楊燕梅，郎榮玲，葉萬(wàn)洋

（北京航空航天大學(xué) 電子信息工程學(xué)院，北京 100191）

0 引言

由于全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system， GNSS）處于復(fù)雜的無(wú)線(xiàn)環(huán)境中，經(jīng)常受到各種不同干擾信號(hào)的影響，這些干擾信號(hào)直接影響導(dǎo)航接收機(jī)的性能，甚至使其不能工作。因此在接收機(jī)中一般需要對(duì)接收的信號(hào)進(jìn)行抗干擾，但是由于不同的干擾信號(hào)對(duì)導(dǎo)航信號(hào)的影響不同，所采用的抗干擾算法不同。比如在利用功率反演算法抗脈沖干擾時(shí)，由于協(xié)方差矩陣存在不穩(wěn)定性，會(huì)導(dǎo)致抗干擾算法失效。但是在抗窄帶干擾以及單頻干擾時(shí)，功率反演算法卻有很好的效果。而如果在抗干擾算法之前對(duì)干擾進(jìn)行監(jiān)測(cè)，估計(jì)出干擾信號(hào)的類(lèi)型和參數(shù)，例如脈沖干擾的周期和占空比，則可以很好地利用功率反演算法進(jìn)行抗干擾。因此為了保證衛(wèi)星導(dǎo)航系統(tǒng)的穩(wěn)定工作，對(duì)干擾信號(hào)調(diào)制類(lèi)型進(jìn)行識(shí)別及參數(shù)估計(jì)具有重要的意義。

根據(jù)經(jīng)驗(yàn)和文獻(xiàn)資料調(diào)查發(fā)現(xiàn)，針對(duì)GNSS的干擾的類(lèi)型包括數(shù)字、模擬、掃頻和脈沖干擾等多種形式，因此GNSS干擾識(shí)別是一種缺乏先驗(yàn)知識(shí)的數(shù)字調(diào)制方式、模擬調(diào)制方式及脈沖信號(hào)的混合識(shí)別。因此研究復(fù)雜環(huán)境下GNSS干擾盲識(shí)別技術(shù)是具有重要意義的。

目前無(wú)線(xiàn)通信信號(hào)的調(diào)制體制識(shí)別主要分為2大類(lèi)：基于最大似然假設(shè)檢驗(yàn)方法和基于特征提取的模式識(shí)別方法。

基于最大似然假設(shè)檢驗(yàn)的方法的優(yōu)點(diǎn)在于，它理論上可以保證在貝葉斯最小誤判代價(jià)準(zhǔn)則下得到最好的分類(lèi)結(jié)果，但其局限性也很明顯，即需要有更多的先驗(yàn)知識(shí)。在沒(méi)有先驗(yàn)知識(shí)的條件下，它的復(fù)雜性和計(jì)算量較大，無(wú)法保證系統(tǒng)實(shí)時(shí)分類(lèi)，工程應(yīng)用性較差。

基于特征提取的模式識(shí)別方法主要包括2個(gè)步驟：特征提取和分類(lèi)器的設(shè)計(jì)。特征提取的方法主要分為3大類(lèi)：

1）基于時(shí)間域的特征提取。文獻(xiàn)[1]首次提出利用希爾伯特變換得到信號(hào)瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率，利用瞬時(shí)幅度、瞬時(shí)相位和瞬時(shí)頻率的2階矩以及 2階中心距來(lái)對(duì)信號(hào)進(jìn)行特征提取，實(shí)現(xiàn)了模擬幅度調(diào)制，單邊帶、雙邊帶幅度調(diào)制以及調(diào)頻信號(hào)的分類(lèi)；文獻(xiàn)[2]實(shí)現(xiàn)了數(shù)字調(diào)制信號(hào)MASK、MPSK、MFSK的分類(lèi)；文獻(xiàn)[3]同樣利用希爾伯特變換得到的信號(hào)的瞬時(shí)幅度、頻率和相位等信息，以人工神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器，實(shí)現(xiàn)數(shù)字調(diào)制信號(hào)（ASK/2FSK/4FSK/BPSK/ QPSK）和模擬調(diào)頻和調(diào)幅信號(hào)的識(shí)別。這種基于時(shí)間域的特征提取的方法實(shí)現(xiàn)簡(jiǎn)單，在高信噪比下特征易于提取，且特征具有明顯的物理意義，但這種提取方法受噪聲影響較大。

2）基于統(tǒng)計(jì)域的特征提取。統(tǒng)計(jì)域的特征主要是利用高階累積量，主要包括3階累計(jì)量和4階累計(jì)量：文獻(xiàn)[4]實(shí)現(xiàn)了利用高階累積量完成數(shù)字調(diào)制信號(hào)（BPSK/QPSK/ 16QAM/32QAM）分類(lèi)；文獻(xiàn)[5]利用高階累積量實(shí)現(xiàn)了 4ASK、8ASK、BPSK、QPSK、8PSK、16QAM、32QAM、256QAM的分類(lèi)；但利用提取高階累積量，需要將接收到的信號(hào)下變頻到基帶信號(hào)，這就需要精確的估計(jì)載頻，通常載頻的估計(jì)會(huì)有一定的誤差，于是文獻(xiàn)[6]提出了改進(jìn)的方法，無(wú)需下變頻，實(shí)現(xiàn)了BPSK、QPSK、OQPSK、4PAM、8PSK、8QAM、16QAM、32QAM的分類(lèi)；文獻(xiàn)[7]將高階累積量與支持向量機(jī)相結(jié)合，在信噪比為4 dB時(shí)，識(shí)別的正確率可以達(dá)到98 %；文獻(xiàn)[8]除了實(shí)現(xiàn)4ASK、8ASK、BPSK、QPSK、8PSK、16QAM 的識(shí)別，還實(shí)現(xiàn)了 MFSK（2FSK、4FSK、8FSK）的識(shí)別。利用高階累積量的最大優(yōu)勢(shì)是對(duì)于加性的高斯白噪聲具有很好的抗干擾性能。

3）基于變換域的特征提取?；谘h(huán)譜的特征提取是變換域特征提取的一種主要方法，不同的調(diào)制信號(hào)類(lèi)型的頻譜特征可能相同，但對(duì)于不同的調(diào)制信號(hào)類(lèi)型循環(huán)譜都不同。文獻(xiàn)[9]中通過(guò)估計(jì)不同調(diào)制信號(hào)的循環(huán)譜，在循環(huán)譜域提取提取 6個(gè)特征參數(shù)，實(shí)現(xiàn) AM、DSM、VSB、SSB、ASK、FSK、PSK、MSK、QPSK的調(diào)制識(shí)別；文獻(xiàn)[10]利用高階累積量與循環(huán)譜域的特征參數(shù)相結(jié)合，首先利用高階累積量將數(shù)字調(diào)制信號(hào)分為{BPSK，2ASK}、{QPSK}、{2FSK， 4FSK}、{MSK}和{16QAM，64QAM}5類(lèi)。然后利用高階累積量以及循環(huán)譜對(duì){OFDM}、{16QAM， 64QAM}、{2ASK，BPSK}及{2FSK，4FSK}進(jìn)行識(shí)別；文獻(xiàn)[11]中通過(guò)估計(jì)不同調(diào)制信號(hào)的循環(huán)譜，并將神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器，實(shí)現(xiàn)了 BPSK/QPSK/ FSK/MSK的分類(lèi)識(shí)別?；谘h(huán)譜特征提取的方法的優(yōu)勢(shì)是對(duì)于不同的調(diào)制信號(hào)類(lèi)型會(huì)有不同的循環(huán)譜，區(qū)分度明顯，且抗加性高斯白噪聲的性能較好，但計(jì)算量較大，不適合在工程中做實(shí)時(shí)分類(lèi)。

文獻(xiàn)[12-13]中對(duì)調(diào)制信號(hào)做連續(xù)小波變換，實(shí)現(xiàn)了BPSK、2FSK、QAM、MSK、ASK信號(hào)類(lèi)型的分類(lèi)；文獻(xiàn)[14]中同樣利用小波變換實(shí)現(xiàn)了BPSK、2FSK、QAM、MSK、ASK信號(hào)類(lèi)型的分類(lèi)；文獻(xiàn)[15]利用改進(jìn)的尺度縮放優(yōu)化小波變換算法，實(shí)現(xiàn)了 2ASK、4ASK、8ASK、16QAM、64QAM、128QAM的分類(lèi)。由于Haar連續(xù)小波變換技術(shù)可以實(shí)現(xiàn)碼元內(nèi)小波系數(shù)恒定不變，但不同的調(diào)制類(lèi)型碼元內(nèi)的小波系數(shù)可能不同，并且小波系數(shù)在變換點(diǎn)處發(fā)生突變，利用這一特點(diǎn)來(lái)實(shí)現(xiàn)不同調(diào)制類(lèi)型的分類(lèi)，同時(shí)它對(duì)于噪聲也非常敏感，在低信噪下，識(shí)別率較差。

此外還有基于譜分析的特征提?。何墨I(xiàn)[16]中利用信號(hào)譜、平方譜以及 4次方譜實(shí)現(xiàn)了 BPSK/QPSK/OQPSK/π/4QPSK/MSK/FSK/FM/CW 的分類(lèi)識(shí)別，信噪比大于12 dB時(shí)總體識(shí)別率達(dá)到95 %。

分類(lèi)的方法大致有2類(lèi)：傳統(tǒng)的基于決策樹(shù)的分類(lèi)器；基于人工智能的分類(lèi)器。傳統(tǒng)的分類(lèi)器每個(gè)特征都需要對(duì)應(yīng)設(shè)置一個(gè)判決門(mén)限，而判決門(mén)限的選取對(duì)識(shí)別的正確率影響很大；其次每個(gè)判決節(jié)點(diǎn)只能使用一個(gè)特征判決，這就導(dǎo)致識(shí)別的正確率不僅與特征量使用的先后次序有關(guān)，而且完全取決于每個(gè)特征的單次正確判決率。而人工智能的方法對(duì)判決門(mén)限的選取是自適應(yīng)的，而且它每次判決都需要使用全部的特征向量，這就使得系統(tǒng)的識(shí)別成功率大大提高。

GNSS所處電磁環(huán)境復(fù)雜，多種類(lèi)型干擾并存，并且還鮮有能應(yīng)用于導(dǎo)航系統(tǒng)的干擾監(jiān)測(cè)產(chǎn)品。軟件無(wú)線(xiàn)電具有高度的靈活性、通用性和功能模塊化等特點(diǎn)，同時(shí)也是一種新的無(wú)線(xiàn)電系統(tǒng)體系結(jié)構(gòu)，以開(kāi)放性、可擴(kuò)展、結(jié)構(gòu)精簡(jiǎn)的硬件為通用平臺(tái)。因此本文主要基于軟件無(wú)線(xiàn)電架構(gòu)，搭建了GNSS干擾盲識(shí)別系統(tǒng)。本系統(tǒng)可識(shí)別多干擾并存環(huán)境下的干擾類(lèi)型以及每種類(lèi)型干擾的參數(shù)。

1 系統(tǒng)設(shè)計(jì)

GNSS盲識(shí)別系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

圖1 衛(wèi)星導(dǎo)航自適應(yīng)干擾盲識(shí)別系統(tǒng)

硬件平臺(tái)由天線(xiàn)，下變頻器、AD采集板、USB3.0接口、RS485接口、FPGA芯片以及上位機(jī)組成。

硬件平臺(tái)完成信號(hào)采集并將采集的信號(hào)傳輸至上位機(jī)。在本系統(tǒng)中下變頻和 AD采用選用芯片AD9361完成，AD9361具有2個(gè)相互獨(dú)立的下變頻通道以及 12位模數(shù)轉(zhuǎn)換器（analog-to-digital converter，ADC）。系統(tǒng)中的FPGA采用Xilinx K7系列芯片。USB3.0作為數(shù)據(jù)總線(xiàn)用于傳輸數(shù)據(jù)、RS485作為控制總線(xiàn)傳送控制指令。

軟件部分在上位機(jī)上實(shí)現(xiàn)，包括盲源分離、調(diào)制體制識(shí)別、調(diào)制參數(shù)識(shí)別3個(gè)功能。盲源分離模塊主要任務(wù)是將混疊的干擾信號(hào)進(jìn)行分離，本系統(tǒng)中采用的是復(fù)數(shù)快速獨(dú)立分量分析法實(shí)現(xiàn)混合信號(hào)的盲分離。調(diào)制體制識(shí)別模塊的任務(wù)是識(shí)別分離后的每一路信號(hào)的調(diào)制功能。調(diào)制參數(shù)識(shí)別的任務(wù)是識(shí)別每種調(diào)制體制的中心頻點(diǎn)、帶寬、占空比等參數(shù)。本論文主要研究干擾信號(hào)調(diào)制體制識(shí)別以及參數(shù)識(shí)別技術(shù)。

2 干擾自適應(yīng)盲識(shí)別方法

本論文基于特征參數(shù)的調(diào)制識(shí)別方法是利用二叉樹(shù)的分類(lèi)方法把每個(gè)特征參數(shù)的值與預(yù)先設(shè)定的閾值進(jìn)行比較，通過(guò)決策樹(shù)判決的方式實(shí)現(xiàn)多種調(diào)制方式的分類(lèi)與識(shí)別，具體過(guò)程如圖2所示。

圖2 信號(hào)識(shí)別流程

2.1 干擾類(lèi)型

本系統(tǒng)可以識(shí)別衛(wèi)星導(dǎo)航系統(tǒng)所面臨的主要干擾類(lèi)型，包括單頻干擾、脈沖干擾、線(xiàn)性?huà)哳l干擾、調(diào)頻干擾、BPSK及FSK干擾。

單頻干擾的數(shù)學(xué)模型為

式中：fc為信號(hào)的載頻；E為信號(hào)功率；t為時(shí)間。脈沖干擾（pulse）的數(shù)學(xué)模型為

式中：M是信號(hào)的周期內(nèi)高電平個(gè)數(shù)；Tpluse為脈沖周期；rect(t)為門(mén)函數(shù)。

掃頻干擾（sweep frequency，SW）的數(shù)學(xué)模型為

式中：Tsweep為掃頻周期；K為掃頻信號(hào)的頻率變化率。

BPSK干擾的數(shù)學(xué)模型為

式中：Tr為碼元周期；m為進(jìn)制數(shù)，為0、π；N為碼元個(gè)數(shù)。

調(diào)頻干擾（frequency modulation， FM）的數(shù)學(xué)模型為

式中：fm為調(diào)制信號(hào)的頻率；mf為調(diào)制指數(shù)。

FSK干擾的數(shù)學(xué)模型為

式中Δf為信號(hào)的頻偏。

2.2 信號(hào)的特征提取

不同類(lèi)型的調(diào)制信號(hào)，具有不同的特征，下面將詳細(xì)研究如何利用調(diào)制信號(hào)的不同特征對(duì)信號(hào)進(jìn)行特征提取，本文利用了時(shí)域、頻域以及統(tǒng)計(jì)域的特征。

2.2.1 零中心歸一化瞬時(shí)幅度譜密度的最大值

在 2.1節(jié)描述的信號(hào)中只有脈沖信號(hào)的瞬時(shí)幅度是變化的，其他調(diào)制信號(hào)的瞬時(shí)幅值是恒定值，因此可以利用幅度信息來(lái)將脈沖信號(hào)與其他調(diào)制信號(hào)區(qū)分。

為了減少噪聲以及個(gè)別離群值的影響，須提高識(shí)別方法的穩(wěn)定性。首先，對(duì)瞬時(shí)幅度做零中心歸一化處理，再對(duì)處理后的信號(hào)做傅里葉變換。幅度恒定信號(hào)做零中心歸一化以后幅值在零附近波動(dòng)，頻率遍布整個(gè)帶寬內(nèi)，無(wú)明顯最值。脈沖信號(hào)的瞬時(shí)幅值隨著脈沖周期不斷的變化，其傅里葉變換后，在某個(gè)頻點(diǎn)處呈現(xiàn)出明顯的最值（如圖3所示）。因此可以利用

將脈沖信號(hào)識(shí)別出來(lái)。式（7）中：Ns為采樣點(diǎn)數(shù)；為零中心歸一化瞬時(shí)幅度。零中心歸一化過(guò)程為

信號(hào)歸一化的表達(dá)式為

其中max(x)為信號(hào)的最大值。

信號(hào)的零中心化的表達(dá)式為

圖3 零中心歸一化瞬時(shí)幅度譜密度

2.2.2 沖擊個(gè)數(shù)1δ

不同的調(diào)制信號(hào)的功率譜計(jì)算公式為：

1）FSK

2）BPSK

3）CW

4）脈沖

式中：fs為采樣率；fT為脈沖頻率；l為占空比。

5）調(diào)頻

6）掃頻

式中K=B/Tsweep，B為帶寬。

從圖4的功率譜可以看出，F(xiàn)SK、CW的功率譜都有沖擊函數(shù)，而其他的調(diào)制類(lèi)型的信號(hào)沒(méi)有，由此可以根據(jù)沖擊個(gè)數(shù)1δ將FSK、CW與其他類(lèi)型的調(diào)制信號(hào)區(qū)分。

圖4 5種干擾信號(hào)的頻譜

2.2.3 沖擊個(gè)數(shù)δ2

由于線(xiàn)性調(diào)頻信號(hào)和單音余弦調(diào)頻信號(hào)頻率是不斷變化的，其在時(shí)域和頻域都沒(méi)有區(qū)分度，因此可以通過(guò)離散相位變換區(qū)分，離散相位變換定義為

式中：τ為時(shí)間延遲；x*(n)為x(n)的共軛。根據(jù)離散相位變換的定義，可以得出線(xiàn)性?huà)哳l信號(hào)的離散相位變換后的表達(dá)式為

根據(jù)式（18）可以得出離散相位變換后的掃頻信號(hào)為一個(gè)單頻信號(hào)。

調(diào)頻信號(hào)的離散相位變換后的表達(dá)式為

根據(jù)式（19）可以得出離散相位變換后的調(diào)頻信號(hào)仍然為一個(gè)具有帶寬的信號(hào)，即BPSK為

根據(jù)式（20）可以得出離散相位變換后的BPSK信號(hào)為基帶的碼元信號(hào)。

對(duì)離散相位變換后的信號(hào)做傅里葉變換后，掃頻信號(hào)含有沖擊函數(shù)，而B(niǎo)PSK和調(diào)頻信號(hào)沒(méi)有沖擊信號(hào)，由此可以將掃頻信號(hào)識(shí)別出來(lái)。

圖5 3種干擾信號(hào)離散相位變換后的頻譜

2.2.4 高階累積量

因此對(duì)于均值為零的平穩(wěn)復(fù)基帶隨機(jī)過(guò)程，2階和4階累積量的表達(dá)式分別為

根據(jù)高階累積量的定義可以知道，對(duì)于實(shí)信號(hào)它反映的是不同調(diào)制信號(hào)其隨機(jī)變量的概率密度的分布情況，對(duì)于復(fù)信號(hào)它反映的是不同調(diào)制類(lèi)型信號(hào)的星座圖的分布情況。并且對(duì)于不同的調(diào)制信號(hào)類(lèi)型的高階累積量可能相同，但是不同的高階累積量的調(diào)制信號(hào)類(lèi)型肯定不同。因此可以利用高階累積量來(lái)進(jìn)行信號(hào)調(diào)整類(lèi)型的識(shí)別。利用上述公式計(jì)算不同調(diào)制信號(hào)的高階累積量（如表 1所示）。令根據(jù)表格可以將單載波干擾和FSK區(qū)分開(kāi)、調(diào)頻干擾和BPSK干擾區(qū)分開(kāi)。

表1 高階累積理論值

2.3 參數(shù)估計(jì)

本文中主要估計(jì)干擾信號(hào)的載波和碼速率，并且估計(jì)了脈沖信號(hào)的周期和占空比。

2.3.1 載波估計(jì)

本文中利用頻域估計(jì)方法將信號(hào)變換到頻域，利用信號(hào)的對(duì)稱(chēng)性估計(jì)信號(hào)的載頻。公式為

式中：X(k)為信號(hào)的傅里葉變換：N為傅里葉變換的點(diǎn)數(shù)。

2.3.2 碼速率估計(jì)

碼速率估計(jì)的精確與否直接關(guān)系到接收端定時(shí)序列的重構(gòu)以及基帶信號(hào)的正確抽判，因此它也是信號(hào)估計(jì)的一個(gè)重要參數(shù)。本論文中利用小波變換的方法估計(jì)數(shù)字調(diào)制信號(hào)BPSK和FSK的碼速率。具體步驟如下：

以Haar函數(shù)作為母函數(shù)，對(duì)接收信號(hào)進(jìn)行2次小波變換后，圖中可以看出BPSK和FSK只有在碼元變換的時(shí)刻有沖擊信號(hào)，而碼元周期內(nèi)為常數(shù)值，接著對(duì)小波系數(shù)進(jìn)行傅里葉變換，這樣就根據(jù)頻譜的最大值與次大值之間的頻率間隔得到碼元信號(hào)的頻率（如圖6、圖7所示）。

圖6 FSK的小波變換

圖7 BPSK的小波變換

2.3.3 脈沖周期和占空比的估計(jì)

脈沖信號(hào)瞬時(shí)幅度如圖8所示。

1）估計(jì)信號(hào)的占空比。首先把信號(hào)下變頻到0、1電平的基帶信號(hào)，即對(duì)復(fù)信號(hào)求模值即可。其次，估計(jì)0、1電平的均值，求大于均值的點(diǎn)數(shù)，再用大于均值的點(diǎn)數(shù)除以總的點(diǎn)數(shù)，即占空比。

圖8 脈沖信號(hào)的瞬時(shí)幅度

2）估計(jì)信號(hào)的脈沖周期。估計(jì)信號(hào)的頻譜為

根據(jù)上式可以知道，頻譜的最大值和次大值的間隔為脈沖的頻率。

3 實(shí)驗(yàn)與結(jié)果分析

典型的模式干擾盲識(shí)別系統(tǒng)主要由信號(hào)預(yù)處理、特征提取和分類(lèi)判決3個(gè)部分組成，該過(guò)程的框圖如圖9所示。

圖9 模式識(shí)別系統(tǒng)流程

3.1 仿真與結(jié)果實(shí)驗(yàn)

1）實(shí)驗(yàn)設(shè)置。為了驗(yàn)證特征參數(shù)提取的有效性，實(shí)驗(yàn)分別產(chǎn)生6種干擾信號(hào)，每種調(diào)制類(lèi)型進(jìn)行100次實(shí)驗(yàn)，信噪比為20 dB，干擾信號(hào)調(diào)制參數(shù)如表2所示。

表2 6種仿真干擾信號(hào)參數(shù)設(shè)置

2）實(shí)驗(yàn)結(jié)果與分析。根據(jù)以上的信號(hào)調(diào)制的參數(shù)設(shè)置估計(jì)出每個(gè)特征參數(shù)，取 10次實(shí)驗(yàn)的平均值。實(shí)驗(yàn)結(jié)果表明在以上信號(hào)調(diào)制參數(shù)設(shè)置下，以上5個(gè)特征參數(shù)完全識(shí)別6種調(diào)制類(lèi)型的信號(hào)。特征估計(jì)參數(shù)如表3所示。

表3 6種仿真干擾信號(hào)特征參數(shù)

3）根據(jù)參數(shù)估計(jì)所用到的方法，對(duì)脈沖信號(hào)的占空比以及脈沖周期、BPSK和FSK的碼速率以及載頻進(jìn)行參數(shù)估計(jì)（如表4所示）

表4 3種干擾信號(hào)的參數(shù)估計(jì)

根據(jù)表格顯示的特征參數(shù)估計(jì)值與理論值相比較，這些特征參數(shù)可以對(duì)6種干擾信號(hào)進(jìn)行分類(lèi)。對(duì)干擾信號(hào)的調(diào)制參數(shù)的估計(jì)可以認(rèn)為誤差都控制在1 %以?xún)?nèi)。

3.2 實(shí)測(cè)實(shí)驗(yàn)

為測(cè)試上述方法的實(shí)際應(yīng)用效果，在實(shí)驗(yàn)環(huán)境中進(jìn)行了測(cè)試。實(shí)驗(yàn)設(shè)置如圖10所示，實(shí)驗(yàn)的信號(hào)參數(shù)設(shè)置如表5、表6所示，實(shí)測(cè)實(shí)驗(yàn)結(jié)果表明4個(gè)特征參數(shù)可以有效對(duì)信號(hào)進(jìn)行分類(lèi)。表 5、表 6分別是接收的實(shí)際信號(hào)所設(shè)置的參數(shù)以及所提取的特征參數(shù)。

圖10 實(shí)驗(yàn)硬件設(shè)置及軟件設(shè)置

表5 6種實(shí)際接收干擾信號(hào)參數(shù)設(shè)置

表6 6種信號(hào)的特征參數(shù)

4 結(jié)束語(yǔ)

由于導(dǎo)航干擾信號(hào)類(lèi)型的多樣性，本論文在特征提取時(shí)也采用了多種方法，將高階累積量、譜分析以及離散相位變換相結(jié)合，得到5個(gè)特征參數(shù)：4階累積量的比值、譜峰個(gè)數(shù)、離散相位變換后的譜峰個(gè)數(shù)、瞬時(shí)幅度零中心歸一化的最大值。實(shí)現(xiàn)6種導(dǎo)航干擾信號(hào)的分類(lèi)。在仿真實(shí)驗(yàn)中也證明了混合識(shí)別算法可以有效地識(shí)別數(shù)字調(diào)制信號(hào)與模擬調(diào)制信號(hào)的6種干擾信號(hào)；最后利用實(shí)驗(yàn)室現(xiàn)有的信號(hào)采集設(shè)備進(jìn)行驗(yàn)證，具有較好的工程實(shí)用價(jià)值。