基于欠定盲分离的跳频信号分选和识别技术研究

Blind source separation technique due to its blind nature, have a wide range of applications in communication confrontation. Aiming to the multiple frequency hopping (FH) signal separation and identification technology for underdetermined mixed conditions, by using the sparsity of FH signal in Frequency domain, we research the separation technology of the FH signal, including estimation of the Time-varying underdetermined mixing matrix and the restoration of FH source signals. According to the line clustering properties of the full sparse source and plane clustering properties of the non-sufficient sparse source, by using the idea of adaptive clustering algorithm and potential function, a novel real-time underdetermined mixing matrix estimation algorithm adapt to time-varying channel will be presented. Aiming to the problem of the restoration of the non-sufficient sparse source signal, a robust restoration algorithm for underdetermined mixed FH signal will be proposed. Finally we give a complete separation algorithm of underdetermined mixed FH signal with low computational complexity, high accuracy, and strong anti-noise. On this basis, parameters identification technology of a single separated FH signal is researched by using compressed sensing theory, and a FH signal parameters (Hoping frequencies, hopping rate, Hop timimg) identification algorithm based on the compressed sensing is presented. Researching on the project opens up a new way for the FH signal Reconnaissance techniques.

盲源分离技术由于其盲的特性，在通信对抗中具有广泛的应用前景。针对欠定混合条件下多个跳频信号的分选和识别技术，利用跳频信号频域的稀疏性，研究基于欠定盲分离的跳频信号分离技术，包括时变欠定混合矩阵的估计以及跳频源信号的恢复。根据充分稀疏信号的直线聚类或非充分稀疏信号的平面聚类特性，利用自适应聚类算法以及势函数的思想，提出一种新的适用于时变信道的欠定混合矩阵实时估计算法；然后针对非充分稀疏源信号的恢复问题，提出一种稳健的欠定混合跳频源信号恢复算法；最终给出一套完整的欠定混合跳频信号分离算法，该算法计算复杂度低、精确度高、抗噪能力强。在此基础上，对分离出来的单一跳频信号的参数识别技术展开研究，利用压缩感知理论，提出基于压缩感知的跳频信号参数（跳频频率、跳频速率、跳变时刻）识别算法。本项目的研究为跳频信号的侦查开辟一条新的技术途径。

本项目在分析跳频信号稀疏特性的基础上，对基于欠定盲分离的跳频信号分选和识别技术展开研究。本项目首先研究了欠定盲分离中的混合矩阵估计技术，针对充分稀疏混合矩阵估计技术，本项目组提出了基于改进K-均值聚类的欠定混合矩阵盲估计算法，基于改进势函数的欠定盲源分离算法和基于点密度大区域检测的算法等多种改进的算法。针对源信号非充分稀疏时欠定混合矩阵的估计，主要提出了基于估计参数势函数法的欠定混合矩阵盲估计算法。该算法在没有增加复杂度的情况下，基于估计参数势函数的方法提高了混合矩阵的估计精度和源信号估计的准确率。针对时变的欠定混合矩阵估计，提出了一种改进的时变欠定盲分离混合矩阵估计算法，该算法在混合矩阵发生某列增加、某列减少、某列消失的变化时均能检测出变化，并且时变混合矩阵估计时具有更好的性能。.本项目第二个大的研究内容是欠定盲分离中源信号恢复算法。针对现有的贪婪算法恢复精度不高的问题，提出了子空间互补匹配追踪算法，改进的算法在降低算法复杂度的同时，提高了算法的精度。针对基于L1范数的稀疏信号重构算法复杂度较高的问题，提出了基于L1范数的互补匹配追踪算法。与现有算法相比，所提算法在显著降低算法复杂度的同时，保持了原有算法的精度。针对平滑L0范数收敛速度慢的问题，提出了基于修正牛顿法的径向基函数算法。通过仿真得出，改进的算法在显著降低算法复杂度的同时，也提高了算法的精度。.最后本项目将欠定盲源分离技术应用到跳频信号盲分离中，将多个跳频信号分离开，并研究了跳频信号的分选和识别技术。针对跳频信号的参数估计技术，本项目组提出了一种基于短时傅里叶变换与平滑伪分布相结合的方法。该方法在欠定条件下可有效估计出同步正交多网台用户跳频信号的各参数。同时针对欠定条件下多个跳频信号的参数估计问题，提出一种基于时频图修正的跳频信号参数盲估计算法，结果表明，在信噪比低于0dB时，该方法可获得较高的参数估计精度。.针对跳频信号的分选和识别技术，本项目组提出了一种结合码元速率和到达角的多参数融合的同步正交跳频信号分选算法，该算法首先解跳由欠定盲分离算法恢复的跳频信号，查找解跳后的信号中最接近的波峰与波谷之间的间距进行码元速率估计，然后以码元速率和到达角作为数据点，计算各条数据点之间的距离，将距离接近的划为一类，完成跳频信号的分选。解决了到达角模糊性带来的分选难题，提高了算法的稳健性。