法 - Google Patents

Abstract

本发明涉及一种跳频系统干扰样式识别技术，属于宽带无线通信领域，主要用于分析跳频系统的各种干扰类型。在不增加跳频带宽、不提高跳频速率等前提下，实现对各种干扰的样式识别。首先对接收信号进行去跳频点预处理，然后提取出干扰信号的时域、频域及时频域等特征参数，进行模式识别，从而实现不同干扰类型的分类识别。本发明对各种常见干扰具有较好的识别效果，具有较强的鲁棒性和稳定性，为进一步进行干扰抑制提供可靠的依据。另外，本发明方法计算复杂度低，易于系统实时实现。

Description

一种跳频系统干扰样式识别方法

技术领域

本发明涉及一种跳频系统抗干扰技术，属于宽带无线数字通信领域，主要用于分析跳频系统的各种干扰类型。

背景技术

所谓跳频(Frequency Hopping)，即将传统的窄带调制信号的载波频率在伪随机码的控制下不断随机跳变，从而实现频谱扩展的扩频方式。1963年，美国海军第一次在BLADES系统中采用跳频技术对抗敌意干扰。跳频系统采用躲避的方式抗干扰，具有较强的抗干扰能力；又由于跳频序列的伪随机性，因此跳频信号是一种低截获概率信号，具有一定的保密能力；通过采用不同的跳频序列作为地址码，跳频系统还具有码分多址和频带共享的组网能力；并且跳频系统易于与现有的通信系统兼容，易于与其它调制类型的扩谱系统组合，构成各种混合式系统。基于以上这些特点，美国从1971年开始研究超短波跳频电台，接着英国也进行了研制，20世纪70年代末开始生产、使用，并在1982年英阿在马岛战争、1991年海湾战争中都发挥了巨大的作用。

跳频系统的载波频率是快速跳变的，当跳变的频率间隔大于衰落信道的相关带宽，并且跳频驻留时间又很短时，就能起到频率分集的作用。因此在多路径通信、衰落信道的条件下，跳频系统还具有抗多径、抗衰落的能力。并且跳频系统不存在直扩系统的远近问题，在非常强的邻近干扰下也具有通信能力。因此20世纪80年代以来，跳频技术正在迅速地向民用通信领域渗透，如移动通信、数据传输、计算机无线数据传输、无线局域网等。

1995年，美国Sanders公司成功研制了一种相关跳频增强型扩谱电台(Correlated Hopping Enhanced Spread Spectrum)，简称CHESS电台。CHESS电台不仅改变了短波电台由于信道带宽窄、空中信道时变多径特性而导致的低速率传输的局面，而且大大提高跳频的速度，有效抵抗了跟踪式干扰的影响。差分跳频(Differential Frequency Hopping)是CHESS电台的核心技术。在差分跳频技术中，发送频率不仅取决于当前跳输入数据，还与前一跳的频率有关，这是实现高速跳频，抵抗跟踪干扰的关键。

传统跳频系统靠躲避方式抗干扰，对部分窄带干扰具有较好的抵抗性能，但是目前出现了许多种针对跳频系统的干扰，其中比较典型的有宽带噪声干扰、部分频带噪声干扰、多频连续波干扰、频率跟踪式干扰，这些干扰都会对传统跳频系统造成极大的危害。而对于差分跳频技术，由于前后跳频点之间相关性的引入，使得一个跳频点的解调失败会造成其后多个跳频点的解调失败，不可避免地使得差分跳频通信系统在面临宽带干扰影响的同时，还要抵抗窄带干扰的影响。

目前，对于各种宽带干扰和窄带干扰，跳频系统主要是采用主动方式来提高系统本身的抗干扰性能。主动抗干扰技术包括：提高跳频通信的跳频速率、增加跳频带宽和改进跳频通信系统的调制方式等。但是，跳频速率的提高会加大系统调制和解调的复杂度，造成硬件系统成本过高和能源消耗过大；跳频带宽的增加会带来空间频谱资源的消耗过大，容易引起不同系统间的相互干扰；调制方式的改进常常需要对系统重新研发，不易与原有的系统兼容。

发明内容

本发明的目的是为了解决在不增加跳频系统带宽、不提高跳频速率的前提下，提高跳频系统的抗干扰性能的问题，提出一种跳频系统干扰样式识别技术。通过采用现代信号处理理论，对跳频接收信号进行分析处理，实现对各种窄带干扰和宽带干扰的分类识别，为进一步最优干扰抑制算法的实现奠定基础，从而提高跳频系统的抗干扰性能，保证通信质量。

本发明的基本原理是：首先根据已知的跳频图案，分别从时频域、时域及频域，对跳频接收信号去跳频点，尽可能地消除跳频点对干扰信号的影响。其次，根据不同干扰信号的特征，完成特征参数的提取，信号的特征包括：时域的包络特征，频域的带宽特征、谱峰特征、频谱的紧致性和平坦性，以及时频域特征等。最后，根据统计决策理论，设计合理高效的模式识别算法，利用提取的特征参数，实现对各种干扰信号的分类识别。

下面简要介绍一下本发明提出的一种跳频系统干扰样式识别技术的理论基础。

从宏观看，跳频系统是一种宽带系统；从微观看，它又是一种瞬时窄带系统。由于跳频系统的这种特点，使得跳频信号无论是对宽带干扰信号的特征提取，还是对窄带干扰信号的特征提取，都造成很大的影响。具体影响有以下几点：

(1)从频域来看，跳频信号会影响干扰信号的带宽估计。由于跳频信号本身是宽带信号，混在其中的干扰信号，在干信比不是很大的情况下，带宽特征不明显，如果直接对跳频接收信号进行带宽估计，将无法确定是否是干扰信号的带宽。

(2)跳频信号会影响干扰信号的谱峰特征。对于某些窄带干扰信号，可以通过谱峰尖峭或扁平的程度，加以区别判断。然而跳频信号在频域上呈现若干个离散的谱峰，对于原本谱峰尖峭的窄带干扰信号来说，跳频信号的存在破坏了其谱峰特征的提取。

(3)跳频信号会影响干扰信号频谱的平坦性和紧致性。对于某些宽带干扰信号，在观测带宽内，频域能量分配均匀，频谱平坦性很好。而跳频信号具有离散谱，与干扰信号混合在一起时，干扰信号原本的频谱平坦性特征将不复存在。同理，跳频信号的离散谱特性，也会破坏某些干扰信号原有的频谱紧致性特征。

(4)跳频信号会影响干扰信号的时域包络特征。如果干扰信号本身具有恒包络特征，在干信比不等于0dB时，跳频信号与干扰信号的幅值不同，混在一起会呈现非恒包络特征，这对于干扰信号的包络特征提取造成了混乱。

(5)跳频信号还会影响干扰信号的时频域特征。因为跳频信号在时频图上呈现间断的短小直线，经过Radon变换后会聚焦成若干小峰值，这就会对宽带线扫频干扰信号在Radon变换域的峰值检测造成不良影响。

因此，本发明提出从时域、频域及时频域，对跳频接收信号进行去跳频点处理，既去除了跳频信号对干扰信号特征提取的影响，又一定程度上去除了噪声的影响。通过去跳频处理，得到去跳频点后的时频图S_qt(m，n)、去跳频点后的平均频谱P_qt(n)、去跳频点后的干扰的频域估计J(k)和去跳频点后的干扰的时域估计j(m)，在不改变干扰信号原有特征的前提下，尽可能完整地保留干扰信号。

下面对各个干扰识别参数的特征提取进行简要介绍。

(1)包络变化系数R_a：

$R_a={\mathrm{\σ}}_a^2/{\mathrm{\μ}}_a^2---\left(1\right)$

其中，μ_a和

分别是干扰时域估计j(m)的包络的均值和方差。

对于恒包络信号，R_a的值接近于0，对于非恒包络信号，R_a的值较大，所以R_a能够区分出恒包络信号和非恒包络信号。恒包络干扰主要包括单音干扰、噪声调频干扰、FSK类键控干扰和PSK类键控干扰；非恒包络干扰主要包括噪声调幅干扰和ASK类键控干扰。

(2)零中心归一化幅度的频谱最大值γ_max：

γ_max＝max|FFT[a_cn(m)]²/N_s|                                    (2)

其中，N_s为采样点数，a_cn(m)为零中心归一化幅度，由下式计算得到：

a_cn(m)＝a_j(m)/m_a-1                         (3)

其中，瞬时幅度a_j(m)的平均值

a_j(m)是干扰时域估计j(m)的瞬时幅度，用m_a对瞬时幅度a_j(m)进行归一化，由此消除信号增益的影响。

γ_max能够反映信号包络变化的剧烈程度。由于ASK类键控干扰只有几个电平，包络变化非常剧烈，使得γ_max值非常大；而噪声调幅干扰的包络变化相对平缓，γ_max值也相对小很多，因此γ_max可以很好地区分ASK类键控干扰和噪声调幅干扰。

(3)峰值带宽比R_p：

R_p＝P_m/B_w                                                (4)

其中，P_m为去跳频点后的平均频谱P_qt(n)的峰值相对于干扰信号能量的归一化，B_w为干扰的归一化3dB带宽。

R_p可以很好地将调频类信号和非调频类信号分离。对于相同能量的信号，调频类信号能量分布在较宽的频带上，峰值比较低，R_p值较小；而非调频类信号的带宽比较窄，峰值相应的比较高，R_p值自然比较大。

(4)频谱的归一化峰度μ_f：

${\mathrm{\μ}}_f=\frac{E\left\{{\left|J\left(k\right)\right|}^4\right\}}{{\left\{E{\left[\right|J\left(k\right)|}^2\right]\}}^2}---\left(5\right)$

其中，J(k)是干扰的频域估计。

μ_f是用来反映频谱的谱峰尖峭或扁平程度的指标。单音干扰的谱峰又高又窄，十分尖峭，所以μ_f值很大；由于相位跳变，带来频谱扩展，峰值降低，使得PSK类键控干扰的谱峰不再那么尖峭，μ_f值要小得多，所以参数μ_f可以将单音干扰和PSK类键控干扰区分开来。

另外，μ_f对于谱峰个数较少的FSK类键控干扰和调频指数较高的噪声调频干扰，具有很好的分离效果。因为FSK类键控干扰的频谱有若干个谱峰，具有一定的尖峭度，μ_f值较高；而噪声调频干扰是模拟频率调制，没有离散谱分量，当调频指数较大时，谱峰呈扁平状，μ_f值很小，所以可以分离。但随着调频指数变小，噪声调频干扰的谱峰越来越尖峭，μ_f值也随之变大；而另一方面，随着FSK类键控干扰的谱峰个数增加，尖峭度降低，μ_f值变小，所以对于谱峰个数较多的FSK类键控干扰和调频指数较低的噪声调频干扰，μ_f的值相近，很难分离。

(5)频谱的谱峰紧致度R_v：

$R_v=\frac{1}{m_R-m_L+1}\underset{J_u\left(k\right)\≥0.5}{\mathrm{\Σ}}{J}_u\left(k\right)---\left(6\right)$

其中，

J(k)是干扰的频域估计。

由于参数μ_f对于区分模拟调频干扰和数字调频干扰具有一定的局限性，本发明提出新参数R_v，用以弥补参数μ_f的不足。R_v可以很好的反映频谱的谱峰紧致性。因为FSK类键控干扰信号是数字频率调制，只有若干个频率峰值，其谱峰紧致度较低；而噪声调频干扰信号，没有离散谱分量，其谱峰紧致度相对较高，且调频指数越低，噪声调频干扰的谱峰紧致度越高，所以R_v能够区分出噪声调频干扰和FSK类键控干扰，尤其是对调频指数较低的噪声调频干扰具有很好的分离效果。

(6)平均频谱平坦系数F_ss：

$F_{\mathrm{ss}}=\sqrt{\frac{1}{N_t}\underset{n=0}{\overset{N_t-1}{\mathrm{\Σ}}}{(P_s\left(n\right)-\stackrel{\‾}{P_s\left(n\right)})}^2}---\left(7\right)$

其中，

$P_s\left(n\right)=P_{\mathrm{qt}}\left(n\right)-\frac{1}{2L+1}\underset{i=-L}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{qt}}(n+i)---\left(8\right)$

其中，P_qt(n)为去跳频点后的平均频谱，N_t为P_qt(n)的长度，L是滑动平均窗口的宽度，取L＝0.03N_t。

平均频谱是对时频图进行归一化处理后，沿时间轴求平均而得到的。因为由归一化的时频图得到的，本身就消除了信号增益的影响；同时沿时间轴求平均的处理实际上是对噪声进行的平滑处理，减小了噪声对信号频谱的影响。对平均频谱经过简单滑动平均处理得到平坦部分，再用平均频谱减去平坦部分，这整个过程相当于一个FIR高通滤波器，从而提取出平均频谱的冲激部分。宽带梳状谱干扰在频域上呈现一串离散的谱峰，通过参数F_ss能够提取出平均频谱中明显的冲激部分，从而判断出宽带梳状谱干扰。

(7)旋转变换域的峰值系数R_f：

$R_f=\frac{\underset{u,\mathrm{\α}}{\max }\left\{R_T(u,\mathrm{\α})\right\}}{\stackrel{\‾}{R_T(u,\mathrm{\α})}}---\left(9\right)$

其中，R_T(u，α)是对去跳频点后的时频图S_qt(m，n)进行阈值Radon变换后得到的二维图像，α为Radon变换的旋转角，u为时频图原点到投影积分直线的距离；

是R_T(u，α)的全局平均值，

是R_T(u，α)的全局最大值，此最大值对应的角度α即为旋转变换域的峰值角度α_max。

由于宽带线扫频干扰信号是频率随时间线性变化的，在时频图上呈现出一条或多条斜线，对时频图进行Radon变换，使得这些斜线聚焦成若干峰值，从而实现图像中直线的检测。所以通过计算旋转变换域的峰值系数R_f，就能够判断出宽带线扫频干扰。

一般情况下，当存在宽带线扫频干扰时，R_f的值较大。但是当线扫频干扰信号在观测频带内重复的次数较多(即扫频率较高)而干信比的值较小时，经Radon变换后线扫频干扰信号对应的峰值不再那么明显，造成R_f的值较小。所以参数R_f只对扫频率较低的强宽带线扫频干扰，具有很好的提取效果。

(8)旋转变换域的峰值叠加系数R_fm：

$R_{\mathrm{fm}}=\frac{\underset{\mathrm{\α}}{\max }\left\{P_R\left(\mathrm{\α}\right)\right\}}{\stackrel{\‾}{P_R\left(\mathrm{\α}\right)}}---\left(10\right)$

其中，P_R(α)为R_T(u，α)在各个α角的累加，

是P_R(α)的最大值，

是P_R(α)的平均值。

由于参数R_f对于分离宽带线扫频干扰，具有一定的局限性，本发明提出新参数R_fm，通过对Radon变换结果按各个角度进行累加，将淹没在噪声中的峰值提取出来，从而进一步区分出扫频率较高的弱宽带线扫频干扰。

本发明将利用上述提取的特征参数，根据统计决策理论，设计高效合理的模式识别流程，从而实现跳频系统的干扰样式识别。

本发明提出的一种跳频系统干扰样式识别技术，包括以下步骤：

在检测出接收信号中存在干扰的情况下，对跳频接收信号进行干扰识别处理：首先对接收信号进行预处理，去除跳频点的影响，然后判断出干扰的类别是窄带干扰还是宽带干扰，若判为窄带干扰，则进入窄带干扰识别流程，若判为宽带干扰，则进入宽带干扰识别流程。具体过程如下：

(一)预处理

(1)对有干扰存在的跳频接收信号x(m)进行时频分析，采用短时傅里叶变换，将时域信号变换到时频域，并在此基础上，根据已知的跳频图案，在时频域进行去跳频点处理，得到去跳频点后的时频图S_qt(m，n)；

(2)对去跳频点后的时频图S_qt(m，n)进行归一化处理，然后沿时间轴求平均值，得到去跳频点后的平均频谱P_qt(n)；

(3)根据平均频谱P_qt(n)，计算出干扰的归一化3dB带宽B_w和干扰载频F_c；

(4)将步骤(3)中计算得到的B_w与确定的阈值T_Bw比较，如果B_w小于T_Bw，则判为窄带干扰，进入窄带干扰识别流程，否则判为宽带干扰，进入宽带干扰识别流程；

(二)窄带干扰识别流程

对于存在窄带干扰的跳频接收信号x(m)，将以干扰载频F_c为中心，在窄带干扰带宽阈值T_Bw内的跳频点称为干扰跳频点，其它跳频点称为非干扰跳频点，并进行以下处理：

(1)将跳频接收信号x(m)中存在干扰跳频点的部分在时域截去，将截去干扰跳频点后的跳频接收信号变换到频域，在频域去除非干扰跳频点，并进一步在频域滤除噪声，得到干扰的频域估计J(k)，然后反变换到时域，得到干扰的时域估计j(m)；

(2)根据步骤(1)中得到的干扰的时域估计j(m)，按照下式计算参数包络变化系数R_a和零中心归一化幅度的频谱最大值γ_max：

$R_a={\mathrm{\σ}}_a^2/{\mathrm{\μ}}_a^2$

γ_max＝max|FFT[a_cn(m)]²/N_s|

其中，μ_a和

分别是干扰时域估计j(m)的包络的均值和方差；N_s为采样点数，a_cn(m)为零中心归一化幅度，a_cn(m)由下式计算得到：

a_cn(m)＝a_j(m)/m_a-1

其中，

a_j(m)是干扰时域估计j(m)的瞬时幅度。

如果R_a大于阈值T_a且γ_max大于阈值T_γ，则判为ASK类键控干扰；如果R_a大于阈值T_a且γ_max小于阈值T_γ，则判为噪声调幅干扰AM；如果R_a小于或等于阈值T_a，则进入步骤(3)；

(3)根据预处理中得到的平均频谱P_qt(n)，按照下面公式计算峰值带宽比R_p：

R_p＝P_m/B_w

其中，P_m是P_qt(n)的峰值相对于干扰信号能量的归一化，B_w是预处理中得到的归一化3dB带宽，并且根据步骤(1)中得到的干扰频谱J(k)，计算频谱的归一化峰度μ_f，如果R_p大于阈值T_p且μ_f大于阈值T_μ1，则判为单音干扰，如果R_p大于阈值T_p且μ_f小于阈值T_μ1，则判为PSK类键控干扰，如果R_p小于或等于阈值T_p，则进入步骤(4)；

(4)根据步骤(1)中得到的干扰频谱J(k)，按照下面公式计算频谱的谱峰紧致度R_v：

$R_v=\frac{1}{m_R-m_L+1}\underset{J_u\left(k\right)\≥0.5}{\mathrm{\Σ}}{J}_u\left(k\right)$

其中，

如果μ_f小于阈值T_μ2且R_v大于阈值T_v，则判为噪声调频干扰，否则判为FSK类键控干扰，结束窄带干扰识别流程；

(三)宽带干扰识别流程

(1)首先，根据预处理中得到的平均频谱P_qt(n)，根据下式计算平均频谱平坦系数F_ss：

$F_{\mathrm{ss}}=\sqrt{\frac{1}{N_t}\underset{n=0}{\overset{N_t-1}{\mathrm{\Σ}}}{(P_s\left(n\right)-\stackrel{\‾}{P_s\left(n\right)})}^2}$

其中，

$P_s\left(n\right)=P_{\mathrm{qt}}\left(n\right)-\frac{1}{2L+1}\underset{i=-L}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{qt}}(n+i)$

其中，P_qt(n)为去跳频点后的平均频谱，N_t为P_qt(n)的长度，L是滑动平均窗口的宽度，取L＝0.03N_t；

其次，根据预处理中得到的时频图S_qt(m，n)，按照下式计算旋转变换域的峰值系数R_f和峰值角度α_max：

$R_f=\frac{\underset{u,\mathrm{\α}}{\max }\left\{R_T(u,\mathrm{\α})\right\}}{\stackrel{\‾}{R_T(u,\mathrm{\α})}}$

其中，R_T(u，α)是对去跳频点后的时频图S_qt(m，n)进行阈值Radon变换后得到的二维图像，α为Radon变换的旋转角，u为时频图原点到投影积分直线的距离；

是R_T(u，α)的全局平均值，

是R_T(u，α)的全局最大值，此最大值对应的角度α即为旋转变换域的峰值角度α_max。

然后，按照下面公式，进一步计算旋转变换域的峰值叠加系数R_fm：

$R_{\mathrm{fm}}=\frac{\underset{\mathrm{\α}}{\max }\left\{P_R\left(\mathrm{\α}\right)\right\}}{\stackrel{\‾}{P_R\left(\mathrm{\α}\right)}}$

其中，P_R(α)是R_T(u，α)在各个α角的累加，R_T(u，α)是S_qt(m，n)经过阈值Radon变换后的结果，而是P_R(α)的最大值，

是P_R(α)的平均值；

(2)如果F_ss大于阈值T_F且α_max＝90°，则判为宽带梳状干扰，否则进入步骤(3)；

(3)如果R_f大于阈值T_f1且α_max≠90°，则判为强宽带线扫频干扰，否则进入步骤(4)；

(4)如果R_fm大于阈值T_m1且α_max≠90°，则判为弱宽带线扫频干扰，否则进入步骤(5)；

(5)如果R_f大于阈值T_f2且R_fm大于阈值T_m2，则判为宽带噪声干扰，否则判为未知干扰，结束宽带干扰识别流程。

有益效果

本发明提出的一种跳频系统干扰样式识别技术，其有益效果在于：

(1)本发明提出的跳频系统的干扰样式识别技术，是干扰抑制的基础。在不增加跳频带宽、不提高跳频速率等前提下，通过在跳频系统接收端加入干扰识别模块，实现对跳频系统中不同类型干扰的分类识别，为进一步进行干扰参数估计和干扰抑制提供依据。

(2)本发明提出的跳频系统的干扰样式识别技术，通过去跳频点处理，既去除了跳频信号对干扰信号特征提取的影响，又一定程度上去除了噪声对干扰信号的影响，在不改变干扰信号原有特征的前提下，尽可能完整地将干扰信号提取出来。

(3)本发明提出的跳频系统的干扰样式识别技术，提出了一些新的识别干扰信号的特征参数，通过综合分析各个特征参数之间的关系，设计高效合理的干扰识别流程，实现较好的干扰识别效果，具有较强的鲁棒性和稳定性，并且本发明所提算法计算复杂度低，易于系统实时实现。

附图说明

图1为本发明具体实施方式的跳频系统干扰样式识别方法流程图；

图2为本发明具体实施方式中去跳频点前后的平均频谱和频谱的比较图；

图3为本发明具体实施方式中窄带干扰识别参数包络变化系数R_a的特征效果图；

图4为本发明具体实施方式中窄带干扰识别参数零中心归一化幅度的频谱最大值γ_max的特征效果图；

图5为本发明具体实施方式中窄带干扰识别参数峰值带宽比R_p的特征效果图；

图6为本发明具体实施方式中窄带干扰识别参数频谱的归一化峰度μ_f的特征效果图；

图7为本发明具体实施方式中窄带干扰识别参数频谱的谱峰紧致度R_v的特征效果图；

图8为本发明具体实施方式中宽带干扰识别参数平均频谱平坦系数F_ss的特征效果图；

图9为本发明具体实施方式中宽带干扰识别参数旋转变换域的峰值系数R_f的特征效果图；

图10为本发明具体实施方式中宽带干扰识别参数旋转变换域的峰值叠加系数R_fm的特征效果图；

图11为本发明具体实施方式中跳频系统干扰样式识别的正确识别概率图。

具体实施方式

下面结合附图及具体实施例，对本发明方法做进一步详细说明。

假设跳频系统的工作频段为208MHz到224MHz，跳频带宽为16MHz，跳频速率12.5K/s，跳频数目为32，信道间隔为0.5MHz，并且数据调制方式选择4FSK，信息传输速率为50K/s，信息码元为随机码流。干扰中心频率以跳频通信信号中心频率为基准，在左右频偏各6MHz的范围内任意选择，干扰类型包括窄带的单音(CW)干扰、噪声调幅(AM)干扰、噪声调频(FM)干扰、ASK类键控干扰、FSK类键控干扰、PSK类键控干扰和宽带的宽带噪声干扰、宽带梳状干扰、宽带线扫频干扰，其列表如表1所示。接收端的采样率为16MHz，采样一帧数据包含6个跳频点，对此进行跳频系统的干扰识别处理。

表1仿真中各种干扰列表

本发明提出的一种跳频系统干扰样式识别技术的实现流程如图1所示，其具体实现过程如下：

(一)对接收信号进行预处理

(1)对有干扰存在的跳频接收信号x(m)进行时频分析，采用短时傅里叶变换，将时域信号变换到时频域，并在此基础上，根据已知的跳频图案，在时频域进行去跳频点处理，得到去跳频点后的时频图S_qt(m，n)；

(2)对去跳频点后的时频图S_qt(m，n)进行归一化处理，然后沿时间轴求平均，得到去跳频点后的平均频谱P_qt(n)；

(3)根据平均频谱P_qt(n)，计算干扰的归一化3dB带宽B_w和干扰载频F_c；

(4)将预处理步骤(3)中计算得到的B_w与确定的阈值T_Bw比较，如果B_w小于T_Bw，则判为窄带干扰，进入窄带干扰识别流程，否则判为宽带干扰，进入宽带干扰识别流程；

(二)窄带干扰识别流程

对于存在窄带干扰的跳频接收信号x(m)，将以干扰载频F_c为中心，在窄带干扰带宽阈值T_Bw内的跳频点城称为干扰跳频点，称其它跳频点为非干扰跳频点，并进行以下处理：

(1)将跳频接收信号x(m)中干扰跳频点的部分在时域截去，将将截去干扰跳频点后的跳频接收信号变换到频域，在频域去非干扰跳频点，并进一步在频域滤除噪声，得到干扰的频域估计J(k)，然后反变换到时域，得到干扰的时域估计j(m)；

(2)根据窄带干扰识别流程步骤(1)中得到的干扰的时域估计j(m)，按照上述公式(1)计算参数包络变化系数R_a，且按照上述公式(2)计算零中心归一化幅度的频谱最大值γ_max，如果R_a大于阈值T_a且γ_max大于阈值T_γ，则判为ASK类键控干扰，如果R_a大于阈值T_a且γ_max小于阈值T_γ，则判为噪声调幅干扰，如果R_a小于或等于阈值T_a，则进入下一步；

(3)根据预处理中得到的平均频谱P_qt(n)，按照上述公式(4)计算峰值带宽比R_p，并且根据窄带干扰识别流程步骤(1)中得到的干扰的频域估计J(k)，按照上述公式(5)计算频谱的归一化峰度μ_f，如果R_p大于阈值T_p且μ_f大于阈值T_μ1，则判为单音干扰，如果R_p大于阈值T_p且μ_f小于阈值T_μ1，则判为PSK类键控干扰，如果R_p小于或等于阈值T_p，则进入下一步；

(4)根据窄带干扰识别流程步骤(1)中得到的干扰的频域估计J(k)，按照上述公式(6)计算频谱的谱峰紧致度R_v，如果μ_f小于阈值T_μ2且R_v大于阈值T_v，则判为噪声调频干扰，否则判为FSK类键控干扰，结束窄带干扰识别流程；

(三)宽带干扰识别流程

(1)首先，根据预处理中得到的平均频谱P_qt(n)，按照上述公式(7)计算平均频谱平坦系数F_ss，其次，根据预处理中得到的时频图S_qt(m，n)，按照上述公式(8)计算旋转变换域的峰值系数R_f和峰值角度α_max，然后，按照上述公式(10)，进一步计算旋转变换域的峰值叠加系数R_fm；

(2)如果F_ss大于阈值T_F且α_max＝90°，则判为宽带梳状干扰，否则进入下一步；

(3)如果R_f大于阈值T_f1且α_max≠90°，则判为强宽带线扫频干扰，否则进入下一步；

(4)如果R_fm大于阈值T_m1且α_max≠90°，则判为弱宽带线扫频干扰，否则进入下一步；

(5)如果R_f大于阈值T_f2且R_fm大于阈值T_m2，则判为宽带噪声干扰，否则判为未知干扰，结束宽带干扰识别流程。

当信噪比为5dB，干信比为5dB时，对加入不同干扰的跳频接收信号进行短时傅里叶变换，选择矩形窗，窗口宽度为256点，窗口重叠227点，对加窗数据作256点FFT，从而得到257×256的时频图。这时频域宽度为16MHz，因此频域的频率分辨率可达到64kHz，而由于窗口重叠，时间分辨率可达到2us。

图2给出的是当信噪比为0dB，干信比为0dB时，去跳频点前后的平均频谱和频谱的比较图。图2(a)为跳频接收信号中存在宽带梳状干扰(8齿)时，去跳频点前后的平均频谱比较，去跳频点后的平均频谱由步骤(一)预处理中的(2)得到。图2(b)为跳频接收信号中存在窄带干扰(2ASK键控干扰)时，去跳频点前后的频谱比较，去跳频点后的频谱由步骤(二)窄带干扰识别流程中的(1)得到。从图中可以看出，经过去跳频点处理，最大限度地去除了跳频点和噪声对干扰信号的影响，并完整地保留了干扰信号的特征，便于进一步的干扰特征提取和综合识别。

图5给出的是包络变化系数R_a的特征效果图。图3(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的R_a值。图3(b)为当信噪比为0dB时，不同干扰的R_a值随干信比JSR变化的关系。其中干扰类型为窄带干扰，包括单音(CW)干扰、噪声调幅(AM)干扰、噪声调频(FM)干扰、2ASK、4ASK、2FSK、4FSK、BPSK和QPSK键控干扰等。从图中可以看出，参数R_a可以区分出调幅类干扰和恒包络干扰，并且对于干信比的变化具有较好的鲁棒性和稳定性。

图4给出的是零中心归一化幅度的频谱最大值γ_max的特征效果图。图4(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的γ_max值。图4(b)为当信噪比为0dB时，不同干扰的γ_max值随干信比JSR变化的关系。其中干扰类型为调幅类干扰，包括噪声调幅(AM)干扰、2ASK和4ASK键控干扰等。从图中可以看出，参数γ_max可以很好地区分出模拟调幅干扰和数字调幅干扰，并且对于干信比的变化具有较好的鲁棒性和稳定性。

图5给出的是峰值带宽比R_p的特征效果图。图5(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的R_p值。图5(b)为当信噪比为0dB时，不同干扰的R_p值随干信比JSR变化的关系。其中干扰类型为恒包络干扰，包括单音(CW)干扰、噪声调频(FM)干扰、2FSK、4FSK、BPSK和QPSK键控干扰等。从图中可以看出，参数R_p可以很好地区分出调频类(FM、2FSK、4FSK)干扰和非调频类(CW、BPSK、QPSK)干扰，并且对于干信比的变化具有很好的鲁棒性和稳定性。

图6给出的是频谱的归一化峰度μ_f的特征效果图。图6(a)和图6(c)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的μ_f值。图6(b)和图6(d)为当信噪比为0dB时，不同干扰的μ_f值随干信比JSR变化的关系。图6(a)和图6(b)中的干扰类型包括单音(CW)干扰、BPSK和QPSK键控干扰等。从图中可以看出，参数μ_f可以很好地区分出单音干扰和PSK类键控干扰。图6(c)和图6(d)中的干扰类型为调频类干扰，包括调频指数分别为0.2和0.4的噪声调频(FM)干扰、2FSK和4FSK键控干扰等。从图中可以看出，参数μ_f也可以区分出调频率较高的模拟调频干扰和数字调频干扰。并且参数μ_f对于干信比的变化具有较好的鲁棒性和稳定性。

图7给出的是频谱的谱峰紧致度R_v的特征效果图。图7(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的R_v值。图7(b)为当信噪比为0dB时，不同干扰的R_v值随干信比JSR变化的关系。其中干扰类型为调频类干扰，包括调频指数分别为0.2和0.4的噪声调频(FM)干扰、2FSK和4FSK键控干扰等。从图中可以看出，参数R_v可以很好地区分出调频率较低的模拟调频干扰和数字调频干扰，并且对于干信比的变化具有一定的鲁棒性和稳定性。

图8给出的是平均频谱平坦系数F_ss的特征效果图。图8(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的F_ss值。图8(b)为当信噪比为0dB时，不同干扰的F_ss值随干信比JSR变化的关系。其中干扰类型为宽带干扰，包括覆盖带宽为{30％、60％、100％}(跳频带宽)的宽带噪声干扰、梳齿数目为{4、8、16}的宽带梳状干扰和扫频率为{0.5，1，1.5}(25/12K*跳频带宽)的宽带线扫频干扰等。从图中可以看出，参数F_ss可以区分出宽带梳状谱干扰，并且对于干信比的变化具有较好的鲁棒性和稳定性。

图9给出的是旋转变换域的峰值系数R_f的特征效果图。图9(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的R_f值。图9(b)为当信噪比为0dB时，不同干扰的R_f值随干信比JSR变化的关系。其中干扰类型包括覆盖带宽为{30％、50％、70％、100％}(跳频带宽)的宽带噪声干扰和扫频率为{0.5，1，2，3，3.5}(25/12K*跳频带宽)的宽带线扫频干扰等。从图中可以看出，当扫频率较低时，R_f值很大，很容易区分出宽带线扫频干扰，然而随着扫频率的升高，干扰信号在观测频带内重复的次数变多，R_f值随之变小，线扫频干扰被淹没在噪声中不易辨别，所以参数R_f可以区分出强宽带线扫频干扰，并且对于干信比的变化具有很好的鲁棒性和稳定性。

图10给出的是旋转变换域的峰值叠加系数R_fm的特征效果图。图10(a)为当信噪比为0dB，干信比为0dB时，对于不同干扰分别仿真100次的R_fm值。图10(b)为当信噪比为0dB时，不同干扰的R_fm值随干信比JSR变化的关系。其中干扰类型包括覆盖带宽为{30％、50％、70％、100％}(跳频带宽)的宽带噪声干扰和扫频率为{3，3.5，4}(25/12K*跳频带宽)的宽带线扫频干扰等。从图中可以看出，参数R_fm可以区分出扫频率很高时，淹没在噪声中的弱宽带线扫频干扰，并且对于干信比的变化具有很好的鲁棒性和稳定性。

图11给出的是跳频系统中各种干扰的正确识别概率图。在不同干信比和不同信噪比的情况下，通过大量仿真计算，综合各方面因素，得到的各个参数的最佳阈值为：T_Bw＝0.06、T_a＝0.19、T_γ＝50、T_p＝203、T_μ1＝2920、T_μ2＝200、T_v＝0.09、T_F＝0.49、T_f1＝10.5、T_m1＝12、T_f2＝3.5、T_m2＝3.5。根据图1中给出的实现流程图，对混有各种干扰的跳频接收信号分别进行500次独立仿真，得到当信噪比为0dB时，各种干扰在不同干信比情况下的正确识别概率图如图11(a)所示，当干信比为0dB时，各种干扰在不同信噪比情况下的正确识别概率图如图11(b)所示。从图中可以看出，本发明提出的跳频系统的干扰样式识别技术，在低干信比和低信噪比的情况下，正确识别率可以达到95％以上，具有很好的识别效果，并且在相当大的动态范围内，正确识别率不随干信比和信噪比的变化而变化，具有很好的鲁棒性和稳定性。

以上所述对发明的目的、技术方案和有益效果做了进一步的详细说明，所应强调的是，以上所述仅为本发明的具体实施特例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种跳频系统干扰样式识别方法，其特征在于包括以下步骤：

(一)预处理

(1)对有干扰存在的跳频接收信号x(m)进行时频分析，采用短时傅里叶变换，将时域信号变换到时频域，并在此基础上，根据已知的跳频图案，在时频域进行去跳频点处理，得到去跳频点后的时频图S_qt(m，n)；

(2)对去跳频点后的时频图S_qt(m，n)进行归一化处理，然后沿时间轴求平均值，得到去跳频点后的平均频谱P_qt(n)；

(3)根据平均频谱P_qt(n)，计算出干扰的归一化3dB带宽B_w和干扰载频F_c；

(4)将步骤(3)中计算得到的B_w与确定的阈值T_Bw比较，如果B_w小于T_Bw，则判为窄带干扰，进入窄带干扰识别流程，否则判为宽带干扰，进入宽带干扰识别流程；

(二)窄带干扰识别流程

对于存在窄带干扰的跳频接收信号x(m)，将以干扰载频F_c为中心，在窄带干扰带宽阈值T_Bw内的跳频点称为干扰跳频点，其它跳频点称为非干扰跳频点，并进行以下处理：

(1)将跳频接收信号x(m)中存在干扰跳频点的部分在时域截去，将截去干扰跳频点后的跳频接收信号变换到频域，在频域去除非干扰跳频点，并进一步在频域滤除噪声，得到干扰的频域估计J(k)，然后反变换到时域，得到干扰的时域估计j(m)；

(2)根据步骤(1)中得到的干扰的时域估计j(m)，按照下式计算参数包络变化系数R_a和零中心归一化幅度的频谱最大值γ_max：

$R_a={\mathrm{\σ}}_a^2/{\mathrm{\μ}}_a^2$

γ_max＝max|FFT[a_cn(m)]²/N_s|

其中，μ_a和

分别是干扰时域估计j(m)的包络的均值和方差；N_s为采样点数，a_cn(m)为零中心归一化幅度，a_cn(m)由下式计算得到：

a_cn(m)＝a_j(m)/m_a-1

其中，

a_j(m)是干扰时域估计j(m)的瞬时幅度；

如果R_a大于阈值T_a且γ_max大于阈值T_γ，则判为ASK类键控干扰；如果R_a大于阈值T_a且γ_max小于阈值T_γ，则判为噪声调幅干扰AM；如果R_a小于或等于阈值T_a，则进入步骤(3)；

(3)根据预处理中得到的平均频谱P_qt(n)，按照下面公式计算峰值带宽比R_p：

R_p＝P_m/B_w

其中，P_m是P_qt(n)的峰值相对于干扰信号能量的归一化，B_w是预处理中得到的归一化3dB带宽，并且根据步骤(1)中得到的干扰频谱J(k)，计算频谱的归一化峰度μ_f，如果R_p大于阈值T_p且μ_f大于阈值T_μ1，则判为单音干扰，如果R_p大于阈值T_p且μ_f小于阈值T_μ1，则判为PSK类键控干扰，如果R_p小于或等于阈值T_p，则进入步骤(4)；

(4)根据步骤(1)中得到的干扰频谱J(k)，按照下面公式计算频谱的谱峰紧致度R_v：

$R_v=\frac{1}{m_R-m_L+1}\underset{J_u\left(k\right)\≥0.5}{\mathrm{\Σ}}{J}_u\left(k\right)$

其中，

如果μ_f小于阈值T_μ2且R_v大于阈值T_v，则判为噪声调频干扰，否则判为FSK类键控干扰，结束窄带干扰识别流程；

(三)宽带干扰识别流程

(1)首先，根据预处理中得到的平均频谱P_qt(n)，根据下式计算平均频谱平坦系数F_ss：

$F_{\mathrm{ss}}=\sqrt{\frac{1}{N_t}\underset{n=0}{\overset{N_t-1}{\mathrm{\Σ}}}{(P_s\left(n\right)-\stackrel{\‾}{P_s\left(n\right)})}^2}$

其中，

$P_s\left(n\right)=P_{\mathrm{qt}}\left(n\right)-\frac{1}{2L+1}\underset{i=-L}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{qt}}(n+i)$

其中，P_qt(n)为去跳频点后的平均频谱，N_t为P_qt(n)的长度，L是滑动平均窗口的宽度，取L＝0.03N_t；

其次，根据预处理中得到的时频图S_qt(m，n)，按照下式计算旋转变换域的峰值系数R_f和峰值角度α_max：

$R_f=\frac{\underset{u,\mathrm{\α}}{\max }\left\{R_T(u,\mathrm{\α})\right\}}{\stackrel{\‾}{R_T(u,\mathrm{\α})}}$

其中，R_T(u，α)是对去跳频点后的时频图S_qt(m，n)进行阈值Radon变换后得到的二维图像，α为Radon变换的旋转角，u为时频图原点到投影积分直线的距离；是R_T(u，α)的全局平均值，

是R_T(u，α)的全局最大值，此最大值对应的角度α即为旋转变换域的峰值角度α_max；

然后，按照下面公式，进一步计算旋转变换域的峰值叠加系数R_fm：

$R_{\mathrm{fm}}=\frac{\underset{\mathrm{\α}}{\max }\left\{P_R\left(\mathrm{\α}\right)\right\}}{\stackrel{\‾}{P_R\left(\mathrm{\α}\right)}}$

其中，P_R(α)是R_T(u，α)在各个α角的累加，R_T(u，α)是S_qt(m，n)经过阈值Radon变换后的结果，而

是P_R(α)的最大值，

是P_R(α)的平均值；

(2)如果F_ss大于阈值T_F且α_max＝90°，则判为宽带梳状干扰，否则进入步骤(3)；

(3)如果R_f大于阈值T_f1且α_max≠90°，则判为强宽带线扫频干扰，否则进入步骤(4)；

(4)如果R_fm大于阈值T_m1且α_max≠90°，则判为弱宽带线扫频干扰，否则进入步骤(5)；

(5)如果R_f大于阈值T_f2且R_fm大于阈值T_m2，则判为宽带噪声干扰，否则判为未知干扰，结束宽带干扰识别流程。

Images