技術(shù)鄰域

本發(fā)明屬于通信技術(shù)鄰域，尤其涉及一種基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法。

背景技術(shù)：

跳頻通信在現(xiàn)代軍事中被廣泛應(yīng)用，作為非協(xié)作通信的第三方，對于跳頻信號的提取尤為關(guān)鍵，然而電磁環(huán)境中存在著各種長度的干擾，以及功率較強的噪聲，因此，在低信噪比下以及含有周期和跳周期一樣的干擾時，如何對跳頻信號進行準確的提取是現(xiàn)代通信理論的研究工作重點之一。

跳頻信號的頻率隨時間不停的在隨機跳變，對于跳頻信號提取的研究，近幾年大多數(shù)提取方法僅根據(jù)持續(xù)時長去除突發(fā)及定頻干擾，掃頻還要根據(jù)帶寬再次去除，而這些方法實現(xiàn)正確提取的信噪比比較高，考慮的都是只含一種跳頻信號時的提取，且在提取時無法把周期與跳周期相同的干擾去除，形態(tài)學去噪時對定頻信號邊緣處產(chǎn)生的凹凸不平的部分以及處理后同一行產(chǎn)生的不同段突發(fā)信號，甚至是加入的是功率起伏的定頻干擾，傳統(tǒng)方法按逐行統(tǒng)計，根據(jù)時長是無法完全去除的，且時長門限需要知道大概的跳周期，這將嚴重影響跳頻信號的提取質(zhì)量，依然會混有無法去除的干擾，且在現(xiàn)有文獻中提取僅僅是得到跳頻信號的二值圖，而要得到跳頻信號能量圖需要在較高的信噪比下，且去噪效果也不理想。并且文獻中所提到的聚類，沒有實現(xiàn)動態(tài)聚類，即事先需要知道有幾類信號，且聚類后僅說明了提取的特征量屬于同一類，沒有跟蹤該特征量所對應(yīng)的具體信號，因此并不能說明該類就全都是跳頻信號，且沒有對提取出的信號進行所需跳頻信號的驗證，以及沒有給出提取質(zhì)量評價，在第二次聚類時，本文充分考慮了出現(xiàn)時刻具有前后波動的情況，因此，針對在復(fù)雜環(huán)境中接收到的信號很難知道含有幾類信號，含有周期與跳周期相同的干擾，且含有兩種以上跳周期接近的跳頻信號在低信噪比強干擾的情況下，現(xiàn)有的方法不能對任意一種跳頻信號進行能量圖的準確提取。

技術(shù)實現(xiàn)要素：

本發(fā)明的發(fā)明目的是：為了解決現(xiàn)有技術(shù)中存在的以上問題，本發(fā)明提出了一種基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法，以期實現(xiàn)對跳頻信號的有效提取。

本發(fā)明的技術(shù)方案是：一種基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法，包括以下步驟：

a、構(gòu)建接收信號模型；

b、采用形態(tài)學方法對步驟a中的接收信號進行去噪和分割處理；

c、對步驟b中處理后的圖像進行連通區(qū)域標記；

d、對步驟c中的連通區(qū)域標記信號的持續(xù)時長以及對應(yīng)的標號進行動態(tài)聚類；

e、根據(jù)步驟d中的動態(tài)聚類結(jié)果，對連通區(qū)域標記信號的出現(xiàn)時刻及其對應(yīng)的標號進行第二次動態(tài)聚類；

f、根據(jù)步驟e中的動態(tài)聚類結(jié)果進行其中一種跳頻信號的提??；

g、對步驟f中提取的信號進行跳頻信號驗證，提取質(zhì)量評價并得到跳頻信號能量圖。

進一步地，所述步驟a中構(gòu)建的接收信號模型具體表示為：

其中，s(t)為接收信號，t為觀測時間，0≤t≤t，a為跳頻信號的幅度，th為跳周期，t0為起跳時間，fk為跳變頻率，n為跳變頻率個數(shù)，ji(t)為掃頻干擾信號、突發(fā)干擾信號、定頻干擾信號的疊加信號，n(t)為復(fù)高斯白噪聲。

進一步地，所述步驟b采用形態(tài)學方法對步驟a中的接收信號進行去噪和分割處理，具體包括以下分步驟：

b1、對接收信號s(t)進行時頻變換，表示為：

其中，tfr(t,f)為s(t)的短時傅里葉變換，t為時間變量，f為頻率變量，h(t)為窗函數(shù)；

b2、將時頻矩陣stfts(t,f)轉(zhuǎn)換為灰度時頻圖像g1(t,f)，采用線性結(jié)構(gòu)元素se對灰度時頻圖像g1(t,f)進行形態(tài)學開運算和閉運算得到灰度時頻圖像g2(t,f)，表示為：

b3、設(shè)置閾值將灰度時頻圖像g2(t,f)轉(zhuǎn)化為二值時頻圖像d(t,f)，表示為：

其中，gd(x,y)和分別表示d(t,f)和g2(t,f)上任一點的灰度值。

進一步地，所述c對步驟b中處理后的圖像進行連通區(qū)域標記，具體包括以下分步驟：

c1、初始化放置隊列的元組q、進行取操作的隊列頭head＝1、排隊等候處理的隊列尾tail＝1、進行標記的標號label＝1；定義矩陣neighbour，使其每一行分別與標記信號值所在位置相加得到標記信號值的8鄰域坐標，表示為：

neighbour＝[-1-1；-10；-11；0-1；01；1-1；10；11]

c2、搜索二值圖像d(t,f)，并判斷該點像素值是否為需要標記的信號值且該像素點從未被標記過；若否則重新搜索二值圖像d(t,f)并對下一個像素點進行判斷，若是則對該像素點進行標記，表示為：

tmp(i,j)＝label

其中，tmp(i,j)為標記后的圖像；

c3、把標記過的像素點坐標放到元組q中進行排隊，等候?qū)υ撓袼攸c坐標的8鄰域搜索，進行相同信號值的標記；同時隊列尾tail加1，用來放置與該像素點屬于同一信號的鄰域坐標，進行排隊等候，繼續(xù)對新進入排隊的坐標進行8鄰域搜索，表示為：

q{tail}＝d(i,j)

tail＝tail+1

c4、判斷隊列頭是否等于隊列尾；若是則取出元組q中的坐標，計算得到該坐標8鄰域坐標r，再對8鄰域坐標r中的8個坐標按照步驟c2進行標記；若否則清空元組q，標號遞增，隊列頭head及隊列尾tail從1開始記起，返回步驟c2。

進一步地，所述d對步驟c中的連通區(qū)域標記信號的持續(xù)時長以及對應(yīng)的標號進行動態(tài)聚類，具體包括以下分步驟：

d1、設(shè)定tmp標記圖像中共有n個標記的信號，對標記圖像的各個連通區(qū)域進行坐標定位，并求出各連通區(qū)域的持續(xù)時長，表示為：

[r,c]＝find(tmp＝＝i)

tg(i)＝min(c)

l(i)＝max(c)-tg(i)

其中，r為連通區(qū)域所連通的所有行，c為所連通的所有列，l為持續(xù)時長，tg為出現(xiàn)時刻，i＝1,2,3,…n；

d2、定義wi,j為聚類結(jié)果，bi,j為對應(yīng)的聚類標號，zi為聚類中心，thl為類內(nèi)門限，其中i為類別，j為該類中含有的信號個數(shù)；將持續(xù)時長l1取做第一類w1j的聚類中心，同時將持續(xù)時長l1放到第一類中，即z1＝l1，w11＝l1，記下該持續(xù)時長l1的連通標號，即b11＝1；

d3、計算尚未分類的時長l2到z1的距離，表示為：

d21＝|l2-z1|

若距離d21>thl，則自動建立一個新的類w2j，即w21＝l2，記下該時長的連通標號，即b21＝2，并令第二類的類中心為z2＝l2；若否則將l2存入w1j中，即w12＝l2；

d4、設(shè)定已求得k個聚類中心z1，z2，z3，…zk，計算還沒有進行分類的lm到各聚類中心的距離，表示為

dm,i＝|lm-zi|

若min(dm,i)>thl，則重新另起一個新的類wk+1，即wk+1,1＝lm，同時記下該持續(xù)時長的連通標號，即bk+1,1＝m，且把該類的中心記為zk+1＝lm；否則找出該時長與所求出的所有類中最小距離的那一類所在位置，表示為：

tt＝find(dm,i＝＝min(dm,i))

再將lm存放到與它具有最小間距離的wtt,j那一類中，且把該時長對應(yīng)的連通標號存放到btt,j中，表示為：

y＝max(find(w(tt,:)>0))+1

w(tt,y:y)＝lm

b(tt,y:y)＝m

其中，y表示對存儲在該類信號的一個列位置定位，w表示特征量的聚類結(jié)果，b表示與特征量一一對應(yīng)的標號的聚類結(jié)果；

d5、判斷分類是否完成；若是則操作結(jié)束，若否則返回步驟d3。

進一步地，所述e根據(jù)步驟d中的動態(tài)聚類結(jié)果，對連通區(qū)域標記信號的出現(xiàn)時刻及其對應(yīng)的標號進行第二次動態(tài)聚類，具體包括以下分步驟：

e1、計算跳頻信號所在的第i類的平均持續(xù)時長，表示為：

h(i,j)＝find(w(i,:)>0)

tk＝sum(w(i,h(i,j)))/l

其中，h(i,j)為第i類信號時長的非零值對應(yīng)的位置，tk為跳頻信號的平均周期，l為h的總長度；

e2、設(shè)定提取出的該類信號中有nk個分量，該類中每個分量所占有的時長分別為出現(xiàn)時刻分別為設(shè)置一個對出現(xiàn)時刻進行分類的一個特征參數(shù)表示為：

c1(y)＝tg(y)％tk

其中，c1為特征參數(shù)，tg(y)％tk為tg(y)對tk求余，y＝1,2,…,nk；

e3、取出余數(shù)大于時長聚類門限thl的出現(xiàn)時刻，繼續(xù)對tk-thl求余數(shù)，表示為：

ii＝find(c1>thl)

d1(ii)＝tg(ii)％(tk-thl)

其中，d1為ii中余數(shù)大于時長聚類門限thl的出現(xiàn)時刻；

e4、將第一次求得余數(shù)小于時長聚類門限thl的特征參數(shù)c2與d1合并，并按時長聚類的方法進行標號跟蹤聚類。

進一步地，所述步驟f根據(jù)步驟e中的動態(tài)聚類結(jié)果進行其中一種跳頻信號的提取，具體包括以下分步驟：

f1、計算聚類后的跳頻信號個數(shù)y，按照觀測時間里信號出現(xiàn)的個數(shù)選擇門限th進行判決，表示為：

f2、對跳頻信號進行提取，確定該類信號所對應(yīng)的標號d，搜索標記圖像tmp，保留對應(yīng)的標號，其他標號都置0，表示為：

進一步地，所述步驟g對步驟f中提取的信號進行跳頻信號驗證，提取質(zhì)量評價并得到跳頻信號能量圖，具體包括以下分步驟：

g1、對提取出的跳頻信號s1重新進行連通得到tmp_tiao圖像，計算出現(xiàn)時刻對跳周期的采樣點余數(shù)及每個信噪比下提取出的跳頻信號的最大采樣點余數(shù)，表示為：

max(c2∪d1)

g2、對提取的信號進行跳周期估計，得出與所需跳頻信號周期的相對誤差，表示為：

[r2,c2]＝find(tmp_tiao＝＝i)

l(i)＝max(c2)-min(c2)

其中，r2和c2分別為標記圖像tmp_tiao中連通區(qū)域所連通的所有行和所有列，l(i)為連通信號的周期，tp為所需的跳頻信號的理論跳周期,e為與所需跳頻信號周期的相對誤差；

g3、將s1中非零值變?yōu)?得到圖像s2，不含有噪聲及干擾時的跳頻信號二值圖為s3，表示為：

e1＝u1/u2

e2＝u3/u4

其中，e1為提取的跳頻信號的完整度，u1為s2·*s3中信號值1的總數(shù)，·*表示兩個信號矩陣的對應(yīng)元素相乘，保留信號值相同的部分，u2為s3中信號值1的總數(shù)；e2為提取的跳頻信號中背景殘留率，u3為s2·*s3中背景值0的總數(shù)，u4為s2中信號值1的總數(shù)減去s2·*s3中信號值1的總數(shù)；

g4、將二值信號圖像s2與原始的能量圖像對應(yīng)相乘，保留跳頻信號能量，去除所有的突發(fā)、掃頻、定頻干擾及背景噪聲，表示為：

w＝s2·*tfr

其中，tfr為原始的信號時頻能量圖。

本發(fā)明的有益效果是：本發(fā)明通過構(gòu)建接收信號模型，采用排隊論方法進行連通區(qū)域標記，使得屬于同一信號的區(qū)域連通起來，有屬于自己一個特定的標號，對于標記后的圖像進行各個信號的快速定位，依據(jù)標號順序提取出各個信號的持續(xù)時長及出現(xiàn)時刻，對持續(xù)時長及對應(yīng)的標號進行第一次動態(tài)聚類，根據(jù)第一次聚類結(jié)果，再對跳頻信號所在的該類，進行出現(xiàn)時刻以及對應(yīng)標號的第二次動態(tài)聚類，根據(jù)最終聚類結(jié)果設(shè)置門限進行所需跳頻信號所在類的定位，提取聚類后的標號進行跳頻信號的提取。并對提取的信號進行所需跳頻信號的驗證及提取質(zhì)量評價，最后得出所需跳頻信號的能量圖。本發(fā)明能夠在低信噪比強干擾下，且存在不同時長甚至和跳周期一樣的干擾，或者是含有和所需跳頻信號周期相近的另一種跳頻信號的情況下，能夠?qū)崿F(xiàn)對所需跳頻信號的能量圖的準確提取。

附圖說明

圖1是本發(fā)明的基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法的流程示意圖。

圖2是本發(fā)明的混合信號的連通區(qū)域標記示意圖。

圖3是本發(fā)明的混合信號的第一次聚類示意圖。

圖4是本發(fā)明的跳頻信號2提取的標記示意圖。

圖5是本發(fā)明的跳頻信號2的出現(xiàn)時刻對平均周期的最大采樣點余數(shù)在不同信噪比下的波動曲線示意圖。

圖6是本發(fā)明的跳頻信號2的跳周期估計相對誤差隨信噪比變化曲線示意圖。

圖7是本發(fā)明的跳頻信號2隨信噪比變化的提取質(zhì)量曲線示意圖。

圖8是本發(fā)明的跳頻信號2提取的能量示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，為本發(fā)明的基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法的流程示意圖。一種基于連通區(qū)域標記的跳頻信號動態(tài)聚類提取方法，包括以下步驟：

a、構(gòu)建接收信號模型；

b、采用形態(tài)學方法對步驟a中的接收信號進行去噪和分割處理；

c、對步驟b中處理后的圖像進行連通區(qū)域標記；

d、對步驟c中的連通區(qū)域標記信號的持續(xù)時長以及對應(yīng)的標號進行動態(tài)聚類；

e、根據(jù)步驟d中的動態(tài)聚類結(jié)果，對連通區(qū)域標記信號的出現(xiàn)時刻及其對應(yīng)的標號進行第二次動態(tài)聚類；

f、根據(jù)步驟e中的動態(tài)聚類結(jié)果進行其中一種跳頻信號的提?。?/p>

g、對步驟f中提取的信號進行跳頻信號驗證，提取質(zhì)量評價并得到跳頻信號能量圖。

在步驟a中，本發(fā)明針對跳頻信號構(gòu)建接收信號模型，表示為：

其中，s(t)為接收信號，t為觀測時間，0≤t≤t，a為跳頻信號的幅度，th為跳周期，t0為起跳時間，fk為跳變頻率，n為跳變頻率個數(shù)，ji(t)為掃頻干擾信號、突發(fā)干擾信號、定頻干擾信號的疊加信號，n(t)為復(fù)高斯白噪聲。

在步驟b中，本發(fā)明采用形態(tài)學方法對步驟a中的接收信號進行去噪和分割處理，具體包括以下分步驟：

b1、對接收信號s(t)進行時頻變換，表示為：

其中，tfr(t,f)為s(t)的短時傅里葉變換，t為時間變量，f為頻率變量，h(t)為窗函數(shù)；

b2、將時頻矩陣stfts(t,f)轉(zhuǎn)換為灰度時頻圖像g1(t,f)，采用線性結(jié)構(gòu)元素se對灰度時頻圖像g1(t,f)進行形態(tài)學開運算和閉運算得到灰度時頻圖像g2(t,f)，表示為：

b3、設(shè)置閾值將灰度時頻圖像g2(t,f)轉(zhuǎn)化為二值時頻圖像d(t,f)，轉(zhuǎn)化方式為有信號的地方值為1，無信號的地方值為0，表示為：

其中，gd(x,y)和分別表示d(t,f)和g2(t,f)上任一點的灰度值。

在步驟c中，本發(fā)明對步驟b中處理后的圖像進行連通區(qū)域標記，具體包括以下分步驟：

c1、初始化放置隊列的元組q、進行取操作的隊列頭head＝1、排隊等候處理的隊列尾tail＝1、進行標記的標號label＝1；定義矩陣neighbour，使其每一行分別與標記信號值所在位置相加得到標記信號值的8鄰域坐標，表示為：

neighbour＝[-1-1；-10；-11；0-1；01；1-1；10；11]

c2、搜索二值圖像d(t,f)并進行判斷，表示為：

其中，tmp(i,j)為標記后的圖像；

判斷該點像素值是否為需要標記的信號值且該像素點從未被標記過；若否則重新搜索二值圖像d(t,f)并對下一個像素點進行判斷，若是則對該像素點進行標記，表示為：

tmp(i,j)＝label；

c3、把標記過的像素點坐標放到元組q中進行排隊，等候?qū)υ撓袼攸c坐標的8鄰域搜索，進行相同信號值的標記；同時隊列尾tail加1，用來放置與該像素點屬于同一信號的鄰域坐標，進行排隊等候，繼續(xù)對新進入排隊的坐標進行8鄰域搜索，表示為：

q{tail}＝d(i,j)

tail＝tail+1

c4、判斷隊列頭是否等于隊列尾，以保證排隊的元素全部取出處理完畢，表示為：

q{head}＝＝q{tail}

若是則取出元組q中的坐標，計算得到該坐標的8鄰域坐標r，再對8鄰域坐標r中的8個坐標按照步驟c2進行標記，8鄰域坐標r表示為：

r＝q{head}+neighbour

若否則清空元組q，標號遞增，隊列頭head及隊列尾tail從1開始記起，返回步驟c2。

在步驟d中，本發(fā)明對步驟c中的連通區(qū)域標記信號的持續(xù)時長以及對應(yīng)的標號進行動態(tài)聚類，具體包括以下分步驟：

d1、設(shè)定tmp標記圖像中共有n個標記的信號，對標記圖像的各個連通區(qū)域進行坐標定位，并計算各連通區(qū)域的持續(xù)時長，表示為：

[r,c]＝find(tmp＝＝i)

tg(i)＝min(c)

l(i)＝max(c)-tg(i)

其中，r為連通區(qū)域所連通的所有行，c為所連通的所有列，l為持續(xù)時長，tg為出現(xiàn)時刻，i＝1,2,3,…n；

d2、定義wi,j為聚類結(jié)果，bi,j為對應(yīng)的聚類標號，zi為聚類中心，thl為類內(nèi)門限，其中i為類別，j為該類中含有的信號個數(shù)；將持續(xù)時長l1取做第一類w1j的聚類中心，同時將持續(xù)時長l1放到第一類中，即z1＝l1，w11＝l1，記下該持續(xù)時長l1的連通標號，即b11＝1；

d3、計算尚未分類的時長l2到z1的距離，表示為：

d21＝|l2-z1|

若距離d21>thl，則自動建立一個新的類w2j，即w21＝l2，記下該時長的連通標號，即b21＝2，并令第二類的類中心為z2＝l2；若否則將l2存入w1j中，即w12＝l2；

d4、設(shè)定已求得k個聚類中心z1，z2，z3，…zk，計算還沒有進行分類的lm到各聚類中心的距離，表示為

dm,i＝|lm-zi|

若min(dm,i)>thl，則重新另起一個新的類wk+1，即wk+1,1＝lm，同時記下該持續(xù)時長的連通標號，即bk+1,1＝m，且把該類的中心記為zk+1＝lm；否則找出該時長與所求出的所有類中最小距離的那一類所在位置，表示為：

tt＝find(dm,i＝＝min(dm,i))

再將lm存放到與它具有最小間距離的wtt,j那一類中，且把該時長對應(yīng)的連通標號存放到btt,j中，表示為：

y＝max(find(w(tt,:)>0))+1

w(tt,y:y)＝lm

b(tt,y:y)＝m

其中，y表示對存儲在該類信號的一個列位置定位，w表示特征量的聚類結(jié)果，b表示與特征量一一對應(yīng)的標號的聚類結(jié)果；

d5、判斷分類是否完成；若是則操作結(jié)束，若否則返回步驟d3。

在步驟e中，本發(fā)明根據(jù)步驟d中的動態(tài)聚類結(jié)果，對連通區(qū)域標記信號的出現(xiàn)時刻及其對應(yīng)的標號進行第二次動態(tài)聚類，具體包括以下分步驟：

e1、計算跳頻信號所在的第i類的平均持續(xù)時長，表示為：

h(i,j)＝find(w(i,:)>0)

tk＝sum(w(i,h(i,j)))/l

其中，h(i,j)為第i類信號時長的非零值對應(yīng)的位置，tk為跳頻信號的平均周期，l為h的總長度；

e2、設(shè)定提取出的該類信號中有nk個分量，該類中每個分量所占有的時長分別為出現(xiàn)時刻分別為設(shè)置一個對出現(xiàn)時刻進行分類的一個特征參數(shù)表示為：

c1(y)＝tg(y)％tk

其中，c1為特征參數(shù)，tg(y)％tk為tg(y)對tk求余，y＝1,2,…,nk；

e3、為了解決出現(xiàn)存在波動情況的問題，因此取出余數(shù)大于時長聚類門限thl的出現(xiàn)時刻，繼續(xù)對tk-thl求余數(shù)，表示為：

ii＝find(c1>thl)

d1(ii)＝tg(ii)％(tk-thl)

其中，d1為ii中余數(shù)大于時長聚類門限thl的出現(xiàn)時刻；

e4、將第一次求得余數(shù)小于時長聚類門限thl的特征參數(shù)c2與d1合并，即c2∪d1，并一起按時長聚類的方法進行標號跟蹤聚類。

在步驟f中，本發(fā)明根據(jù)步驟e中的動態(tài)聚類結(jié)果進行其中一種跳頻信號的提取，具體包括以下分步驟：

f1、計算聚類后的跳頻信號個數(shù)y，按照觀測時間里信號出現(xiàn)的個數(shù)選擇門限th進行判決，表示為：

f2、對跳頻信號進行提取，確定該類信號所對應(yīng)的標號d，搜索標記圖像tmp，保留對應(yīng)的標號，其他標號都置0，表示為：

在步驟g中，本發(fā)明對步驟f中提取的信號進行跳頻信號驗證，提取質(zhì)量評價并得到跳頻信號能量圖，具體包括以下分步驟：

g1、對提取到的信號進行跳頻信號驗證，是否符合跳頻信號跳變的規(guī)律。對提取出的跳頻信號s1重新進行連通得到tmp_tiao圖像，采用上述步驟e2和e3中的方法計算出現(xiàn)時刻對跳周期的采樣點余數(shù)及每個信噪比下提取出的跳頻信號的最大采樣點余數(shù)，表示為：

max(c2∪d1)

g2、驗證所提取的信號是否就是所需的該跳頻信號，對提取的信號進行跳周期估計，得出與所需跳頻信號周期的相對誤差，表示為：

[r2,c2]＝find(tmp_tiao＝＝i)

l(i)＝max(c2)-min(c2)

其中，r2和c2分別為標記圖像tmp_tiao中連通區(qū)域所連通的所有行和所有列，l(i)為連通信號的周期，tp為所需的跳頻信號的理論跳周期,e為與所需跳頻信號周期的相對誤差；

g3、對提取出的跳頻信號進行提取質(zhì)量評價，即跳頻信號的完整度及背景殘留率。將s1中非零值變?yōu)?得到圖像s2，不含有噪聲及干擾時的跳頻信號二值圖為s3，表示為：

e1＝u1/u2

e2＝u3/u4

其中，e1為提取的跳頻信號的完整度，u1為s2·*s3中信號值1的總數(shù)，·*表示兩個信號矩陣的對應(yīng)元素相乘，保留信號值相同的部分，u2為s3中信號值1的總數(shù)；e2為提取的跳頻信號中背景殘留率，u3為s2·*s3中背景值0的總數(shù)，u4為s2中信號值1的總數(shù)減去s2·*s3中信號值1的總數(shù)；

g4、確定是所需跳頻信號且提取質(zhì)量保證的情況下，求出跳頻信號能量圖。將二值信號圖像s2與原始的能量圖像對應(yīng)相乘，即可得到跳頻信號能量，去除所有的突發(fā)、掃頻、定頻干擾及背景噪聲，表示為：

w＝s2·*tfr

其中，tfr為原始的信號時頻能量圖。

本發(fā)明的連通區(qū)域標記采用排隊論思想，避免了對同一信號的重復(fù)標記以及漏標情況，且連通區(qū)域標記使得屬于同一信號的區(qū)域連通起來，因此通過去噪處理后，信號邊緣地方出現(xiàn)的凹凸不平的地方，連通起來后對于去干擾起到了很好的效果，而不同信號有屬于自己特有的一個標記，可以通過對各個連通信號所在位置進行快速定位，得到每一個連通信號的持續(xù)時長與出現(xiàn)時刻，對于持續(xù)時長和出現(xiàn)時刻的聚類實現(xiàn)了動態(tài)聚類，即無需事先知道信號中含有的信號個數(shù)，且門限設(shè)定僅和時頻分辨率、去噪處理采用的線性結(jié)構(gòu)元素等有關(guān)，聚類的同時又跟蹤特征量對應(yīng)的標號進行了聚類，即聚類后的標號與特征量是一一對應(yīng)的關(guān)系，保證了最終定位的類別里面都屬于跳頻信號，而不是特征量與跳頻信號相同的干擾，因此即使含有多種跳頻信號，只要持續(xù)時長差不小于門限，仍然可以將其聚類進行任意一種跳頻信號的提取，且二次聚類可以將周期與跳周期相同的干擾去除，并充分考慮了出現(xiàn)時刻波動的情況，準確的提取出跳頻信號，因此，實現(xiàn)了在低信噪比強干擾下得到跳頻信號的能量圖。

如圖2所示，為本發(fā)明的混合信號的連通區(qū)域標記示意圖；如圖3所示，為本發(fā)明的混合信號的第一次聚類示意圖；如圖4所示，為本發(fā)明的跳頻信號2提取的標記示意圖；如圖5所示，為本發(fā)明的跳頻信號2的出現(xiàn)時刻對平均周期的最大采樣點余數(shù)在不同信噪比下的波動曲線示意圖；如圖6所示，為本發(fā)明的跳頻信號2的跳周期估計相對誤差隨信噪比變化曲線示意圖；如圖7所示，為本發(fā)明的跳頻信號2隨信噪比變化的提取質(zhì)量曲線示意圖；如圖8所示，為本發(fā)明的跳頻信號2提取的能量示意圖。本發(fā)明的實施例中采樣率為16mhz，產(chǎn)生的第一種跳頻信號的跳速為400跳/秒，跳頻頻率集為{4.4,3.7,4.9,2.8,3.5,5.4,1.4,1.8,3.1,5.1}mhz，產(chǎn)生的第二種跳頻信號的跳速為320跳/秒，跳頻頻率集為{4,1,4.9,0.35,2.6,3.9,4.7,7.6,3.7.3}mhz，產(chǎn)生定頻干擾的頻率集為{7.5,6.5,0.55,4.1,2.2}mhz，產(chǎn)生掃頻干擾的起始頻率為5.7mhz，產(chǎn)生隨機突發(fā)干擾的頻率集為{6.8,7.8,7.1,0.15,0.75,4.6,2.4}mhz，干擾信干比都為-9db，產(chǎn)生的底部噪聲為復(fù)高斯白噪聲。時頻分析窗采用10001點的hamming窗，形態(tài)學去噪采用15點的線性結(jié)構(gòu)元素，聚類門限采用5。各種信噪比下進行300次montecarlo實驗，得到跳頻信號2的出現(xiàn)時刻對平均周期的最大采樣點余數(shù)在不同信噪比下的波動曲線，可以看出最大值都在誤差值5以內(nèi)，符合跳頻信號跳變的規(guī)律；得到跳頻信號2的跳周期估計相對誤差隨信噪比變化曲線，可以看出提取出的信號估計出的跳周期與想要的跳頻信號周期的相對誤差隨著信噪比的升高變得非常小，可以確定是所需要的跳頻信號；得到跳頻信號2隨信噪比變化的提取質(zhì)量曲線圖，可以看出提取出的跳頻信號完整度得到保證，且不屬于該跳頻信號的背景殘留率很小，可以確定提取有效；在信噪比為-11db的條件下提取出跳頻信號的能量圖，從以上的圖中可以看出，本發(fā)明的基于連通區(qū)域標記的跳頻信號提取方法，能夠在復(fù)雜的環(huán)境中快速準確的對其中一種跳頻信號實現(xiàn)提取。

本鄰域的普通技術(shù)人員將會意識到，這里所述的實施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護范圍并不局限于這樣的特別陳述和實施例。本鄰域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護范圍內(nèi)。