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 PDFInfo
- 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
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 239000004973 liquid crystal related substance Substances 0.000 claims description 28
- 230000000739 chaotic effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 230000002087 whitening effect Effects 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004880 explosion Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000001035 drying Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
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:
根据勾股定理:
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:
进一步,所述S7中,最优烟花进行反向混沌扰动的表达式为:
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
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
根据勾股定理
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;
S4、进行鲁棒白化处理得到白化信号。
鲁棒白化后的白化信号表示为:
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。
在一个爆炸回合中,用下式对最优烟花进行反向混沌扰动
上式中,为介于0和1之的均匀分布随机数;/>和/>为/>维变量的上界和下界;/>为第/>维变量中的最优烟花,/>为扰动后的烟花,/>为产生的混沌序列;/>为第/>维变量空间的扰动半径。/>,/>为随机数;按照以下公式计算第/>维变量空间的扰动半径
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。
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,目标径向速度为/>,角度为/>。己方雷达信号发射线性调频脉冲信号,带宽为/>,时宽/>,脉冲重复周期为/>;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/>;通信信号调制方式为QPSK(正交相移键控),方位角/>,载频为/>,码元速率为/>。侦测到敌方雷达发射线性调频连续波信号,起始频率为/>,截止频率为/>,方位角/>。上述信号的采样率/>,观测时间为/>,信噪比变化范围为/>,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。
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。
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)
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 |
-
2023
- 2023-03-22 CN CN202310283997.5A patent/CN116367316B/zh active Active
Patent Citations (5)
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)
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 |