说明书一种基于聚类的同步正交跳频信号盲源分离方法
技术领域
本发明属于通信及信号处理技术领域，尤其涉及一种基于聚类的同步正交跳频信号盲源分离方法。
背景技术
盲源分离指的是在不知道任何信道信息的条件下，仅仅根据观测到的混合信号估计出源信号的过程。当观察信号个数大于源信号个数时，称为超定盲分离；当观察信号个数等于源信号个数时，称为适定定盲分离；当观察信号个数小于源信号个数时，成为欠定定盲分离。
盲源分离技术在通信信号处理领域得到越来越广泛的应用，目前盲源分离技术的研究更多的是针对观察信号个数大于等于源信号个数的超定或适定盲分离，如经典的EASI(Equivariant adaptive source separation，等变化自适应)算法，FastICA(Fast Independent Component Analysis，快速独立分量分析)算法等。由于不同跳频信号之间满足统计独立性，而相同跳频信号的不同跳频点之间满足一定的相关性，因此有文献提出利用盲源分离的思想对接收到的多个跳频信号进行盲估计。
现有文献中给出的跳频信号盲分离算法要求观察信号个数大于等于源信号个数。但实际通信过程中，由于接收天线个数的限制，当跳频源信号个数较多时，观察信号个数往往小于源信号个数，因此现有算法无法在接收天线个数较少的情况下，对多个跳频信号进行盲估计。
发明内容
本发明提供了一种基于聚类的同步正交跳频信号盲源分离方法，旨在解决现有的跳频信号盲分离算法要求观察信号个数大于等于源信号个数，但实际通信过程中，由于接收天线个数的限制，当跳频源信号个数较多时，观察信号个数往往小于源信号个数，因此现有算法无法在接收天线个数较少的情况下，对多个跳频信号进行盲估计的问题。
本发明的目的在于提供一种基于聚类的同步正交跳频信号盲源分离方法，该方法包括以下步骤：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后M路离散时域混合信号m＝1，2，L，M；
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵p＝0，1，L P‑1，q＝0，1，L Nfft‑1；
步骤三，对步骤二中得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；
步骤七，根源信号时频域估计值，恢复时域源信号。
进一步，在步骤二中，(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，P表示加窗次数，C为整数，表示短时傅里叶变换加窗间隔的采样点数，一般C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
进一步，在步骤三中，对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：
第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；
第二步，找出p时刻(p＝0，1，2，L P‑1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p，q)＝[b1(p，q)，b2(p，q)，L，bM(p，q)]T，其中
进一步，在步骤四中，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：
第一步，在p(p＝0，1，2，...P‑1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；
第二步，对每一采样时刻p(p＝0，1，2，...P‑1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；
第三步，对所有求均值并取整，得到源信号个数的估计即
第四步，找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；
第五步，根据第二步中估计得到的p≠ph以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；
第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
进一步，在步骤五中，根据步骤四中估计得到的归一化混合矩阵列向量估计时频域跳频源信号，具体步骤如下：
第一步，对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果则表示时刻p属于第l跳；如果则表示时刻p属于第1跳；
第二步，对第l(l＝1，2，L)跳的所有时刻pl，估计该跳各跳频源信号的时频域数据，计算公式如下：
进一步，在步骤六中，对不同跳频点之间的时频域跳频源信号进行拼接，
具体步骤为：
第一步，估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素；
第二步，判断第1(1＝2，3，...)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn(l)表示第l跳估计的第mn(l)个信号与第一跳估计的第n个信号属于同一个源信号；
第三步，将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p，q)表示第n个源信号在时频点(p，q)上的时频域估计值，p＝0，1，2，....，P，q＝0，1，2，...，Nfft‑1，即
进一步，在步骤七中，根源信号时频域估计值恢复时域源信号时，具体步骤如下：
第一步，对每一采样时刻p(p＝0，1，2，...)的频域数据Yn(p，q)，q＝0，1，2，L，Nfft‑1做Nfft点的IFFT变换，得到p采样时刻对应的时域源信号，用yn(p，qt)(qt＝0，1，2，L，Nfft‑1)表示；
第二步，对上述所有时刻得到的时域源信号yn(p，qt)进行合并处理，得到最终的时域源信号估计，具体公式如下：
这里Kc＝Nfft/C，C加窗间隔的采样点数。
本发明提供的基于聚类的同步正交跳频信号盲源分离方法，在不知道任何信道信息的条件下，仅根据接收到的多个跳频信号的混合信号，估计出跳频源信号，能在接收天线个数小于源信号个数的条件下，对多个跳频信号进行盲估计，仅仅利用了短时傅里叶变换，计算量小，容易实现，该方法在对跳频信号进行盲分离的同时，还能对部分参数进行估计，实用性强，具有较强的推广与应用价值。
附图说明
图1是本发明实施例提供的基于聚类的同步正交跳频信号盲源分离方法的实现流程图；
图2是本发明实施例提供的第1个源信号及其估计信号时域波形图；
图3是本发明实施例提供的第2个源信号及其估计信号时域波形图；
图4是本发明实施例提供的第3个源信号及其估计信号时域波形图；
图5是本发明实施例提供的第4个源信号及其估计信号时域波形图；
图6是本发明实施例提供的原始跳频信号与估计到的跳频信号相关系数与信噪比关系曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定发明。
图1示出了本发明实施例提供的基于聚类的同步正交跳频信号盲源分离方法的实现流程。
该方法包括以下步骤：
步骤S101，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，分别对每一路跳频混合信号进行采样，设采样频率为fs，采样间隔为Ts＝1/fs，采样后的第m路时域跳频混合信号的离散数据用表示，则有m＝1，2，L，M；
步骤S102，对M路离散的时域混合信号进行重叠加窗短时傅里叶变换，得到M个跳频混合信号的时频域矩阵p＝0，1，L P‑1，q＝0，1，L Nfft‑1；
步骤S103，对跳频混合信号的时频域矩阵进行预处理，得到向量a(p，q)；
步骤S104，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；
步骤S105，根据步骤S104估计得到的归一化混合矩阵列向量估计时频域源信号；
步骤S106，对不同跳频点之间的时频域跳频源信号进行拼接；
步骤S107，根据跳频源信号时频域估计值，恢复时域跳频源信号。
在本发明实施例中，在步骤S102中，(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，P表示加窗次数，C为整数，表示短时傅里叶变换加窗间隔的采样点数，一般C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
在本发明实施例中，在步骤S103中，对时频域数据进行预处理，得到向量a(p，q)时，具体包括如下两步：
第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；
第二步，找出p时刻(p＝0，1，2，L P‑1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p，q)＝[b1(p，q)，b2(p，q)，L，bM(p，q)]T，其中
在本发明实施例中，在步骤S104中，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：
第一步，在p(p＝0，1，2，...P‑1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；
第二步，对每一采样时刻p，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；
第三步，对所有求均值并取整，得到源信号个数的估计即
第四步，找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第1个频率跳变时刻的估计；
第五步，根据第二步中估计得到的p≠ph以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；
第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
在本发明实施例中，在步骤S105中，根据步骤S104中估计得到的归一化混合矩阵列向量估计时频域源信号，具体步骤如下：
第一步，对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果则表示时刻p属于第l跳；如果则表示时刻p属于第1跳；
第二步，对第l(l＝1，2，L)跳的所有时刻pl，估计该跳各源信号的时频域数据，计算公式如下：
在本发明实施例中，在步骤S106中，对不同跳频点之间的跳频源信号进行拼接，具体步骤为：
第一步，估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素；
第二步，判断第l(l＝2，3，...)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn(l)表示第l跳估计的第mn(l)个信号与第一跳估计的第n个信号属于同一个源信号；
第三步，将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域跳频源信号估计，用Yn(p，q)表示第n个源信号在时频点(p，q)上的时频域估计值，p＝0，1，2，....，P，q＝0，1，2，...，Nfft‑1，即
在本发明实施例中，在步骤S107中，根据跳频源信号时频域估计值恢复时域跳频源信号时，具体步骤如下：
第一步，对每一采样时刻p(p＝0，1，2，...)的频域数据Yn(p，q)，q＝0，1，2，L，Nfft‑1做Nfft点的IFFT变换，得到p采样时刻对应的时域源信号，用yn(p，qt)(qt＝0，1，2，L，Nfft‑1)表示；
第二步，对上述所有时刻得到的时域源信号yn(p，qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
这里Kc＝Nfft/C，C加窗间隔的采样点数。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
本发明的目的在于针对跳频信号欠定盲分离问题，提出一种基于聚类的同步正交跳频信号盲源分离方法，该方法包括：
(1)利用含有M个阵元的天线阵列接收接收来自多个同步正交跳频电台的跳频信号，对每一路跳频混合信号进行采样，得到采样后的离散时域跳频混合信号m＝1，2，L，M.
(2)对M路离散时域跳频信号进行重叠加窗短时傅里叶变换(采用矩形窗函数)，得到M个混合信号的时频域矩阵p＝0，1，L P‑1，q＝0，1，L Nfft‑1。其中(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，P表示加窗次数，C为整数，表示短时傅里叶变换加窗间隔的采样点数，一般C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。
(3)对混合信号时频域矩阵进行预处理，得到向量a(p，q)，具体包括如下两步：
3.1)对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限的设定可以根据接收信号的平均能量来确定。
3.2)找出p时刻(p＝0，1，2，L P‑1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p，q)＝[b1(p，q)，b2(p，q)，L，bM(p，q)]T，其中
(4)利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率。包括以下步骤：
4‑1)在p(p＝0，1，2，...P‑1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；
4‑2)对每一采样时刻p，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示。
4‑3)对所有求均值并取整，得到源信号个数的估计即
4‑4)找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计。
4‑5)根据步骤(4‑2)中估计得到的p≠ph以及步骤(4‑3)中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式如下：
这里表示第l跳对应的个混合矩阵列向量估计值。
4‑6)估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
(5)根据步骤(4)中估计得到的归一化混合矩阵列向量估计时频域源信号，具体步骤如下：
5‑1)对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法如下：
如果则表示时刻p属于第l跳；
如果则表示时刻p属于第1跳.
5‑2)对第l(l＝1，2，L)跳的所有时刻pl，利用式(5)估计该跳各源信号的时频域数据，计算公式如下：
(6)不同跳频点之间源信号的拼接，具体步骤如下：
6‑1)估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素。
6‑2)利用式(7)判断第l(l＝2，3，...)跳估计的源信号与第一跳估计的源信号之间的对应关系，如下
其中mn(l)表示第l跳估计的第mn(l)个信号与第一跳估计的第n个信号属于同一个源信号。
6‑3)将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p，q)表示第n个源信号在时频点(p，q)上的时频域估计值，p＝0，1，2，...，P，q＝0，1，2，...，Nfft‑1，即
(7)根源信号时频域估计值，恢复时域源信号，具体步骤如下：
7‑1)对每一采样时刻p(p＝0，1，2，...)的频域数据Yn(p，q)，q＝0，1，2，L，Nfft‑1做Nfft点的IFFT变换，得到p采样时刻对应的时域源信号，用yn(p，qt)(qt＝0，1，2，L，Nfft‑1)表示。
7‑2)对上述所有时刻得到的时域源信号yn(p，qt)进行合并处理，得到最终的时域源信号估计。具体公式如下：
这里Kc＝Nfft/C，C加窗间隔的采样点数。
在对本发明的方法做详细说明前，首先对采用均匀线性天线阵列接收跳频信号时，混合矩阵的特性进行说明。
假设有N个源信号被均匀线性天线阵列接收，该阵列中的接收阵元个数为M。假设N个源信号到达天线阵列的入射角分别为θ1，θ2，L，θN，则均匀线型天线阵列的响应矩阵为：
其中，fn(t)是第n个源信号在t时刻的载频，c＝3×108m/s是光速，d表示阵元间距。可以看到某一时刻，第n个源信号到m个接收天线之间的传输系数为该系数只与该时刻信号载频以及入射角度有关。
则M路接收信号向量x(t)＝[x1(t)x2(t)LxM(t)]T与原信号N个跳频源信号向量s(t)＝[s1(t)s2(t)L sN(t)]T之间的关系为：
x(t)＝H(t)s(t)+n(t) (11)
其中n(t)＝[n1(t)n2(t)L nM(t)]T是M路天线接收到的噪声，一般为高斯白噪声。由于跳频信号频率每隔一段时间会跳变一次，因此该系统中的混合矩阵在每一跳频点持续时间内，混合矩阵保持不变，而当频率发生跳变时，混合矩阵也随之发生跳变。
由(10)可知
其中hm，n(t)表示混合矩阵H(t)的第(m，n)个元素，从上式(12)中可以看到对混合矩阵的任一列向量，其相邻元素的比值相等，即均匀线阵的混合矩阵具有范德蒙特性。
实施例一、
利用均匀线阵接收时跳频信号混合矩阵的跳变特性以及范德蒙特性，参考图1，本发明方法的步骤如下：
步骤1)、利用含有M个阵元的线性阵列阵列天线接收来自多个同步正交跳频电台的信号，对接收到的M个信号进行采样，采样频率为fs，得到M个离散数据，即
其中k表示第k个采样时刻索引。Ts＝1/fs表示采样间隔。
步骤2)、对采样后所得到的多路数据进行重叠加窗短时傅里叶变换，其中加窗函数采用矩形窗，得到M个观察信号的时频域矩阵，即
其中Nfft是傅立叶变换长度，Nfft越大，频率分辨率越低，反之亦然。C为整数，表示短时傅里叶变换加窗间隔的采样点数，C越小，时间分辨率越高，反之亦然。一般C≤Nfft，且Kc＝Nfft/C为整数。表示第m路观察信号在第p个时刻第q个频率点对应的幅频响应。(p，q)表示时频点索引，对应的时频值为
我们知道对于跳频源信号，在同一时刻、同一频率点上多个源信号同时有值的概率很小，尤其是当采用同步正交组网方式时，在某一时刻某一频率点上，最多只有一个非0信号。假设在pn时刻、qn频率上，只有第n个信号有值，当不考虑噪声时，由公式(11)、(13)‑(14)可知：
根据前面的分析可知，第n个源信号在时刻pn的传输系数与该时刻的信号载频有关，而跳频信号的载频每隔Th(Th为频率跳变时间间隔)时间跳变一次，即在一个跳频点持续时间内bm(pn，qn)为常数，即
bn(pn，qn)＝[b1(pn，qn)，b2(pn，qn)，b，M(pn，qn)]T在某一跳持续时间内为常数。则某一跳持续时间内，所有频率点上的归一化向量主要集中在N个值上。
步骤3)、对时频域数据矩阵(m＝1，2，L，M)做预处理得到向量a(p，q)，具体包括如下两步：
3.1)对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到这里门限的设定可以根据接收信号的平均能量来确定。
3.2)找出p时刻(p＝0，1，2，L，P‑1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p，q)＝[b1(p，q)，b2(p，q)，L，bM(p，q)]T，即
步骤4)、利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率。包括以下步骤：
4‑1)在p(p＝0，1，2，...，P‑1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；
4‑2)对每一采样时刻p，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示。
4‑3)对所有求均值并取整，得到源信号个数的估计即
4‑4)找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计。
4‑5)根据步骤(4‑2)中估计得到的p≠ph以及步骤(4‑4)中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式如下：
这里表示第l跳对应的个混合矩阵列向量估计值。
4‑6)估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
步骤5)、根据步骤(4)中估计得到的归一化混合矩阵列向量估计时频域源信号，具体步骤如下：
5‑1)对所有采样时刻索引p判断该时刻索引属于哪一跳，方法如下：
如果则表示时刻p属于第l跳；
如果则表示时刻p属于第1跳.
5‑2)对第l(l＝1，2，L)跳的所有时刻pl，利用式(20)估计该跳各源信号的时频域数据，计算公式如下：
步骤6)不同跳频点之间源信号的拼接，具体步骤如下：
6‑1)估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
这里表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，
6‑2)利用式(22)判断第l(l＝2，3，...)跳估计的源信号与第一跳估计的源信号之间的对应关系
这里mn(l)表示第l跳估计的第mn(l)个信号与第一跳估计的第n个信号属于同一个源信号。
6‑3)将不同跳频点估计到的属于同一个源信号的信号拼接在一起，做为最终的时频域源信号估计，用Yn(p，q)表示第n个源信号在时频点(p，q)上的时频域估计值，p＝1，2，....，q＝1，2，...，Nfft，即
步骤7)根源信号时频域估计值，恢复时域源信号。具体步骤如下
7‑1)对每一采样时刻p(p＝0，1，2，...，P‑1)的频域数据Yn(p，q)，q＝0，1，2，L，Nfft‑1做Nfft点的IFFT变换，得到p采样时刻对应的时域源信号，用yn(p，qt)(qt＝0，1，2，L，Nfft‑1)表示。
7‑2)对上述所有时刻得到的时域源信号yn(p，qt)进行合并处理，得到最终的时域源信号估计。具体公式如下：
这里Kc＝Nfft/C，C加窗间隔的采样点数。
实施例二：
为了验证本发明估计得到的跳频信号的准确度，对本发明提出的跳频信号欠定盲分离算法进行仿真。假设有4个跳频源信号，采用2阵元的均匀线阵接收，跳频频率集合[1:0.5:8]MHz，采样频率fs＝20MHz，BPSK调制方式，符号速率分别为20kbps，40kbps，25kbps，50kbps，入射角度分别为‑20°，60°，80°，‑40°，由于计算机内存的限制，每次仿真处理3个跳频点，FFT点数4096，每次滑窗间隔256个采样点。
图2‑5分别给出了本发明估计出来的跳频信号以及源信号的时域波形图。从图中可以看出估计出来的跳频信号时域波形与原始跳频信号时域波形基本一致。为了定量衡量本发明给出的跳频信号欠定盲分离算法性能，图6给出了不同信噪比条件下估计得到的跳频信号与原始跳频信号之间的相关系数。从图6中可以看到本发明估计出来的信号与源信号在信噪比0dB时，时域相关系数达到0.9以上。
本发明的优点在于：
1.本发明能在不知道任何信道信息的条件下，仅仅根据接收到的多个跳频信号的混合信号，估计出跳频源信号；
2.本发明能在接收天线个数小于源信号个数的条件下，对多个跳频信号进行盲估计；
3.本发明仅仅利用了短时傅里叶变换，计算量小，容易实现；
4.本发明才对跳频信号进行盲分离的同时，还能对部分参数进行估计。
本发明实施例提供的基于聚类的同步正交跳频信号盲源分离方法，在不知道任何信道信息的条件下，仅根据接收到的多个跳频信号的混合信号，估计出跳频源信号，能在接收天线个数小于源信号个数的条件下，对多个跳频信号进行盲估计，仅仅利用了短时傅里叶变换，计算量小，容易实现，该方法在对跳频信号进行盲分离的同时，还能对部分参数进行估计，实用性强，具有较强的推广与应用价值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。