论文部分内容阅读
作为一种重要的扩频通信方式,跳频信号干扰能力强、频谱利用率高,而且具备截获概率低和兼容性好等优点,在军事和民用通信系统中得到广泛应用。有效地对跳频信号进行检测是保证信息准确传输的关键,因此,跳频信号检测问题是跳频通信研究中的热点。传统的信号处理一般假设背景噪声服从高斯分布。高斯分布满足中心极限定理,且易于信号处理和分析。但近年来的研究发现,实际噪声或杂波环境中,如多用户干扰、大气雷暴噪声和海杂波等具有明显的脉冲性特征,这类噪声可用比高斯分布有更长拖尾的alpha稳定分布精确描述。在该类噪声中,以高斯分布为背景噪声模型的常规信号处理方法不再适用。基于此,本文开展了alpha稳定分布噪声下跳频信号检测方面的研究,取得的成果如下:1、常规时频分析是跳频信号检测的有效工具,在alpha稳定分布噪声中,性能退化甚至失效。针对这一问题,本文结合云模型的理论和短时傅里叶变换,提出一种基于数据可信度加权的时频分析方法。该方法引入了数据可信度的概念,利用云模型分析alpha稳定分布噪声中信号数据的不确定性获得信号数据的可信度权,在此基础上实现信号加权,改善脉冲噪声下跳频信号的时频分析性能。仿真结果表明,该方法能够有效地实现alpha稳定分布噪声下跳频信号的检测,且检测性能优于基于分数低阶和基于Myriad滤波器的时频分析方法。2、提出基于Cauchy分布的跳频频率参数最大似然的检测方法。该方法将跳频信号分解到由信号包络参数和频率参数构成的二维平面,基于柯西分布建立最大似然函数,在抑制alpha稳定分布噪声的同时,直接对信号的频率参数进行估计。在构建的最大似然函数基础上,该方法依据跳频信号的短时平稳性,对信号进行加窗,有效获得信号的跳频频率及其跳变次序,进而提取信号的跳时和跳频周期等参数,实现跳频信号的检测。仿真结果表明,该方法在确保有效检测各频率成分的同时,在强脉冲噪声中检测性能优于基于分数低阶和Myriad滤波器的时频分析方法,更具稳健性。