基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

采用图像处理的跳频信号参数盲估计

针对短波复杂信道环境下的跳频信号参数估计问题,提出了一种基于图像处理的跳频信号参数盲估计算法。该算法在时频分析的基础上采用灰度共生矩阵提取信号的纹理特征,通过对纹理特征量的分割实现信号与背景噪声的分割,并运用形态学滤波去除二值化后产生的椒盐噪声;然后根据连通区域标记得到的各个信号在时频图中的位置信息来聚类,从而去除定频、突发等干扰信号,分选出跳频信号;最后根据分选出的跳频信号提取其跳频频线并进行修正,估计出跳频信号的跳周期、跳变时刻和跳频频率。仿真实验表明,该算法切实有效,能够在较低的信噪比条件下精确地估计出跳频信号的参数。     

采用MRSSA-ICA的共信道多通信信号盲分离

针对时频域部分重叠的多个跳频通信信号共信道盲分离问题，提出了一种新的共信道盲分离算法SCBSS（Single Channel Blind Source Separation）。首先，重新定义多分辨奇异谱分析（Multi-resolution Singular Spectrum Analysis，MRSSA）算法，利用其冗余性来重构伪多输入输出模型；接着引入独立分量分析算法用于提取感兴趣的独立分量。仿真结果验证了所提算法分离多个正交相移键控（Quadrature Phase Shift Keying，QPSK）调制的时频域部分重叠跳频通信信号的有效性和鲁棒性，且不需要任何先验。     

基于迭代自适应方法的跳频信号缺失数据恢复

在复杂电磁环境下，通信信号侦察系统在侦收跳频通信信号时经常存在数据缺失的严重现象，因此实现缺失数据恢复具有重要的军事应用意义。针对常规数据恢复算法随着缺失比例升高性能急剧降低的问题，提出了一种基于迭代自适应方法（Iterative Adaptive Approach,IAA）的跳频信号缺失数据恢复算法。根据跳频信号短时间内可作为平稳信号处理的特征，算法选择加权最小二乘准则，利用系统获取的有效数据采用迭代自适应方法进行信号谱估计，然后基于最小二乘准则进行缺失数据恢复处理。通过仿真分析比较，在同等信噪比、缺失率条件下，所提算法比常规缺失数据恢复算法MAPES（Misssing-data Amplitude and Phase Estimation）具有更优的缺失数据恢复性能。     

低信噪比下突发通信的同步检测

针对低信噪比下突发通信系统的同步检测问题,提出了一种利用接收信号平均信噪比和瞬时信噪比设置动态检测门限的同步方法,实现了信号检测门限的设置与信号脉冲出现时刻噪声能量的自适应匹配,提高了低信噪比下同步检测概率。计算机仿真表明在同步序列长度为63时,信号的有效检测工作信噪比可以降低到-5 dB。该方法适合于低信噪比下运动平台间的突发通信系统。     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换（STFT）时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

OFDM双向多跳网络的新型比特和功率分配算法

结合新型双向多跳网络协议和正交频分复用技术,研究旨在保证通信质量情况下的自 适应比特和功率分配算法,其目的是以较小发送功率和较高频谱效率完成通信。通过凸优化 理论推导出最优功率分配算法,并提出一种基于贪婪原则的自适应比特分配算法,能够以较 低的复杂度在实际工程中完成部署。仿真分析表明,提出的双向多跳算法是传统多跳协议频 谱效率的2倍,所需发送功率是平均资源分配算法的1/3。     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题，提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图，与噪声对应的灰度图比较差异，再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征，解决门限难以确定的问题。若分析三维循环谱的时间块长过短，将导致信号灰度图特征在有无噪声情况下区别不大；若块长过长会导致检测延迟较大。为此，采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量，自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比，仿真表明所提算法在低信噪比下性能最优。     

一种改进的跳频信号参数估计方法

针对在跳频信号跳变时刻和跳变频率估计方面实时性和估计精度无法同时兼顾的问题，提出了一种基于短时傅立叶变换(STFT)和多重信号分类(MUSIC)算法的跳频信号参数估计方法。在建立跳频信号数学模型的基础上，利用STFT选取较大时间窗对整个信号在时域进行粗搜索，生成时频谱图，提取时频脊线从而获得跳变时刻，然后选取较小时间窗在已知跳变时间段利用STFT进行跳变时刻的细估计，并利用MUSIC算法进行频率的精确估计。该方法利用STFT的二次估计，减少了MUSIC搜索范围，从而降低了时间开销。仿真表明该算法的跳变时刻频率估计精度高，实时性能满足参数测量需求。     

跳频高密度异步网台信号的分选

根据跳频高密度异步网台信号的主要特征，通过建立分选模型，确定分选参数，将跳频信号的网络信息参数用于跳频高密度异步网台信号的分选，并与跳频信号的频率统计特性相结合，提出了一种基于多接收机分频段侦收的跳频高密度异步网台信号分选算法，并对其进行了仿真验证。     

一种同步组网跳频信号的盲分离方法

针对多路混合的同步组网跳频信号，提出了一种基于时频分析的盲分离方法。首先利用同步组网的各跳频信号中各信号跳时相同、跳周期相同等特点，利用平滑伪魏格纳分布（SPWVD）提取信号在时频分布上的特征值。在此基础上，采用基于短时傅里叶变换（STFT）时频比方法对同步组网跳频电台信号进行分离。仿真实验表明，这种方法能有效分离同步组网电台跳频信号，且在跳频间隔较小时，依然具有良好的分离效果。     

小波空域相关ICA跳频信号盲分离算法

提出了一种小波变换空域相关的信息极大化独立分量分析（ICA）超分离方法,并将其应用 于 多跳频信号的盲分离和参数估计中。理论分析及仿真结果表明,空域相关的ICA方法相对传 统的ICA方法可较好地用于多跳频混合信号的分离与参数估计,且具有更快的收敛速度、无 需多导信号即可求出解混矩阵、抗噪能力强等优点。     

一种基于四相编码和优化阵列的MIMO STAP实现方法

多输入多输出（MIMO）雷达多信号间正交性和天线阵列结构影响空时自适应处理(STAP)性能。为了提高多信号间正交性,提出了基于遗传算法优化提高四相编码的自相关峰值并降低互相关峰值方法,保证了多发射信号间良好正交性,基本抑制了盲速影响。针对天线阵列稀疏导致盲速、阵元密布导致天线孔径过小的问题,基于最大连续孔径思想,提出了一种优化阵列结构,在不显著增加天线阵列长度和阵元数目条件下,与四相编码信号结合,实现了动目标检测。仿真实验证明,基于四相编码正交信号和收发阵列设计,MIMO STAP可实现良好动目标检测性能。     

基于时频分布迭代的跳频信号参数估计

提出了一种基于时频分布迭代的跳频信号参数估计新算法，利用时频平面最大值， 通过计算跳频信号与最优原子时频分布的残差逐次迭代获取匹配于跳频信号分量的时频参数 ，进而实现跳频信号参数估计。理论分析和仿真结果表明，与基于匹配追踪和粒子群优化的 跳频信号参数估计相比，基于时频分布迭代的参数估计算法在保证算法精度的情况下，有效 地降低了算法的计算复杂度，为跳频信号盲接收的实时实现提供了一种新方法。     

多音干扰下DS/FH混合扩频测控信号检测性能分析

分析DS/FH(直扩/跳频)混合扩频测控信号在干扰环境下的性能对该新测控体制的研究 具有重要的意义。推导了多音干扰环境下DS/FH测控信号的检测概率和虚警概率表达式,仿 真分析了不同直扩增益、跳频增益组合情况在不同多音干扰条件下的检测性能,得到了一些 有意义的结论,为进一步研究提供了参考。     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。