無人機(jī)測控鏈路干擾感知與識(shí)別技術(shù)研究.pdf

1、復(fù)雜電磁環(huán)境已成為制約無人機(jī)(Unmanned Aerial Vehicle，UAV)測控系統(tǒng)可靠和有效通信的重要因素，干擾認(rèn)知(Jamming Cognition，JC)是通過感知周圍的電磁環(huán)境，運(yùn)用干擾檢測、干擾識(shí)別、干擾參數(shù)估計(jì)等技術(shù)手段實(shí)現(xiàn)對(duì)電磁環(huán)境的感知和識(shí)別，為通信系統(tǒng)的認(rèn)知決策和抗干擾傳輸提供依據(jù)，以使系統(tǒng)能夠不斷調(diào)整傳輸參數(shù)和決策參數(shù)以達(dá)到最佳的傳輸效果，因此，干擾認(rèn)知已成為無人機(jī)正常工作和高效傳輸?shù)闹匾Ｕ稀?br>　

2、　本文主要針對(duì)無人機(jī)測控鏈路中常見的干擾類型，從干擾認(rèn)知策略的制定、干擾檢測、干擾多維特征參數(shù)的提取、干擾分類算法幾個(gè)方面研究無人機(jī)測控鏈路干擾感知與識(shí)別技術(shù)，并進(jìn)行性能仿真分析，主要內(nèi)容如下：
　　第一部分主要介紹了本文的研究背景和意義，并對(duì)無人機(jī)測控鏈路的基本情況和目前的干擾感知技術(shù)與識(shí)別技術(shù)進(jìn)行闡述。
　　第二部分主要研究了無人機(jī)測控鏈路干擾認(rèn)知策略和干擾認(rèn)知過程。具體包括將無人機(jī)測控鏈路常見干擾分為時(shí)域、頻域、非平穩(wěn)

3、三種類型；給出了干擾認(rèn)知策略制定時(shí)需要考慮的四個(gè)因素；制定了無人機(jī)測控鏈路干擾認(rèn)知策略并給出了干擾認(rèn)知過程。
　　第三部分主要研究了時(shí)域干擾檢測算法和頻域干擾檢測算法。針對(duì)時(shí)域干擾，主要研究了時(shí)域分組檢測算法，推導(dǎo)了分組檢測門限因子，分析了算法實(shí)現(xiàn)流程，在此基礎(chǔ)上，進(jìn)一步研究了脈沖噪聲干擾的周期和占空比估計(jì)算法；針對(duì)非靜默期下的頻域干擾檢測，主要研究了基于Welch譜的改進(jìn)FCME檢測算法；仿真結(jié)果表明，時(shí)域分組干擾檢測算法和脈沖

4、干擾參數(shù)估計(jì)算法都有較好的性能，基于Welch譜的改進(jìn)FCME算法性能優(yōu)于傳統(tǒng)FCME算法，具有較好的檢測性能，而且誤檢概率也比較低，很適用于非靜默期干擾檢測。
　　第四部分主要從時(shí)域、頻域、分形域幾個(gè)維度研究了多維干擾特征參數(shù)的提取算法。具體特征參數(shù)包括：時(shí)域峰均比(Time Domain Peak To Average Ratio， TDPAR)、時(shí)域矩峰度(Time Domain Kurtosis，TDK)、干擾帶寬因子(J

5、amming Bandwidth Factor，JBF)、頻域峰均比(Frequency Domain Peak To Average Ratio， FDPAR)、歸一化譜沖擊部分標(biāo)準(zhǔn)差(Normalized Spectrum Standard，NSSD)、盒維數(shù)(Box Dimension，BD)、LZ復(fù)雜度、時(shí)頻圖干擾位置標(biāo)準(zhǔn)差(Time Frequency Position Standard Deviation)，TFPSD。理論

6、分析了脈沖噪聲干擾的時(shí)域特征參數(shù)值；為了適用于非平穩(wěn)干擾，本文提出了使用短時(shí)傅里葉變換提取時(shí)頻二值圖對(duì)LZ復(fù)雜進(jìn)行改進(jìn)，并對(duì)時(shí)頻圖提取干擾頻點(diǎn)位置標(biāo)準(zhǔn)差特征參數(shù)。最后，對(duì)所有干擾特征參數(shù)進(jìn)行仿真分析。仿真結(jié)果表明，時(shí)域特征參數(shù)對(duì)脈沖干擾具有較好的區(qū)分能力；干擾帶寬因子和頻域峰均比對(duì)瞄準(zhǔn)式干擾有較好的區(qū)分能力；歸一化譜沖擊部分標(biāo)準(zhǔn)差對(duì)多音干擾有好的區(qū)分能力；分形維數(shù)在JSNR?10dB有較好魯棒性并對(duì)部分干擾類型有較好區(qū)分能力。
　

7、　第五部分主要研究了決策樹(Decision Tree，DT)干擾分類算法和支持向量機(jī)(Support Vector Machine，SVM)干擾分類算法?；诙嗑S特征參數(shù)構(gòu)建了靜默期決策樹和非靜默期決策樹；制定了一套支持向量機(jī)識(shí)別多種干擾類型的結(jié)構(gòu)，仿真分析了不同分類算法下的干擾識(shí)別性能。仿真結(jié)果表明，決策樹判決中瞄準(zhǔn)式干擾非靜默期識(shí)別性能優(yōu)于靜默期識(shí)別性能；非靜默期情況下，支持向量機(jī)的識(shí)別性能優(yōu)于決策樹識(shí)別性能；當(dāng)JSNR>10dB