基于时频方差聚类的FH信号参数盲估计

摘要

为解决复杂电磁环境下跳频(frequency hopping,FH)参数的盲估计问题,提出了基于时频方差聚类的算法.考虑在低信噪比(signal-to-noise ratio,SNR)和定频干扰同时存在的情况下,通过短时傅里叶变换(shorttime Fourier transform,STFT)将信号变换到时频域,利用遗传算法对信号的时频区间进行提取,根据时频方差对其进行k-means聚类,消除噪声和定频干扰并提取时频脊线,然后运用Haar小波对该时频脊线进行奇异点检测,进而估计出FH信号的FH周期、跳速和FH频率等参数.仿真结果表明,所提算法在SNR低于-5 dB且存在定频干扰的情况下,能够实现对FH参数的精确估计,参数估计正确概率达到90％以上.