基于时频分析的无人机信号检测算法研究.pdfVIP

基于时频分析的无人机信号检测算法研究

摘要

跳频信号因其抗干扰能力强、保密性高、截获率低等特点，被广泛应用于军事领域

中。随着科学技术的发展，跳频信号也逐渐被应用在民用领域中，其中无人机信号为典

型的跳频信号。随着无人机被广泛应用，黑飞现象也逐渐增多，这会严重影响社会安全。

因此，如何在环境噪声干扰下，快速捕获、精准识别无人机信号成为急需解决的问题。

本文的主要研究内容是先采用短时傅里叶变换(ShortTimeFourierTransform,STFT)联合

平滑伪魏格纳-维尔分布(SmoothedPseudoWigner-VilleDistribution,SPWVD)时频分析方

法对信号进行时频分析，然后提出基于图像处理方法对时频图进行降噪，生成小样本数

据集，使用卷积神经网络对其进行快速分类，最后提出核优化后的基于扩展B分布修正

（ExtendedModifiedB-distribution,EMBD）算法结合瞬时频率法对信号进行参数估计。

本文首先介绍跳频信号的原理，对跳频信号参数做出简要介绍；对常用时频分析方

法的性能进行分析；对卷积神经网络（ConvolutionalNeuralNetworks,CNN）进行分析；

同时分析功率对消法对信号源进行定跳识别的原理，介绍常用的跳频信号参数估计方法。

其次，本文采用STFTSPWVD的方法对跳频信号进行时频分析，再利用本文提出

的基于图像处理的降噪方法对信号进行降噪处理，信号经维纳滤波处理、灰度阈值法消

除部分噪声后，采用形态学滤波法去除剩余强噪声。在低信噪比环境下，通过上述方法

处理，能够明显去除时频图中噪声，增强信号特征。

然后利用上述图像处理方法生成小样本数据集，通过搭建卷积神经网络CNN1、

CNN2以及反向传播算法(ErrorBackPropagation,BP)对无人机信号进行分类，通过降噪

前后分类效果对比，可以进一步证明基于图像处理的降噪方法的有效性，并且通过不同

信噪比环境下三种方法的对比能够得出，在小样本条件下，CNN2方法能够满足快速并

且准确识别无人机信号的需求。

最后，本文提出了一种新型的二次型时频分布-基于扩展B分布修正算法的时频分

析方法（EMBD），此算法相比于STFTSPWVD时频分析算法不仅能够提升对跳频信

号参数估计的性能也能够降低计算量。然后对EMBD算法进行核函数优化，相比于传

统的EMBD算法，核优化后的EMBD算法结合瞬时频率法后，可以显著提升对跳频信

号的参数估计性能。

关键词：跳频信号；时频分析；卷积神经网络；分类识别；参数估计

基于时频分析的无人机信号检测算法研究

ABSTRACT

Frequencyhoppingsignalsareusuallyusedinthemilitaryfieldduetotheirstronganti-

interferenceability,highconfidentialityandlowinterceptionrate.Asthedevelopmentofthe

technology,frequencyhoppingsignalhasbeengraduallyappliedinthecivilfield,inwhichthe

UAVsignalisatypicalfrequencyhoppingsignal.Atpresent,withthewidespreaduseofthe

UAV,thephenomenonofblackflyingisgraduallyincreasing,whichwillseriouslyaffectsocial

security.Therefore,therehasanurgentproblemneedtosolve,thatiswhentheUAVsignal

undertheinterferenceofenvironmentalnoise,specializedpersonshowtoquic