一种针对窄带低速跳频信号的跟踪干扰识别方法与流程

本发明涉及跟踪干扰的通信领域，特别涉及一种针对窄带低速跳频信号的跟踪干扰识别方法。

背景技术：

在战术通信领域，通信与干扰是一对永恒的研究焦点。世界各国的战术电台都普遍支持窄带跳频通信体制，同时针对该体制的跟踪干扰技术也相应产生。跟踪式干扰是由敌方的干扰设备发出，干扰设备首先分析空中的信号，并迅速跟踪发出干扰。该方式的特点是针对性强，可能每跳数据帧都会被干扰。传统解决方案是通过快跳频的方式避开跟踪干扰。但提高跳速后，单跳持续时间长度较少，导致导频信号和切频保护时间等开销在一跳信号中的比例上升，可携带信息的有用符号比例下降，导致时隙资源利用效率降低。

跳频通信因其良好的抗干扰性，低截获概率及组网能力，在战术通信领域获得了广泛应用。针对跳频通信系统的干扰包括阻塞干扰和跟踪干扰，其中在跟踪干扰的实现过程中，干扰机通过对跳频信号进行侦查，引导，在相应的频点上实施干扰，如图1所示为模型干扰模型示意图。

如图2给出了尾部1/3比例的归一化后BPSK调制信号被跟踪干扰的示意图，从跟踪干扰的模型可以看出，和发送信号节点相比，干扰机增加了信号接收和分析处理的环节，这些环节都需要耗费一定的时间。因此跳频信号在一个频点上的驻留时间越短，即跳频速率越高，则越可以降低跟踪干扰对通信信号的干扰比例。但是随着单跳信号的持续时间的减少，则导频和切频保护等开销在1跳信号中的比例将相应增加，从而降低通信信号的业务传输速率。

技术实现要素：

本发明的主要目的在于克服现有技术的缺点与不足，提供一种针对窄带低速跳频信号的跟踪干扰识别方法；该识别方法对信噪比的变化有较高的灵敏性，从而保证了识别方法的低虚警率和低误警率，从而为跳速自适应通信体制的应用奠定基础。

在电台使用窄带BPSK信号的情况下，如几十kHz的量级，则基本上无需考虑无线信道的频率选择性衰落因素，因此信道传输模型趋于AWGN信道。另外干扰方为提升干扰效率，在使用跟踪干扰模式时干扰信号使用了和通信信号相同的信号带宽。

则接收节点的接收信号具体为：

S＝ρ₁h₁X+ρ₂h₂Y+W

其中发送信号中每一跳含N个BPSK信号，发送信号序列为X＝{x₁,x₂,...,x_N},x_n＝±1，ρ₁为信号发送功率，h₁为发射节点和接收节点之间的信道衰落系数，而干扰信号中含M个有效干扰信号，干扰信号序列为y＝{0,...,0,y₁...,y_M}，ρ₂为干扰信号发送功率，h₂为干扰节点和接收节点之间的信道衰落系数。

当某个时隙的信号接收信噪比评估值较好，但接收CRC检测结果却为错误时，则启动跟踪干扰的识别方法，跟踪干扰的识别方法包括下述步骤：

S1、对跳信号进行分段处理，划分成Δ段分段信号；

S2、对每分段信号取绝对值后，利用最小能量小波框架进行分解，得到A个子信号序列；

S3、分别计算每分段信号A个子信号的能量；

S4、分别计算每分段信号的A个子信号的能量分布比例；

S5、以前面B段信号为基准，所述B段信号为没有受到干扰的信号，计算A个分解子信号的能量比例分布平均值；

S6、计算分段信号的跟踪干扰判决变量值；

S7、基于判决值的均值，确定分段阈值判断机制；

S8、基于平滑机制，确定分段信号的干扰判决结果；

S9、基于判决结果，为链路自适应机制的应用奠定基础。

优选的，步骤S1中，1跳信号的持续时间为λ毫秒，则以0.1毫秒为基本单位，将接收的基带信号分割为Δ＝10×λ段，其中第i段信号记为S_i,i＝1,2,...,Δ。

优选的，步骤S2中最小能量小波框架由3个都含3个元素的数列组成的最小能量小波框架，即子信号A＝3，具体最小波框架为：

最小能量小波框架不但可以使用框架的分解和重构公式，而且也可以使用小波理论中经典的塔式分解和重构算法，构成了对数字信号分析处理的基础；

引理1：如果数列qⁱ_[k]:i＝1,2,...,N生成了上一个和数列p_[k]相联系的最小能量小波框架，则对任意数列有分解算法如下：

其重构算法如下：

及满足分解前后的能量不变性等式

其中符号代表离散信号空间，比起一般的Parseval框架，离散信号空间上的最小能量小波框架的优点就在于它可以使用低计算复杂度的塔式分解和重构算法，同时还可以看做是一个可准确重建，由N+1个单位抽样响应分别为p_[k]和qⁱ_[k]:i＝1,2,...N的滤波器组成的数字滤波器组。

优选的，步骤S3，对上述的分段信号S_i,i＝1,2,...,Δ，每段信号取绝对值后，利用最小能量小波框架进行分解，得到3个子信号序列，分别计算上述分段信号分解后的3个子信号的能量，分别记为P1＝[P_1,1,P_1,1,...,P_1,Δ]、P2＝[P_2,1,P_2,2,...,P_2,Δ]和P3＝[P_3,1,P_3,1,...,P_3,Δ]。

优选的，步骤S4，分别计算每分段信号的3个子信号的能量分布比例情况，即自身能量值P_i,j,i＝1,2,3,j＝1,...,Δ除以3个子信号能量之和具体如下

优选的，步骤S5中，默认前面5个分段信号没有受到干扰，取B＝5，以这5段信号为基准，计算3个分解子信号的能量比例分布平均值，即对5段分段信号分别进行分解后的3个子信号的能量分布比例值求平均，记为：

优选的，步骤S6，则Δ个分段信号的跟踪干扰判决变量值具体为

优选的，步骤S7，判决机制具体为：以前面5个判决值的均值为基准，能量分布比例两个分段阈值0.2和0.25是经过大量测试得到的最佳值，则上述Δ个判决变量实施如下分段阈值判断机制：

优选的，步骤S8，采用平滑机制得到这些分段信号的干扰判决结果：

本发明与现有技术相比，具有如下优点和有益效果：

1、由于窄带信号的信道传输模型趋于AWGN信道模型，因此在未受到跟踪干扰的情况下，1跳中不同位置的信号的信噪比值基本上是趋同的；但如果受到跟踪干扰，则受到干扰的尾部信号和前面未干扰信号的信噪比值将出现一定的差异性。基于这一特性，本发明针对窄带低速跳频BPSK信号提供了一种针对窄带低速跳频信号的跟踪干扰识别方法，该方法利用了不同信噪比BPSK信号在使用小波框架分解后将出现明显能量分布比例差异性的特性，经过指数放大后的判决变量的可区分性将十分明显，并进一步引入分段阈值判决和判决结果平滑机制，从而保证算法对跟踪干扰识准确性。

2、通过本发明的技术方案，电台可以支持多种跳频速率，网络初始运行时采用中低跳速，但在网络通信过程中将不断检测跟踪干扰的存在性和相关干扰指标，并基于检测结果来自适应调整跳速，从而灵活自适应于不同的通信环境，实现网络通信性能的提升。

附图说明

图1是现有技术中跟踪干扰模型示意图。

图2是现有技术中跟踪干扰示意图。

图3是本发明中窄带信号的跟踪干扰信道模型示意图。

图4是本发明中跟踪干扰识别的流程示意图。

图5是本发明中录放跟踪干扰的BPSK信号仿真图。

图6是本发明中录放跟踪干扰减去平均值后的判决变量仿真图。

图7是本发明中白噪声跟踪干扰的BPSK信号仿真图。

图8是本发明中白噪声跟踪干扰减去平均值后的判决变量仿真图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

小波理论在信号处理领域有着广泛的应用，其中的最小能量小波框架可以弥补正交小波不能同时具备紧支性、光滑性和对称性的缺陷，在多种类型的信号处理和分析上获得了较好的应用效果。最小能量小波框架不但可以使用框架的分解和重构公式，而且也可以使用小波理论中经典的塔式分解和重构算法，构成了对数字信号分析处理的基础。

引理1:如果数列qⁱ_[k]:i＝1,2,...,N生成了上一个和数列p_[k]相联系的最小能量小波框架，则对任意数列有分解算法如下：

其重构算法如下：

及满足分解前后的能量不变性等式

其中符号代表离散信号空间，比起一般的Parseval框架，离散信号空间上的最小能量小波框架的优点就在于它可以使用低计算复杂度的塔式分解和重构算法，同时还可以看做是一个可准确重建，由N+1个单位抽样响应分别为p_[k]和qⁱ_[k]:i＝1,2,...N的滤波器组成的数字滤波器组。

下面提供了一组由3个都含3个元素的数列组成的最小能量小波框架

在电台使用窄带BPSK信号的情况下，如几十kHz的量级，则基本上无需考虑无线信道的频率选择性衰落因素，因此信道传输模型趋于AWGN信道。另外干扰方为提升干扰效率，在使用跟踪干扰模式时干扰信号使用了和通信信号相同的信号带宽。

则接收节点的接收信号具体为：

S＝ρ₁h₁X+ρ₂h₂Y+W (5)

其中发送信号中每一跳含N个BPSK信号，发送信号序列为X＝{x₁,x₂,...,x_N},x_n＝±1，ρ₁为信号发送功率，h₁为发射节点和接收节点之间的信道衰落系数，而干扰信号中含M个有效干扰信号，干扰信号序列为y＝{0,...,0,y₁...,y_M}，ρ₂为干扰信号发送功率，h₂为干扰节点和接收节点之间的信道衰落系数。

考虑到算法的计算复杂度，这里挑选了一组长度最短的最小能量小波框架来用于信号分析：

而对于接收节点而言，时隙是其信号传输的一个基本单位，且具备信号是否正确接收的CRC检测功能。由于系统采用了跳频通信体制，因此每一个时隙信号都是由多个频点的信号组成，如果某个时隙的信号接收信噪比评估值较好，但接收CRC检测结果却为错误，则启动跟踪干扰的检测算法，如图3、图4所示，其具体如下：

步骤1：设1跳信号的持续时间为λ毫秒，则以0.1毫秒为基本单位，将接收的基带信号分割为Δ＝10×λ段；

步骤2：对每段信号取绝对值后，利用最小能量小波框架进行分解，得到3个子信号序列；

步骤3：分别计算上述子信号的能量，分别记为P1＝[P_1,1,P_1,1,...,P_1,Δ]、P2＝[P_2,1,P_2,2,...,P_2,Δ]和P3＝[P_3,1,P_3,1,...,P_3,Δ]；

步骤4：分别计算每段信号的3个子信号的能量分布比例情况，即

步骤5：考虑到跟踪干扰信号的时延特性，因此默认前面5个信号(0.5毫秒)没有受到干扰。以这5段信号为基准，计算3个分解子信号的能量比例分布平均值，记为

步骤6：则Δ个分段信号的跟踪干扰判决变量值具体为

步骤7：判决机制具体为：以前面5个判决值的均值为基准，对上述Δ个判决变量实施如下分段阈值判断机制：

步骤8：采用平滑机制得到这些分段信号的干扰判决结果：

分析上述的整套跟踪干扰方法可以看出，整套算法的设计出发点是对应某1跳信号而言，如果没有受到跟踪干扰，因此在时间维度上背景噪声是基本上保持稳定的，因此不同分段信号利用最小能量小波框架进行分解后，3个子信号的能量分布比例将呈现趋同现象；而如果信号受到跟踪干扰，则未被干扰子段信号的信噪比和被干扰尾部子段信号的信噪比将出现一定的差异性，导致能量分布比例出现差异，经过指数放大后的判决变量的可区分性将十分明显，从而保证算法对跟踪干扰识别的准确性。

为验证上述机制的实际效果，验证上述机制的实际效果，这里使用MATLAB仿真工具对一段计算机产生的BPSK信号进行跟踪干扰识别的实际效果验证。下面给出一些录放跟踪干扰(干扰机随机截取前面一段监听到通信信号进行录放干扰)和白噪声跟踪干扰(干扰机产生高斯随机白噪声进行干扰)的一些判决结果示意图：如图5和图6分别提供了2dB信噪比(2/3未干扰区域)+0dB信干比(1/3录放跟踪干扰区域)的BPSK信号和其对应的判决变量情况示意图，从图中结果可以看出，虽然未干扰区域和干扰区域的信噪比仅相差2个dB，但判决变量数值的差异性却是非常明显的。

如图7和图8分别提供了2dB信噪比(2/3未干扰区域)+0dB信干比(1/3高斯白噪声跟踪干扰区域)的BPSK信号和其对应的判决变量情况示意图，从图中结果可以看出，由于跟踪干扰采用了高斯白噪声的形式，在相同信干值情况下判决变量数值的差异性有所减少，但两者之间的差异性仍是可以区分的。

仿真结果综合表明，不管干扰采用何种类型的跟踪干扰信号，都会导致干扰区信号和未干扰区信号的信噪比值出现差异，而识别算法对信噪比的变化有较高的灵敏性，从而保证了判决算法的低虚警率和低误警率，从而为跳速自适应通信体制的应用奠定基础。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。