基于時變白化濾波器的DSSS系統(tǒng)干擾盲檢測

陳曉威, 楊文革

(1. 航天工程大學電子與光學工程系, 北京 101416; 2. 航天工程大學研究生院, 北京 101416)

0 引 言

直接序列擴頻(direct sequence spread spectrum, DSSS)通信經(jīng)常會面臨窄帶干擾、掃頻干擾、寬帶高斯白噪聲干擾等人為惡意干擾的影響,造成DSSS通信質(zhì)量的急劇下降。目前大量的研究集中在抑制DSSS通信中干擾信號,對干擾檢測反而鮮有人研究。使用干擾抑制算法的前提是假定干擾存在。而干擾檢測能夠判斷干擾信號是否存在,為是否進行干擾抑制提供決策。否則,當信號中不存在干擾或少量干擾時仍然進行干擾抑制,將有可能對DSSS信號造成不必要的損傷。

目前典型的頻譜感知方法包括基于功率譜估計的檢測法、能量檢測法、基于循環(huán)平穩(wěn)的檢測法與基于壓縮感知的檢測法[1-7]。這些方法無一例外將檢測問題建立成二元假設(shè)檢驗,即零假設(shè)時只存在背景噪聲;備選假設(shè)時存在背景噪聲和感興趣信號。因此這些頻譜感知方法無法直接用于DSSS系統(tǒng)干擾盲檢測。

因為干擾信號和DSSS信號具有不同的調(diào)制參數(shù),因此它們具有不同的循環(huán)平穩(wěn)特征?？梢圆捎玫乃悸肥菍⒒谘h(huán)平穩(wěn)特性的檢測算法用于DSSS系統(tǒng)干擾檢測。在較低信噪比下,通過測量非零循環(huán)頻率上的循環(huán)統(tǒng)計量,可以檢測出平穩(wěn)背景噪聲中的循環(huán)平穩(wěn)信號[6,8-9]。但是大多數(shù)基于循環(huán)平穩(wěn)特性的檢測算法需要預先知道被檢測對象的循環(huán)頻率。而通信方對干擾信號的先驗信息一般是未知的,因此基于循環(huán)平穩(wěn)特征的檢測算法無法直接用于檢測干擾信號。

頻移(frequency shift, FRESH)濾波器可以增強背景噪聲中的循環(huán)平穩(wěn)特征,已經(jīng)有學者將FRESH濾波器用于循環(huán)平穩(wěn)波束形成、協(xié)作頻譜感知等方面[10-12]。文獻[13]將FRESH濾波器改造成時變白化(time varying whitener, TVW)濾波器,并用TVW濾波器在主信號存在的情況下進行干擾盲檢測,并用偏轉(zhuǎn)系數(shù)衡量檢測器的檢測性能。該方法可以用于DSSS系統(tǒng)干擾盲檢測。但是文中沒有詳細介紹時變白化濾波器的設(shè)計實現(xiàn)過程,而且沒有推導檢測器輸出的統(tǒng)計分布,只是通過繪制統(tǒng)計直方圖的方法近似得到檢測器輸出的概率密度函數(shù)。文中甚至沒有給出偏轉(zhuǎn)系數(shù)的推導過程,而實際上針對文中的檢測器結(jié)構(gòu)推導出偏轉(zhuǎn)系數(shù)是非常繁瑣的。本章對文獻[13]的方法進行了全面細化和擴展,針對DSSS信號中干擾檢測問題,具體設(shè)計了頻域FRESH濾波器的實現(xiàn)方式,提出一種基于TVW濾波器的干擾盲檢測技術(shù)。TVW濾波器是將FRESH濾波器的期望信號設(shè)為加性高斯白噪聲(additive white Gaussian noise, AWGN),并利用輸入信號的時域相關(guān)性和頻域相關(guān)性進行白化處理。它通過調(diào)節(jié)信號頻譜中不同譜線的幅值大小,使所有譜線的幅值盡可能趨于相同,從而實現(xiàn)信號“白噪聲化”的目的。TVW濾波器的系數(shù)是根據(jù)先驗信號的知識設(shè)置并固定,對未知信號無法進行白化處理。此時它只能通過其固定的權(quán)系數(shù)來調(diào)節(jié)輸入信號的功率譜,然后對TVW濾波器的輸出功率譜作積分,將積分結(jié)果作為檢測統(tǒng)計量。因此，基于TVW的干擾檢測器(簡稱TVW檢測器)本質(zhì)上是一種能量檢測器。當不考慮頻域相關(guān)性時,時變白化濾波器就退化為時不變白化(time invariant whitener, TIW)濾波器,但TIW將具有相同頻率的頻譜值進行衰減或放大,導致與通信信號處于某個相同頻帶范圍內(nèi)的干擾功率也一同被衰減或者放大,降低干擾檢測的性能。

1 理論基礎(chǔ)

1.1 TVW濾波器的理論基礎(chǔ)

TVW濾波器采用了FRESH濾波器結(jié)構(gòu)。這是因為若將感興趣信號視為循環(huán)平穩(wěn)信號,則在均方誤差(mean square error, MSE)意義下對循環(huán)平穩(wěn)信號的最優(yōu)線性估計器是循環(huán)維納濾波器[14]。這種估計器可以在循環(huán)周期內(nèi)實現(xiàn)最小均方誤差(minimum mean square error, MMSE)估計。循環(huán)維納濾波可以通過線性周期時變(linear periodically time-varying, LPTV)濾波器來實現(xiàn)。LPTV濾波器脈沖響應(yīng)的周期變化實現(xiàn)了在周期內(nèi)利用循環(huán)信號的譜冗余信息來達到最小均方誤差估計的目的。而實現(xiàn)LPTV濾波器的一種常用濾波器結(jié)構(gòu)就是FRESH濾波器,并可以在時域或頻域?qū)崿F(xiàn)。若要在頻域內(nèi)實現(xiàn),需要在FRESH濾波器的每個頻移支路將信號頻譜按照頻移數(shù)值進行搬移并乘以頻移支路的濾波器系數(shù),最后將所有支路的運算結(jié)果相加。上述計算過程[13]可以表示為

(1)

式中:Am(f),Bn(f)是濾波器系數(shù)傅里葉變換的結(jié)果;D(f)和X(f)分別是期望信號和輸入信號x(t)的頻譜;M和N表示(共軛)頻移支路的數(shù)目。

1.2 基于多路復用結(jié)構(gòu)的FRESH濾波器

時變白化濾波器可以用頻域FRESH濾波器實現(xiàn)。因此問題就轉(zhuǎn)化為頻域FRESH濾波器的構(gòu)建。理論上將式(1)中的期望信號設(shè)為AWGN,然后聯(lián)立設(shè)計方程[13-14],即可得到TVW濾波器的頻域系數(shù),即Am(f)和Bn(f)。但是這種計算方法十分繁瑣,并且無法實現(xiàn)自適應(yīng)調(diào)整TVW濾波器的系數(shù)。從式(1)可以看出,TVW濾波器由M+N個支路的時不變?yōu)V波器組成。因此考慮采用頻域時不變?yōu)V波器的高效實現(xiàn)方法來實現(xiàn)TVW濾波器。

1.2.1 多路復用器

子帶濾波作為頻域時不變?yōu)V波的一種實現(xiàn)方法,在進行濾波前先對信號進行子帶分解,并對子帶信號按照抽取系數(shù)D進行降采樣,極大地降低了運算量?；诙嗦窂陀闷?trans multiplexer, TMUX)的濾波器是實現(xiàn)子帶濾波的一種高效結(jié)構(gòu),如圖1所示[15]。

圖1 N個通道的TMUXFig.1 N-channel TMUX

它將信號分解成N個子帶,每路子帶信號對應(yīng)的歸一化頻率為k/N(k=0,1,…,N-1)。TMUX實際上是將時域信號變換至頻域,因此可以直接將TMUX用于頻域?qū)崿F(xiàn)。通過對TMUX的每路輸出進行加權(quán)處理,再經(jīng)過逆TMUX對多路信號求和后,產(chǎn)生濾波估計結(jié)果。逆?zhèn)鬏敹嗦窂陀闷鞯慕Y(jié)構(gòu)如圖2所示。

圖2 N個通道逆TMUXFig.2 N-channel inverse TMUX

1.2.2 頻域FRESH濾波器的實現(xiàn)

由于多路復用器能夠?qū)崿F(xiàn)頻域時不變?yōu)V波,因此可以在多路復用器的基礎(chǔ)上實現(xiàn)頻域FRESH濾波。文獻[15]介紹了3種頻域線性周期時變?yōu)V波器的實現(xiàn)方法,其中基于頻移方法的LPTV濾波器中的多路復用實現(xiàn)是FRESH濾波器的一種頻域?qū)崿F(xiàn)方法。因此本節(jié)采用該結(jié)構(gòu)實現(xiàn)時變白化濾波器。圖3給出了基于頻移的多路復用濾波器的結(jié)構(gòu)。

圖3 基于頻移的傳輸多路復用濾波實現(xiàn)Fig.3 Frequency-domain FRESH filter realized by trans multiplexer

假設(shè)FRESH濾波選取的循環(huán)頻率集為{l·α},l∈Z,則X(i)的循環(huán)位移量為lK。在循環(huán)位移后時刻i時，N個頻點的頻譜值與FRESH濾波器系數(shù)相乘,并將相乘后的結(jié)果相加,經(jīng)過一個逆TMUX后,相當于將在頻域進行FRESH濾波后的信號變換回時域,完成整個FRESH濾波過程。信號經(jīng)過子帶分解后的頻域FRESH濾波可以用下面的函數(shù)表示

(2)

由分析可知,若依據(jù)式(2)將共軛循環(huán)頻率β也作為頻移支路的頻率,由于α和β對應(yīng)的離散循環(huán)頻率在同一采樣頻率下可能無法同時取整,這將導致頻域FRESH濾波需要采用兩個通道數(shù)目不同的TMUX進行實現(xiàn)。因此式(2)和本文的后續(xù)分析均忽略了共軛頻移支路。

1.3 多路復用器的設(shè)計

圖4 N通道非最大抽取濾波器組模型Fig.4 N-channel TMX model

n=0,1,…,N-1

(3)

(4)

為了減少子帶信號之間的頻譜混疊,必須保證分析濾波器組和綜合濾波器組的原型濾波器滿足近似完全重構(gòu)或完全重構(gòu)(perfect reconstruction, PR)條件。將式(4)重新寫為兩個函數(shù)相加的形式,即

(5)

式中:等號右邊的第一項為無衰減誤差條件,第二項為帶內(nèi)混疊誤差。為了滿足PR條件,必須有

(6)

(7)

式中:nD是正整數(shù),表示濾波器組的全部延遲。為了滿足無衰減條件,必須使H(Z)G(Z)=HNyquist(Z),其中HNyquist(Z)為奈奎斯特信道。為了使帶內(nèi)混疊誤差盡可能接近于0,需根據(jù)實際需求對分析濾波器組和綜合濾波器組的原型濾波器進行合理設(shè)計。采用嚴格采樣離散傅里葉變換(discrete Fourier transform, DFT)濾波器組意味著D=N。這將增加分析濾波器組和綜合濾波器組阻帶截止頻率的設(shè)置難度。分析濾波器組的原型濾波器可以采用凱撒窗,其歸一化帶寬應(yīng)大于等于1/N。為了決定原型濾波器的阻帶截止頻率fch和fcg,有必要對PR條件進行進一步分析。若采用臨界采樣DFT濾波器組意味著D=N,即在頻域上,每個子帶將與其鏡像直接相鄰,這將增大選取AFB和SFB原型濾波器阻帶截止頻率的難度。為了避免頻譜混疊發(fā)生,本節(jié)考慮采用D=N/2。AFB的原型濾波器可以采用窗函數(shù)法進行設(shè)計,歸一化后帶寬小于等于1/N,從而AFB原型濾波器的阻帶截止頻率必須滿足fch≤1/N。為了滿足式(6),h(k)的阻帶截止頻率fch還要滿足

(8)

因此,fch可以在1/2N到1/2D的范圍內(nèi)選取。之后,為了確定fcg的取值條件,必須滿足如下的不等式:

(9)

因此,fcg的取值范圍可以根據(jù)式(9)進行確定。綜上所述,滿足式(6)～式(9),才能使濾波器組滿足PR條件。在實際應(yīng)用中,為了進一步減小計算量,可以采用多相結(jié)構(gòu)對圖4所示的濾波器組進行進一步的簡化,多相結(jié)構(gòu)的設(shè)計不在本節(jié)的研究范圍內(nèi),在此不做討論。

2 基于MSE的自適應(yīng)時變?yōu)V波器

采用FRESH濾波的一個缺點是其線性時不變?yōu)V波的相位必須與期望信號同步,否則不同頻移支路的貢獻將是“破壞性”而不是“建設(shè)性”。例如,若循環(huán)頻率與載頻有關(guān),那么信號載波的相位必須是已知的;或者循環(huán)頻率與碼速率有關(guān),那么期望信號與接收信號的碼相位必須是同步的。

因頻移濾波所需要的先驗知識無法獲得而導致濾波性能下降的問題可以通過采用自適應(yīng)算法得到解決。文獻[17-19]研究了FRESH濾波器的時域自適應(yīng)實現(xiàn)。這些自適應(yīng)FRESH濾波器一部分采用MSE作為代價函數(shù),一部分采用時間平均MSE作為代價函數(shù)。

(10)

式中：h0(t)(1/T0)sinc(t/T0)是理想低通濾波器的脈沖響應(yīng)函數(shù)。h0(t)的傳遞函數(shù)H0(f)rect(fT0)的單邊帶寬為1/2T0。那么信號x(t)可以用調(diào)和級數(shù)表示為

(11)

式(10)和式(11)對應(yīng)的離散時間表示式分別為

(12)

(13)

TMUX由于采用了濾波器組結(jié)構(gòu),正好可以將循環(huán)平穩(wěn)信號分解成多路廣義平穩(wěn)信號,之后可以用傳統(tǒng)的LMS算法對每路信號對應(yīng)的權(quán)系數(shù)進行更新。輸入信號x(t)對應(yīng)的FRESH濾波器的權(quán)系數(shù)更新方程為

(14)

(15)

(16)

圖5給出了采用自適應(yīng)白化濾波器的原理框圖。

圖5 基于頻移方法的自適應(yīng)多路復用器Fig.5 Adaptive frequency-domain FRESH filter realized by trans multiplexer

3 檢測統(tǒng)計量及其統(tǒng)計分布分析

(17)

為了驗證上述設(shè)想是否合理,選取BPSK干擾,通過仿真分別給出有無干擾信號的2種情況下,TIW和TVW輸出的功率譜,如圖6所示。BPSK干擾可用BPSK信號建模,其循環(huán)頻率和循環(huán)統(tǒng)計量可以參考文獻[14]。信噪比Eb/N0為5 dB,干信比JSR為0 dB。

為了訓練TVW和TIW的權(quán)系數(shù),將無干擾信號加到自適應(yīng)濾波器,進行濾波器抽頭權(quán)值更新,待更新結(jié)束,即分別得到TIW和TVW的濾波器系數(shù)。圖6是用TVW濾波器和TIW濾波器處理無干擾時接收信號和有干擾時接收信號得到的濾波器輸出功率譜?？梢钥吹絋VW濾波器對H0和H1兩種假設(shè)下的輸入信號區(qū)分度好于TIW濾波器。當有干擾存在時,TVW輸出功率譜均存在譜峰,與沒有干擾時的輸出功率譜差異較大,說明TVW濾波器允許干擾信號通過。相反,同樣有干擾存在時,TIW輸出功率譜雖然也有譜峰存在,但是功率譜與無干擾時的輸出功率譜存在數(shù)值重疊,說明TIW將與通信信號處于同頻段的干擾信號一同白化。

圖6 在有無干擾兩種情況下TVW濾波器和TIW濾波器 對接收信號進行白化處理后的功率譜Fig.6 PSDs obtained from the results of the TIW filter and TVW filter whitening the received signal in both with jamming and without jamming

在構(gòu)建了檢測統(tǒng)計量模型后,還需要根據(jù)給定的虛警概率確定檢測門限。在很多情況下,信號和干擾都是時變的。所以,門限的選取應(yīng)以信號的統(tǒng)計特性為依據(jù)。接下來從DFT的性質(zhì)出發(fā)推導零假設(shè)時TVW檢測器輸出的統(tǒng)計分布。

利用DFT旋轉(zhuǎn)因子的周期性,可以將DFT的表達式寫為

(18)

于是DFT可以寫成如下的卷積形式:

(19)

根據(jù)式(19),DFT的物理意義是:對于給定的k,DFT的輸出為輸入信號x(n),通過一個沖激響應(yīng)為e(j2πkn/N)的濾波器在時刻N的取值。e(j2πkn/N)在時域上幅度為門函數(shù),對應(yīng)的頻譜為sinc函數(shù)。也就是說,e(j2πkn/N)實際上是一個窄帶濾波器。對于k=0,1,…,N-1,e(j2πkn/N)就構(gòu)成了窄帶濾波器組。如果輸入信號是高斯白噪聲,那么Xk(m)服從窄帶高斯分布,其模值服從瑞利分布。

零假設(shè)時,TVW檢測器的輸出y(n)近似為白噪聲,其頻譜的模平方|Y(k)|2可以寫成實部與虛部平方和的形式,即

|Y(k)|2=(Yreal(k))2+(Yimag(k))2

(20)

式中:Yreal(k)和Yimag(k)分別近似為實序列零均值窄帶高斯過程。在實際應(yīng)用中,采用周期圖法計算得到的|Y(k)|2精度很低,將影響干擾檢測的成功概率。為了提高|Y(k)|2的估計精度,本文采用Bartlett法計算|Y(k)|2,即

(21)

(22)

式中:L為數(shù)據(jù)的分段數(shù),Nw為FFT的點數(shù)。IY(l,k)的模平方可以表示為|IY(l,k)|2=(IY,real(l,k))2+(IY,imag(l,k))2。因為IY,real(l,k)和IY,imag(l,k)分別近似服從實序列零均值窄帶高斯過程,從而(IY,real(l,k))2和(IY,imag(l,k))2分別服從伽馬分布,可以寫為

(23)

濾波器組中每個濾波器的輸出功率是近似相等的,均為σ2。從而,∑l|IY(l,k)|2是近似服從伽馬分布,可以寫為

(24)

因為每根譜線對應(yīng)的功率譜密度近似相等,所以所有譜線均近似服從相同的分布。TVW檢測器輸出的統(tǒng)計分布為這些伽馬分布之和,因此也是伽馬分布,可寫為

(25)

4 仿真結(jié)果與分析

通過仿真實驗驗證TVW檢測器對BPSK干擾、音頻干擾和掃頻干擾的檢測性能。音頻干擾和掃頻干擾分別由余弦信號和線性調(diào)頻信號建模,各自的循環(huán)頻率和循環(huán)統(tǒng)計量推導結(jié)果可以參考文獻[14,21]。信號參數(shù):偽噪聲碼為31位擴頻序列,DSSS信號的載頻fc為0.05,偽碼速率Rc為1/16,調(diào)制方式為二進制相移鍵控。DSSS信號的循環(huán)頻率為kRsym[14],k∈Z,Rsym為信息碼的碼速率。由于Rsym相比于Rc較小,如果選取Rsym作為FRESH濾波的循環(huán)頻率會導致濾波器組的通道數(shù)過于龐大,增大計算負擔。因此考慮采用擴頻碼速率Rc作為FRESH濾波的循環(huán)頻率,則濾波器組數(shù)為16,為了防止頻譜混疊,其抽取因子和插值因子均為8。阻帶截止頻率可以按照式(6)～式(9)進行設(shè)置。

干擾參數(shù):BPSK干擾信號的載頻為0.105,符號速率為0.03。音頻干擾的載頻為0.105,掃頻干擾采用線性調(diào)頻信號進行建模,載頻為0.105,調(diào)頻斜率為0.001 5。這3種干擾樣式對應(yīng)的干信比均選取為5 dB、0 dB、-5 dB、-10 dB。

4.1 TVW和TIW干擾檢測器檢測統(tǒng)計量的統(tǒng)計直方圖仿真

選取信噪比Eb/N0為5 dB,干信比JSR=0 dB,仿真TIW和TVW干擾檢測器檢測統(tǒng)計量的統(tǒng)計直方圖如圖7～圖9所示。

圖7 BPSK干擾下TVW和TIW檢測器統(tǒng)計直方圖對比Fig.7 Comparison of the simulated PDFs of the TIW and TVW in the presence of BPSK jamming

圖8 音頻干擾下TVW和TIW檢測器統(tǒng)計直方圖對比Fig.8 Comparison of the simulated PDFs of the TIW and TVW in the presence of tone jamming

圖9 掃頻干擾下TVW和TIW檢測器統(tǒng)計直方圖對比Fig.9 Comparison of the simulated PDFs of the TIW and TVW in the presence of sweep jamming

從圖7和圖8中可以看出H0的統(tǒng)計直方圖分布較為集中,說明H0的方差較小,TVW濾波器和TIW濾波器的白化效果都較好。采用子帶濾波來實現(xiàn)TVW濾波和TIW濾波是一種可行的方法。TVW由于采用了多路頻移,因此其濾波器輸出比TIW的濾波器輸出大很多。對于TVW檢測器,可以直觀地看到信噪比越高,H1和H0的統(tǒng)計直方圖區(qū)分越明顯,意味著檢測性能越好,不容易出現(xiàn)虛警。在干擾功率較小時,通過設(shè)置合適的門限,TVW檢測器仍然有能力檢測出干擾信號。對于TIW檢測器,無干擾時的統(tǒng)計分布與有干擾時的統(tǒng)計分布重合度高。說明TIW檢測器的檢測性能比TVW檢測器差很多。

4.2 TVW檢測器的檢測性能仿真

從4.1節(jié)的分析中得知,TIW檢測器在檢測同頻帶干擾時,性能很差。TVW檢測器對上述3種干擾下的檢測能力在同一信噪比和干信比下相差不大,所以在此僅分析TVW檢測器在檢測BPSK干擾時的工作性能曲線。

TVW檢測器檢測BPSK干擾的工作性能曲線如圖10所示。可以看到TVW檢測器對BPSK干擾具有優(yōu)良的檢測性能,這是由于TVW檢測器以通信信號的循環(huán)頻率作為多個頻移,只要干擾信號和通信信號沒有相同的循環(huán)頻率,干擾信號就能通過TVW濾波器從而被檢測出來。即使在干信比較小時,仍然能夠以80%以上的概率檢測出干擾信號。

圖10 Eb/N0=5 dB時TVW檢測器檢測BPSK干擾的工作性能曲線Fig.10 Probability of detection is displayed against probability of false alarm for the TVW for different SNR when Eb/N0=5 dB

在信噪比Eb/N0分別為10 dB、5 dB、0 dB、-5 dB時,選取虛警概率為10-3,仿真得到TVW檢測器的檢測成功率隨干信比變化的曲線。在每個信噪比下,分別進行1 000次蒙特卡羅仿真。檢測成功概率統(tǒng)計結(jié)果如圖11所示。

圖11 不同虛警概率下BPSK干擾檢測成功率Fig.11 Detection of probability for BPSK jamming versus JSR for different probability of false alarm

從圖11可知,本文提出的TVW檢測算法能夠有效實現(xiàn)干擾檢測,尤其在信噪比較低的情況下,仍然能夠檢測出功率較小的干擾。

4.3 TVW檢測器和TIW檢測器檢測性能對比

接下來將TIW檢測器和TVW檢測器的檢測性能作對比。取虛警概率為10-3,TIW檢測器的輸出同樣服從伽馬分布。在相同信噪比情況下,圖12給出了TIW檢測器和TVW檢測器的檢測成功概率隨干信比變化情況。

圖12 TVW檢測器和TIW檢測器的檢測性能對比Fig.12 Performance comparison of TIW and TVW

當干信比增加時,兩種檢測器的檢測成功概率均有提高。但是TIW檢測器只在高干信比時才能將檢測概率提高。而增加了頻移支路的TVW檢測器在同一干信比下,檢測概率提高了約80%。

5 結(jié) 論

本文利用DSSS信號的譜冗余性質(zhì)提出了一種DSSS通信干擾盲檢測算法。假設(shè)信號具有循環(huán)平穩(wěn)性的循環(huán)維納濾波理論是本文提出的干擾檢測器的理論基礎(chǔ)。文中采用循環(huán)維納濾波理論設(shè)計了一種濾波器,稱為TVW濾波器,是干擾檢測器的核心。這種白化濾波器采用自適應(yīng)頻域FRESH濾波器實現(xiàn)。FRESH濾波器的頻移采用DSSS信號的循環(huán)頻率,對未含有干擾的接收信號進行白化,并且得到固定的TVW濾波器系數(shù)。由于干擾信號的循環(huán)頻率不同于接收信號,因此能夠通過TVW濾波器。將時變?yōu)V波器的輸出變換至頻域后,分析其統(tǒng)計分布特性,為自適應(yīng)選取檢測門限提供理論依據(jù)。最后根據(jù)給定虛警概率和檢測門限進行能量檢測,從而判斷干擾是否存在。

仿真實驗表明:TVW檢測器能夠在低信噪比下檢測出干擾,在虛警概率一定的條件下,干擾越強,干擾檢測的性能越好。這是因為噪聲功率理論上僅存在于零循環(huán)頻率處,因此TVW具有較好的抗噪性。TVW可以在干擾樣式未知的情況下實現(xiàn)干擾檢測。因為TVW僅僅采用DSSS信號的循環(huán)頻率作為頻移,只對DSSS信號非零循環(huán)頻率上的循環(huán)譜進行白化,對其他循環(huán)頻率上的頻譜不作處理。該算法的不足之處在于無法實現(xiàn)對干擾樣式的分類,這也是下一步的研究方向。