一种基于原子特征的跳频信号参数盲估计方法技术

本发明专利技术公开了一种基于原子特征的跳频信号参数盲估计方法，该方法为：首先对跳频信号进行加窗处理、压缩采样和原子特征提取，根据不同窗内信号的原子特征的分布规律来粗略估计跳变时刻；然后利用分块对角化傅里叶正交矩阵精确估计出跳变时刻、跳频周期和跳速；最后利用正交匹配追踪算法来估计每一跳信号的频率，通过拼接每一跳信号获取整个样本的跳频图案。本发明专利技术可以通过调整搜索步长和压缩比改变计算复杂度和估计精度，以适应不同信噪比环境，在高信噪比环境下，通过增大搜索步长和压缩比可有效降低计算复杂度，在低信噪比环境下，通过减小搜索步长和压缩比可有效提高估计精度。精度。精度。

【技术实现步骤摘要】
一种基于原子特征的跳频信号参数盲估计方法


[0001]本专利技术属于通信对抗
，特别是一种基于原子特征的跳频信号参数盲估计方法。

技术介绍

[0002]跳频通信凭借优异的抗截获和抗干扰能力在军事领域得到广泛应用，伴随通信对抗的不断升级，实现对非己方跳频通信的侦察已然成为信息化战场上的重要内容。参数盲估计作为整个侦察过程的关键环节，发挥着至关重要的作用，估计出的参数可用于后续的解密或者干扰。
[0003]由于跳频信号具有频域稀疏性，充分利用该特性可显著降低信号采样量，因此近年来，压缩感知理论被应用于跳频信号参数盲估计。基于压缩感知的跳频信号参数盲估计研究已有不少，但是在信噪比低于0dB时这些算法的估计精度有待提高，在信噪比高于0dB时这些算法的计算复杂度较高。

技术实现思路

[0004]本专利技术的目的在于提供一种基于原子特征的跳频信号参数盲估计方法，从而获取非己方跳频信号的跳频图案，并且在低信噪比条件下具有较高的估计精度，在高信噪比条件下具有较低的计算复杂度。
[0005]实现本专利技术目的的技术解决方案为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于原子特征的跳频信号参数盲估计方法，其特征在于，步骤如下：S1、对跳频信号进行加窗和滑窗处理，得到不同窗内信号；S2、对不同窗内信号进行压缩采样，得到不同窗内信号的内积值分布；S3、从内积值分布中提取出原子特征，并将原子特征按照时间先后顺序进行排列，得到分布规律，基于该分布规律，估计跳变时刻所处时间范围；S4、构建分块对角化傅里叶正交矩阵，该矩阵的分界点按照设定的搜索步长遍历时间范围，通过稀疏系数的变化估计跳变时刻，进而得到跳频周期、跳速；S5、利用正交匹配追踪算法估计每一跳信号的频率，结合跳变时刻得到跳频图案。2.根据权利要求1所述的基于原子特征的跳频信号参数盲估计方法，其特征在于，S1中对跳频信号进行加窗和滑窗处理，得到不同窗内信号，具体如下：步骤S11、根据奈奎斯特采样定理，对截获到的跳频信号进行采样，采样频率为信号中最高频率的2倍；步骤S12、对信号采样数据进行加窗和滑窗处理，截取不同的窗内数据，窗口长度小于任意一跳信号的数据量，滑动步长设置为窗口长度的四分之一。3.根据权利要求1所述的基于原子特征的跳频信号参数盲估计方法，其特征在于，S2中对不同窗内信号进行压缩采样，得到不同窗内信号的内积值分布，具体如下：步骤S21、对截取到的窗内数据进行压缩采样，即左乘高斯随机测量矩阵，得到窗内数据的压缩测量值，如下式所示：y＝Φx其中，y为压缩测量值，x为窗内数据，Φ为高斯随机测量矩阵；步骤S22、将压缩测量值y与恢复矩阵Θ做内积，获得内积值及其分布情况，如下所示：Θ＝ΦΨΩ＝|＜Θ,y＞|其中，Ψ为离散傅里叶变换基，Θ为恢复矩阵，Ω为内积值。4.根据权利要求1所述的基于原子特征的跳频信号参数盲估计方法，其特征在于，S3中估计跳变时刻所处时间范围，具体如下：步骤S31、提取内积值分布中的最大值val1和第二大值val2，并根据下式得到原子特征：步骤S32、将原子特征按照时间先后顺序进行排列，得到分布情况；步骤S33、锁定原子特征分布情况中的波谷位置，波谷位置对应的窗内数据即为跳变时刻所处时间范围。5.根据权利要求1所述的基于原子特征的跳频信号参数盲估计方法，其特征在于，S4中构建分块对角化傅里叶正交矩阵，该矩阵的分界点按照设定的搜索步长遍历时间范围，通过稀疏系数的变化估计跳变时刻，进而得到跳频周期、跳速，具体如下：步骤S41、构建分块对角化傅里叶正交矩阵，窗内最多包含两跳信号，因此该矩阵表现为两对角傅里叶正交矩阵，该矩阵...

【专利技术属性】
技术研发人员：雷迎科，朱伟鹏，王津，王友瑞，滕飞，潘必胜，钱锋，姜丽，张孟伯，金虎，冯辉，陈翔，王巍，王一川，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：