通信电台个体特征分析

论文摘要

通信电台个体识别是近年来通信侦察领域一个重要研究课题，它主要根据各电台硬件差异在发射信号上表现出来的区别于其它个体的特征，判别信号来自哪个电台，进而实现电台跟踪，并为判定通信网络的组成等提供重要依据。通信电台个体识别的研究不同于传统的通信信号侦察，在传统的通信信号侦察过程中，研究的重点往往围绕通信电台传递的通信信息的获取或分析进行，来自硬件差异的个体特征往往被作为噪声而力求滤除或削弱其影响；但是，在研究电台信号个体识别时，通信信息的获取和分析都不再作为研究的重点，反而是这些体现电台之间个体差异的信号个体特征成为需要获取的信息。 通信电台个体特征的分析、研究在电台个体识别中至关重要，本文主要针对相同工作模式、相同型号下的不同电台，研究通信电台个体识别中这个关键环节——电台个体特征分析。论文研究了个体特征的基本理论，并从其产生机理出发，研究了电台不同工作状态下个体特征的分析方法，包括电台稳定工作状态下的噪声特性、杂散特性和频率特性，以及非稳定工作状态下电台暂态特征分析，并在非稳定工作状态下探讨了不同工作模式下电台个体识别的解决方案。文中提出、推导了一系列具有理论及实用价值的新算法，并通过实际电台数据和计算机仿真实验验证了所提算法的优良性能。归纳起来，本文的贡献主要包括以下几个方面： 1、全文从电台稳定工作状态和非稳定工作状态系统地研究了电台的个体特征分析方法，建立了通信电台个体识别基本框架。文中明确给出了通信信号个体特征的定义，即只有具有普遍性、唯一性、稳定性和可检测性的信号特征方可作为识别电台个体的个体特征。同时，系统、全面地分析了个体特征产生机理，为个体特征分析提供了理论基础。为衡量所选特征的分类能力，提出了一种评价特征集分离性能的指标——可分离指数，根据该指标的测试，可以择优选相关特征作为电台的个体特征，为后续分析提供了一个分析工具。 2、针对稳定工作状态下硬件差异在信号上的不同体现，论文从噪声特性、杂散特性和频率三方面进行了个体特征分析研究。 在噪声特性分析方面，分析了各电台噪声统计特性上的差异，研究了噪声功率估计算法，提出了一种基于最小二乘法一特征值分解（LS-EVD）的噪声功率估计的改进算法，该算法不需要任何先验知识，在中等信噪比条件下噪声估计性良好，

论文目录

• 第一章 绪论
• 1.1 电台个体识别概述
• 1.2 研究现状
• 1.3 应用前景
• 1.4 论文研究工作和安排
• 第二章 通信电台个体特征产生机理
• 2.1 通信信号个体特征概述
• 2.2 通信电台的暂态特征
• 2.3 电台噪声特性
• 2.4 信号载频的偏差
• 2.5 信号调制参数的个体差异
• 2.6 电台的杂散输出差异
• 2.7 个体特征对信号的影响
• 2.8 本章小结
• 第三章 噪声特性分析
• 3.1 发射机信噪比估计的发展
• 3.2 基于高阶矩的噪声特性分析
• 3.3 基于最小二乘法和特征值分解的噪声特性分析
• 3.4 基于噪声估计的电台个体识别
• 3.5 本章小结
• 第四章 杂散特征分析
• 4.1 信号包络高阶特征
• 4.1.1 包络高阶特征J提取
• 4.1.2 实验结果
• 4.2 谱对称性分析
• 4.2.1 频域分析理论的发展
• 4.2.2 基于 EMD的时频分析
• 4.2.3 谱对称性
• 4.2.4 实验结果
• 4.3 本章小结
• 第五章 频率分析
• 5.1 载频估计
• 5.1.1 正弦信号频率估计方法
• 5.1.2 单载波窄带信号载频估计方法
• 5.1.3 多载波信号频率估计方法
• 5.2 码元速率估计
• 5.2.1 基于改进的Morlet小波的码速率估计
• 5.2.2 基于信号自相似性的码元速率估计
• 5.3 电台识别实验与性能分析
• 5.4 本章小结
• 第六章 暂态特征分析
• 6.1 暂态信号检测
• 6.1.1 信号采集
• 6.1.2 跃变检测算法
• 6.2 暂态包络特性
• 6.3 基于时频方法的暂态特征分析法
• 6.3.1 模糊函数
• 6.3.2 最佳核函数用于信号特征提取
• 6.3.3 实验结果
• 6.4 基于分形理论的暂态特征分析法
• 6.4.1 多重分形理论
• 6.4.2 时变分层指数与电台识别
• 6.4.3 实验结果
• 6.5 本章小结
• 第七章 分类器设计
• 7.1 单个分类器
• 7.2 组合分类器
• 7.3 本章小结
• 第八章 总结与展望
• 8.1 工作总结
• 8.2 问题和展望
• 致谢
• 参考文献
• 攻博期间取得的研究成果
• 攻博期间参与的科研项目