现代高技术战争已经逐渐演化为敌我双方各兵种、后勤和指挥等通过各种信息网络构成的庞大战争机器的全面对抗。未来的战争模式将从以武器平台为中心的对战模式转为以网络信息为中心的对战模式，其中，通信网络是决定战争成败的神经中枢网络。高技术高对抗下的战争环境要求通信系统必须在双方激烈对抗的条件下，具有集抗干扰、抗侦察和抗摧毁于一身的优秀的综合战斗能力。
    跳频通信[1]是最常用的扩频通信方式之一,由于其良好的抗干扰、低截获率等特性，使其在军事通信领域得到了广泛的应用。其工作原理是收发双方传输信号的载波频率按照预定规律进行离散变化的通信方式,也就是说,通信中使用的载波频率受伪随机变化码的控制而随机跳变。在高速跳频通信中，由于每跳的驻留时间远小于多径时延，这样当多径到达时，系统早已结束了对当前跳信号的接收和检测。某一跳的信号持续时间内，只要多径信号频率和当前跳频频率不同，就可视为异频干扰信号，因此具有内在的抗多径、抗衰落能力。然而在UHF宽带跳频系统[2-3]中，由于跳频信号的工作频段非常宽，其中必然存在大量的定频干扰信号，这给跳频信号的接收带来了巨大的困扰。为此需要研究一种将跳频信号从普通定频干扰信号中分离出来的方法。本文基于堙灭滤波器[4-6]的原理提出了一种能抑制目标频带内定频干扰信号的跳频信号分离方法，实验仿真表明该方法是可行的。

1 堙灭滤波器原理
　

    由于进行定频信号堙灭滤波后，跳频信号在某一时刻只有一个频率，表达该跳频信息的样点数只需2个以上即可，在分布式传感器场合，每个传感器采样一个信息样点即可，对于有M个传感器的系统，总共只需M个信息样点。通过这M个信息样点，便可将跳频信号从定频干扰信号中分离出来。
2 计算机仿真
　本文模拟仿真了一个跳速为30 000 H/s的跳频信号，跳频带宽为180 MHz，在跳频带宽内存在不同频率的若干定频信号（频率为虚拟Nyquist速率下的归一化数字角频率），共采集了20跳的AIC信息，相对于Nyquist速率的压缩比为60。通过计算机仿真了在不同数量的定频干扰信号下，原始混合信号经过堙灭滤波器之后跳频信号的分离情况，如图1~图3所示。可以看到，尽管随着定频干扰信号的增多，堙灭滤波器仍能够较好地分离出所需的跳频信号。

3 讨论和总结
　本文提出的基于堙灭滤波技术的跳频信号分离技术，为对跳频信号的高精度定位提供了一种新的思路。计算机仿真表明,该方法能实现从多个定频干扰信号中分离出所需的跳频信号。
参考文献
[1] BARJ G. Performance comparison of spread spectrum methods on an interference limited HF channel [J].Communications, 1999,146(1):23-28.
[2] HERRICK D L,LEE P K.Correlated frequency hopping: An improved approach to HF spr-ead spectrum communications[C]. IEEE Proc.of the Tactical Communications Conference 1996,1996:319-324
[3] HERRICK D L, LEE P K. Chess a new reliable high speed HF radio [J]. IEEE Military Communications Conference, 1996:684-690.
[4] IACOBAN R,REYNOLDS R G, BREWSTER J. Cultural swarms: modelling the impact of culture on social interaction and problem solving[C]. Proc. IEEE Swarm Intelligence Symposium, Indianapolis, IN,USA, 2003:205-211.
[5] BOERS Y, DRIESSEN H. Results on the modified riccati  equation:target tracking applications[J]. IEEE Transactions  on Aerospace and Electronic Systems,2006,42(1):3792384.
[6] MO Y, SINOPOLI B. A characterization of the critical value  for Kalman filtering with intermittent observations[C].Proceedings of the 47th IEEE Conference on Decision and  Control. 2008:2692-2697.
[7] MACLNNE C S. Source location using subspace estimation and spatial filtering [J]. IEEE J. Oceanic Eng. (S0371-0025),2004,29(2):488-497.
[8] KASHAN A H, KARIMI B. A discrete particle swarm  optimization algorithm for scheduling parallel machines[J]. Computer & Industrial Engineering,2009,56(2):216-223.
[9] GUPTA JND, RUIZ-TORRES A J. A LISTFIT heuristic for minimizing makespan on identical parallel machines [J]. Production Planning & Control, 2001,12(1):28-36.