论文部分内容阅读
Morse码是一种不均匀的电码，它是利用“点”、“划”和“间隔”的不同组合来表示字母、数字和字符。在现代化军事通信领域，短波Morse电报是恶劣条件下重要的应急通信手段，但现有的自动译码方法仍没达到实用化水平，依旧采用人工译码方式。随着科学技术的发展，这种人工方式日益暴露出一些弊端。随着报务量的增加，报务员需要快速地完成大量的译码工作，但人的反应能力是有限的，不可能长时间保持高度有效的工作状态。译码工作重复、枯燥，易使人疲劳，误译、漏译的情况在所难免。因此，找到一种能替代人工进行Morse信号的自动译码方法，已成为军队自动化建设的需要。 本文的目的是针对短波特定目标通信信号自动侦察中Morse信号自动抄译的技术难题，采用数字图像处理和机器学习方法，实现机械或手工Morse信号的自动译码，提高译码准确率。由于人工译码方式是在确定信号频率的同时判定信号的持续时间，因此时频分析方法非常适用于对Morse信号的分析。本文完成的主要工作包括: (1)针对短波Morse信号受强噪声干扰的问题，提出了一种基于时频分析的Morse信号去噪算法。该算法采用短时傅里叶变换方法生成信号的时频矩阵，通过灰度映射得到Morse信号的时频图像，并基于图像处理技术进行去噪以获取时频图中的码和间隔的长度信息。在处理实采数据时，该算法在抑制噪声、去除邻频干扰等方面效果明显。 (2)针对短波Morse信号自动译码准确率低的问题，提出了三种基于聚类的Morse码自动识别算法，实现了机械或手工Morse码的自动识别。首先，根据Morse码的聚集特性提出了一种基于K-means聚类的Morse码自动识别算法，对信噪比高于0dB的机械Morse码的识别率能达到90％以上;进一步，为了提高算法的鲁棒性，提出了一种改进的基于聚类的自动识别算法，在点划识别中采用了FCM算法来解决点划边界模糊的问题，在间隔识别中，通过自适应的计算初始聚类中心提高K-means算法的聚类准确度，实验表明，该算法能适应更强的噪声干扰以及更好的解决手工Morse码的识别问题;为了适应Morse信号时变的情况，采用局部分析的方法，提出了一种基于滑动窗口的Morse码自动识别算法，以更准确识别码速变化的Morse信号，实验表明，该算法对手工报的识别率更高。 (3)为了尽量弥补识别错误，提高译码准确率，提出了一种结合纠错的索引查表算法将Morse码转换成报文。该方法与顺序查找相比，查表速度提高了60％;结合查表算法，针对查表失败的情况提出了相应的纠错方法。 (4)基于以上工作，设计了Morse信号自动译码的算法框架。提出一种窄带Morse信号仿真方法，可以对噪声大小、信道类型、码长变化进行设置，生成相应的时域数据。利用仿真数据对算法进行测试，实验结果表明，本文算法在抵抗噪声和适应手工报不稳定方面有很好的表现，验证了算法的可行性。依托项目单位提供的实采数据进行测试，本文算法正确率较高且基本达到实时，验证了算法的实用性。