非高斯噪声下通信干扰的智能认知方法研究

作     者：晋磊 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：刘明骞;李明

授予年度：2022年

学科分类：080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

主      题：通信干扰 干扰检测 参数估计 非高斯噪声 深度学习 

摘      要：无线通信遭受着来自外界各种干扰的影响。为了提高通信系统的可靠性、安全性,需要对通信中的干扰进行深入研究。通过对通信干扰的深层感知及认知,为通信系统的抗干扰提供先验信息。另外,通信系统也常受到非高斯噪声的影响,因此本文开展非高斯噪声下通信干扰的认知方法研究,重点研究非高斯噪声环境下通信干扰的检测和通信干扰的参数估计,主要工作为:针对现有的通信干扰检测方法受到噪声影响检测性能不稳定的问题,提出了一种非高斯噪声环境下通信干扰信号检测方法。该方法首先使用一种基于定点搜索的快速myriad滤波算法对非高斯噪声进行抑制,然后基于长短时记忆网络的记忆性以及通信干扰信号时域幅度的规律性,训练长短时记忆网络,并通过网络输出预测值与信号幅度实际值之间的误差设计检验统计量,最后利用训练好的网络多次输入噪声得到检测门限,由此实现非高斯噪声下通信干扰信号的检测。仿真结果表明该方法明显降低了噪声对检测性能的影响。针对现有的带宽估计方法在低信噪比情况下估计效果差的问题,提出了基于金字塔池化网络的非高斯噪声环境下通信干扰信号的带宽估计方法。该方法首先利用加权myriad滤波抑制非高斯噪声,然后频谱扫描得到通信干扰信号的粗估计带宽,并划分频带得到带宽子区间,从而得到通信干扰信号频谱和带宽子区间的对应关系。将带宽估计问题转化成一个分类问题,通过金字塔池化网络实现对带宽的分类估计。该方法在广义干噪比为0d B时,对通信干扰的带宽子区间估计准确率达到100%。针对现有的中心频率估计方法在低信噪比情况下估计效果差的问题,提出了基于卷积神经网络的非高斯噪声下通信干扰信号的中心频率估计方法。该方法首先利用加权myriad滤波抑制非高斯噪声,然后对傅里叶变换值和每个变换值对应的点数值(点数位置)组合,得到输入深度卷积网络网络的特征矩阵,网络的输出是估计的中心频率所对应的点数位置,最后由此点数位置计算出所估计的中心频率。该方法在广义干噪比大于0d B时,对通信干扰信号的中心频率估计误差都低于0.5×10。针对现有的功率估计方法在低信噪比情况下估计效果差的问题,提出了基于深度残差网络的非高斯噪声下通信干扰信号的功率估计方法。该方法对加权myriad滤波抑制非高斯噪声后的信号计算协方差矩阵,并通过奇异值分解提取协方差矩阵中只含信号功率的部分,得到重构之后的矩阵作为深度残差网络的输入数据,网络的输出为估计的功率。仿真结果表明,该方法在低信噪比下比现有估计方法表现更好。