文摘

对辐射源信号识别的问题在沟通过程中,双谱二次特征模型应用于通信信号的识别算法。根据信号特征值从双频谱获得对角切片的辐射源信号,双频谱特征值的对角切片可以从频域扩展到复平面通过chirp-z操作,及相关数据给出了基于双频谱信号的二次特征模型通过使用分离规则扩展巴比特对应的距离。双谱二次特征模型方法是用于建立一个稀疏观测模型,和通信信号处理问题可以转化为一个运动参数估计问题的信号通过参数数据库的建设。同时,通信信号的高分辨率距离测试,和通信信号估计通过使用变分推理方法。最后,实际案例进行了分析,结果表明,本文提出的算法可以用来识别不同类型的通信信号按照模拟和实测数据处理的通信信号在各种环境中,噪声有一定的抗干扰能力,可以提高通信信号的识别速度,验证了本文算法的有效性和实用性。

1。介绍

通信信号的识别是通信行业的关键手段之一目前,它已广泛应用于各行各业和军事领域。随着运营商的信息数据传输,信号包含辐射源的特性,可用于实现通信信号的准确识别和详细的分析,获得通信辐射源双频谱特性,并提供一个基础后续通信信号辐射源有效识别(1,2]。目前,为了实现准确的通信辐射源信号识别,一般选择通信信号双谱特性应符合时移的特性没有改变,大小没有变化,相位没有变化。在信号双谱分析中,根据符合上述条件,同时需要维持高噪声免疫力,它广泛应用于不同的工业领域3,4]。作为双频谱分析过程相当简单,操作的工作量相对较小,它可以维持一个高水平的高阶谱分析功能。因此,它更广泛应用在通信信号处理领域获得双谱信号的二次特征复杂的斜切的基础上深入扎根通信信号双谱二次特性。由于存在不同的识别精度不同的高性能计算子路径,用双谱的二次特征模型可以获得按照通信信号的特征向量在高性能计算的结果。最后,实验结果表明该方法是实用的辅助识别算法的通信信号特性使用斜压距离判据[5,6]。随着通信信号的先天优势全天实时远程角色,高分辨率,等等,它可以大规模使用在许多领域,如高分辨率处理、特征提取、信号分类,等等,以及传输双谱的使用二次功能模型可以增加获得电机的分辨率。与此同时,它还可以缩短接收机瞬时带宽的特点,完成硬件还原,和根据次脉冲载波频率序列可以有效地减少观测时间,有效地改善通信信号的抗干扰性能。通信信号主要表明不同因素的信号(信号的噪声,没有角色)融合在一起,和传输路径是更复杂的7- - - - - -9]。即使使用更高的通信信号的功能,可以获得信号的结果并不理想。因此,它是不容易获得初始信号的物理特性。然而,反褶积方法获得原始信号按照融合的反馈信号。该方法广泛应用于不同的领域,如通信、通信信号,演讲,和医学。目前更先进的方法之一是变分差陈等人提出的恢复方法。这种计算使用偏微分梯度投影方法的拉格朗日乘子来最小化的区别(10- - - - - -12]。其优点是快速收敛、稳定性等,特别是对于信号与陡峭的边缘。对于常规的动态自适应计算方法,相应的数值差异比较。

双谱二次特征模型算法应用于高性能计算通信信号的识别和分析问题本文将通信信号识别的运动参数估计的评价问题的识别和分析重建。这种方法侧重于低信噪比的有效合成HR-RP基于通信信号识别运动信号的参数在搜索区间。通过这种方式,它可以快速实现运动参数的估计影响的前提下解决低信噪比下HRRP重建误差来确定局部最优值根据人口更新速度和最后完成准确处理交流信号的运动参数。

2。模型和算法

2.1。双谱二次特征模型

按照设定的载波频率序列的通信信号,可以得到双谱的结果二次调频信号特性模型按照完成一步内(13,14]。通过这种方式,包含整个步进调频信号N脉冲,而米脉冲(米<N根据序列中提取。

的信号载波频率序列双谱模型将二次特性 ,在这代表信号的脉冲带宽和代表一个子集在区间[0:N−1],然后双谱的带宽可以表示为二次特性模型 。通过详细的分析,可以知道对应的相关积累时间不大于整个通信信号调频信号。通信信号的载波频率序列可以设置根据环境信息,具有其自身的抗干扰能力的增强。

假设通信信号传输的kth组稀疏一步调频(FM)信号,然后第一组的稀疏调频高性能步操作可以表示如下: 在哪里 代表整个计算时间,代表快速时间,代表相应的矩形窗口。如果该值的是1的时候 ,然后的价值将成为0,,γ指出了通信信号的调制频率和代表的通信信号的脉冲宽度和脉冲重复周期的数量,分别。

如果通信信号包含多个散射点,然后的后向散射系数 散射点可以表示为 ,构成停停走走的模型。相应的延时值散射点p在通信信号的脉冲可以保持不变,然后会有 。同时,对散射点的通信信号米下th次脉冲回波kth群稀疏调频高性能步操作可以表示如下: 在哪里 , 代表瞬时斜率之间的距离pth散射点和通信信号发射信号,在其中c光速和吗表明加性噪声。如果积累角要处理的信号降低, ,在这代表之间的瞬时斜率距离的通信信号, 代表瞬时斜率的参考点的距离,和散射点p通信信号的用平面坐标的值。因此,对于高速通信信号,信号的参考点之间的距离和时间点的通信信号可以获得的 ,在哪里代表之间的距离通信信号和通信信号在最初的时候,代表信号的径向速度,代表沟通的径向加速度信号。通信信号的时间延迟可以表示为 ,在哪里 。一般来说,估计和可以在跟踪阶段获得的通信信号。然后,回声的解决线调频,它可以假定 ;因此,通信信号作用转化为以下方程: 在哪里 和和的相位误差由于通信信号的脉冲间隔的翻译和脉冲的相位误差由于脉冲间隔的翻译字符串,分别。因此,和可以表示如下: 在哪里代表剩余速度; ,在这代表剩余加速度;和 。 代表了米二次相位项,这将生成主瓣合成阶段的传播距离的通信信号。代表的第三阶段米;通信信号距离图像作为不对称合成paraflap;然后这个术语通常可以表示的顺序10⁻⁴。因此,它可以被忽视。包含耦合方面米和k,这将导致距离图像转变而引起的弯曲信封。的代表的主要阶段k导致一个方位的形象转变的通信信号,也可以忽略。代表的二次相术语k。方位脉冲压力将导致通信信号的主瓣蔓延。为了构造稀疏HRRP有效的重建算法,也可以转化为离散形式。如果脉冲采样点的数量设置为每个通信信号 ,这符合 与此同时,那么k可以表示为th的回声 ,在这 , 。

剩下的通信信号的传输过程参数引入到数据库,然后通信信号的稀疏观测模型可以表示如下: 在哪里 代表矩阵对应的数据库nth呼应, , 代表了HRRP对应kth回声,n代表噪声向量。因此,可以得到如下: 在哪里代表内积,代表了lth列的数据库F, , ,和 。

按照米th次脉冲的信号,就可以知道

信号重建方法基于双谱的二次特征模型可以对实体矩阵,根据方程(它可以表示如下8):

根据表达式(9),建立了概率图模型通过使用Gamma-Gaussian算法(15,16]。如果获得噪声ε与0意味着高斯白噪声,然后信号回波的概率y也因此获得的是高斯分布,的概率ε分布与y可以得到如下: 在哪里α代表噪声精度。介绍了前Gamma-Gaussian稀疏向量θ,可以获得以下: 在精度矩阵 代表维对角阵,D= 2l。准确的参数 和α符合伽马分布,可以得到如下:

产品分布的概率模型可以得到如下:

另一方面,后验分布的随机变量的联合分布可以表示为变量除以边缘分布p(y),因此,可以获得如下:

高度很难直接计算基于后验分布模型。因此,高性能计算解决进行近似后验分布,以便HRRP合成低信噪比(信噪比)的条件下。

2.2。高性能计算的通信信号的识别

2.2.1。处理大角和低信噪比的信号

在研究通信信号的性能,分析了通信信号相关的参数,主要参数如下:(1)插入损耗(IL):信号功率的损失由于添加一个设备在输电线路或纤维用分贝(dB)。当传输到负载之前插入的力量同时电源由负载插入后接收 ,然后在dB插入损耗的方程可以得到如下: 在哪里代表反射系数,它可以表达如下符合之间的联系和 : 之间的关系 , ,和在方程(16)如下: (2)带宽表示信号的选择范围,也就是说,通过频谱的宽度、频率范围的单位宽度,用赫兹表示,与以下方程: 时的值X3、1或0.5,和站的两侧频率通带插入损耗的降低值时左右的中心频率X(dB)。(3)带内波动是指大小的通带响应幅度的波动,也就是说,的最大和最小值之间的差异响应振幅。在设计过程中通信信号,带内波动越小,通信信号的性能越好。(4)回波损耗(RL)指的是功能返回的信号损失或反映在输电线路中的不连续。不连续可能不符合终止加载或设备插入行,用分贝(dB)表示。通信信号的反射系统也称为反射损失。回波损耗的方程如下: 当电压驻波比代表电压驻波比,回波损耗的大小与驻波比(电压驻波比)和反射系数(Γ)。回波损耗的增加对应于一个较低的电压驻波比。回波损耗是一个指数,衡量设备匹配的行。如果返回损失高,这意味着这场比赛是好的。一般来说,设计中通信信号,高回波损耗、低插入损耗意味着通信信号的性能相对较好。(5)电压驻波比的值是指之间的阻抗匹配负载和输电线路或波导。电压驻波比的更大的值表明更高程度的匹配。电压驻波比代表的比例部分驻波的波的振幅web(最大值)沿着线节点的振幅(最小值)。(6)质量因素问代表通信信号的能力,允许分离相邻频率的信号,和它的方程如下: 当代表的通信信号的中心频率,BW代表3 dB带宽。更大的价值问表明,该设备具有更高的工作稳定,频率选择性更强,降低损失,但窄波段;相反,一个较小的值Q值表明设备的操作稳定性较低,频率选择性较弱,损失比较大,但是频带宽。时的值问增加设计、Q值越高,设备的性能越强。(7)共振频率:关于通信信号,有多种方法来解决共振频率。因此,也有各种因素影响谐振频率。常见的共振频率影响因素包括通信信号的结构、形状和谐振模式,等等。在实践中,四种方法常用于解决共振频率:electro-nano方法,集总参数方法,字段的解决方案方法,相位的方法。

上述指标是用来测量交流信号的性能。在实践中,它不需要设置所有指标的限制,和一些指标可以根据实际需求进行了优化。

2.2.2。测量信号的处理结果

通信信号的传递函数是一个数学公式表达交流信号的频率响应特性。关于古典两口的通信信号,传输函数方程如下: 在哪里代表脉动系数,代表低通原型的功能特点,和代表频率变量。

通信信号的特点通过频率响应特性。对通信信号的分类作为本文开始提到的,他们可以分为四种类型(即。低通,高通,带通和带阻)根据频率响应特性。高通、带通和带阻力可以通过频率的低通原型和组件。

在沟通过程中,发射机产生的辐射噪声来源主要是噪音。一般来说,它指的是通信信号的振幅、频率、脉冲宽度和重复频率一起导致异常变化,也就是说,沟通过程信号的稳定性导致辐射噪声来源。信号不稳定因素大致可以分为两类:固定不稳定和随机的不稳定。常规不稳定主要是因为力量不足过滤,机械抖动,等等;随机不稳定产生的噪音发射机管和调制脉冲生成随机抖动。

目前,通信信号的逐步改善协议将有助于提高发射机的稳定性。因此,大规模使用的主要振动放大发射机,产生的噪音主要可以分为以下三个方面:(1)根据幅频特性和相频特性的系统,可以分析频域失真的原因。(2)顶部的调制脉冲产生振动;顶部开始下降的电源波动发射机由于寄生阶段相对应的信号或造成的振幅时域失真现象。(3)主要控制振荡器频率稳定度和相位稳定性不足。不同的电路或设备用于不同的通信发射机导致不同的各种通信发射机的声音。

因此,通信信号中的不协调的调制脉冲噪音是由于发射机。产生的噪音是由于各种寄生调制。通信信号存在的差异信号特性。

噪音来自通信发射机的输出表明更多的非高斯和非线性特性,在双谱分析,信号幅度和相位信息维护。同时,高斯non-color噪声的影响在非高斯信号双频谱完全压制,可用于提取无意识的调制特性。因此,以下相应获得双频谱的概念。

假设高阶累积量 是绝对可和的,也就是说,可以获得如下:

的k阶谱定义为(k−1)秩序的离散傅里叶变换k阶累积量,可以得到如下:

因此,双频谱,三阶谱,可以定义如下:

信号的双频谱包括相位噪声可以从双频谱估计获得。离散噪声信号通过侦察为代表 ,在哪里代表了高斯白噪声信号,年代(n)包括非高斯噪声的信号从发射机输出,和和年代(n)是相互独立的。如果累积量是解决三次x(n),可以获得以下:

方程(4)是扩大和组合获得以下:

只要信号和噪声的平均值为零,可以获得如下:

作为是高斯噪声信号, 可以被排除在计算。因此,它可以知道沟通信可以用来消除白噪声三阶积累之后,然后可以由双频谱 ,也就是说,可以获得如下:

根据上述分析,可以观察到评估双谱特性主要由信号本身的特性和非高斯噪声。因此,通信信号的双频谱评估主要是基于特定信号本身的特性,而且还可以获得特定于各种通信功能。

然而,如果二维函数可以采用全双工频谱的信号特性来产生一个二维模板匹配的操作可以过高,不符合高标准要求信号辐射源识别。解决这个问题的关键在于引入高性能计算双频谱;在方程(28),二维双频谱转换为一维函数。然而,高性能计算双频谱有以下缺陷:(1)高性能计算的实现双频谱通常是高性能计算每条路径。然而,次要功能通过这种模式的计算是不一致的识别结果,和一些双谱点对结果的影响相对较少公认的目标和所属普通双频谱。(2)如果有一个交叉项在最初观察到信号,计算出的高阶积累使用multi-correlation函数会导致交叉项的结果变得更加复杂。随着交叉项是由一个随机分布,是不可能消除交叉项的基础上,确定计算方法。

为了提取的二次特征双频谱特性的双频谱和消除或减少的过程中发生的缺陷双频谱的高性能计算,可用于通信信号的特征参数可以获得最佳的可分性在二级的双频谱特性。因此,它能有效地解决许多问题,如交叉项引起的普通双谱点和高性能计算。

为了使通信信号满足实际的性能特征,有必要设计一个适当的倒角尺寸在设计过程中。戒指尺寸变大时,上、下通频带边缘沿着传输零点,衰减极点变得越来越小。沟通的中频信号往往是一个更高的频率,从而改变通信信号的频率特性。补丁之间的距离缩短的共鸣和通频带带宽越小,衰减点首先会变小,然后变得更大。因此,基于软件用于通信信号的优化结构参数,最后,获得的通信信号的结构维度,如表所示1。

通过选择一个向量分析仪器测试通信信号,图1仿真测试图对应的通信信号。从图1可以看出,双通频带通信信号的中频3.8 GHz 5.9 GHz,和相对应的带宽3 dB是13.5%和6.2%,分别。宽带的最低插入损耗为0.7 dB和1.3 dB反过来,通频带的回波损耗并不是高于60分贝。此外,还有零分上下通带的边缘,从而大大提高了阻带的抑制特性。实验数据与仿真数据有很好的一致性。

本文采用自共轭先验概率建模,得到的后验分布的封闭解直接进行高性能计算(17]。假设X站的观测数据和代表的一组随机变量;然后可以获得近似后验分布的表达式如下: 常量的地方。代表一个常数保证正常化后分布。在随后的部分,按照方程(18)和概率模型建立,近似后验分布的变量θ,α,解决了稀疏重建通过使用高性能计算。按照平均场假设,方程(14)后相乘的形式给出的θ,α, 。

的步骤θ解决方案描述如下:

步骤1。初始化。鉴于 ,v1、v2、v3 v4, ,和α终止阈值,初始化吗 ,G2和终端的数量。

步骤2。更新的变量α,其近似后验分布是伽马分布根据方程(14),见以下方程: 在哪里 和 ,在这代表的长度y。在这一点上,的期望α可以得到如下:

步骤3。更新的变量 ,和的近似后验分布dth元素是伽马分布,见以下方程: 在哪里 和 。因此,的期望可以得到如下:

步骤4。更新的变量θ,其近似后验分布是高斯分布,见以下方程: 在哪里 和 。在这个时候,可以获得如下:

第5步。重复步骤24,迭代是暂停的相对变化从先前的估计不超过阈值 。
在下一节中,精度要求 分析了根据方程(4)。关于HRRP合成、二次阶段会导致图像传播的距离。因此,它要求相干积累时间的变化的破裂应小于 。因此,以下可以得到: 在实践中,方程(26)通常可以满足。因此,的影响HRRP合成被忽视。为了消除信封弯曲引起的一阶项领域阶段 ,要求信封转变引起的剩余速度和剩余加速度在处理观察时间不应超过指定的范围。因此,以下可以得到: 应该注意的是,线性阶段生成之间的破裂导致的转变和弯曲的图像和距离结果扩大和散射的方位主要皮瓣。
为了获得优秀的方位聚焦,要求的峰值减少方位的形象造成了剩余加速度在处理观察时间应不超过3分贝;然后可以获得以下: 因此,方位聚焦需要更高精度的加速度估计。最后,为了获得一个备受形象,信号的剩余速度和剩余加速度应符合方程(36)和(37)。随后的实验表明,本文提出的算法可以估计精度符合要求。

3所示。仿真实验与分析

本文提出的参数估计算法的有效性在传输过程和高分辨率处理算法是基于仿真数据验证。回声的卫星散射点模型(如图2下图)生成依照设定的参数表2和3。假设剩余速度和剩余的加速度信号9米/秒和1 m / s²,分别。双谱二次特性模型包含128破裂,和每一个包含64个随机选择的连续脉冲从80年full-band脉冲(波形1)。通过添加复杂的高斯白噪声的呼应,回波信噪比可以从0分贝增加到15分贝5 dB的步骤。对于每一个信噪比,25个独立试验不同噪声状态进行遗传算法种群的数量设置为40和遗传终止妊娠的数量设置为20。相比,本文提出的算法与基于参数数据库的PSO算法(算法1)。在比较,图像熵的距离加权平均距离图像熵作为信号函数按照算法1。

残余信号的变化速度和加速度估计错误与信噪比的变化如图所示3。它可以观察到,算法1在低信噪比的估计误差相对较大,未能符合方程(26)和(27)。这是由于较大的重建误差的基础上,OMP算法在低信噪比条件下。与信噪比的增加,算法1的估计误差却降低了。然而,评估结果仍然不符合精度要求,会导致图像散射。1算法相比,本文提出的算法在任何信噪比条件下是健壮的。此外,错误的剩余速度和剩余加速度估计1×10⁻²米/秒和5×10⁻³米/秒²分别可以满足方程的估计精度要求(26)和(27)。性能优越的运动参数估计的算法在低信噪比条件下是归因于以下方面:(1)Gamma-Gaussian prior-based重建算法,可以实现HRRP的重建精度高和(2)优秀的全局优化能力的遗传算法。

随着信噪比的估计误差算法1 0分贝过于大,无法实现集中处理,为了一个公平的比较,建立了数据库在根据基于该算法获得的运动参数估计;然后OMP, GD和高性能计算进行解决方程(9);和图像从而获得如图4。从图4,它可以观察到,该算法提出了对应的处理结果与清晰的轮廓,更少的错误点,和比其他方法更好的聚焦效应。特别是,该算法可用于描述太阳帆的细节面板更恰当。此外,图像熵对应三种方法可以获得为0.3310,0.2935和0.2915。

为了充分验证该算法提出,三种算法的稳定性进一步比较。信号识别存在外部干扰效果进行了分析。图5显示相应的时域波形的信号。

高性能计算通信信号的识别过程中,是不可能的,以确保接收目标信号和计算的长度和质量在一定数量的情况下可呈现稳定的特性,这是作为一个基本评价标准算法的实用性。优秀的特征值提取方法不应受到训练的数量,和这些方法应该被应用时具有良好的鲁棒性能。在充分考虑到这一点,训练样本的识别精度通过使用目标相应的实验信号进行了研究。信号样本的数量在每一部分包含500分。对于每个类,信号测试样品的数量设置为100,和训练样本的数量调整到50,100年,150年和200年,分别。实验进行了30次。均值和方差识别利率根据三种方法获得的记录,如表所示4。

在实证测试中,不同的调制方法是用来增加训练样本的数量如表所示1,有效地提高了识别算法的速度。因此,识别性能开始稳定下来。当真正的数字识别是通过使用三种方法相比,本文提出的方法识别最高利率真正的信号测量,其次是ISIB方法,和后街男孩的方法是最有效的。当增加从50到200年,距离的识别速度选择双频谱的BAS提高约4%,而ISIB和方法提出改善约3%和2%,分别。实验结果表明,本文提出的算法具有良好的稳定性、识别结果由训练样本的数量的影响较小,因此模型建立了具有良好的鲁棒性,这表明该算法有较强的实用性。

4所示。结论

细特性的基础上,研究在双谱分析辐射源个体识别、双谱的二次特征提取的优化利用扩展巴比特距离标准按照通信信号的双谱特征的深入分析对角切片。该方法可用于实现有限偏差和迅速识别观测误差值和执行有效的变分参数的计算复杂性。实验表明,该方法是有效的。上的信息也可以恢复原始信号在低信号噪声背景。沟通散射点和噪声的统计特性。通过实际分析,实验结果表明,本文提出的方法减少了使用时间。此外,它可以应用于多种类型的通信信号。双谱特征从而获得总是有良好的鲁棒性在低信噪比(信噪比)。当信噪比为0时,识别通信信号的高性能计算率可以达到90%以上。然而,在一般情况下,一系列的个人识别方法基于双谱分析的常见问题的辨认率相对较低。 Taking into account the subtle features in the other aspects of the signals, a feature vector is formed, which can further improve the practical effectiveness of the algorithm proposed in this paper.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这个研究是由(1)Xijing大学研究基金会,和项目号码是XJ200105;(2)有才华的学者的研究基金会Xijing大学和项目数字XJ19B01, XJ20B01, XJ17B06;(3)陕西省重点实验室的基础的集成和智能导航,和项目号码是skliin - 20190102;(4)陕西省自然科学基金,项目数字是2021 jm - 537和2021 gy - 341。作者要感谢这些项目支持这篇文章。