脉冲噪声下极低频信号盲检测方法研究.pdf

脉冲噪声下极低频信号盲检测方法研究

摘要

极低频无线电通信具有传输距离远、穿透能力强、传播衰减低的特性，可作为水下

航行器的辅助通信手段，并且在远洋应急通信、水下应急通信、海洋资源探索等领域有

巨大的应用潜力。其中，极低频信号检测是不可或缺的一环。然而，目前适用于高速通

信的插入导频或利用已知训练序列的相关信号检测方法，并不适用于极低频通信的低速

窄带条件。因此研究极低频信号盲检测方法有着重要的工程意义。而当前大部分研究中，

极低频水下电磁噪声被简化成低频噪声或高斯噪声。本文参考极低频天电噪声研究，以

稳定分布为噪声模型，探究脉冲抑制方法对信号检测统计量的影响情况，构建有效的

极低频通信信号盲检测方法。本文研究内容如下：

针对非线性函数对极低频脉冲噪声与混合信号检测统计量影响与检测性能不明确

的问题，本文研究了常见非线性函数对极低频信号检测统计量的影响情况结合随机共振

原理对该方法进行改进，设计了一种基于随机共振的极低频信号能量检测改进方法，在

相同最大虚警概率下人工设计门限进行性能对比，所提出方法在混合信噪比小于-22dB

的范围内检测概率有一定的提升，在混合信噪比为-23dB时，提升了约1.1%的检测概率。

针对采用人工设计门限的信号检测方法存在的脆弱性和人工依赖性，本文研究了时频图

样本参数设置，构建数据集，结合深度学习方法，提出一种基于图域的能量检测改进方

法，在近似的虚警概率条件下，对比极低频信号能量检测方法与基于随机共振的极低频

信号能量检测改进方法，所提出方法在混合信噪比小于-24dB的情况下有更好的检测性

能，在混合信噪比为-24dB时对比极低频信号能量检测方法提高了检测概率约9%。最

后，针对基于图域的能量检测改进方法存在深度学习依赖大量样本训练的问题，本文结

合基于未知模型元学习的小样本学习方法，对基于图域的能量检测改进方法进行了改

进，设计了一种基于未知模型元学习的极低频信号检测方法，并研究了该方法在不同小

样本条件下的训练效果、二次训练与检测性能，与同样小样本条件下的基于图域的能量

检测改进方法相比，该方法能够有效地实现小样本检测。

关键词：极低频通信；脉冲噪声；信号盲检测；深度学习；小样本学习

脉冲噪声下极低频信号盲检测方法研究

ABSTRACT

Extremelylow-frequencyradiocommunication,distinguishedbyitslongtransmission

range,robustpenetrationcapability,andminimalpropagationattenuation,holdspromiseasa

supplementarycommunicationmethodforunderwatervehicles.Itexhibitssignificant

potentialforapplicationinvariousdomains,includingoceanicemergencycommunication,

underwateremergencies,andmarineresourceexploration.Amongtheseapplications,the

detectionofextremelylow-frequencysignalsstandsoutasacrucialaspect.However,

prevailingtechniquessuchasfrequencyguidingorcorrelation-basedsignaldetection,which

relyonknowntrainingsequencesandarewell-suitedforhigh-speedcommunication,prove

inadequateforthe