基于卷积盲分离的强干扰下通信信号分离算法

基于卷积盲分离的强干扰下通信信号分离算法

ID:46646277

大小:1.41 MB

页数:8页

时间:2019-11-26

基于卷积盲分离的强干扰下通信信号分离算法_第1页
基于卷积盲分离的强干扰下通信信号分离算法_第2页
基于卷积盲分离的强干扰下通信信号分离算法_第3页
基于卷积盲分离的强干扰下通信信号分离算法_第4页
基于卷积盲分离的强干扰下通信信号分离算法_第5页
资源描述:

《基于卷积盲分离的强干扰下通信信号分离算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2016年6月第42卷第6期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsJune2016V01.42No.6http:ffbhxb.buaa.edu.cnjbuaa@buaa.edu,cnDOI:10.13700/j.bh.1001-5965.2015.0412基于卷积盲分离的强干扰下通信信号分离算法郭晓陶,王星+,周东青,陈游,程嗣怡(空军工程大学航空航天工程学院,西安710038)摘要:针对目前通信辐射源个体识别算法在实际试验中由于各类干扰信号和多径衰落导致识别率较低的问题,提出一种用于识别算法前端的信号

2、分离算法,可有效地减少其他电磁信号对于识别算法输入信号的影响,从而提高在复杂电磁环境中通信辐射源个体识别的正确识别率。该算法将灾变策略和搜索状态的自适应引入量子粒子群算法,通过对混合信号的联合对角化从截获的观测信号中提取出目标通信辐射源的有用信号。为了更加系统、直观地衡量算法的分离效果,提出分离熵来量化算法的整体性能。仿真结果表明,该分离算法可以把目标通信辐射源的有用信号从复杂电磁环境中提取出来,从而提高通信辐射源个体识别在复杂电磁环境中的正确识别率,具有较好的可行性和有效性。关键词:信号盲分离;通信辐射源识别;多径衰落;量子粒子群算法;抗干扰中图分类号:V221+.3;TB553文献标识码

3、:A文章编号:1001—5965(2016)06-1295—08目前在通信辐射源个体识别方面主要有4种特征提取方法,包括相空间重构法、小波变换法、测量稳态信号相轨迹位移量以及根据高阶谱分析提取个体特征¨。J。通过理论分析和仿真结果可知这些方法对特定信号的识别率能达到90%左右,但对实测信号的识别率却会迅速恶化。这是由于这些方法易受其他电磁信号干扰,在实际的复杂电磁环境中,目标信号往往会因为与干扰信号混叠在一起造成信号的恶化以及个体识别的失败。此外,由多径效应引起的信号幅度和相位扰动也是导致识别率恶化最大原因之一”1。因此,减少这些因素对通信目标个体识别的影响成为目前亟待解决的问题。针对上述问

4、题,在接收机前端通过一定的技术手段将目标通信信号与其他电磁信号分离,再进行个体识别就能有效提高正确识别率。近20年来,随着盲源分离研究的不断深入∞。1,使得这种解决思路得以实现。盲源分离(BlindSourceSeparation,BSS)是指在不知道源信号和传输信道参数的情况下,根据输入源信号的统计特性,仅由观测信号恢复出源信号的过程。在理论分析时,通常认为多径信道中各路分量及其他电磁信号之间是相互独立的旧1,满足了盲源分离的基本假设和约束条件,因此可以将盲源分离技术用于本问题的研究。盲源分离的数学模型主要有线性瞬时混合模型和卷积混合模型。线性混合模型与现实情况偏差较大,在实际应用中受到很

5、大的限制;而卷积混合模型考虑到信号多径等因素的影响,将观测信号视为源信号在不同时刻的非线性叠加,因此本文在卷积混合模型的基础上,提出了基于改进量子粒子群优化(QuantumParticleSwarmOptimiza-tion,QPSO)的卷积盲分离算法。该分离方法使用Qpso算法进行联合对角化,将与其他电磁信号收稿日期:2015-06-23;录用日期:2015—1l-06;网络出版时间:2015—12—1710:41网络出版地址:WWW.cnki.net/kcms/detail/11.2625.V.20151217.1041.001.html基金项目:航空科学基金(20145596025,2

6、0152096019)十通讯作者:Tel:029—84787651E—mail:17791862035@163.corn引用格式:郭晓胸,王星,周东青,等,基于卷积盲分离的疆干扰下通信信号分离算法ⅣJ.北京航空航天_夭学学旅,2016,42∞j:1295.1302.GUOXT,WANGX,ZHOUDQ,eta1.RadiosignalseparationalgorithmunderstronginterferencebasedOileonvolu-tiveblindseparationfJJ.JournalofBeijingUniversityofAeronauticsandAstronau

7、tics,2016,42(6):1295—1302(inChinese)·1296北京航空航天大学学报2016年混叠在一起的目标通信信号分离出来,以便更加精确地对通信辐射源进行个体识别。理论与仿真表明,本文提出的改进算法计算复杂度更低,且分离性能较好。1信号的卷积盲分离模型为了获得在侦察接收机处截获信号的特性,本文首先对通信信号在无线信道中的传输模型进行分析,确定无线传输信道对信号的影响。1.1无线传输信道模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。