跳频信号参数识别方法及系统与流程

1.本发明属信号估计与识别技术领域，尤其涉及一种跳频信号参数识别方法及系统。


背景技术：

2.低信噪比和干扰环境下，传统连通区域标记方法对信号连通区域的估计不准确，造成后续的参数提取误差较大。一是在信噪比较低条件下，采用基于能量统计的自适应阈值噪声去除方法会使部分信号区域的幅度置零，从而造成同一类信号连通区域的断裂；二是由于信号时频分布中存在定频、斜变信号干扰，容易与目标信号(跳频信号)发生碰撞，导致连通区域形状的畸变。
3.多目标跳频信号发生时频混叠时，连通区域严重变形，致使时频参数提取发生较大误差。


技术实现要素：

4.为了解决现有技术存在的问题，本发明提供一种跳频信号参数识别方法，能够提高跳频信号识别率。
5.本发明所要解决的技术问题是通过以下技术方案实现的：
6.第一方面，提供了一种跳频信号参数识别方法，包括：
7.对信号连通区域进行优化；
8.对连通区域优化后的信号进行多目标信号混叠下的参数提取；
9.对提取参数的信号进行识别。
10.结合第一方面，进一步的，所述对信号连通区域进行优化包括：
11.对信号连通区域断裂片段进行关联拼接；
12.对拼接后的信号连通区域进行干扰抑制。
13.结合第一方面，进一步的，所述对信号连通区域断裂片段进行关联拼接包括：
14.判断信号连通区域断裂片段是否满足关联条件；
15.对满足关联条件的信号连通区域断裂片段之间的断裂区域进行幅度填充。
16.结合第一方面，进一步的，所述判断信号连通区域断裂片段是否满足关联条件包括：
17.若式(1)成立，则表示满足关联条件
[0018][0019]
其中，xi为第i个信号片段的起始时刻，yi为第i个信号片段的起始频点，li为第i个信号片段的持续时间，hi为第i个信号片段的频带宽度,δt表示时间差的分辨单元个数，δ
h表示带宽差的频率单元个数，δf表示中心频率差的频率单元个数。
[0020]
结合第一方面，进一步的，所述对满足关联条件的信号连通区域断裂片段之间的断裂区域进行幅度填充包括：
[0021]
将满足关联条件的信号连通区域断裂片段之间的断裂区域的时频幅度设置为两个断裂片段幅度的均值，均值通过式(2)表示
[0022][0023]
结合第一方面，进一步的，所述对拼接后的信号连通区域进行干扰抑制包括：
[0024]
在连通区域标记分布图上，对定频信号干扰进行抑制，包括：
[0025]
提取第i个连通区域的跳频周期li，若满足li≥l
max
，则判定该连通区域受到定频干扰，将其所在区域置零；
[0026]
对斜变信号干扰进行抑制，包括：
[0027]
在连通区域标记分布图上，判断连通区域整体占零比δn是否小于整体占零比阀值δn1，若不小于则进一步判断连通区域每行的占零比是否不小于行占零比阀值δn2，若不小于则判定该行为斜变信号，将该行的非零位置的信号置零；
[0028]
其中，l
max
为最大调频周期，
[0029]
结合第一方面，进一步的，所述对连通区域优化后的信号进行多目标信号混叠下的参数提取包括：
[0030]
根据连通区域标记分布图确定最小矩形边界，根据最小矩形边界提取参数向量(xa,ya,la,ha)；
[0031]
逐行计算后一时刻和前一时刻频率点的幅度差，将满足式(3)的(x+1,y)点设置为混叠列边界点，每一行计算完成后，得到混叠列边界的所有点；
[0032][0033]
其中，σa为连通区域最小矩形边界内非零幅度值的均方根误差，k为尺度因子，f(x+1,y)和f(x,y)分别为后一时刻和前一时刻频率点的幅度，xa和ya分别为最小矩形边界左下角的横坐标和纵坐标；la和ha分别为最小矩形边界的横边长度和竖边长度；
[0034]
逐列计算后一频率点与前一频率点的幅度差，将满足式(4)的(x,y+1)点设置为混叠行边界点，每一列计算完成后，得到混叠行边界的所有点；
[0035][0036]
其中，f(x,y+1)和f(x,y)分别为后一个频率点和前一个频率点的幅度；
[0037]
根据得到的混叠列边界点和混叠行边界点，重新进行连通区域标记，分离两个连通区域，根据标记过的连通区域信息提取时频参数。
[0038]
结合第一方面，进一步的，所述对提取参数的信号进行识别包括：
[0039]
先通过dbscan算法根据时频信号中提取参数中的跳频周期l、带宽h对信号进行聚类，再通过dbscan算法根据信号出现时刻对聚类后的信号进行再次聚类；
[0040]
将二次聚类分选出的信号的跳频周期l、带宽h以及中心频率f0构成信号特征向量，根据该信号特征向量和无人机遥控信号特征数据库中的信号特征向量确定信号类别。
[0041]
结合第一方面，进一步的，所述确定信号类别包括：
[0042]
根据式(5)计算二次聚类分选出的信号得到的特征向量[l,h,f0]和无人机遥控信号特征数据库中的信号特征向量[li,hi,f
0i
](i＝1,2,
…
n)的欧式距离
[0043][0044]
若当i＝k时，欧式距离ri最小，则将目标信号判决为第k类信号。
[0045]
第二方面，提供一种跳频信号参数识别系统，包括：
[0046]
连通区域优化模块，用于对信号连通区域进行优化；
[0047]
参数提取模块，用于对连通区域优化后的信号进行多目标信号混叠下的参数提取；
[0048]
信号识别模块，用于对提取参数的信号进行识别。
[0049]
本发明有益效果：本发明一是进行了连通区域的优化，包括:针对信号连通区域断裂条件下的连通区域片段关联、连通区域干扰抑制。二是针对多目标跳频信号混叠情况，设计了基于幅度信息差异的多目标连通区域重构方法，大幅提高了跳频信号的识别率。
附图说明
[0050]
图1为本发明的流程图；
[0051]
图2为本发明中干扰和调频信号连通区域标记分布图；
[0052]
图3为本发明中的信号混叠示意图；
[0053]
图4为本发明中连通区域重构后的参数提取示意图；
[0054]
图5为传统方法中信号去噪后的时频分布图；
[0055]
图6为传统方法中信号优化后的连通区域标记图；
[0056]
图7为本发明方法中信号去噪后的时频分布图；
[0057]
图8为本发明方法中信号优化后的连通区域标记图；
[0058]
图9为本发明和传统方法跳频信号识别概率对比示意图。
具体实施方式
[0059]
为了进一步描述本发明的技术特点和效果，以下结合附图和具体实施方式对本发明做进一步描述。
[0060]
实施例1
[0061]
如图1所示，本发明所提出的一种跳频信号参数识别方法，包括如下步骤：
[0062]
步骤一、信号连通区域优化
[0063]
优化主要包括对信号连通区域断裂片段进行关联拼接一级对拼接后的信号连通区域进行干扰抑制；
[0064]
首先，对信号连通区域断裂片段进行关联拼接。
[0065]
要拼接成功，我们首先需要将信号连通区域断裂片段关联上，在信噪比较低条件下，采用基于能量统计的自适应阈值噪声去除方法会使部分信号区域的幅度置零，从而造成同一类信号连通区域的断裂，需要根据断裂片段的特征相似性对其进行关联，然后完成
拼接。源于同一类信号的断裂区域关联条件包括：中心频率的相似性、带宽的相似性和时间接续性(即前一段信号连通区域的结束时刻与后一段信号连通区域的开始时刻在一个较小的范围内，即满足式(1))
[0066]
当信号连通区域断裂片段满足以下条件时，则说明其需要关联，关联条件如式(1)所示
[0067][0068]
设第i个信号段的中心频率为(yi+hi/2)，终止时刻为(xi+li)，其中，xi为第i个信号片段的起始时刻，yi为第i个信号片段的起始频点，li为第i个信号片段的持续时间，hi为第i个信号片段的频带宽度,δt表示时间差的分辨单元个数，δh表示带宽差的频率单元个数，δf表示中心频率差的频率单元个数，这里取δt＝3，δh＝1，δf＝1，表示时间差小于3个时间分辨单元，带宽差小于1个频率单元，中心频率差小于1个频率单元。
[0069]
为了完成拼接，就需要对足关联条件的信号连通区域断裂片段之间的断裂区域进行幅度填充。
[0070]
即，将满足关联条件的信号连通区域断裂片段之间的断裂区域的时频幅度设置为两个断裂片段幅度的均值，至此，拼接完成，均值通过式(2)表示
[0071][0072]
接下来，需要对对拼接后的信号连通区域进行干扰抑制，去掉连通区域中的干扰信号形成的连通区域。
[0073]
由于信号时频分布中存在定频、斜变信号干扰，容易与目标信号(跳频信号)发生碰撞，导致连通区域形状的畸变，最终产生较大的时频参数估计误差，干扰和跳频信号在连通区域标记图上的分布如图2所示。
[0074]
观察定频和斜变信号干扰的分布特征可以发现，两类干扰与目标信号的连通区域标记分布有较大差异。其中，定频信号干扰在固定频率范围内的较长时段内连续分布，即时间轴占比率非常高，而跳频信号时间轴占比率较低；斜变信号干扰在连通区域形成的最小矩形边界中占零比非常高，而跳频信号占零比相对较低。基于以上分析的特征差异，可对连通区域标记分布图进行干扰抑制。
[0075]
首先，是对定频信号干扰进行抑制：
[0076]
对所有连通区域提取跳频周期，具体方法为：对于第i个连通区域，提取起始时间xs和结束时间xe，跳频周期li＝x
e-xs，提取第i个连通区域的跳频周期li，若满足li≥l
max
((l
max
为已知跳频信号数据库中的最大跳频周期))，则判定该连通区域受到定频干扰，将其所在区域置零；
[0077]
接下来，对斜变信号干扰进行抑制，具体为：
[0078]
在连通区域标记分布图上，判断连通区域整体占零比δn是否小于整体占零比阀值δn1，这里δn1取20％，若不小于则进一步判断连通区域每行的占零比是否不小于行占零比阀值δn2，若不小于则判定该行为斜变信号，将该行的非零位置的信号置零；
[0079]
其中，
[0080]
当抑制完成后，整个优化过程结束，接下来，需要进行参数提取。
[0081]
步骤二、多目标信号混叠下的参数提取
[0082]
由于不同跳频信号的出现时刻(起始时刻)、跳频周期、中心频率和带宽等参数的差异，可能在时频分布上存在时间和频率维的混叠，造成连通区域的变形，使得参数提取发生非常大的误差，信号混叠如图3所示。
[0083]
虽然两个跳频信号在时间和频率维度上发生了混叠，但由于去噪后的时频分布矩阵保留了信号幅度信息，且混叠区两个跳频信号幅度明显大于非混叠区的单个信号幅度，因此可以利用幅度的突变性来重构不同跳频信号的连通区域，从而分离出不同跳频信号，更准确的提取信号参数。多目标信号混叠下的参数提取步骤如下：
[0084]
根据连通区域标记分布图确定最小矩形边界，根据最小矩形边界提取参数向量，具体为：对连通区域进行标记，将时频二维幅度值进行0/1二值化，形成标记矩阵，根据标记矩阵确定最小矩形边框，最小矩形边框的左下脚点横坐标xa、纵坐标ya，分别表示信号的起始时刻和起始频率；矩形横轴宽度la、纵轴宽度ha分别为信号时间宽度和频带宽度，因此可根据最小矩形边框提取参数向量(xa,ya,la,ha)；
[0085]
逐行计算后一时刻和前一时刻频率点的幅度差，将满足式(3)的(x+1,y)点设置为混叠列边界点，每一行计算完成后，得到混叠列边界的所有点；
[0086][0087]
其中，σa为连通区域最小矩形边界内非零幅度值的均方根误差，k为尺度因子，f(x+1,y)和f(x,y)分别为后一时刻和前一时刻频率点的幅度，xa和ya分别为最小矩形边界左下角的横坐标和纵坐标；la和ha分别为最小矩形边界的横边长度和竖边长度；
[0088]
逐列计算后一频率点与前一频率点的幅度差，将满足式(4)的(x,y+1)点设置为混叠行边界点，每一列计算完成后，得到混叠行边界的所有点；
[0089][0090]
其中，f(x,y+1)和f(x,y)分别为后一个频率点和前一个频率点的幅度；
[0091]
根据得到的混叠列边界点和混叠行边界点，重新进行连通区域标记(根据信号分布呈现规则区域的连通特性，采用基于区域生长思想的8邻域连通方法重新进行连通区域标记，标记是指对连通图的连通区域进行标记形成标记矩阵，该矩阵可以分离不同的连通区域，并提取每一个连通区域的时频参数)，分离两个连通区域，根据标记过的连通区域信息提取时频参数，如图4所示。
[0092]
步骤三、对提取参数的信号进行识别
[0093]
由于不同类型无人机采用的遥控信号(跳频信号)具有不同的跳频周期和调制带宽，先通过dbscan((density-based spatial clustering of applications with noise)算法根据时频信号中提取参数中的跳频周期l、带宽h对信号进行聚类，再通过dbscan算法
根据信号出现时刻对聚类后的信号进行再次聚类；
[0094]
将二次聚类分选出的信号的跳频周期l、带宽h以及中心频率f0构成信号特征向量，根据该信号特征向量和无人机遥控信号特征数据库中的信号特征向量确定信号类别。
[0095]
dbscan算法是一种经典的密度聚类算法，通过把类描述为紧密连接的最大节点的最大集合，能够把具有足够高密度区域以外的任意形状划分为一类，其优势是不需要预设类别。
[0096]
将聚类分选出的信号跳频周期l、带宽h和中心频率f0率构成信号特征向量[l,h,f0]，与无人机遥控信号特征数据库的数据向量[li,hi,f
0i
](i＝1,2,
…
n)进行比对，计算两者的归一化欧式距离，表示如下：
[0097][0098]
当i＝k时，欧式距离ri最小，则将目标信号判决为第k类信号。
[0099]
实施例2
[0100]
本发明还提供了一种跳频信号参数识别系统，包括：
[0101]
连通区域优化模块，用于对信号连通区域进行优化；
[0102]
参数提取模块，用于对连通区域优化后的信号进行多目标信号混叠下的参数提取；
[0103]
信号识别模块，用于对提取参数的信号进行识别。
[0104]
技术效果
[0105]
为了说明本发明的技术效果，通过构建两类信号环境进行仿真，选取信号参数估计误差和跳频信号识别概率两种指标，对比传统方法和本发明方法。
[0106]
(1)信号参数估计误差
[0107]
①
环境1的连通区域标记效果
[0108]
传统方法环境1中有两类跳频信号、定频干扰、扫频干扰(斜变)、高斯噪声，其中，跳频信号参数为：跳频信号1(某型无人机遥控信号)：跳频周期为1ms，跳频频率集，bpsk调制带宽为1.8mhz；跳频信号2(其它外来无人机)：跳频周期为2ms，bpsk调制带宽为2mhz。该环境下，没有多目标跳频信号混叠情况。本专利方法的优势体现在对连通区域片段进行了关联和拼接、对两类干扰进行了抑制，得到的二值化连通区域标记图质量较高，如图5和图6所示。
[0109]
②
环境2的连通区域标记效果
[0110]
本发明环境2中有两类跳频信且发生时频混叠，还包括定频干扰、扫频干扰(斜变)、高斯噪声。该环境下，存在多目标跳频信号混叠情况。本专利方法的优势体现在
[0111]
运用了混叠边界信号幅度差异特征，重构混叠信号的连通区域边界，从而较好分离出混叠的信号，使得连通区域质量提高，如图7和图8所示。
[0112]
③
参数估计误差比较
[0113]
采用1000次蒙特卡洛仿真统计平均跳频周期、带宽参数估计误差，并在不同信噪比条件下统计目标无人机遥控信号的正确识别概率。两类方法的参数估计误差如表1所示。
[0114]
表1 不同场景下两种方法的参数估计误差比较
[0115][0116]
从表1结果可以看出，在环境1和环境2下，本专利提出的改进连通标记方法提取的参数相对误差明显小于常规连通标记法。其中，环境1下的性能提升是由于改进的连通标记法进行了连通区域片段关联和干扰抑制，使得整个时频分布的连通图更完整和干净。环境2下的性能提升是由于采用了基于时频幅度差异的连通区域重构，将混叠在一起的跳频信号进行了连通边界区分，从而使参数估计更加精确。
[0117]
(2)跳频信号分选识别概率
[0118]
如图9所示，为多目标跳频信号混叠(环境2)环境下，采用1000次蒙特卡洛仿真，不同信噪比的跳频信号2(外来无人机遥控信号)的识别概率。可以看到，采用了改进连通区域标记方法后，由于参数估计精度更高，目标识别概率提高，能够较好识别出外来无人机的遥控信号。
[0119]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0120]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0121]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。