基于奇异值熵与压缩感知的跳频信号检测技术.pdf

基于奇异值熵与压缩感知的跳频信号检测技术

摘要

跳频通信因具有高保密性、低截获率、便于组网等卓越特性，在军用和民用领域得

到了广泛应用。随着通信技术的发展，通信环境变得越来越复杂，给跳频信号的检测任

务带来了巨大的挑战。与此同时跳频信号工作带宽的不断扩展，导致了高采样率和庞大

的数据处理难题。而压缩感知理论克服了奈奎斯特采样定理的限制，为信号数据处理问

题提供了新的解决思路。本文的主要内容涵盖了非合作条件下跳频信号的检测和参数估

计，着重研究了基于奇异值熵的盲检测方法和基于压缩感知的参数估计算法。

首先，深入阐述了跳频通信系统的工作原理及数学模型，并对跳频信号的相关参数

进行了详细说明。介绍了常用时频分析算法并总结了它们的优缺点，此外研究了两种基

本的参数估计算法。随后叙述了压缩感知理论，为后续的算法实现奠定了理论基础。

其次，针对现有跳频信号检测算法在低信噪比下性能急剧下降的问题，利用定频信

号、跳频信号和噪声时频图像的特征差异，提出一种基于奇异值熵的盲检测算法。该算

法经过短时傅里叶变换获取信号的时频图谱，利用时频对消、时频迁移处理及奇异值分

解计算奇异值熵来反映时频图的能量分布特征。由于噪声和跳频信号的时频能量分布不

同，故采用奇异值熵作为跳频信号的检测量。仿真结果表明，所提算法能在存在定频干

扰的环境中准确识别跳频信号，且具有抗噪声功率不确定性；该方法也可用于高斯白噪

声背景下定频信号、跳频信号的识别。

最后，针对跳频信号的参数估计问题，利用跳频信号在时频域的稀疏特性，研究了

基于密度聚类空间应用算法（Density-BasedSpatialClusteringofApplicationswithNoise，

DBSCAN）算法和压缩感知的参数盲估计算法。该算法将跳频信号分段并进行压缩采样

处理，通过最大余弦法估计各分段的载频频率；接着，使用改进的R-DBSCAN（Rectangle-

Density-BasedSpatialClusteringofApplicationswithNoise）算法对时频点进行聚类，并通

过修正处理得到更为清晰的时频图案，有效抑制了噪声点的影响，获得了准确的跳频频

率估计值；通过构建含有跳变时刻信息的原子字典，将含有跳变点的观测信号与各原子

进行匹配，最终得到跳时刻的精确估计值。仿真结果表明，所提出的R-DBSCAN算法

有效增强了算法在低信噪比下的参数估计性能。

关键词：跳频信号；奇异值熵；时频分析；压缩感知；R-DBSCAN聚类算法

基于奇异值熵与压缩感知的跳频信号检测技术

Abstract

Frequencyhopping(FH)communication,knownforitsexcellentcharacteristicssuchas

highconfidentiality,lowinterceptionrates,andconvenientnetworking,hasfoundwidespread

applicationsinbothmilitaryandciviliansectors.Withthedevelopmentofcommunication

technology,thecommunicationenvironmenthasbecomeincreasinglycomplex,posing

significantchallengestothedetectionoffrequencyhoppingsignals.Atthesametime,the

continuousexpansionoftheoperationalbandwidthoffrequencyhoppingsignalshasresulted

inhighsamplingratesandmassivedataprocessingproblems.However,compressivesensing

theoryovercomesthelimitationsoftheNy