一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法技术方案

本发明专利技术公开了一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法，利用短时Renyi熵计算接收信号瞬时分量数目并从中提取干扰信号瞬时频率突变点信息，利用常规时频脊线检测模块得到常规瞬时频率估计值，结合瞬时频率突变点信息和常规瞬时频率估计值得到干扰频率锯齿函数模型参数估计值，以实现精度更高的人为干扰瞬时频率估计。

【技术实现步骤摘要】
一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法
本专利技术属于导航接收机干扰瞬时频率估计
，具体涉及一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法，对具有锯齿型突变频率特性的人为干扰进行瞬时频率估计。
技术介绍
全球导航卫星系统(GNSS)提供高精度、全天候和全球覆盖的导航和定时功能，在越来越多的民用领域得到广泛应用。但是近年来，大量出现的人为干扰机有效范围可达几十米甚至上千米，逐渐成为民用导航领域的一个主要问题，例如造成许多例影响商业航空以及无线通信系统的破坏性事件。大多数人为干扰机广播GNSS频带内的chirp信号，通过一个锯齿形状的输入电压控制压控振荡器来得到。干扰信号瞬时频率等于压控振荡器的输入电压，因此呈现锯齿型突变频率特性，即干扰信号瞬时频率在突变点附近直接由结束频率突变至起始频率。由于呈现整体宽带瞬时窄带的性质，通常采用基于时频分布的方法来处理这类GNSS接收机人为干扰信号，以获取干扰扫频特性。利用时频分析工具计算接收信号的时频分布，通过检测时频脊线，即各个时间切片峰值对应的频点，来获得瞬时频率估计值。当干扰信号瞬时频率线性变化时，基于时频分布的脊线检测方法能够提供较高的瞬时频率估计精度。由于GNSS接收机人为干扰信号具有突变频率特性，在瞬时频率突变点附近，接收信号时频分布中存在明显的交叉项，且时频分辨率变差，基于时频分布的脊线检测算法获得的瞬时频率估计值明显偏离其真实值。
技术实现思路
有鉴于此，本专利技术提供了一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法，能够对具有锯齿型频率突变特性的人为干扰瞬时频率进行高精度估计，获得的瞬时频率估计值与真实值接近。本专利技术提供的一种基于短时Renyi熵的人为干扰瞬时频率估计系统，包括时频分析模块、常规瞬时频率估计模块、瞬时分量数目估计模块、干扰频率锯齿函数模型参数估计模块以及改进瞬时频率估计模块；所述时频分析模块用于对接收信号和参考信号进行时频分析，得到接收信号和参考信号的时频分布，并将接收信号的时频分布发送到常规瞬时频率估计模块，将接收信号和参考信号的时频分布发送到瞬时分量数目估计模块；其中，所述参考信号为频谱变化缓慢的信号；常规瞬时频率估计模块对接收到的接收信号时频分布进行检测，获得干扰信号常规瞬时频率估计值，并将干扰信号常规瞬时频率估计值发送到干扰频率锯齿函数模型参数估计模块；瞬时分量数目估计模块根据接收到的接收信号和参考信号的时频分布，通过平移时频屏蔽窗，得到接收信号和参考信号分别对应的在各个时刻下的短时Renyi熵；比较同时刻下接收信号和参考信号的短时Renyi熵，得到该时刻下接收信号的瞬时分量数目估计值；对比各个时刻下接收信号的瞬时分量数目估计值，得到接收信号的瞬时分量数目估计值局部峰值所在的时刻，并按照时间顺序排列，得到局部峰值时刻序列P1,P2…PE-1,PE，将局部峰值时刻序列P1,P2…PE-1,PE发送到干扰频率锯齿函数模型参数估计模块；其中，E为局部峰值总数；干扰频率锯齿函数模型参数估计模块根据接收到的干扰信号常规瞬时频率估计值以及局部峰值时刻序列P1,P2…PE-1,PE，对干扰频率锯齿函数模型进行模型参数估计，并将干扰频率锯齿函数模型的参数估计值发送到改进瞬时频率估计模块；所述干扰频率锯齿函数模型的模型参数包括扫频周期、扫频起始时刻、扫频起始频率和扫频结束频率；所述干扰频率锯齿函数模型参数估计值获得方式为：将局部峰值时刻序列P1,P2…PE-1,PE中相邻两时刻的时间间隔的平均值作为扫频周期估计值将E个局部峰值时刻对应的扫频起始时刻的平均值作为扫频起始时刻估计值其中第j个局部峰值时刻Pj对应的扫频起始时刻为j＝1,2,3......E；利用第j个局部峰值时刻Pj对应的区间内的各个常规瞬时频率估计值，拟合获得斜坡上升频率直线fup[t]，其中D为小于或等于的常量；根据斜坡上升频率直线fup[t]，获得和fup[Pj-1]；即为第j个扫频起始频率fup[Pj-1]即为第j个扫频结束频率将E个局部峰值时刻对应的扫频起始频率的平均值作为扫频起始频率估计值将E个局部峰值时刻对应的扫频结束频率的平均值作为扫频结束频率估计值改进瞬时频率估计模块将接收到的干扰频率锯齿函数模型的参数估计值，代入到干扰频率锯齿函数模型中，得到当前时刻的改进的瞬时频率估计值。其中，所述干扰频率锯齿函数模型为：其中，fosc[n]为第n个改进的瞬时频率估计值，mod()为取整函数，n＝0,…,NTF-1，n为信号采样时刻，NTF为时频观测窗长度，NSW为扫频周期，fstart为扫频起始频率，fend为扫频结束频率。本专利技术还提供了一种基于短时Renyi熵的人为干扰瞬时频率估计方法，采用本专利技术的基于短时Renyi熵的人为干扰瞬时频率估计系统进行估计，包括如下步骤：步骤1，选择频谱变化缓慢的信号作为参考信号；根据接收信号和参考信号的时频分布，通过平移时频屏蔽窗，得到接收信号和参考信号分别对应的在各个时刻下的短时Renyi熵；步骤2，比较同时刻下接收信号和参考信号的短时Renyi熵，得到该时刻下接收信号的瞬时分量数目估计值；步骤3，对比各个时刻下接收信号的瞬时分量数目估计值，得到接收信号的瞬时分量数目估计值局部峰值所在的时刻，并按照时间顺序排列，得到局部峰值时刻序列P1,P2…PE-1,PE；步骤4，利用局部峰值时刻序列P1,P2…PE-1,PE和常规瞬时频率估计值，获得干扰频率锯齿函数模型参数估计值；所述干扰频率锯齿函数模型参数估计值包括扫频周期估计值扫频起始时刻扫频起始频率估计值和扫频结束频率估计值所述常规瞬时频率估计值通过对接收信号的时频分布进行时频脊线检测获得；步骤5，将干扰频率锯齿函数模型参数估计值代入干扰频率锯齿函数模型相应参数中，得到改进的瞬时频率估计值fosc[i]；所述干扰频率锯齿函数模型为：其中，fosc[n]为第n个改进的瞬时频率估计值，mod()为取整函数，n＝0,…,NTF-1，n为信号采样时刻，NTF为时频观测窗长度，NSW为扫频周期，fstart为扫频起始频率，fend为扫频结束频率。有益效果：(1)本专利技术所提出的基于短时Renyi熵的人为干扰瞬时频率估计系统，基于短时Renyi熵能够直接计算得到的瞬时分量数目，从瞬时分量数目中提取的干扰信号瞬时频率突变点信息，由于基于短时Renyi熵计算得到的瞬时分量数目对噪声具有较好的鲁棒性，从瞬时分量数目中提取的干扰信号瞬时频率突变点信息较为准确；利用干扰频率锯齿函数模型参数估计值来计算改进的瞬时频率估计值，减小了瞬时频率突变点附近较大的估计误差。(2)本专利技术结合常规时频脊线检测方法得到的常规瞬时频率估计值，利用常规瞬时频率估计值计算出干扰频率锯齿函数模型参数估计值，利用干扰频率锯齿函数模型参数估计值来计算改进的瞬时频率估计值，减小了瞬时频率突变点附近较大的估计误差，从而实现高精度的人为干扰瞬时频率估计。附图说明图1为本专利技术的瞬时频率估计方法流程图。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术所提出了一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法，利用短时Renyi熵计算接收信号瞬时分量数目并从中提取干扰信号瞬时频率突变点信息，利用本文档来自技高网...

【技术保护点】
1.一种基于短时Renyi熵的人为干扰瞬时频率估计系统，其特征在于，包括时频分析模块、常规瞬时频率估计模块、瞬时分量数目估计模块、干扰频率锯齿函数模型参数估计模块以及改进瞬时频率估计模块；所述时频分析模块用于对接收信号和参考信号进行时频分析，得到接收信号和参考信号的时频分布，并将接收信号的时频分布发送到常规瞬时频率估计模块，将接收信号和参考信号的时频分布发送到瞬时分量数目估计模块；其中，所述参考信号为频谱变化缓慢的信号；常规瞬时频率估计模块对接收到的接收信号时频分布进行检测，获得干扰信号常规瞬时频率估计值，并将干扰信号常规瞬时频率估计值发送到干扰频率锯齿函数模型参数估计模块；瞬时分量数目估计模块根据接收到的接收信号和参考信号的时频分布，通过平移时频屏蔽窗，得到接收信号和参考信号分别对应的在各个时刻下的短时Renyi熵；比较同时刻下接收信号和参考信号的短时Renyi熵，得到该时刻下接收信号的瞬时分量数目估计值；对比各个时刻下接收信号的瞬时分量数目估计值，得到接收信号的瞬时分量数目估计值局部峰值所在的时刻，并按照时间顺序排列，得到局部峰值时刻序列P1,P2…PE‑1,PE，将局部峰值时刻序列P1,P2…PE‑1,PE发送到干扰频率锯齿函数模型参数估计模块；其中，E为局部峰值总数；干扰频率锯齿函数模型参数估计模块根据接收到的干扰信号常规瞬时频率估计值以及局部峰值时刻序列P1,P2…PE‑1,PE，对干扰频率锯齿函数模型进行模型参数估计，并将干扰频率锯齿函数模型的参数估计值发送到改进瞬时频率估计模块；所述干扰频率锯齿函数模型的模型参数包括扫频周期、扫频起始时刻、扫频起始频率和扫频结束频率；所述干扰频率锯齿函数模型参数估计值获得方式为：将局部峰值时刻序列P1,P2…PE‑1,PE中相邻两时刻的时间间隔的平均值作为扫频周期估计值...

【技术特征摘要】
1.一种基于短时Renyi熵的人为干扰瞬时频率估计系统，其特征在于，包括时频分析模块、常规瞬时频率估计模块、瞬时分量数目估计模块、干扰频率锯齿函数模型参数估计模块以及改进瞬时频率估计模块；所述时频分析模块用于对接收信号和参考信号进行时频分析，得到接收信号和参考信号的时频分布，并将接收信号的时频分布发送到常规瞬时频率估计模块，将接收信号和参考信号的时频分布发送到瞬时分量数目估计模块；其中，所述参考信号为频谱变化缓慢的信号；常规瞬时频率估计模块对接收到的接收信号时频分布进行检测，获得干扰信号常规瞬时频率估计值，并将干扰信号常规瞬时频率估计值发送到干扰频率锯齿函数模型参数估计模块；瞬时分量数目估计模块根据接收到的接收信号和参考信号的时频分布，通过平移时频屏蔽窗，得到接收信号和参考信号分别对应的在各个时刻下的短时Renyi熵；比较同时刻下接收信号和参考信号的短时Renyi熵，得到该时刻下接收信号的瞬时分量数目估计值；对比各个时刻下接收信号的瞬时分量数目估计值，得到接收信号的瞬时分量数目估计值局部峰值所在的时刻，并按照时间顺序排列，得到局部峰值时刻序列P1,P2…PE-1,PE，将局部峰值时刻序列P1,P2…PE-1,PE发送到干扰频率锯齿函数模型参数估计模块；其中，E为局部峰值总数；干扰频率锯齿函数模型参数估计模块根据接收到的干扰信号常规瞬时频率估计值以及局部峰值时刻序列P1,P2…PE-1,PE，对干扰频率锯齿函数模型进行模型参数估计，并将干扰频率锯齿函数模型的参数估计值发送到改进瞬时频率估计模块；所述干扰频率锯齿函数模型的模型参数包括扫频周期、扫频起始时刻、扫频起始频率和扫频结束频率；所述干扰频率锯齿函数模型参数估计值获得方式为：将局部峰值时刻序列P1,P2…PE-1,PE中相邻两时刻的时间间隔的平均值作为扫频周期估计值将E个局部峰值时刻对应的扫频起始时刻的平均值作为扫频起始时刻估计值其中第j个局部峰值时刻Pj对应的扫频起始时刻为j＝1,2,3......E；利用第j个局部峰值时刻Pj对应的区间内的各个常规瞬时频率估计值，拟合获得斜坡上升频率直线fup[t]，其中D为小于或等于的常量；根据斜坡上升频率直线fup[t]，获得和fup[Pj-1]；即为第j...

【专利技术属性】
技术研发人员：王永庆，张春，刘东磊，陈岩，何宜根，杨娜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11