基于軟件無線電的通信偵察接收機關鍵技術研究.pdf

1、近年來，隨著作戰(zhàn)理論的不斷發(fā)展和作戰(zhàn)形式的不斷變化，通信偵察面臨的環(huán)境越來越復雜，迅速發(fā)展的先進干擾和抗干擾通信技術也對通信偵察提出了越來越高的要求。為了應對面臨的挑戰(zhàn)，提高通信偵察系統(tǒng)性能一直是電子對抗領域內的研究熱點。作為通信偵察系統(tǒng)的核心，通信偵察接收機的功能是完成對無線電通信信號進行搜索、截獲、測量、分析、識別、監(jiān)視，以及對輻射源進行測向和定位，以便獲得信號的技術參數(shù)、輻射源位置、相關信息和情報。隨著通信對抗技術的發(fā)展，基于軟件

2、無線電技術的偵察接收機成為通信偵察接收機發(fā)展的必然趨勢。因此，本論文重點研究了基于軟件無線電的通信偵察接收機的關鍵技術，進一步提高通信偵察接收機的性能，滿足我軍對信息進行準確的截獲和偵察的需求。
　　首先，為了滿足電子對抗中對通信偵察接收機提出的寬頻段、多模式等要求，本文詳細分析了基于軟件無線電技術的智能天線的結構和算法，建立了基于智能天線的通信偵察接收機模型，該通信偵察接收機能從時域、頻域、空域對接收信號進行三維處理，工作頻段寬

3、，波形適應能力強，系統(tǒng)功能模塊化，軟件易于升級，可擴展性好。本文研究了該通信偵察接收機中的基于多相濾波的信道化處理模塊，推導了基于多相濾波結構的復信號和實信號的信道化處理模塊的數(shù)學模型，對實信號信道化處理模型進行了仿真分析；并對通信偵察接收機中智能天線部分進行了深入研究，推導了基于信號循環(huán)平穩(wěn)性的CAB盲數(shù)字波束形成算法，用該算法對通信偵察接收機中的數(shù)字波束形成模塊進行仿真分析。由于智能天線具有良好的方向性，基于智能天線的通信偵察接收機

4、不僅在寬頻帶范圍內實現(xiàn)了全概率截獲信息，還能夠實現(xiàn)測向功能。
　　其次，由于擴頻通信在通信對抗中的廣泛應用，通信偵察接收機需要對擴頻通信信號進行檢測和參數(shù)估計。因此，本文重點研究了對直擴信號的擴頻碼周期估計的倒譜法。針對短碼周期估計，提出了基于經(jīng)典譜估計的改進倒譜法，對傳統(tǒng)倒譜法進行了三方面改進：利用有偏自相關函數(shù)對功率譜進行估計、對自相關函數(shù)加窗處理、對所求倒譜進行頻譜校正，仿真結果表明改進后的倒譜法比傳統(tǒng)倒譜法的峰值更加突出、

5、平滑，利于周期峰值搜索，信噪比容限提高了2.1dB。同時，還提出了基于現(xiàn)代譜估計的改進倒譜法，先用Yule-Walker法或Burg法進行功率譜估計，然后再求其倒譜并進行頻譜校正，本文還總結出了適用于倒譜法的確定AR模型階數(shù)的經(jīng)驗準則。仿真結果表明，應用現(xiàn)代譜估計的倒譜法比應用經(jīng)典譜估計的倒譜法估計效果更好。針對長碼周期估計，研究了m序列延遲相乘的特性，并在此基礎上提出用基于延遲相乘的改進倒譜法來估計長碼周期，先對待估計信號進行延遲相乘

6、預處理，再用針對短碼的改進倒譜法進行周期估計，仿真結果表明，延遲相乘預處理使改進后的倒譜法對長碼信號也能進行周期估計，解決了已有的擴頻碼周期估計方法無法對長碼周期進行有效估計的問題。
　　然后，為了對接收到的非擴頻信號或解擴后的信號進行調制方式的識別與分類，首先要提取信號特征，并選擇適當?shù)奶卣鳂嫵商卣飨蛄孔鳛楹罄m(xù)的調制識別分類器的輸入。本文研究了信號基于瞬時信息的特征提取方法、基于小波分解的細節(jié)特征提取方法、基于高階累積量的特征提

7、取方法和基于分形理論的特征提取方法，由這四組特征參數(shù)構成了原始特征集。本文提出用遺傳算法進行特征選擇，在深入研究了遺傳算法的原理、基本操作、運算流程與主要特點的基礎上，進行了基于遺傳算法的信號特征選擇器設計，并用離散小波神經(jīng)網(wǎng)絡(DWNN)分類器驗證遺傳算法應用于數(shù)字調制識別的有效性。仿真結果表明，遺傳算法能夠對不同的模式組合選擇出適用于該模式的特征向量，降低了特征向量維數(shù)，從而提高了后續(xù)的分類器的性能。
　　最后，為了實現(xiàn)對多種

8、信號調制方式的自動識別與分類，本文深入研究了DWNN和ART2A神經(jīng)網(wǎng)絡，在此基礎上提出了基于ART2A-DWNN組合神經(jīng)網(wǎng)絡的調制識別分類器。DWNN分類器的收斂速度快，不存在局部極小點，具有較強的抗噪性，且識別特征相近的調制方式的能力較強，但是不具備可擴展性，在同時識別很多種調制方式時識別效果不佳。而ART神經(jīng)網(wǎng)絡具有良好的可擴展性和識別性能。組合神經(jīng)網(wǎng)絡分類器將ART2A-E神經(jīng)網(wǎng)絡和DWNN結合起來，ART2A-E神經(jīng)網(wǎng)絡作為組