【技术实现步骤摘要】
面向与通信信号耦合的干扰信号检测与识别方法及装置
[0001]本公开涉及通信信号处理技术能力,尤其涉及一种面向与通信信号耦合的干扰信号检测与识别方法及装置,可用于面向战场环境的抗干扰通信系统,为抗干扰决策提供识别信息。
技术介绍
[0002]在战场环境中,以单音干扰、多音干扰、线性调频干扰等为主要样式的干扰,通过产生大功率的干扰信号,降低信宿端的输入信噪比,严重影响我方正常通信。抗干扰技术通过干扰认知,针对不同的干扰类型采用特异性强的抗干扰手段,提升通信的顽存性。因此,如何对干扰信号实现精确的检测与识别成为抗干扰的关键。针对干扰信号检测,由于干扰信号功率大,而通信信号功率相对较小,现有方法多采用基于时域和频域的能量检测算法,根据接收信号的能量分布特征对信号是否受干扰进行检测。然而,考虑到对抗环境的时变性所产生的噪声功率的高动态变化特征,造成了检测门限难以确定,严重降低了干扰检测的准确率。另一方面,针对干扰信号的识别,现有技术主要依赖专家知识提取干扰信号的时频域特征,但考虑到瞄准式干扰信号,其与通信信号时频特征深度耦合,很难直接根据接收到的信号提取干扰信号的独有特征进行判识。因此,单纯依赖专家知识的干扰类型识别不仅鲁棒性差,而且由于特征提取的不全面,也难以实现精准的干扰类型判识,这就造成了现有的干扰识别算法在复杂的电磁环境中,无法精准地识别瞄准式干扰信号类型。
技术实现思路
[0003]针对上述现有技术,本专利技术所解决的技术问题至少是:与通信信号耦合的干扰信号检测门限难以确定、特征提取带来的干扰识别算 ...
【技术保护点】
【技术特征摘要】
1.一种面向与通信信号耦合的干扰信号检测与识别方法,其特征在于,所述方法包括:从原信号中读取待检测信号,基于待检测信号利用自编码器进行信号重构,计算重构信号与待检测信号的重构误差,若误差大于检测阈值,则进一步从原信号中读取待识别信号,基于待识别信号进行干扰信号识别;所述自编码器依次包括信号编码模块、隐变量特征提取模块、以及信号解码模块;所述信号编码模块将待测检测信号作为输入,提取时域波形特征;所述隐变量特征提取模块以时域波形特征作为输入,输出第一信号隐变量;所述信号解码模块以第一信号隐变量为输入,输出重构信号。2.根据权利要求1所述的方法,其特征在于,所述基于待识别信号进行干扰信号识别,包括下述步骤:基于待识别信号,获取纯干扰信号,并按下式计算循环谱P
α
(f)、频谱FFT(f)、时频谱STFT(m,f):STFT(m,f):STFT(m,f):STFT(m,f):式中:纯干扰信号循环谱P
α
(f)是循环自相关函数R
α
(τ)的离散傅里叶变换;s(n)为纯干扰信号,s
*
(n)为s(n)的共轭信号,r为纯干扰信号时域长度,α为循环频率,f为谱频率,τ为相关时间间隔;w(n)是窗函数,m为窗口长度;n为时域变量;基于循环谱P
α
(f)、频谱FFT(f)、时频谱STFT(m,f),获取时频图的全局特征,进而得到识别结果。3.根据权利要求2所述的方法,其特征在于:所述纯干扰信号基于信号分离模型进行提取,所述信号分离模型包括时频耦合信号编码模块、干扰信号特征提取模块,干扰信号分离模块;所述时频耦合信号编码模块将待识别信号作为输入,提取时域波形特征;所述干扰信号特征提取模块以时域波形特征为输入,获得第二信号隐变量和干扰隐变量;所述干扰信号分离模型以第二信号隐变量和干扰隐变量作为输入,输出无干扰信号和纯干扰信号。4.根据权利要求3所述的方法,其特征在于:所述时频耦合信号编码模块包括第一卷积单元,所述第一卷积单元由一维卷积层、一维批量归一化层、双正切层构成;
所述干扰信号特征提取模块包括Stacked
‑
LSTM单元和双通道全连接单元;所述Stacked
‑
LSTM单元由双向LSTM层、压缩
‑
激励自注意力子单元、分组归一化层、双正切层依次构成;所双通道全连接单元由两个第一全连接单元进行并行计算,所述第一全连接单元由全连接层、一维批量归一化层、双正切层、全连接层构成;所述干扰信号分离模块包括第二全连接单元、双通道反卷积单元;所述第二全连接单元由全连接层、一维批量归一化层、双正切层构成;所述双通道反卷积单元由两个第一反卷积模块和一个第二反卷积模块串联进行并行计算,所述第一反卷积单元由一维反卷积层、一维批量归一化层、双正切层构成,所述第二反卷积单元由一个一维反卷积层构成。5.根据权利要求1所述的方法,其特征在于:所述信号编码模块包括三个串联的第一卷积单元;所述隐变量特征提取模块包括串联的Bi
‑
LSTM单元和第一全连接单元;所述信号解码模块包括两个第二全连接单元、两个第...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。