張敬義，李永貴

(1.解放軍理工大學(xué) 通信工程學(xué)院 研究生1 隊，南京210007;2.南京電訊技術(shù)研究所，南京210007)

1 引 言

干擾信號可分為自然干擾和人為干擾，人為干擾又可分為無意干擾和蓄意干擾，而人為干擾，特別是蓄意干擾，是軍事無線通信系統(tǒng)面臨的最大和最直接的威脅。無論是數(shù)字通信還是模擬通信，若要達(dá)到對通信接收端的高效干擾，至少要在時間和頻域?qū)ζ溥M(jìn)行有效覆蓋。從通信接收端受干擾的頻點來看，人為干擾的中心頻率變化主要有以下幾種形式:一是干擾的頻譜在一段時間內(nèi)保持不變或周期性變化，如定頻干擾(單音、多音、部分頻帶干擾等)，以及周期性的脈沖干擾;二是隨時間在頻域上作線性或非線性變化的周期性掃描，如線性或非線性掃頻干擾;三是以上幾種類型的復(fù)合?；谌藶楦蓴_的上述特征，尋找一種可行方法能夠在特定域?qū)?fù)合人為干擾進(jìn)行特征分析和參數(shù)提取，在滿足算法的實時性和參數(shù)提取準(zhǔn)確性情況下，為通信系統(tǒng)的綜合抗干擾決策提供實時信息支持，對于提高智能抗干擾水平具有重要意義。

由于無意人為干擾和自然干擾并不針對任何特定目標(biāo)，其出現(xiàn)具有隨機(jī)性，故本文中將無意人為干擾和自然干擾統(tǒng)稱為隨機(jī)干擾，并對隨機(jī)干擾影響下的蓄意人為干擾進(jìn)行分析、識別和干擾特征參數(shù)的提取。由于隨機(jī)干擾通常是時變的、非平穩(wěn)的，且蓄意人為干擾的干擾策略對于通信方而言也是時變的、不確定的，因此，隨機(jī)干擾影響下的蓄意人為干擾通常是復(fù)合的多分量信號。在多分量信號參數(shù)提取方面，國內(nèi)外已有很多相關(guān)的研究。文獻(xiàn)［1］中，作者指出多分量信號需滿足各分量在某個域是分離的，該信號才是可分離的。在此基礎(chǔ)上，陸續(xù)發(fā)展出了各種多分量信號分離的算法，如經(jīng)驗?zāi)B(tài)分解法［2］、信號分量多項式擬合法［3］、時頻分析法［4］、獨立分量分析方法［5］等。然而，以上方法的前提條件都是多分量信號在某個域具有可分離性，否則就很難分離。

對于隨機(jī)干擾影響下的復(fù)合蓄意干擾信號，可能在時域、時頻域或其他域存在相關(guān)或交叉的分量，考慮通過短時傅里葉變換(Short－ time Fourier Transform，STFT)算法對復(fù)合干擾信號在時域和頻域的關(guān)系進(jìn)行分析和處理，并嘗試使用分類搜索算法將復(fù)合的蓄意人為干擾解析成能夠識別的基本干擾類型，對于不能解析和識別的干擾分量，用統(tǒng)計的方法對干擾頻點的時間占用度進(jìn)行分析。理論分析和仿真結(jié)果表明，通過分類搜索算法能夠較好地提取復(fù)合人為干擾的特征參數(shù)。

2 算法的總體思路

對通信收發(fā)雙方而言，通信信號的調(diào)制方式及對應(yīng)的調(diào)制波形通常是先驗已知的，且每種調(diào)制信號相關(guān)的抗干擾門限也是可以計算得到的。由于篇幅所限，本文不考慮通信信號的影響，僅對通信系統(tǒng)的干擾分量作獨立地分析、識別和干擾參數(shù)的提取。

如圖1所示，圍繞“如何對隨機(jī)干擾影響下的復(fù)合蓄意人為干擾進(jìn)行分析、識別和參數(shù)的有效提取”這個問題，全文分以下三個部分來討論:干擾信號模型的建立、干擾數(shù)據(jù)的預(yù)處理、基于分類搜索算法的人為干擾參數(shù)提取。

圖1 系統(tǒng)模型Fig.1 The system model

干擾信號模型的建立是在Matlab 仿真環(huán)境中，通過將幾種常規(guī)的人為干擾，如定頻多音干擾、周期脈沖干擾、非線性掃頻干擾等，以一定的方式組合起來(如干擾之間的交叉)，最后，將隨機(jī)干擾加載到人為干擾中;而隨機(jī)干擾通過一定的干擾概率、干擾分布和干擾時間占用度等來控制。

干擾信號提取前先進(jìn)行干擾數(shù)據(jù)的預(yù)處理，考慮使用STFT 對干擾信號進(jìn)行時頻變換，并對三維時頻數(shù)據(jù)進(jìn)行功率的判決，確定存在干擾的時頻點，并得到二維的時頻矩陣。由于STFT 算法不能兼顧時間和頻率的分辨率，文中結(jié)合通信頻點窄帶帶寬來確定STFT 算法的時頻分辨率。

在時頻矩陣的基礎(chǔ)上，提出了分類搜索算法，根據(jù)干擾信號的特征參數(shù)，按照“定頻解析、周期脈沖干擾解析、掃頻干擾解析”的順序?qū)?fù)合人為干擾進(jìn)行自適應(yīng)地解析。

3 復(fù)合干擾信號建模

假定復(fù)合干擾信號由“掃頻干擾+定頻干擾+周期脈沖干擾+隨機(jī)干擾”組成，通過控制各個基本干擾的參數(shù)來構(gòu)造不同復(fù)雜度的干擾模型，如各干擾模型之間互相交叉以及隨機(jī)干擾不同程度地覆蓋或者影響人為干擾特征。

(1)掃頻干擾

采用二次型非線性掃頻，并使用向上掃頻fi(t)Hsaopin和向下掃頻fi(t)Lsaopin兩種形式，單位周期Tsaopin的掃頻范圍是［Fl，F(xiàn)h］，則在第i 個掃頻周期內(nèi)，干擾頻率可表示為

(2)定頻干擾

采用單音或多音干擾的形式，其時域表達(dá)式為

式中，fn(n=1，2，3，…，N)為可能的定頻干擾頻點。

(3)周期脈沖干擾

脈沖干擾的時域表達(dá)式如下:

式中，Dτ是寬度為τ 的矩形脈沖，A 為脈沖幅值，Tpulse為脈沖周期，k 為脈沖數(shù)。

(4)隨機(jī)干擾

本文中將非蓄意的人為干擾和自然因素的影響統(tǒng)稱為隨機(jī)干擾。容易知道，此處的隨機(jī)干擾在概率分布上可能是非高斯、非線性的，所以，隨機(jī)干擾的模型并不能簡單地用白噪聲來構(gòu)建。考慮到對復(fù)合人為干擾的解析是在時頻域上，從而可通過隨機(jī)干擾的時間占用度和頻率占用度兩個參數(shù)來控制和構(gòu)建隨機(jī)干擾分量。假設(shè)通信頻點范圍是［fa，fb］，干擾信號觀測時間為［tn，tm］，被干擾的頻點為fj(fa≤fj≤fb)，頻點總的干擾概率為ρf，則總的受擾頻點數(shù)Njam=ρf·(fb－fa)/Δf(Δf 為時頻分析的頻率分辨率);干擾頻點上的時間占用度為ρt，則每個受擾頻點總的干擾時間為T(fj)=ρt·(tm－tn)，且假設(shè)干擾時間T(fj)在［tn，tm］上服從均勻分布。

4 干擾信號的時頻處理

4.1 時域到“功率－頻率－時間”的時頻域變換

假設(shè)復(fù)合人為干擾信號時域表示為y，采用矩形窗h(t)，其短時傅里葉變換的表達(dá)式如下:

復(fù)合人為干擾y 是由各個基本干擾分量構(gòu)成的，通過改變各個干擾分量的參數(shù)、交叉程度以及干擾功率來控制復(fù)合干擾的復(fù)雜度。

短時傅里葉變換最重要的是如何確定時間窗h的滑動長度和對應(yīng)的時頻分辨率。假設(shè)以通信頻點fi為中心對應(yīng)的窄帶帶寬為B，如圖2所示，在窄帶帶寬B 內(nèi)，可能有多個干擾頻點，定義干擾有效的判決準(zhǔn)則如下:

即在第i 個通信頻帶Bi內(nèi)，若干擾功率Power_jami大于0，則通信頻點fi所在的帶寬Bi判決為有干擾，否則為無干擾。

圖2 通信帶寬B 內(nèi)干擾頻點分布情況Fig.2 The distribution of jamming in communication band B

在圖2(a)中，兩個干擾頻點在Bi的邊緣，可能會出現(xiàn)相鄰帶寬的重復(fù)判決或者無效判決的情形，為了提高干擾判決的準(zhǔn)確率，應(yīng)使得干擾數(shù)據(jù)的頻率分辨率小于B/2，這里取為B/3。從而，在一個通信帶寬內(nèi)若存在兩個以上的干擾時，能夠保證干擾頻點不全在通信帶寬的邊緣上，這樣更有利于干擾的判決，如圖2(b)所示。

若采樣頻率為fs，假設(shè)要達(dá)到的頻率分辨率為Δf=B/3 + B/10，其中B/10 為頻率分辨率保護(hù)間隔，使得一個窄帶帶寬B 內(nèi)有不超過3 個干擾頻點。若一次快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)的時間窗長度為T_window，則Δf 滿足

從而，根據(jù)窄帶帶寬B 和采樣率fs，并結(jié)合式(7)，可以求出時間窗T_window。

4.2 干擾時頻矩陣的計算

文中采用門限判決法，將“功率－頻率－時間”的三維數(shù)據(jù)轉(zhuǎn)化到“頻率－時間”的二維數(shù)據(jù)，其過程實質(zhì)上是在每個觀測時刻和對應(yīng)頻率區(qū)間內(nèi)，取小于或等于最大峰值的一個常數(shù)值λ 作為門限，對干擾的功率值進(jìn)行二值化處理，其過程表示如下:

時頻干擾矩陣獲得的準(zhǔn)確度和有效性與判決門限有關(guān)，判決門限越大，判決后保存原有信息量更大，但引入的隨機(jī)干擾因素變大，影響干擾分量的提取;而判決門限越小，判決后損失的干擾分量信息變大，不利于較準(zhǔn)確地提取干擾參數(shù)。在文獻(xiàn)［6］中，作者取不同的判決門限值，并將估計值與理論值比較，選擇使均方誤差最小的門限值，通過仿真驗證，得到合適的λ 取值，即λ=0.7·max(|STFT(t，f)|2)。

5 時頻矩陣的單值化處理

本文中的處理對象為復(fù)合人為干擾信號，在隨機(jī)干擾的影響下，其對應(yīng)的時頻矩陣在同一觀測時刻t 上可能有多個干擾時頻點，因此難以通過常規(guī)的線性或非線性擬合提取掃頻干擾的參數(shù)。

假設(shè)每個通信信道帶寬Bi=100 Hz，采樣率fs=10 000 Hz，采用非線性掃頻，掃頻范圍是［Fl，F(xiàn)h］=［1500，3500］Hz，Tl－h(huán)=1 s;采用矩形時間滑動窗，窗口大小為T_window=228，且Δf =(fs/2)/(T_window/2 +1)=43.478 3 Hz，時間分辨率ΔT=(T_window/2)/fs=0.011 5 s。在一個通信帶寬B 內(nèi)若存在干擾頻點，根據(jù)頻率分辨率可知，頻點可能會出現(xiàn)在如圖2(c)所示的Jam1、Jam2、Jam3位置，對應(yīng)的干擾功率為Power_Jam1、Power_Jam2、Power_Jam3;而若要判斷該通信頻點是否被干擾只需一個干擾頻點存在即可，且一個帶寬內(nèi)多余的干擾頻點會影響到干擾趨勢的提取。因此，在不影響時間分辨率的基礎(chǔ)上需要對一個B 內(nèi)的多個干擾頻點進(jìn)行單值化處理。

針對這一問題，提出了單值化處理方法，即對一個通信帶寬B 內(nèi)干擾的分布進(jìn)行判斷，如Power_Jam1=0、Power_Jam2＞0 且Power_Jam3＞0 時，判定通信帶寬B 內(nèi)的干擾點為Jam3，同時刪去Jam2。最終，根據(jù)處理后的時頻二維數(shù)據(jù)不難看出，經(jīng)過單值化處理，每個觀測時刻對應(yīng)的通信帶寬B 內(nèi)有不超過一個干擾頻點，這對于下一步有效提取掃頻干擾趨勢具有重要意義。

需要注意的是，所提出的單值化處理方法，實質(zhì)上是對通信帶寬B 內(nèi)的多個干擾頻點進(jìn)行合理地取舍，取舍的方法不同，單值化處理后的效果也不同。本文結(jié)合通信帶寬B 來確定時頻分辨率，使得每個B 內(nèi)有不超過3 個干擾頻點，則單值化處理的過程實質(zhì)上是對3 個干擾頻點(存在頻點為1，不存在為0)取不超過一個頻點，最終，使得相鄰的通信帶寬B 內(nèi)的干擾頻點整體保留原有的干擾趨勢，且每個B 內(nèi)有不超過一個的干擾頻點。

6 分類搜索算法

假設(shè)通過門限判決得到的人為干擾的時頻矩陣為A (t，f)M×N，對應(yīng)的時間和頻率的矩陣表示為t1×M和f1×N。

6.1 定頻干擾的解析

從時域來看，定頻干擾具有較大的時間占用度。因此，通過對干擾頻點時間占用度進(jìn)行逐頻點搜索，將超過一定時間占用度門限的干擾解析為定頻干擾。由于隨機(jī)干擾及人為干擾相互間的影響，可能會造成觀測時間內(nèi)定頻干擾的時間占用度小于100%，文中由仿真設(shè)定定頻干擾占用度判決門限為T0=0.95。解析的算法具體如下:

For j=1:N

if ［length(A(:，j)=1)/M］＞T0=0.95

(1)記錄定頻干擾頻點j;

(2)從時頻矩陣A 中去除解析的定頻干擾頻點;

(3)干擾解析庫的更新;

End

End。

6.2 周期脈沖干擾的解析

周期脈沖干擾解析的基本思想是，從脈沖干擾的周期性出發(fā)，對每個頻點在觀測時間上進(jìn)行周期搜索，并對周期范圍或者時間占用度進(jìn)行約束，排除隨機(jī)干擾造成的偽周期脈沖干擾。具體的算法如下:

For j=1:N

if ta＜［length(A(:，j)=1)/M］＜tb(對干擾頻點時間占用度進(jìn)行約束)

(1)temp=find(A(:，j)＞0)，即將滿足占用度頻點的非零點集中儲存;

(2)T_temp=diff(temp)，對非零點進(jìn)行差分處理;

(3)if T_temp=常數(shù)＞0(差分處理后各點相等，說明是一定周期的脈沖干擾);

(4)記錄周期脈沖干擾頻點和對應(yīng)周期;

(5)刪除解析的周期脈沖干擾對應(yīng)頻點值;

(6)干擾解析庫的更新;

End

End

End。

6.3 掃頻干擾的解析

如前所述，通過對時頻矩陣進(jìn)行單值化處理，同一時刻在每個通信信道帶寬B 內(nèi)有不超過一個(可能為0)的干擾頻點，因此通過二叉樹結(jié)構(gòu)就能夠表征不同時刻干擾在頻域的分布情況。

掃頻干擾解析的基本思想是，在一定的觀測時間內(nèi)，由于隨機(jī)干擾不存在路徑趨勢，若始終存在連續(xù)的掃頻趨勢，且通過求取連續(xù)時間序列上基于二叉樹結(jié)構(gòu)的歐式距離和，并選取最小距離對應(yīng)的路徑作為掃頻干擾路徑，便能夠在復(fù)合干擾中對掃頻干擾進(jìn)行解析。

在基于二叉樹結(jié)構(gòu)進(jìn)行路徑搜索時，首先要確定二叉樹的“根”，即掃頻干擾的起始頻點。本文根據(jù)掃頻干擾的特征來確定起始頻點，即將時頻矩陣中具有“連續(xù)幾個相鄰時刻對應(yīng)頻點同方向漸變”特征的點作為掃頻干擾的起始點。

綜合來看，掃頻干擾搜索算法可表述如下:

(1)預(yù)處理:將經(jīng)過定頻和周期脈沖干擾解析后的時頻矩陣先進(jìn)行“插值處理”:當(dāng)左右相鄰時刻均滿足掃頻趨勢，而該時刻或連續(xù)幾個時刻一個帶寬范圍內(nèi)無頻點時，進(jìn)行插值處理，具體插值可先在解析庫中尋找，然后根據(jù)相鄰時刻已知頻點進(jìn)行插值;

(2)搜索步驟:

For j=1:N

1)二叉樹起始點的確定;

2)基于二叉樹結(jié)構(gòu)的最小歐式距離搜索;

3)掃頻干擾解析點的記錄和更新;

4)解析干擾庫的更新;

5)時頻干擾矩陣的更新;

6)j=j+2;

End。

6.4 隨機(jī)干擾的解析

干擾時頻矩陣通過“定頻干擾搜索、周期脈沖干擾搜索、掃頻干擾搜索”后，將其余不能夠解析的干擾看作是隨機(jī)干擾處理，算法表述如下:

For j=1:N

(1)length(find(A(:，j)＞0))/M;即隨機(jī)干擾時間占用度的計算;

(2)解析干擾庫的更新;

(3)時頻干擾矩陣的更新;

End。

6.5 交叉干擾時的處理

采用“搜索、記錄、刪除”的方法對復(fù)合人為干擾進(jìn)行分類搜索，具體來說，先對某類干擾進(jìn)行搜索，并在定義的干擾庫中對其進(jìn)行記錄，同時從干擾時頻矩陣中去除已搜索到的干擾。然而，若兩種人為干擾在某一頻點上有交叉，則前一種干擾解析和刪除后，交叉頻點的去除會對下一類型干擾的搜索和解析造成影響。

交叉干擾的判斷和處理算法如下:

(1)定義已解析的干擾為定頻干擾，待解析的干擾為掃頻干擾，兩種干擾存在兩個交叉頻點Fa(i，j)和Fb(i+1，j);

(2)若Fa(i，j)·Fb(i+1，j)＞0，且

則Fa(i，j)和Fb(i +1，j)在定頻干擾解析后不對其刪除;

(3)對其他的干擾頻點交叉類型，如一點交叉、三點交叉等，其處理方式與兩點交叉相似，均是通過判斷有無交叉點，以及交叉點左右鄰近時刻的干擾趨勢來作具體處理。

7 仿真與分析

涉及到的仿真參數(shù)主要有，采樣頻率fs=10 000 Hz，通信頻點所在的窄帶帶寬B=100 Hz，采用矩形時間滑動窗且窗口T_window =228 點，作STFT 的頻率分辨率為Δf =43.478 3 Hz，時間分辨率ΔT=0.011 5 s。仿真時間為4 s。干擾模型中，定頻頻率為，f1=3200 Hz，f2=4600 Hz;掃頻干擾周期為2 s，掃頻頻率范圍是1500～3500 Hz，其中在掃頻周期內(nèi)0～1 s為向上非線性掃頻，1～2 s為向下非線性掃頻;周期脈沖干擾的周期為0.1 s，采用占空比為1/10 的矩形實現(xiàn)，周期脈沖干擾載波為500 Hz;隨機(jī)干擾采用頻率干擾概率ρf和干擾頻率的時間占用度ρt來控制，加載的隨機(jī)干擾頻率占用度為0.15，時間占用度為0.05，干擾頻點和在時間和頻率上服從均勻分布。

7.1 復(fù)合人為干擾模型的建立

如圖3所示，對復(fù)合人為干擾信號進(jìn)行短時傅里葉變換，得到“功率－頻率－時間”的三維圖，其中，定頻f1=3200 Hz與掃頻干擾有交叉頻點，且在交叉點處功率值增大。圖4是通過對三維時頻圖中的“功率”值進(jìn)行門限判決后得到的“頻率－時間”二維投影圖，容易看到，在f2=4600 Hz周圍有一些多余的頻點，這主要是由于STFT 變換的時頻分辨率不能兼顧造成的，這對于后期干擾特征參數(shù)的提取可能會造成誤差。圖5是對人為干擾加載隨機(jī)干擾后進(jìn)行的二維投影，其中，在1500 Hz、2500 Hz、4000 Hz等頻點處隨機(jī)干擾的時間占用度較大。

圖3 人為干擾時域圖Fig.3 The jamming in time domain

圖4 人為干擾時頻二維投影圖Fig.4 The 2D shadow in time－frequency domain

圖5 隨機(jī)干擾影響下的人為干擾時頻二維投影圖Fig.5 The 2D shadow in time－frequency domain with random disturbance

7.2 定頻干擾和周期脈沖干擾的解析

圖6是解析得到的定頻干擾和周期脈沖干擾，可以看出，通過時間占用度判決和周期的逐頻點搜索，基本能夠?qū)Χl和周期脈沖干擾進(jìn)行較好地解析。而在516 Hz 處的周期脈沖干擾并沒有被解析，這是由于隨機(jī)干擾的影響，使得在516 Hz 處的脈沖干擾不滿足嚴(yán)格的周期性，這些未被解析的頻點最終會被當(dāng)作隨機(jī)干擾處理。

圖6 定頻和周期脈沖干擾的解析Fig.6 The resolution of constant and pulse Jamming

7.3 掃頻干擾的解析

在掃頻干擾解析前，先對時頻矩陣進(jìn)行數(shù)據(jù)平滑性的判斷，若出現(xiàn)非平滑點，需要進(jìn)行插值處理。在圖7中的t=1.37 s、f =3250 Hz處給出了插值處理前后的仿真結(jié)果，可以看出，在t = ［3.7 s，3.8 s］、f =［2200 Hz，2700 Hz］的時頻區(qū)間內(nèi)有較為復(fù)雜的二叉樹結(jié)構(gòu)。圖8所示是通過基于二叉樹結(jié)構(gòu)的路徑搜索算法對掃頻干擾進(jìn)行解析，基本能夠得到較平滑的掃頻圖案。

圖7 掃頻干擾解析前Fig.7 The resolution of sweeping jamming

圖8 解析得到的掃頻干擾Fig.8 The sweeping jamming after resolution

7.4 隨機(jī)干擾的解析

圖9所示為對隨機(jī)干擾的解析，由于前期頻點單值化處理以及其他干擾解析過程中的誤差累積等原因，會使得最終解析到的隨機(jī)干擾與理論加載的隨機(jī)干擾存在一定的誤差，在下一部分中會通過時間占用度來表征和分析隨機(jī)干擾整體的估計誤差。

圖9 隨機(jī)干擾的解析Fig.9 The resolution of random disturbance

7.5 復(fù)合人為干擾解析誤差的分析

7.5.1 定頻干擾和周期脈沖干擾參數(shù)估計誤差

在一定的干擾概率和不同時間占用度的隨機(jī)干擾影響下，對定頻干擾和周期脈沖干擾參數(shù)進(jìn)行提取。參數(shù)提取的準(zhǔn)確度使用相對誤差來表征。分析結(jié)果可以看出，定頻干擾和周期脈沖干擾估計誤差幾乎不受隨機(jī)干擾的影響，一方面是由于隨機(jī)干擾的頻點干擾概率和干擾頻點的時間占用度不夠大，另一方面是由于STFT 算法的時頻分辨率不能兼顧而造成的。

7.5.2 掃頻干擾參數(shù)估計誤差

掃頻干擾參數(shù)的提取使用掃頻頻點估計的準(zhǔn)確度來衡量。本文對掃頻干擾的估計是采用基于二叉樹結(jié)構(gòu)的最短路徑搜索算法，因此，隨機(jī)干擾對掃頻干擾趨勢和路徑的判斷有很大影響，尤其是隨機(jī)干擾與掃頻趨勢一致時，可能會超出二叉樹結(jié)構(gòu)的判斷能力，使得掃頻干擾估計錯誤。如圖10所示，時間占用度?。?.05 0.1 0.15 0.2 0.25 0.3 0.35］，頻率占用度為0.15，且每種占用度情況下的隨機(jī)干擾做50 次的蒙特卡洛仿真。結(jié)果表明，隨著干擾時間占用度不斷增加，掃頻干擾估計的相對誤差不斷增大。

圖10 掃頻干擾估計誤差Fig.10 The estimation of sweeping jamming

7.5.3 隨機(jī)干擾時間占用度估計誤差

在對掃頻干擾自適應(yīng)搜索過程中，有來自其他人為干擾相互間的影響，如定頻干擾對掃頻干擾的交叉干擾，隨機(jī)干擾對路徑搜索的影響，以及掃頻干擾提取前進(jìn)行的插值處理等。最終，各個人為干擾參數(shù)提取時伴隨的誤差以及插值處理的額外頻點都以隨機(jī)干擾的形式處理，所以，隨機(jī)干擾時間占用度的估計可用來表征復(fù)合人為干擾參數(shù)估計總體的準(zhǔn)確度。圖11是隨機(jī)干擾估計準(zhǔn)確度的仿真，且每種占用度情況下的隨機(jī)干擾做50 次的蒙特卡洛仿真。結(jié)果表明，隨著理論時間占用度的增加，其估計誤差與圖10中掃頻干擾估計誤差有相似的增長趨勢，而定頻和周期脈沖干擾估計誤差幾乎不受隨機(jī)干擾影響，所以，掃頻干擾估計的準(zhǔn)確度很大程度上決定了隨機(jī)干擾占用度的估計誤差。

圖11 隨機(jī)干擾估計誤差Fig.11 The estimation of random disturbance

8 結(jié)束語

本文研究了軍事無線通信中對蓄意人為干擾的識別和解析問題，構(gòu)建了隨機(jī)干擾影響下的復(fù)合人為干擾模型，通過短時傅里葉變換得到了干擾信號的時頻矩陣，并結(jié)合通信頻點的窄帶帶寬來確定短時傅里葉變換的時頻分辨率;在干擾時頻矩陣的基礎(chǔ)上根據(jù)干擾信號參數(shù)特征的不同使用分類搜索算法對干擾信號解析。理論分析和實驗結(jié)果表明，在一定復(fù)雜度的隨機(jī)干擾的影響下，分類搜索算法能夠較為準(zhǔn)確地實現(xiàn)對復(fù)合干擾信號的解析。當(dāng)然，文中僅是對干擾環(huán)境進(jìn)行了分析，通信信號對干擾的分析也有很大的影響，如何在通信信號中準(zhǔn)確地分析干擾信號，這需要下一步深入研究。

［1］ Hopgood J R，Rayner J W.Single channel non－stationary stochastic signal separation using linear time－varying filters［J］. IEEE Transactions on Signal Processing，2003，51(7):1739－1752.

［2］ 徐冠雷，王孝通，徐曉剛，等. 多分量到單分量可用EMD 分解的條件及判據(jù)［J］.自然科學(xué)進(jìn)展，2006，16(10):1356－1360.XU Guanlei，WANG Xiaotong，XU Xiaogang，et al. More component to the single component available EMD decomposition conditions and basis［J］.Nature Science Development，2006，16(10):1356－1360.(in Chinese)

［3］ 黃文通，李平杰. 成橋預(yù)拱度設(shè)置的正交多項式擬合法［J］.公路工程，2013，38(5):103－107.HUANG Wentong，LI Pingjie. Orthogonal Polynomials’fitting For Setting Bridge Pre－Camber［J］.Highway Engineering，2013，38(5):103－107.(in Chinese)

［4］ 劉小峰，柏林，秦樹人.基于自適應(yīng)時頻分解的瞬態(tài)沖擊信號提純［J］.機(jī)械工程學(xué)報，2008，44(11):166－170.LIU Xiaofeng，BO Lin，QIN Shuren. Transient Impulse Signal Extraction Based on Self－ adaptive Time－ frequency Decomposition［J］.Chinese Journal of Mechanical Engineering，2008，44(11):166－170.(in Chinese)

［5］ 張睿.基于ICA 的工作模態(tài)參數(shù)識別及故障診斷方法研究［D］.太原:中北大學(xué)，2014.ZHANG Rui.Operational Model Analysis and Fault Diagnosis Methods Based on ICA［D］.Taiyuan:North University of China，2014.(in Chinese)

［6］ NIU Yingtao，YAO Fuqiang，WANG Mingyue，et al. Anti－chirp－jamming communication based on the cognitive cycle［J］. International Journal of Electronics and Communications，2012，66(7):547－560.