張敬義，李永貴

(1.解放軍理工大學(xué) 通信工程學(xué)院 研究生1 隊(duì)，南京210007;2.南京電訊技術(shù)研究所，南京210007)

1 引 言

干擾信號(hào)可分為自然干擾和人為干擾，人為干擾又可分為無意干擾和蓄意干擾，而人為干擾，特別是蓄意干擾，是軍事無線通信系統(tǒng)面臨的最大和最直接的威脅。無論是數(shù)字通信還是模擬通信，若要達(dá)到對(duì)通信接收端的高效干擾，至少要在時(shí)間和頻域?qū)ζ溥M(jìn)行有效覆蓋。從通信接收端受干擾的頻點(diǎn)來看，人為干擾的中心頻率變化主要有以下幾種形式:一是干擾的頻譜在一段時(shí)間內(nèi)保持不變或周期性變化，如定頻干擾(單音、多音、部分頻帶干擾等)，以及周期性的脈沖干擾;二是隨時(shí)間在頻域上作線性或非線性變化的周期性掃描，如線性或非線性掃頻干擾;三是以上幾種類型的復(fù)合。基于人為干擾的上述特征，尋找一種可行方法能夠在特定域?qū)?fù)合人為干擾進(jìn)行特征分析和參數(shù)提取，在滿足算法的實(shí)時(shí)性和參數(shù)提取準(zhǔn)確性情況下，為通信系統(tǒng)的綜合抗干擾決策提供實(shí)時(shí)信息支持，對(duì)于提高智能抗干擾水平具有重要意義。

由于無意人為干擾和自然干擾并不針對(duì)任何特定目標(biāo)，其出現(xiàn)具有隨機(jī)性，故本文中將無意人為干擾和自然干擾統(tǒng)稱為隨機(jī)干擾，并對(duì)隨機(jī)干擾影響下的蓄意人為干擾進(jìn)行分析、識(shí)別和干擾特征參數(shù)的提取。由于隨機(jī)干擾通常是時(shí)變的、非平穩(wěn)的，且蓄意人為干擾的干擾策略對(duì)于通信方而言也是時(shí)變的、不確定的，因此，隨機(jī)干擾影響下的蓄意人為干擾通常是復(fù)合的多分量信號(hào)。在多分量信號(hào)參數(shù)提取方面，國(guó)內(nèi)外已有很多相關(guān)的研究。文獻(xiàn)［1］中，作者指出多分量信號(hào)需滿足各分量在某個(gè)域是分離的，該信號(hào)才是可分離的。在此基礎(chǔ)上，陸續(xù)發(fā)展出了各種多分量信號(hào)分離的算法，如經(jīng)驗(yàn)?zāi)B(tài)分解法［2］、信號(hào)分量多項(xiàng)式擬合法［3］、時(shí)頻分析法［4］、獨(dú)立分量分析方法［5］等。然而，以上方法的前提條件都是多分量信號(hào)在某個(gè)域具有可分離性，否則就很難分離。

對(duì)于隨機(jī)干擾影響下的復(fù)合蓄意干擾信號(hào)，可能在時(shí)域、時(shí)頻域或其他域存在相關(guān)或交叉的分量，考慮通過短時(shí)傅里葉變換(Short－ time Fourier Transform，STFT)算法對(duì)復(fù)合干擾信號(hào)在時(shí)域和頻域的關(guān)系進(jìn)行分析和處理，并嘗試使用分類搜索算法將復(fù)合的蓄意人為干擾解析成能夠識(shí)別的基本干擾類型，對(duì)于不能解析和識(shí)別的干擾分量，用統(tǒng)計(jì)的方法對(duì)干擾頻點(diǎn)的時(shí)間占用度進(jìn)行分析。理論分析和仿真結(jié)果表明，通過分類搜索算法能夠較好地提取復(fù)合人為干擾的特征參數(shù)。

2 算法的總體思路

對(duì)通信收發(fā)雙方而言，通信信號(hào)的調(diào)制方式及對(duì)應(yīng)的調(diào)制波形通常是先驗(yàn)已知的，且每種調(diào)制信號(hào)相關(guān)的抗干擾門限也是可以計(jì)算得到的。由于篇幅所限，本文不考慮通信信號(hào)的影響，僅對(duì)通信系統(tǒng)的干擾分量作獨(dú)立地分析、識(shí)別和干擾參數(shù)的提取。

如圖1所示，圍繞“如何對(duì)隨機(jī)干擾影響下的復(fù)合蓄意人為干擾進(jìn)行分析、識(shí)別和參數(shù)的有效提取”這個(gè)問題，全文分以下三個(gè)部分來討論:干擾信號(hào)模型的建立、干擾數(shù)據(jù)的預(yù)處理、基于分類搜索算法的人為干擾參數(shù)提取。

圖1 系統(tǒng)模型Fig.1 The system model

干擾信號(hào)模型的建立是在Matlab 仿真環(huán)境中，通過將幾種常規(guī)的人為干擾，如定頻多音干擾、周期脈沖干擾、非線性掃頻干擾等，以一定的方式組合起來(如干擾之間的交叉)，最后，將隨機(jī)干擾加載到人為干擾中;而隨機(jī)干擾通過一定的干擾概率、干擾分布和干擾時(shí)間占用度等來控制。

干擾信號(hào)提取前先進(jìn)行干擾數(shù)據(jù)的預(yù)處理，考慮使用STFT 對(duì)干擾信號(hào)進(jìn)行時(shí)頻變換，并對(duì)三維時(shí)頻數(shù)據(jù)進(jìn)行功率的判決，確定存在干擾的時(shí)頻點(diǎn)，并得到二維的時(shí)頻矩陣。由于STFT 算法不能兼顧時(shí)間和頻率的分辨率，文中結(jié)合通信頻點(diǎn)窄帶帶寬來確定STFT 算法的時(shí)頻分辨率。

在時(shí)頻矩陣的基礎(chǔ)上，提出了分類搜索算法，根據(jù)干擾信號(hào)的特征參數(shù)，按照“定頻解析、周期脈沖干擾解析、掃頻干擾解析”的順序?qū)?fù)合人為干擾進(jìn)行自適應(yīng)地解析。

3 復(fù)合干擾信號(hào)建模

假定復(fù)合干擾信號(hào)由“掃頻干擾+定頻干擾+周期脈沖干擾+隨機(jī)干擾”組成，通過控制各個(gè)基本干擾的參數(shù)來構(gòu)造不同復(fù)雜度的干擾模型，如各干擾模型之間互相交叉以及隨機(jī)干擾不同程度地覆蓋或者影響人為干擾特征。

(1)掃頻干擾

采用二次型非線性掃頻，并使用向上掃頻fi(t)Hsaopin和向下掃頻fi(t)Lsaopin兩種形式，單位周期Tsaopin的掃頻范圍是［Fl，F(xiàn)h］，則在第i 個(gè)掃頻周期內(nèi)，干擾頻率可表示為

(2)定頻干擾

采用單音或多音干擾的形式，其時(shí)域表達(dá)式為

式中，fn(n=1，2，3，…，N)為可能的定頻干擾頻點(diǎn)。

(3)周期脈沖干擾

脈沖干擾的時(shí)域表達(dá)式如下:

式中，Dτ是寬度為τ 的矩形脈沖，A 為脈沖幅值，Tpulse為脈沖周期，k 為脈沖數(shù)。

(4)隨機(jī)干擾

本文中將非蓄意的人為干擾和自然因素的影響統(tǒng)稱為隨機(jī)干擾。容易知道，此處的隨機(jī)干擾在概率分布上可能是非高斯、非線性的，所以，隨機(jī)干擾的模型并不能簡(jiǎn)單地用白噪聲來構(gòu)建?？紤]到對(duì)復(fù)合人為干擾的解析是在時(shí)頻域上，從而可通過隨機(jī)干擾的時(shí)間占用度和頻率占用度兩個(gè)參數(shù)來控制和構(gòu)建隨機(jī)干擾分量。假設(shè)通信頻點(diǎn)范圍是［fa，fb］，干擾信號(hào)觀測(cè)時(shí)間為［tn，tm］，被干擾的頻點(diǎn)為fj(fa≤fj≤fb)，頻點(diǎn)總的干擾概率為ρf，則總的受擾頻點(diǎn)數(shù)Njam=ρf·(fb－fa)/Δf(Δf 為時(shí)頻分析的頻率分辨率);干擾頻點(diǎn)上的時(shí)間占用度為ρt，則每個(gè)受擾頻點(diǎn)總的干擾時(shí)間為T(fj)=ρt·(tm－tn)，且假設(shè)干擾時(shí)間T(fj)在［tn，tm］上服從均勻分布。

4 干擾信號(hào)的時(shí)頻處理

4.1 時(shí)域到“功率－頻率－時(shí)間”的時(shí)頻域變換

假設(shè)復(fù)合人為干擾信號(hào)時(shí)域表示為y，采用矩形窗h(t)，其短時(shí)傅里葉變換的表達(dá)式如下:

復(fù)合人為干擾y 是由各個(gè)基本干擾分量構(gòu)成的，通過改變各個(gè)干擾分量的參數(shù)、交叉程度以及干擾功率來控制復(fù)合干擾的復(fù)雜度。

短時(shí)傅里葉變換最重要的是如何確定時(shí)間窗h的滑動(dòng)長(zhǎng)度和對(duì)應(yīng)的時(shí)頻分辨率。假設(shè)以通信頻點(diǎn)fi為中心對(duì)應(yīng)的窄帶帶寬為B，如圖2所示，在窄帶帶寬B 內(nèi)，可能有多個(gè)干擾頻點(diǎn)，定義干擾有效的判決準(zhǔn)則如下:

即在第i 個(gè)通信頻帶Bi內(nèi)，若干擾功率Power_jami大于0，則通信頻點(diǎn)fi所在的帶寬Bi判決為有干擾，否則為無干擾。

圖2 通信帶寬B 內(nèi)干擾頻點(diǎn)分布情況Fig.2 The distribution of jamming in communication band B

在圖2(a)中，兩個(gè)干擾頻點(diǎn)在Bi的邊緣，可能會(huì)出現(xiàn)相鄰帶寬的重復(fù)判決或者無效判決的情形，為了提高干擾判決的準(zhǔn)確率，應(yīng)使得干擾數(shù)據(jù)的頻率分辨率小于B/2，這里取為B/3。從而，在一個(gè)通信帶寬內(nèi)若存在兩個(gè)以上的干擾時(shí)，能夠保證干擾頻點(diǎn)不全在通信帶寬的邊緣上，這樣更有利于干擾的判決，如圖2(b)所示。

若采樣頻率為fs，假設(shè)要達(dá)到的頻率分辨率為Δf=B/3 + B/10，其中B/10 為頻率分辨率保護(hù)間隔，使得一個(gè)窄帶帶寬B 內(nèi)有不超過3 個(gè)干擾頻點(diǎn)。若一次快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)的時(shí)間窗長(zhǎng)度為T_window，則Δf 滿足

從而，根據(jù)窄帶帶寬B 和采樣率fs，并結(jié)合式(7)，可以求出時(shí)間窗T_window。

4.2 干擾時(shí)頻矩陣的計(jì)算

文中采用門限判決法，將“功率－頻率－時(shí)間”的三維數(shù)據(jù)轉(zhuǎn)化到“頻率－時(shí)間”的二維數(shù)據(jù)，其過程實(shí)質(zhì)上是在每個(gè)觀測(cè)時(shí)刻和對(duì)應(yīng)頻率區(qū)間內(nèi)，取小于或等于最大峰值的一個(gè)常數(shù)值λ 作為門限，對(duì)干擾的功率值進(jìn)行二值化處理，其過程表示如下:

時(shí)頻干擾矩陣獲得的準(zhǔn)確度和有效性與判決門限有關(guān)，判決門限越大，判決后保存原有信息量更大，但引入的隨機(jī)干擾因素變大，影響干擾分量的提取;而判決門限越小，判決后損失的干擾分量信息變大，不利于較準(zhǔn)確地提取干擾參數(shù)。在文獻(xiàn)［6］中，作者取不同的判決門限值，并將估計(jì)值與理論值比較，選擇使均方誤差最小的門限值，通過仿真驗(yàn)證，得到合適的λ 取值，即λ=0.7·max(|STFT(t，f)|2)。

5 時(shí)頻矩陣的單值化處理

本文中的處理對(duì)象為復(fù)合人為干擾信號(hào)，在隨機(jī)干擾的影響下，其對(duì)應(yīng)的時(shí)頻矩陣在同一觀測(cè)時(shí)刻t 上可能有多個(gè)干擾時(shí)頻點(diǎn)，因此難以通過常規(guī)的線性或非線性擬合提取掃頻干擾的參數(shù)。

假設(shè)每個(gè)通信信道帶寬Bi=100 Hz，采樣率fs=10 000 Hz，采用非線性掃頻，掃頻范圍是［Fl，F(xiàn)h］=［1500，3500］Hz，Tl－h(huán)=1 s;采用矩形時(shí)間滑動(dòng)窗，窗口大小為T_window=228，且Δf =(fs/2)/(T_window/2 +1)=43.478 3 Hz，時(shí)間分辨率ΔT=(T_window/2)/fs=0.011 5 s。在一個(gè)通信帶寬B 內(nèi)若存在干擾頻點(diǎn)，根據(jù)頻率分辨率可知，頻點(diǎn)可能會(huì)出現(xiàn)在如圖2(c)所示的Jam1、Jam2、Jam3位置，對(duì)應(yīng)的干擾功率為Power_Jam1、Power_Jam2、Power_Jam3;而若要判斷該通信頻點(diǎn)是否被干擾只需一個(gè)干擾頻點(diǎn)存在即可，且一個(gè)帶寬內(nèi)多余的干擾頻點(diǎn)會(huì)影響到干擾趨勢(shì)的提取。因此，在不影響時(shí)間分辨率的基礎(chǔ)上需要對(duì)一個(gè)B 內(nèi)的多個(gè)干擾頻點(diǎn)進(jìn)行單值化處理。

針對(duì)這一問題，提出了單值化處理方法，即對(duì)一個(gè)通信帶寬B 內(nèi)干擾的分布進(jìn)行判斷，如Power_Jam1=0、Power_Jam2＞0 且Power_Jam3＞0 時(shí)，判定通信帶寬B 內(nèi)的干擾點(diǎn)為Jam3，同時(shí)刪去Jam2。最終，根據(jù)處理后的時(shí)頻二維數(shù)據(jù)不難看出，經(jīng)過單值化處理，每個(gè)觀測(cè)時(shí)刻對(duì)應(yīng)的通信帶寬B 內(nèi)有不超過一個(gè)干擾頻點(diǎn)，這對(duì)于下一步有效提取掃頻干擾趨勢(shì)具有重要意義。

需要注意的是，所提出的單值化處理方法，實(shí)質(zhì)上是對(duì)通信帶寬B 內(nèi)的多個(gè)干擾頻點(diǎn)進(jìn)行合理地取舍，取舍的方法不同，單值化處理后的效果也不同。本文結(jié)合通信帶寬B 來確定時(shí)頻分辨率，使得每個(gè)B 內(nèi)有不超過3 個(gè)干擾頻點(diǎn)，則單值化處理的過程實(shí)質(zhì)上是對(duì)3 個(gè)干擾頻點(diǎn)(存在頻點(diǎn)為1，不存在為0)取不超過一個(gè)頻點(diǎn)，最終，使得相鄰的通信帶寬B 內(nèi)的干擾頻點(diǎn)整體保留原有的干擾趨勢(shì)，且每個(gè)B 內(nèi)有不超過一個(gè)的干擾頻點(diǎn)。

6 分類搜索算法

假設(shè)通過門限判決得到的人為干擾的時(shí)頻矩陣為A (t，f)M×N，對(duì)應(yīng)的時(shí)間和頻率的矩陣表示為t1×M和f1×N。

6.1 定頻干擾的解析

從時(shí)域來看，定頻干擾具有較大的時(shí)間占用度。因此，通過對(duì)干擾頻點(diǎn)時(shí)間占用度進(jìn)行逐頻點(diǎn)搜索，將超過一定時(shí)間占用度門限的干擾解析為定頻干擾。由于隨機(jī)干擾及人為干擾相互間的影響，可能會(huì)造成觀測(cè)時(shí)間內(nèi)定頻干擾的時(shí)間占用度小于100%，文中由仿真設(shè)定定頻干擾占用度判決門限為T0=0.95。解析的算法具體如下:

For j=1:N

if ［length(A(:，j)=1)/M］＞T0=0.95

(1)記錄定頻干擾頻點(diǎn)j;

(2)從時(shí)頻矩陣A 中去除解析的定頻干擾頻點(diǎn);

(3)干擾解析庫(kù)的更新;

End

End。

6.2 周期脈沖干擾的解析

周期脈沖干擾解析的基本思想是，從脈沖干擾的周期性出發(fā)，對(duì)每個(gè)頻點(diǎn)在觀測(cè)時(shí)間上進(jìn)行周期搜索，并對(duì)周期范圍或者時(shí)間占用度進(jìn)行約束，排除隨機(jī)干擾造成的偽周期脈沖干擾。具體的算法如下:

For j=1:N

if ta＜［length(A(:，j)=1)/M］＜tb(對(duì)干擾頻點(diǎn)時(shí)間占用度進(jìn)行約束)

(1)temp=find(A(:，j)＞0)，即將滿足占用度頻點(diǎn)的非零點(diǎn)集中儲(chǔ)存;

(2)T_temp=diff(temp)，對(duì)非零點(diǎn)進(jìn)行差分處理;

(3)if T_temp=常數(shù)＞0(差分處理后各點(diǎn)相等，說明是一定周期的脈沖干擾);

(4)記錄周期脈沖干擾頻點(diǎn)和對(duì)應(yīng)周期;

(5)刪除解析的周期脈沖干擾對(duì)應(yīng)頻點(diǎn)值;

(6)干擾解析庫(kù)的更新;

End

End

End。

6.3 掃頻干擾的解析

如前所述，通過對(duì)時(shí)頻矩陣進(jìn)行單值化處理，同一時(shí)刻在每個(gè)通信信道帶寬B 內(nèi)有不超過一個(gè)(可能為0)的干擾頻點(diǎn)，因此通過二叉樹結(jié)構(gòu)就能夠表征不同時(shí)刻干擾在頻域的分布情況。

掃頻干擾解析的基本思想是，在一定的觀測(cè)時(shí)間內(nèi)，由于隨機(jī)干擾不存在路徑趨勢(shì)，若始終存在連續(xù)的掃頻趨勢(shì)，且通過求取連續(xù)時(shí)間序列上基于二叉樹結(jié)構(gòu)的歐式距離和，并選取最小距離對(duì)應(yīng)的路徑作為掃頻干擾路徑，便能夠在復(fù)合干擾中對(duì)掃頻干擾進(jìn)行解析。

在基于二叉樹結(jié)構(gòu)進(jìn)行路徑搜索時(shí)，首先要確定二叉樹的“根”，即掃頻干擾的起始頻點(diǎn)。本文根據(jù)掃頻干擾的特征來確定起始頻點(diǎn)，即將時(shí)頻矩陣中具有“連續(xù)幾個(gè)相鄰時(shí)刻對(duì)應(yīng)頻點(diǎn)同方向漸變”特征的點(diǎn)作為掃頻干擾的起始點(diǎn)。

綜合來看，掃頻干擾搜索算法可表述如下:

(1)預(yù)處理:將經(jīng)過定頻和周期脈沖干擾解析后的時(shí)頻矩陣先進(jìn)行“插值處理”:當(dāng)左右相鄰時(shí)刻均滿足掃頻趨勢(shì)，而該時(shí)刻或連續(xù)幾個(gè)時(shí)刻一個(gè)帶寬范圍內(nèi)無頻點(diǎn)時(shí)，進(jìn)行插值處理，具體插值可先在解析庫(kù)中尋找，然后根據(jù)相鄰時(shí)刻已知頻點(diǎn)進(jìn)行插值;

(2)搜索步驟:

For j=1:N

1)二叉樹起始點(diǎn)的確定;

2)基于二叉樹結(jié)構(gòu)的最小歐式距離搜索;

3)掃頻干擾解析點(diǎn)的記錄和更新;

4)解析干擾庫(kù)的更新;

5)時(shí)頻干擾矩陣的更新;

6)j=j+2;

End。

6.4 隨機(jī)干擾的解析

干擾時(shí)頻矩陣通過“定頻干擾搜索、周期脈沖干擾搜索、掃頻干擾搜索”后，將其余不能夠解析的干擾看作是隨機(jī)干擾處理，算法表述如下:

For j=1:N

(1)length(find(A(:，j)＞0))/M;即隨機(jī)干擾時(shí)間占用度的計(jì)算;

(2)解析干擾庫(kù)的更新;

(3)時(shí)頻干擾矩陣的更新;

End。

6.5 交叉干擾時(shí)的處理

采用“搜索、記錄、刪除”的方法對(duì)復(fù)合人為干擾進(jìn)行分類搜索，具體來說，先對(duì)某類干擾進(jìn)行搜索，并在定義的干擾庫(kù)中對(duì)其進(jìn)行記錄，同時(shí)從干擾時(shí)頻矩陣中去除已搜索到的干擾。然而，若兩種人為干擾在某一頻點(diǎn)上有交叉，則前一種干擾解析和刪除后，交叉頻點(diǎn)的去除會(huì)對(duì)下一類型干擾的搜索和解析造成影響。

交叉干擾的判斷和處理算法如下:

(1)定義已解析的干擾為定頻干擾，待解析的干擾為掃頻干擾，兩種干擾存在兩個(gè)交叉頻點(diǎn)Fa(i，j)和Fb(i+1，j);

(2)若Fa(i，j)·Fb(i+1，j)＞0，且

則Fa(i，j)和Fb(i +1，j)在定頻干擾解析后不對(duì)其刪除;

(3)對(duì)其他的干擾頻點(diǎn)交叉類型，如一點(diǎn)交叉、三點(diǎn)交叉等，其處理方式與兩點(diǎn)交叉相似，均是通過判斷有無交叉點(diǎn)，以及交叉點(diǎn)左右鄰近時(shí)刻的干擾趨勢(shì)來作具體處理。

7 仿真與分析

涉及到的仿真參數(shù)主要有，采樣頻率fs=10 000 Hz，通信頻點(diǎn)所在的窄帶帶寬B=100 Hz，采用矩形時(shí)間滑動(dòng)窗且窗口T_window =228 點(diǎn)，作STFT 的頻率分辨率為Δf =43.478 3 Hz，時(shí)間分辨率ΔT=0.011 5 s。仿真時(shí)間為4 s。干擾模型中，定頻頻率為，f1=3200 Hz，f2=4600 Hz;掃頻干擾周期為2 s，掃頻頻率范圍是1500～3500 Hz，其中在掃頻周期內(nèi)0～1 s為向上非線性掃頻，1～2 s為向下非線性掃頻;周期脈沖干擾的周期為0.1 s，采用占空比為1/10 的矩形實(shí)現(xiàn)，周期脈沖干擾載波為500 Hz;隨機(jī)干擾采用頻率干擾概率ρf和干擾頻率的時(shí)間占用度ρt來控制，加載的隨機(jī)干擾頻率占用度為0.15，時(shí)間占用度為0.05，干擾頻點(diǎn)和在時(shí)間和頻率上服從均勻分布。

7.1 復(fù)合人為干擾模型的建立

如圖3所示，對(duì)復(fù)合人為干擾信號(hào)進(jìn)行短時(shí)傅里葉變換，得到“功率－頻率－時(shí)間”的三維圖，其中，定頻f1=3200 Hz與掃頻干擾有交叉頻點(diǎn)，且在交叉點(diǎn)處功率值增大。圖4是通過對(duì)三維時(shí)頻圖中的“功率”值進(jìn)行門限判決后得到的“頻率－時(shí)間”二維投影圖，容易看到，在f2=4600 Hz周圍有一些多余的頻點(diǎn)，這主要是由于STFT 變換的時(shí)頻分辨率不能兼顧造成的，這對(duì)于后期干擾特征參數(shù)的提取可能會(huì)造成誤差。圖5是對(duì)人為干擾加載隨機(jī)干擾后進(jìn)行的二維投影，其中，在1500 Hz、2500 Hz、4000 Hz等頻點(diǎn)處隨機(jī)干擾的時(shí)間占用度較大。

圖3 人為干擾時(shí)域圖Fig.3 The jamming in time domain

圖4 人為干擾時(shí)頻二維投影圖Fig.4 The 2D shadow in time－frequency domain

圖5 隨機(jī)干擾影響下的人為干擾時(shí)頻二維投影圖Fig.5 The 2D shadow in time－frequency domain with random disturbance

7.2 定頻干擾和周期脈沖干擾的解析

圖6是解析得到的定頻干擾和周期脈沖干擾，可以看出，通過時(shí)間占用度判決和周期的逐頻點(diǎn)搜索，基本能夠?qū)Χl和周期脈沖干擾進(jìn)行較好地解析。而在516 Hz 處的周期脈沖干擾并沒有被解析，這是由于隨機(jī)干擾的影響，使得在516 Hz 處的脈沖干擾不滿足嚴(yán)格的周期性，這些未被解析的頻點(diǎn)最終會(huì)被當(dāng)作隨機(jī)干擾處理。

圖6 定頻和周期脈沖干擾的解析Fig.6 The resolution of constant and pulse Jamming

7.3 掃頻干擾的解析

在掃頻干擾解析前，先對(duì)時(shí)頻矩陣進(jìn)行數(shù)據(jù)平滑性的判斷，若出現(xiàn)非平滑點(diǎn)，需要進(jìn)行插值處理。在圖7中的t=1.37 s、f =3250 Hz處給出了插值處理前后的仿真結(jié)果，可以看出，在t = ［3.7 s，3.8 s］、f =［2200 Hz，2700 Hz］的時(shí)頻區(qū)間內(nèi)有較為復(fù)雜的二叉樹結(jié)構(gòu)。圖8所示是通過基于二叉樹結(jié)構(gòu)的路徑搜索算法對(duì)掃頻干擾進(jìn)行解析，基本能夠得到較平滑的掃頻圖案。

圖7 掃頻干擾解析前Fig.7 The resolution of sweeping jamming

圖8 解析得到的掃頻干擾Fig.8 The sweeping jamming after resolution

7.4 隨機(jī)干擾的解析

圖9所示為對(duì)隨機(jī)干擾的解析，由于前期頻點(diǎn)單值化處理以及其他干擾解析過程中的誤差累積等原因，會(huì)使得最終解析到的隨機(jī)干擾與理論加載的隨機(jī)干擾存在一定的誤差，在下一部分中會(huì)通過時(shí)間占用度來表征和分析隨機(jī)干擾整體的估計(jì)誤差。

圖9 隨機(jī)干擾的解析Fig.9 The resolution of random disturbance

7.5 復(fù)合人為干擾解析誤差的分析

7.5.1 定頻干擾和周期脈沖干擾參數(shù)估計(jì)誤差

在一定的干擾概率和不同時(shí)間占用度的隨機(jī)干擾影響下，對(duì)定頻干擾和周期脈沖干擾參數(shù)進(jìn)行提取。參數(shù)提取的準(zhǔn)確度使用相對(duì)誤差來表征。分析結(jié)果可以看出，定頻干擾和周期脈沖干擾估計(jì)誤差幾乎不受隨機(jī)干擾的影響，一方面是由于隨機(jī)干擾的頻點(diǎn)干擾概率和干擾頻點(diǎn)的時(shí)間占用度不夠大，另一方面是由于STFT 算法的時(shí)頻分辨率不能兼顧而造成的。

7.5.2 掃頻干擾參數(shù)估計(jì)誤差

掃頻干擾參數(shù)的提取使用掃頻頻點(diǎn)估計(jì)的準(zhǔn)確度來衡量。本文對(duì)掃頻干擾的估計(jì)是采用基于二叉樹結(jié)構(gòu)的最短路徑搜索算法，因此，隨機(jī)干擾對(duì)掃頻干擾趨勢(shì)和路徑的判斷有很大影響，尤其是隨機(jī)干擾與掃頻趨勢(shì)一致時(shí)，可能會(huì)超出二叉樹結(jié)構(gòu)的判斷能力，使得掃頻干擾估計(jì)錯(cuò)誤。如圖10所示，時(shí)間占用度?。?.05 0.1 0.15 0.2 0.25 0.3 0.35］，頻率占用度為0.15，且每種占用度情況下的隨機(jī)干擾做50 次的蒙特卡洛仿真。結(jié)果表明，隨著干擾時(shí)間占用度不斷增加，掃頻干擾估計(jì)的相對(duì)誤差不斷增大。

圖10 掃頻干擾估計(jì)誤差Fig.10 The estimation of sweeping jamming

7.5.3 隨機(jī)干擾時(shí)間占用度估計(jì)誤差

在對(duì)掃頻干擾自適應(yīng)搜索過程中，有來自其他人為干擾相互間的影響，如定頻干擾對(duì)掃頻干擾的交叉干擾，隨機(jī)干擾對(duì)路徑搜索的影響，以及掃頻干擾提取前進(jìn)行的插值處理等。最終，各個(gè)人為干擾參數(shù)提取時(shí)伴隨的誤差以及插值處理的額外頻點(diǎn)都以隨機(jī)干擾的形式處理，所以，隨機(jī)干擾時(shí)間占用度的估計(jì)可用來表征復(fù)合人為干擾參數(shù)估計(jì)總體的準(zhǔn)確度。圖11是隨機(jī)干擾估計(jì)準(zhǔn)確度的仿真，且每種占用度情況下的隨機(jī)干擾做50 次的蒙特卡洛仿真。結(jié)果表明，隨著理論時(shí)間占用度的增加，其估計(jì)誤差與圖10中掃頻干擾估計(jì)誤差有相似的增長(zhǎng)趨勢(shì)，而定頻和周期脈沖干擾估計(jì)誤差幾乎不受隨機(jī)干擾影響，所以，掃頻干擾估計(jì)的準(zhǔn)確度很大程度上決定了隨機(jī)干擾占用度的估計(jì)誤差。

圖11 隨機(jī)干擾估計(jì)誤差Fig.11 The estimation of random disturbance

8 結(jié)束語

本文研究了軍事無線通信中對(duì)蓄意人為干擾的識(shí)別和解析問題，構(gòu)建了隨機(jī)干擾影響下的復(fù)合人為干擾模型，通過短時(shí)傅里葉變換得到了干擾信號(hào)的時(shí)頻矩陣，并結(jié)合通信頻點(diǎn)的窄帶帶寬來確定短時(shí)傅里葉變換的時(shí)頻分辨率;在干擾時(shí)頻矩陣的基礎(chǔ)上根據(jù)干擾信號(hào)參數(shù)特征的不同使用分類搜索算法對(duì)干擾信號(hào)解析。理論分析和實(shí)驗(yàn)結(jié)果表明，在一定復(fù)雜度的隨機(jī)干擾的影響下，分類搜索算法能夠較為準(zhǔn)確地實(shí)現(xiàn)對(duì)復(fù)合干擾信號(hào)的解析。當(dāng)然，文中僅是對(duì)干擾環(huán)境進(jìn)行了分析，通信信號(hào)對(duì)干擾的分析也有很大的影響，如何在通信信號(hào)中準(zhǔn)確地分析干擾信號(hào)，這需要下一步深入研究。

［1］ Hopgood J R，Rayner J W.Single channel non－stationary stochastic signal separation using linear time－varying filters［J］. IEEE Transactions on Signal Processing，2003，51(7):1739－1752.

［2］ 徐冠雷，王孝通，徐曉剛，等. 多分量到單分量可用EMD 分解的條件及判據(jù)［J］.自然科學(xué)進(jìn)展，2006，16(10):1356－1360.XU Guanlei，WANG Xiaotong，XU Xiaogang，et al. More component to the single component available EMD decomposition conditions and basis［J］.Nature Science Development，2006，16(10):1356－1360.(in Chinese)

［3］ 黃文通，李平杰. 成橋預(yù)拱度設(shè)置的正交多項(xiàng)式擬合法［J］.公路工程，2013，38(5):103－107.HUANG Wentong，LI Pingjie. Orthogonal Polynomials’fitting For Setting Bridge Pre－Camber［J］.Highway Engineering，2013，38(5):103－107.(in Chinese)

［4］ 劉小峰，柏林，秦樹人.基于自適應(yīng)時(shí)頻分解的瞬態(tài)沖擊信號(hào)提純［J］.機(jī)械工程學(xué)報(bào)，2008，44(11):166－170.LIU Xiaofeng，BO Lin，QIN Shuren. Transient Impulse Signal Extraction Based on Self－ adaptive Time－ frequency Decomposition［J］.Chinese Journal of Mechanical Engineering，2008，44(11):166－170.(in Chinese)

［5］ 張睿.基于ICA 的工作模態(tài)參數(shù)識(shí)別及故障診斷方法研究［D］.太原:中北大學(xué)，2014.ZHANG Rui.Operational Model Analysis and Fault Diagnosis Methods Based on ICA［D］.Taiyuan:North University of China，2014.(in Chinese)

［6］ NIU Yingtao，YAO Fuqiang，WANG Mingyue，et al. Anti－chirp－jamming communication based on the cognitive cycle［J］. International Journal of Electronics and Communications，2012，66(7):547－560.