通信對(duì)抗中的干擾識(shí)別技術(shù)研究.pdf

1、隨著信息時(shí)代的來臨，武器裝備的日益電子信息化，現(xiàn)代戰(zhàn)爭(zhēng)的重點(diǎn)逐步轉(zhuǎn)向電子戰(zhàn)和信息戰(zhàn)。通信對(duì)抗以特有的作戰(zhàn)方式和效能成為電子戰(zhàn)和信息戰(zhàn)的重要組成部分。在通信過程中，通信方如果可以識(shí)別出干擾信號(hào)類型，便可采取相應(yīng)的抗干擾措施，最大限度地躲避或抑制干擾。因此，如何識(shí)別干擾類型，是本文的研究重點(diǎn)。
　　通信對(duì)抗中的干擾信號(hào)種類很多，依據(jù)不同的分類規(guī)則，有不同的定義。本文主要針對(duì)幾種典型干擾信號(hào)（單音干擾、多音干擾、部分帶噪聲干擾和掃頻干擾

2、）進(jìn)行分析、研究和識(shí)別。對(duì)干擾信號(hào)類型的探知屬于模式識(shí)別問題，涉及到信號(hào)的預(yù)處理、特征提取和分類識(shí)別算法等部分。
　　對(duì)于信號(hào)的預(yù)處理，本文采用了線性函數(shù)中的最大最小值方法對(duì)信號(hào)進(jìn)行了歸一化，最后對(duì)樣本信號(hào)采用數(shù)字濾波器進(jìn)行了去噪處理。通過進(jìn)行歸一化和濾波器的平滑降噪可以明顯地提高數(shù)據(jù)的穩(wěn)健性和可操控性。
　　對(duì)于信號(hào)的特征提取，本文采用了多種特征參數(shù)，如載波因子系數(shù)、平均頻譜平坦系數(shù)、峰度系數(shù)、偏度系數(shù)、R參數(shù)和高斯白噪聲

3、因子。對(duì)四種干擾信號(hào)分別進(jìn)行了仿真分析，結(jié)果表明，這幾種特征參數(shù)都具有良好的可分離度。
　　對(duì)于分類識(shí)別，本文主要采用了基于BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和決策樹理論這三種算法對(duì)四種干擾信號(hào)進(jìn)行了識(shí)別分類。仿真分析表明，這三種算法都有良好的識(shí)別性能：在干噪比大于5dB時(shí)，識(shí)別率均大于90％。其中基于決策樹理論的識(shí)別算法在較低干噪比時(shí)性能明顯優(yōu)于基于 BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的識(shí)別算法；后兩者算法性能接近，在干噪比小于5dB時(shí)，基于支持向