论文部分内容阅读
短波电报信号由于其具有设备简单、低功耗、抗干扰性强等优点，仍被广泛应用于军用和民用的短波通信中。目前，对短波电报信号的侦察主要还是采用人工方式。在国内外公开发表的文献中，关于短波电报信号自动检测技术的研究主要是基于窄带环境展开的，并且不涉及多路短波电报信号的自动检测。而这些算法中尚未有一种得到普遍认可的算法。随着短波通信环境的日益复杂和短波电报信号快速侦察需求的日益迫切，研究宽带环境下的多路短波电报信号自动检测技术十分必要。因此，本文针对该问题展开深入研究，主要研究内容及成果如下: 1.综述了短波电报通信的基本原理及发展，并对短波通信环境的主要特点和短波信道带来的影响进行总结;重点分析了短波电报信号自动检测技术、图像处理在信号领域中应用以及宽带信号自动检测技术的研究现状，并根据分析结果基于时频图处理方式，针对宽带环境研究多路短波电报信号自动检测问题。 2.提出了一种基于宽带时频图的信号快速窄带滤波算法。针对传统宽带模式存在硬件设备开销大和人力资源投入多的问题，算法采用软件方法替代硬件的窄带接收机实现宽带信号中多路窄带信号的初步提取。该算法将宽带信号的窄带滤波转变为宽带信号时频图中窄带信号区域图像的目标识别。算法首先提出了时间轴能量累积曲线和基于直方图的阈值计算方法。在此基础上，针对实际宽带时频图处理中遇到的问题，进一步提出了分区处理、频段扩展与融合、背景二次检测等关键技术。最终通过对多组现场实际采集信号的测试，验证了本文提出的基于宽带时频图的信号快速窄带滤波算法，能够有效地将包括短波电报信号在内的多种信号窄带时频图快速获取。 3.提出了一种基于信号时频图的特征参数提取算法。通过详细分析短波电报信号在时域、频域及时频图中的典型特点，从短波电报信号时频图在形状、时间轴、频率轴和局部纹理四方面的特点出发，提出了四个新的特征与局部二值模式(LBP)特征构成特征向量。此外，在提取时间轴特征时还提出了尖峰增强和点差定位方法，用于解决该特征提取时遇到的噪声干扰问题。基于实际采集数据采用箱形图对上述特征进行分析，测试结果表明本文提出的特征提取算法能有效描述短波电报信号特征，并且能够有效地将其与其他类型信号区分。 4.本文通过对多种分类器算法进行对比测试，基于测试结果选择了集成学习算法的Bagged Trees分类器，并对分类器参数进行最优设置。基于本文之前提出的特征提取算法和Bagged Trees分类器判别方法实现了对短波电报信号的自动检测。通过对实际采集数据的泛化性能测试和对比实验，结果表明算法对于短波电报信号的检测正确率均能高于95％，同时虚警率低于10％。本文采用的分类器具有良好的泛化性能，同时算法具有较好的鲁棒性和应用价值。