1.3 扩频通信干扰检测与识别技术现状

1.3.1 直接序列扩频通信干扰检测与识别技术

对于干扰检测与识别，可以把干扰信号当作特殊的信号，借鉴前面信号检测的相关理论进行研究。其中，对于扩频通信的干扰检测与识别，现有的文献以直接序列扩频通信和跳频通信为主。而研究较多的是直接序列扩频通信下的干扰类型的识别问题。

文献[40]利用短时傅里叶变换，根据干扰信号的时频曲线实现了对单音、线扫频和多音干扰的检测，但是该算法提到的干扰分析识别种类少，算法适用范围有限，不能实现干扰类型的自动分类识别。

文献[41]在文献[40]研究的基础上，以Welch周期图法、谱图和Radon变换为主要分析工具提取干扰的特征，采用分层决策的分类方法实现了对无干扰、窄带干扰、宽带梳状谱干扰、宽带线扫频干扰和宽带噪声干扰的分类识别。

在文献[41]提出的识别方案中，需要足够长的信号采样长度以累积干扰能量，这会带来算法在存储量和运算量上的增加。为此，文献[42]提出了基于FRFT的干扰样式识别方案。与文献[41]相比，该方案的识别效果相当，但是其识别流程更加简单。

文献[43]提出了采用BP神经网络对直接序列扩频通信系统的干扰类型进行识别的算法。该算法在提取特征参数的基础上，基于Levenberg-Marquardt（L-M）算法设计了一个三级的神经网络组合分类器，同时，该分类器由四个独立的多层感知器组成，能够实现对直接序列扩频通信常见干扰的正确识别。

文献[44]提出了直接序列扩频通信中基于支持向量机（SVM）的干扰自动分类识别方法，从时域、频域和时频域提取了待识别干扰信号的特征参数，通过决策树支持向量机构造了五级干扰自动分类识别系统，实现了对单音连续波干扰、跳频干扰、脉冲干扰、窄带BPSK干扰、线性调频干扰、宽带梳状谱干扰、宽带BPSK干扰和无干扰的识别。