CN113595588B - 一种基于时频谱熵的跳频信号感知方法 - Google Patents
一种基于时频谱熵的跳频信号感知方法 Download PDFInfo
- Publication number
- CN113595588B CN113595588B CN202110652639.8A CN202110652639A CN113595588B CN 113595588 B CN113595588 B CN 113595588B CN 202110652639 A CN202110652639 A CN 202110652639A CN 113595588 B CN113595588 B CN 113595588B
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- spectrum
- signal
- frequency hopping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
- H04B1/713—Spread spectrum techniques using frequency hopping
- H04B1/7136—Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明提供了一种基于时频谱熵的跳频信号感知方法,包括以下步骤:S1.接收机截获观测信号;S2.获取观测信号的短时傅里叶变换STFTx(m,n),并计算时频谱Px(m,n);S3.将时频谱Px(m,n)的不同频率分量在所有时间点的功率进行累加,得到只与频率相关的平均功率谱S4.在原时频谱Px(m,n)上减去对应频率的平均功率谱得到时频对消谱Psub(m,n);S5.对所得到的时频对消谱Psub(m,n)进行归一化处理,并计算得到的时频谱的信息熵H;S6.将时频对消谱的信息熵H与门限比较,进行跳频信号感知。本方案提出了一种基于时频谱熵的跳频信号感知方法,将短时傅里叶变换、时频对消方法与信息熵特点结合起来,具有有效性和实用性等优点。
Description
技术领域
本发明属于无线通信中认知无线电领域,尤其是涉及一种基于时频谱熵的跳频信号感知方法。
背景技术
跳频是最常用的扩频方式之一,其工作原理是指收发双方传输信号的载波频率按照预定规律进行离散变化的通信方式,也就是说,通信中使用的载波频率受伪随机变化码的控制而随机跳变。从通信技术的实现方式来说,"跳频"是一种用码序列进行多频频移键控的通信方式,也是一种码控载频跳变的通信系统。
跳频通信具有截获率低、抗干扰能力强和组网方便等特点,目前已成为民用和军事通信的主导技术,所以跳频信号感知是认知跳频通信的主要任务之一。现有的跳频信号感知方法大多是从跳频信号的频域出发,而从跳频信号的频域出发不能充分利用跳频信号的时频谱特点,感知性能也有待提高。也有一些关于功率谱感知方法的研究,但是感知概率不能在低信噪比下达到很好的效果,很难满足实际需求。
发明内容
本发明的目的是针对上述问题,提供一种基于时频谱熵的跳频信号感知方法。
为达到上述目的,本发明采用了下列技术方案:
一种基于时频谱熵的跳频信号感知方法,该方法包括以下步骤:
S1.接收机截获观测信号;
S2.获取观测信号的短时傅里叶变换STFTx(m,n),并计算时频谱Px(m,n);
S5.对所得到的时频对消谱Psub(m,n)进行归一化处理,并计算得到的时频谱的信息熵H;
S6.将时频对消谱的信息熵H与门限比较,进行跳频信号感知。
在上述的基于时频谱熵的跳频信号感知方法中,步骤S1中,所截获的观测信号可能包含跳频信号,所述的跳频信号为公式(1)
在上述的基于时频谱熵的跳频信号感知方法中,步骤S1中,所截获的观测信号可能包含定频信号,所述定频信号为公式(2)
在上述的基于时频谱熵的跳频信号感知方法中,步骤S1中,通过以下方式确定所述的观测信号:
对于给定的连续信号x(t),其短时傅里叶变换表示为公式(3):
其中h(t)是窗函数,h*(t)是它的共轭形式;
令仅存在噪声的假设为H0,噪声中存在跳频信号和定频信号的假设为H1,得到接收机截获的观测信号为公式(4):
则观测信号的短时傅里叶变换表示为公式(5):
在上述的基于时频谱熵的跳频信号感知方法中,在步骤S2中,通过以下方式获取所述的短时傅里叶变换STFTx(m,n):
对观测信号x(t)进行采样,窗长为P,每次滑动一定的长度,计算得到其短时傅里叶变换STFTx(m,n);
通过以下方式计算所述的时频谱Px(m,n):
对观测信号的短时傅里叶变换进行取模值平方计算,即令时频谱为Px(m,n)=|STFTx(m,n)|2,其中,频率维度m=1,2,...,M,M=P/2,时间维度n=1,2,...,N。
在上述的基于时频谱熵的跳频信号感知方法中,步骤S4中,通过以下公式(7)得到时频对消谱Psub(m,n):
在上述的基于时频谱熵的跳频信号感知方法中,步骤S5中,通过以下公式(8)对所得到的时频对消谱进行归一化处理,以避免噪声方差对信号感知结果产生影响:
在上述的基于时频谱熵的跳频信号感知方法中,步骤S5中,通过以下方式计算时频谱的信息熵H。
在上述的基于时频谱熵的跳频信号感知方法中,步骤S6中,通过以下规则进行跳频信号感知:若H<λ时,则判跳频信号存在;反之,则判跳频信号不存在。其中,λ为门限,由根据给定的虚警概率确定。
本发明的优点在于:
1、提出了一种基于时频谱熵的跳频信号感知方法,将短时傅里叶变换、时频对消方法与信息熵特点结合起来,具有有效性和实用性等优点。
2、提出改进的时频对消算法,减少了定频信号对跳频信号感知结果的影响。
3、充分利用噪声、定频信号和跳频信号的对消时频谱信息熵的差异性,使得跳频信号在低信噪比下仍能获得较高的识别率。
附图说明
图1为噪声和跳频信号在不同信噪比下的时频谱信息熵的差异性示图;
图2为噪声时频谱矩阵;
图3为跳频信号时频谱矩阵。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
如图1所示,本方案提出一种基于时频谱熵的跳频信号感知方法,该方法包括以下步骤:
S1.接收机截获观测信号,可能包含跳频信号或者定频信号;其中跳频信号模型为公式(1):
定频信号模型为公式(2):
对于给定的连续信号x(t),其短时傅里叶变换的一般表达式为公式(3):
其中h(t)是窗函数,h*(t)是它的共轭形式;
令仅存在噪声的假设为H0,噪声中存在跳频信号和定频信号的假设为H1,得到接收机截获的观测信号为公式(4):
则观测信号的短时傅里叶变换表示为公式(5),将观测信号分为了噪声和信号,将噪声、跳频和定频信号分别用各自的短时傅里叶代替:
S2.获取观测信号的短时傅里叶变换STFTx(m,n),并计算时频谱Px(m,n);
具体通过以下方式获取短时傅里叶变换STFTx(m,n):
对观测信号x(t)进行采样,窗长为P,每次滑动一定的长度,计算得到其短时傅里叶变换STFTx(m,n),
通过以下方式计算时频谱Px(m,n):
对观测信号的短时傅里叶变换进行取模值平方计算,即令时频谱为Px(m,n)=|STFTx(m,n)|2,其中,频率维度m=1,2,...,M,M=P/2,时间维度n=1,2,...,N。
通过该步骤S2获取观测信号的短时傅里叶变换,最终目的是得到信号和噪声的时频谱矩阵,通过比较时频谱矩阵的差异,进行后续操作,如图2和图3所示,噪声的时频谱在整个M×N维平面上波动较小;跳频信号时频谱波动较大;因此可得跳频信号时频谱的信息熵与噪声的时频谱的信息熵存在差异,本方案正是基于该原理进行的跳频信号感知。当有定频干扰存在时,它在某个频率上存在时频谱不为0,其他为0。所以首先需要降低定频干扰对跳频信号感知的影响,本方案具体采用步骤S3,S4消除定频信号时频谱分量。
步骤S3中,通过以下公式(7)得到时频对消谱Psub(m,n):
对时频对消谱进行归一化处理的能够避免噪声方差对信号感知结果产生影响。
由于噪声与跳频信号的差异,又因为定频信号在某个频率上存在时频谱不为0,其他为0,所以通过S4的时频对消方法,消去定频信号的影响,最终达到感知出跳频信号的作用。
S5.对所得到的时频对消谱Psub(m,n)进行归一化处理,并计算时频谱的信息熵。
具体通过以下方式来计算时频谱的信息熵:
利用直方图的方法来估计时频谱的熵。令pmax,pmin分别表示为时频谱矩阵元素的最大值和最小值,将范围[pmax,pmin]分成L段,各段的宽度用Δ=(pmax-pmin)/L表示,令ki表示在第i段内出现的次数,N为信号点数,则时频谱的信息熵可以估计为
通过步骤S5去除噪声方差,目的是为了消除噪声方差对信号感知的影响。最终得到的信息熵,是为了可以体现出噪声与信号的差异性。
S6.利用时频谱信息熵的差异性,最终得到跳频信号的感知规则:
其中λ为判决门限,需根据纽曼皮尔逊准则确定,即给定虚警概率,通过蒙特卡洛仿真得到门限。
Claims (10)
5.根据权利要求4所述的一种基于时频谱熵的跳频信号感知方法,其特征在于,在步骤S2中,通过以下方式获取所述的短时傅里叶变换STFTx(m,n):
对观测信号x(t)进行采样,窗长为P,每次滑动一定的长度,计算得到其离散时间信号短时傅里叶变换STFTx(m,n);
通过以下方式计算所述的时频谱Px(m,n):
对观测信号的短时傅里叶变换进行取模值平方计算,即令时频谱为Px(m,n)=|STFTx(m,n)|2,其中,频率维度m=1,2,…,M,M=P/2,时间维度n=1,2,…,N。
10.根据权利要求9所述的一种基于时频谱熵的跳频信号感知方法,其特征在于,步骤S6中,通过以下规则进行跳频信号感知:若H<λ时,则判跳频信号存在;反之,则判跳频信号不存在;其中,λ为门限,由根据给定的虚警概率确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110652639.8A CN113595588B (zh) | 2021-06-11 | 2021-06-11 | 一种基于时频谱熵的跳频信号感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110652639.8A CN113595588B (zh) | 2021-06-11 | 2021-06-11 | 一种基于时频谱熵的跳频信号感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113595588A CN113595588A (zh) | 2021-11-02 |
CN113595588B true CN113595588B (zh) | 2022-05-17 |
Family
ID=78243656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110652639.8A Active CN113595588B (zh) | 2021-06-11 | 2021-06-11 | 一种基于时频谱熵的跳频信号感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113595588B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7565213B2 (en) * | 2004-05-07 | 2009-07-21 | Gracenote, Inc. | Device and method for analyzing an information signal |
CN102299737B (zh) * | 2011-08-23 | 2014-04-02 | 西安空间无线电技术研究所 | 一种多路快跳频信号处理方法 |
CN103746722B (zh) * | 2014-01-02 | 2015-07-01 | 东南大学 | 一种跳频信号跳周期和起跳时间估计方法 |
US9967206B1 (en) * | 2016-04-12 | 2018-05-08 | Rockwell Collin, Inc. | Distributed spectrum harvesting systems and methods |
CN106330256B (zh) * | 2016-08-29 | 2018-07-10 | 温州大学瓯江学院 | 一种基于无线电的跳频方法 |
CN110245595A (zh) * | 2019-06-05 | 2019-09-17 | 重庆邮电大学 | 基于时频谱图和二维主成分分析的机械轴承故障诊断方法 |
-
2021
- 2021-06-11 CN CN202110652639.8A patent/CN113595588B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113595588A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhargavi et al. | Performance comparison of energy, matched-filter and cyclostationarity-based spectrum sensing | |
CN109379161B (zh) | 一种用于无人机的自适应干扰系统 | |
CN111510255B (zh) | 基于宽带频谱数据的跳频信号盲检测及参数估计方法 | |
Li et al. | Dynamic spectrum anti-jamming in broadband communications: A hierarchical deep reinforcement learning approach | |
Kumar et al. | Improved wavelet transform based edge detection for wide band spectrum sensing in Cognitive Radio | |
Xu et al. | Spectrum sensing based on cyclostationarity | |
CN101588191B (zh) | 无线电信号认知方法及设备 | |
Swetha et al. | Analysis of spectrum sensing based on energy detection method in cognitive radio networks | |
Bhavana et al. | Robust methods for wideband compressive spectrum sensing under non-Gaussian noise | |
CN113489552B (zh) | 一种基于时频谱矩阵局部方差的跳频信号检测方法 | |
CN113595588B (zh) | 一种基于时频谱熵的跳频信号感知方法 | |
CN114696942B (zh) | 一种适用于无人机通信链路的干扰方法 | |
CN108900211A (zh) | 一种采用相关接收机模板设计抑制超宽带脉冲无线电干扰的方法 | |
Hosseini et al. | Enhanced FCME thresholding for wavelet‐based cognitive UWB over fading channels | |
Bektas et al. | Energy based spectrum sensing using wavelet transform for fading channels | |
Avila et al. | Improved method of sensing the spectrum holes in cognitive radio | |
Molchanov et al. | A novel bispectrum-based frequency encoding technique developed for noisy and multipath fading radio links | |
Hassan et al. | Adaptive spectrum sensing of wireless microphones with noise uncertainty | |
Gautier et al. | Wideband frequency domain detection using Teager-Kaiser energy operator | |
Wu et al. | Pulse shaping for cognitive ultra‐wideband communications | |
Arjun et al. | Performance Analysis of Wavelet based Spectrum Sensing and Conventional Spectrum Sensing in Fading Environment for Cognitive Radios | |
Cho et al. | CAF diversity combining for spectrum sensing by test statistics sharing with time-averaged weights | |
Mohapatra et al. | Cyclo-stationarity based windowing method for spectrum sensing in cognitive radio networks | |
CN113904703B (zh) | 连续频谱随机信号载波通信方法 | |
Suma et al. | Investigation on Spectrum Sensing Techniques in Wireless Communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |