本發(fā)明涉及通訊領(lǐng)域，特別是涉及一種跳頻信號(hào)參數(shù)盲估計(jì)方法及裝置。
背景技術(shù)：
：跳頻(Frequency-Hopping，F(xiàn)H)通信具有良好的抗干擾、抗多徑和易組網(wǎng)等特點(diǎn)，在軍用和民用通信領(lǐng)域有著廣泛的應(yīng)用。對(duì)于混雜著噪聲的未知跳頻信號(hào)進(jìn)行參數(shù)估計(jì)就是需要估計(jì)出跳頻周期、頻率跳變時(shí)刻以及跳頻頻率等參數(shù)，為跳頻信號(hào)的網(wǎng)臺(tái)分選提供依據(jù)，以便于后續(xù)的解調(diào)解密或者跟蹤干擾。近年來(lái)，跳頻信號(hào)有向高頻段、大帶寬發(fā)展的趨勢(shì)。根據(jù)耐奎斯特采樣定理：采樣速率必須大于信號(hào)最高頻率的兩倍，這樣就對(duì)傳統(tǒng)的模數(shù)轉(zhuǎn)換器(AnalogtoDigitalConvertor，ADC)造成了很大壓力，處理和傳輸?shù)臄?shù)據(jù)量也隨之變大。隨著信息論和應(yīng)用數(shù)學(xué)的發(fā)展，壓縮感知(CompressedSensing，簡(jiǎn)稱(chēng)CS)理論為寬帶數(shù)據(jù)采集問(wèn)題帶來(lái)了革命性的突破，壓縮感知理論能以遠(yuǎn)低于耐奎斯特采樣速率對(duì)可稀疏表示的數(shù)據(jù)進(jìn)行采樣，并通過(guò)非自適應(yīng)線性投影保持信號(hào)的原始結(jié)構(gòu)，在采樣的同時(shí)壓縮信號(hào)中冗余的信息，在采樣后端利用最優(yōu)化原理精確的重構(gòu)數(shù)據(jù)。這樣即可減輕前端ADC處理數(shù)據(jù)的壓力，也節(jié)省了后端傳輸和處理海量數(shù)據(jù)的成本。目前較為常見(jiàn)的基于壓縮感知的跳頻信號(hào)參數(shù)估計(jì)的方法一般采用的處理方式是對(duì)壓縮采樣值進(jìn)行精確重構(gòu)，然后再采用傳統(tǒng)方法進(jìn)行參數(shù)估計(jì)，然而精確重構(gòu)原始信號(hào)需要較大的運(yùn)算量，不利于信號(hào)實(shí)時(shí)處理。為了降低運(yùn)算量，一般采取直接基于壓縮采樣值的方法，目前該方法大致分為兩類(lèi)：第一類(lèi)為基于子空間的跳頻信號(hào)同步方法；第二類(lèi)是基于滑動(dòng)采樣的跳變時(shí)刻估計(jì)方法。第一類(lèi)方法是基于跳頻信號(hào)的1-稀疏和2-稀疏模型的方法，該方法認(rèn)為跳頻信號(hào)的在單跳周期內(nèi)是1稀疏的，需要已知跳頻速率作為先驗(yàn)條件。第二類(lèi)方法主要思想是通過(guò)壓縮感知對(duì)跳頻信號(hào)進(jìn)行整周期滑動(dòng)采樣，然后根據(jù)相鄰兩跳信號(hào)窗函數(shù)的特點(diǎn)，重構(gòu)信號(hào)在傅里葉正交基上的兩個(gè)權(quán)值最大的稀疏系數(shù)并由此對(duì)前后兩跳持續(xù)時(shí)間進(jìn)行判斷，從而得到跳頻信號(hào)的跳變時(shí)刻估計(jì)。第一種方法中，由于1-稀疏和2-稀疏模型的方法需使用與跳頻周期相同的矩形窗對(duì)信號(hào)進(jìn)行觀測(cè)，需要的非常高的采樣率才能將譜泄露的影響降低，使得一個(gè)觀測(cè)窗中的信號(hào)在頻域呈現(xiàn)稀疏性。這使得即使利用壓縮感知對(duì)數(shù)據(jù)進(jìn)行壓縮也會(huì)有很大的數(shù)據(jù)量，對(duì)系統(tǒng)實(shí)時(shí)接收和處理信號(hào)意義不大；第二種方法中，仍需已知跳頻周期，每次滑動(dòng)時(shí)取整周期跳頻信號(hào)進(jìn)行壓縮采樣，然后通過(guò)重構(gòu)算法重構(gòu)壓縮采樣值在頻域上兩個(gè)權(quán)值最大的傅里葉系數(shù)，在迭代過(guò)程不斷從過(guò)完備原子庫(kù)中尋找與余量相關(guān)性最大的原子，當(dāng)滑動(dòng)周期正好處于兩跳之間時(shí)，兩個(gè)重構(gòu)系數(shù)值仍相等且與余量的相關(guān)性最大。此方法需不斷重構(gòu)出信號(hào)的頻域系數(shù)，大大增加了運(yùn)算量，且在滑動(dòng)過(guò)程中存在極大的不確定性，算法誤差也較大，時(shí)效性仍有待提高。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供一種跳頻信號(hào)參數(shù)盲估計(jì)方法及裝置，用以解決現(xiàn)有技術(shù)中對(duì)跳頻信號(hào)參數(shù)進(jìn)行盲估計(jì)的算法復(fù)雜度較大的問(wèn)題。根據(jù)本發(fā)明的一個(gè)方面，提供了一種跳頻信號(hào)參數(shù)盲估計(jì)方法，包括：對(duì)跳頻信號(hào)進(jìn)行分段壓縮采樣，得到各分段信號(hào)；獲得所述分段信號(hào)的壓縮數(shù)字特征，所述壓縮數(shù)字特征為所述各分段信號(hào)在一個(gè)觀測(cè)周期內(nèi)投影到傅里葉正交基上的系數(shù)向量中的非零系數(shù)的位置；對(duì)比前后兩段分段信號(hào)的位置判斷所述跳頻信號(hào)頻率跳變時(shí)刻的范圍，得到頻率跳變點(diǎn)兩邊的兩段壓縮采樣值；使用所述兩段壓縮采樣值進(jìn)行正交匹配追蹤重構(gòu)，得到所述兩段信號(hào)的頻域系數(shù)；根據(jù)頻域系數(shù)的位置以及頻域系數(shù)值估計(jì)所述跳頻信號(hào)的載頻頻率以及頻率跳變的時(shí)刻點(diǎn)。其中，所述獲得所述分段信號(hào)的壓縮數(shù)字特征，包括：確定所述跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度；將使得所述相關(guān)程度最大的列向量確定為所述分段信號(hào)的壓縮數(shù)字特征。其中，所述確定所述跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度，包括：計(jì)算所述跳頻信號(hào)的壓縮采樣值與全息矩陣的內(nèi)積，得到所述相關(guān)程度。其中，對(duì)跳頻信號(hào)進(jìn)行分段壓縮采樣，得到分段后的各分段信號(hào)，包括：使用高斯隨機(jī)采樣矩陣對(duì)所述跳頻信號(hào)進(jìn)行分段采樣。根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種跳頻信號(hào)參數(shù)盲估計(jì)裝置，包括：采樣模塊，用于對(duì)跳頻信號(hào)進(jìn)行分段壓縮采樣，得到各分段信號(hào)；獲得模塊，用于獲得所述分段信號(hào)的壓縮數(shù)字特征，所述壓縮數(shù)字特征為所述各分段信號(hào)在一個(gè)觀測(cè)周期內(nèi)投影到傅里葉正交基上的系數(shù)向量中的非零系數(shù)的位置；對(duì)比模塊，用于對(duì)比前后兩段分段信號(hào)的位置判斷所述跳頻信號(hào)頻率跳變時(shí)刻的范圍，得到頻率跳變點(diǎn)兩邊的兩段壓縮采樣值；重構(gòu)模塊，用于使用所述兩段壓縮采樣值進(jìn)行正交匹配追蹤重構(gòu)，得到所述兩段信號(hào)的頻域系數(shù)；估計(jì)模塊，用于根據(jù)頻域系數(shù)的位置以及頻域系數(shù)值估計(jì)所述跳頻信號(hào)的載頻頻率以及頻率跳變的時(shí)刻點(diǎn)。其中，上述獲得模塊包括：第一確定單元，用于確定所述跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度；第二確定單元，用于將使得所述相關(guān)程度最大的列向量確定為所述分段信號(hào)的壓縮數(shù)字特征。其中，上述第一確定單元具體用于：計(jì)算所述跳頻信號(hào)的壓縮采樣值與全息矩陣的內(nèi)積，得到所述相關(guān)程度。其中，上述采樣模塊具體用于：使用高斯隨機(jī)采樣矩陣對(duì)所述跳頻信號(hào)進(jìn)行分段采樣。本發(fā)明有益效果如下：本發(fā)明實(shí)施例提供的跳頻信號(hào)參數(shù)盲估計(jì)方法通過(guò)對(duì)比前后兩跳跳頻信號(hào)的壓縮數(shù)字特征的不同，首先得出載頻跳變的大致范圍，根據(jù)跳變范圍處的兩段壓縮采樣值，通過(guò)重構(gòu)出原始信號(hào)的頻域系數(shù)，根據(jù)該頻域系數(shù)來(lái)精確估計(jì)出原跳頻信號(hào)的載頻頻率以及跳變時(shí)刻，與傳統(tǒng)的跳頻信號(hào)參數(shù)估計(jì)方法以及基于壓縮感知的完全重構(gòu)后的估計(jì)方法相比，大大降低了算法復(fù)雜度，且有利于跳頻信號(hào)參數(shù)估計(jì)實(shí)時(shí)性。附圖說(shuō)明圖1是本發(fā)明實(shí)施例1中提供的跳頻信號(hào)參數(shù)盲估計(jì)方法的流程圖；圖2是1-稀疏信號(hào)的觀測(cè)模型；圖3是2-稀疏信號(hào)的觀測(cè)模型；圖4是本發(fā)明本實(shí)施例2提供的跳頻信號(hào)參數(shù)盲估計(jì)方法的流程圖；圖5是對(duì)跳頻信號(hào)作STFT變換得到的時(shí)頻特性圖；圖6是壓縮數(shù)字特征分布情況圖；圖7是不同信噪比和壓縮比下載頻估計(jì)的歸一化均方誤差分布圖；圖8是在不同信噪比條件下對(duì)應(yīng)的跳變時(shí)刻誤差對(duì)比圖；圖9是跳頻信號(hào)參數(shù)盲估計(jì)裝置的結(jié)構(gòu)示意圖。具體實(shí)施方式為了解決現(xiàn)有技術(shù)中對(duì)跳頻信號(hào)參數(shù)進(jìn)行盲估計(jì)的算法復(fù)雜度較大的問(wèn)題，本發(fā)明提供了一種跳頻信號(hào)參數(shù)盲估計(jì)方法及裝置，以下結(jié)合附圖以及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不限定本發(fā)明。第一實(shí)施例本實(shí)施例提供了一種跳頻信號(hào)參數(shù)盲估計(jì)方法，圖1是該方法的流程圖，如圖1所示，該方法包括如下步驟：步驟101：對(duì)待估計(jì)的跳頻信號(hào)進(jìn)行分段壓縮采樣，得到各分段信號(hào)；步驟102：獲得分段信號(hào)的壓縮數(shù)字特征，該壓縮數(shù)字特征為各分段信號(hào)在一個(gè)觀測(cè)周期內(nèi)投影到傅里葉正交基上的系數(shù)向量中的非零系數(shù)的位置；步驟103：對(duì)比各相鄰前后兩段分段信號(hào)的位置判斷跳頻信號(hào)頻率跳變時(shí)刻的范圍，得到頻率跳變點(diǎn)兩邊的兩段壓縮采樣值；步驟104：使用頻率跳變點(diǎn)兩邊的兩段壓縮采樣值進(jìn)行正交匹配追蹤重構(gòu)，得到兩段分段信號(hào)的頻域系數(shù)；步驟105：根據(jù)頻域系數(shù)的位置以及頻域系數(shù)值估計(jì)跳頻信號(hào)的載頻頻率以及頻率跳變的時(shí)刻點(diǎn)。其中，在上述步驟102中，獲得分段信號(hào)的壓縮數(shù)字特征的步驟具體可以包括：確定跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度；將使得該相關(guān)程度最大的列向量確定為分段信號(hào)的壓縮數(shù)字特征。其中，在本實(shí)施例中，確定跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度的步驟具體可以包括：計(jì)算跳頻信號(hào)的壓縮采樣值與壓縮傳感矩陣的內(nèi)積，得到相關(guān)程度。在本實(shí)施例中，對(duì)跳頻信號(hào)進(jìn)行分段壓縮采樣，得到分段后的各分段信號(hào)的步驟具體可以包括：使用高斯隨機(jī)采樣矩陣對(duì)跳頻信號(hào)進(jìn)行分段采樣。本發(fā)明實(shí)施例提供的跳頻信號(hào)參數(shù)盲估計(jì)方法與傳統(tǒng)的跳頻信號(hào)參數(shù)估計(jì)方法以及基于壓縮感知的完全重構(gòu)后的估計(jì)方法相比，大大降低了算法復(fù)雜度，有利于跳頻信號(hào)參數(shù)估計(jì)實(shí)時(shí)性；且本實(shí)施例提供的方法只需針對(duì)分段壓縮采樣值，得到其壓縮數(shù)字特征，對(duì)比壓縮數(shù)字特征的區(qū)別即可粗估計(jì)出頻率跳變的范圍，只需重構(gòu)出一小段信號(hào)即可對(duì)原跳頻信號(hào)進(jìn)行載頻頻率以及跳變時(shí)刻的估計(jì)，且無(wú)需已知跳頻信號(hào)的先驗(yàn)信息，無(wú)需完全重構(gòu)出原始信號(hào)，這樣大大簡(jiǎn)化了信號(hào)處理流程，提高了跳頻信號(hào)參數(shù)估計(jì)的時(shí)效性，在無(wú)需已知任何跳頻參數(shù)的前提下，只需處理少量的壓縮采樣值即可完成跳頻信號(hào)的參數(shù)估計(jì)，大大減少處理的數(shù)據(jù)量，提高算法實(shí)時(shí)性。第二實(shí)施例在本實(shí)施例的開(kāi)始先簡(jiǎn)單介紹一下壓縮感知理論：一個(gè)長(zhǎng)度為N的一維離散時(shí)間信號(hào)x，可以表示為一組標(biāo)準(zhǔn)正交基的線性組合：x=Σi=1Nsiψiorx=Ψs---(0)]]>其中，Ψ＝[ψ1,ψ2,L,ψN]是一組標(biāo)準(zhǔn)正交基，ψi為N×1的列向量，向量s為信號(hào)x的系數(shù)向量，如果向量s中有K個(gè)元素非零，則稱(chēng)s為信號(hào)x在正交基Ψ上的K稀疏表示。假設(shè)存在一個(gè)隨機(jī)測(cè)量矩陣Φ∈RM×N(M＝N)，稀疏信號(hào)x在該矩陣下的線性測(cè)量值為y∈RM×1，用公式表示為：y＝Φx(2)y即是從x中得到的壓縮采樣值，以上即為壓縮感知的基本過(guò)程，將(0)式式代入(2)式可得：y＝ΦΨs＝Θs(3)其中Θ＝ΦΨ被稱(chēng)為壓縮傳感矩陣，且Θ滿足RIP條件，即對(duì)于一個(gè)K稀疏的信號(hào)s，存在一個(gè)極小的正常數(shù)εK，使得下式成立：1-ϵk≤||Θs||2||s||2≤1+ϵk---(4)]]>不難推出，RIP條件等價(jià)于從傳感矩陣Θ中任取K列，其中，任意兩列之間都滿足相互近似正交的條件。本實(shí)施例中，跳頻信號(hào)發(fā)送模型如下：其中，an(t)是信號(hào)sn的基帶復(fù)包絡(luò)，ω(t)、表示載頻和初相為時(shí)變函數(shù)，n(t)表示高斯白噪聲。對(duì)于寬帶跳頻信號(hào)而言，其在單個(gè)跳頻窗內(nèi)滿足稀疏性，當(dāng)跳頻窗位于單個(gè)跳頻周期內(nèi)時(shí)，可以將信號(hào)看作1-稀疏的，而當(dāng)跳頻窗位于跳頻跳變點(diǎn)處時(shí)，可以將信號(hào)看作2-稀疏的。在本實(shí)施例中，具體可以利用高斯隨機(jī)采樣矩陣對(duì)于跳頻信號(hào)進(jìn)行分段采樣，通過(guò)對(duì)分段壓縮采樣值的數(shù)字特征進(jìn)行比較即可以得出信號(hào)跳變轉(zhuǎn)換時(shí)刻的范圍。本實(shí)施例中涉及到的兩類(lèi)跳頻信號(hào)的觀測(cè)模型如下：當(dāng)分段的觀測(cè)周期落在某個(gè)跳頻周期內(nèi)時(shí)，則在理想情況下，一個(gè)觀測(cè)周期內(nèi)的信號(hào)僅存在一個(gè)包含頻率信息的較大的非零系數(shù)，其它系數(shù)值均趨近于0，故其在稀疏傅里葉基上的系數(shù)向量的稀疏度為1，呈現(xiàn)1-稀疏的特性，如圖2所示。當(dāng)分段觀測(cè)周期落在兩個(gè)跳頻周期之間時(shí)，在理想情況下，觀測(cè)周期內(nèi)的信號(hào)存在兩個(gè)包含信號(hào)頻率信息的較大的非零系數(shù)，故其在稀疏傅里葉基上的系數(shù)向量的稀疏度為2，呈現(xiàn)2-稀疏的特性，如圖3所示。利用寬帶跳頻信號(hào)的稀疏特性，運(yùn)用壓縮感知技術(shù)對(duì)跳頻信號(hào)進(jìn)行參數(shù)估計(jì)?？紤]式(5)對(duì)應(yīng)的跳頻信號(hào)模型，對(duì)信號(hào)進(jìn)行壓縮采樣。考慮頻率窗在跳頻信號(hào)不同位置時(shí)，對(duì)應(yīng)于不同的稀疏模型，故本實(shí)施例中選擇分段采樣的方法。構(gòu)造一個(gè)M1×N1的壓縮采樣矩陣Φ1，對(duì)于長(zhǎng)度為N的原始信號(hào)x進(jìn)行分段壓縮采樣(其中，Ni《N)，本實(shí)施例中選取分段壓縮測(cè)量值的樣點(diǎn)數(shù)為N1＝2048，考慮第i段的壓縮采樣值為：yi＝Φ1x[1+(i-1)N1,…,iN1](6)則其中[N/N1]為取整運(yùn)算。本實(shí)施例根據(jù)上述兩類(lèi)稀疏信號(hào)模型提出的跳頻信號(hào)的跳頻轉(zhuǎn)換時(shí)刻以及載頻頻率的盲估計(jì)算法的實(shí)現(xiàn)原理如下：基于壓縮數(shù)字特征值的跳變時(shí)刻粗估計(jì)：在一個(gè)觀測(cè)周期內(nèi)，如果處于圖2所示的單跳周期內(nèi)，考慮觀測(cè)周期中信號(hào)的1-稀疏特性，通過(guò)計(jì)算壓縮采樣值與全息矩陣中各列向量的內(nèi)積：μ＝ΘHy(7)其中，為全息矩陣的第i個(gè)列向量，i＝1,2,…,M1。其代表的物理意義是壓縮采樣值與全息矩陣各列向量的相關(guān)程度。通過(guò)對(duì)μi最大化，選擇使μi最大的列向量，并將該列向量在Θ中的位置作為信號(hào)壓縮數(shù)字特征：Gi=argmaxi[<ΘiH,yi>]---(8)]]>考慮壓縮感知過(guò)程可知，一個(gè)跳頻周期內(nèi)的信號(hào)頻率可以通過(guò)估計(jì)非零系數(shù)在系數(shù)向量中的位置來(lái)獲取。其中，壓縮數(shù)字特征代表的物理意義是分段信號(hào)在一個(gè)觀測(cè)周期內(nèi)投影到傅里葉正交基上得到的系數(shù)向量中的非零系數(shù)的位置，其可以表征不同跳頻周期內(nèi)的載頻頻率差異，通過(guò)對(duì)比分段后的信號(hào)中前后兩段數(shù)字特征的不同，可以大致判斷信號(hào)跳變時(shí)刻的范圍，即對(duì)應(yīng)圖3所示的2-稀疏信號(hào)觀測(cè)模型，以便精確估計(jì)出載頻頻率以及跳變時(shí)刻。跳變時(shí)刻的精確估計(jì)：針對(duì)上述跳變時(shí)刻粗估計(jì)中得到的跳變點(diǎn)附近的兩段壓縮采樣值，分別進(jìn)行OMP(OrthogonalMatchingPursuit，正交匹配追蹤)重構(gòu)，得到兩段信號(hào)的頻域系數(shù)，考慮頻域系數(shù)的位置對(duì)應(yīng)于跳頻信號(hào)的載頻頻率，頻域系數(shù)值對(duì)應(yīng)于原信號(hào)中某個(gè)頻率對(duì)應(yīng)的信號(hào)長(zhǎng)度，據(jù)此可準(zhǔn)確的估計(jì)出原跳頻信號(hào)的載頻頻率以及跳變時(shí)刻點(diǎn)，達(dá)到精確估計(jì)的目的。圖4是本實(shí)施例提供的跳頻信號(hào)參數(shù)盲估計(jì)方法的流程圖，如圖4所示，該方法主要包括如下步驟：針對(duì)原信號(hào)進(jìn)行分段壓縮采樣，如下式：yi＝ΦΨfsi＝Θs[1+(i-1)N1,…,iN1](9)其中，Φ中的元素均符合Ν(0,1/M)的高斯分布，為離散傅里葉正交稀疏基，si＝s[1+(i-1)N1,…,iN1]是系數(shù)向量的第i段；計(jì)算yi與Θ中各列向量的內(nèi)積值：μi=<ΘiH,yi>---(10)]]>選擇使μi最大的列向量，并將該列向量在Θ中的位置作為信號(hào)壓縮數(shù)字特征：Gi=argmaxi[<ΘiH,yi>]---(11)]]>通過(guò)比較Gi的差別，確定前后兩段壓縮采樣值為頻率跳變范圍，對(duì)這兩段采樣值分別進(jìn)行信號(hào)重構(gòu)，得到重構(gòu)后的兩段信號(hào)的頻域系數(shù)：和其中，和分別代表頻率f1和f2對(duì)應(yīng)的信號(hào)長(zhǎng)度；考慮信號(hào)的頻域系數(shù)和其中和分別對(duì)應(yīng)于不同頻率信號(hào)對(duì)應(yīng)的FFT變換的幅值，故可以估計(jì)出信號(hào)前后兩跳的頻率以及信號(hào)跳變時(shí)刻。對(duì)本實(shí)施例中提供的跳頻信號(hào)參數(shù)盲估計(jì)方法的復(fù)雜度分析如下：對(duì)于分段壓縮采樣后的信號(hào)，對(duì)于頻率跳變點(diǎn)范圍的兩段壓縮采樣值進(jìn)行OMP重構(gòu)得到信號(hào)的頻域系數(shù)的算法復(fù)雜度為O(2M1N1)，則本算法對(duì)于單個(gè)跳變時(shí)刻估計(jì)的算法復(fù)雜度為O(2M1N1)。對(duì)現(xiàn)有技術(shù)中完全重構(gòu)之后參數(shù)估計(jì)算法復(fù)雜度分析：對(duì)于壓縮采樣后的信號(hào)，對(duì)于壓縮采樣值，利用OMP算法完全重構(gòu)得到原始信號(hào)的頻域系數(shù)的算法復(fù)雜度為O(2MN)，其中N為原始信號(hào)長(zhǎng)度，M為壓縮采樣值長(zhǎng)度。對(duì)于現(xiàn)有技術(shù)中的Wigner時(shí)頻分析算法復(fù)雜度分析：利用Wigner算法對(duì)長(zhǎng)度為N的跳頻信號(hào)計(jì)算Wx(t,f)，對(duì)于單跳信號(hào)而言需要做N2/2+N/2次乘法，則對(duì)于單個(gè)跳變時(shí)刻而言，算法復(fù)雜度為O(N2/2+N/2)。本實(shí)施例中提供的算法中采用的壓縮采樣值y由壓縮采樣矩陣陣Φ1對(duì)原信號(hào)進(jìn)行分段壓縮采樣得到，N1表示單次的采樣點(diǎn)數(shù)，Φ1中的元素均符合Ν(0,1/M)的高斯分布，稀疏基Ψ選取為標(biāo)準(zhǔn)離散傅里葉正交基，全息矩陣為Θ＝Φ1Ψ。原始信號(hào)參數(shù)設(shè)置如下：跳頻信號(hào)x的跳變周期為T(mén)＝1ms，奈奎斯特采樣率Fs＝20MHz，即每個(gè)跳頻周期內(nèi)有10000個(gè)采樣點(diǎn)。調(diào)制方式采用BFSK，碼元速率為2000B，即每跳周期內(nèi)發(fā)送一個(gè)碼元。跳頻信號(hào)的總帶寬為8MHz，頻點(diǎn)間隔為1MHz。第一跳的持續(xù)時(shí)間在0～T內(nèi)隨機(jī)產(chǎn)生。圖5所示為對(duì)跳頻信號(hào)作STFT變換得到的時(shí)頻特性圖：定義載頻估計(jì)的歸一化均方誤差為：NMSE(f^)=1NTΣi=1NT(f^i-fifi)2---(12)]]>算法中采用估計(jì)誤差和單個(gè)跳頻周期的比值平方的期望來(lái)表征跳頻轉(zhuǎn)換時(shí)刻估計(jì)的誤差大小，即：E(ΔK)=E(|K^-K|N)2---(13)]]>以下對(duì)本實(shí)施例中的壓縮數(shù)字特征分布情況的仿真進(jìn)行簡(jiǎn)要闡述：針對(duì)分段壓縮采樣值，求得每段的壓縮數(shù)字特征，如圖6所示，從圖6中可以清楚的得知前后兩跳頻率跳變的大致范圍，提取出跳變范圍處的兩段分段壓縮采樣值進(jìn)行信號(hào)重構(gòu)，可以為后續(xù)的載頻頻率估計(jì)以及跳變時(shí)刻估計(jì)做準(zhǔn)備。以下對(duì)本實(shí)施例中的載頻頻率估計(jì)仿真進(jìn)行簡(jiǎn)要描述：在不同信噪比和壓縮比條件下，利用本實(shí)施例提供的算法對(duì)跳頻信號(hào)載頻估計(jì)的歸一化均方誤差如圖7所示，從圖7可知，隨著信噪比SNR和壓縮比M/N的不斷提高，算法對(duì)于載頻頻率的估計(jì)性能會(huì)越來(lái)越好。在M/N＝1/2條件下，SNR＝-10dB以上時(shí)，算法對(duì)于載頻頻率的估計(jì)達(dá)到最優(yōu)。本實(shí)施例提供的跳頻信號(hào)參數(shù)盲估計(jì)算法與傳統(tǒng)算法相比，在不同信噪比條件下，利用本實(shí)施例提供的算法對(duì)跳頻信號(hào)的跳頻轉(zhuǎn)換時(shí)刻進(jìn)行估計(jì)與現(xiàn)有技術(shù)中使用Wigner進(jìn)行時(shí)頻分布的方法進(jìn)行對(duì)比，對(duì)于單跳周期N內(nèi)的頻率的最大變換時(shí)刻作為跳變時(shí)刻K的估計(jì)，針對(duì)本實(shí)施例的信號(hào)，使用兩種算法分別獨(dú)立進(jìn)行1000次的蒙特卡洛實(shí)驗(yàn)，其中本文分段壓縮采樣過(guò)程中，壓縮比為M1/N1＝1/4，單次采樣的采樣點(diǎn)數(shù)為N1＝2048。得到不同信噪比條件下跳變時(shí)刻估計(jì)誤差之間的關(guān)系如圖8所示。從仿真結(jié)果可以看出，在信噪比較低的情況下，由于Wigner算法中并未考慮去除交叉項(xiàng)，本文的壓縮參數(shù)估計(jì)算法誤差低于Wigner時(shí)頻分布算法，隨著信噪比的提高，兩種算法的參數(shù)估計(jì)誤差也相應(yīng)的降低，在信噪比SNR＞4dB的條件下，Wigner時(shí)頻分布算法的誤差與本實(shí)施例算法相近。仍采用上述參數(shù)設(shè)置，實(shí)驗(yàn)平臺(tái)應(yīng)用的軟件版本是MATLABR2012a，處理器IntelCorei5-3230MCPU@2.60GHz，內(nèi)存4G。當(dāng)SNR＝10dB時(shí)，對(duì)于三種算法的單次運(yùn)算時(shí)間進(jìn)行對(duì)比，結(jié)果如下表1所示：表1從表1可知，本文算法在SNR＝10dB時(shí)，仿真誤差略低于Wigner算法與基于壓縮感知的對(duì)比算法，運(yùn)算時(shí)間遠(yuǎn)遠(yuǎn)低于Wigner算法和對(duì)比算法。實(shí)施例3本實(shí)施例提供了一種跳頻信號(hào)參數(shù)盲估計(jì)裝置，圖9是該裝置的結(jié)構(gòu)框圖，如圖9所示，該裝置90包括如下組成部分：采樣模塊91，用于對(duì)跳頻信號(hào)進(jìn)行分段壓縮采樣，得到各分段信號(hào)；獲得模塊92，用于獲得分段信號(hào)的壓縮數(shù)字特征，壓縮數(shù)字特征為各分段信號(hào)在一個(gè)觀測(cè)周期內(nèi)投影到傅里葉正交基上的系數(shù)向量中的非零系數(shù)的位置；對(duì)比模塊93，用于對(duì)比前后兩段分段信號(hào)的位置判斷跳頻信號(hào)頻率跳變時(shí)刻的范圍，得到頻率跳變點(diǎn)兩邊的兩段壓縮采樣值；重構(gòu)模塊94，用于使用兩段壓縮采樣值進(jìn)行正交匹配追蹤重構(gòu)，得到兩段信號(hào)的頻域系數(shù)；估計(jì)模塊95，用于根據(jù)頻域系數(shù)的位置以及頻域系數(shù)值估計(jì)跳頻信號(hào)的載頻頻率以及頻率跳變的時(shí)刻點(diǎn)。其中，上述獲得模塊具體可以包括：第一確定單元，用于確定跳頻信號(hào)的壓縮采樣值與全息矩陣各列向量的相關(guān)程度；其中，該第一確定單元具體用于：計(jì)算跳頻信號(hào)的壓縮采樣值與壓縮傳感矩陣的內(nèi)積，得到相關(guān)程度。第二確定單元，用于將使得相關(guān)程度最大的列向量確定為分段信號(hào)的壓縮數(shù)字特征。其中，采樣模塊具體用于：使用高斯隨機(jī)采樣矩陣對(duì)跳頻信號(hào)進(jìn)行分段采樣。本方法利用跳頻信號(hào)在單個(gè)跳頻周期內(nèi)存在著明顯的頻域稀疏性，在不完全重構(gòu)原始信號(hào)的前提下，在壓縮域構(gòu)造壓縮數(shù)字特征值，其在一定程度上反映了跳頻信號(hào)的頻率變化特性。專(zhuān)利欲保護(hù)點(diǎn)是壓縮域構(gòu)造的壓縮數(shù)字特征值。盡管為示例目的，已經(jīng)公開(kāi)了本發(fā)明的優(yōu)選實(shí)施例，本領(lǐng)域的技術(shù)人員將意識(shí)到各種改進(jìn)、增加和取代也是可能的，因此，本發(fā)明的范圍應(yīng)當(dāng)不限于上述實(shí)施例。當(dāng)前第1頁(yè)1 2 3