CN105515695A - 基于调制宽带转换器的压缩采样信号检测方法 - Google Patents
基于调制宽带转换器的压缩采样信号检测方法 Download PDFInfo
- Publication number
- CN105515695A CN105515695A CN201510884117.5A CN201510884117A CN105515695A CN 105515695 A CN105515695 A CN 105515695A CN 201510884117 A CN201510884117 A CN 201510884117A CN 105515695 A CN105515695 A CN 105515695A
- Authority
- CN
- China
- Prior art keywords
- signal
- sampling
- characteristic value
- sigma
- upsi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及信号采样以及信号检测领域,具体涉及一种对被动雷达、电子侦察的信号通过压缩采样得到亚奈奎斯特采样率的采样值,之后进行信号检测的基于调制宽带转换器的压缩采样信号检测方法。本发明包括:参数设置;信号进入具有M个并行的信道的MWC结构进行处理;计算采样矩阵的协方差矩阵;求取协方差矩阵的特征值并归一化处理;计算归一化特征值的相关系数;依据求得的相关系数以及阈值判断信号是否存在。本发明将其应用到宽带信号的检测中来,一方面可以保证实现亚奈奎斯特的采样,在保证目标可以被检测出来的前提下,采用较少的数据进行存储,从而节省接收机的存储资源。
Description
技术领域
本发明涉及信号采样以及信号检测领域,具体涉及一种对被动雷达、电子侦察的信号通过压缩采样得到亚奈奎斯特采样率的采样值,之后进行信号检测的基于调制宽带转换器的压缩采样信号检测方法。
背景技术
随着雷达技术的发展,雷达***中信号的带宽越来越大,特别是在被动雷达和电子侦察***的应用中,信号带宽已经达到了GHz级别。在信号采样接收技术不变的情况下,大的带宽意味着会出现大量的数据,如果对其使用宽带直接采样技术,那么将产生海量的数据,而对海量数据的存储、传输和处理会给***造成沉重的负担。针对这一问题,压缩采样理论从理论的高度给出了新的解决方法。以色列学者Mishali课题组提出了一种新的稀疏宽带信号亚奈奎斯特采样方法——调制宽带转换器(MWC)采样方法。MWC将类似于随机解调器的元件并行使用,从经典傅里叶分析思想出发构建***的测量值与信号之间的关系。
从目前的研究压缩采样的文献来看,很多的研究都是集中在信号的精确重构上。但是在实际的被动雷达信号处理中,获得信号的最终目标并不完全是要恢复出原始的信号,有时只是为了获得观测目标的某些有用的信息而已。比如利用观测信息进行信号检测,这时获取信号的目的就是从中提取到有用的判决信息,来完成目标的检测。
本发明根据压缩采样理论,应用调制宽带转换器(MWC)结构进行数据采样,求得采样数据协方差矩阵并进行特征值分解;根据高斯白噪声协方差矩阵特征值的直线分布特性,利用特征值的相关系数构造信号检测的判定准则。
发明内容
本发明目的在于提供一种应用于通信、雷达等数字接收***,有效的亚奈奎斯特采样的宽带数字的基于调制宽带转换器的压缩采样信号检测方法。
本发明的目的是这样实现的:
1.基于调制宽带转换器的压缩采样信号检测方法,其特征在于,包括如下步骤:
(1)参数设置:设MWC结构有M路并行采样信道,每路的取样点数为N,低通滤波器截止频率为fp,ADC采样频率为fs,且fs≥fp;信号为宽带稀疏信号,其带宽为B;MWC使用扩频的原理进行混频,使每个频带都叠加在基带低频范围内,在后来的低速ADC采样中获得信号所有频带的信息;
(2)信号进入具有M个并行的信道的MWC结构进行处理;在第i个信道,x(n)与周期为Tp的伪随机序列pi(n)相乘混频,得到非带限的值混频后的信号经过一个截止频率为1/2Ts的低通滤波器,使用采样率为fs=1/Ts的ADC得到M组低速数字采样序列yi(n);构造MWC采样***需要配置的参数包括:伪随机序列pi(n)、通道数M和采样率fs;
选定fs≥fp,yi(n)就包含了原始信号的所有频率成分,通过对采样得到的信息序列yi(n)做DTFT分析,得到观测序列与原始信号的对应关系:
其中ci,l为pi(t)的傅里叶级数的系数,L0=[(fNYQ+fs)/2fp]-1,fNYQ为奈奎斯特采样率;MWC第i通道采样后的信号频谱是原信号频谱X(f)以fp为步长的移位、截断、加权、求和的结果;
y(f)=Az(f),f∈Fs
其中,y(f)=[y1(f),y2(f),…,yM(f)]T,
z(f)=[z1(f),z2(f)…,zL(f)]T,对应于X(f)分段所得的L=2L0+1长度的向量,表示对X(f)不同的偏移量
zi(f)=X(f+(i-L0-1)fp),1≤i≤L
矩阵A对应的M×L(M<L)的观测矩阵;
通过对压缩采样得到的信号进行处理,进而判断有没有信号存在:
式中,si(n)表示被第i路信道接收到的信号;ηi(n)表示均值为零、方差为σ2的独立同分布加性高斯白噪声;yi(n)表示第i路采样得到的信号;
M路采样得到的信号构成一个矩阵Y=[y1,y2,…,yM]T,S=[s1,s2,…,sM]T,Ι=[η1,η2,…,ηM]T;其中yi(i=1,2,…,M)表示第i路采样N次得到的信号向量;Y用一个M×N维的矩阵来表示:
(3)计算采样矩阵的协方差矩阵;S=[s1,s2,…,sM]T与Ι=[η1,η2,…,ηM]T相互独立成立时,考虑M路接收信号的采样协方差矩阵Ry=E[YYH],其中,Rs=E[SSH],则:Ry=Rs+σ2IM;对Ry进行特征值分解可得到它的M个特征值,表示为λi(i=1,2,…,M),则:
λ1≥λ2≥…≥λD≥λD+1=…=λM=σ2
采用有限采样点数来估计协方差矩阵
H表示共轭转置变换;
(4)求取协方差矩阵的特征值并归一化处理;对进行特征值分解得到M个特征值,表示为 则:
(5)计算归一化特征值的相关系数;特征值从小到大排列后,以特征值的序号υi=i,i=1,2,…,M和归一化后的相对幅度大小Μ=[μ1,μ2,…,μM]为变量,计算其相关系数:
(6)依据求得的相关系数以及阈值判断信号是否存在;r∈[0,1]。
本发明的有益效果在于:
(1)采用MWC理论。MWC理论主要用于对多带模拟信号进行压缩采样。本发明将其应用到宽带信号的检测中来,一方面可以保证实现亚奈奎斯特的采样,在保证目标可以被检测出来的前提下,采用较少的数据进行存储,从而节省接收机的存储资源。另一方面,由于其采用伪随机信号进行混频调制,在保证输入信号奈奎斯特采样的前提下,就可使用本发明结构,而不用考虑传统检测目标设计时的带通采样的设置和混频的设置问题。
(2)采样数据特征值的分布特性。本发明使用MWC压缩采样结构得到采样数据矩阵并通过采样数据矩阵求得其协方差矩阵,而后将协方差矩阵进行特征值分解。特征值分解后,当无信号(只存在高斯白噪声)时,特征值的分布集中在一条直线附近;而当有信号时,特征值分布比较分散,利用这一特性来进行信号检测。
(3)利用相关系数进行检测。利用归一化特征值的幅度大小求到其相关系数,依据相关系数进行信号检测。这里我们根据***的先验条件及检验需求通过使用蒙特卡洛模拟试验方法选择阈值γ。
附图说明
图1是MWC采样的结构框图;
图2是基于多相结构均匀信道化滤波器原理框图;
图3是协方差矩阵特征值分布(M=50);
图4是不同信噪比下信号检测成功率(M=50);
图5不同采样路数下信号检测成功率(M=30、40、50)。
具体实施方式
下面结合附图对本发明做进一步描述:
本发明根据压缩采样理论,利用采样数据协方差矩阵特征值分布对信号有无进行检测。现在被动雷达、电子侦察等这样的宽带***的带宽越来越大,依据的传统信号检测方法则需要很多的采样点数,而本发明应用调制宽带转换器(MWC)结构进行数据采样,求得采样数据协方差矩阵并进行特征值分解;根据高斯白噪声协方差矩阵特征值的直线分布特性,利用特征值的相关系数构造信号检测的判定准则。仿真结果表明了在低信噪比情况下依据本发明的结构和方法可以根据少量数据进行信号检测的有效性。
基于压缩采样的信号检测方法,它主要由以下六个步骤组成:(1)参数设置。(2)信号进入具有M个并行的信道的MWC结构进行处理。(3)计算采样矩阵的协方差矩阵。(4)求取协方差矩阵的特征值并归一化处理。(5)计算归一化特征值的相关系数。(6)依据求得的相关系数以及阈值判断信号存在还是不存在。按奈奎斯特采样的信号x(t)和周期为1/fp的伪随机±1二值的Bernoulli序列经低通滤波器并通过低速ADC采样后后,其频谱变为以原始信号频谱做fp周期移位的线性组合。然后利用采样数据协方差矩阵的特征值相关特性进行信号检测。
在信号检测模块前面是用来MWC压缩采样结构,主要是根据调制宽带转换的压缩采样原理,只需要在全部的奈奎斯特频率空间中选取M路子带信号,不需要覆盖全部奈奎斯特频率空间。检测模块通过采用通过低速ADC采样得到的M路数据,使得要处理的数据量大量降低。整体上降低了***的工作频率,从而进一步降低***设计的复杂度。
本发明采用求取采样数据的协方差矩阵,而后求取其特征值。当无信号(只存在高斯白噪声)时,特征值的分布集中在一条直线附近;而当有信号时,特征值分布比较分散。所以利用归一化后特征值的相关系数构造信号检测的判定准则,从而实现信号的检测。
输入信号可为多带信号或宽带的雷达信号(如线性调频信号(LFM)),假设其有N个最大带宽不超过B的信号。经过调制宽带转换器的信号首先与采样频率为fNYQ的周期为Tp的伪随机序列(的主值序列为p(n),p(n)可选用二值的±1Bernoulli随机序列来完成)混频,得到混频后序列然后经过截止频率为fp的低通滤波器进行滤波,再通过低速ADC(模拟数字转换器)进行采样,得到压缩采样后的M路采样数据y1(n),y2(n)…,yM(n),每一路的采样频率为fs。求取数据的协方差矩阵并分解协方差矩阵得到其特征值,进而归一化特征值的幅度大小得到其相关系数,依据相关系数进行信号检测。
步骤一:参数设置。设MWC结构有M路并行采样信道,每路的取样点数为N,低通滤波器截止频率为fp,ADC采样频率为fs,且fs≥fp。信号为宽带稀疏信号,其贷款为B。MWC使用扩频的原理进行混频,这样就使每个频带都叠加在基带(低频)范围内,保证了在后来的低速ADC采样中获得信号所有频带的信息。
步骤二:信号进入具有M个并行的信道的MWC结构进行处理。在第i个信道,x(n)与周期为Tp的伪随机序列pi(n)相乘(混频),得到非带限的值混频后的信号经过一个截止频率为1/2Ts的低通滤波器,最后使用采样率为fs=1/Ts的ADC得到M组低速数字采样序列yi(n)。构造MWC采样***需要配置的参数包括:伪随机序列pi(n)、通道数M和采样率fs。
这里我们选定fs≥fp,这样一来yi(n)就包含了原始信号的所有频率成分,如果想进行信号的重构,就可以使用这些不同权值的频谱分段来实现。通过对采样得到的信息序列yi(n)做DTFT分析,我们可以得到观测序列与原始信号的对应关系如下:
其中ci,l为pi(t)的傅里叶级数的系数,L0=[(fNYQ+fs)/2fp]-1,fNYQ为奈奎斯特采样率。从上式可以看出,MWC第i通道采样后的信号频谱是原信号频谱X(f)以fp为步长的移位、截断、加权、求和的结果。
将公式(1)表示成矩阵形式如下:
y(f)=Az(f),f∈Fs(2)
其中,y(f)=[y1(f),y2(f),…,yM(f)]T,见公式(1)。z(f)=[z1(f),z2(f)…,zL(f)]T,对应于X(f)分段所得的L=2L0+1长度的向量,表示了对X(f)不同的偏移量
zi(f)=X(f+(i-L0-1)fp),1≤i≤L(3)
矩阵A对应公式(2)的M×L(M<L)的观测矩阵。
通过对压缩采样得到的信号进行处理,进而判断有没有信号存在。由此可见,这是一个二元假设检验问题,建立检验模型如下:
式中,si(n)表示被第i路信道接收到的信号;ηi(n)表示均值为零、方差为σ2的独立同分布加性高斯白噪声;yi(n)表示第i路采样得到的信号。
M路采样得到的信号构成一个矩阵Y=[y1,y2,…,yM]T,同理可得S=[s1,s2,…,sM]T,Ι=[η1,η2,…,ηM]T。其中yi(i=1,2,…,M)表示第i路采样N次得到的信号向量。因此,Y可以用一个M×N维的矩阵来表示:
步骤三:计算采样矩阵的协方差矩阵。S=[s1,s2,…,sM]T与Ι=[η1,η2,…,ηM]T相互独立成立时,考虑M路接收信号的采样协方差矩阵Ry=E[YYH],其中,Rs=E[SSH],则:Ry=Rs+σ2IM。对Ry进行特征值分解可得到它的M个特征值,表示为λi(i=1,2,…,M),则:
λ1≥λ2≥…≥λD≥λD+1=…=λM=σ2(6)
而在实际情况中,由于无法准确计算Ry,所以只能采用有限采样点数来估计协方差矩阵即:
这里,H表示共轭转置变换。
步骤四:求取协方差矩阵的特征值并归一化处理。对进行特征值分解可得到它的M个特征值,表示为则:
理想情况下,假设H0成立时,s(n)不存在,即Rs=0,则Ry=σ2IM;假设H1成立时,即Rs≠0。令Ry的最大最小特征值分别为λmax和λmin,Rs的最大最小特征值分别为ρmax和ρmin,容易得出λmax=ρmax+σ2以及λmin=ρmin+σ2。显然,H0成立时,λmax=λmin=σ2,H1成立时,λmax>σ2=λmin。但是,在非理想情况下,即使是对纯噪声采样,其协方差矩阵的特征值也不可能精确的相等,只是近似分布在一条直线附近。而当假设H1成立时,时,特征值分布偏离很大。也就是说,H0和H1两种情形时,的特征值分布的差异为信号检测提供了一条解决思路,即通过求采样数据的取特征值的直线拟合度(相关系数)来进行信号检测。
图3给出了信号存在与不存在时采样路数M=50时协方差矩阵特征值归一化后的分布。
其中,为特征值的幅度大小,Μ=[μ1,μ2,…,μM]为归一化后特征值幅度大小。
步骤五:计算归一化特征值的相关系数。从图3中可以看出,当信号不存在时,特征值分不大致是一条直线,而存在信号时,特征值得分布偏离很大,因此可以根据特征值分布与直线的拟合度作为信号检测的基础。
特征值并从小到大排列后,以特征值的序号υi=i,i=1,2,…,M和归一化后的相对幅度大小Μ=[μ1,μ2,…,μM]为变量,由公式(10)计算其相关系数:
步骤六:依据求得的相关系数以及阈值判断信号存在还是不存在。其中,r∈[-1,1]。由于特征值经过从小到大排列的处理,所以这里r∈[0,1]。根据上文分析,当采样数据中只包含噪声,即假设H0成立时,s(n)不存在,相关系数r是越接近1的一个数值;当采样数据中有我们感兴趣的信号,假设H1成立时,s(n)≠0,此时相关系数r是一个偏离1较大的数值。现实中,采样数据不可能无穷大,所以判决的阈值只是一个接近于1的数值。这里我们根据***的先验条件及检验需求通过使用大量的蒙特卡洛模拟试验方法选择。
下面给出典型的仿真结果,以验证本发明的可行性。仿真所用信号为LFM信号。设待检测信号中心频率fc=50MHz,带宽B=50MHz,奈奎斯特率fNYQ=10GHz。MWC参数设置为M=50,随机序列周期频率为fp=1/Tp,根据压缩采样理论,需要保证fp≥B,周期的伪随机序列采用二值的±1的Bernoulli随机序列来完成,其序列长度为Mp=195,则噪声为高斯白噪声(AWGN)环境下。H1和H0情况下出现的先验概率满足Pr(H0)=Pr(H1)=1/2,检测成功率为1000次检测实验的统计结果。图4是在相同的采样路数下,不同信噪比情况下的实验仿真得出的检测成功的概率。令采样路数M=50,信噪比变化范围为[-15,15]dB,步进为1。实验结果如图4所示,从图中我们可以看出,在M=50时,在信噪比低至-8dB时依然有90%以上的检测成功率。这也验证了本方法的有效性。同时,考察在采样路数不同情况下,不同信噪比下的检测成功率的情况。在图5中,令MWC机构的采样路数分别为M=30、40、50三种不同情况下的实验结果。从图中我们可以看出,采样路数影响着信号检测的性能,即随着采样路数的增加,相应的检测性能也随之增加。
Claims (1)
1.基于调制宽带转换器的压缩采样信号检测方法,其特征在于,包括如下步骤:
(1)参数设置:设MWC结构有M路并行采样信道,每路的取样点数为N,低通滤波器截止频率为fp,ADC采样频率为fs,且fs≥fp;信号为宽带稀疏信号,其带宽为B;MWC使用扩频的原理进行混频,使每个频带都叠加在基带低频范围内,在后来的低速ADC采样中获得信号所有频带的信息;
(2)信号进入具有M个并行的信道的MWC结构进行处理;在第i个信道,x(n)与周期为Tp的伪随机序列pi(n)相乘混频,得到非带限的值混频后的信号经过一个截止频率为1/2Ts的低通滤波器,使用采样率为fs=1/Ts的ADC得到M组低速数字采样序列yi(n);构造MWC采样***需要配置的参数包括:伪随机序列pi(n)、通道数M和采样率fs;
选定fs≥fp,yi(n)就包含了原始信号的所有频率成分,通过对采样得到的信息序列yi(n)做DTFT分析,得到观测序列与原始信号的对应关系:
其中ci,l为pi(t)的傅里叶级数的系数,L0=[(fNYQ+fs)/2fp]-1,fNYQ为奈奎斯特采样率;MWC第i通道采样后的信号频谱是原信号频谱X(f)以fp为步长的移位、截断、加权、求和的结果;
y(f)=Az(f),f∈Fs
其中,y(f)=[y1(f),y2(f),…,yM(f)]T,
z(f)=[z1(f),z2(f)…,zL(f)]T,对应于X(f)分段所得的L=2L0+1长度的向量,表示对X(f)不同的偏移量
zi(f)=X(f+(i-L0-1)fp),1≤i≤L
矩阵A对应的M×L(M<L)的观测矩阵;
通过对压缩采样得到的信号进行处理,进而判断有没有信号存在:
式中,si(n)表示被第i路信道接收到的信号;ηi(n)表示均值为零、方差为σ2的独立同分布加性高斯白噪声;yi(n)表示第i路采样得到的信号;
M路采样得到的信号构成一个矩阵Y=[y1,y2,…,yM]T,S=[s1,s2,…,sM]T,Ι=[η1,η2,…,ηM]T;其中yi(i=1,2,…,M)表示第i路采样N次得到的信号向量;Y用一个M×N维的矩阵来表示:
(3)计算采样矩阵的协方差矩阵;S=[s1,s2,…,sM]T与Ι=[η1,η2,…,ηM]T相互独立成立时,考虑M路接收信号的采样协方差矩阵Ry=E[YYH],其中,Rs=E[SSH],则:Ry=Rs+σ2IM;对Ry进行特征值分解可得到它的M个特征值,表示为λi(i=1,2,…,M),则:
λ1≥λ2≥…≥λD≥λD+1=…=λM=σ2
采用有限采样点数来估计协方差矩阵
H表示共轭转置变换;
(4)求取协方差矩阵的特征值并归一化处理;对进行特征值分解得到M个特征值,表示为 则:
(5)计算归一化特征值的相关系数;特征值从小到大排列后,以特征值的序号υi=i,i=1,2,…,M和归一化后的相对幅度大小Μ=[μ1,μ2,…,μM]为变量,计算其相关系数:
(6)依据求得的相关系数以及阈值判断信号是否存在;r∈[0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884117.5A CN105515695B (zh) | 2015-12-04 | 2015-12-04 | 基于调制宽带转换器的压缩采样信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884117.5A CN105515695B (zh) | 2015-12-04 | 2015-12-04 | 基于调制宽带转换器的压缩采样信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105515695A true CN105515695A (zh) | 2016-04-20 |
CN105515695B CN105515695B (zh) | 2017-12-19 |
Family
ID=55723398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510884117.5A Active CN105515695B (zh) | 2015-12-04 | 2015-12-04 | 基于调制宽带转换器的压缩采样信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105515695B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025462A (zh) * | 2017-04-01 | 2017-08-08 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN107634768A (zh) * | 2017-09-11 | 2018-01-26 | 哈尔滨工程大学 | 一种基于fpga的mwc压缩采样宽带数字接收机pdw形成方法 |
CN108418660A (zh) * | 2018-02-13 | 2018-08-17 | 桂林电子科技大学 | 一种低信噪比环境中提高特征值信号检测灵敏度的方法 |
CN109120266A (zh) * | 2018-09-05 | 2019-01-01 | 四川大学 | 一种用于dmwc的高效测量矩阵相移校准方法 |
CN109586728A (zh) * | 2018-12-11 | 2019-04-05 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN110275142A (zh) * | 2019-05-16 | 2019-09-24 | 中国人民解放军63921部队 | 一种宽带雷达直采数据预处理方法 |
CN110943954A (zh) * | 2019-11-28 | 2020-03-31 | 北京理工大学 | 基于贪婪算法的调制宽带转换器混频序列优化方法 |
CN112346392A (zh) * | 2021-01-07 | 2021-02-09 | 江苏永鼎通信有限公司 | 5g超带宽高速信号的并行滤波方法、***及装置 |
CN113238244A (zh) * | 2021-05-24 | 2021-08-10 | 哈尔滨理工大学 | 一种fmcw激光测距差拍信号频率估计方法及*** |
CN114363128A (zh) * | 2022-01-05 | 2022-04-15 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的宽带信号检测方法 |
CN115412110A (zh) * | 2022-07-12 | 2022-11-29 | 北京中科睿谱科技有限公司 | 一种基于压缩感知的融合接收机 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
CN103856972A (zh) * | 2012-11-30 | 2014-06-11 | 上海贝尔股份有限公司 | 宽带频谱感知方法和装置及相应的用户设备和基站 |
US20140160883A1 (en) * | 2012-12-06 | 2014-06-12 | Technion Research & Development Foundation Ltd. | Frequency-domain beamforming |
CN104124976A (zh) * | 2014-07-24 | 2014-10-29 | 福州大学 | 有限新息率信号结构化亚奈奎斯特率采样方法 |
CN104270234A (zh) * | 2014-09-12 | 2015-01-07 | 中国科学院上海微***与信息技术研究所 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
CN104660266A (zh) * | 2015-03-16 | 2015-05-27 | 哈尔滨工业大学 | 基于离散混沌序列的伪随机观测矩阵的mwc欠采样方法 |
CN104734791A (zh) * | 2015-04-22 | 2015-06-24 | 哈尔滨工业大学 | 基于fri的稀疏多频带信号频谱定位方法 |
CN104901708A (zh) * | 2015-01-30 | 2015-09-09 | 哈尔滨工程大学 | 一种压缩采样的宽带数字接收机及其信号处理方法 |
-
2015
- 2015-12-04 CN CN201510884117.5A patent/CN105515695B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103856972A (zh) * | 2012-11-30 | 2014-06-11 | 上海贝尔股份有限公司 | 宽带频谱感知方法和装置及相应的用户设备和基站 |
US20140160883A1 (en) * | 2012-12-06 | 2014-06-12 | Technion Research & Development Foundation Ltd. | Frequency-domain beamforming |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
CN104124976A (zh) * | 2014-07-24 | 2014-10-29 | 福州大学 | 有限新息率信号结构化亚奈奎斯特率采样方法 |
CN104270234A (zh) * | 2014-09-12 | 2015-01-07 | 中国科学院上海微***与信息技术研究所 | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 |
CN104901708A (zh) * | 2015-01-30 | 2015-09-09 | 哈尔滨工程大学 | 一种压缩采样的宽带数字接收机及其信号处理方法 |
CN104660266A (zh) * | 2015-03-16 | 2015-05-27 | 哈尔滨工业大学 | 基于离散混沌序列的伪随机观测矩阵的mwc欠采样方法 |
CN104734791A (zh) * | 2015-04-22 | 2015-06-24 | 哈尔滨工业大学 | 基于fri的稀疏多频带信号频谱定位方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025462A (zh) * | 2017-04-01 | 2017-08-08 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN107025462B (zh) * | 2017-04-01 | 2019-12-06 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN107634768A (zh) * | 2017-09-11 | 2018-01-26 | 哈尔滨工程大学 | 一种基于fpga的mwc压缩采样宽带数字接收机pdw形成方法 |
CN107634768B (zh) * | 2017-09-11 | 2020-02-14 | 哈尔滨工程大学 | 一种基于fpga的mwc压缩采样宽带数字接收机pdw形成方法 |
CN108418660B (zh) * | 2018-02-13 | 2020-11-06 | 桂林电子科技大学 | 一种低信噪比环境中提高特征值信号检测灵敏度的方法 |
CN108418660A (zh) * | 2018-02-13 | 2018-08-17 | 桂林电子科技大学 | 一种低信噪比环境中提高特征值信号检测灵敏度的方法 |
CN109120266A (zh) * | 2018-09-05 | 2019-01-01 | 四川大学 | 一种用于dmwc的高效测量矩阵相移校准方法 |
CN109586728A (zh) * | 2018-12-11 | 2019-04-05 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN109586728B (zh) * | 2018-12-11 | 2022-10-25 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN110275142A (zh) * | 2019-05-16 | 2019-09-24 | 中国人民解放军63921部队 | 一种宽带雷达直采数据预处理方法 |
CN110275142B (zh) * | 2019-05-16 | 2021-04-13 | 中国人民解放军63921部队 | 一种宽带雷达直采数据预处理方法 |
CN110943954B (zh) * | 2019-11-28 | 2020-10-23 | 北京理工大学 | 基于贪婪算法的调制宽带转换器混频序列优化方法 |
CN110943954A (zh) * | 2019-11-28 | 2020-03-31 | 北京理工大学 | 基于贪婪算法的调制宽带转换器混频序列优化方法 |
CN112346392A (zh) * | 2021-01-07 | 2021-02-09 | 江苏永鼎通信有限公司 | 5g超带宽高速信号的并行滤波方法、***及装置 |
CN113238244A (zh) * | 2021-05-24 | 2021-08-10 | 哈尔滨理工大学 | 一种fmcw激光测距差拍信号频率估计方法及*** |
CN113238244B (zh) * | 2021-05-24 | 2022-05-27 | 哈尔滨理工大学 | 一种fmcw激光测距差拍信号频率估计方法及*** |
CN114363128A (zh) * | 2022-01-05 | 2022-04-15 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的宽带信号检测方法 |
CN114363128B (zh) * | 2022-01-05 | 2023-07-04 | 电子科技大学长三角研究院(湖州) | 一种基于深度学习的宽带信号检测方法 |
GB2617433A (en) * | 2022-01-05 | 2023-10-11 | Yangtze Delta Region Institute Huzhou Univ Of Electronic Science And Technology Of China | Wideband signal detection method based on deep learning |
GB2617433B (en) * | 2022-01-05 | 2024-04-03 | Yangtze Delta Region Institute Huzhou Univ Of Electronic Science And Technology Of China | Wideband signal detection method based on deep learning |
CN115412110A (zh) * | 2022-07-12 | 2022-11-29 | 北京中科睿谱科技有限公司 | 一种基于压缩感知的融合接收机 |
Also Published As
Publication number | Publication date |
---|---|
CN105515695B (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105515695A (zh) | 基于调制宽带转换器的压缩采样信号检测方法 | |
CN103051403B (zh) | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 | |
CN105572649B (zh) | 基于稀疏傅里叶变换的雷达目标检测方法 | |
CN101083471B (zh) | 接收信号频带检测器 | |
CN102364885B (zh) | 一种基于信号频谱包络的频谱感知方法 | |
CN102510363A (zh) | 一种强干扰源环境下的lfm信号检测方法 | |
US9429603B2 (en) | Method and device for detecting aircraft radio signals transmitted in the same channel simultaneously | |
CN105403875B (zh) | 双极化接收雷达的目标检测方法 | |
CN103389492B (zh) | 多通道随机谐波调制采样雷达接收机及其方法 | |
CN103873170B (zh) | 一种在盲稀疏条件下压缩感知的频谱检测方法 | |
CN106909779A (zh) | 基于分布式处理的mimo雷达克拉美罗界计算方法 | |
CN101854219B (zh) | 基于随机共振的能量检测装置及其检测方法 | |
CN106597381A (zh) | 全相参全极化mimo雷达四通道融合目标检测方法 | |
CN104360305A (zh) | 联合压缩感知和信号循环平稳特性的辐射源测向定位方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN106886011A (zh) | 一种反映直达波影响的mimo雷达克拉美罗界计算方法 | |
CN104502905A (zh) | 基于多通道顺序统计的距离扩展目标检测方法 | |
CN102131288A (zh) | 基于超分辨率uwb信号传播时延估计的室内定位方法及*** | |
CN105337636A (zh) | 基于频率拼接的异步跳频信号参数盲估计方法 | |
CN104181508B (zh) | 基于压缩感知的威胁雷达信号检测方法 | |
US9157985B1 (en) | Signal agnostic matched filter parameter estimator | |
Guo et al. | On the capacity of underwater acoustic particle velocity communication channels | |
CN103166887B (zh) | 一种边带调制信号分类的方法及装置 | |
CN102546116A (zh) | 基于压缩感知的跳频信号盲检测方法 | |
CN103856972B (zh) | 宽带频谱感知方法和装置及相应的用户设备和基站 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |