时代在进步,科技在发展,电子战逐渐成为一种重要的现代化作战手段。全世界都在积极地研究各种电子战算法,因此未来的电磁环境将会越来越复杂。常用的跳频通信技术是以牺牲有限频谱资源来提高其抗干扰能力,而这种牺牲也是有限的,因此需要新的方法来改善跳频系统的抗干扰性能。本文利用盲源分离方法的优势,研究了盲源分离方法与跳频通信技术相结合的抗干扰技术,来提高系统的抗干扰能力。主要内容为:研究了基于空间时频分布矩阵的跳频信号盲分离技术。跳频信号是典型的非平稳信号,且不同跳频信号具有不同的跳频图案。本文充分利用跳频信号的这些特征,采用了根据观测信号的平滑伪Wigner-Ville分布来构造一个四维矩阵,检测出自源时频点后,利用特征矩阵近似联合对角化算法估计出酉矩阵,进而分离出源信号。本文在已有的时频点选择方法基础上,对已有的选择方法进行了改进。改进后的基于空间时频分布矩阵的盲分离方法提高了分离性能,但是其算法的复杂度有所增加。研究了基于负熵最大化的FastICA分离算法。在接收端接收的信号都是来自不同的电子设备,所以可以认为观测信号中包含的跳频信号是统计独立的。本文充分利用跳频信号的相互独立性、源信号中最多只有一路高斯信号和高斯信号的负熵最大这些性质,采用了基于负熵最大化的FastICA算法来分离包含多路跳频信号的观测信号。本文在原FastICA算法的基础上,对迭代算法进行了改进。改进后的FastICA算法提高了分离精度,而且其复杂度远远小于基于空间时频分布矩阵的盲分离算法,改进的FastICA算法分离精度随信噪比递增,随干信比增加而有所下降。为了分析盲源分离算法对误比特率性能的影响,本文比较了先盲源分离后解跳与直接解跳的误比特率,前者的误比特率性能要优于后者。研究了跳频信号的欠定混合矩阵估计。虽然跳频信号在时域不是稀疏信号,但是通过短时傅里叶变换后,跳频信号在时频域内具有稀疏性。本文利用跳频信号这一特性,通过K-means聚类算法估计出了混合矩阵。本文提出了一种新的初始聚类中心选择方法,通过比较已有的选择方法,本文提出的新方法对混合矩阵的估计精度要高于其他三种选择方法。盲源分离技术与跳频技术的结合提高了其抗干扰能力,这项研究将会有力推动军事通信抗干扰技术的不断发展,具有重要的军事意义和重大的现实意义。