劉佳敏，趙知?jiǎng)?2，尚俊娜，葉學(xué)義

（1．杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018； 2. 中國電子科技集團(tuán)第36研究所通信系統(tǒng)信息控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，浙江 嘉興 314001）

1 引言

跳頻通信具有低截獲率、較強(qiáng)的抗多徑、抗干擾能力以及組網(wǎng)能力等特點(diǎn)，也給跳頻信號(hào)偵察技術(shù)增加了難度[1-3]。跳頻信號(hào)參數(shù)估計(jì)作為偵察任務(wù)中的關(guān)鍵環(huán)節(jié)，受到國內(nèi)外相關(guān)研究者的重點(diǎn)關(guān)注[4-6]。

跳頻信號(hào)參數(shù)包括跳變頻率、跳頻周期和起跳時(shí)間等，主要有基于原子分解[7]、基于壓縮感知[8]、基于時(shí)頻分析[9]以及基于圖像處理[10]等估計(jì)方法。其中，基于時(shí)頻分析與基于圖像處理的方法憑借其簡單高效以及對(duì)非平穩(wěn)信號(hào)分析的獨(dú)特優(yōu)勢，成為目前的主流方法。文獻(xiàn)[11-14]在不同時(shí)頻分析技術(shù)的基礎(chǔ)上提取跳頻信號(hào)的時(shí)頻脊線實(shí)現(xiàn)參數(shù)估計(jì)。文獻(xiàn)[11-12]采用線性時(shí)頻分布分析跳頻信號(hào)，但不能兼顧時(shí)域與頻域分辨率；文獻(xiàn)[13-14]采用二次型時(shí)頻分布，具有較高時(shí)頻分辨率，但存在交叉項(xiàng)干擾。文獻(xiàn)[15]將短時(shí)傅里葉變換（short-time Fourier transform，STFT）和平滑偽魏格納分布（smoothed pseudo Wigner-Ville distribution，SPWVD）組合的時(shí)頻分析方法，具有較高估計(jì)精度，但計(jì)算量大。文獻(xiàn)[16]采用尺度不同的兩個(gè)窗口對(duì)跳頻信號(hào)進(jìn)行雙窗譜分析，在保證時(shí)頻分辨率的同時(shí)降低計(jì)算復(fù)雜度，但估計(jì)性能受窗長的影響大。為了提高跳頻信號(hào)參數(shù)估計(jì)性能，文獻(xiàn)[17-20]將圖像處理技術(shù)應(yīng)用于信號(hào)時(shí)頻圖，以消除噪聲和其他干擾信號(hào)的影響。文獻(xiàn)[17]采用灰度共生矩陣提取時(shí)頻圖的紋理特征進(jìn)行參數(shù)估計(jì)。文獻(xiàn)[18-19]通過形態(tài)學(xué)濾波消除噪聲和其他干擾信號(hào)，文獻(xiàn)[19]在形態(tài)學(xué)濾波的基礎(chǔ)上采用OPTA 細(xì)化算法對(duì)時(shí)頻圖像進(jìn)行優(yōu)化，但算法估計(jì)性能仍依賴于形態(tài)學(xué)結(jié)構(gòu)元素的構(gòu)造。文獻(xiàn)[20]采用自適應(yīng)形態(tài)學(xué)估計(jì)跳頻信號(hào)參數(shù)，解決了形態(tài)學(xué)結(jié)構(gòu)元素選擇的普適性問題，但算法實(shí)現(xiàn)過程較為復(fù)雜。

傳統(tǒng)局部對(duì)比度（local contrast measure，LCM）是一種根據(jù)人眼的視覺特性度量目標(biāo)顯著性的目標(biāo)檢測方法[21-22]。為提高低信噪比下跳頻信號(hào)參數(shù)估計(jì)的精確度和算法性能的穩(wěn)定性，本文提出了一種基于時(shí)頻矩陣局部對(duì)比度（time-frequency matrix LCM，TFMLCM）的跳頻信號(hào)參數(shù)估計(jì)算法。首先，利用不同尺度窗口計(jì)算時(shí)頻矩陣上各點(diǎn)的局部對(duì)比度，實(shí)現(xiàn)跳頻信號(hào)與背景噪聲的分離；然后，根據(jù)時(shí)頻矩陣上跳頻信號(hào)的時(shí)頻信息，完成對(duì)跳頻信號(hào)的跳變時(shí)刻、跳變周期以及跳變頻率的估計(jì)；最后，在DSP+FPGA的硬件平臺(tái)上實(shí)現(xiàn)了本文算法對(duì)實(shí)際跳頻信號(hào)參數(shù)估計(jì)的性能測試，驗(yàn)證了算法的實(shí)用性。

2 信號(hào)模型與時(shí)頻變換

跳頻信號(hào)是一種頻率在偽隨機(jī)序列的控制下不斷跳變的非平穩(wěn)信號(hào)，其數(shù)學(xué)模型為：

其中，T表示跳頻周期， rectT(t)表示寬度為T的矩形窗，τ表示起跳時(shí)間，kf表示跳變頻率，M表示觀測時(shí)間內(nèi)跳變頻率總數(shù)，v(t)表示高斯白噪聲。

對(duì)非平穩(wěn)信號(hào)加窗處理得到多個(gè)短時(shí)平穩(wěn)信號(hào)，并對(duì)這些短時(shí)平穩(wěn)信號(hào)做傅里葉變換，進(jìn)而得到跳頻信號(hào)的STFT頻譜。信號(hào)離散化后的離散STFT表達(dá)式為：

其中，h(n)表示窗函數(shù)，k=1,2,3, … ,K表示離散頻率點(diǎn)，n=1,2,3, … ,N表示離散時(shí)間點(diǎn)。時(shí)頻譜圖定義為STFT模值的平方，具有較好的時(shí)頻聚集性，其表達(dá)式為：

3 基于時(shí)頻矩陣局部對(duì)比度的跳頻信號(hào)參數(shù)估計(jì)

3.1 基于多尺度LCM的跳頻信號(hào)提取

LCM通過計(jì)算圖像各個(gè)像素點(diǎn)相對(duì)其鄰域的對(duì)比特征，在提高目標(biāo)對(duì)比度的同時(shí)抑制背景噪聲，最后經(jīng)過自適應(yīng)閾值分離目標(biāo)與背景。本文將跳頻信號(hào)和噪聲的時(shí)頻譜圖看作一個(gè)時(shí)頻矩陣，利用跳頻信號(hào)能量分布的特點(diǎn)，采用多尺度LCM獲得跳頻信號(hào)的局部特征區(qū)域塊，實(shí)現(xiàn)跳頻信號(hào)與背景干擾的分離。

3.1.1 傳統(tǒng)LCM

傳統(tǒng)的LCM采用固定尺度的滑動(dòng)窗口逐一計(jì)算時(shí)頻矩陣上各個(gè)點(diǎn)的局部能量對(duì)比特征值。如圖1所示，滑動(dòng)窗內(nèi)區(qū)域由9個(gè)子塊組成，當(dāng)滑動(dòng)窗口滑到時(shí)頻矩陣上的某一處時(shí)，假設(shè)目標(biāo)處于窗內(nèi)中心塊，則周圍標(biāo)號(hào)為1～8的子塊wi(l,r)(i=1,2,3,… , 8)為其鄰域背景塊，每個(gè)子塊中包含LR× 個(gè)時(shí)頻點(diǎn)，第i個(gè)子塊的能量均值為：

圖1 滑動(dòng)窗口遍歷時(shí)頻矩陣

則各鄰域子塊中能量均值的最大值為：

其中，n表示表滑動(dòng)窗的第n次滑動(dòng)，再找到中心塊0(,)wlr的時(shí)頻能量最大值nL：

為增強(qiáng)目標(biāo)所在區(qū)域的對(duì)比度，定義局部能量對(duì)比特征值為：

將此對(duì)比特征值nC替換處于滑動(dòng)窗口第n次滑動(dòng)所在區(qū)域中心時(shí)頻點(diǎn)的能量值。根據(jù)式（4）～式（7）使用滑窗對(duì)時(shí)頻矩陣從上至下，從左往右依次遍歷，得到經(jīng)LCM處理后的特征矩陣。

一般選取尺度為9× 9共81個(gè)像素點(diǎn)作為每個(gè)子塊的最大的尺寸[13]。當(dāng)選取尺度為L=R=6和L=R=9的滑窗對(duì)圖2（a）中的時(shí)頻圖進(jìn)行LCM處理，結(jié)果分別如圖2（b）和圖2（c）所示。當(dāng)接收信號(hào)中存在能量較高、持續(xù)時(shí)間較短的突發(fā)信號(hào)時(shí)，由于選取的模板不恰當(dāng)，圖2（b）中無法有效抑制突發(fā)信號(hào)干擾，將產(chǎn)生虛警概率，圖2（c）中能抑制大部分干擾。由此可知，窗口大小的選取將影響檢測效果，故提出一種多尺度LCM應(yīng)用于跳頻信號(hào)提取。

圖2 不同尺度模板下的LCM處理結(jié)果

3.1.2 TFMLCM

考慮到跳頻信號(hào)駐留時(shí)長的未知性以及跳頻信號(hào)的時(shí)頻信息分布特點(diǎn)，研究了一種多尺度窗口的LCM應(yīng)用于時(shí)頻矩陣，分離跳頻信號(hào)。

首先，將時(shí)頻譜圖上各點(diǎn)值按式（8）歸一化到[0,255]，得到時(shí)頻矩陣 (,)knI：

其中，max_I和min_I分別表示原時(shí)頻譜圖上的最大值與最小值。

對(duì)于大小為KN× 的時(shí)頻矩陣 (,)knI，時(shí)頻矩陣的各行代表頻率分辨率為的頻率分布。

其中，fs為信號(hào)的采樣頻率。窗口尺度的選取取 決于時(shí)頻矩陣的實(shí)際大小。為提高跳頻頻率估計(jì)精度，令各尺度窗口的子塊的行數(shù)為3，按照?qǐng)D1（b）中滑窗與子塊大小的關(guān)系，將窗口的行數(shù)固定為9。由于跳頻周期的不可預(yù)知性，選取多個(gè)列數(shù)不同的窗口分別對(duì)原時(shí)頻矩陣進(jìn)行滑窗處理，若最小窗口的列數(shù)為 1N，則其他窗口列數(shù)取 1N的整數(shù)倍，且始終令滑窗列數(shù)的取值范圍在[6, 0.3×N]之間。同時(shí)，為保持多尺度局部能量對(duì)比特征值計(jì)算前后時(shí)頻矩陣的尺度不變性，對(duì)時(shí)頻矩陣I(k,n)按照不同窗口尺度向四周進(jìn)行擴(kuò)充，得到預(yù)處理后的時(shí)頻矩陣qi(k,n)。對(duì)于窗口尺度為9 ×N1的模板，I(k,n)擴(kuò)充后的情況如圖3所示。根據(jù)原含噪時(shí)頻矩陣I(k,n)的實(shí)際取值，矩陣擴(kuò)充部分的取值為[0,10]區(qū)間的隨機(jī)數(shù)，對(duì)應(yīng)高斯噪聲。

圖3 擴(kuò)充后時(shí)頻矩陣 1(,)knq

對(duì)不同尺度窗口下預(yù)處理后的時(shí)頻矩陣qi(k,n)上的各點(diǎn)按式（4）～式（7）分別計(jì)算局部能量對(duì)比特征值，并提取原時(shí)頻矩陣所對(duì)應(yīng)區(qū)域，得到特征矩陣qi′(k,n)，i取1,2,…,Z，Z為滑動(dòng)窗的個(gè)數(shù)。按式（9）計(jì)算不同滑窗尺度下的特征矩陣的均值，以減少因滑窗尺度選取不當(dāng)造成的虛警或漏檢現(xiàn)象，最終得到多尺度時(shí)頻局部能量對(duì)比特征矩陣Q。

其 中，i取 1,2,…,Z；k=1,2,3,…,K；n=1,2,3, …,N。

選取合適的門限閾值 Th ，當(dāng)矩陣Q上某點(diǎn)的值大于該門限時(shí)，即存在跳頻信號(hào)，利用式（10）分離出跳頻信號(hào)時(shí)頻矩陣P。

其中，u和σ分別表示矩陣Q的均值和標(biāo)準(zhǔn)方差，β表示自適應(yīng)分割系數(shù)，根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)通常取3～8；k=1,2,3,… ,K；n=1,2,3,…,N。

3.2 跳頻信號(hào)參數(shù)估計(jì)

經(jīng)TFMLCM處理后得到的矩陣P僅保留了跳頻信號(hào)的時(shí)頻信息，在矩陣P上依次搜尋每一列的峰值點(diǎn)，即若P(imax,j)=max(P(:,j))，則F(j)=imax，其中，imax的取值范圍為1,2,3,…,K，j=1,2,3,...,N。

數(shù)組F表示各個(gè)時(shí)間點(diǎn)的信號(hào)頻率分量，對(duì)F各前后兩個(gè)元素求差分，找到跳頻信號(hào)頻率發(fā)生跳變的時(shí)刻點(diǎn)所對(duì)應(yīng)的列，存入集合Stp，如式（11）所示。

其中，u1表示差分閾值，取值為子塊的行數(shù)3。假設(shè)滿足式（11）的跳變時(shí)刻點(diǎn)的個(gè)數(shù)為Nt，則i=2,3,4,…,Nt+1；j=1,2,3,…,N；且令 Stp (1)=0， Stp (Nt+ 2)=F(N)。則跳頻信號(hào)的跳頻周期和起跳時(shí)間估計(jì)值分別為：

其中，wT表示觀測時(shí)長，N表示時(shí)頻矩陣列數(shù)。取相鄰跳變時(shí)刻之間的所有時(shí)間點(diǎn)上跳頻信號(hào)頻率值的均值為該跳的信號(hào)頻率估計(jì)，即：

其中，F(xiàn)mean[a,b]表示取數(shù)組F第a個(gè)元素至第b個(gè)元素之間所有取值的平均值，i=1,2,3,…,Nt+1，fs表示采樣頻率，K表示時(shí)頻矩陣的行數(shù)。

3.3 算法流程

本文所提出的基于時(shí)頻矩陣局部對(duì)比度的跳頻信號(hào)參數(shù)估計(jì)算法的步驟如下。

步驟1利用式（2）和式（3）計(jì)算接收信號(hào)的時(shí)頻譜圖，得到SPECs(k,n)。

步驟2按照式（4）～式（10），利用TFMLCM對(duì)預(yù)處理后的矩陣進(jìn)行遍歷，并將跳頻信號(hào)與背景噪聲分離，得到時(shí)頻矩陣P。

步驟3在純凈的跳頻信號(hào)時(shí)頻矩陣P上按列搜尋，通過數(shù)組F記錄每個(gè)時(shí)刻點(diǎn)的頻率分量。

步驟4利用式（11）找到頻率劇變的時(shí)刻點(diǎn)Stp ()i，即每一跳的跳變時(shí)刻點(diǎn)所在列。

步驟5根據(jù)跳變時(shí)刻點(diǎn)集合Stp，通過式（12）～式（13）分別估計(jì)出跳頻信號(hào)的跳頻周期Et和起跳時(shí)間Est。

步驟6利用式（14）估計(jì)跳頻信號(hào)的各個(gè)跳變頻率。

4 算法仿真與測試

4.1 算法仿真與性能分析

為驗(yàn)證算法的有效性，定義當(dāng)跳變時(shí)刻點(diǎn)的個(gè)數(shù)比實(shí)際跳頻個(gè)數(shù)少1時(shí)，能正確提取出跳頻信號(hào)。跳頻信號(hào)提取正確率為：

其中，C表示實(shí)驗(yàn)總次數(shù)，C0表示正確提取出跳頻信號(hào)的實(shí)驗(yàn)次數(shù)。

采用歸一化均方誤差來衡量跳頻信號(hào)各個(gè)參數(shù)的估計(jì)性能，式（16）～式（18）分別表示起跳時(shí)間、跳頻周期和跳變頻率的估計(jì)誤差。

其中，τ、T、fi分別表示跳頻信號(hào)的實(shí)際起跳時(shí)間、跳頻周期和跳變頻率。

假設(shè)信號(hào)的采樣率為100 MHz，觀測時(shí)長為0.4 ms，跳頻信號(hào)的頻率集為[13.5，9.9，16.2，9，10.8，5.4，19.8，12.6，14.4，7.2，27.9，22.5，11.7，28.8，30.6，26.1，18，15.3，29.7，23.4] MHz，跳頻周期為0.02 ms，共20跳，同時(shí)存在功率與頻率隨機(jī)變化的突發(fā)信號(hào)?；瑒?dòng)窗口的尺度選擇如下：①單尺度滑動(dòng)窗尺度為96× ；②單尺度滑動(dòng)窗尺度為99× ；③多尺度滑動(dòng)窗尺度為[9 × 9,9× 18,9 × 27]以及④多尺度滑動(dòng)窗尺度為[9×1 2,9 × 24,9 × 36]。以下所有實(shí)驗(yàn)結(jié)果均由100 次蒙特卡洛仿真結(jié)果求平均所得。

實(shí)驗(yàn)1跳頻信號(hào)提取效果分析。選取滑動(dòng)窗①～④，利用TFMLCM分別提取跳頻信號(hào)，提取正確率與信噪比的關(guān)系與文獻(xiàn)[9-10]通過形態(tài)學(xué)濾波實(shí)現(xiàn)跳頻信號(hào)與背景干擾的分離，其信號(hào)提取正確率對(duì)比，如圖4所示。由圖4可見：在信噪比低于-8 dB時(shí)，TFMLCM的信號(hào)提取正確率高于80%，而LCM法低于30%，基于形態(tài)濾波算法失效，故本文的TFMLCM比兩種對(duì)比算法在低信噪比下具有更好的提取效果；基于多尺度滑動(dòng)窗③、④的提取正確率分別在-5 dB和-7 dB信噪比時(shí)達(dá)到100%，受窗尺度影響小；而基于單滑動(dòng)窗①、②的信號(hào)提取正確率分別在-4 dB和0 dB信噪比時(shí)達(dá)到100%，且受窗尺度影響大；形態(tài)濾波法在信噪比接近3 dB時(shí)，信號(hào)提取準(zhǔn)確率才達(dá)到收斂，本文基于③、④窗的TFMLCM分別提高信噪比達(dá)8 dB、10 dB。

圖4 不同滑窗下的信號(hào)提取結(jié)果

實(shí)驗(yàn)2本文所提TFMLCM（選④號(hào)窗口）、LCM（選②號(hào)窗口）以及形態(tài)學(xué)濾波算法對(duì)跳頻頻率、起跳時(shí)間和跳頻周期的均方誤差分別如圖5～圖7所示。由圖可見，本文TFMLCM的跳頻頻率估計(jì)性能優(yōu)于兩種對(duì)比算法。在形態(tài)學(xué)濾波法進(jìn)行信號(hào)提取的過程中，由于二分閾值以及濾波結(jié)構(gòu)元素選取的影響，形態(tài)學(xué)濾波法的起跳時(shí)間估計(jì)性能比基于局部對(duì)比度的兩種算法降低一個(gè)數(shù)量級(jí)。本文TFMLCM的跳頻周期估計(jì)精確度達(dá)到 10-4，性能遠(yuǎn)勝于兩種對(duì)比算法。

圖5 跳頻頻率估計(jì)誤差

圖6 起跳時(shí)刻估計(jì)誤差

圖7 跳頻周期估計(jì)誤差

4.2 算法性能測試

基于DSP+FPGA芯片的平臺(tái)搭建了跳頻信號(hào)參數(shù)估計(jì)算法測試系統(tǒng)，在CCS7.2集成開發(fā)環(huán)境 編程實(shí)現(xiàn)參數(shù)估計(jì)算法并進(jìn)行了調(diào)試，通過SEED-XDS200仿真器將工程文件下載至芯片內(nèi)，進(jìn)行實(shí)時(shí)測試，驗(yàn)證算法的正確性和實(shí)用性。

4.2.1 測試系統(tǒng)組成

基于TMS320C6678DSP和Kintex-7 XC7K410T FPGA芯片的硬件系統(tǒng)設(shè)計(jì)的跳頻信號(hào)參數(shù)估計(jì)算法性能測試系統(tǒng)組成如圖8所示。整個(gè)性能測試系統(tǒng)由信號(hào)源、射頻前端、數(shù)據(jù)處理模塊以及顯示模塊組成。數(shù)據(jù)處理模塊作為參數(shù)估計(jì)算法測試系統(tǒng)的核心部分主要包括用于接收基帶數(shù)據(jù)的FPGA、執(zhí)行參數(shù)估計(jì)算法的 DSP 以及提供高速緩存區(qū)域的DDR3。首先，信號(hào)源采用SMBV100A信號(hào)發(fā)生器，發(fā)射跳頻信號(hào)，在射頻前端利用 AD9361將接收到的模擬信號(hào)下變頻至零中頻信號(hào)，并得到正交的I、Q兩路信號(hào)，對(duì)兩路信號(hào)分別進(jìn)行采樣并傳輸給數(shù)據(jù)處理模塊；然后，F(xiàn)PGA將接收到的零中頻數(shù)據(jù)通過SRIO傳輸?shù)紻SP外接的DDR3中，DSP在初始化SRIO后與DDR3進(jìn)行數(shù)據(jù)交互；同時(shí)，為使數(shù)據(jù)得到高效處理，在DDR3中設(shè)計(jì)Ping-Pong結(jié)構(gòu)的緩存共享內(nèi)存，進(jìn)行輪流讀寫，當(dāng)零中頻數(shù)據(jù)在Ping-Pong區(qū)域中的任一區(qū)域存滿后會(huì)通過GPIO中斷通知DSP，DSP將從另一內(nèi)存區(qū)域讀取數(shù)據(jù)進(jìn)行后續(xù)的跳頻信號(hào)參數(shù)估計(jì)，提高了數(shù)據(jù)吞吐量與系統(tǒng)通信速度。在DSP平臺(tái)上編程實(shí)現(xiàn)上文的跳頻信號(hào)參數(shù)估計(jì)算法；最后，DSP通過UART與上位機(jī)進(jìn)行通信，將跳頻信號(hào)參數(shù)估計(jì)結(jié)果顯示在液晶屏幕的接收內(nèi)容顯示框。

圖8 測試系統(tǒng)組成

4.2.2 算法實(shí)測結(jié)果及分析

將信號(hào)發(fā)生器SMBV100A的發(fā)射功率設(shè)為-10 dBm，射頻中心頻率為1 150 MHz；射頻收發(fā)接收器AD9361的通帶帶寬為50 MHz，采樣率設(shè)置為100 MHz。跳頻信號(hào)的跳變頻率集為[28.8, 30.6, 26.1，13.5, 9.9, 16.2, 20.7, 18.9, 24.3, 27, 9, 10.8, 5.4, 19.8, 12.6, 14.4, 7.2, 27.9, 22.5, 11.7, 18, 15.3, 29.7, 23.4, 4.5] MHz，跳變周期為0.02 ms。

單純的載波信號(hào)和跳頻信號(hào)在A/D轉(zhuǎn)換后，經(jīng)FPGA傳至DSP，在CCS7.2上編程計(jì)算其1 024點(diǎn)的傅里葉變換，得到的功率譜分別如 圖9（a）和圖9（b）所示?？梢钥闯鲂盘?hào)在傳輸過程沒有出現(xiàn)失真現(xiàn)象，驗(yàn)證了信號(hào)收發(fā)和功率譜計(jì)算功能的正確性。

圖9 信號(hào)功率譜

將發(fā)射功率設(shè)置為-25～20 dBm，每間隔5 dBm進(jìn)行100次參數(shù)估計(jì)。不同發(fā)射功率跳頻周期和跳變頻率的估計(jì)誤差如圖10所示。在低發(fā)射功率時(shí)，仍然能以較小估計(jì)誤差估計(jì)出兩種參數(shù)，估計(jì)誤差均隨發(fā)射功率的增大而減小，且跳變頻率的估計(jì)誤差能達(dá)到 10-5的數(shù)量級(jí)。由于發(fā)射端源源不斷地傳輸信號(hào)，實(shí)際跳頻信號(hào)的起跳時(shí)間無法預(yù)知，故無法統(tǒng)計(jì)跳變時(shí)刻的估計(jì)誤差，但從式（12）和式（14）可知跳頻周期與跳變頻率的估計(jì)依賴于跳變時(shí)刻點(diǎn)的估計(jì)，圖10所示的這兩種參數(shù)的良好估計(jì)性能側(cè)面證明了本文算法也能夠準(zhǔn)確地估計(jì)實(shí)際信號(hào)的各個(gè)跳變時(shí)刻點(diǎn)。

圖10 不同發(fā)射功率下的參數(shù)估計(jì)誤差

5 結(jié)束語

本文提出了一種基于時(shí)頻矩陣局部對(duì)比度的跳頻信號(hào)參數(shù)估計(jì)算法。該方法利用多尺度局部對(duì)比度算法計(jì)算時(shí)頻圖上各點(diǎn)的能量對(duì)比特征，降低了由某些能量較高的噪聲點(diǎn)以及隨機(jī)的突發(fā) 干擾導(dǎo)致的虛警概率，具有較強(qiáng)的魯棒性。仿真結(jié)果表明，本文算法對(duì)跳頻信號(hào)各參數(shù)的估計(jì)性能優(yōu)于其他同類算法，實(shí)際信號(hào)參數(shù)估計(jì)的測試結(jié)果表明該算法具有實(shí)用性。在后續(xù)研究中可利用多核DSP芯片八核并行結(jié)構(gòu)的特點(diǎn)，設(shè)計(jì)多核數(shù)據(jù)處理流程框架實(shí)現(xiàn)該算法，以進(jìn)一步提高算法實(shí)時(shí)性。