CN101958729A - 直扩通信系统中快速线性调频干扰检测和抑制方法 - Google Patents

Abstract

本发明提供的是一种直接序列扩频通信系统中快速线性调频干扰检测和抑制方法。充分利用直扩通信系统中在信道上传输的数据频谱类似白噪声的特点，若受线性调频信号干扰必定在瞬时能量频谱上有很强的峰值，也必定在时-频能量分布平面上存在明显的峰值线。在直扩通信系统接收端，在时频平面上选取几个不同时刻能量频谱峰值点，按照线性规律粗略估计出线调频斜率和分数阶Fourier变换的旋转角度α，然后根据参数进行p＝2α/π阶分数阶Fourier变换，若存在显著峰值则检测成功，然后利用一个迭代过程进行准确搜索，在分数阶Fourier变换域进行消波处理来抑制线性调频干扰。最后将去噪后信号输出给后续的处理过程。

Description

直扩通信系统中快速线性调频干扰检测和抑制方法

技术领域

本发明属于无线数据传输、通信抗干扰技术领域，涉及的是直接序列扩频通信(简称直扩通信)中对线性调频干扰的检测和抑制方法。

背景技术

在通信领域中，干扰抑制一直都是研究人员关注的热点。现阶段在窄带干扰抑制上已取得大量较为成熟的理论与成果。自适应滤波、变换域技术、码辅助技术等多种研究工具的引入更为窄带干扰的抑制提供更多可靠而有效的手段。但随着研究的不断深入以及实际应用需求的提高，宽带干扰抑制又成为该方向上新的研究焦点。在这一情况下，现有的处理技术在宽带干扰抑制上普遍存在的缺陷使得人们开始寻找新的处理工具来实现抑制宽带干扰的目的。

扩频通信技术具有大容量、抗干扰、低截获率以及可实现码分多址(CDMA)等优点，被广泛应用，并成为下一代移动通信的技术基础。扩频通信系统中，直接序列扩频(Directsequence spread spectrum，DSSS)技术的应用最为普遍。DSSS系统有着很强的抗干扰能力，但是，当外部干扰的强度超过了系统的干扰容限时，系统的性能将会急剧下降，这时，必须引入相应的抗干扰措施，通常是在解扩前对信号进行预处理。目前，这一领域的研究成果大都集中在窄带干扰的抑制上，而近年来，宽带的非平稳干扰对扩频系统的影响越来越引起人们的重视，其常见的形式为线性调频(LFM：line frequency modulate)干扰。相对于单频正弦波，线性调频干扰对DSSS系统的影响更为明显。

针对线性调频干扰，已经提出了很多抑制干扰的方法。现有技术，存在明显缺点。Fourier变换对宽带尤其快速时变的线性调频干扰无能为力。时频分布技术由于存在交叉项，因此无法识别多个干扰。

分数阶变换是近年来引起人们关注的一种新的时频分析工具，是分数阶化思想在各种传统变换中推广得到的新的变换形式。分数阶Fourier变换(FRFT：Fractional Fouriertransform)则是一种特殊的分数阶变换，分数阶化思想也是从它对传统Fourier变换的推广中得到的。在分数阶Fourier域抑制特殊的宽带干扰-线性调频干扰已有相应的算法提出。其基本思路是以旋转角α为变量，对观测信号连续进行分数阶Fourier变换，形成信号能量在分数阶或旋转角度α与调频斜率μ构成的二维参数(α，μ)平面上的二维分布，在此平面上按阈值进行峰值点的二维搜索来实现信号的检测和参数估计。这些算法最明显的缺点就是搜索范围大，计算负担过大。

发明内容

本发明的目的在于提供一种能够克服现有基于分数阶Fourier变换的线性调频干扰抑制方法搜索空间大、计算负担重等问题的直扩通信系统中快速线性调频干扰检测和抑制方法。

本发明的目的是这样实现的：

(1)分帧，将从接收机获得的数据f(x)截断成较短的、有一定重叠的数据帧f₁，f₂，...，f_K-1，f_K；

(2)对每一帧f_i(x)，假设线性调频干扰存在，利用短时Fourier变换(STFT：Shorttime Fourier Transform)构造二维时频图，在时频平面上选取3个时间点对应的能量谱峰值点即可检测一条直线，检测这3点在时频能量图上是否在一条直线上，就可以得出峰值线参数即可粗略估计出线性调频斜率和分数阶Fourier变换的旋转角度α；

(3)验证假设与参数寻优，根据参数α进行分数阶Fourier变换，若存在显著峰值则检测成功，并且对参数进行迭代寻优，利用一个迭代过程进行准确搜索得到线性调频干扰斜率与分数阶Fourier变换的旋转角度α′的准确值；

(4)去噪，在分数阶Fourier变换域进行消波处理，去除干扰；

(5)判断是否处理了所有数据帧；

(6)信号去重叠与重组，若已经处理了所有的数据f_i(x)，则对处理结果数据进行去重叠和重组处理，得到去干扰的信号。

本发明还可以包括：

1、所述分帧进一步包括：

1)确定含有线性调频干扰的待处理信号f(x)的长度，用L表示；

2)确定分析帧即数据帧长fr；

3)确定前后两帧重叠参数2*p(％)，则重叠量2*Δp＝fr*2*p％，且4*p％＜1，p％＝10％；

4)前后两帧之间的滑动步长为d＝fr-2*Δp；

5)在信号f(x)前后各补长度为Δp的数据0，生成新的数据f(x)，长度为2*Δp+L；

6)若2*Δp+(K-1)*d＜2Δp+L＜2*Δp+K*d，则在新生成的f(x)后再补(2*Δp+K*d)-(2*Δp+L)＝K*d-L个数据0，构成新的f(x)，长度为2*Δp+K*d；

7)将f(x)分成K帧f₁，f₂，...，f_K-1，f_K，

f_i(x)：f((i-1)*d+1)，...，f(2*Δp+i*d)。

2、对每一帧f_i(x)，进行线性调频参数预估计进一步包括：

1)对f_i(x)作短时fourier变换

其中w(n)是窗函数，为矩形窗、Gaussian窗、Hanning或Hamming窗中的一种；

2)得到相应的能量谱图

spectrogram(m，ω)＝|F(m，ω)|²；

3)在spectrogram(m，ω)时频平面上选取spectrogram(1，ω)、

和spectrogram(M，ω)的极大值点，分别表示为

$P_{\mathrm{middle}}=\underset{\mathrm{\ω}}{\arg }\left(\max \left(\mathrm{spectrogram}(\frac{M}{2},\mathrm{\ω})\right)\right),$ $P_{\mathrm{end}}=\underset{\mathrm{\ω}}{\arg }\left(\max \left(\mathrm{spectrogram}(M,\mathrm{\ω})\right)\right);$

4)若

且abs[(P_end-P_middle)-(P_middle-P_start)]≤1且(P_end-P_middle)和(P_middle-P_start)不同时为0，则可以假设存在线性调频信号干扰，可以粗略的估计线性调频干扰的斜率为

否则说明本帧内不存在线性调频干扰，i＝i+1，然后转判断是否处理了所有数据帧步骤。

3，所述假设验证与参数寻优是基于爬山算法，具体方法为：

1)利用上一个阶段得到的

对f_i(x)进行相应的分数阶Fourier变换

得到

其中

2)若

则存在线性调频信号干扰，转到3)；若则不存在线性调频信号干扰，或线性调频干扰能量很小不足以影响系统性能，转到判断是否处理了所有数据帧步骤；其中μ为

的均值

σ为

的方差，a为调节因子；

3)若存在线性调频干扰，将k的变化范围定为

设置迭代次数ite＝1；

4)参数迭代寻优开始

对两个斜率值k_head，k_end，分别作相应的分数阶Fourier变换，得到

$\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right);$

若|k_head-k_end|＜Δ， $\mathrm{\Δ}=\frac{|k_{\mathrm{head}}-k_{\mathrm{end}}|}{5};$

若

设T＝0.01，并且迭代次数ite＜10，则转到6)结束迭代；

5)爬山算法

计算k_m∈(k_head，k_end)；

$k_m=\frac{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\·k_{\mathrm{head}}+\frac{\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\·k_{\mathrm{end}}$

若则k_end＝k_head，k_head＝k_head-Δ，转到4)；

若

则k_head＝k_end，k_end＝k_end+Δ，转到4)；

若

则k_head＝k_m，否则k_end＝k_m，迭代次数ite＝ite+1，转到4)；

6)迭代结束，得到

4、所述去噪进一步包括：

1)对f_i(x)作p阶分数阶Fourier变换，得到F_p(f_i(x))；

2)得到极值点位置

3)利用高斯窗w_g对进行光滑，得到新的

w_g～N(0，1)为标准正态分布，其窗长为

4)利用在l_M的左侧δ邻域是单调增，而在l_M的右侧δ邻域是单调减的规律，对

进行二阶差分，得到l_M附近的两个谷点位置l_v1，l_v2，且有l_v1＜l_M＜l_v2；

5)将F_p(f_i(x))在[l_v1，l_v2]区间的数据置为0即消波处理，抑制线性调频干扰，

$X_p\left(u\right)=F_p\left(u\right)=F_p\left(f_i\left(x\right)\right)=\left\{\begin{array}{cc}{F}_p\left(u\right)& \mathrm{if}(u<l_{v1})\mathrm{or}(u>l_{v2})\\ 0& (l_{v1}\&le;u\&le;l_{v2})\end{array}\right.;$

6)对消波后的F_p(f_i(x))进行作-p阶分数阶Fourier变换，得到

5、判断是否已经处理了所有数据帧，且对每一帧循环判定是否还存在线性调频干扰包括：

1)判断数据帧是否已经越界，超出处理范围，若i＞K，则转到信号去重叠与重组；

2)将数据帧f_i(x)重新转到对每一帧f_i(x)，进行线性调频参数预估计。

6、所述信号去重叠与重组进一步包括：

1)将

按规律去重叠，构成去干扰后的信号

步骤1、去掉

的最后Δp个数据；

步骤2、去掉

的首尾各Δp个数据，1＜i＜K；

步骤3、去掉

的前Δp个数据；

步骤4、将去掉冗余的

首尾连接，构成

2)去掉

首尾补充的0，去掉前部Δp个0，去掉尾部K*d-L+Δp个0；

3)得到与输入信号f(x)等长的去干扰后的信号

本发明克服了现有基于分数阶Fourier变换的线性调频干扰抑制方法搜索空间大、计算负担重的缺点。本方法的原理主要是利用直扩通信系统中在信道上传输的数据频谱类似白噪声并且具有扩频增益的特点。干信比(干扰与信号的能量比)若小于扩频增益，则不需要进行特殊处理，系统可以将数据正确接收和解码；干信比若大于扩频增益，数据在信道中明显受线性调频信号干扰，则线性调频干扰的能量明显强于信号且必定在瞬时能量频谱上有很强的峰值，必定在时-频能量分布平面上存在明显的峰值线对应线性调频信号。因此可以在时频能量分布平面上选取3个不同时刻的能量频谱峰值点即可检测一条直线，检测这3点是否在一条直线上，就可以得出峰值线参数即可粗略估计出线性调频斜率和分数阶Fourier变换的旋转角度α，然后根据参数进行分数阶Fourier变换，若存在显著峰值则检测成功(存在线性调频信号干扰)，然后利用一个迭代爬山过程进行准确搜索得到线性调频干扰斜率与分数阶Fourier变换的旋转角度α′的准确值。在α′阶分数阶Fourier变换域必然存在一个峰值对应线性调频干扰，进行消波处理后进行相应的分数阶Fourier反变换，即可去除线性调频干扰。

本发明的基本原理与依据的简单论述：

(1)分数阶Fourier变换与LFM的关系

如前所述(背景技术)，LFM信号在相应的分数阶Fourier变换域具有能量聚集特性，会产生脉冲峰，因此分数阶Fourier变换适合处理未知参数LFM信号，完成对通信信号和LFM干扰的分离。主要问题是如何在参数空间中快速找到与LFM相对应的分数阶次。

(2)扩频通信的特点与参数的快速估计

扩频通信系统，具有扩频增益。扩频通信系统中在信道上传输的数据频谱类似白噪声。干信比(干扰与信号的能量比)若小于扩频增益，则不需要进行特殊处理，系统可以将数据正确接收和解码；干信比若大于扩频增益，数据在信道中明显受线性调频信号干扰，则线性调频干扰的能量明显强于信号且必定在瞬时能量频谱上有很强的峰值，必定在时-频能量分布平面上存在明显的峰值线对应线性调频信号。因此可以在时频能量分布平面上选取几个不同时刻的能量频谱峰值点(一般选3个时间点对应的能量谱峰值点即可检测一条直线)，检测这几点是否在一条直线上，就可以得出峰值线参数即可粗略估计出线性调频斜率和分数阶Fourier变换的旋转角度α，然后根据参数进行分数阶Fourier变换，若存在显著峰值则检测成功(存在线性调频信号干扰)，然后利用一个迭代爬山过程进行准确搜索得到线性调频干扰斜率与分数阶Fourier变换的旋转角度α′的准确值。在α′阶分数阶Fourier变换域必然存在一个峰值对应线性调频干扰，进行消波处理后进行相应的分数阶Fourier反变换，即可去除线性调频干扰。

(3)参数寻优：爬山算法

一个LFM信号只在适当的分数阶傅立叶域中是一个冲击函数。因此FRFT在某个分数阶傅立叶域中对给定的调频率为k的LFM信号具有最好的聚集特性，并且在

区域分数阶傅立叶域极大值为单调增，在

区域分数阶傅立叶域极大值为单调减。因此利用这一特性，提出了一种LFM信号的检测与参数估计算法-快速爬山算法，可以在粗略估计出大概参数区域后快速找到最优参数

(4)分帧：加窗重叠

通常情况下，输入的数据会很多，直接进行处理系统负担很重。因此需要将数据截断，分段(分数据帧)处理有助于降低计算负载。数据截断的过程相当于将数据在时域乘上一个矩形窗，在频域等价于数据的频谱与矩形窗频谱的卷积。由有限长矩形窗的频谱知识，我们知道数据与矩形窗在时域相乘必然造成在频域的频谱泄漏。这种泄漏在从频域反变换回时域时主要影响数据的边缘。因此对原始数据分帧采用前后帧有限重叠的方法，消除这种不利影响。本发明在实施例中，前后帧的重叠率为20％(即前一帧的后20％与下一帧的前20％重叠)，就已经完全消除了频谱泄漏的影响。

(5)对LFM在相应分数阶Fourier域的脉冲峰的自适应抑制

以上介绍了频谱泄漏问题对时域的影响与消除。因为要在分数阶Fourier域抑制LFM干扰，因此也必须关注频谱泄漏对分数阶Fourier频谱的影响。在分数阶Fourier域频谱泄漏造成窄带功率扩展到邻近的范围，因此LFM在相应分数阶Fourier域不再是对应一个单点脉冲，而是一个具有边带的脉冲峰。在分数阶Fourier域要抑制LFM干扰就要抑制与其对应的整个有边带的脉冲峰，脉冲峰的强度与宽度未知的情况下，简单的域值法抑制LFM的作用有限。本发明利用与LFM对应的有边带的脉冲峰，在峰值点两侧频谱能量的单调性寻找信号能量与LFM干扰能量的平衡点(峰值两侧的局部极小值点)作为消波(抑制峰值)的区域，将平衡点区间内的频谱都置为0，达到消波抑制LFM干扰的目的。

(6)多LFM干扰抑制

本发明利用在短时Fourier构造的时频能量平面上估计直线参数的方法，再利用估计的参数在分数阶Fourier域抑制LFM干扰。若有多条LFM干扰，由每个干扰的干信比就决定其在时频能量平面上峰值的强度不同，就会产生不同强度的峰值线。利用这一特性，本发明采用循环的方法，每次抑制一条最强的LFM干扰，达到抑制多LFM干扰的目的。

如上所述的扩频通信中线性调频干扰检测和抑制方法，具有如下特征：(1)为了缩短数据长度、减小计算负担，将长数据段进行分帧处理；(2)数据帧的适量重叠处理，消除了数据截断引起的频谱泄漏对时域的影响；(3)利用LFM信号在相应的分数阶Fourier变换域具有能量聚集特性，检测LFM信号和去干扰；(4)利用扩频通信系统中在信道上传输的数据频谱类似白噪声且具有扩频增益的特性，达到参数快速估计目的；(5)本发明提出了针对LFM在相应分数阶Fourier域的脉冲峰的自适应抑制方法，利用脉冲峰的边带寻找信号能量与LFM干扰能量的平衡点，确定消波区域，达到消波抑制LFM干扰的目的。(6)本发明可以对多个LFM干扰进行抑制。

附图说明

图1是LFM信号的时频图。

图2是与图1中的LFM信号参数匹配的分数阶傅里叶变换域。

图3是线性调频干扰抑制方法的流程图。

图4是数据分帧过程示意图。

图5是信号f_i(x)的p阶分数阶Fourier变换的幅度图。

图6是信号f_i(x)的p阶分数阶Fourier变换的幅度极大值点邻域图。

图7是去重叠构造

具体实施方式

下面结合附图举例对本发明做更详细地描述：

本方法原理框图参见图3，包括以下6个阶段：(1)分帧，将数据f(x)截断成较短的、有一定重叠的数据帧f₁，f₂，...，f_K-1，f_K；(2)对每一帧f_i(x)，假设线性调频干扰存在，利用短时Fourier变换构造二维时频图对线性调频干扰参数进行粗略估计，得到线性调频斜率和分数阶Fourier变换的旋转角度α；(3)验证假设与参数寻优：根据参数α进行分数阶Fourier变换，若存在显著峰值则检测成功，并且对参数进行迭代寻优，利用一个迭代过程进行准确搜索得到线性调频干扰斜率与分数阶Fourier变换的旋转角度α′的准确值；(4)去噪：在分数阶Fourier变换域进行消波处理，去除干扰；(5)判断是否处理了所有数据帧；(6)信号去重叠与重组，若已经处理了所有的数据f_i(x)，则对处理结果数据进行去重叠和重组处理，得到去干扰的信号。

阶段1：分帧

通常情况下，输入的数据会很多，直接进行处理系统负担很重。因此需要将数据截断，分段(分数据帧)处理有助于降低计算负载。过程如图4所示。

(1)确定含有线性调频干扰的待处理信号f(x)的长度，用L表示，本例中L＝120000；

(2)确定分析帧长fr，本例中fr＝24000，；

(3)确定前后两帧重叠参数2*p(％)，则重叠量2*Δp＝fr*2*p％，且4*p％＜1，本例中设p％＝10％，重叠量2*Δp＝fr*2*p％＝4800；

(4)前后两帧之间的滑动步长为d＝fr-2*Δp，本例中d＝24000-4800＝19200；

(5)在信号f(x)前后各补长度为Δp的数据0，生成新的数据f(x)，长度为2*Δp+L，本例中新生成的f(x)长度为2*Δp+L＝124800；

(6)若2*Δp+(K-1)*d＜2Δp+L＜2*Δp+K*d，则在新生成的f(x)后再补(2*Δp+K*d)-(2*Δp+L)＝K*d-L个数据0，构成新的f(x)，长度为2*Δp+K*d；

本例中(4800+6*19200＝120000)＜124800＜(4800+7*19200＝139200)，则在f(x)后面补7*19200-120000＝14400个数据0，构成新的长度为2*Δp+K*d＝139200的数据f(x)

(7)将f(x)分成K帧f₁，f₂，...，f_K-1，f_K，且f_i(x)：f((i-1)*d+1)，...，f(2*Δp+i*d)

本例中将上一步产生的长度为2*Δp+K*d＝4800+7*19200＝139200的f(x)分成7帧，如下：

f₁(x)：f(1)，...，f(24000)

f₂(x)：f(19200+1)，...，f(43200)

f₃(x)：f(38400+1)，...，f(62400)

f₄(x)：f(57600+1)，...，f(81600)

f₅(x)：f(76800+1)，...，f(100800)

f₆(x)：f(96000+1)，...，f(120000)

f₆(x)：f(11520+1)，...，f(139200)

阶段2：对每一帧f_i(x)，进行线性调频参数预估计

(1)对f_i(x)作短时fourier变换

其中w(n)是窗函数，可以选矩形窗、Gaussian窗、Hanning或Hamming窗等。

本例中w(n)为矩形窗，窗长M为2的(log2(fr)-3)次方取整，所以Matlab语言描述为M＝2^floor(log2(fr)-3)。

(2)得到相应的能量谱图

spectrogram(m，ω)＝|F(m，ω)|²        (15)

(3)在spectrogram(m，ω)时频平面上选取spectrogram(1，ω)、和spectrogram(M，ω)的极大值点，分别表示为

$P_{\mathrm{middle}}=\underset{\mathrm{\&omega;}}{\arg }\left(\max \left(\mathrm{spectrogram}(\frac{M}{2},\mathrm{\&omega;})\right)\right),$ $P_{\mathrm{end}}=\underset{\mathrm{\&omega;}}{\arg }\left(\max \left(\mathrm{spectrogram}(M,\mathrm{\&omega;})\right)\right);$

(4)若

且abs[(P_end-P_middle)-(P_middle-P_start)]≤1且(P_end-P_middle)和(P_middle-P_start)不同时为0，则可以假设存在线性调频信号干扰，可以粗略的估计线性调频干扰的斜率为

转阶段3；否则说明本帧内不存在线性调频干扰，i＝i+1，然后转阶段5；

阶段3：基于爬山算法的假设验证以及参数寻优

由FRFT的定义可知，一个LFM信号只在适当的分数阶傅立叶域中是一个冲击函数。因此FRFT在某个分数阶傅立叶域中对给定的LFM信号具有最好的聚集特性，并且在

区域为单调增，在

区域为单调减。因此利用这一特性，提出了一种LFM信号的检测与参数估计算法-快速爬山算法。

(1)利用上一个阶段得到的

对f_i(x)进行相应的分数阶Fourier变换得到

其中

(2)若

则存在线性调频信号干扰，转到(3)；若

则不存在线性调频信号干扰，或线性调频干扰能量很小不足以影响系统性能，可以转到阶段5。其中μ为

的均值

σ为

的方差，a为调节因子。

(3)若存在线性调频干扰，将k的变化范围定为

设置迭代次数ite＝1；

(4)参数迭代寻优开始

对两个斜率值k_head，k_end，分别作相应的分数阶Fourier变换，得到

$\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right);$

若|k_head-k_end|＜Δ， $\mathrm{\&Delta;}=\frac{|k_{\mathrm{head}}-k_{\mathrm{end}}|}{5};$

若

通常设T＝0.01，并且迭代次数ite＜10，则转到(6)结束迭代；

(5)爬山算法

计算k_m∈(k_head，k_end)：

$k_m=\frac{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\&CenterDot;k_{\mathrm{head}}+\frac{\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\&CenterDot;k_{\mathrm{end}}$

若

则k_end＝k_head，k_head＝k_head-Δ，转到(4)；

若

则k_head＝k_end，k_end＝k_end+Δ，转到(4)；

若则k_hend＝k_m，否则k_end＝k_m，迭代次数ite＝ite+1，转到(4)；

(6)迭代结束，得到

阶段4：去噪

(1)对f_i(x)作p阶分数阶Fourier变换，得到F_p(f_i(x))；

(2)得到极值点位置

(3)利用高斯窗w_g对

进行光滑，得到新的

w_g～N(0，1)为标准正态分布，其窗长为

(4)利用

在l_M的左侧δ邻域是单调增，而在l_M的右侧δ邻域是单调减的规律(如图5和图6所示)，对

进行二阶差分，得到l_M附近的两个谷点位置l_v1，l_v2，且有l_v1＜l_M＜l_v2；

(5)将F_p(f_i(x))在[l_v1，l_v2]区间的数据置为0(消波处理)，即可抑制线性调频干扰。

$X_p\left(u\right)=F_p\left(u\right)=F_p\left(f_i\left(x\right)\right)=\left\{\begin{array}{cc}{F}_p\left(u\right)& \mathrm{if}(u<l_{v1})\mathrm{or}(u>l_{v2})\\ 0& (l_{v1}\&le;u\&le;l_{v2})\end{array}\right.$

(6)对消波后的F_p(f_i(x))进行作-p阶分数阶Fourier变换，得到

阶段5：判断是否已经处理了所有数据帧，且对每一帧循环判定是否还存在线性调频干扰

(1)判断数据帧是否已经越界(超出处理范围)，若i＞K，则转到阶段6

(2)将数据帧f_i(x)重新转到阶段2；

阶段6：信号去重叠与重组

(1)将

按规律去重叠，构成去干扰后的信号过程如图7所示；

规则1、去掉

的最后Δp个数据；

规则2、去掉

的首尾各Δp个数据，1＜i＜K；

规则3、去掉

的前Δp个数据；

规则4、将去掉冗余的

首尾连接，构成

在本示例中，

去掉最后Δp＝2400个数据，从

到

各去掉前后Δp＝2400个数据，

去掉前Δp＝2400个数据，所以构成长度为7*fr-12*Δp＝7*24000-12*2400＝139200

(2)去掉

首尾补充的0(去掉前部Δp个0，去掉尾部K*d-L+Δp个0)；

本实例中去掉上一步产生

的前Δp＝2400个数据以及尾部K*d-L+Δp＝7*19200-120000+2400＝16800，则

的长度变为139200-16800-2400＝120000

(3)得到与输入信号f(x)等长的去干扰后的信号

本实例最终输出的去干扰信号为

其长度等于输入信号f(x)的长度120000。

Claims (7)

1.一种直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是：

(1)分帧，将从接收机获得的数据f(x)截断成较短的、有一定重叠的数据帧f₁，f₂，...，f_K-1，f_K；

(2)对每一帧f_i(x)，假设线性调频干扰存在，利用短时Fourier变换构造二维时频图，选3个时间点对应的能量谱峰值点，检测这3点在时频能量图上是否在一条直线上，得出峰值线参数即可粗略估计出线性调频斜率和分数阶Fourier变换的旋转角度α；

(3)验证假设与参数寻优，根据参数α进行分数阶Fourier变换，若存在显著峰值则检测成功，并且对参数进行迭代寻优，利用一个迭代过程进行准确搜索得到线性调频干扰斜率与分数阶Fourier变换的旋转角度α′的准确值；

(4)去噪，在分数阶Fourier变换域进行消波处理，去除干扰；

(5)判断是否处理了所有数据帧；

(6)信号去重叠与重组，若已经处理了所有的数据f_i(x)，则对处理结果数据进行去重叠和重组处理，得到去干扰的信号，供接收端进行解扩、解调后续处理。

2.根据权利要求1所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是所述分帧进一步包括：

1)确定含有线性调频干扰的待处理信号f(x)的长度，用L表示；

2)确定分析帧即数据帧长fr；

3)确定前后两帧重叠参数2*p(％)，则重叠量2*Δp＝fr*2*p％，且4*p％＜1，p％＝10％；

4)前后两帧之间的滑动步长为d＝fr-2*Δp；

5)在信号f(x)前后各补长度为Δp的数据0，生成新的数据f(x)，长度为2*Δp+L；

6)若2*Δp+(K-1)*d＜2Δp+L＜2*Δp+K*d，则在新生成的f(x)后再补(2*Δp+K*d)-(2*Δp+L)＝K*d-L个数据0，构成新的f(x)，长度为2*Δp+K*d；

7)将f(x)分成K帧f₁，f₂，...，f_K-1，f_K，

f_i(x)：f((i-1)*d+1)，...，f(2*Δp+i*d)。

3.根据权利要求2所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是对每一帧f_i(x)，进行线性调频参数预估计进一步包括：

1)对f_i(x)作短时fourier变换

其中w(n)是窗函数，为矩形窗、Gaussian窗、Hanning或Hamming窗中的一种；

2)得到相应的能量谱图

spectrogram(m，ω)＝|F(m，ω)|²；

3)在spectrogram(m，ω)时频平面上选取spectrogram(1，ω)、和spectrogram(M，ω)的极大值点，分别表示为 $P_{\mathrm{start}}=\underset{\mathrm{\&omega;}}{\arg }\left(\max \left(\mathrm{spectrogram}(1,\mathrm{\&omega;})\right)\right),$ $P_{\mathrm{middle}}=\underset{\mathrm{\&omega;}}{\arg }\left(\max \left(\mathrm{spectrogram}(\frac{M}{2},\mathrm{\&omega;})\right)\right),$ $P_{\mathrm{end}}=\underset{\mathrm{\&omega;}}{\arg }\left(\max \left(\mathrm{spectrogram}(M,\mathrm{\&omega;})\right)\right);$

4)若且abs[(P_end-P_middle)-(P_middle-P_start)]≤1且(P_end-P_middle)和(P_middle-P_start)不同时为0，则假设存在线性调频信号干扰，粗略的估计线性调频干扰的斜率为

否则说明本帧内不存在线性调频干扰，i＝i+1，然后转判断是否处理了所有数据帧步骤。

4.根据权利要求3所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是所述假设验证与参数寻优是基于快速爬山算法，具体方法为：

1)利用上一个阶段得到的

对f_i(x)进行相应的分数阶Fourier变换

得到

其中

2)若

则存在线性调频信号干扰，转到3)；若

则不存在线性调频信号干扰，或线性调频干扰能量很小不足以影响系统性能，转到判断是否处理了所有数据帧步骤；其中μ为

的均值

σ为的方差，a为调节因子；

3)若存在线性调频干扰，将k的变化范围定为

设置迭代次数ite＝1；

4)参数迭代寻优开始

对两个斜率值k_head，k_end，分别作相应的分数阶Fourier变换，得到

$\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right);$

若|k_head-k_end|＜Δ， $\mathrm{\&Delta;}=\frac{|k_{\mathrm{head}}-k_{\mathrm{end}}|}{2};$

若

设T＝0.01，并且迭代次数ite＜10，则转到6)结束迭代；

5)爬山算法

计算k_m∈(k_head，k_end)；

$k_m=\frac{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\&CenterDot;k_{\mathrm{head}}+\frac{\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}{\max \left({\left|F_{p_{\mathrm{head}}}\left(f_i\left(x\right)\right)\right|}^2\right)+\max \left({\left|F_{p_{\mathrm{end}}}\left(f_i\left(x\right)\right)\right|}^2\right)}\&CenterDot;k_{\mathrm{end}}$

若则k_end＝k_head，k_head＝k_head-Δ，转到4)；

若

则k_head＝k_end，k_end＝k_end+Δ，转到4)；

若

则k_head＝km，否则k_end＝k_m，迭代次数ite＝ite+1，转到4)；

6)迭代结束，得到

5.根据权利要求4所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是所述去噪进一步包括：

1)对f_i(x)作p阶分数阶Fourier变换，得到F_p(f_i(x))；

2)得到极值点位置

3)利用高斯窗w_g对

进行光滑，得到新的

w_g～N(0，1)为标准正态分布，其窗长为

4)利用

在l_M的左侧δ邻域是单调增，而在l_M的右侧δ邻域是单调减的规律，对

进行二阶差分，得到lM附近的两个谷点位置l_v1，l_v2，且有l_v1＜l_M＜l_v2；

5)将F_p(f_i(x))在[l_v1，l_v2]区间的数据置为0即消波处理，抑制线性调频干扰，

$X_p\left(u\right)=F_p\left(u\right)=F_p\left(f_i\left(x\right)\right)=\left\{\begin{array}{cc}{F}_p\left(u\right)& \mathrm{if}(u<l_{v1})\mathrm{or}(u>l_{v2})\\ 0& (l_{v1}\&le;u\&le;l_{v2})\end{array}\right.;$

6)对消波后的F_p(f_i(x))进行作-p阶分数阶Fourier变换，得到

6.根据权利要求5所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是判断是否已经处理了所有数据帧，且对每一帧循环判定是否还存在线性调频干扰包括：

1)判断数据帧是否已经越界，超出处理范围，若i＞K，则转到信号去重叠与重组；

2)将数据帧f_i(x)重新转到对每一帧f_i(x)，进行线性调频参数预估计。

7.根据权利要求5所述的直扩通信系统中快速线性调频干扰检测和抑制方法，其特征是所述信号去重叠与重组进一步包括：

1)将

按规律去重叠，构成去干扰后的信号

步骤1、去掉

的最后Δp个数据；

步骤2、去掉

的首尾各Δp个数据，1＜i＜K；

步骤3、去掉

的前Δp个数据；

步骤4、将去掉冗余的

首尾连接，构成

2)去掉

首尾补充的0，去掉前部Δp个0，去掉尾部K*d-L+Δp个0；

3)得到与输入信号f(x)等长的去干扰后的信号

Images