[发明专利]面向与通信信号耦合的干扰信号检测与识别方法及装置

说明书

本发明涉及一种面向与通信信号耦合的干扰信号检测与识别方法及装置。本发明针对干扰与通信信号的时频域特征差异，通过自编码器输入‑输出信号的重构误差检测干扰；若检测到干扰，则从时频特征深度耦合复合信号中分离出干扰，随后通过循环谱及时频分析提取干扰时频多域特征。进一步使用深度神经网络融合生成干扰复合特征，实现基于残差网络的干扰信号精准识别。本发明利用自编码器网络提升干扰检测识别的实时性；进一步通过时频分析和深度学习方法实现特征域数据融合，解决复合干扰信号的时频特征深度耦合问题，提高了干扰识别的准确度。

技术领域

本公开涉及通信信号处理技术能力，尤其涉及一种面向与通信信号耦合的干扰信号检测与识别方法及装置，可用于面向战场环境的抗干扰通信系统，为抗干扰决策提供识别信息。

背景技术

在战场环境中，以单音干扰、多音干扰、线性调频干扰等为主要样式的干扰，通过产生大功率的干扰信号，降低信宿端的输入信噪比，严重影响我方正常通信。抗干扰技术通过干扰认知，针对不同的干扰类型采用特异性强的抗干扰手段，提升通信的顽存性。因此，如何对干扰信号实现精确的检测与识别成为抗干扰的关键。针对干扰信号检测，由于干扰信号功率大，而通信信号功率相对较小，现有方法多采用基于时域和频域的能量检测算法，根据接收信号的能量分布特征对信号是否受干扰进行检测。然而，考虑到对抗环境的时变性所产生的噪声功率的高动态变化特征，造成了检测门限难以确定，严重降低了干扰检测的准确率。另一方面，针对干扰信号的识别，现有技术主要依赖专家知识提取干扰信号的时频域特征，但考虑到瞄准式干扰信号，其与通信信号时频特征深度耦合，很难直接根据接收到的信号提取干扰信号的独有特征进行判识。因此，单纯依赖专家知识的干扰类型识别不仅鲁棒性差，而且由于特征提取的不全面，也难以实现精准的干扰类型判识，这就造成了现有的干扰识别算法在复杂的电磁环境中，无法精准地识别瞄准式干扰信号类型。

发明内容

针对上述现有技术，本发明所解决的技术问题至少是：与通信信号耦合的干扰信号检测门限难以确定、特征提取带来的干扰识别算法准确率低和普适性差、瞄准式干扰与通信信号特征深度耦合所造成的识别精度差的问题。

为了解决上述技术问题，本发明的技术方案如下：

第一方面，本发明提出了一种面向与通信信号耦合的干扰信号检测与识别方法，所述方法包括：

从原信号中读取待检测信号，基于待检测信号利用自编码器进行信号重构，计算重构信号与待检测信号的重构误差，若误差大于检测阈值，则进一步从原信号中读取待识别信号，基于待识别信号进行干扰信号识别；

所述自编码器依次包括信号编码模块、隐变量特征提取模块、以及信号解码模块；

所述信号编码模块将待测检测信号作为输入，提取时域波形特征；

所述隐变量特征提取模块以时域波形特征作为输入，输出第一信号隐变量；

所述信号解码模块以第一信号隐变量为输入，输出重构信号。

在上述技术方案中，针对不同干扰均会对通信信号产生显著的时频域畸变特征，本发明利用重构信号与待检测信号的重构误差，检测干扰信号的存在性；并在检测到干扰信号时，进行干扰信号识别。较传统基于能量的干扰信号检测，本发明在重构误差中，提出一种自编码器来重构信号，通过自编码器解决检测门限难以确定的问题，屏蔽噪声的起伏性和高动态性对干扰检测精度的影响。

作为本发明的进一步改进，针对干扰与通信信号的时频特征耦合性，从时频特征深度耦合复合信号中分离出干扰，以实现干扰信号精准识别。在基于待识别信号进行干扰信号识别时，包括下述步骤：

基于待识别信号，获取纯干扰信号；

按下式计算循环谱P^α(f)、频谱FFT(f)、时频谱STFT(m,f)：