通信對抗中的干擾識別技術(shù)研究.pdf

1、隨著信息時代的來臨，武器裝備的日益電子信息化，現(xiàn)代戰(zhàn)爭的重點逐步轉(zhuǎn)向電子戰(zhàn)和信息戰(zhàn)。通信對抗以特有的作戰(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，通信方如果可以識別出干擾信號類型，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，如何識別干擾類型，是本文的研究重點。
　　通信對抗中的干擾信號種類很多，依據(jù)不同的分類規(guī)則，有不同的定義。本文主要針對幾種典型干擾信號（單音干擾、多音干擾、部分帶噪聲干擾和掃頻干擾

2、）進行分析、研究和識別。對干擾信號類型的探知屬于模式識別問題，涉及到信號的預(yù)處理、特征提取和分類識別算法等部分。
　　對于信號的預(yù)處理，本文采用了線性函數(shù)中的最大最小值方法對信號進行了歸一化，最后對樣本信號采用數(shù)字濾波器進行了去噪處理。通過進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。
　　對于信號的特征提取，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。對四種干擾信號分別進行了仿真分析，結(jié)果表明，這幾種特征參數(shù)都具有良好的可分離度。
　　對于分類識別，本文主要采用了基于BP神經(jīng)網(wǎng)絡(luò)、支持向量機和決策樹理論這三種算法對四種干擾信號進行了識別分類。仿真分析表明，這三種算法都有良好的識別性能：在干噪比大于5dB時，識別率均大于90％。其中基于決策樹理論的識別算法在較低干噪比時性能明顯優(yōu)于基于 BP神經(jīng)網(wǎng)絡(luò)和支持向量機的識別算法；后兩者算法性能接近，在干噪比小于5dB時，基于支持向