CN116367316A - 一种侦干探通信号时延混合盲源分离方法及系统 - Google Patents

一种侦干探通信号时延混合盲源分离方法及系统 Download PDF

Info

Publication number
CN116367316A
CN116367316A CN202310283997.5A CN202310283997A CN116367316A CN 116367316 A CN116367316 A CN 116367316A CN 202310283997 A CN202310283997 A CN 202310283997A CN 116367316 A CN116367316 A CN 116367316A
Authority
CN
China
Prior art keywords
matrix
signal
time delay
blind source
fireworks
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.)
Granted
Application number
CN202310283997.5A
Other languages
English (en)
Other versions
CN116367316B (zh
Inventor
李晓柏
骆伟林
程伟
鲍蕾蕾
李煜
张西平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202310283997.5A priority Critical patent/CN116367316B/zh
Publication of CN116367316A publication Critical patent/CN116367316A/zh
Application granted granted Critical
Publication of CN116367316B publication Critical patent/CN116367316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • 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

本发明公开一种侦干探通信号时延混合盲源分离方法及系统，首先建立了时延混混合数学模型，利用观测信号的时延相关矩阵对噪声不敏感的特点，提出一种鲁棒白化算法。其次根据多个复吉文斯矩阵乘积的形式构造分离矩阵。复吉文斯矩阵不仅使分离矩阵满足正交性约束，也有效降低了需计算的参量数目，在确保准确性的层面上简化了分离复杂度。最后利用改进烟花算法搜索最佳旋转角度完成分离矩阵的求解。结果表明，本发明相较于传统技术具有较高的分离精度和较少的迭代次数，同时可以提高波达方向估计精度、降低通信误码率，在强主瓣干扰、低信噪比下实现目标距离和速度的联合估计。

Description

一种侦干探通信号时延混合盲源分离方法及系统
技术领域
本发明涉及盲源分离技术领域，尤其涉及一种侦干探通信号时延混合盲源分离方法及系统。
背景技术
在复杂电磁环境下，存在大量雷达、通信、干扰等合作或非合作辐射源信号，由于一体化系统接收机接收波束宽、带宽覆盖范围广，截获到的多个信号往往在时域、频域甚至空域相互交叠，呈现出低信噪比、高干信比的特点，此时很难直接完成参数估计和信息提取等任务。因此，所面临的首要问题则是对混叠信号进行分离。在使用阵列接收远场窄带信号时，属于时延混合模型，此时需要使用复数盲源分离方法，传统复数盲源分离方法在低信噪比、高干信比情况中分离精度低、收敛速度慢，给后续目标检测和信息提取造成了困难。本发明考虑的一体化接收场景是在敌方雷达信号、我方探测信号、干扰信号和通信信号时频混叠的复杂情形，对混叠信号进行分离以后，完成探测和通信任务。
发明内容
本发明的目的在于针对上述现有技术的不足，提供了一种侦干探通信号时延混合盲源分离方法及系统。
为实现上述目的，本发明采用了如下技术方案：
本发明提供了一种侦干探通信号时延混合盲源分离方法，其特征在于，包括以下步骤：
S1、对观测信号进行小波去噪预处理并计算时延相关矩阵；
S2、将多个所述时延相关矩阵构成线性组合；
S3、使用迭代算法计算所述时延相关矩阵的系数，以成为正定矩阵；
S4、进行鲁棒白花处理得到白化信号；
S5、根据信号路数，确定烟花数量及维数，初始化烟花位置，由复吉文斯矩阵连乘的形式表示解混矩阵；
S6、初始化烟花算法并计算自适应放大和缩小因子；
S7、对最优烟花进行反向混沌扰动并进行贪婪决策；
S8、判断是否达到最大迭代次数，如果达到，输出所述解混矩阵和估计的混合矩阵，计算分离信号，否则，进行下一次迭代；
S9、对所述分离信号进行波达方向估计，误码率检测，脉冲多普勒处理。
进一步，所述S2中，将多个时延相关矩阵构成线性组合；多个时延相关矩阵的线性组合构成正定矩阵为：
Figure SMS_1
其中，
Figure SMS_3
为观测信号的时延相关矩阵，/>
Figure SMS_4
是实向量，即各个时延相关矩阵/>
Figure SMS_5
的系数；/>
Figure SMS_6
为观测信号的个数；/>
Figure SMS_7
是时间延迟序列，其中，/>
Figure SMS_8
；设集合/>
Figure SMS_9
为/>
Figure SMS_2
全部线性组合，即：
Figure SMS_10
当
Figure SMS_11
为正定矩阵时，/>
Figure SMS_12
的最小特征值应不小于给定阈值/>
Figure SMS_13
，即
Figure SMS_14
；
设
Figure SMS_15
为/>
Figure SMS_16
的最优解，将优化问题最小化为：
Figure SMS_17
Figure SMS_18
设
Figure SMS_20
为/>
Figure SMS_21
张成的子空间，设/>
Figure SMS_23
为/>
Figure SMS_24
维的张量，
Figure SMS_25
；/>
Figure SMS_26
是/>
Figure SMS_27
到/>
Figure SMS_19
的正交投影算子，/>
Figure SMS_22
；
根据勾股定理：
Figure SMS_28
设
Figure SMS_29
，其中/>
Figure SMS_30
为/>
Figure SMS_31
的最优解，则
Figure SMS_32
Figure SMS_33
所以
Figure SMS_34
的求解为一个无约束凸优化问题。
进一步，初始化
Figure SMS_35
，/>
Figure SMS_36
和/>
Figure SMS_37
分别为/>
Figure SMS_38
的特征向量和特征值；
若最小特征值小于给定阈值
Figure SMS_39
，则分别更新/>
Figure SMS_40
和/>
Figure SMS_41
：
Figure SMS_42
Figure SMS_43
Figure SMS_44
直至
Figure SMS_45
的最小特征值大于或等于给定阈值/>
Figure SMS_46
，/>
Figure SMS_47
为单位矩阵。
进一步，所述S5中，当信号为四路时，解混矩阵用复吉文斯矩阵连乘的形式表示为：
Figure SMS_48
Figure SMS_49
Figure SMS_50
Figure SMS_51
Figure SMS_52
Figure SMS_53
其中，
Figure SMS_54
为旋转角度，范围为/>
Figure SMS_55
。
进一步，所述S6中，所述放大和缩小因子能够适应最优烟花附近高质量解的分布，新的放大因子
Figure SMS_56
和减小因子/>
Figure SMS_57
表示为，
Figure SMS_58
Figure SMS_59
其中，
Figure SMS_61
和/>
Figure SMS_62
分别是放大因子和还原因子，/>
Figure SMS_63
和/>
Figure SMS_64
是常数，/>
Figure SMS_65
是所有火花和烟花中的最佳个体，/>
Figure SMS_66
是下一个爆炸回合的新核心烟花，/>
Figure SMS_67
是在数值上接近仅次于/>
Figure SMS_60
的烟花。
进一步，所述S7中，最优烟花进行反向混沌扰动的表达式为：
Figure SMS_68
其中，
Figure SMS_70
为介于0和1之的均匀分布随机数；/>
Figure SMS_71
和/>
Figure SMS_74
为/>
Figure SMS_75
维变量的上界和下界；/>
Figure SMS_76
为第/>
Figure SMS_77
维变量中的最优烟花，/>
Figure SMS_78
表示扰动后的烟花，/>
Figure SMS_69
为产生的混沌序列；/>
Figure SMS_72
表示第/>
Figure SMS_73
维变量空间的扰动半径；
Figure SMS_79
，/>
Figure SMS_80
为随机数；
第
Figure SMS_81
维变量空间的扰动半径为：
Figure SMS_82
Figure SMS_83
为第/>
Figure SMS_84
维变量的平均值，/>
Figure SMS_85
为调节系数，/>
Figure SMS_86
为第/>
Figure SMS_87
维变量总数。
进一步，所述S8中，求得所述解混矩阵
Figure SMS_88
后，估计的混合矩阵为：
Figure SMS_89
Figure SMS_90
为解混矩阵，/>
Figure SMS_91
为鲁棒白化矩阵。
进一步，一种侦干探通信号时延混合盲源分离系统，采用所述的侦干探通信号时延混合盲源分离方法实现，还包括以下模块：
时延相关矩阵计算模块，其用于计算观测信号经过小波去噪后的时延相关矩阵；
系数求解模块，用于确定多个时延相关矩阵线性组合的系数，以构成正定矩阵；
鲁棒白化模块，对得到的正定矩阵进行特征值分解，对观测信号进行鲁棒白化，降低噪声的影响；
混合矩阵求解模块，计算改进烟花算法中的自适应放大和缩小因子，然后对最优烟花进行混沌扰动，提高算法的求解精度和收敛速度；
分离信号处理模块，根据混合矩阵进行波达方向估计，对雷达回波信号进行脉冲多普勒处理，对通信信号进行解调，评估误码率。
本发明的有益效果为：现有技术大多使用观测信号的零时延自相关矩阵进行白化，但零时延自相关矩阵不能消除加性噪声的影响，本发明根据观测信号的时延相关矩阵对噪声不敏感的特点，根据多个时延相关矩阵的线性组合构造白化矩阵，并将观测信号投影到信号子空间，达到去噪和降维的目的；
现有技术优化算法大多使用牛顿迭代和梯度算法，牛顿迭代算法和梯度算法对初始值较为敏感，容易陷入鞍点，导致算法在低信噪比、高干信比的复杂混叠情形中分离精度较低。
本发明选择群体智能算法中的烟花算法作为优化算法，而且在标准烟花算法的基础上增加了自适应放大缩小因子和反向混沌扰动算子，增强了优化算法的求解精度和收敛速度；
现有技术没有充分利用分离矩阵为正定矩阵的性质，导致算法收敛速度较慢。
而本发明根据多个复吉文斯矩阵乘积的形式构造分离矩阵，复吉文斯矩阵不仅使分离矩阵满足正交性约束，也有效降低了需计算的参量数目，在确保准确性的层面上简化了分离复杂度。
附图说明
图1为一种侦干探通一体化接收信号处理流程；
图2为本发明实施流程图；
图3为本发明分离信号；
图4为干信比为20dB时本发明所提方法的不同信噪比下的平均相似系数；
图5为信噪比为10dB时本发明所提方法的不同干信比下的平均相似系数；
图6为干信比为20dB时本发明所提方法的不同信噪比下的波达方向估计均方误差；
图7为干信比为20dB时本发明所提方法的不同信噪比下的误码率；
图8为信噪比为0dB，干信比为30dB时本发明所提方法的雷达信号脉冲多普勒处理结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1和图2所示，
S1、对观测信号进行小波去噪预处理并计算时延相关矩阵
Figure SMS_92
其中，
Figure SMS_93
为观测信号；/>
Figure SMS_94
为时延；上标/>
Figure SMS_95
表示共轭转置；/>
Figure SMS_96
为混合矩阵；/>
Figure SMS_97
为源信号的时延相关矩阵；
S2、将多个时延相关矩阵构成线性组合；多个时延相关矩阵的线性组合构成正定矩阵，即
Figure SMS_98
其中，
Figure SMS_100
为观测信号的时延相关矩阵，其中/>
Figure SMS_101
是实向量，即各个时延相关矩阵/>
Figure SMS_102
的系数，/>
Figure SMS_103
为观测信号的个数，/>
Figure SMS_104
是时间延迟序列，其中/>
Figure SMS_105
；设集合/>
Figure SMS_106
为/>
Figure SMS_99
全部线性组合，即
Figure SMS_107
当
Figure SMS_108
为正定矩阵时，/>
Figure SMS_109
的最小特征值应不小于给定阈值/>
Figure SMS_110
，即
Figure SMS_111
；设/>
Figure SMS_112
为/>
Figure SMS_113
的最优解，设相当于将以下优化问题最小化：
Figure SMS_114
Figure SMS_115
设
Figure SMS_117
为/>
Figure SMS_119
张成的子空间；设/>
Figure SMS_120
为/>
Figure SMS_121
维的张量，
Figure SMS_122
；/>
Figure SMS_123
是/>
Figure SMS_124
到/>
Figure SMS_116
的正交投影算子，/>
Figure SMS_118
；
根据勾股定理
Figure SMS_125
设
Figure SMS_126
，其中/>
Figure SMS_127
为/>
Figure SMS_128
的最优解，则
Figure SMS_129
其中，
Figure SMS_130
表示常数，所以/>
Figure SMS_131
的求解为一个无约束凸优化问题。
S3、使用迭代算法计算时延相关矩阵的系数，使成为正定矩阵；
初始化
Figure SMS_132
，/>
Figure SMS_133
和/>
Figure SMS_134
分别为/>
Figure SMS_135
的特征向量和特征值；
若最小特征值小于给定阈值
Figure SMS_136
，则根据下式分别更新/>
Figure SMS_137
和/>
Figure SMS_138
；
Figure SMS_139
Figure SMS_140
Figure SMS_141
直至
Figure SMS_142
的最小特征值大于或等于给定阈值/>
Figure SMS_143
，/>
Figure SMS_144
为单位矩阵。
S4、进行鲁棒白化处理得到白化信号。
使用
Figure SMS_145
表示最终求得的正定矩阵，对/>
Figure SMS_146
进行特征值分解，分别得到特征值和特征向量，选取/>
Figure SMS_147
个大特征值和所对应特征向量分别记为/>
Figure SMS_148
和
Figure SMS_149
，得到信号子空间的特征值及对应的特征向量，从而可得到如下鲁棒白化矩阵：
Figure SMS_150
鲁棒白化后的白化信号表示为：
Figure SMS_151
S5：根据信号路数，确定烟花数量及维数，初始化烟花位置，由复吉文斯矩阵连乘的形式表示解混矩阵。
当源信号为四路时，解混矩阵
Figure SMS_152
用复吉文斯矩阵连乘的形式表示为
Figure SMS_153
Figure SMS_154
Figure SMS_155
Figure SMS_156
Figure SMS_157
Figure SMS_158
其中，
Figure SMS_159
为旋转角度，范围为/>
Figure SMS_160
。
S6：初始化烟花算法并计算自适应放大和缩小因子。
新的放大因子
Figure SMS_161
和减小因子/>
Figure SMS_162
表示为：
Figure SMS_163
Figure SMS_164
其中，
Figure SMS_166
和/>
Figure SMS_167
分别是放大因子和还原因子，/>
Figure SMS_168
和/>
Figure SMS_169
是常数，/>
Figure SMS_170
是所有火花和烟花中的最佳个体，/>
Figure SMS_171
是下一个爆炸回合的新核心烟花，/>
Figure SMS_172
是在数值上接近仅次于/>
Figure SMS_165
的烟花。
S7：对最优烟花进行反向混沌扰动并进行贪婪决策。
在一个爆炸回合中，用下式对最优烟花进行反向混沌扰动
Figure SMS_173
上式中，
Figure SMS_175
为介于0和1之的均匀分布随机数；/>
Figure SMS_176
和/>
Figure SMS_178
为/>
Figure SMS_180
维变量的上界和下界；/>
Figure SMS_182
为第/>
Figure SMS_184
维变量中的最优烟花，/>
Figure SMS_186
为扰动后的烟花，/>
Figure SMS_174
为产生的混沌序列；/>
Figure SMS_177
为第/>
Figure SMS_179
维变量空间的扰动半径。/>
Figure SMS_181
，/>
Figure SMS_183
为随机数；按照以下公式计算第/>
Figure SMS_185
维变量空间的扰动半径
Figure SMS_187
Figure SMS_188
为第/>
Figure SMS_189
维变量的平均值，/>
Figure SMS_190
为调节系数，/>
Figure SMS_191
为第/>
Figure SMS_192
维变量总数。
S8：判断判断是否达到最大迭代次数，如果达到，输出解混矩阵和估计的混合矩阵，计算分离信号，否则，进行下一次迭代。
求得解混矩阵
Figure SMS_193
后，估计的混合矩阵为
Figure SMS_194
其中，
Figure SMS_195
为解混矩阵，/>
Figure SMS_196
为鲁棒白化矩阵。
S9：对分离信号进行波达方向估计，误码率检测，脉冲多普勒处理。得到分离信号以后，根据混合矩阵可以估计出各个信号的波达方向，对通信信号进行解调以后评估其误码率，对雷达信号进行脉冲多普勒处理，得到目标的距离与速度。
下面结合仿真实验对本发明的效果做进一步说明。
请参阅图3至图8，本发明考虑一种敌方雷达信号、我方探测信号、干扰信号、通信信号时频混叠的接收场景，对混叠信号分离以后，进行波达方向估计、抗主瓣干扰、目标距离速度估计和误码率检测。假设目标与我方一体化系统的径向距离为
Figure SMS_199
，目标径向速度为/>
Figure SMS_201
，角度为/>
Figure SMS_204
。己方雷达信号发射线性调频脉冲信号，带宽为/>
Figure SMS_205
，时宽/>
Figure SMS_207
，脉冲重复周期为/>
Figure SMS_209
；干扰信号为灵巧干扰中的切片式干扰，位于主瓣宽度内，方位角/>
Figure SMS_211
；通信信号调制方式为QPSK（正交相移键控），方位角/>
Figure SMS_197
，载频为/>
Figure SMS_200
，码元速率为/>
Figure SMS_202
。侦测到敌方雷达发射线性调频连续波信号，起始频率为/>
Figure SMS_203
，截止频率为/>
Figure SMS_206
，方位角/>
Figure SMS_208
。上述信号的采样率/>
Figure SMS_210
，观测时间为/>
Figure SMS_212
，信噪比变化范围为/>
Figure SMS_198
，干信比变化范围为10-30dB。假设已将射频信号变为中频，阵元间距为信号最小波长的一半，阵元个数为20。
仿真结果表明，本发明算法在低信噪比、高干信比下相较于传统技术具有较高的分离精度，同时可以提高波达方向估计精度、降低通信误码率、实现目标距离和速度的联合估计。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种侦干探通信号时延混合盲源分离方法，其特征在于，包括以下步骤：
S1、对观测信号进行小波去噪预处理并计算时延相关矩阵；
S2、将多个所述时延相关矩阵构成线性组合；
S3、使用迭代算法计算所述时延相关矩阵的系数，以成为正定矩阵；
S4、进行鲁棒白花处理得到白化信号；
S5、根据信号路数，确定烟花数量及维数，初始化烟花位置，由复吉文斯矩阵连乘的形式表示解混矩阵；
S6、初始化烟花算法并计算自适应放大和缩小因子；
S7、对最优烟花进行反向混沌扰动并进行贪婪决策；
S8、判断是否达到最大迭代次数，如果达到，输出所述解混矩阵和估计的混合矩阵，计算分离信号，否则，进行下一次迭代；
S9、对所述分离信号进行波达方向估计，误码率检测，脉冲多普勒处理。
2.根据权利要求1所述的一种侦干探通信号时延混合盲源分离方法，其特征在于，所述S2中，将多个时延相关矩阵构成线性组合；多个时延相关矩阵的线性组合构成正定矩阵为：
Figure QLYQS_1
其中，
Figure QLYQS_3
为观测信号的时延相关矩阵，/>
Figure QLYQS_4
是实向量，即各个时延相关矩阵/>
Figure QLYQS_5
的系数；/>
Figure QLYQS_6
为观测信号的个数；/>
Figure QLYQS_7
是时间延迟序列，其中，/>
Figure QLYQS_8
；设集合/>
Figure QLYQS_9
为
Figure QLYQS_2
全部线性组合，即：
Figure QLYQS_10
当
Figure QLYQS_11
为正定矩阵时，/>
Figure QLYQS_12
的最小特征值应不小于给定阈值/>
Figure QLYQS_13
，即
Figure QLYQS_14
；
设
Figure QLYQS_15
为/>
Figure QLYQS_16
的最优解，将优化问题最小化为：
Figure QLYQS_17
Figure QLYQS_18
设
Figure QLYQS_20
为/>
Figure QLYQS_21
张成的子空间，设/>
Figure QLYQS_23
为/>
Figure QLYQS_24
维的张量，
Figure QLYQS_25
；/>
Figure QLYQS_26
是/>
Figure QLYQS_27
到/>
Figure QLYQS_19
的正交投影算子，/>
Figure QLYQS_22
；
根据勾股定理：
Figure QLYQS_28
设
Figure QLYQS_29
，其中/>
Figure QLYQS_30
为/>
Figure QLYQS_31
的最优解，则
Figure QLYQS_32
Figure QLYQS_33
所以
Figure QLYQS_34
的求解为一个无约束凸优化问题。
3.根据权利要求2所述的一种侦干探通信号时延混合盲源分离方法，其特征在于，
初始化
Figure QLYQS_35
，/>
Figure QLYQS_36
和/>
Figure QLYQS_37
分别为/>
Figure QLYQS_38
的特征向量和特征值；
若最小特征值小于给定阈值
Figure QLYQS_39
，则分别更新/>
Figure QLYQS_40
和/>
Figure QLYQS_41
：
Figure QLYQS_42
Figure QLYQS_43
Figure QLYQS_44
直至
Figure QLYQS_45
的最小特征值大于或等于给定阈值/>
Figure QLYQS_46
， />
Figure QLYQS_47
为单位矩阵。
4.根据权利要求3所述的一种侦干探通信号时延混合盲源分离方法，其特征在于，所述S5中，当信号为四路时，解混矩阵用复吉文斯矩阵连乘的形式表示为：
Figure QLYQS_48
Figure QLYQS_49
Figure QLYQS_50
Figure QLYQS_51
Figure QLYQS_52
Figure QLYQS_53
其中，
Figure QLYQS_54
为旋转角度，范围为/>
Figure QLYQS_55
。
5.根据权利要求4所述的一种侦干探通信号时延混合盲源分离方法，其特征在于：所述S6中，所述放大和缩小因子能够适应最优烟花附近高质量解的分布，新的放大因子
Figure QLYQS_56
和减小因子/>
Figure QLYQS_57
表示为，
Figure QLYQS_58
Figure QLYQS_59
其中，
Figure QLYQS_61
和/>
Figure QLYQS_62
分别是放大因子和还原因子，/>
Figure QLYQS_63
和/>
Figure QLYQS_64
是常数，/>
Figure QLYQS_65
是所有火花和烟花中的最佳个体，/>
Figure QLYQS_66
是下一个爆炸回合的新核心烟花，/>
Figure QLYQS_67
是在数值上接近仅次于/>
Figure QLYQS_60
的烟花。
6.根据权利要求5所述的一种侦干探通信号时延混合盲源分离方法，其特征在于：所述S7中，最优烟花进行反向混沌扰动的表达式为：
Figure QLYQS_68
其中，
Figure QLYQS_71
为介于0和1之的均匀分布随机数；/>
Figure QLYQS_73
和/>
Figure QLYQS_74
为/>
Figure QLYQS_75
维变量的上界和下界；/>
Figure QLYQS_76
为第/>
Figure QLYQS_77
维变量中的最优烟花，/>
Figure QLYQS_78
表示扰动后的烟花，/>
Figure QLYQS_69
为产生的混沌序列；/>
Figure QLYQS_70
表示第/>
Figure QLYQS_72
维变量空间的扰动半径；
Figure QLYQS_79
，/>
Figure QLYQS_80
为随机数；
第
Figure QLYQS_81
维变量空间的扰动半径为：
Figure QLYQS_82
Figure QLYQS_83
为第/>
Figure QLYQS_84
维变量的平均值，/>
Figure QLYQS_85
为调节系数，/>
Figure QLYQS_86
为第/>
Figure QLYQS_87
维变量总数。
7.根据权利要求6所述的一种侦干探通信号时延混合盲源分离方法，其特征在于：所述S8中，求得所述解混矩阵
Figure QLYQS_88
后，估计的混合矩阵为：
Figure QLYQS_89
Figure QLYQS_90
为解混矩阵，/>
Figure QLYQS_91
为鲁棒白化矩阵。
8.一种侦干探通信号时延混合盲源分离系统，其特征在于，采用如权利要求1至7中任一项所述的侦干探通信号时延混合盲源分离方法实现，还包括以下模块：
时延相关矩阵计算模块，其用于计算观测信号经过小波去噪后的时延相关矩阵；
系数求解模块，用于确定多个时延相关矩阵线性组合的系数，以构成正定矩阵；
鲁棒白化模块，对得到的正定矩阵进行特征值分解，对观测信号进行鲁棒白化，降低噪声的影响；
混合矩阵求解模块，计算改进烟花算法中的自适应放大和缩小因子，然后对最优烟花进行混沌扰动，提高算法的求解精度和收敛速度；
分离信号处理模块，根据混合矩阵进行波达方向估计，对雷达回波信号进行脉冲多普勒处理，对通信信号进行解调，评估误码率。
CN202310283997.5A 2023-03-22 2023-03-22 一种侦干探通信号时延混合盲源分离方法及系统 Active CN116367316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310283997.5A CN116367316B (zh) 2023-03-22 2023-03-22 一种侦干探通信号时延混合盲源分离方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310283997.5A CN116367316B (zh) 2023-03-22 2023-03-22 一种侦干探通信号时延混合盲源分离方法及系统

Publications (2)

Publication Number Publication Date
CN116367316A true CN116367316A (zh) 2023-06-30
CN116367316B CN116367316B (zh) 2024-02-02

Family

ID=86935759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310283997.5A Active CN116367316B (zh) 2023-03-22 2023-03-22 一种侦干探通信号时延混合盲源分离方法及系统

Country Status (1)

Country Link
CN (1) CN116367316B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103780522A (zh) * 2014-01-08 2014-05-07 西安电子科技大学 基于双重迭代的非正交联合对角化瞬时盲源分离方法
JP2015210512A (ja) * 2014-04-24 2015-11-24 晋哉 齋藤 ブラインド信号分離方法およびその装置
CN105282067A (zh) * 2015-09-16 2016-01-27 长安大学 一种复数域盲源分离方法
US20190296941A1 (en) * 2018-03-22 2019-09-26 Thales Robust adaptive method for suppressing interference in the presence of a useful signal
CN114464206A (zh) * 2022-04-11 2022-05-10 中国人民解放军空军预警学院 一种单通道盲源分离方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103780522A (zh) * 2014-01-08 2014-05-07 西安电子科技大学 基于双重迭代的非正交联合对角化瞬时盲源分离方法
JP2015210512A (ja) * 2014-04-24 2015-11-24 晋哉 齋藤 ブラインド信号分離方法およびその装置
CN105282067A (zh) * 2015-09-16 2016-01-27 长安大学 一种复数域盲源分离方法
US20190296941A1 (en) * 2018-03-22 2019-09-26 Thales Robust adaptive method for suppressing interference in the presence of a useful signal
CN114464206A (zh) * 2022-04-11 2022-05-10 中国人民解放军空军预警学院 一种单通道盲源分离方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LUO, WEILIN等: "Radar Main-Lobe Jamming Suppression Based on Adaptive Opposite Fireworks Algorithm", IEEE OPEN JOURNAL OF ANTENNAS AND PROPAGATION *
骆伟林等: "基于混沌自适应烟花算法的雷达信号盲源分离", 系统工程与电子技术, vol. 42, no. 11 *

Also Published As

Publication number Publication date
CN116367316B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Zhang et al. Joint delay and Doppler estimation for passive sensing with direct-path interference
Zheng et al. Robust adaptive beamforming via simplified interference power estimation
CN109188344B (zh) 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法
Li et al. Multi-target position and velocity estimation using OFDM communication signals
CN103837861A (zh) 基于特征子空间的子阵级线性约束自适应波束形成方法
CN104239731A (zh) Mimo-ukf-music目标方向估计方法
CN103983952A (zh) 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法
CN113777575B (zh) 应用于复杂环境中mimo雷达多目标参数估计评估方法
Lin et al. DL-CFAR: A novel CFAR target detection method based on deep learning
Ramezanpour et al. Deep‐learning‐based beamforming for rejecting interferences
Zhao et al. Enhanced multistatic active sonar signal processing
CN106249209B (zh) 一种抗速度欺骗干扰的自适应迭代估计方法
Chalise et al. GLRT detector in single frequency multi-static passive radar systems
CN106291449A (zh) 对称稳定分布噪声下波达方向角估计新方法
Bosse et al. Direct target localization with an active radar network
Shan et al. Multi-channel NLMS-based sea clutter cancellation in passive bistatic radar
CN101644760A (zh) 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法
Li et al. Radar coincidence imaging under grid mismatch
CN108828504A (zh) 基于部分相关波形的mimo雷达目标方向快速估计方法
CN116367316B (zh) 一种侦干探通信号时延混合盲源分离方法及系统
CN110146854B (zh) 一种fda-mimo雷达稳健抗干扰方法
CN115575921B (zh) 一种基于俯仰向多通道多干扰基压制干扰抑制方法
Prateek et al. Target detection using weather radars and electromagnetic vector sensors
Zhang et al. Code Design for Moving Target-Detecting Radar in Nonhomogeneous Signal-Dependent Clutter
CN109633634A (zh) 一种基于稀疏贝叶斯学习的mimo雷达波离方向和波达方向联合估计方法

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