非合作超宽带冲激无线电信号检测技术研究

论文摘要

本论文所研究的超宽带（UWB）信号均指超宽带冲激无线电（UWB-IR）信号。UWB系统以低占空比的超短冲激脉冲作为载体,无需载波调制,采用跳时扩谱（TH-UWB）或直接序列扩谱（DS-UWB）技术实现信息传输。与传统无线电系统相比,UWB具有更低的功率谱密度和更宽的带宽,具有高数据率、强抗干扰的特点。UWB信号常常被隐蔽在环境噪声和其它干扰信号中,难以检测,是一种很有军事应用前景的低截获/检测概率信号。超宽带无线电技术在高速军事通信、无人机低截获数据链、高分辨率雷达/定位系统中已经得到实际应用。因此在非合作条件下,研究对UWB无线电信号的检测技术,具有重要的军事意义。本文研究了在负信噪比且没有先验信息或仅有部分先验信息条件下, UWB无线电信号的检测问题。论文的主要工作如下:在全盲和负信噪比情况下,研究了基于希尔伯特-黄变换（HHT）的UWB信号检测方法。仿真实验表明:在进行UWB信号检测时,与传统小波分析方法和Wigner-Ville分布相比,希尔伯特-黄方法具有优越性。利用信号和噪声在固有模态函数域中有不同的性态表现,提出了一种固有模态函数积检测器（IMFs product detctor）,在低信噪比和背景噪声分布未知条件下,IMF积检测器优于Teager能量算子（TEO）检测器。参考Rosenfeld子带乘积理论,提出了基于固有模态函数域滤波（IMFDF）方法,用于对带噪信号的边缘检测。IMFDF和小波域滤波方法相比,相对简单,计算复杂度小。提出了可用于全盲信号检测的CCIO测度准则和两种基于参数可调非周期随机共振（PASR）的UWB信号检测方法。利用PASR系统输出信号和输入信号最匹配时,随机共振最显著的这一现象,区别于Collins互相关方法,提出了基于输入（信号+噪声）输出互相关的ASR测度方法,即CCIO方法。利用线性响应理论（LRT）,推导了CCIO测度方法的性能,验证了CCIO测度下的PASR方法可以实现全盲负信噪比（低于? 10dB）非合作UWB信号检测。在CCIO准则下,提出了基于PASR的DS-UWB系统码序列检测方法。对于低信噪比DS-UWB而言, PASR检测器逊于匹配滤波检测器;但当匹配滤波器存在较大失配时（出现同步误差）,结论完全相反。研究发现:PASR方法的检测性能随采样频率的提高而改善。在CCIO准则下,利用多窗并行检测的思想,提出了基于PASR的多时窗检测器（PASR-MWD）,用于TH-UWB信号检测。仿真试验表明:在负信噪比情况下,PASR多时窗检测器优于多辐射计组和固有模态函数积检测器,但逊于匹配滤波检测方法。在负信噪比和全盲的条件下,研究了基于分段自相关积累（PACA）的UWB（DS-UWB和TH-UWB）信号检测方法。经过严格数学推导,指出了TH-UWB信号的PACA函数不但在字符周期整数倍处出现离散峰值,而且按三个峰值（一大峰值左右对称出现小峰值）成对出现,大峰和小峰的间隔就是PPM调制时间偏移。仿真验证了通过增加积累时间,实现负信噪比UWB信号检测的可行性。研究了仅需已知字符周期情况下基于特征值分解方法的UWB码序列波形检测方法,首次理论推导了DS-UWB、TH-UWB特征值和码序列波形的分布情况。提出了基于特征值分解的TH-UWB码序列波形估计方法,指出了在时间窗和字符非同步情况下,将会出现三个大的特征值,对应的三个特征向量反映了二元字符跳时序列波形之和的特性。利用矩阵扰动理论,证明了码序列波形估计误差的引理。分析了波形估计误差和输入信噪比、积累窗个数的关系。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 UWB 基本概念
• 1.1.1 UWB 的定义
• 1.1.2 UWB 技术的发展历程
• 1.2 UWB 装备的研究现状
• 1.2.1 UWB 主要应用领域
• 1.2.2 UWB 军用装备研究现状
• 1.3 UWB 通信理论研究现状
• 1.3.1 波形设计和调制样式
• 1.3.2 定时同步
• 1.3.3 RAKE 接收和多径分集
• 1.3.4 UWB 多用户检测（MUD）技术
• 1.3.5 信道估计
• 1.3.6 发射参考和PWAM 信号
• 1.3.7 多天线UWB 系统
• 1.3.8 多级扩块（MSBS）UWB 多址
• 1.4 LPI/D 信号检测相关技术的研究现状
• 1.4.1 能量检测器
• 1.4.2 时频分析
• 1.4.3 基于信号相关特性的检测方法
• 1.4.4 混沌检测
• 1.4.5 基于随机共振的检测方法
• 1.4.6 基于希尔伯特－黄变换（HHT）的检测方法
• 1.5 本文的工作
• 第二章 UWB 无线电信号模型
• 2.1 引言
• 2.2 UWB 信号模型
• 2.2.1 DS–UWB 信号模型
• 2.2.2 TH–UWB 信号形式
• 2.3 基于正交M 元PPM 数字冲激无线电多址接收机
• 2.3.1 基于多相关器的DIRMA 接收机结构
• 2.3.2 正交M 元DIRMA 接收机的性能
• 2.3.3 数值仿真
• 2.4 UWB 信号的特点和非合作检测方法的思考
• 2.5 本章小结
• 第三章 基于希尔伯特－黄方法的UWB 信号检测
• 3.1 引言
• 3.2 希尔伯特－黄变换（HHT）
• 3.2.1 经验模式分解（EMD）
• 3.2.2 希尔伯特分析（Hilbert Analysis）
• 3.2.3 HHT 的物理意义
• 3.3 基于固有模态函数（IMF）积检测方法
• 3.4 固有模态函数域滤波（IMFDF）
• 3.4.1 IMFDF 的提出
• 3.4.2 IMFDF 方法
• 3.4.3 IMFDF 方法的计算复杂度
• 3.5 仿真实验
• 3.5.1 基于HHT 的UWB 信号检测仿真
• 3.5.2 固有模态函数积检测器仿真
• 3.5.3 固有模态函数域滤波方法的仿真实验
• 3.6 本章小结
• 第四章 基于随机共振的UWB 信号检测
• 4.1 引言
• 4.2 非周期随机共振系统模型、概率密度和响应速度
• 4.3 基于噪声强度可调SR 系统的UWB 信号检测
• 4.4 参数可调非周期随机共振（PASR）系统
• 4.5 CCIO 测度方法
• 4.5.1 Collins 相关方法
• 4.5.2 CCIO 测度方法及理论性能
• 4.6 CCIO 准则下基于PSAR 的全盲UWB 信号检测
• 4.6.1 CCIO 准则下基于PSAR 的全盲信号检测思路
• 4.6.2 CCIO 准则下全盲UWB 信号检测的仿真实验
• 4.7 基于PASR 的DS–UWB 码序列的检测器
• 4.7.1 失配系数对检测性能的影响
• 4.7.2 采样频率对检测性能的影响
• 4.8 基于PASR 的多时窗检测器
• 4.9 PASR 后相关方法（CC–PASR）
• 4.10 本章小结
• 第五章 基于分段自相关方法的UWB 信号检测
• 5.1 引言
• 5.2 简化的单用户UWB 信号模型
• 5.2.1 单用户DS–UWB 模型
• 5.2.2 单用户 TH–UWB 模型
• 5.3 分段自相关积累（PACA）方法
• 5.4 UWB 信号PACA 函数的周期特性
• 5.4.1 DS–UWB 信号的PACA 函数的周期特性
• 5.4.2 TH–UWB 信号的PACA 函数的周期特性
• 5.5 PACA 方法性能分析
• 5.5.1 噪声的PACA 输出的方差
• 5.5.2 DS–UWB 信号的PACA 方法的性能
• 5.5.3 TH–UWB 信号的PACA 方法的性能
• 5.6 仿真实验
• 5.6.1 DS–UWB 信号仿真
• 5.6.2 TH–UWB 信号仿真
• 5.7 本章小结
• 第六章 基于特征值分解的UWB 码序列检测和盲同步
• 6.1 引言
• 6.2 特征值分解方法估计码序列的基本思想
• 6.3 基于特征值分解的DS–UWB 系统码序列估计
• 6.4 基于特征值分解的TH–UWB 系统码序列估计
• 6.4.1 非同步的情况
• 6.4.2 同步的情况
• 6.4.3 帧周期、码元宽度、跳时码的估计
• 6.5 基于矩阵扰动理论的码波形估计误差分析
• 6.6 仿真实验
• 6.6.1 DS–UWB 的情形
• 6.6.2 TH –UWB 的情形
• 6.6.3 波形估计误差仿真
• 6.7 本章小结
• 第七章 结束语
• 7.1 几种检测器的比较分析
• 7.2 本文的主要成果和创新点
• 7.3 需进一步研究的问题
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 作者在学期间参与的科研项目
• 附录A 缩略词表