[發明專利]一種網臺跳頻信號分選方法有效
| 申請號: | 202110480257.1 | 申請日: | 2021-04-30 |
| 公開(公告)號: | CN113452408B | 公開(公告)日: | 2022-07-22 |
| 發明(設計)人: | 朱政宇;周寧;王家政;張貝貝;王梓晅;郝萬明;李興旺;王忠勇 | 申請(專利權)人: | 鄭州大學 |
| 主分類號: | H04B1/713 | 分類號: | H04B1/713;G06N3/08;G06N3/04 |
| 代理公司: | 鄭州匯科專利代理事務所(特殊普通合伙) 41147 | 代理人: | 孫力文 |
| 地址: | 450000 河南省鄭*** | 國省代碼: | 河南;41 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 網臺跳頻 信號 分選 方法 | ||
1.一種網臺跳頻信號分選方法,其特征在于,所述方法包括:
S1:建立跳頻通信系統中的多網臺跳頻信號的數學模型;
S2:將多網臺混合跳頻信號進行譜圖變換;
S3:根據接收信號時頻圖提取特征參數,包括混合跳頻信號的跳周期、跳時、功率和頻率集;
S4:生成多網臺跳頻信號的跳頻描述字集合;
S5:結合共軛梯度算法訓練神經網絡框架;
S6:將跳頻信號的跳頻描述字集合作為訓練樣本,建立單隱層神經網絡做為跳頻信號分選模型,選用樣本預設標簽與實際輸出的均方誤差做為損失函數,在神經網絡算法中應用基于BP的共軛梯度算法進行訓練,將跳頻描述字輸入訓練完成后的神經網絡即可實現跳頻網臺信號的分選。
2.根據權利要求1所述的方法,其特征在于,所述步驟S1具體包括:
在跳頻通信系統中,單通道接收機接收到的混合電臺跳頻信號模型為:
其中,接收信號y(t)表示在觀測時間T內存在的來自K個跳頻電臺的信號,v(t)表示零均值方差為σ2的高斯白噪聲,來自第K個跳頻電臺的跳頻信號sk(t),1≤k≤K如下所示:
其中t′=t-(h-1)Tk-αTk,假設第k個跳頻電臺的跳頻周期為Tk,在時間T內信號的頻率跳變了H次,且第h跳的載波頻率為fkh,觀測時間T內接受到的第一跳信號不是完整的,用αTk表示第一跳的持續時間,0<α<1,ak代表信號sk(t)的幅值,而φkh代表第h跳信號的初始相位,h∈{1,2,…,H},rect(t)是矩形窗,在接收端將信號進行采樣處理,采樣信號表示為:
其中n'=n-(h-1)Nk-αNk,采樣周期為Ts,則一個跳頻周期含Nk個采樣點,Nk=Tk/Ts且ωkh=2πfkhTs,接收端的跳頻采樣信號模型為:
其中n∈{1,2,…,N}且N=I/Ts,N為觀測時長T內得到的信號采樣點個數。
3.根據權利要求2所述的方法,其特征在于,所述步驟S2具體包括:
對多網臺混合跳頻采樣信號y(nTs)進行譜圖變換的公式為:
SPECx(p,l)=|STFTx(p,l)|2
其中,N表示信號在頻域的離散化點數,得到信號的二維時頻矩陣SPECy(p,l),其中p=1,2,…,P表示時間軸,l=1,2,…,L表示頻率軸。
4.根據權利要求3所述的方法,其特征在于,所述步驟S3具體包括:
設定閾值濾除部分噪聲得到X′(p,l),并根據時頻矩陣頻率與信號幅度的關系向量求出局部極值點,得到跳頻信號頻率集fi,在集合中的頻點處對時頻圖X′(p,l)做切片,得到一系列時頻譜切面X′(p,fi×L/fs),其中i∈{1,2,...,m};
在每一個切面上,駐留在該頻點的信號類似于矩形窗,從窗的寬度估計得到信號的跳頻周期Ti,信號的起始時刻對該信號周期求余得到跳時ti={t1,t2,...,tn},其中n表示觀測時間內跳頻信號總個數,此外,在跳頻周期內對窗高求平均得到跳頻信號的功率集合ρi={ρ1,ρ2,...,ρn}。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于鄭州大學,未經鄭州大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110480257.1/1.html,轉載請聲明來源鉆瓜專利網。





