学位论文 > 优秀研究生学位论文题录展示

直扩系统中的干扰类型识别方法研究

作　者: 于波
导　师: 孙红胜
学　校: 解放军信息工程大学
专　业: 检测技术与自动化装置
关键词: 直扩通信特征提取干扰分类器人工神经网络支持向量机
分类号: TN911.7
类　型: 硕士论文
年　份: 2010年
下　载: 96次
引　用: 0次
阅　读: 论文下载

内容摘要

直接序列扩展频谱通信以其隐蔽性好、保密性强、抗多径衰落和易于组网等优点而广泛应用于军事和民用领域。直扩通信系统自身具有一定的抗干扰能力,但在强干扰环境下,干扰强度容易超出其干扰容限,从而导致系统性能的急剧下降,此时,需要加入相应的抗干扰措施对干扰进行抑制。目前国内外已经提出大量干扰抑制算法,然而一种抗干扰手段往往只对某一类干扰类型有效。对实际接收机而言,干扰类型往往是未知的,要实现有效的干扰抑制,需要针对不同的干扰类型使用与其相对应的抑制方法,才能有效地提高直扩系统的性能。因此,本文针对目前干扰抑制技术的特点,开展了对直扩系统中的干扰类型识别技术的研究,主要工作概况如下:1、对直扩系统中的主要干扰类型进行了研究。针对目前干扰样式种类繁多、不断发展的现状,通过阅读文献和仿真实验,归纳出了直扩系统中的八种主要干扰情况:无干扰、单音干扰、窄带BPSK干扰、脉冲干扰、跳频干扰、宽带梳状谱干扰、线性调频干扰和宽带BPSK干扰;建立了各干扰信号的模型,给出了相应的数学表达式,并分别对其时域和变换域特性进行了简要分析。2、对干扰信号特征参数提取方法进行了深入研究。在详细分析各干扰信号特点的基础上,依照由检测到识别、从粗到细、逐级划分的设计理念,分别从时域、频域和时频域提取了8个识别特征:能限因子、归一化频谱带宽、归一化频谱峰度、归一化频谱平坦度、时域峰平比、长短信号带宽归一化差别、分数阶傅立叶域能量聚集度和分数阶傅立叶域能量聚集度差别。利用这8个特征参数,实现了对上述干扰信号的存在性检测和识别的一体化。3、对干扰分类算法的设计与实现进行了深入研究。利用所提取的8个特征参数,设计了一个五级神经网络组合干扰分类器,并详细阐述了设计细节和识别性能;针对神经网络中相关参数选取无理论依据,增加了设计难度的问题,设计了五级决策树支持向量机干扰分类器;对比并且分析了所设计的干扰分类器的时效性和识别率。仿真结果表明,在一般噪声背景下,当干信比不低于10dB(即直扩系统的干扰容限)时,支持向量机干扰分类器和人工神经网络干扰分类器可以实现对干扰信号的较准确识别。4、考虑到对干扰识别和抑制算法的效果进行验证需要调整很多参数,通过可视化界面可以方便地进行设置,为此开发了直扩系统中的干扰类型识别和抑制可视化仿真平台。测试结果表明,该平台实现了既定功能,测试结果令人满意。

全文目录

表目录  6-7
图目录  7-9
摘要  9-10
ABSTRACT  10-12
第一章绪论  12-20
  1.1 引言  12
  1.2 直扩系统中干扰类型识别技术的研究现状  12-17
    1.2.1 直扩系统中的主要干扰类型  12-13
    1.2.2 分类识别技术的研究现状  13-17
  1.3 课题研究的目的和意义  17
  1.4 论文主要的研究内容及各章节安排  17-20
第二章直扩系统中的干扰信号特征参数提取  20-38
  2.1 干扰信号模型的建立  20-25
    2.1.1 单音连续波干扰  21
    2.1.2 线性调频干扰  21-22
    2.1.3 宽带梳状谱干扰  22-23
    2.1.4 脉冲干扰  23-24
    2.1.5 跳频干扰  24-25
    2.1.6 BPSK干扰  25
  2.2 特征参数提取方法研究  25-28
    2.2.1 调制方式识别中的特征提取方法  25-26
    2.2.2 干扰类型识别中的特征提取方法  26-27
    2.2.3 分数阶傅立叶变换  27-28
  2.3 干扰信号特征提取  28-37
    2.3.1 能限因子  28-31
    2.3.2 归一化频谱带宽  31
    2.3.3 归一化频谱峰度  31
    2.3.4 归一化频谱平坦度  31-33
    2.3.5 长短信号带宽归一化差别  33-34
    2.3.6 时域峰平比  34-35
    2.3.7 分数阶傅立叶域能量聚集度和分数阶傅立叶域能量聚集度差别  35-37
  2.4 本章小结  37-38
第三章直扩系统中的干扰分类算法与实现  38-60
  3.1 人工神经网络  38-41
    3.1.1 前馈BP网络及其结构  39-40
    3.1.2 L-M训练算法  40-41
  3.2 人工神经网络干扰分类器（ANNIC）设计  41-47
    3.2.1 干扰分类器结构  42-43
    3.2.2 训练算法与识别算法  43-45
    3.2.3 性能仿真  45-47
  3.3 支持向量机干扰分类器（SVMIC）设计  47-57
    3.3.1 支持向量机  47-51
    3.3.2 SVMIC设计  51-57
  3.4 干扰分类器性能对比  57-59
    3.4.1 时效性对比  57
    3.4.2 识别率对比  57-59
  3.5 本章小结  59-60
第四章直扩系统中的干扰类型识别和抑制可视化仿真平台设计  60-66
  4.1 仿真平台功能设定  60-61
  4.2 仿真平台总体设计  61-62
  4.3 仿真平台具体实现  62-64
    4.3.1 调制方式选择模块  62
    4.3.2 仿真参数设置模块  62-63
    4.3.3 干扰类型选择模块  63
    4.3.4 显示模块  63-64
  4.4 仿真平台性能测试分析  64-65
  4.5 本章小结  65-66
第五章总结与展望  66-68
  5.1 总结  66-67
  5.2 展望  67-68
参考文献  68-72
附录  72-74
作者简历攻读硕士学位期间完成的主要工作  74-75
致谢  75

直扩系统中的干扰类型识别方法研究

内容摘要

全文目录

相似论文