[发明专利]基于DAC的DNL统计模型特征的欺骗干扰识别方法

权利要求书

1.基于DAC的DNL统计模型特征的欺骗干扰识别方法，其特征在于该方法包括以下步骤：

第一步：根据差分非线性的定义，确定DNL_k的数学表达式为

DNLk=Ioutk-Iout(k-1)-IlsbIlsb=n·σu·[BB(kn)-BB(k-1n)]Ilsb---(1)]]>

式中，表示对应输入码k时的DAC输出电流，表示对应输入码k-1时的DAC输出电流，n表示DAC的编码位数，I_lsb表示最低有效位输出，σ_u是内部电流源的方差，BB(t)表示布朗桥随机过程；

第二步：利用和Karhunen-Loeve展开，布朗桥随机过程展开为

BB(t)=limJ→∞Σj=1JΛjπj2sin(π·j·t),]]>则DNL_k进一步表示成

DNLk=limJ→∞Σj=1JΛjπj2n(σuIu‾)[sin(π·j·kn)-sin(π·j·k-1n)]---(2)]]>

式中，是理论上的单位电流源，Λ_j是独立同分布的随机变量，且服从

第三步：实际输入信号为x，且长度为M，即x＝[x(0),x(1),…,x(M-1)]，则DNL_x表示为

DNL_x＝P_DNLh   (3)

h=Λ1π·1...ΛJπ·JT---(5)]]>

第四步：接收机根据接收信号y，以第三步得到的h作为特征向量进行检测识别并建立欺骗干扰的检测问题，为

H0:y=PDNLh1+vH1:y=PDNLh2+v---(6)]]>

其中，H₀表示接收机接收的信号为真实信号；H₁表示为接收机接收的为欺骗干扰；

第五步：用以下似然检测法或欧式距离法对第四步提出的问题进行检测识别；

所述似然检测法具体是：

假定模型参数向量h₁与h₂已经提取得到，则似然比函数为

式中，是条件概率密度函数，其表达式为

py|hi,PDNL(y|hi,PDNL)=1(2πσi2)Mexp{-(y-PDNLhi)H(y-PDNLhi)2σi2}---(8)]]>

则判决函数可以简化为

所述欧式距离法具体是：比较接收信号的特征向量与已知特征向量间的欧式距离大小，判决准则为

其中h为实际接收的信号的特征向量。