任　旭，朱衛(wèi)綱，邢　強(qiáng)

(裝備學(xué)院，北京 101416)

跳頻信號(hào)參數(shù)估計(jì)方法

任旭，朱衛(wèi)綱，邢強(qiáng)

(裝備學(xué)院，北京 101416)

摘要：跳頻通信憑借其良好的抗干擾性能與抗截獲能力，廣泛應(yīng)用于軍事通信領(lǐng)域，同時(shí)也向通信偵察提出了嚴(yán)峻的挑戰(zhàn)。如何快速并準(zhǔn)確地對(duì)跳頻信號(hào)進(jìn)行參數(shù)估計(jì)已經(jīng)成為通信偵察急需解決的問(wèn)題之一。分別從高斯白噪聲和復(fù)雜環(huán)境條件2個(gè)方面對(duì)現(xiàn)有跳頻信號(hào)參數(shù)估計(jì)方法進(jìn)行了綜述，并給出了各自的優(yōu)缺點(diǎn)，分析了跳頻信號(hào)參數(shù)估計(jì)中亟待解決的問(wèn)題和發(fā)展趨勢(shì)。

關(guān)鍵詞：跳頻信號(hào)；參數(shù)估計(jì)；時(shí)頻分析；信號(hào)分解；壓縮感知

0引言

跳頻通信系統(tǒng)是指通信雙方或多方在相同同步算法和偽隨機(jī)跳頻圖案算法的控制下，射頻頻率在約定的頻率表(N個(gè)頻率的集合)內(nèi)以離散頻率的形式偽隨機(jī)且同步跳變的通信系統(tǒng)。跳頻通信憑借其獨(dú)特的通信方式，具有良好的抗干擾能力和低截獲特性，已經(jīng)成為軍事通信的一個(gè)重要手段，顯著提高了軍事電子信息裝備在戰(zhàn)場(chǎng)上的可靠性，同時(shí)也向通信偵察提出了嚴(yán)峻的挑戰(zhàn)。由于參數(shù)估計(jì)是通信偵察的關(guān)鍵環(huán)節(jié)，因此尋找一種快速準(zhǔn)確的跳頻信號(hào)參數(shù)估計(jì)方法具有重要的理論意義與應(yīng)用價(jià)值。

跳頻信號(hào)參數(shù)估計(jì)是指在偵察接收機(jī)檢測(cè)到跳頻信號(hào)存在時(shí)，在沒(méi)有任何先驗(yàn)知識(shí)的情況下對(duì)檢測(cè)到的跳頻信號(hào)跳變周期、跳變時(shí)刻以及跳頻頻率等參數(shù)進(jìn)行估計(jì)的過(guò)程。由于跳頻信號(hào)是典型的非平穩(wěn)信號(hào)，傳統(tǒng)的傅里葉變換無(wú)法對(duì)其進(jìn)行有效處理，因此引入了一系列信號(hào)處理方法應(yīng)用于跳頻信號(hào)參數(shù)估計(jì)，例如時(shí)頻分析[1-23]、信號(hào)分解[24-31]以及壓縮感知[32-33]等理論。

本文以跳頻信號(hào)參數(shù)估計(jì)所運(yùn)用的信號(hào)處理方法為主線，綜述了高斯白噪聲條件以及復(fù)雜環(huán)境條件下的單個(gè)跳頻信號(hào)的參數(shù)估計(jì)方法，并分析了其不足以及改進(jìn)方法，展望了未來(lái)研究方向。

1跳頻信號(hào)參數(shù)估計(jì)數(shù)學(xué)模型

偵察接收機(jī)在觀測(cè)時(shí)間ΔT和頻段ΔW內(nèi)接收到的信號(hào)為

(1)

觀測(cè)時(shí)間內(nèi)存在K個(gè)跳頻信號(hào)，而且跳頻信號(hào)經(jīng)過(guò)信道傳輸時(shí)會(huì)受到人為和非人為的干擾以及噪聲污染。對(duì)于第k個(gè)跳頻信號(hào)Sk(t)可以表示為：

(2)

式中：ak(t)為跳頻信號(hào)的復(fù)包絡(luò)；在觀測(cè)時(shí)間內(nèi)共出現(xiàn)Nk個(gè)完整的跳，第i個(gè)完整跳的載頻為fik；相位為θik；Tik為跳頻信號(hào)的跳周期。

最開(kāi)始的非完整跳在觀測(cè)時(shí)間內(nèi)的持續(xù)時(shí)間為T0k，載頻為f0k；末尾的非完整跳在觀測(cè)時(shí)間內(nèi)的持續(xù)時(shí)間為Tlk=ΔT-NTk-T0k，載頻為flk。

跳頻信號(hào)的參數(shù)估計(jì)就是對(duì)偵察接收機(jī)接收數(shù)據(jù)R(t)進(jìn)行處理，估計(jì)跳頻信號(hào)的諸多參數(shù)，包括信號(hào)個(gè)數(shù)、各個(gè)信號(hào)的跳周期、跳頻頻率以及跳變時(shí)刻。

2高斯白噪聲條件下的跳頻信號(hào)參數(shù)估計(jì)

高斯白噪聲條件下的跳頻信號(hào)參數(shù)估計(jì)方法大體可以分為：基于最大似然準(zhǔn)則的跳頻信號(hào)參數(shù)估計(jì)、基于時(shí)頻分析的跳頻信號(hào)參數(shù)估計(jì)、基于信號(hào)分解的跳頻信號(hào)參數(shù)估計(jì)以及基于壓縮感知的跳頻信號(hào)參數(shù)估計(jì)。

2.1　基于最大似然準(zhǔn)則的跳頻信號(hào)參數(shù)估計(jì)方法

基于最大似然準(zhǔn)則的跳頻信號(hào)參數(shù)估計(jì)主要有2類：基于信號(hào)相關(guān)函數(shù)的最大似然函數(shù)估計(jì)和基于信號(hào)自身的最大似然函數(shù)估計(jì)。

1995年，A.Polydoros等人提出了在自相關(guān)域構(gòu)造最大似然函數(shù)的參數(shù)估計(jì)方法[34]。跳頻信號(hào)多跳自相關(guān)可以有效保留跳頻信號(hào)的跳周期信息。當(dāng)跳周期已知或者可以可靠估計(jì)時(shí)，多跳與單跳自相關(guān)相結(jié)合就可以估計(jì)出跳變時(shí)刻。但是，多跳自相關(guān)要求預(yù)知或估計(jì)出跳頻信號(hào)的功率，同時(shí)要求知道跳速的大致范圍；而單跳自相關(guān)需要跳速的先驗(yàn)信息。針對(duì)文獻(xiàn)[34]對(duì)先驗(yàn)信息依賴性的不足，文獻(xiàn)[35]提出一種聯(lián)合跳速和信號(hào)功率的迭代算法，該算法不需要信號(hào)功率的先驗(yàn)信息，但需要預(yù)先對(duì)跳速進(jìn)行粗估計(jì)。

2003年，文獻(xiàn)[36]根據(jù)包含2個(gè)跳頻頻率的跳頻信號(hào)模型，直接由接收信號(hào)的似然函數(shù)獲取跳頻頻率、跳變時(shí)刻以及跳頻信號(hào)幅度參數(shù)信息。該方法能夠在較高信噪比條件下實(shí)現(xiàn)精確估計(jì)，但受限于只含2個(gè)跳的信號(hào)模型。

綜上所述，基于最大似然準(zhǔn)則的跳頻信號(hào)參數(shù)估計(jì)方法的精確估計(jì)是建立在獲取一定的先驗(yàn)知識(shí)的前提條件下，無(wú)法實(shí)現(xiàn)跳頻信號(hào)參數(shù)的盲估計(jì)。

2.2　基于時(shí)頻分析的跳頻信號(hào)參數(shù)估計(jì)方法

基于時(shí)頻分析的跳頻信號(hào)參數(shù)估計(jì)方法最早始于1997年，Barbarossa.S提出了一種利用魏格納維利分布(WVD)與偽魏格納維利分布(PWVD)估計(jì)跳頻信號(hào)跳周期、跳頻頻率以及跳變時(shí)刻的方法[1]。首先利用WVD與PWVD計(jì)算出跳頻信號(hào)的時(shí)頻矩陣，取PWVD時(shí)頻矩陣每一時(shí)刻對(duì)應(yīng)的最大值組成的序列。該序列是一個(gè)周期序列，且其周期就是跳周期，利用傅里葉變換可以估計(jì)出此周期值。得到跳周期后，根據(jù)跳周期和WVD時(shí)頻矩陣可以估計(jì)跳變時(shí)刻和跳頻頻率。用該方法估計(jì)的跳變周期精度在高信噪比(6 dB以上)條件下較高，跳時(shí)與跳頻頻率的估計(jì)精度依賴于跳周期的估計(jì)精度，但估計(jì)效果存在噪聲閾值效應(yīng)，即信噪比低于某個(gè)臨界值時(shí)估計(jì)精度會(huì)急劇下降。此外，跳頻頻率過(guò)多時(shí)，會(huì)產(chǎn)生大量交叉項(xiàng)干擾，影響估計(jì)精度。

針對(duì)交叉項(xiàng)干擾影響參數(shù)估計(jì)精度的問(wèn)題，主要從時(shí)頻表示的選擇與優(yōu)化方面進(jìn)行了一系列改進(jìn)，主要可以分為4類：

第1類為時(shí)頻分布(PWVD與WVD)優(yōu)化。趙俊等提出將平滑偽魏格納維利分布(SPWVD)應(yīng)用于跳頻信號(hào)參數(shù)估計(jì)[2]，SPWVD通過(guò)同時(shí)在時(shí)域與頻域加窗作平滑處理，可以有效抑制交叉項(xiàng)干擾，但增加了計(jì)算量并降低了時(shí)頻聚集性。針對(duì)SPWVD計(jì)算量大的不足，文獻(xiàn)[3]提出了基于SPW的跳頻信號(hào)參數(shù)估計(jì)方法，SPW與SPWVD性能相近，但計(jì)算量大大減少，而且提高了參數(shù)估計(jì)算法的抗噪聲能力。針對(duì)在抑制交叉項(xiàng)的同時(shí)，時(shí)頻聚集性下降的問(wèn)題，文獻(xiàn)[4]、[6]對(duì)時(shí)頻分布做重排處理，重排后的時(shí)頻分布能夠保持原有時(shí)頻分布的性能并提高時(shí)頻聚集性，而且使噪聲閾值界限更低，拓寬了參數(shù)估計(jì)方法對(duì)信噪比的適用范圍，但重排會(huì)增加額外的計(jì)算量。

第2類為采用時(shí)頻分析中的線性變換，短時(shí)傅里葉變換(STFT)[7]為典型的時(shí)頻分析線性變換，STFT不存在交叉項(xiàng)干擾，但其固定窗函數(shù)使其不能兼顧時(shí)間與頻率分辨率，導(dǎo)致時(shí)頻聚集性不高，從而影響估計(jì)精度。S變換[8]改進(jìn)了STFT，其窗函數(shù)寬度會(huì)隨著信號(hào)頻率變化而改變，克服了STFT不能兼顧時(shí)間與頻率分辨率的缺點(diǎn)，基于S變換的跳頻信號(hào)參數(shù)估計(jì)效果優(yōu)于采用SPWVD的方法。文獻(xiàn)[9]同樣利用了S變換，并且提出了參數(shù)估計(jì)新算法，能在信噪比大于0 dB的情況下取得準(zhǔn)確性較高的參數(shù)估計(jì)結(jié)果。

第3類為時(shí)頻分布融合。陳超等用信號(hào)譜圖與WVD相乘的方法[10]獲取跳頻信號(hào)的時(shí)頻表示，在抑制交叉干擾項(xiàng)的同時(shí)，繼承了WVD的高時(shí)頻分辨率。與采用單一時(shí)頻表示(SPWVD)相比，運(yùn)算復(fù)雜度較低，并且取得了更好的估計(jì)效果。

第4類為信號(hào)分解時(shí)頻分布。文獻(xiàn)[11]、[14]分別使用Gabor分解、小波奇異點(diǎn)檢測(cè)以及頻域?yàn)V波的方法把跳頻信號(hào)分解為單頻信號(hào)，通過(guò)利用WVD對(duì)單頻信號(hào)逐一分析獲取跳頻信號(hào)的整體時(shí)頻表示。信號(hào)分解時(shí)頻分布可以在有效抑制交叉項(xiàng)的同時(shí)保持較高的時(shí)頻分辨率，保證了參數(shù)估計(jì)精度，但信號(hào)特性會(huì)因分解受到影響。

針對(duì)存在的噪聲閾值效應(yīng)，同樣存在4類改進(jìn)方法：

第1類為采用較強(qiáng)抗噪性的時(shí)頻分布。文獻(xiàn)[15]~[16]采用Butterworth分布進(jìn)行跳頻信號(hào)參數(shù)估計(jì)，能夠在信噪比大于-2 dB條件下準(zhǔn)確估計(jì)跳周期與跳頻頻率，但其計(jì)算量較大，與重排平滑偽魏格納維利分布(RSPWVD)計(jì)算量相當(dāng)。

第2類是參數(shù)估計(jì)算法抗噪處理。文獻(xiàn)[17]在SPWVD的基礎(chǔ)上，在時(shí)頻分布峰值檢測(cè)步驟進(jìn)行迭代處理，在-8 dB下跳周期的估計(jì)性能仍能保持較高水平，但抗噪性是以犧牲計(jì)算量為代價(jià)的。

第3類為結(jié)合其他方法提高抗噪性。文獻(xiàn)[18]~[19]在跳頻信號(hào)SPWVD處理的基礎(chǔ)上，采用數(shù)學(xué)形態(tài)學(xué)的方法對(duì)時(shí)頻圖進(jìn)行濾波，通過(guò)形態(tài)學(xué)細(xì)化和歸類，提取跳頻信號(hào)的時(shí)頻軌跡，估計(jì)信號(hào)的參數(shù)，在信噪比大于-2 dB時(shí)，能夠保持較高的參數(shù)估計(jì)精度。文獻(xiàn)[20]、[21]利用熵測(cè)度來(lái)優(yōu)化現(xiàn)有性能穩(wěn)定的時(shí)頻分布，大大提高了參數(shù)估計(jì)抗噪聲能力。文獻(xiàn)[22]用自適應(yīng)窗長(zhǎng)核函數(shù)替代了固定形狀窗函數(shù)，在滿足抑制交叉性干擾和時(shí)頻聚集性要求的同時(shí)，提高了對(duì)噪聲的魯棒性。

第4類為多種時(shí)頻分析方法結(jié)合。文獻(xiàn)[23]提出了一種STFT與SPWVD相結(jié)合的方法，先對(duì)信號(hào)進(jìn)行STFT變換，確定跳變時(shí)刻的粗估計(jì)范圍，再對(duì)粗估計(jì)范圍內(nèi)的信號(hào)進(jìn)行SPWVD變換，獲取跳變時(shí)刻的精確估計(jì)，從而估計(jì)出跳周期。該方法能夠在信噪比為-4 dB以上時(shí)保持較高的估計(jì)精度。

不難發(fā)現(xiàn)，以上方法沒(méi)有根本性解決噪聲閾值效應(yīng)，只是降低了噪聲閾值界限即改善了參數(shù)估計(jì)的抗噪性能，但其抗噪性能提升是以提高計(jì)算復(fù)雜度為代價(jià)的。

綜上所述，基于時(shí)頻分析的跳頻信號(hào)參數(shù)估計(jì)方法是利用跳頻信號(hào)在時(shí)頻域的特點(diǎn)來(lái)提取跳頻信號(hào)的特征參數(shù)，能夠在未知任何先驗(yàn)知識(shí)的情況下精確地估計(jì)跳頻信號(hào)參數(shù)。但其高精度估計(jì)效果是建立在時(shí)頻聚集性高、交叉干擾項(xiàng)少及高信噪比的基礎(chǔ)上，而且普遍計(jì)算量較大。

2.3　基于信號(hào)分解的跳頻信號(hào)參數(shù)估計(jì)方法

范海寧等[24-25]借鑒了信號(hào)可在冗余字典上稀疏分解的思想。建立了符合跳頻信號(hào)結(jié)構(gòu)的三參數(shù)冗余原子庫(kù)，3個(gè)參數(shù)分別代表跳頻信號(hào)的時(shí)間中心、持續(xù)時(shí)間(跳周期)以及頻率，采用匹配追蹤算法搜索最優(yōu)的參數(shù)組合原子，得到跳頻信號(hào)的稀疏表示。利用獲得的原子組合，結(jié)合參數(shù)估計(jì)算法就可以實(shí)現(xiàn)跳頻信號(hào)的參數(shù)盲估計(jì)。該方法能夠在較低信噪比條件下實(shí)現(xiàn)高精度參數(shù)估計(jì)。但是匹配追蹤算法迭代停止條件必須選擇得當(dāng)，當(dāng)?shù)螖?shù)與跳頻頻率數(shù)不相等時(shí)，會(huì)影響估計(jì)精度。此外，為了實(shí)現(xiàn)參數(shù)盲估計(jì)，必須遍歷跳頻信號(hào)所有可能的三參數(shù)組合，導(dǎo)致冗余原子庫(kù)過(guò)于龐大。

針對(duì)迭代停止條件設(shè)定的不足，文獻(xiàn)[26]、[27]在文獻(xiàn)[24]的基礎(chǔ)上，以三參數(shù)Gabor字典為基礎(chǔ)，引入了信息論準(zhǔn)則測(cè)度，通過(guò)比較前后2次匹配追蹤迭代殘差的信息論準(zhǔn)則測(cè)度，尋找第1個(gè)局部極小值來(lái)確定迭代停止條件。

針對(duì)冗余原子庫(kù)的規(guī)模龐大問(wèn)題，主要有2類改進(jìn)方法：

第1類為改變最優(yōu)原子搜索的規(guī)則，文獻(xiàn)[28]把時(shí)頻分析與信號(hào)分解相結(jié)合，在計(jì)算時(shí)頻分布的基礎(chǔ)上，以跳頻信號(hào)在時(shí)頻平面上最大值為準(zhǔn)則，利用迭代的方法逐個(gè)獲取與跳頻信號(hào)時(shí)頻分量相匹配的最優(yōu)原子，進(jìn)而估計(jì)跳頻信號(hào)參數(shù)。該方法可以極大地減少冗余原子庫(kù)的規(guī)模，減少計(jì)算時(shí)間。

第2類是引入智能優(yōu)化算法。文獻(xiàn)[29]引入粒子群算法對(duì)最優(yōu)原子的選取規(guī)則進(jìn)行優(yōu)化，減少了過(guò)完備原子庫(kù)內(nèi)原子與信號(hào)內(nèi)積的高維計(jì)算帶來(lái)巨大的運(yùn)算量，并且改進(jìn)了參數(shù)估計(jì)方法，通過(guò)設(shè)定閾值來(lái)提取有效跳周期，在迭代次數(shù)大于跳頻頻率數(shù)的情況下仍能夠提取跳周期信息。文獻(xiàn)[30]將跳頻信號(hào)的參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為粒子群算法的函數(shù)優(yōu)化問(wèn)題，粒子群算法的適應(yīng)度函數(shù)定義為Gabor原子與信號(hào)(或殘差信號(hào))內(nèi)積的絕對(duì)值，通過(guò)求解得到Gabor原子后，根據(jù)原子參數(shù)直接估計(jì)跳頻信號(hào)的跳周期、跳變時(shí)刻等參數(shù)。

文獻(xiàn)[31]將固有時(shí)間尺度分解算法應(yīng)用于跳頻信號(hào)參數(shù)估計(jì)，根據(jù)跳頻信號(hào)在固有時(shí)間尺度分解過(guò)程中呈現(xiàn)出的特點(diǎn)，分別提出了跳周期的快速估計(jì)算法和跳頻頻率的快速估計(jì)算法。能夠在低信噪比下實(shí)現(xiàn)精確估計(jì)，而且復(fù)雜度低，計(jì)算速度快。

綜上所述，基于信號(hào)分解的跳頻信號(hào)參數(shù)估計(jì)方法思路大致相同，都是通過(guò)把信號(hào)分解為一系列最優(yōu)原子的線性組合獲取信號(hào)的稀疏表示，根據(jù)得到的最優(yōu)原子結(jié)合參數(shù)估計(jì)算法實(shí)現(xiàn)對(duì)跳頻信號(hào)的參數(shù)盲估計(jì)。該方法的抗噪性能優(yōu)于基于時(shí)頻分析的跳頻信號(hào)參數(shù)估計(jì)方法，但為了滿足參數(shù)盲估計(jì)精度的要求，需要建立規(guī)模龐大的原子庫(kù)，計(jì)算量較大，極大地限制了其發(fā)展。

2.4　基于壓縮感知的跳頻信號(hào)參數(shù)估計(jì)方法

隨著軍事通信技術(shù)的快速發(fā)展，跳頻通信信號(hào)趨向于大帶寬、高載波，導(dǎo)致通信偵察面臨著高采樣率、海量數(shù)據(jù)存儲(chǔ)及處理的壓力，這會(huì)導(dǎo)致傳統(tǒng)的基于時(shí)頻分析以及基于信號(hào)分解的跳頻參數(shù)估計(jì)方法在計(jì)算量與計(jì)算復(fù)雜度方面的缺點(diǎn)更加突出。

壓縮感知是近幾年蓬勃發(fā)展的一種新興的信號(hào)處理理論，它突破了傳統(tǒng)的香農(nóng)和奈奎斯特采樣定理的制約，可以針對(duì)某類定義的稀疏信號(hào)，以遠(yuǎn)低于奈奎斯特采樣頻率的有效信息速率對(duì)其采樣，并且最后能夠不失真地重構(gòu)出原始信號(hào)。文獻(xiàn)[32]利用了壓縮感知處理寬帶稀疏信號(hào)的優(yōu)勢(shì)，提出了基于壓縮感知的跳頻信號(hào)參數(shù)估計(jì)方法。首先對(duì)在冗余字典上具有稀疏性的跳頻信號(hào)進(jìn)行非相干線性觀測(cè)，獲取少量的低維投影值。通過(guò)重構(gòu)算法從少量的觀測(cè)值中得到跳頻信號(hào)的稀疏解和其對(duì)應(yīng)的原子，根據(jù)原子組合結(jié)合參數(shù)估計(jì)算法就能夠高精度地估計(jì)跳頻信號(hào)參數(shù)。

文獻(xiàn)[36]提出了一種利用調(diào)制寬帶轉(zhuǎn)換器(MWC)獲得跳頻信號(hào)的欠采樣序列不重構(gòu)信號(hào)直接進(jìn)行參數(shù)估計(jì)的方法，對(duì)跳頻信號(hào)的每個(gè)獨(dú)立有效頻帶分別考慮，將后續(xù)的信號(hào)處理對(duì)象從對(duì)高速寬帶跳頻信號(hào)等同地轉(zhuǎn)換為低速窄帶的基帶信號(hào)，從欠采樣序列中直接提取出基帶信號(hào)的參數(shù)信息。

綜上所述，基于壓縮感知的跳頻信號(hào)參數(shù)估計(jì)方法綜合了壓縮感知在處理寬帶信號(hào)以及信號(hào)分解在參數(shù)估計(jì)兩方面的優(yōu)勢(shì)，能夠在采樣端只獲取少量的信號(hào)數(shù)據(jù)的情況下準(zhǔn)確地估計(jì)跳頻信號(hào)參數(shù)，顯著提高參數(shù)估計(jì)方法的時(shí)間性能。由于該方法處于起步階段，在冗余字典、重構(gòu)算法以及硬件實(shí)現(xiàn)方面還有欠缺，需要進(jìn)一步完善。

3復(fù)雜環(huán)境條件下的跳頻信號(hào)參數(shù)估計(jì)方法

傳統(tǒng)跳頻信號(hào)參數(shù)估計(jì)方法大部分假定是在理想的高斯白噪聲條件下，但在實(shí)際的傳輸信道環(huán)境中，噪聲形式多種多樣，而且可能混入其他信號(hào)如定頻信號(hào)、突發(fā)信號(hào)、掃頻信號(hào)等，這些都會(huì)對(duì)跳頻信號(hào)參數(shù)估計(jì)產(chǎn)生影響。

針對(duì)時(shí)頻分析方法在α穩(wěn)定分布噪聲環(huán)境下無(wú)法有效實(shí)現(xiàn)參數(shù)估計(jì)的情況，文獻(xiàn)[37]提出一種基于Merid濾波器的參數(shù)估計(jì)方法，Merid濾波器可以有效抑制α穩(wěn)定分布噪聲，保證參數(shù)估計(jì)的精度。

針對(duì)強(qiáng)定頻干擾存在的情況，文獻(xiàn)[38]提出了基于時(shí)頻重心的跳頻信號(hào)跳周期估計(jì)方法，根據(jù)信號(hào)能量在時(shí)頻三維圖的分布變化提取時(shí)頻重心曲線，通過(guò)小波奇異點(diǎn)檢測(cè)和快速傅里葉變換(FFT)完成跳周期估計(jì)。對(duì)于跳時(shí)估計(jì)，采用單個(gè)濾波器實(shí)現(xiàn)跳頻部分接收，可以消除定頻干擾的影響，保證參數(shù)估計(jì)的精度。

針對(duì)噪聲與干擾信號(hào)共存的情況，文獻(xiàn)[39]、[40]將數(shù)學(xué)形態(tài)學(xué)應(yīng)用于跳頻信號(hào)參數(shù)估計(jì)，先將跳頻信號(hào)STFT的結(jié)果處理為二維圖像，然后利用數(shù)學(xué)形態(tài)學(xué)中開(kāi)閉運(yùn)算對(duì)時(shí)頻圖進(jìn)行處理，可以有效濾除雜散霧態(tài)噪聲、定頻信號(hào)與突發(fā)信號(hào)。

綜上所述，復(fù)雜環(huán)境條件下的跳頻信號(hào)參數(shù)估計(jì)方法是在時(shí)頻分析的基礎(chǔ)上，從時(shí)頻分布與參數(shù)估計(jì)算法兩方面改進(jìn)，消除干擾的影響從而保證較高的參數(shù)估計(jì)精度。但對(duì)實(shí)際傳輸信道環(huán)境的模擬還不夠全面，而且參數(shù)估計(jì)方法復(fù)雜度較高。

4結(jié)束語(yǔ)

本文分別從理想高斯白噪聲條件和復(fù)雜環(huán)境條件2個(gè)方面對(duì)跳頻信號(hào)參數(shù)估計(jì)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述。詳細(xì)闡述了跳頻信號(hào)參數(shù)估計(jì)的主要方法、存在的問(wèn)題以及改進(jìn)措施，并對(duì)發(fā)展現(xiàn)狀進(jìn)行了概括性的討論。

跳頻信號(hào)參數(shù)估計(jì)方法的研究已經(jīng)有了一些成果，但是仍然存在許多問(wèn)題需要研究?？梢愿爬橐韵?個(gè)方面：

(1) 跳頻信號(hào)參數(shù)估計(jì)所運(yùn)用的信號(hào)處理方法計(jì)算量普遍偏大，不利于工程應(yīng)用，尋找相應(yīng)的快速算法應(yīng)是未來(lái)研究的重點(diǎn)之一。

(2) 跳頻參數(shù)估計(jì)對(duì)象大部分為高斯白噪聲條件下的單個(gè)跳頻信號(hào)，在實(shí)際情況下的可應(yīng)用性有待商榷，研究現(xiàn)有方法是否適用于復(fù)雜條件下的參數(shù)估計(jì)或探索復(fù)雜條件下的跳頻信號(hào)參數(shù)估計(jì)方法具有重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]Barbarossa S,Scaglione A.Parameter estimation of spread spectrum frequency-hopping signals using time-frequency distributions[A].First IEEE Signal Processing Workshop on Signal Processing Advances in Wireless Communication [C],1997:213-216.

[2]趙俊，張朝陽(yáng)，賴?yán)?，?一種基于時(shí)頻分析的跳頻信號(hào)參數(shù)盲估計(jì)方法[J].電路與系統(tǒng)學(xué)報(bào),2003,8(3):46-50.

[3]郭藝,張爾揚(yáng),沈榮駿.跳頻信號(hào)時(shí)-頻域分析與參數(shù) 盲估計(jì)方法[J].信號(hào)處理,2007,23(2):210-213.

[4]武開(kāi)有，鐘志明，徐以濤，等.基于重排Gabor譜方法的跳頻信號(hào)參數(shù)估計(jì)[J].電子信息對(duì)抗技術(shù),2009,24(3):11-14.

[5]Lei Yingke,Zhong Zifa,Wu Yanhua.A parameter estimation algorithm for high-speed frequency-hopping signals based on RSPWVD[A].2007 International Symposium on Intelligent Signal Processing on Communication System,ISPACS 2007 [C]，2007:392- 395.

[6]張曦，杜興民，朱禮亞.基于重排SPWVD的跳頻信號(hào)參數(shù)提取方法[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(15):144-147.

[7]陳新寧.跳頻通信偵察技術(shù)研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué),2006.

[8]武開(kāi)有，馬緒，沈良，等.基于S變換的跳頻信號(hào)參數(shù)估計(jì)[J].軍事通信技術(shù),2008,29(3):7-11.

[9]張曦，杜興民，王星.基于S變換的跳頻信號(hào)特征參數(shù)盲估計(jì)[J].現(xiàn)代雷達(dá),2008,30(2):94-99.

[10]陳超，郝雁中，高憲軍，等.基于WVD改進(jìn)算法的跳頻信號(hào)參數(shù)估計(jì)[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),2010,28(2):124-130.

[11]張曦，杜興民，朱禮亞.基于Gabor譜方法的跳頻信號(hào)時(shí)頻分析[J].數(shù)據(jù)采集與處理,2007,22(2):150- 154.

[12]杜娟，劉靜，錢鋒.跳頻信號(hào)時(shí)頻分析的一種新方法[J].中國(guó)電子科學(xué)研究院學(xué)報(bào),2009,4(6):576-579.

[13]馮濤，袁超偉.跳頻信號(hào)的時(shí)頻分析新方法[J].北京郵電大學(xué)學(xué)報(bào),2010,33(3):10-14.

[14]馮濤，袁超偉.一種組合時(shí)頻分布在跳頻信號(hào)參數(shù)估計(jì)中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報(bào),2010,37(6):1137-1142.

[15]武開(kāi)有，徐以濤，沈良.基于Butterworth分布的跳頻信號(hào)參數(shù)估計(jì)[J].軍事通信技術(shù),2009,30(1):11-17.

[16]Papandreou A,Boudreaux-Bertels G F.Generalization of the Choi-Williams distribution and the butterworth distribution for time-frequency analysis[J].IEEE Transactions on Signal Processing,1993,41(1):463- 470.

[17]盧虎，史浩山，謝巖.估計(jì)跳頻信號(hào)參數(shù)的多窗口迭代平滑偽WVD新算法[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,9(2):52-55.

[18]宮翔，王振華，王晨光.基于時(shí)頻分析與形態(tài)學(xué)濾波的跳頻參數(shù)估計(jì)[J].空軍雷達(dá)學(xué)院學(xué)報(bào),2011,25(4):243-246.

[19]趙方超，蔣建中，郭軍利，等.形態(tài)學(xué)濾波與組合時(shí)頻分布跳頻信號(hào)參數(shù)估計(jì)[J].太赫茲科學(xué)與電子信息學(xué)報(bào),2013,11(6):942-947.

[20]郭建濤，申義賢，劉力偉，等.基于S方法熵測(cè)度優(yōu)化的跳頻信號(hào)參數(shù)估計(jì)[J].信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2011,24(3):319-322.

[21]郭建濤，劉友裝，戈靜.基于熵測(cè)度優(yōu)化的跳頻信號(hào)參數(shù)估計(jì)[J].信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2012,25(3):343-347.

[22]郭建濤，劉友安，王林.基于窗函數(shù)設(shè)計(jì)的跳頻信號(hào)時(shí)頻分析[J].計(jì)算機(jī)應(yīng)用,2011,31(9):2333-2335.

[23]付衛(wèi)紅,王璐,賈坤,等.基于STFT與SPWVD的跳頻參數(shù)盲估計(jì)算法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,42(9):59-63.

[24]范海寧，郭英.一種新的跳頻信號(hào)參數(shù)盲估計(jì)算法[J].信號(hào)處理,2009,25(11):1754-1758.

[25]Fan Haining,Guo Ying,Feng Xin.Blind parameter estimation of frequency hopping signals based on matching pursuit[A].2008 4th International Conference on Wireless Communications Networking and Mobile Computing,WiCOM '08[C],2008:1-5.

[26]范海寧，郭英，艾宇.基于原子分解的跳頻信號(hào)盲檢測(cè)和參數(shù)盲估計(jì)算法[J].信號(hào)處理,2010,26(5):695- 702.

[27]Fan Haining,Guo Ying,Meng Qingwei.Blind parameter estimation of frequency-hopping signals based on atomic decomposition[A].2009 First International Workshop on Education Technology and Computer Science,ETCS '09[C],2009：713-716.

[28]郭建濤，劉右安.基于時(shí)頻分布迭代的跳頻信號(hào)參數(shù)估計(jì)[J].電訊技術(shù),2012,52(4):514-517.

[29]郭建濤，王宏遠(yuǎn).低信噪比下的跳頻信號(hào)參數(shù)估計(jì)[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(27):142-144.

[30]郭建濤，王宏遠(yuǎn)，余本海.基于粒子群算法的跳頻信號(hào)參數(shù)估計(jì)[J].計(jì)算機(jī)應(yīng)用研究,2010,27(2):512- 514.

[31]劉巍巍.基于固有時(shí)間尺度分解的跳頻信號(hào)偵察與跳頻干擾技術(shù)研究[D].西安:西安電子科技大學(xué),2013.

[32]沈常林.基于壓縮感知的跳頻信號(hào)參數(shù)盲估計(jì)[D].西安:西安電子科技大學(xué),2013.

[33]許浩.基于壓縮感知的跳頻信號(hào)檢測(cè)與參數(shù)估計(jì)技術(shù)[D].西安:電子科技大學(xué),2014.

[34]Char-dir Chung,Polydoros A.Parameter estimation of random FH signals using autocorrelation techniques[J].IEEE Transactions on Communications,1995,43(34):1097-1106.

[35]Janani M,Vakili V T,Jamali H.The modified autocorrelation technique for parameter estimation of random FH signals[A].1998 Fourth International Conference on Signal Processing Proceedings,ICSP '98[C],1998:188-190.

[36]Zhi Wanjun,Ko C C,Chin F.ML-based frequency and frequency transition time estimation of frequency hopping signals[A].2003 IEEE Workshop on Statistical Signal Processing [C],2003:78-81.

[37]趙新明,金艷,姬紅兵.穩(wěn)定分布噪聲下基于Merid濾波的跳頻信號(hào)參數(shù)估計(jì)[J].電子與信息學(xué)報(bào),2014,36(8):1878-1883.

[38]程曙暉，王斌.強(qiáng)干擾下跳頻信號(hào)的參數(shù)估計(jì)[J].電訊技術(shù),2014,54(2):132-138.

[39]李琰，王露，李天昀，等.短波復(fù)雜信道下跳頻信號(hào)的參數(shù)估計(jì)[J].信息工程大學(xué)學(xué)報(bào),2011,12(2):168- 173.

[40]殷婕，龔曉峰，武瑞娟，等.基于圖像處理的跳頻信號(hào) 參數(shù)估計(jì)[J].電子技術(shù)應(yīng)用,2013,39(1):83-85.

Parameter Estimation Methods of Frequency Hopping Signal

REN Xu，ZHU Wei-gang，XING Qiang

(Equipment Academy,Beijing 101416,China)

Abstract:Frequency hopping (FH) communication has been widely used in military communication field due to its perfect anti-jamming performance and anti-interception capability,at the same time brings forward an austere challenge to communication reconnaissance.How to estimate the parameters of FH signal quickly and accurately has become one of urgent problems that must be resolved in communication reconnaissance.This paper summarizes the methods of existing FH signal parameter estimation from two aspects of Gaussian white noise and complex environment condition,and presents respective advantages and disadvantages,analyzes the problems need to be solved urgently in future and development trend of FH signal parameter estimation.

Key words:frequency hopping signal;parameter estimation;time frequency analysis;signal decomposition;compression sensing

收稿日期:2015-01-22

DOI:10.16426/j.cnki.jcdzdk.2015.03.010

中圖分類號(hào)：TN975

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：CN32-1413(2015)03-0033-06