| 标题 | 基于形态学预处理的短波猝发信号检测算法 |
| 范文 | 李波 摘 要： 在短波宽带接收条件下的猝发信号检测中，存在信道噪底起伏较大、多峰信号较多等问题。针对这两个问题，提出一种基于频谱灰度形态学预处理原理的短波检测方法，通过将宽带频谱图作为一维灰度图像进行形态学预处理，较好地估计了宽带频谱的噪声基底；并采用自适应门限、幅度门限和带宽门限等多门限联合判证方法，有效解决了多谱峰信号的判证问题。大量实验表明，该检测方法能够在宽带条件下实现对短猝发信号的高概率捕获，具有很强的鲁棒性和实用性。 关键词： 短波宽带接收； 猝发信号检测； 形态学预处理； 噪底估计 中图分类号： TN911.72?34 文献标识码： A 文章编号： 1004?373X（2015）09?0032?03 Abstract： There are problems of great fluctuation of channel noise floor， plenty of multi?peak signals and so on in burst signal detection under the conditions of short wave wideband receiving. To solve the two problems， a short wave detection method based on spectrum gray?scale morphology pre?processing theory is proposed. The noise floor of wideband spectrum is well estimated by taking the wideband spectrum chart as the one?dimensional gray image to perform morphology pre?processing. The problem of multi?peak signal identification is solved by the combined identification method of multi?threshold， such as adaptive threshold， amplitude threshold and bandwidth threshold. The experimental results indicate this detecting method can realize high probability captur of the shortwave burst signal under wideband condition， and has the characters of strong robustness and practicability. Keywords： shortwave wideband receiving； burst signal detection； morphology pre?processing； noise floor estimation 0 引 言 随着数字短波通信技术不断发展，短猝发通信、跳频通信在军事隐蔽通信中获得了广泛应用。由于通信频点未知，第三方截获必须在宽带条件下进行。短波信道是一种在时域、频域、空域上都快速变化的色散信道，信道相干时间和相干带宽都较小，使得宽带检测面临诸多问题，如短波宽带信道噪底起伏较大、存在大量多谱峰信号等[1?2]。为提高短猝发信号的检测准确率，需要减小或消除噪声干扰以及信号频谱形状变化等因素造成的不利影响，准确估计出噪声基底，提高对信号存在性的判断能力，改善信号参数的测量精度。 文献[3]提出采用线性滤波、中值滤波结合非线性自回归平滑滤波的噪底估计方法；文献[4]提出了基于形态学滤波的方法，通过对频谱的迭代开运算，来估计噪声基底。当信号频谱覆盖的离散谱线较少时，上述方法得到了很好的检测效果。当信号带宽很宽时，采用线性滤波方法对噪底估计误差较大，而且文献[4]中方法需要选择大尺寸的结构元素，运算复杂度过高，不利于工程实践。本文从实际应用出发，提出了一种基于频谱灰度形态学预处理和检测信号特征融合的宽带检测算法，将宽带频谱图作为一维灰度图像进行形态学预处理，对信号搜索结果通过信号特征融合更新检测集合，在大带宽范围内未知频点信号检测中取得了良好的效果。 1 基本原理 短波信道是一种在时域、频域、空域上都有变化的色散信道，由于信道环境、阻抗失配等因素的影响，宽带接收机输出的噪声基底并不平坦，而且具有频变特性。此外，短波信道存在着大量频谱呈多峰形状的信号，可能会出现一个信号被判为多个信号的情况。这是短波宽带信号检测中需要着重解决的两个问题[5?6]。 本文采用Welch周期图法对短波宽带信号的功率谱进行估计，并将频谱图作为一维灰度图像，通过形态学开闭运算等处理，实现了噪底的估计。通过形态学顶帽变换等处理，实现了信号的白化与增强。最后通过多门限联合判证，实现了短波宽带猝发信号的快速检测。 1.1 功率谱估计 基于频谱灰度形态学预处理的宽带信号检测算法，首先需要进行信号谱估计，实现从时间域向频率域的变换。考虑到短波频段电磁环境比较复杂、短时突发信号较多等特点，权衡搜索性能和速度等实际要求，采用Welch周期图法对采样数据进行功率谱估计，在保证较快处理速度的同时，尽量降低噪声干扰的影响。 Welch法是一种较常用的非参数化谱估计算法。假设采样数据为[x（n）]，[n=0，1，…，N-1]，将数据分为[L]段，每段长度[M，]相邻段重叠点数为[K，]则采用Welch法得到的搜索功率谱估计为： 1.2 形态学预处理 随机噪声会导致功率谱曲线上出现毛刺，严重影响信号搜索性能和速度。为消除这类影响，在进行信号检测前需要进行必要的谱平滑预处理。 形态学是由法国数学家Matheron和Serra共同创立的，其基本思想是根据图像的形状、尺寸等几何结构特征以及与相邻物体的拓扑关系，利用预定义的结构元素对图像进行匹配或局部修正，以达到提取信号、抑制噪声的目的。 根据形态学理论，开运算可平滑、抑制信号峰值噪声，消除信号散点和毛刺；闭运算可抑制信号波谷噪声，填平信号中的小沟结构，实现信号频谱分量融合；顶帽变换可消除噪声引起的频谱波动，突出信号尖峰，实现在较亮的背景中获得较暗的连通区域，或在较暗的背景中获得较亮的连通区域。对信号联合利用顶帽变换和闭运算进行非线性处理，可以有效克服色噪声干扰和信号频谱特征变化对信号检测效果的影响[7?9]。 2 主要实现步骤 算法首先采用Welch周期图法实现对宽带数据的谱估计，然后运用顶帽变换实现宽带频谱的色噪声白化处理，运用闭运算实现信号分量融合，运用噪声基底估计求取自适应检测门限，通过自适应门限信号搜索和检测信号特征融合得到最终的检测结果集合，主要步骤如下： （1） 采用Welch周期图法对接收到的宽带数据进行谱估计； （2） 对宽带频谱灰度图像，运用形态学开运算和闭运算实现对灰度图像中的噪底估计； （3） 运用形态学顶帽变换，对信号频谱进行白化处理； （4） 运用形态学闭运算实现信号增强； （5） 采用频域中的恒虚警检测方法[10]，完成自适应门限的求取。根据自适应门限、幅度门限、带宽门限和经过预处理的宽带频谱，判断信号有无，计算信号中心频率、带宽、功率等参数。 在上述过程中，Welch谱估计处理可降低信道衰落的影响，得到功率谱的估计值；噪底估计在开运算之前增加一级闭运算可有效平滑信号频谱；白化处理可消除信号的散点和毛刺，使噪声基底平坦化；信号增强处理可进一步平滑频谱，将一个信号的多个谱峰融合为一个较宽谱峰，从而避免将同一信号的多个频谱分量误判为多个信号。 3 仿真试验 在仿真实验中，将模拟产生的持续时间为10 ms的单音信号，通过矢量信号源回放，叠加到实际短波环境中，在接收带宽为8 MHz的情况下，对检测算法进行仿真实验。实验中通过调整单音信号的功率，使信噪比从5～15 dB变化，步进为1 dB，每个信噪比做500次蒙特卡洛实验。图1给出了在信噪比为12 dB时信号的频谱图，其中绿线为信号的幅度谱，红线为由本文算法估计的噪底。从图中可以看出，实际短波信道噪声的起伏比较剧烈，而本文的算法能够自适应地估计出噪底，较准确地判断出信号的有无。 4 结 语 采用宽带接收机作为接收前端是短波信号检测与分析的主要发展方向之一，由于其瞬时接收带宽较宽，可解决未知频点猝发信号的实时捕获难题。但宽带接收条件下的信号检测、分选与识别等面临的问题较传统窄带方式要复杂得多。本文采用基于频谱灰度形态学的预处理算法，有效解决了宽带检测时遇到的噪声基底起伏剧烈、信号频谱形状瞬时变化等问题。通过大量的实验验证表明，本文所设计的检测方法在典型信道环境下可实现大带宽范围内未知频点短猝发信号的大概率捕获，具有很强的实用价值。 参考文献 [1] RICHARD A P. Target acquisition in communication electronic warfare systems [M]. London： Artech House， 2004： 10?21. [2] 罗佳，张文明，陶华敏，等.通信侦察测频接收机的建模与仿真[J].系统仿真学报，2006，18（10）：2440?2444. [3] MACLEOD M D. Nonlinear recursive smoothing filters and their use for noise floor estimation [J]. Electronics Letters， 1992， 28（21）： 1952?1953. [4] READY M J， DOWNEY M L， CORBALIS L J. Automatic noise floor spectrum estimation in the presence of signals[C]// Conference Record of the Thirty?First Asilomar Conference on Signals， Systems and Computers. California： IEEE， 1997， 1： 877?881. [5] 陈含欣.短波信号监测系统关键技术研究与实现[D].郑州：解放军信息工程大学，2010. [6] 朱庆厚.通信侦察中信号的搜索与截获[J].电子对抗，2005（5）：11?12. [7] 赵晓群，刘颖娜，武睿.基于形态滤波的基音检测新方法[J].通信学报，2004，25（5）：53?58. [8] 季虎，孙即祥，毛玲.基于小波变换与形态学运算的ECG自适应滤波算法[J].信号处理，2006，22（3）：333?337. [9] 尚海燕，水鹏郎，张守宏，等.基于时频形态学滤波的能量积累检测[J].电子与信息学报，2007，29（6）：1416?1420. [10] 郭贵虎.基于SDR的宽带中频中FM信号自动检测与解调技术研究[D].合肥：中国科学技术大学，2003. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。