基于形態學預處理的短波猝發信號檢測算法

摘 要： 在短波寬帶接收條件下的猝發信號檢測中，存在信道噪底起伏較大、多峰信號較多等問題。針對這兩個問題，提出一種基于頻譜灰度形態學預處理原理的短波檢測方法，通過將寬帶頻譜圖作為一維灰度圖像進行形態學預處理，較好地估計了寬帶頻譜的噪聲基底；并采用自適應門限、幅度門限和帶寬門限等多門限聯合判證方法，有效解決了多譜峰信號的判證問題。大量實驗表明，該檢測方法能夠在寬帶條件下實現對短猝發信號的高概率捕獲，具有很強的魯棒性和實用性。

關鍵詞： 短波寬帶接收； 猝發信號檢測； 形態學預處理； 噪底估計

中圖分類號： TN911.72?34 文獻標識碼： A 文章編號： 1004?373X（2015）09?0032?03

Abstract： There are problems of great fluctuation of channel noise floor， plenty of multi?peak signals and so on in burst signal detection under the conditions of short wave wideband receiving. To solve the two problems， a short wave detection method based on spectrum gray?scale morphology pre?processing theory is proposed. The noise floor of wideband spectrum is well estimated by taking the wideband spectrum chart as the one?dimensional gray image to perform morphology pre?processing. The problem of multi?peak signal identification is solved by the combined identification method of multi?threshold， such as adaptive threshold， amplitude threshold and bandwidth threshold. The experimental results indicate this detecting method can realize high probability captur of the shortwave burst signal under wideband condition， and has the characters of strong robustness and practicability.

Keywords： shortwave wideband receiving； burst signal detection； morphology pre?processing； noise floor estimation

0 引 言

隨著數字短波通信技術不斷發展，短猝發通信、跳頻通信在軍事隱蔽通信中獲得了廣泛應用。由于通信頻點未知，第三方截獲必須在寬帶條件下進行。短波信道是一種在時域、頻域、空域上都快速變化的色散信道，信道相干時間和相干帶寬都較小，使得寬帶檢測面臨諸多問題，如短波寬帶信道噪底起伏較大、存在大量多譜峰信號等[1?2]。為提高短猝發信號的檢測準確率，需要減小或消除噪聲干擾以及信號頻譜形狀變化等因素造成的不利影響，準確估計出噪聲基底，提高對信號存在性的判斷能力，改善信號參數的測量精度。

文獻[3]提出采用線性濾波、中值濾波結合非線性自回歸平滑濾波的噪底估計方法；文獻[4]提出了基于形態學濾波的方法，通過對頻譜的迭代開運算，來估計噪聲基底。當信號頻譜覆蓋的離散譜線較少時，上述方法得到了很好的檢測效果。當信號帶寬很寬時，采用線性濾波方法對噪底估計誤差較大，而且文獻[4]中方法需要選擇大尺寸的結構元素，運算復雜度過高，不利于工程實踐。本文從實際應用出發，提出了一種基于頻譜灰度形態學預處理和檢測信號特征融合的寬帶檢測算法，將寬帶頻譜圖作為一維灰度圖像進行形態學預處理，對信號搜索結果通過信號特征融合更新檢測集合，在大帶寬范圍內未知頻點信號檢測中取得了良好的效果。

1 基本原理

短波信道是一種在時域、頻域、空域上都有變化的色散信道，由于信道環境、阻抗失配等因素的影響，寬帶接收機輸出的噪聲基底并不平坦，而且具有頻變特性。此外，短波信道存在著大量頻譜呈多峰形狀的信號，可能會出現一個信號被判為多個信號的情況。這是短波寬帶信號檢測中需要著重解決的兩個問題[5?6]。

本文采用Welch周期圖法對短波寬帶信號的功率譜進行估計，并將頻譜圖作為一維灰度圖像，通過形態學開閉運算等處理，實現了噪底的估計。通過形態學頂帽變換等處理，實現了信號的白化與增強。最后通過多門限聯合判證，實現了短波寬帶猝發信號的快速檢測。

1.1 功率譜估計

基于頻譜灰度形態學預處理的寬帶信號檢測算法，首先需要進行信號譜估計，實現從時間域向頻率域的變換。考慮到短波頻段電磁環境比較復雜、短時突發信號較多等特點，權衡搜索性能和速度等實際要求，采用Welch周期圖法對采樣數據進行功率譜估計，在保證較快處理速度的同時，盡量降低噪聲干擾的影響。

Welch法是一種較常用的非參數化譜估計算法。假設采樣數據為[x（n）]，[n=0，1，…，N-1]，將數據分為[L]段，每段長度[M，]相鄰段重疊點數為[K，]則采用Welch法得到的搜索功率譜估計為：

1.2 形態學預處理

隨機噪聲會導致功率譜曲線上出現毛刺，嚴重影響信號搜索性能和速度。為消除這類影響，在進行信號檢測前需要進行必要的譜平滑預處理。

形態學是由法國數學家Matheron和Serra共同創立的，其基本思想是根據圖像的形狀、尺寸等幾何結構特征以及與相鄰物體的拓撲關系，利用預定義的結構元素對圖像進行匹配或局部修正，以達到提取信號、抑制噪聲的目的。

根據形態學理論，開運算可平滑、抑制信號峰值噪聲，消除信號散點和毛刺；閉運算可抑制信號波谷噪聲，填平信號中的小溝結構，實現信號頻譜分量融合；頂帽變換可消除噪聲引起的頻譜波動，突出信號尖峰，實現在較亮的背景中獲得較暗的連通區域，或在較暗的背景中獲得較亮的連通區域。對信號聯合利用頂帽變換和閉運算進行非線性處理，可以有效克服色噪聲干擾和信號頻譜特征變化對信號檢測效果的影響[7?9]。

2 主要實現步驟

算法首先采用Welch周期圖法實現對寬帶數據的譜估計，然后運用頂帽變換實現寬帶頻譜的色噪聲白化處理，運用閉運算實現信號分量融合，運用噪聲基底估計求取自適應檢測門限，通過自適應門限信號搜索和檢測信號特征融合得到最終的檢測結果集合，主要步驟如下：

（1） 采用Welch周期圖法對接收到的寬帶數據進行譜估計；

（2） 對寬帶頻譜灰度圖像，運用形態學開運算和閉運算實現對灰度圖像中的噪底估計；

（3） 運用形態學頂帽變換，對信號頻譜進行白化處理；

（4） 運用形態學閉運算實現信號增強；

（5） 采用頻域中的恒虛警檢測方法[10]，完成自適應門限的求取。根據自適應門限、幅度門限、帶寬門限和經過預處理的寬帶頻譜，判斷信號有無，計算信號中心頻率、帶寬、功率等參數。

在上述過程中，Welch譜估計處理可降低信道衰落的影響，得到功率譜的估計值；噪底估計在開運算之前增加一級閉運算可有效平滑信號頻譜；白化處理可消除信號的散點和毛刺，使噪聲基底平坦化；信號增強處理可進一步平滑頻譜，將一個信號的多個譜峰融合為一個較寬譜峰，從而避免將同一信號的多個頻譜分量誤判為多個信號。

3 仿真試驗

在仿真實驗中，將模擬產生的持續時間為10 ms的單音信號，通過矢量信號源回放，疊加到實際短波環境中，在接收帶寬為8 MHz的情況下，對檢測算法進行仿真實驗。實驗中通過調整單音信號的功率，使信噪比從5～15 dB變化，步進為1 dB，每個信噪比做500次蒙特卡洛實驗。圖1給出了在信噪比為12 dB時信號的頻譜圖，其中綠線為信號的幅度譜，紅線為由本文算法估計的噪底。從圖中可以看出，實際短波信道噪聲的起伏比較劇烈，而本文的算法能夠自適應地估計出噪底，較準確地判斷出信號的有無。

4 結 語

采用寬帶接收機作為接收前端是短波信號檢測與分析的主要發展方向之一，由于其瞬時接收帶寬較寬，可解決未知頻點猝發信號的實時捕獲難題。但寬帶接收條件下的信號檢測、分選與識別等面臨的問題較傳統窄帶方式要復雜得多。本文采用基于頻譜灰度形態學的預處理算法，有效解決了寬帶檢測時遇到的噪聲基底起伏劇烈、信號頻譜形狀瞬時變化等問題。通過大量的實驗驗證表明，本文所設計的檢測方法在典型信道環境下可實現大帶寬范圍內未知頻點短猝發信號的大概率捕獲，具有很強的實用價值。

參考文獻

[1] RICHARD A P. Target acquisition in communication electronic warfare systems [M]. London： Artech House， 2004： 10?21.

[2] 羅佳，張文明，陶華敏，等.通信偵察測頻接收機的建模與仿真[J].系統仿真學報，2006，18（10）：2440?2444.

[3] MACLEOD M D. Nonlinear recursive smoothing filters and their use for noise floor estimation [J]. Electronics Letters， 1992， 28（21）： 1952?1953.

[4] READY M J， DOWNEY M L， CORBALIS L J. Automatic noise floor spectrum estimation in the presence of signals[C]// Conference Record of the Thirty?First Asilomar Conference on Signals， Systems and Computers. California： IEEE， 1997， 1： 877?881.

[5] 陳含欣.短波信號監測系統關鍵技術研究與實現[D].鄭州：解放軍信息工程大學，2010.

[6] 朱慶厚.通信偵察中信號的搜索與截獲[J].電子對抗，2005（5）：11?12.

[7] 趙曉群，劉穎娜，武睿.基于形態濾波的基音檢測新方法[J].通信學報，2004，25（5）：53?58.

[8] 季虎，孫即祥，毛玲.基于小波變換與形態學運算的ECG自適應濾波算法[J].信號處理，2006，22（3）：333?337.

[9] 尚海燕，水鵬郎，張守宏，等.基于時頻形態學濾波的能量積累檢測[J].電子與信息學報，2007，29（6）：1416?1420.

[10] 郭貴虎.基于SDR的寬帶中頻中FM信號自動檢測與解調技術研究[D].合肥：中國科學技術大學，2003.