CN112332968B - 一种基于多维特征的短波宽带自动侦察识别与控守方法 - Google Patents

一种基于多维特征的短波宽带自动侦察识别与控守方法 Download PDF

Info

Publication number
CN112332968B
CN112332968B CN202011225342.5A CN202011225342A CN112332968B CN 112332968 B CN112332968 B CN 112332968B CN 202011225342 A CN202011225342 A CN 202011225342A CN 112332968 B CN112332968 B CN 112332968B
Authority
CN
China
Prior art keywords
signal
frequency domain
data
identification
specific
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.)
Active
Application number
CN202011225342.5A
Other languages
English (en)
Other versions
CN112332968A (zh
Inventor
杨健
邢伟宁
刘传文
肖德政
刘杰
田震
侯进永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
32802 Troops Of People's Liberation Army Of China
Original Assignee
32802 Troops Of People's Liberation Army Of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 32802 Troops Of People's Liberation Army Of China filed Critical 32802 Troops Of People's Liberation Army Of China
Priority to CN202011225342.5A priority Critical patent/CN112332968B/zh
Publication of CN112332968A publication Critical patent/CN112332968A/zh
Application granted granted Critical
Publication of CN112332968B publication Critical patent/CN112332968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/02—Channels characterised by the type of signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/10—Frequency-modulated carrier systems, i.e. using frequency-shift keying
    • H04L27/14—Demodulator circuits; Receiver circuits
    • H04L27/144—Demodulator circuits; Receiver circuits with demodulation using spectral properties of the received signal, e.g. by using frequency selective- or frequency sensitive elements
    • H04L27/148—Demodulator circuits; Receiver circuits with demodulation using spectral properties of the received signal, e.g. by using frequency selective- or frequency sensitive elements using filters, including PLL-type filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • H04L5/1438—Negotiation of transmission parameters prior to communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种基于多维特征的短波宽带自动侦察识别与控守方法，利用高分辨率频谱信息，结合时域特征，实现宽带频谱下的多种特定信号的快速识别与检测。本发明首先接收预设帧长的原始频域数据，存入滑动窗存储空间内；对获得的原始频域数据进行第一级快速捕获和分类，得到当前状态下信号类型个数和信号的频域分类；按照类别将原始频域信号进行拆分，得到若干个独立的单一类型的频域信号数据；对每个独立的单一类型的频域信号数据进行第二级精细特征识别，对符合特定特征指标的频域信号进行判定，返回识别结果。本发明具有信号检测时间短，计算量小，易于工程实现，可以工程应用并形成宽带特定信号自动侦察及控守能力的优点。

Description

一种基于多维特征的短波宽带自动侦察识别与控守方法
技术领域
本发明涉及短波宽带信号识别领域，尤其涉及一种基于多维特征的短波宽带自动侦察识别与控守方法。
背景技术
目前，由于短波信道环境下信号样式种类繁多、信号经短波信道传输存在多径衰落等干扰，多种信号夹杂后，截获的信号失真更加严重，难以满足现代侦察***对特定信号宽带侦察识别的需求。
此外，传统的短波侦察识别，都是针对某一类短波信号，采用窄带方式进行识别。一个信道或固定一个设备，专门用于识别一种信号，这种方式效率极低，设备使用量大，还会造成识别效率低，无法完成单设备快速同时识别。
发明内容
为解决现有短波信号侦察识别方法效率低和适用范围受限、无法宽带侦察识别的问题，本发明提供了一种同时针对多种短波信号的、通用的宽带自动检测识别算法，本发明利用高分辨率频谱信息，结合时域特征，实现宽带频谱下的多种特定信号的快速识别与检测，能够同时完成多种特定信号的自动检测与识别。
本发明针对短波频段，利用高分辨率频谱细微特征，结合时域信息，实现特定信号的快速识别与检测，利用频谱带宽、导频、突发周期间隔等信息，识别出多种类型信号。
一种基于多维特征的短波宽带自动侦察识别与控守方法，包括以下步骤：
S1，接收预设帧长的原始频域数据，存入滑动窗存储空间内，并实时更新滑动窗存储空间内的频谱数据；
S2，对步骤S1获得的滑动窗内的原始频域数据进行第一级快速捕获和分类，得到当前状态下信号类型个数和信号的频域分类；
S3，根据第一级快速捕获和分类结果，按照类别将原始频域信号进行拆分，得到若干个独立的单一类型的频域信号数据；
S4，对每个独立的单一类型的频域信号数据进行第二级精细特征识别，对符合特定特征指标的频域信号进行判定，返回识别结果。
步骤S1中所述的接收预设帧长的原始频域数据，具体为：设定信号频谱分辨率不低于特定分辨率，设定采样信号的载频涵盖整个短波频段。
步骤S2中所述的第一级快速捕获和分类，具体为：对存入滑动窗存储空间的频谱数据进行平均处理，得到累积频谱数据；计算累积频谱数据的噪底；利用累积频谱和噪底信息，完成信号检测，获得信号个数、频点、带宽、信噪比、幅度信息；对滑动窗存储空间的频谱数据，进行突发信号检测，得到累积脉冲周期参数；
所述的突发信号检测，是在频域对频谱尖峰值进行检测，判断依据为频谱尖峰值大于预设门限，且尖峰谱线的值比其左右两侧预设间隔的频谱谱线之差或比值高于预设阈值，同时符合上述两条件的脉冲信号则累积计数一次，在滑动窗滑动过程中持续进行检测，对符合条件的脉冲记录其发生时间点，通过时间点之差得到脉冲周期参数。
所述的计算累积频谱数据的噪底，具体为：
S201，对累积频谱x进行开环运算，再对开环运算结果进行闭环运算，得到处理结果xco；
S202，对累积频谱x进行闭环运算，再对闭环运算结果进行开环运算，得到处理结果xoc；
S203，对步骤S201和步骤S202的处理结果进行平均运算，xmean＝(xco+xoc)/2；
S204，对xmean进行两次开环运算，得到当前频谱数据的噪底xoo；
开环计算是指计算结果不参与反馈迭代，闭环计算是指计算结果参与反馈迭代。
所述的开环运算，其计算公式为：
Figure GDA0003114180030000031
其中mk表示第k帧滑动窗数据的开环计算结果，di为开环计算权值系数，xi为滑动窗内第i个累积频谱值，M为滑动窗长。
所述的闭环运算，其计算公式为：
Figure GDA0003114180030000032
其中mi为时间上最接近的第i帧滑动窗数据的开环计算结果，cj为闭环计算权值系数，nj为i帧之前的第j帧闭环运算的结果，经过对所有滑动窗数据进行滑动计算，最终的闭环运算结果即为xco。
所述的利用累积频谱和噪底信息，完成信号检测，具体为：
S211，将累积频谱x与噪底xoo比较，将高于噪底检测门限minSigThd之上的谱线检出，其中检测门限minSigThd根据任务需求设定；
S212，根据最小信号间隔minSigDist，对步骤S211检测出的谱线进行合并处理，其中检测门限minSigDist根据任务需求设定；
所述的合并处理，是指对时间间隔低于minSigDist的多个谱线，认为其归属同一个体制信号，多个谱线中取最大值的谱线或将多个谱线求和。
S213，对步骤S212检测出的信号，计算其频点、带宽、信噪比、幅度信息，并统计出信号个数。采样速率为fs，经N点傅里叶变换得到的频域信号的频点值遵循[-fs/2:fs/N:fs/2-fs/N]的步进规律，通过计算谱线位置得到频点信息，通过计算相同体制的信号的终止谱线的频点与其起始谱线频点的差值，得到信号带宽，计算检出信号的谱线功率与底噪功率的差值，将该差值与底噪之比作为信噪比，幅度信息是信号谱线的频域幅度值。
步骤S4中所述的第二级精细特征识别，对于多音特征的多载波调制传输体制通信信号，具体为：
S401，首先检测出信号带宽满足特定区间范围的信号；
S402，信号频谱存在特定数量的谱线，且谱线左或右等间隔特定频率处存在特定带宽的信号；
S403，检测出同时满足步骤S401和S402中条件的信号。
步骤S4中所述的第二级精细特征识别，对于窄带脉冲传输体制通信信号，具体为：
S411，首先检测出信号带宽小于特定阈值的信号；
S412，信号存在脉冲周期；
S413，检测出同时满足步骤S411和S412中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音调制半双工传输体制通信信号，具体为：
S421，首先检测出信号带宽满足特定区间范围的信号；
S422，信号频谱存在特定数量的谱线，且谱线间距为特定值；
S423，信号存在脉冲周期，且脉冲周期为特定值；
S424，检测出同时满足步骤S421、S422和S423中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音调制全双工传输体制通信信号，具体为：
S431，首先检测出信号带宽满足特定区间范围的信号；
S432，信号存在脉冲周期，脉冲周期为特定值；
S433，检测出同时满足步骤S431和S432中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音移频键控传输体制通信信号，具体为：
S441，首先检出信号带宽满足特定区间范围的信号；
S442，信号频谱上存在特定数量个包络；
S443，检测出同时满足步骤S441和S442中条件的信号。
步骤S4中所述的返回识别结果，具体为：对识别结果进行上报，识别结果包括特定信号样式、频率、信噪比、幅度信息等。
本发明的有益效果为：
1)本发明可在大量的监测频谱信号中快速检测出特定信号，并在频域实现特定信号的检测，信号检测时间短，计算量小，易于工程实现，可以工程应用并形成宽带特定信号自动侦察及控守能力；
2)本发明改变了原有方法仅能从能量、方位和带宽参数搜索信号，利用信号的多维参数和协议特征来实现信号自动宽带搜索，解决在复杂电磁环境下找信号难的问题；利用形态滤波方法实现自适应门限的信号检测，完成宽开信道下信号的可靠检测；利用特定信号类型检测实现对重点目标信号的自动引导和控守并形成目标态势，同时对侦察结果进行同步记录。
附图说明
图1是本发明的基于多维特征的短波宽带自动侦察识别与控守方法的流程图；
图2是频谱噪底计算处理流程图；
图3是宽带信号检测处理流程图。
具体实施方式
为了更好的了解本发明内容，这里给出一个实施例。
一种基于多维特征的短波宽带自动侦察识别与控守方法，图1是本发明的基于多维特征的短波宽带自动侦察识别与控守方法的流程图，本发明包括以下步骤：
S1，接收预设帧长的原始频域数据，存入滑动窗存储空间内，并实时更新滑动窗存储空间内的频谱数据；
S2，对步骤S1获得的滑动窗内的原始频域数据进行第一级快速捕获和分类，得到当前状态下信号类型个数和信号的频域分类；
S3，根据第一级快速捕获和分类结果，按照类别将原始频域信号进行拆分，得到若干个独立的单一类型的频域信号数据；
S4，对每个独立的单一类型的频域信号数据进行第二级精细特征识别，对符合特定特征指标的频域信号进行判定，返回识别结果。
步骤S1中所述的接收预设帧长的原始频域数据，具体为：设定信号频谱分辨率不低于特定分辨率，设定采样信号的载频涵盖整个短波频段。
步骤S2中所述的第一级快速捕获和分类，具体为：对存入滑动窗存储空间的频谱数据进行平均处理，得到累积频谱数据；计算累积频谱数据的噪底；利用累积频谱和噪底信息，完成信号检测，获得信号个数、频点、带宽、信噪比、幅度信息；对滑动窗存储空间的频谱数据，进行突发信号检测，得到累积脉冲周期参数；
所述的突发信号检测，是在频域对频谱尖峰值进行检测，判断依据为频谱尖峰值大于预设门限，且尖峰谱线的值比其左右两侧预设间隔的频谱谱线之差或比值高于预设阈值，同时符合上述两条件的脉冲信号则累积计数一次，在滑动窗滑动过程中持续进行检测，对符合条件的脉冲记录其发生时间点，通过时间点之差得到脉冲周期参数。
所述的计算累积频谱数据的噪底，图2是频谱噪底计算处理流程图，具体为：
S201，对累积频谱x进行开环运算，再对开环运算结果进行闭环运算，得到处理结果xco；
S202，对累积频谱x进行闭环运算，再对闭环运算结果进行开环运算，得到处理结果xoc；
S203，对步骤S201和步骤S202的处理结果进行平均运算，xmean＝(xco+xoc)/2；
S204，对xmean进行两次开环运算，得到当前频谱数据的噪底xoo；
开环计算是指计算结果不参与反馈迭代，闭环计算是指计算结果参与反馈迭代。
所述的开环运算，其计算公式为：
Figure GDA0003114180030000061
其中mk表示第k帧滑动窗数据的开环计算结果，di为开环计算权值系数，xi为滑动窗内第i个累积频谱值，M为滑动窗长。
所述的闭环运算，其计算公式为：
Figure GDA0003114180030000062
其中mi为时间上最接近的第i帧滑动窗数据的开环计算结果，cj为闭环计算权值系数，nj为i帧之前的第j帧闭环运算的结果，经过对所有滑动窗数据进行滑动计算，最终的闭环运算结果即为xco。
所述的利用累积频谱和噪底信息，完成信号检测，具体为：
S211，将累积频谱x与噪底xoo比较，将高于噪底检测门限minSigThd之上的谱线检出，其中检测门限minSigThd根据任务需求设定；
S212，根据最小信号间隔minSigDist，对步骤S211检测出的谱线进行合并处理，其中检测门限minSigDist根据任务需求设定；
所述的合并处理，是指对时间间隔低于minSigDist的多个谱线，认为其归属同一个体制信号，多个谱线中取最大值的谱线或将多个谱线求和。
S213，对步骤S212检测出的信号，计算其频点、带宽、信噪比、幅度信息，并统计出信号个数。采样速率为fs，经N点傅里叶变换得到的频域信号的频点值遵循[-fs/2:fs/N:fs/2-fs/N]的步进规律，通过计算谱线位置得到频点信息，通过计算相同体制的信号的终止谱线的频点与其起始谱线频点的差值，得到信号带宽，计算检出信号的谱线功率与底噪功率的差值，将该差值与底噪之比作为信噪比，幅度信息是信号谱线的频域幅度值。
图3是宽带信号检测处理流程图。步骤S4中所述的第二级精细特征识别，对于多音特征的多载波调制传输通信体制通信信号，具体为：
S401，首先检测出信号带宽满足特定区间范围的信号；
S402，信号频谱存在一定数量的谱线，且谱线左或右等间隔特定频率处存在特定带宽的信号；
S403，检测出同时满足步骤S401和S402中条件的信号。
步骤S4中所述的第二级精细特征识别，对于窄带脉冲传输体制通信信号，具体为：
S411，首先检测出信号带宽小于特定阈值的信号；
S412，信号存在脉冲周期；
S413，检测出同时满足步骤S411和S412中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音调制半双工传输体制通信信号，具体为：
S421，首先检测出信号带宽满足特定区间范围的信号；
S422，信号频谱存在特定数量的谱线，且谱线间距为特定值；
S423，信号存在脉冲周期，且脉冲周期为特定值；
S424，检测出同时满足步骤S421、S422和S423中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音调制全双工传输体制通信信号，具体为：
S431，首先检测出信号带宽满足特定区间范围的信号；
S432，信号存在脉冲周期，脉冲周期为特定值；
S433，检测出同时满足步骤S431和S432中条件的信号。
步骤S4中所述的第二级精细特征识别，对于多音移频键控传输体制通信信号，具体为：
S441，首先检测出信号带宽满足特定区间范围的信号；
S442，信号频谱上存在特定数量个包络；
S443，检测出同时满足步骤S441和S442中条件的信号。
步骤S4中所述的返回识别结果，具体为：对识别结果进行上报，识别结果包括特定信号样式、频率、信噪比、幅度信息等。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，包括以下步骤：
S1，接收预设帧长的原始频域数据，存入滑动窗存储空间内，并实时更新滑动窗存储空间内的频谱数据；
S2，对步骤S1获得的滑动窗内的原始频域数据进行第一级快速捕获和分类，得到当前状态下信号类型个数和信号的频域分类；
S3，根据第一级快速捕获和分类结果，按照类别将原始频域信号进行拆分，得到若干个独立的单一类型的频域信号数据；
S4，对每个独立的单一类型的频域信号数据进行第二级精细特征识别，对符合特定特征指标的频域信号进行判定，返回识别结果；
步骤S1中所述的接收预设帧长的原始频域数据，具体为：设定信号频谱分辨率不低于特定分辨率，设定采样信号的载频涵盖整个短波频段；
步骤S2中所述的第一级快速捕获和分类，具体为：对存入滑动窗存储空间的频谱数据进行平均处理，得到累积频谱数据；计算累积频谱数据的噪底；利用累积频谱和噪底信息，完成信号检测，获得信号个数、频点、带宽、信噪比、幅度信息；对滑动窗存储空间的频谱数据，进行突发信号检测，得到累积脉冲周期参数；
所述的突发信号检测，是在频域对频谱尖峰值进行检测，判断依据为频谱尖峰值大于预设门限，且尖峰谱线的值比其左右两侧预设间隔的频谱谱线之差或比值高于预设阈值，同时符合上述两条件的脉冲信号则累积计数一次，在滑动窗滑动过程中持续进行检测，对符合条件的脉冲记录其发生时间点，通过时间点之差得到脉冲周期参数；
所述的计算累积频谱数据的噪底，具体为：
S201，对累积频谱x进行开环运算，再对开环运算结果进行闭环运算，得到处理结果xco；
S202，对累积频谱x进行闭环运算，再对闭环运算结果进行开环运算，得到处理结果xoc；
S203，对步骤S201和步骤S202的处理结果进行平均运算，xmean＝(xco+xoc)/2；
S204，对xmean进行两次开环运算，得到当前频谱数据的噪底xoo；
所述的开环运算，其计算公式为：
Figure FDA0003114180020000021
其中mk表示第k帧滑动窗数据的开环计算结果，di为开环计算权值系数，xi为滑动窗内第i个累积频谱值，M为滑动窗长；
所述的闭环运算，其计算公式为：
Figure FDA0003114180020000022
其中mi为时间上最接近的第i帧滑动窗数据的开环计算结果，cj为闭环计算权值系数，nj为i帧之前的第j帧闭环运算的结果，经过对所有滑动窗数据进行滑动计算，最终的闭环运算结果即为xco。
2.一种如权利要求1所述的基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，所述的利用累积频谱和噪底信息，完成信号检测，具体为：
S211，将累积频谱x与噪底xoo比较，将高于噪底检测门限minSigThd之上的谱线检出，其中检测门限minSigThd根据任务需求设定；
S212，根据最小信号间隔minSigDist，对步骤S211检测出的谱线进行合并处理，其中检测门限minSigDist根据任务需求设定；
所述的合并处理，是指对时间间隔低于minSigDist的多个谱线，认为其归属同一个体制信号，多个谱线中取最大值的谱线或将多个谱线求和；
S213，对步骤S212检测出的信号，计算其频点、带宽、信噪比、幅度信息，并统计出信号个数；采样速率为fs，经N点傅里叶变换得到的频域信号的频点值遵循[-fs/2:fs/N:fs/2-fs/N]的步进规律，通过计算谱线位置得到频点信息，通过计算相同体制的信号的终止谱线的频点与其起始谱线频点的差值，得到信号带宽，计算检出信号的谱线功率与底噪功率的差值，将该差值与底噪之比作为信噪比，幅度信息是信号谱线的频域幅度值。
3.一种如权利要求1所述的基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，步骤S4中所述的第二级精细特征识别，对于多音特征的多载波调制传输体制通信信号，具体为：
S401，首先检测出信号带宽满足特定区间范围的信号；
S402，信号频谱存在特定数量的谱线，且谱线左或右间隔特定频率处存在特定带宽的信号；
S403，检测出同时满足步骤S401和S402中条件的信号。
4.一种如权利要求1所述的基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，步骤S4中所述的第二级精细特征识别，对于窄带脉冲传输体制通信信号，具体为：
S411，首先检测出信号带宽小于特定阈值的信号；
S412，信号存在脉冲周期；
S413，检测出同时满足步骤S411和S412中条件的信号。
5.一种如权利要求1所述的基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，步骤S4中所述的第二级精细特征识别，对于多音调制半双工传输体制通信信号，具体为：
S421，首先检测出信号带宽满足特定区间范围的信号；
S422，信号频谱存在特定数量的谱线，且谱线间距为特定值；
S423，信号存在脉冲周期，且脉冲周期为特定值；
S424，检测出同时满足步骤S421、S422和S423中条件的信号。
6.一种如权利要求1所述的基于多维特征的短波宽带自动侦察识别与控守方法，其特征在于，步骤S4中所述的第二级精细特征识别，对于多音调制全双工传输体制通信信号，具体为：
S431，首先检测出信号带宽满足特定区间范围的信号；
S432，信号存在脉冲周期，脉冲周期为特定值；
S433，检测出同时满足步骤S431和S432中条件的信号。
CN202011225342.5A 2020-11-05 2020-11-05 一种基于多维特征的短波宽带自动侦察识别与控守方法 Active CN112332968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011225342.5A CN112332968B (zh) 2020-11-05 2020-11-05 一种基于多维特征的短波宽带自动侦察识别与控守方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011225342.5A CN112332968B (zh) 2020-11-05 2020-11-05 一种基于多维特征的短波宽带自动侦察识别与控守方法

Publications (2)

Publication Number Publication Date
CN112332968A CN112332968A (zh) 2021-02-05
CN112332968B true CN112332968B (zh) 2021-07-20

Family

ID=74316977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011225342.5A Active CN112332968B (zh) 2020-11-05 2020-11-05 一种基于多维特征的短波宽带自动侦察识别与控守方法

Country Status (1)

Country Link
CN (1) CN112332968B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113746774B (zh) * 2021-11-08 2021-12-28 成都星联芯通科技有限公司 一种信号获取方法、装置、设备及存储介质
CN116975747B (zh) * 2023-07-18 2024-02-27 中国人民解放军军事科学院***工程研究院 一种无线电信号引信快速侦收分选方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162531A (zh) * 2015-08-14 2015-12-16 成都中安频谱科技有限公司 一种超短波宽带监测***及方法
CN105207965A (zh) * 2015-08-14 2015-12-30 成都中安频谱科技有限公司 一种vhf/uhf频段的调制自动识别方法
CN109981186A (zh) * 2019-04-10 2019-07-05 成都华日通讯技术有限公司 超短波全频段信号分选方法
CN111814777A (zh) * 2020-09-15 2020-10-23 湖南国科锐承电子科技有限公司 一种基于特征量分级的调制样式识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101221706B1 (ko) * 2006-01-25 2013-01-11 삼성전자주식회사 고속 패킷 데이터 시스템의 순방향 링크에서 다중 입력 다중 출력 기술을 지원하는 송수신 장치 및 방법
CN110048977B (zh) * 2019-03-14 2022-03-01 中国人民解放军战略支援部队信息工程大学 基于灰度共生矩阵纹理特征检测的短波信号体制识别方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162531A (zh) * 2015-08-14 2015-12-16 成都中安频谱科技有限公司 一种超短波宽带监测***及方法
CN105207965A (zh) * 2015-08-14 2015-12-30 成都中安频谱科技有限公司 一种vhf/uhf频段的调制自动识别方法
CN109981186A (zh) * 2019-04-10 2019-07-05 成都华日通讯技术有限公司 超短波全频段信号分选方法
CN111814777A (zh) * 2020-09-15 2020-10-23 湖南国科锐承电子科技有限公司 一种基于特征量分级的调制样式识别方法

Also Published As

Publication number Publication date
CN112332968A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112332968B (zh) 一种基于多维特征的短波宽带自动侦察识别与控守方法
Quan et al. Optimal spectral feature detection for spectrum sensing at very low SNR
CN104931939B (zh) 一种基于假目标特征的弹载转发式干扰抑制方法
CN105959246B (zh) 一种抗干扰方法
CN105785330B (zh) 一种认知型副瓣干扰抑制方法
CN111510255B (zh) 基于宽带频谱数据的跳频信号盲检测及参数估计方法
WO2021135390A1 (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN114114194A (zh) 一种相控阵雷达主瓣干扰识别方法
CN116299408B (zh) 一种多雷达自主协同探测***及探测方法
CN108322277A (zh) 一种基于协方差矩阵反特征值的频谱感知方法
CN106772254A (zh) 改进的基于数字自适应干扰对消的收发隔离方法
Afgani et al. Anomaly detection using the Kullback-Leibler divergence metric
CN108494511A (zh) 一种基于绝对值累积的动态到达频谱感知方法
US8022858B2 (en) Radar detection method and apparatus using the same
Fernandes et al. An adaptive recurrent neural network model dedicated to opportunistic communication in wireless networks
Sibbett et al. Normalized matched filter for blind interference suppression
Bazerque et al. Basis pursuit for spectrum cartography
CN109347580A (zh) 一种已知占空比的自适应门限信号检测方法
Kundargi et al. Sequential pilot sensing of ATSC signals in IEEE 802.22 cognitive radio networks
CN111342922B (zh) 一种宽频带频谱感知中的快速边界识别方法
CN108900211A (zh) 一种采用相关接收机模板设计抑制超宽带脉冲无线电干扰的方法
Bhagate et al. Maximizing spectrum utilization in cognitive radio network
Guibene et al. A complete framework for spectrum sensing based on spectrum change points detection for wideband signals
Ito et al. High-sensitivity detection method for signals in PhyC-SN
Shabsigh et al. Covert communications in wideband OFDMA primary networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant