位置:成果数据库 > 期刊 > 期刊详情页
一种压缩域下的跳频信号盲识别新方法
  • ISSN号:1001-2400
  • 期刊名称:西安电子科技大学学报
  • 时间:2013
  • 页码:1-5
  • 分类:TN911.23[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:[1]西安电子科技大学综合业务网理论及关键技术国家重点实验室,陕西西安710071
  • 相关基金:国家自然科学基金资助项目(61201134)
  • 相关项目:基于欠定盲分离的跳频信号分选和识别技术研究
中文摘要:

针对通信对抗中的跳频信号盲识别问题,提出了一种压缩域下的跳频信号盲识别方法.利用该方法直接处理压缩采样值,可以完成跳频信号识别任务.首先深入分析了压缩采样值在接收信号中有/无跳频信号两种不同假设下的数学期望的差异,将跳频信号采样值与其在各个假设下数学期望的偏差作为判决依据,完成识别任务,然后在不重构的前提条件下仅利用低速率压缩测量向量实现跳频频率的估计.仿真实验表明,该方法在信噪比高于-2dB环境下具有良好的识别效果,其频率归一化均方误差可以达到10-4量级,具有较高的频率估计精度.此外,相比于其他识别方法,该方法大大降低了数据量和算法复杂度,显著缩短了识别时间.

英文摘要:

A novel method to blindly identify frequency hopping signals is presented in the compressed domain. The samples obtained by compressive sampling effectively maintain the structure of and the information on the original signal, so the task of identification of the original signal could be done by directly processing the sampling values. The method is based on the difference in numerical characteristic between sampling values. According to the different characteristics of the expectation of sampling values under different hypotheses, identification is accomplished by using the deviation of the actual sampling values from the expectations under the corresponding hypothesis as the criterion. Without reconstructing the frequency hopping signal itself, hopping frequencies can be estimated through a small number of measurements by the compressive sampling algorithm. Simulation results have proved that the proposed method is adequate to the environments in which the signal-to-noise ratio is higher than - 2 dB. Meanwhile, compared with other traditional methods, the proposed algorithm greatly reduces the amount of data, the computational complexity, and the identification time.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《西安电子科技大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:西安电子科技大学
  • 主编:廖桂生
  • 地址:西安市太白南路2号349信箱
  • 邮编:710073
  • 邮箱:xuebao@mail.xidian.edu.cn
  • 电话:029-88202853
  • 国际标准刊号:ISSN:1001-2400
  • 国内统一刊号:ISSN:61-1076/TN
  • 邮发代号:
  • 获奖情况:
  • 曾13次荣获省部级优秀期刊荣誉和优秀编辑质量奖,2006年荣获首届中国高校优秀科技期刊奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:12591