一种干扰类型识别方法技术

本发明专利技术属于通信技术领域，涉及一种干扰类型识别方法。本发明专利技术可以对处于复杂电磁环境的无线通信系统中的敌意干扰做干扰检测和识别，然后联合决策出当前电磁环境的状况，并对有干扰环境下的干扰类型进行分类；干扰检测主要从时域和频域两个方面来确定干扰的存在性；干扰识别主要是从时域、频域、时频域提取特征参数并使用决策树来将干扰分成时域干扰、频域干扰、扫频三大类并将部分干扰做了详细识别；本发明专利技术提取的干扰特征参数具有较好的鲁棒性并且对干噪比不太敏感，在使用算法复杂度较低的决策树判决方法的情况下也能具有较好的干扰识别性能。

【技术实现步骤摘要】

本专利技术属于通信
，涉及一种干扰类型识别方法。
技术介绍
随着电子信息技术的快速发展，当前的通信体制越来越多，通信系统也越来越复杂，并且通信所处的电磁环境也日益复杂等。这给各种通信系统在抗干扰方面提出了巨大的挑战，特别是在军事通信中，通信系统的抗干扰性能可能直接左右着战争的走向，因此世界各国不约而同地对本国军事通信抗干扰技术进行研究和探索，以便在复杂的国际形式下取得信息优势，保证本国的军事安全。干扰识别作为通信对抗系统的重要组成部分，一方面，可以为认知当前电磁环境提供依据；另一方面，可以为通信接收机针对不同干扰样式然后选择合适的抗干扰手段提供支持，从而使抗干扰手段更有针对性和更好的提高通信系统的抗干扰性能。通信对抗中的干扰信号种类很多，从不同的域来区分，可以分为时域干扰、频域干扰、扫频干扰、空域干扰。一方面，由于不同种类的干扰，抑制方法不一样，所以有必要将不同种类的干扰区分开来从而采用更有针对性的干扰抑制方法；另一方面，当一个系统包含多种不同种类的干扰时，在接收端所采取的干扰抑制方法的先后顺序对系统的性能也有比较大的影响(例如：一个频域干扰，如果首先经过时域干扰抑制后再进行频域抑制，很有可能先经过的时域干扰抑制会对后续的频域干扰抑制产生影响，使得干扰抑制性能变差)所以，对不同种类的干扰进行分类，并识别出干扰类型，能避免上述情况的发生。对于干扰类型的自动识别，目前研究比较多的主要是在直接序列扩频(DirectSequenceSpreadSpectrum，DSSS)或跳频扩频(Frequency-HoppingSpreadSpectrum，FHSS)系统中以及有关雷达辐射源信号的识别。宽带干扰是针对扩频和跳频系统的常见的有效干扰方式，因此，对于干扰类型识别主要是识别各种宽带干扰，如宽带噪声干扰、宽带梳状干扰、宽带扫频干扰等；在雷达辐射源信号识别中，主要是对接收到的脉冲信号的脉内调制特征和脉内个体特征进行分析并识别各自的辐射源以及对常见的欺骗干扰(距离欺骗、角度欺骗、速度欺骗)的分类。由此可见，目前干扰识别算法都是针对某一特定类型的干扰或者针对特定的应用场景，干扰类型比较少，不适合复杂的电磁干扰环境。另一方面，干扰识别包括干扰特征提取和干扰分类两个过程，其中干扰特征参数提取是干扰识别的核心，特征参数提取算法的选择上也是多种多样，比如用小波包变换提取特征参数、使用高阶累积量、使用分数阶傅里叶变换等算法，上述算法虽然能准确提取出干扰信号的特征参数，但是大大增加计算的复杂度，不利于工程的实现；在各种分类算法中，神经网络分类器分类时需要大量的训练样本，容易出现欠学习、过学习和陷入局部极值等问题，支持向量机分类器在解决高维模式识别、非线性识别以及小样本识别问题上具有很大的优势，但是也存在核函数的选择、核参数的确定等问题，复杂度也比较高。
技术实现思路
本专利技术所要解决的，就是提供了一种适合复杂电磁干扰环境的干扰识别方法，该方法通过提取一组无需干扰先验信息并且对干噪比不敏感的分类特征参数，并使用复杂度较低的决策树分类算法，对无线通信系统中常见的干扰信号进行识别，而且具有较好的识别性能。为了方便地描述本专利技术的内容，首先对要识别的干扰信号进行说明：针对无线通信系统常见的干扰类型，分为三大类：1)时域干扰：脉冲噪声干扰、常见雷达脉冲信号；2)频域干扰：部分频带干扰、瞄准式干扰(AM干扰、FM干扰、BPSK干扰、BPSK干扰、QPSK干扰、CW干扰、单音干扰)多音干扰(梳状干扰、随机多音干扰)；3)扫频干扰：线性调频干扰、噪声调频干扰、单音/多音扫频干扰、锯齿波扫频干扰。本专利技术的技术方案是：一种干扰类型识别方法，其特征在于，包括以下步骤：a.提取信号的干扰特征参数；所述干扰特征参数至少包括：时域峰均比Rpm、时域矩峰度a4、归一化谱冲击标准差δps；b.判断提取的时域峰均比Rpm是否大于预设的时域峰均比门限值，若是，则判断信号的干扰类型为噪声脉冲干扰并结束判断过程；若否，则进入步骤c；c.对信号进行频域干扰检测，具体方法为：将信号做NFFT点的FFT变换，然后做频域干扰检测处理，得到干扰频点个数NJam和干扰频点位置干扰功率和噪声功率PNoise；d.根据步骤c的检测结果，判断NJam<1是否成立，若是，则判定当前信号没有干扰存在；若否，则进入步骤e；e.对步骤c中检测到的干扰进行分簇，如果有多个簇存在，则计算所有簇所在频点位置的标准差Cvar；f.对信号做短时傅里叶变换，提取信号的时频图，并将时频图二值化，然后计算每个时间段内二值化序列的LZ复杂度，同时标记出每个序列的新模式数量和新模式出现的对应频点的位置，最终得到信号的平均LZ复杂度和时频图干扰频点位置的标准差的平均值Var；g.根据步骤a和步骤f中提取的特征参数，使用分类方法中的决策树将频域干扰和扫频干扰进行分类。进一步的，步骤a中所述提取信号的干扰特征参数的具体方法为：a1.提取信号的包络A＝[A1,A2,…,AL]T，由小到大排序，得到矢量A′＝[A′1,A′2,…,A′L]T，其中，A′1≥A′2≥…≥A′L，设表示向下取整，取A′中前Lm个的平均值为信号的峰值包络均值为则信号的时域峰均比为a2.提取时域矩峰度；具体为取时域信号的实部或者虚部为S＝[S1,S2,…,SL]T，μ为S的均值，σ为S的标准差，信号的时域矩峰度为其中E[·]为求均值；a3.提取归一化谱冲击标准差；先对信号做NFFT点的FFT变化得到信号频谱为P(n)，则归一化谱为E[·]为求均值；在得到信号的归一化频谱后，选择长度Ln的滑动窗对频谱进行归一化处理，得到频谱的平坦部分；所述用减去频谱的平坦部分提取归一化频谱中的冲激部分Pp‾(n)=P‾(n)-12Ln+1Σi=-LnLnP‾(n+i);]]>用于区分频谱有无冲击的干扰信号，定义归一化谱冲击部分标准差δps为：δps=1NFFTΣn=1NFFT[Pp‾(n)-(P)p‾n‾]2.]]>进一步的，所述步骤f的具体方法为：f1.计算短时傅里叶变换：若输入信号长度为L，短时傅里叶变换窗长为NSTFT，LOverlap为短时傅里叶变换加窗的重叠点数，频率点数为FFT点数NSTFT，时域上分段数为：为向下取整；所以短时傅里叶变换后得到一个NSTFT×K×P的三维时频图，其中P为与时间和频率相对应的能量值组成的向量；能量二值化门限为第i个时间段内能量的最大值，Tpower值预设为10dB；通过二值化门限TH得到一个NSTFT×K的二维数组，这个二维数组就为信号的二值化时频图，其中有干扰的部分值为1，没干扰的部分值为0；f2.搜索序列新模式：[N1，N2，....，NK]为二值化时频图的K个时间段，Nk＝[c1,c2...,cN]为长度为NSTFT的0、1序列串，其中1≤k≤K，ci取0或者1，Nk中1的位置就表示第k个时间段干扰所在频点的位置；从N1开始分别对每一个时间段做如下处理：f21.把Nk序列传换成字符串形式{h(n)本文档来自技高网...

【技术保护点】
一种干扰类型识别方法，其特征在于，包括以下步骤：a.提取信号的干扰特征参数；所述干扰特征参数至少包括：时域峰均比Rpm、时域矩峰度a4、归一化谱冲击标准差δps；b.判断提取的时域峰均比Rpm是否大于预设的时域峰均比门限值，若是，则判断信号的干扰类型为噪声脉冲干扰并结束判断过程；若否，则进入步骤c；c.对信号进行频域干扰检测，具体方法为：将信号做NFFT点的FFT变换，然后做频域干扰检测处理，得到干扰频点个数NJam和干扰频点位置干扰功率和噪声功率PNoise；d.根据步骤c的检测结果，判断NJam<1是否成立，若是，则判定当前信号没有干扰存在；若否，则进入步骤e；e.对步骤c中检测到的干扰进行分簇，如果有多个簇存在，则计算所有簇所在频点位置的标准差Cvar；f.对信号做短时傅里叶变换，提取信号的时频图，并将时频图二值化，然后计算每个时间段内二值化序列的LZ复杂度，同时标记出每个序列的新模式数量和新模式出现的对应频点的位置，最终得到信号的平均LZ复杂度和时频图干扰频点位置的标准差的平均值Var；g.根据步骤a和步骤f中提取的特征参数，使用分类方法中的决策树将频域干扰和扫频干扰进行分类。...

【技术特征摘要】
1.一种干扰类型识别方法，其特征在于，包括以下步骤：a.提取信号的干扰特征参数；所述干扰特征参数至少包括：时域峰均比Rpm、时域矩峰度a4、归一化谱冲击标准差δps；b.判断提取的时域峰均比Rpm是否大于预设的时域峰均比门限值，若是，则判断信号的干扰类型为噪声脉冲干扰并结束判断过程；若否，则进入步骤c；c.对信号进行频域干扰检测，具体方法为：将信号做NFFT点的FFT变换，然后做频域干扰检测处理，得到干扰频点个数NJam和干扰频点位置干扰功率和噪声功率PNoise；d.根据步骤c的检测结果，判断NJam<1是否成立，若是，则判定当前信号没有干扰存在；若否，则进入步骤e；e.对步骤c中检测到的干扰进行分簇，如果有多个簇存在，则计算所有簇所在频点位置的标准差Cvar；f.对信号做短时傅里叶变换，提取信号的时频图，并将时频图二值化，然后计算每个时间段内二值化序列的LZ复杂度，同时标记出每个序列的新模式数量和新模式出现的对应频点的位置，最终得到信号的平均LZ复杂度和时频图干扰频点位置的标准差的平均值Var；g.根据步骤a和步骤f中提取的特征参数，使用分类方法中的决策树将频域干扰和扫频干扰进行分类。2.根据权利要求1所述的一种干扰类型识别方法，其特征在于，步骤a中所述提取信号的干扰特征参数的具体方法为：a1.提取信号的包络A＝[A1,A2,…,AL]T，由小到大排序，得到矢量A′＝[A1′,A2′,…,AL′]T，其中，A1′≥A2′≥…≥AL′，设表示向下取整，取A′中前Lm个的平均值为信号的峰值包络均值为则信号的时域峰均比为a...

【专利技术属性】
技术研发人员：郭红敬，程郁凡，杜越，唐万斌，周世阳，王若宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51