基于TSK模糊集合检测噪声干扰的方法技术

本发明专利技术提出的一种基于TSK模糊集合检测噪声干扰的方法，在噪声干扰检测处理系统中，中频信号采样模块将采集包含了噪声的接收机中频信号，输出到状态空间重构变换器；训练信号采集模块输出到训练序列变换模块构建状态空间重构下的向量序列，作为TSK模糊集合模型的训练数据；工作模式切换模块联接状态检测器，实现模块训练学习状态和干扰检测状态的切换，利用TSK模糊集合模型对信号变换后的状态空间特性进行训练学习和训练后的特征判决，状态检测器对每个状态空间重构变换器的输出向量进行计算，计算结果送入累计判决单元进行累积平均处理，用待检测数据替代训练序列输入TSK模糊集合模型中进行平均积累计算，判决信号中是否存在人为噪声干扰。

【技术实现步骤摘要】

本专利技术涉及一种移动通信领域中，主要应用于空地、空空无线通信的噪声干扰检测方法
技术介绍
随着现代无线通信技术的发展，无线通信设备的应用扩展到人类活动的各个方面，发挥着越来越重要的作用。通信系统对噪声干扰检测的要求表现为准确性高、各个通信节点的检测一致性好、计算量有限。各种通信系统的增加及无线频谱带宽的扩展导致无线通信环境异常复杂，各种各样的电子干扰给无线通信带来了严重的影响。针对不同的干扰采用相应的抗干扰方法是提高通信系统性能和频谱利用率的有效途径，因此干扰检测是有效实现通信系统抗干扰能力的前提和关键。在干扰检测中，能量检测方法是H.Urkowitz在六十年代提出的，它根据接收信号的能量或功率大小来判断信号是否存在。由于实现方法非常简单，几十年来，能量检测获得了广泛的应用。但能量检测法也存在明显的局限性，绝对的判决门限受噪声不确定性的影响较大,比较难确定，此外在低信噪比情况下，信号淹没在噪声中,用能量检测法检测概率太低。在通信、雷达等人为设计系统中，对信号进行的调制、扫描、采样、数字编码等操作使信号的统计特性具有一定的周期性，利用这种周期性设计的检测方法叫做循环平稳特征检测法。由于周期平稳过程特征对未知噪声变量具有鲁棒性，这种方法在区分噪声方面优于能量检测方法，但由于循环谱把信号检测从一维平面扩展到二维平面，其计算复杂度远远大于能量检测。基于信号的协方差矩阵特性的干扰检测方法也可以有效克服能量检测方法的局限性。但当干扰信号为人为产生的噪声干扰信号时，由于信号不具备周期平稳特性，无法使用上述提出的各种基于循环平稳特征检测方法，并且由于接收机的自动增益控制，及远近效应的影响，干扰噪声与接收机热噪声大小相当地混合在一起，绝对信号能量大小的检测也无法判决噪声信号中是否存在人为噪声干扰。
技术实现思路
本专利技术的目的是针对现有技术存在的不足之处，提供一种准确性高、各个通信节点的检测一致性好，基于TSK模糊集合检测噪声干扰的方法，以解决人为干扰噪声无法从接收机热噪声中检测的问题。上述目的可以通过以下措施来达到。本专利技术提供的一种基于TSK模糊集合检测噪声干扰的方法，其特征在于包括如下步骤：采用相互串联的中频信号采样模块(21a)、态空间重构变换器(22a)和相互串联的训练信号采样模块(21b)并联工作模式切换模块(23)，通过依次串联的状态检测器(24)和累计判决单元(25)组成噪声干扰检测处理系统，中频信号采样模块(21a)将采集包含了人为噪声干扰、接收机热噪声和通信频段的背景噪声的接收机中频信号，输出到状态空间重构变换器(22a)；训练信号采集模块(21b)分别采集无干扰时，接收机中频信号与有噪声干扰下的信号，输出到训练序列变换模块(22b)；训练序列变换模块(22b)构建状态空间重构下的向量序列作为TSK模糊集合模型的训练数据，用训练序列完成对TSK模糊集合模型的训练；工作模式切换模块(23)联接状态检测器(24)，实现模块训练学习状态和干扰检测状态的切换，利用TSK模糊集合模型对信号变换后的状态空间特性进行训练学习和训练后的特征判决，状态检测器(24)对每个状态空间重构变换器(22a)的输出向量进行计算，将输出检测计算结果序列送入累计判决单元(25)；累计判决单元(25)针对检测计算结果序列进行累积平均处理，用待检测数据替代训练序列输入到TSK模糊集合模型中，对输出信号进行平均积累计算，根据计算结果判决信号中是否存在人为噪声干扰。本专利技术相比于现有技术具有如下有益效果。准确性高。采用采用相互串联的中频信号采样模块(21a)、态空间重构变换器(22a)和相互串联的训练信号采样模块(21b)分别采集无人为噪声干扰时接收机中频信号与有人为噪声干扰下的接收机中频信号，构建状态空间重构下的向量序列，作为TSK模糊集合模型的训练数据；用训练序列完成对TSK模糊集合模型的训练，使输入输出关系正确反应了TSK模糊集合模型对噪声干扰的检测，通过状态空间重构实现人为干扰噪声、接收机热噪声的内在产生机制提取，通过模式识别的方式在状态空间中利用其产生机制的不同区分干扰噪声和接收机热噪声，实现对噪声干扰的有效检测，准确性高。通信节点的检测一致性好。本专利技术，利用状态空间重构的方法提取了信号产生的动力机制，并且利用TSK模糊集合模型对信号变换后的状态空间特性进行训练学习和训练后的特征判决，用待检测数据替代训练序列输入到TSK模糊集合模型中，对输出信号进行平均积累计算，根据计算结果判决信号中是否存在人为噪声干扰，实现对噪声干扰信号的检测，解决无线通信中面临的人为噪声干扰检测问题。与现有的干扰检测技术相比，本专利技术产生有益效果在于：一是不要求干扰信号具备周期相关性，无需考察信号的循环平稳特征，突破了传统干扰检测技术的限制，可以实现对人为噪声干扰信号的检测。二是无需感知干扰信号的绝对大小，可以实现在信道自动增益控制后对干扰信号的检测，突破了干扰信号绝对能量检测的限制，可以在干扰源的远端、近端实现对干扰检测的一致性，保证了分布式通信网络中各个通信节点对干扰检测的一致性，有利于通信网络的协同抗干扰实现。本专利技术特别适合被应用于分布式通信系统中的干扰检测。附图说明下面结合附图和实施进一步说明本专利技术，但并不因此将本专利技术限制在所述的实例范围之中。图1是本专利技术中状态空间重构下无人为噪声干扰信号和有人为噪声干扰信号下的信号空间分布示意图。图2是本专利技术所提出基于TSK模糊集合的噪声干扰检测的处理模块示意图。具体实施方式参阅图1。本专利技术中的干扰检测是将接收信号进行状态空间重构下进行分析的。图1中的三维信号向量是由多维信号向量的抽取得到，而多维信号向量是由通信接收机的中频采样信号通过状态空间重构得到的。接收机中频采样信号可以用一组实数信号序列{xi本文档来自技高网...

【技术保护点】
一种基于TSK模糊集合检测噪声干扰的方法，其特征在于包括如下步骤：采用相互串联的中频信号采样模块(21a)、态空间重构变换器(22a)和相互串联的训练信号采样模块(21b)并联工作模式切换模块(23)，通过依次串联的状态检测器(24)和累计判决单元(25)组成噪声干扰检测处理系统，中频信号采样模块(21a)将采集包含了人为噪声干扰、接收机热噪声和通信频段的背景噪声的接收机中频信号，输出到状态空间重构变换器(22a)；训练信号采集模块(21b)分别采集无干扰时，接收机中频信号与有噪声干扰下的信号，输出到训练序列变换模块(22b)；训练序列变换模块(22b)构建状态空间重构下的向量序列作为TSK模糊集合模型的训练数据，用训练序列完成对TSK模糊集合模型的训练；工作模式切换模块(23)联接状态检测器(24)，实现模块训练学习状态和干扰检测状态的切换，利用TSK模糊集合模型对信号变换后的状态空间特性进行训练学习和训练后的特征判决，状态检测器(24)对每个状态空间重构变换器(22a)的输出向量进行计算，将输出检测计算结果序列送入累计判决单元(25)；累计判决单元(25)针对检测计算结果序列进行累积平均处理，用待检测数据替代训练序列输入到TSK模糊集合模型中，对输出信号进行平均积累计算，根据计算结果判决信号中是否存在人为噪声干扰。...

【技术特征摘要】
1.一种基于TSK模糊集合检测噪声干扰的方法，其特征在于包括如下步骤：采用相互串联的中频信号采样模块(21a)、态空间重构变换器(22a)和相互串联的训练信号采样模块(21b)并联工作模式切换模块(23)，通过依次串联的状态检测器(24)和累计判决单元(25)组成噪声干扰检测处理系统，中频信号采样模块(21a)将采集包含了人为噪声干扰、接收机热噪声和通信频段的背景噪声的接收机中频信号，输出到状态空间重构变换器(22a)；训练信号采集模块(21b)分别采集无干扰时，接收机中频信号与有噪声干扰下的信号，输出到训练序列变换模块(22b)；训练序列变换模块(22b)构建状态空间重构下的向量序列作为TSK模糊集合模型的训练数据，用训练...

【专利技术属性】
技术研发人员：张剑，周兴建，卢建川，
申请(专利权)人：中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川;51