通信对抗中的干扰识别技术研究

随着信息时代的来临,武器装备的日益电子信息化,现代战争的重点逐步转向电子战和信息战。通信对抗以特有的作战方式和效能成为电子战和信息战的重要组成部分。在通信过程中,通信方如果可以识别出干扰信号类型,便可采取相应的抗干扰措施,最大限度地躲避或抑制干扰。因此,如何识别干扰类型,是本文的研究重点。 通信对抗中的干扰信号种类很多,依据不同的分类规则,有不同的定义。本文主要针对几种典型干扰信号(单音干扰、多音干扰、部分带噪声干扰和扫频干扰)进行分析、研究和识别。对干扰信号类型的探知属于模式识别问题,涉及到信号的预处理、特征提取和分类识别算法等部分。 对于信号的预处理,本文采用了线性函数中的最大最小值方法对信号进行了归一化,最后对样本信号采用数字滤波器进行了去噪处理。通过进行归一化和滤波器的平滑降噪可以明显地提高数据的稳健性和可操控性。 对于信号的特征提取,本文采用了多种特征参数,如载波因子系数、平均频谱平坦系数、峰度系数、偏度系数、R参数和高斯白噪声因子。对四种干扰信号分别进行了仿真分析,结果表明,这几种特征参数都具有良好的可分离度。 对于分类识别,本文主要采用了基于BP神经网络、支持向量机和决策树理论这三种算法对四种干扰信号进行了识别分类。仿真分析表明,这三种算法都有良好的识别性能：在干噪比大于5dB时,识别率均大于90%。其中基于决策树理论的识别算法在较低干噪比时性能明显优于基于BP神经网络和支持向量机的识别算法；后两者算法性能接近,在干噪比小于5dB时,基于支持向量机的识别算法性能略优于基于BP神经网络的识别算法。