CN105429719B - 基于功率谱和多尺度小波变换分析强干扰信号检测方法 - Google Patents
基于功率谱和多尺度小波变换分析强干扰信号检测方法 Download PDFInfo
- Publication number
- CN105429719B CN105429719B CN201510717841.9A CN201510717841A CN105429719B CN 105429719 B CN105429719 B CN 105429719B CN 201510717841 A CN201510717841 A CN 201510717841A CN 105429719 B CN105429719 B CN 105429719B
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- signal
- thresholding
- wavelet
- wavelet coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提供了一种基于功率谱和多尺度小波变换分析强干扰信号检测方法,接收端对接收到的信号进行采样,计算采样得到的接收信号功率谱,并将其通过滑动滤波器进行平滑滤波;对平滑后的功率谱做高斯曲线拟合,并对拟合后的功率谱做多尺度小波变换,得到各个尺度小波变换系数;求取和小波系数及其门限,得到新的和小波系数;用极值点搜寻算法搜索新的和小波系数极大值点;对搜寻得到的极大值点的正确性进行验证。本发明克服了传统门限检测法门限难以设置的问题,具有检测精度高、鲁棒性强、便于实现的优点,可用于在通信***中多种干扰信号的检测和识别。
Description
技术领域
本发明涉及一种信号检测方法。
背景技术
无线通信已成为人们生活、科研、军事等领域不可缺少的一部分,尤其是在战争中,有效可靠的战场通信是取得最后胜利的重要保障,然而复杂电磁环境和人为的恶意干扰对通信质量造成很大的威胁。为保证可靠的通信,必须采取一定的干扰对抗技术。目前最主要的干扰对抗手段是使用扩频通信技术,然而,扩频通信***的扩频增益有限,当遇到强干扰时,通信质量同样无法保证。若接收端能在通信前和通信过程中周期性的对周围电磁环境进行检测(或实时检测,需要单独的感知模块),提取出强干扰信号的中心频率与带宽信息,将其反馈至发送端,发送端根据检测结果选择没有受到干扰的频段进行通信(或者采用其他抗干扰手段,躲避干扰是最佳的干扰对抗方式),通信质量将得到显著提升。因此,干扰检测是通信抗干扰的重要环节之一。
干扰检测的目的就是获得实时的干扰信号的参数信息,目前常用的干扰检测算法有频域门限法、小波包分解法、DT-FCME法。
频域门限法将信号变换到频域后根据信号的概率分布设置门限,将超过门限的谱线记录下来从而得到干扰参数,但门限的选取对结果影响很大,选择合适的门限比较困难。小波包分解法对信号进行小波分解,等价于将信号在频域等分为N段,计算每段能量值,若某频段信号能量值明显偏大则认为此频段中存在干扰,但检测分辨率低,无法确定准确的干扰位置,只能将该包含干扰的频谱段全部抛弃,造成频谱浪费。DT-FCME算法的核心部分为高低门限的迭代过程,然而,当数据样本较多时,迭代过程非常缓慢,在实际应用中实时性差。
发明内容
为了克服现有技术的不足,本发明提供一种基于功率谱和多尺度小波变换的强干扰信号检测方法,能有效的减少强干扰对扩频通信通信质量的影响。
本发明解决其技术问题所采用的技术方案包括如下步骤:
(1)接收端对接收到的信号进行采样,计算采样得到的接收信号功率谱S(k),并通过滑动滤波器进行平滑滤波,得到平滑后的功率谱Sm(k)=S(k-1)+S(k)+S(k+1);
(2)对Sm(k)做n阶高斯曲线拟合,n取值范围为3-10,得到Pm(k);
(3)对Pm(k)做多尺度小波变换,得到各个尺度小波变换系数W(a,fi),a为对应的尺度因子,fi为信号频率;
(4)对各尺度因子对应的小波系数绝对值求和,得到和小波系数W(fi),
(5)计算和小波系数门限选取小波和系数W(fi)中大于门限γ的系数组合为新的和小波系数Ws(fi),其中,N为小波系数的长度;
(6)用极值点搜寻算法搜索和小波系数极大值点fl,l∈Z+;
(7)对搜寻得到的极大值点的正确性进行验证,若极值点个数为偶数且两两极大值点之间的频段中功率谱Pm(k)谱线的均值超过门限λ=μ+3σ,则认为极值点正确,将其确定的干扰信号频段作为最终检测结果,μ和σ分别为Sm(k)最小的五分之一谱线的均值和标准差;否则增大门限γ后返回步骤(5)开始循环,若循环5次后仍无法找到正确的极值点,则对功率谱用门限法,记录功率谱中超过门限λ的谱线,计算出干扰信号所处频段,作为最终检测结果。
本发明的有益效果是:
1、本发明克服了传统门限检测法门限难以设置的问题,对平滑后的功率谱做高斯曲线拟合后做小波分析,产生的小波和系数将会在强干扰信号出现与消失频点产生非常尖锐明显的峰值,门限非常易于设置,易于捕捉到精确的干扰出现与消失的频点,实现干扰的精确定位。
2、本发明可以检测和识别多种干扰类型,包括单音干扰、多音干扰、窄带干扰、部分频带干扰,如果将其应用到时域信号还可以检测脉冲干扰。
3、本发明具备很好的鲁棒性,且可以采用二进形式的尺度因子,方便硬件实现,可应用到工程实践中。
附图说明
图1是本发明的实现流程图;
图2是本发明与现有的频域门限检测法在信干比10db时检测结果示意图;
图3是本发明与现有的门限检测法在不同干信比下对干扰信号检测的归一化均方误差对比图;
图4是本发明采用连续尺度小波变换与二进尺度小波变换对干扰信号检测的归一化均方误差对比图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明提出的基于功率谱与多尺度小波变换分析的强干扰信号检测方法,包括如下步骤:
(1)接收端对接收到的信号进行采样,计算采样得到的接收信号功率谱S(k),并将其通过滑动滤波器进行平滑滤波,得到平滑后的功率谱Sm(k):
Sm(k)=S(k-1)+S(k)+S(k+1)
(2)对平滑后的功率谱Sm(k)做n阶高斯曲线拟合,对信号做了非常好的平滑,n根据具体情况选取(n取值范围为3-10,值越大拟合程度越好),得到
(3)对拟合后的Pm(k)做多尺度小波变换,得到各个尺度小波变换系数W(a,fi),a为对应的尺度因子,fi为信号频率。
(4)对各尺度因子对应的小波系数绝对值求和,得到和小波系数W(fi):
(5)计算和小波系数门限γ,选取小波和系数W(fi)中大于门限γ的系数组合为新的和小波系数Ws(fi),其中
其中,N为小波系数的长度。
(6)用极值点搜寻算法搜索和小波系数极大值点fl,l∈Z+。
(7)对搜寻得到的极大值点的正确性进行验证,若极值点个数为偶数且两两极大值点之间的频段中功率谱Pm(k)谱线的均值超过门限λ,则认为极值点正确,将其确定的干扰信号频段作为最终检测结果,否则增大门限γ后返回到和小波系数提取步骤(5)开始循环,若循环5次后仍无法找到正确的极值点,则对功率谱用门限法,记录功率谱中超过门限γ的谱线,计算出干扰信号所处频段,作为最终检测结果。
参照图1,本发明的实施例包含如下步骤:
步骤1,计算接收信号功率谱并通过平滑滤波器平滑
(1a)接收端对接收信号进行采样,得到离散信号x(n),将x(n)分为L段,每段信号长度为M,每段信号都加一个汉明窗w(n)后计算其周期图,则第m段数据周期图为:
其中,是归一化因子,对每个分段的周期图进行平均,可得到整个信号x(n)的功率谱估计:
(1b)对估计的功率谱进行平滑滤波,得到平滑后的功率谱Sm(k):
Sm(k)=S(k-1)+S(k)+S(k+1) (3)
步骤2,对平滑后的功率谱对平滑后的功率谱Sm(k)做n阶高斯曲线拟合,相当于对信号做了非常好的平滑,n根据具体情况选取(n取值范围为3-10,值越大拟合程度越好),得到
步骤3,对接收信号功率谱Pm(k)做多尺度小波变换,求得各个尺度下小波系数W(a,fi):
其中N为功率谱Pm(k)的长度,Fs为采样率,为Haar小波,fi=if0,i=1,2,...,N,为频率分辨率,其中a可以取连续整数,也可以取二进形式,即a=2n,n∈Z。
步骤4,将各尺度小波系数的绝对值求和,得到和小波系数W(fi):
步骤5,计算小波和系数选择门限γ,提取超过门限的和小波系数;为了方便下一步搜寻极大值需要将和小波系数中的尖峰值及其邻域内单调递增和递减部分的系数取出来,因此需要设置一个门限,由于和小波系数在强干扰出现和消失的频点处有极高且极尖锐的峰值,因此门限容易设置,只要取和小波系数的均值即可,即
将超过门限的小波系数提取出来,组成Ws(fi)。
步骤6,搜寻新得到的和小波系数极大值点,求步骤4中得到的Ws(fi)的一阶前向差分序列s(k):
s(k)=Ws(fi+1)-Ws(fi) (7)
搜寻s(k)正负突变的点,即若s(k-1)>0且s(k)<0,则k为极大值点,对应频点fk。
步骤7,对搜寻得到的极大值点的正确性进行验证
(7a)计算功率谱干扰检测门限λ;假设噪声为均值为0,方差为σ的高斯白噪声,由于功率谱由(2)(3)式得到,因此若不存在强干扰时根据中心极限定理可得Sm(k)服从正态分布,将Sm(k)最小的五分之一谱线取出,计算其均值μ,标准差σ,设门限λ为:
λ=μ+3σ (8)
(7b)设置计数器初始值为0,首先检验极大值点个数是否为偶数,如果是,则进入步骤(7c),如果不是偶数则可能是门限γ设置过小,Ws(fi)中极大值点周围的系数不一定都是单调的,因此极值点搜寻算法出错,此时检查计数器是否已经大于等于最高循环次数5,如果没有则将计数器器加1,并将门限γ增大十分之一,返回到和小波系数提取步骤(5);如果计数器数值大于5,则记录功率谱中超过门限λ的谱线,计算出干扰信号所处频段,作为最终检测结果并将计数器置0。
(7c)若极大值点个数为偶数且两两极大值点之间对应的频段中功率谱Sm(k)谱线的均值超过门限λ,则认为极大值点正确,将其确定的干扰信号频段作为最终检测结果,计数器置0,否则在计数器小于5时门限γ增大十分之一后返回到小波系数提取步骤(5)开始循环,并给计数器加1,若循环5次后仍无法找到正确的极值点,则记录功率谱中超过门限λ的谱线,计算出干扰信号所处频段,作为最终检测结果并将计数器置0。
本发明的效果可以通过仿真进一步说明:
A、仿真条件
***采用的码元速率为sr=2MHz,调制方式为BPSK调制,扩频码长度为64位。信道环境为AWGN信道,采样率Fs=200MHz,接收码元个数为1000个,在每个干信比下进行1000次仿真。
B、仿真内容
仿真1:在干信比为5db的条件下,对本发明基于功率谱与多尺度小波变
换分析的强干扰信号检测方法与传统的频域门限法的检测结果进行对比,由于是对强干扰进行检测,只要检测出来某频段存在干扰即认为干扰幅度已经达到对通信质量造成严重影响的程度,从而不用考虑具体干扰强度,因此在检测出干扰的频段用统一的图形表示,仿真结果如图2所示。
仿真2:在干信比5db到15db范围内对本发明基于功率谱与多尺度小波变换分析的强干扰信号检测方法与频域门限检测法的归一化估计均方误差进行仿真对比,仿真结果如图3所示。
仿真3:在干信比5db到15db范围内对本发明基于功率谱与多尺度小波变换分析的强干扰信号检测中使用连续尺度小波变换和二进尺度小波变换估计均方误差进行对比,连续尺度中a取1到64,二进尺度中a取2,4,8,16,32,64,128仿真结果如图4所示。
C、仿真结果
由图2可见,在相同干信比下,本发明的检测精度比传统的门限检测法精度高,且门限检测法由于门限不易设置,将没有干扰的部分频段也当做干扰频段,造成频谱浪费。
由图3可见,在不同的干信比下,本发明的均方误差明显低于频域门限法均方误差,在干信比较小时几乎相差一个量级。
由图4可见,在不同信干比下,采用二进形式的尺度因子性能与连续尺度因子性能很接近,因此可以在实际中采取二进尺度因子,大大减少计算量。
综合上述仿真结果和分析,本发明方法在对强干扰信号频段的定位精度上性能优于现有的门限检测法,且易于硬件实现。
Claims (1)
1.一种基于功率谱和多尺度小波变换的强干扰信号检测方法,其特征在于包括下述步骤:
(1)接收端对接收到的信号进行采样,计算采样得到的接收信号功率谱S(k),并通过滑动滤波器进行平滑滤波,得到平滑后的功率谱Sm(k)=S(k-1)+S(k)+S(k+1);
(2)对Sm(k)做n阶高斯曲线拟合,n取值范围为3-10,得到Pm(k);
(3)对Pm(k)做多尺度小波变换,得到各个尺度小波变换系数W(a,fi),a为对应的尺度因子,fi为信号频率;
(4)对各尺度因子对应的小波系数绝对值求和,得到和小波系数W(fi),
(5)计算和小波系数门限选取和小波系数W(fi)中大于门限γ的系数组合为新的和小波系数Ws(fi),其中,N为小波系数的长度;
(6)用极值点搜寻算法搜索和小波系数极大值点fl,l∈Z+;
(7)对搜寻得到的极大值点的正确性进行验证,若极值点个数为偶数且两两极大值点之间的频段中功率谱Pm(k)谱线的均值超过功率谱干扰检测门限λ=μ+3σ,则认为极值点正确,将其确定的干扰信号频段作为最终检测结果,μ和σ分别为Sm(k)最小的五分之一谱线的均值和标准差;否则增大门限γ后返回步骤(5)开始循环,若循环5次后仍无法找到正确的极值点,则对功率谱用门限法,记录功率谱中超过功率谱干扰检测门限λ的谱线,计算出干扰信号所处频段,作为最终检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510717841.9A CN105429719B (zh) | 2015-10-29 | 2015-10-29 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510717841.9A CN105429719B (zh) | 2015-10-29 | 2015-10-29 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105429719A CN105429719A (zh) | 2016-03-23 |
CN105429719B true CN105429719B (zh) | 2017-12-12 |
Family
ID=55507681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510717841.9A Active CN105429719B (zh) | 2015-10-29 | 2015-10-29 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105429719B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108566253B (zh) * | 2018-02-12 | 2019-05-14 | 北京邮电大学 | 一种基于对信号功率谱拟合特征提取的信号识别方法 |
CN109104215B (zh) * | 2018-09-03 | 2021-05-28 | 北京科技大学 | 一种基于小波变换的跳频信号码元速率盲估计方法 |
CN110943771B (zh) * | 2019-11-22 | 2022-07-05 | 大连海事大学 | 基于角度熵的小波分辨处理方法 |
CN113132035B (zh) * | 2020-01-15 | 2022-09-09 | 中国人民解放军国防科技大学 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
CN111614576A (zh) * | 2020-06-02 | 2020-09-01 | 国网山西省电力公司电力科学研究院 | 一种基于小波分析和支持向量机的网络数据流量识别方法及*** |
CN113507713B (zh) * | 2021-09-08 | 2021-12-07 | 成都云溯新起点科技有限公司 | 一种基于信号功率谱特性的递归搜寻载波检测方法 |
CN117008158A (zh) * | 2023-07-12 | 2023-11-07 | 广西科学院 | 一种基于小波包分析的北斗海上多径干扰消除方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6760319B1 (en) * | 2000-07-05 | 2004-07-06 | Motorola, Inc. | Fixed frequency interference avoidance enhancement |
CN100550666C (zh) * | 2005-12-07 | 2009-10-14 | 中兴通讯股份有限公司 | 扩频***中窄带干扰消除的方法、装置 |
CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
CN103017802A (zh) * | 2012-08-23 | 2013-04-03 | 中国电子科技集团公司第四十一研究所 | 基于小波变换的布里渊谱去噪方法 |
CN103141067A (zh) * | 2010-08-30 | 2013-06-05 | 新加坡科技研究局 | 频带识别方法、装置和计算机程序产品以及性能评估方法、装置和计算机程序产品 |
CN104363065A (zh) * | 2014-11-23 | 2015-02-18 | 辽宁大学 | 基于非高斯性测度的无线通信***频谱感知方法 |
-
2015
- 2015-10-29 CN CN201510717841.9A patent/CN105429719B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6760319B1 (en) * | 2000-07-05 | 2004-07-06 | Motorola, Inc. | Fixed frequency interference avoidance enhancement |
CN100550666C (zh) * | 2005-12-07 | 2009-10-14 | 中兴通讯股份有限公司 | 扩频***中窄带干扰消除的方法、装置 |
CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
CN103141067A (zh) * | 2010-08-30 | 2013-06-05 | 新加坡科技研究局 | 频带识别方法、装置和计算机程序产品以及性能评估方法、装置和计算机程序产品 |
CN103017802A (zh) * | 2012-08-23 | 2013-04-03 | 中国电子科技集团公司第四十一研究所 | 基于小波变换的布里渊谱去噪方法 |
CN104363065A (zh) * | 2014-11-23 | 2015-02-18 | 辽宁大学 | 基于非高斯性测度的无线通信***频谱感知方法 |
Non-Patent Citations (3)
Title |
---|
"Interference Detection in Spread Spectrum Communication Using Polynomial Phase Transform";Randa Zarifeh,etc;《IEEE》;20070813;第2979-2984页 * |
"Radiometric detection of direct-sequence spread spectrum signals with interference excision using the wavelet transform";Michael Medley,etc;《IEEE》;20020806;第1648-1652页 * |
"基于小波变换的信号特征与突变点检测算法研究";冯媛硕;《曲阜师范大学学报》;20150131;第76-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105429719A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN110099019A (zh) | 基于深度学习的LoRa调制信号检测方法 | |
CN106357575A (zh) | 一种多参数联合估计的干扰类型识别方法 | |
CN109768838B (zh) | 一种基于WiFi信号的干扰检测及手势识别方法 | |
CN106100762A (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
CN114896554B (zh) | 一种基于谱特征提取的调频信号频率范围与带宽估计方法 | |
CN114545342B (zh) | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 | |
CN111027614B (zh) | 一种噪声增强射频指纹识别方法及装置 | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
CN109446910B (zh) | 一种通信辐射源信号分类识别方法 | |
CN108063641B (zh) | 单通道多信号检测方法 | |
CN109004996A (zh) | 基于多正弦窗功率谱峰值的信号检测方法 | |
CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
CN113219415A (zh) | 一种基于包络指纹特征的干扰源个体识别方法 | |
CN107884752A (zh) | 一种基于压缩感知的外辐射源雷达对目标检测方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN107341519B (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 | |
CN114584227B (zh) | 自动化突发信号检测方法 | |
Li et al. | Interference classification and identification of TDCS based on improved convolutional neural network | |
CN102111228A (zh) | 一种基于循环对称性的认知无线电频谱感知方法 | |
CN106330361B (zh) | 基于图连通性分析的弱信号检测方法 | |
CN113259027A (zh) | 一种基于Haar变换的敌我识别信号码速率计算方法 | |
CN114268393A (zh) | 一种基于连通分量个数特征的认知无线电频谱感知方法 | |
CN113824518A (zh) | 基于频谱的非合作信号检测方法 | |
CN112083448B (zh) | 面向卫星导航***的干扰信号分类识别特征提取方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |