一种基于粒子群优化的跳频信号参数估计方法
【技术领域】
[0001] 本发明设及一种参数估计方法，具体设及一种基于粒子群优化的跳频信号参数估 计方法。
【背景技术】
[0002] 跳频通信在随机载频W及结合其它扩谱方式下进行通信，具有优越的抗干扰、低 截获和灵活的多址组网能力，在电子战、无线电频谱监控和认知无线电等军事和民用通信 领域得到了广泛的应用。复杂环境下实现跳频信号特征参数的盲估计，是实现跳频信号检 测、截获和信息获取的前提和基础。
[0003] 相关的研究主要有W下=种：相关函数法。基于跳频信号的双跳或多跳模型，在假 设信号概率密度已知的情况下，基于最大相关函数法进行跳变时刻参数估计。
[0004] 时频分析作为非平稳信号分析的有力工具，也用于跳频信号参数估计，主要包括 STFT的线性时频表示和Cohen类时频分布的二次时频表示。在获取时频分布的基础上，利 用时频分布极大值估计包括跳周期等跳频信号参数。时频分析方法关键是跳频图案的生 成，但是其性能严重受制于时频核函数的选择和时频测不准原则，在抑制交叉项的同时带 来跳频信号频谱扩展，造成参数估计算法性能下降。
[0005] 第=种方法主要基于跳频信号内在时频结构的自适应分解方法，包括基于跳频信 号的时频二维稀疏性而采用的线性回归方法、基于匹配追踪的跳频参数盲估计方法等。前 者利用激活载波频率的稀疏性（用到的跳变频率少）、时域差分稀疏性（平滑性，驻留时间 内的频率不变），并通过双稀疏补偿利用凸优化实现；后者将跳频信号分解为若干时频原 子的线性组合，需要建立庞大的时频字典，时频原子的参数划分也要足够精细，使得运种方 法的运算过程相当复杂，时频原子的捜索时间非常漫长。
[0006] 同时，现有的方法普遍存在W下缺陷：
[0007] 对模型的分布有一定的已知要求，估计参数之间相互影响，存在信噪比阔值、低信 噪比下获取的结果毫无意义。在实际复杂电磁环境下，获取有意义而非精确解已经是现实 且实际的考量。而匹配追踪算法又带来原子库存储、内积计算量大等瓶颈问题，同时需要设 计基于原子参数的跳频信号参数估计方法。
【发明内容】
[0008] 针对现有技术的缺陷，本发明提供了一种基于粒子群优化的跳频信号参数估计方 法，用于解决现有技术中复杂电磁环境，尤其是低信噪比下不能给出跳频信号参数有意义 估计结果的问题。
[0009] 为实现上述目的，本发明采取的技术方案为：
[0010] 一种基于粒子群优化的跳频信号参数估计方法，包括如下步骤：
[0011] S1、基于跳频信号的多分量模型，采用多峰函数粒子群算法从原始跳频信号中并 行捜索跳频分量，寻找各个跳频周期内的时间和频率中屯、位置，实现粒子在跳频分量时频 中屯、位置的聚集：
[0012]S11、采用粒子群局域模型：假设在D维空间有M个粒子，i= 1，2,…M，其每个粒 子属性由位置Xi= (X…Xi2,…，XiD)和速度Vi= (Vii，Vw…ViD)决定；同时记录其在捜索 过程中所经历过的个体最优位置Pi= (Pil，Pi2,…，PiD),邻域最优位置P。= (Pnl，Pn2,…， PJ;对第t+ 1代的第i个粒子第d维方向上，通过W下公式更新粒子速度和位置：
[0013] Vid(t+1) =WVid(t)+Cifid (t) (Pid (t) -Xid (t))+Cz^d (t) (Pnd(f)-Xid (t));
[0014] Xid(t+1)=x"(t)+v"(t+l);
[0015]i= 1，2，…，Mandd=l，2，…，D;
[001引式中，w、C郝C2分别表示惯性权重和学习因子，rI和r2是0~I内的随机数，经 过多次迭代，实现粒子在适应度函数的不同峰值位置聚集；
[0017] S12、粒子邻域确定：定义粒子i和j的测度如下：
[0019] 式中，P,表示第j个粒子当前个体最优位置，f(P，）和f(Xi)分别表示第j个粒子 的个体最优适应度和当前粒子适应度；测度中的分母维度选择2,表示时间；
[0020] S13、原子库构建：选用实型高斯函数作为过完备库原子的原型函数，定义为：
[0021]
[0022] 其中，尺度因子Sk控制原子时域方向所占宽度，参数t,^1^和A分别表示高斯原子 的时间中屯、和频率中屯、及其相位，是原子的规范化系数，k是原子索引，表示粒子个数； 因此，D= 4,第二维表示时间，原子由一个参数集r= {s，f，/，切完全表示，分别潜在地表示 跳频周期、每一跳频周期内的时间和频率中屯、及其相位；
[0023]S2、通过粒子群算法输出的粒子个体最优值获取跳频信号参数：
[0024] S21、对原子的频率参数按照上升排序，得到在0到t/2之间的频率值fi，i= 1，…，M及其索引indl;
[0025]S22、W最小频率分辨率或最小跳频频率间隔（若已知的情况下）为阔值也通过 下式求取的跳变时刻（并不是跳频信号的跳变时刻）对应的索引ind2'，
[0026] 加於' =a^g((y；+i- 乂) >W. ，
[0027] 并加上粒子首尾两个值构成排序后的频率近似区间划分，即ind2 = [1 ;ind2'; M];
[0028]S23、结合索引indl和ind2找到运些近似频率对应的粒子，对所有区间内的频率 参数值求平均获取跳频频率fk，k= 1，…，K，其中K表示跳变时刻个数；对所有区间内的 时间参数值求平均获取跳频分量的时间中屯、位置tk，k= 1，…，K;由于粒子自身包含时间 和频率两个参数，所W求得的是一致的，fk和tk为每个跳频分量的时频中屯、参数；
[0029]S24、对估计的tk，k= 1，…，K估计参数，按照上升排序，差分后求取平均值，得到 跳频周期的估计值进一步，由-4,k= 1，…，K获取各个跳变时刻估计值。
[0030] 本发明具有W下有益效果：
[0031] 具有简单方便、调整参数少，捜素能力强，尤其是适应宽信噪比范围内估计等优 势。
【附图说明】
[0032]图1为本发明实施例一种基于粒子群优化的跳频信号参数估计方法的流程图。
[0033] 图2为本发明实施例一种基于粒子群优化的跳频信号参数估计方法中步骤Sl的 流程图。
[0034] 图3为本发明实施例一种基于粒子群优化的跳频信号参数估计方法中步骤S2的 流程图。
【具体实施方式】
[0035] 为了使本发明的目的及优点更加清楚明白，W下结合实施例对本发明进行进一步 详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并不用于限定本发 明。
[0036] 如图1-3所示，本发明实施例提供了一种基于粒子群优化的跳频信号参数估计方 法，包括如下步骤：
[0037]S1、基于跳频信号的多分量模型，采用多峰函数粒子群算法从原始跳频信号中并 行捜索跳频分量，寻找各个跳频周期内的时间和频率中屯、位置，实现粒子在跳频分量时频 中屯、位置的聚集：
[0038] S11、采用粒子群局域模型：假设在D维空间有M个粒子，i= 1，2,…M，其每个粒 子属性由位置Xi= (X…Xw…，XiD)和速度Vi= (vii，Vi2，…ViD)决定；同时记录其在捜 索过程中所经历过的个体最优位置Pi= (Pn，Pi2,…