买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种基于GSACMP的无人机跳频信号参数估计方法，主要解决现有技术对非合作无人机跳频信号关键参数估计数据量大且受非高斯噪声影响的问题。其实现方案包括：将截获的非高斯噪声影响下的无人机跳频信号建立为分段形式模型；基于广义稀疏度自适应相关熵匹配追踪算法，在迭代过程中对原子的选择过程加权，得到所有分段信号对应的稀疏向量；根据稀疏向量和压缩域的信号特征，得到各分段信号的中心频率；通过对各分段信号的中心频率进行差分，并采用滑窗法估计出非合作无人机跳频信号的跳频时间。本发明优化了稀疏向量估计过程，提高了在非高斯噪声下对无人机跳频信号参数的估计性能，可用于非合作无人机跳频通信系统或相应的软件无线电通信系统。

主权项：1.一种基于GSACMP的压缩域无人机跳频信号参数估计方法，其特征在于，包括如下：1非合作无人机通信中接收机截获的跳频信号为xt，将其均匀分割成长度为E的不重叠M段，得到分段形式的无人机跳频信号数学模型：X＝[xt1,xt2,....,xtm,..,xtM]，其中xtm为第m个分段信号，m＝1,2,...M。2基于广义稀疏自适应相关熵匹配追踪GSACMP算法得到稀疏向量：2a初始化索引集B0为空集，设初始迭代次数k＝1，最大迭代次数kmax，初始步长L＝1，测量矩阵Φ为高斯随机测量矩阵，设置压缩采样信号即初始残差为r0＝Φxtm，长度为Q，稀疏基矩阵Ψ为傅里叶正交基矩阵，传感矩阵A＝ΦΨ，初始权重向量w为E×1的单位向量；2b计算传感矩阵各列与加权残差的前k个最大内积λk，并将其加入索引集合Bk中，得到对应原子的支撑集At；2c在支撑集At上求解向量将向量中绝对值最大的L项加入索引集合BtL，得到的新的对应原子的支撑集AtL；2d利用新的支撑集AtL进行权重向量、加权最小二乘解、残差的更新，得到当前的权重向量为wk，当前的加权最小二乘解为θk，当前的残差为rk；2e判断当前迭代次数k和当前与前一次迭代的残差比值P是否满足设定的阈值kmax或P＜1×10-2的条件：若是，则执行步骤3；否则，更新迭代次数令k＝k+1，L＝L+1，返回步骤2b；3根据稀疏向量和压缩域信号特征，估计得到所有M个分段的中心频率集合F；4根据稀疏向量和分段的中心频率f，估计得到所有d个观测对象的跳变时间集合T。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于GSACMP的无人机跳频信号参数估计方法