在艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)過程中,受到同頻干擾信號(hào)的影響,導(dǎo)致艦船線性調(diào)頻信號(hào)時(shí)序特征盲源信號(hào)分離效果不佳,信號(hào)時(shí)序特征盲檢測(cè)精度不高。為此,設(shè)計(jì)一種艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)算法。去除線性調(diào)頻信號(hào)中同頻干擾信號(hào),對(duì)艦船線性調(diào)頻信號(hào)時(shí)序特征進(jìn)行盲源分離,建立線性調(diào)頻信號(hào)模型,識(shí)別艦船線性調(diào)頻信號(hào)時(shí)序特征,確定各個(gè)信號(hào)頻率成分出現(xiàn)時(shí)刻,完成艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)。實(shí)驗(yàn)結(jié)果表明:該算法在不同信噪比、不同衰減系數(shù)比下,信號(hào)分離性能較好,且對(duì)艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)準(zhǔn)確度較高。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(18)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

不同衰減系數(shù)比下信號(hào)分離性能對(duì)比Fig.3Comparisonofsignalseparationperformanceunderdiffer-

分量，代表源信號(hào)分量個(gè)數(shù)。本文采用短時(shí)傅里葉變換方法對(duì)信號(hào)中頻譜情況進(jìn)行分析。分析信號(hào)中存在的所有頻率成分，并確定各個(gè)信號(hào)頻率成分出現(xiàn)時(shí)刻。假定窗函數(shù)在短時(shí)間內(nèi)較為平穩(wěn)，移動(dòng)窗函數(shù)[4]，計(jì)算各個(gè)不同時(shí)刻的功率譜。假設(shè)某連續(xù)時(shí)間信號(hào)短時(shí)傅里葉變換可以表示為：b(n)=x/o+v，(5)式中，x代表對(duì)稱函數(shù)，o代表采標(biāo)窗函數(shù)，v代表分析時(shí)刻。依據(jù)上述計(jì)算可得到線性調(diào)頻信號(hào)中不同的偽平穩(wěn)信號(hào)。對(duì)艦船線性調(diào)頻信號(hào)時(shí)序特征進(jìn)行盲檢測(cè)，其檢測(cè)過程如圖1所示。圖1艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)過程Fig.1BlinddetectionprocessofshipLFMsignaltimeseriescharacteristics3實(shí)驗(yàn)分析3.1實(shí)驗(yàn)環(huán)境為驗(yàn)證所提算法的科學(xué)有效性，進(jìn)行仿真實(shí)驗(yàn)分析。實(shí)驗(yàn)在Matlab平臺(tái)上進(jìn)行，實(shí)驗(yàn)操作系統(tǒng)為WindowsXP系統(tǒng)，其運(yùn)行內(nèi)存為8GB。3.2實(shí)驗(yàn)參數(shù)在實(shí)驗(yàn)分析中，實(shí)驗(yàn)參數(shù)設(shè)置為：接受信號(hào)為2個(gè)，發(fā)射信號(hào)為4個(gè)，每路調(diào)頻信號(hào)在一個(gè)周期內(nèi)存在6跳；采樣頻率為10MHz，每路調(diào)頻信號(hào)的跳速為10000hop/s，其中，每路信號(hào)的入射角隨機(jī)生成。3.3實(shí)驗(yàn)方案采用此次設(shè)計(jì)的艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)算法對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行檢測(cè)，并使用基于空時(shí)頻輸出矩陣的盲波束形成算法與LFM/BPSK混合調(diào)制信號(hào)盲處理結(jié)果可信性評(píng)估，將2種方法檢測(cè)結(jié)果與所設(shè)計(jì)的檢測(cè)方法進(jìn)行對(duì)比。3.4實(shí)驗(yàn)結(jié)果分析3.4.1不同信噪比下信號(hào)分離性能對(duì)比為了驗(yàn)證所提方法的科學(xué)有效性，實(shí)驗(yàn)分析3種方法在不同信噪比下信號(hào)的分離準(zhǔn)確度，實(shí)驗(yàn)結(jié)果如圖2所示。第42卷翟月英：艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)算法·125·

圖2不同信噪比下信號(hào)分離性能對(duì)比Fig.2ComparisonofsignalseparationperformanceunderdifferentSNR分析可知，不同信噪比時(shí)，3種方法進(jìn)行分離的準(zhǔn)確度存在一定差距。其中，所提方法相對(duì)于另外2種算法在分離性能上存在顯著優(yōu)勢(shì)，其信號(hào)分析的準(zhǔn)確度最高可達(dá)97%，而其他2種算法信號(hào)分離的準(zhǔn)確度低于所提算法。驗(yàn)證了所提算法的檢測(cè)效果較好。3.4.2不同衰減系數(shù)比下信號(hào)分離性能對(duì)比為了驗(yàn)證所提方法的可行性，實(shí)驗(yàn)分析了3種算法在相同衰減系數(shù)比下信號(hào)分離效果，實(shí)驗(yàn)結(jié)果如圖3所示�？梢钥闯觯煌p系數(shù)比下，3種算法的信號(hào)分離性能不同。其中，當(dāng)源信號(hào)衰減系數(shù)比越大，所提算法的信號(hào)分離性能越好。而傳統(tǒng)檢測(cè)算法在衰減系數(shù)比大與小的情況下，分離性能變化不大，與此次設(shè)計(jì)的算法具有一定的差距。4結(jié)語此次設(shè)計(jì)的艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)算法具有一定的參考與應(yīng)用價(jià)值，由于時(shí)間與能力有限，此次設(shè)計(jì)的方法還存在一些問題。盲源分離算法性能會(huì)影響最后分析識(shí)別結(jié)果，所以無形中也會(huì)損失一定信息。因此，在后續(xù)研究中，對(duì)分量信號(hào)進(jìn)行分析識(shí)別研究，從而降低算法復(fù)雜度，進(jìn)一步提高艦船線性調(diào)頻信號(hào)時(shí)序特征盲檢測(cè)算法性能。參考文獻(xiàn)：劉騏瑋,馬彥恒,李根,等.基于空時(shí)頻輸出矩陣的盲波束形成算法[J].雷達(dá)科學(xué)與技術(shù),2019,17(1):48–52.[1]胡國兵,吳珊珊,楊忠,等.LFM/BPSK混合調(diào)制信號(hào)盲處理結(jié)果可信性評(píng)估:一種簡(jiǎn)化的似然比算法[J].電子學(xué)報(bào),2019,47(9):1891–1897.[2]何繼愛,宋宇霄.Kalman濾波下的多信號(hào)單通道盲源分離[J].信號(hào)處理,2018,34(7):843–851.[3]張重遠(yuǎn),岳浩天,王博聞,等.基于相似矩陣盲源分離與卷積神經(jīng)網(wǎng)絡(luò)

【參考文獻(xiàn)】：
期刊論文
[1]LFM/BPSK混合調(diào)制信號(hào)盲處理結(jié)果可信性評(píng)估:一種簡(jiǎn)化的似然比算法[J]. 胡國兵,吳珊珊,楊忠,楊莉,趙嬪姣,宋軍.  電子學(xué)報(bào). 2019(09)
[2]基于相似矩陣盲源分離與卷積神經(jīng)網(wǎng)絡(luò)的局部放電超聲信號(hào)深度學(xué)習(xí)模式識(shí)別方法[J]. 張重遠(yuǎn),岳浩天,王博聞,劉云鵬,羅世豪.  電網(wǎng)技術(shù). 2019(06)
[3]基于空時(shí)頻輸出矩陣的盲波束形成算法[J]. 劉騏瑋,馬彥恒,李根,董健.  雷達(dá)科學(xué)與技術(shù). 2019(01)
[4]Kalman濾波下的多信號(hào)單通道盲源分離[J]. 何繼愛,宋宇霄.  信號(hào)處理. 2018(07)



本文編號(hào)：3069396