跳频通信对抗是电子对抗领域的一个主要研究方向,其中,如何在复杂电磁环境下对多跳频信号进行分类识别一直是跳频信号侦察中亟待解决的一个关键问题。本文以短波跳频电台的跳频信号为研究对象,主要研究了如何判断多跳频信号的数量以及如何对多跳频信号进行分类识别的问题。具体研究内容包括:(1)时频分析技术基于计算时间、交叉项干扰及抗噪性等三个性能指标,对短时傅里叶变换、谱图变换、Wigner-Ville分布和Cohen类时频分析方法进行了性能对比。仿真结果表明,谱图变换方法具有计算量小、计算时间短、不会产生交叉项干扰以及抗噪性能强等诸多优点,更适用于对跳频信号进行时频分析。(2)多跳频信号的数量判断设计了一种短波跳频信号的参数提取算法,用于提取跳频信号的跳周期、跳频频率及跳频幅值等特征参数。首先,对短波跳频信号进行谱图变换得到时频变换矩阵;然后,对时频变换矩阵每一时刻的显著值进行处理,以得到频率和幅值的联合数组;最后,通过比较前后时刻联合数组之间的差异,获取跳频信号每一跳的跳频频率、幅值及跳周期。设计了一种多跳频信号的数量判断算法。首先,将每一时刻的联合数组个数视为该时刻出现的跳频信号的个数;然后,统计指定时间内所有时刻下的跳频信号个数;最后,将占全部时刻统计值中比例最大的数作为该时间段内跳频信号的数量。(3)多跳频信号的分类识别设计了一种基于栈式稀疏自编码的多跳频信号分类识别方法。首先,将栈式稀疏自编码和Softmax分类器相结合形成短波混合跳频信号分类识别模型;然后,将时域长信号进行分割后得到多个短时信号;最后,将多个短时信号作为训练样本输入至跳频信号分类识别模型中进行分类识别,得到分类结果。实验结果表明,(1)基于两层栈式稀疏自编码的特征提取方法对多跳频信号的分类识别具有可行性;(2)当信噪比不低于-5dB时,利用该方法进行分类的平均准确率优于其他同类算法;(3)当信噪比不低于-5dB且识别准确率要求不低于85%时,该方法可实现对6种混合跳频信号的分类识别。