跳頻信號在電子對抗領域的應用與檢測
在軍事通信領域，電子戰(zhàn)對抗雙方誰能取得通信方面的優(yōu)勢誰就能在戰(zhàn)爭中取得先機。戰(zhàn)場環(huán)境下，為了保證通信信息的安全，首先要保證信號發(fā)送過程中不被干擾，其次要保證信號傳輸過程中不被截獲，***要保證信號不被破譯。為了保證通信信號的抗干擾，低截獲，穩(wěn)定性能，跳頻通信系統(tǒng)應運而生。
跳頻通信[1]是通信雙方或多方在相同同步算法和偽隨機跳頻圖案算法的控制下，射頻頻率在約定的頻率表（集）內以離散頻率的形式偽隨機且同步地跳變的一種通信方式。跳頻通信信號在較寬的頻帶內跳變，以此來躲避通信對抗中的干擾和截獲，由于其具有較強的抗干擾能力、抗截獲能力、抗衰落能力、頻譜資源利用率高等優(yōu)勢，跳頻通信技術不僅廣泛應用于信息對抗等軍事領域，同時在民用領域，為了更加高效地利用日漸緊張的頻譜資源，安全地傳輸信息，藍牙、wifi和多種無人機遙控器均采用跳頻通信方式傳輸信號。公安、政法和金融等領域也將跳頻通信作為內部通信方式，保證信息不被截獲的安全性。同時由于跳頻通信系統(tǒng)低截獲的特性，跳頻通信系統(tǒng)的使用也給通信偵察提出了嚴峻的挑戰(zhàn)。
圖1 通信偵查場景
在電磁環(huán)境日益復雜的今天，較寬的跳頻帶寬內存在多種干擾信號，比如定頻信號、掃頻信號、突發(fā)信號和噪聲信號等。同時，由于跳頻信號載波頻率的隨機跳變特性，使得檢測跳頻信號相對于常規(guī)定頻信號的檢測要復雜的多。不同跳速和多種跳頻組網(wǎng)方式并存的狀況進一步加劇了跳頻信號的檢測難度。
為了檢測出復雜電磁空間中存在的跳頻信號，科研人員付出了辛勤的努力?，F(xiàn)有研究成果主要使用基于自相關函數(shù)[2,3]的檢測方法以及基于時頻分析[4]的檢測方法對跳頻信號進行檢測。
基于自相關函數(shù)的方法，需要預知跳頻信號的多種性能參數(shù)以及電磁環(huán)境中的噪聲模型，在此基礎上通過計算檢驗統(tǒng)計量的方法實現(xiàn)對跳頻信號的檢測。此類方法對電磁空間內的噪聲信號敏感，對劇烈變化的電磁空間很難有良好的適應能力，并且檢驗統(tǒng)計量計算復雜度高，對于跳頻信號的檢測實時性有所欠缺。
為了滿足檢測實時性能的要求以及提高復雜電磁空間中的適應能力。時頻分析方法為跳頻信號檢測帶來了新的思路。常規(guī)通信信號通常是定頻信號，信號在固定頻率上隨時間變換，可以作為一維序列進行處理，而跳頻信號在時間和頻率維度上變化均不固定，所以用于分析定頻信號的單一的時域統(tǒng)計方法和頻域傅里葉整體變換方法無法有效對跳頻信號進行分析，此時需要對時間維度和頻率維度進行聯(lián)合分析，以獲得跳頻信號在某一時間所使用的信號頻率信息。
時頻分析方法主要包括短時傅里葉變換[5]，小波變換[6,7]。短時傅里葉變換是使用時頻局部化的窗函數(shù)與輸入信號進行疊加，使得在不同的有限時間寬度內信號是平穩(wěn)的，從而計算出各個不同時刻的功率譜。
圖2 短時傅里葉變換加窗過程
短時傅里葉變換采用固定時間窗長度，對于信號變化劇烈的信號難以捕獲到精確的時間和頻率信息。小波變換摒棄對輸入信號加窗的方法，使用具有伸縮平移特性的小波函數(shù)[8]與輸入信號疊加精確得到信號的時間和頻率信息。其中，小波函數(shù)的伸縮性能捕獲信號頻率特征，平移性能捕獲信號的時間特性。
圖3 原始信號小波變換過程
但是短時傅里葉變換和小波變換得到的是完全的頻率和時間信息，由于復雜電磁環(huán)境下的信號其中夾雜著許多干擾信號，這種方法檢測跳頻信號也會受到各種不相關信號的影響。跳頻信號具有天然的時域和頻域二維特性，這和二維圖像極其相似。隨著圖像處理技術的不斷發(fā)展，跳頻信號檢測和圖像處理技術被結合起來[9]，經(jīng)過時頻分析方法處理無線信號可以獲得信號的時頻域圖像，再使用圖像處理技術去除定頻干擾等信號，可以有效檢測出電磁空間中的跳頻信號。
這種方法利用圖像處理中的二值化方法[10]將存在跳頻信號的信號圖轉化為黑白兩種顏色的二值圖案便于圖像的后續(xù)處理。對圖像經(jīng)過多次膨脹和腐蝕操作[11]就能得到清晰的跳頻圖案。***使用基于Sobel[12]邊緣檢測算子的邊緣檢測算法[13]對跳頻信號進行最終檢測。
圖4 時頻分析與圖像處理相結合的方法
隨著電磁環(huán)境的日益復雜，跳頻信號的檢測方法正向著自動、實時、高適應性方向發(fā)展。跳頻信號檢測作為檢測電磁空間中潛在風險信號的手段，在電磁對抗領域中發(fā)揮著至關重要的重要作用。
參考文獻：
[1]Bird W E, Triggs A. Frequency hopping: US, US6128327[P]. 2000.
[2]Cheng Y P. Detection of Frequency Hopped Signals Timing Information Using the Temporal Correlation Function[J]. Thesis Collection, 2008.
[3]Zhu W G, Xie L Y, Pei-Xia X U. Array signal processing-based blind detection of frequency-hopping signals[J]. Journal of University of Science & Technology of China, 2008.
[4]Zhang D, Ying W U. Application of STFT in Analysis of Frequency Hopping Signal[J]. Modern Electronic Technique, 2005.
[5]Fu W, Lu W, Jia K, et al. Blind parameter estimation algorithm for frequency hopping signals based on STFT and SPWVD[J]. Journal of Huazhong University of Science & Technology, 2014.
[6]Fargues M P, Overdyk H F, Hippenstiel R. Wavelet-based detection of frequency hopping signals[C]// Asilomar Conference on. IEEE, 1997:515-519 vol.1.
[7]Overdyk H F. Detection and estimation of frequency hopping signals using wavelet transforms /[J]. Thesis Collection, 1997.
[8]Wang M H, Gou Y X, Tian Y. A Differential Frequency Hopping(DFH) Signal Detection Method Based on Wavelet Transform and Time-frequency Analysis[J]. Telecommunication Engineering, 2008.
[9]Yan L I, Tian-Yun L I, Lin-Dong G E. Blind Detection of High Frequency FH Signals Based on Image Segmentation and Template Matching[J]. Journal of Information Engineering University, 2010.
[10]Sauvola J, Pietik?inen M. Adaptive document image binarization[J]. Pattern Recognition, 2000, 33(2):225-236.
[11]Jackway P T, Deriche M. Scale-Space Properties of the Multiscale Morphological Dilation-Erosion[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1996, 18(1):38-51.
[12]Kanopoulos N, Vasanthavada N, Baker R L. Design of an image edge detection filter using the Sobel operator[J]. IEEE Journal of Solid-State Circuits, 2002, 23(2):358-367.
[13]Chen S, Tian-Yun L I, Lin-Dong G E. Study on Frequency-Hopping Detection Algorithm Based on Edge Detection[J]. Journal of Information Engineering University, 2006, 7(3):264-266.
【本文為51CTO專欄作者“中國保密協(xié)會科學技術分會”原創(chuàng)稿件，轉載請聯(lián)系原作者】
