CN113702703B - 一种微弱信号检测识别方法及*** - Google Patents
一种微弱信号检测识别方法及*** Download PDFInfo
- Publication number
- CN113702703B CN113702703B CN202110993288.7A CN202110993288A CN113702703B CN 113702703 B CN113702703 B CN 113702703B CN 202110993288 A CN202110993288 A CN 202110993288A CN 113702703 B CN113702703 B CN 113702703B
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- signals
- value
- calculating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000001228 spectrum Methods 0.000 claims abstract description 98
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 48
- 230000000737 periodic effect Effects 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 102100026758 Serine/threonine-protein kinase 16 Human genes 0.000 claims description 28
- 101710184778 Serine/threonine-protein kinase 16 Proteins 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供一种微弱信号检测识别方法及***，进行信道预处理，确定信号的底噪与能量门限值；将接收到的信号进行A/D转换得到相应的序列；下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机；上位机采用循环谱法对信号进行精判断；若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；根据信号的周期图谱对其进行分离与平均功率的估计。本发明采用周期图谱与循环谱相结合的方式，以实现微弱信号的快速检测、准确识别以及易于实现的目的。
Description
技术领域
本发明属于数字信号技术领域，特别是涉及到一种微弱信号检测与识别的方法和***的设计。
背景技术
微弱信号检测是目前信号识别、卫星通信以及电子侦察等多项技术领域的基础与前提；然而，由于存在地形、气候以及通信距离等多项因素的干扰，造成了接收信号的信噪比较低，使得信号检测的虚警概率与漏检概率也大幅度增加，因此，对于低信噪比的微弱信号进行准确的检测与提取已成为当今多个技术领域所要解决的首要问题。
目前，信号检测算法主要分为基于时域的信号检测算法和基于频域的信号检测算法两大类，如图1所示。其中，基于时域的信号检测算法虽然具有算法简单、检测速度快以及硬件易于实现等诸多优势，但是，其抗干扰能力弱、对噪声十分敏感，因此，不适用于检测低信噪比信号。
基于频域的信号检测算法虽然计算较为复杂，但是，其优异的抗噪声性，一直是低信噪比信号检测的不二之选。基于频域的信号检测算法主要有功率谱法和循环谱法两大类，其中，经典功率谱法中的周期图谱法是目前在大噪声背景下首要考虑的信号检测方法，其相对于其它算法具有算法简单且易于实现等优势，但是，对于信号类型以及调制方式的识别存在着一定的不足之处，而且其是一种基于能量的检测算法，其虚报概率也相对较高；而现代功率谱法与循环功率谱法，虽然在信号类型与调制方式的识别方面优于经典功率谱法而且准确率较高，但是，其计算量大、实现困难是制约其发展的主要因素。
因此，设计一种微弱信号检测算法，使其具有准确度高、实现容易以及运算速度快等优势是本发明所要解决的主要问题。
发明内容
本发明提出一种微弱信号检测识别方法及***，采用周期图谱与循环谱相结合的方式，以实现微弱信号的快速检测、准确识别以及易于实现的目的。
为达到上述目的，本发明的技术方案是这样实现的：
一种微弱信号检测识别方法，包括：
S1、信道预处理，确定信号的底噪与能量门限值；
S2、将接收到的信号进行A/D转换得到相应的序列；
S3、下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机；
S4、上位机采用循环谱法对信号进行精判断；
S5、若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；
S6、根据信号的周期图谱对其进行分离与平均功率的估计。
进一步的，步骤S1所述信号的底噪与能量门限值得确定方法包括：
S101、求出接收机处理频带范围内频谱幅值的平均值，记作e；
S102、将平滑处理后的谱和该均值做比较，频谱值小于等于平均值e的值不变，频谱值大于平均值e的将其值改为e并求出新得到的这一组频谱值的均值e1；
S103、将新得到的频谱值和e1做比较，进行同样的操作，直到前后两次的平均值之差小于1.5为止，以此得到信道的底噪d；
S104、判决门限定义为Gate＝C*d，其中C＝1.5～1.7。
进一步的，步骤S3所述采用周期图谱法进行粗判断的步骤具体包括：
S301、将长度为L的信号数据分为段，每个段有M个样本；
S302、使用窗函数对每段数据分别进行加权并确定每段的周期图；
S303、对每段周期图平均化进行功率谱分析。
进一步的，步骤S4所述精判断的具体步骤包括：
S401、接收到的信号A/D转换得到信号序列x[n]，长度为N；
S402、计算信号循环自相关图；
S403、对循环自相关图进行傅立叶变换求得循环周期图；
S404、对循环周期图进行平滑处理，提取其特征谱。
进一步的，步骤S5所述信号的调制方式的具体判断步骤包括：
S501、计算调制信号零中心归一化瞬时幅度之谱密度的最大值γmax，并与设定门限值γmaxl进行比较，若γmax>γmaxl则信号为ASK调制方式，否则为FSK或MPSK调制方式；
S502、若信号判定为FSK或MPSK信号，计算零中心归一化非弱信号段瞬时频率的标准偏差σdf，并与设定门限值σdfl进行比较，若σdf>σdfl则判定为FSK调制方式，否则为MPSK；
S503、若判断信号为MPSK调制方式，再计算特征谱的最大归一化下降值SD，并与设定门限值SDl进行比较；若SD>SDil则为BPSK调制方式，否则为QPSK调制方式。
本发明另一方面还提出了一种微弱信号检测识别***，
包括位于数字信号处理模块的：
预处理模块，用于信道预处理，确定信号的底噪与能量门限值；
转换模块，用于将接收到的信号进行A/D转换得到相应的序列；
粗判断模块，用于下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机；
以及位于上位机的：
精判断模块，用于上位机采用循环谱法对信号进行精判断；
计算模块；用于若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；
分析模块，用于根据信号的周期图谱对其进行分离与平均功率的分析。
进一步的，所述预处理模块包括：
平均值单元，求出接收机处理频带范围内频谱幅值的平均值，记作e；
比较单元，将平滑处理后的谱和该均值做比较，频谱值小于等于平均值e的值不变，频谱值大于平均值e的将其值改为e并求出新得到的这一组频谱值的均值e1；
底噪单元，将新得到的频谱值和e1做比较，进行同样的操作，直到前后两次的平均值之差小于1.5为止，以此得到信道的底噪d；
判决门限单元，将判决门限定义为Gate＝C*d，其中C＝1.5～1.7。
进一步的，所述粗判断模块包括：
分段单元，将长度为L的信号数据分为段，每个段有M个样本；
周期图单元，使用窗函数对每段数据分别进行加权并确定每段的周期图；
功率谱分析单元，对每段周期图平均化进行功率谱分析。
进一步的，所述精判断模块包括：
信号序列单元，接收到的信号A/D转换得到信号序列x[n]，长度为N；
循环自相关图单元，计算信号循环自相关图；
循环周期图单元，对循环自相关图进行傅立叶变换求得循环周期图；
特征谱单元，对循环周期图进行平滑处理，提取其特征谱。
进一步的，所述计算模块包括调制子模块，所述调制子模块包括：
谱密度计算单元，计算调制信号零中心归一化瞬时幅度之谱密度的最大值γmax，并与设定门限值γmaxl进行比较，若γmax>γmaxl则信号为ASK调制方式，否则为FSK或MPSK调制方式；
标准偏差计算单元，若谱密度计算单元将信号判定为FSK或MPSK信号，计算零中心归一化非弱信号段瞬时频率的标准偏差σdf，并与设定门限值σdfl进行比较，若σdf>σdfl则判定为FSK调制方式，否则为MPSK；
下降值计算单元，若标准偏差计算单元判断信号为MPSK调制方式，再计算特征谱的最大归一化下降值SD，并与设定门限值SDl进行比较；若SD>SDil则为BPSK调制方式，否则为QPSK调制方式。
与现有技术相比，本发明具有如下的有益效果：
本发明实现了一种微弱信号快速检测的方法与***，主要采用周期图谱与循环谱相结合的方式，与单纯使用循环谱检测相比，效率得到了明显的提升；同时，也弥补了循环图谱法虚警概率高的不足；此外，还为信号的识别、提取与分析等后续工作奠定了基础。
附图说明
图1是背景技术中的信号检测算法说明图；
图2是本发明实施例的改进周期图谱法流程图；
图3(a)是本发明实施例的周期图谱法效果图；
图3(b)是本发明实施例的改进后的周期图谱效果图；
图4是本发明实施例的循环谱图；
图5是本发明实施例的不同信噪比下γmax的门限值设定图；
图6是本发明实施例的不同信噪比下σdfl门限值设定图；
图7是本发明实施例的不同信噪比下SDl门限值图；
图8是本发明实施例的信号调制方式识别流程图；
图9是本发明实施例的***硬件组成示意图；
图10是本发明实施例的信号处理流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明采用周期图谱与循环谱相结合的方式，具体流程如下：
首先，在接收信号之前完成信道进行预处理工作，以确定信号的底噪与能量门限值；其次，将接收到的信号进行A/D转换得到相应的序列；之后，下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机并采用循环谱法对信号进行精判断；然后，若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；随后，再根据信号的周期图谱对其进行分离与平均功率的估计，进而实现信号的检测、识别以及特征参会素提取等相关工作。
一、信道底噪的确定：
判决门限是信号采用周期图谱法进行粗判断的基础与前提，而信道底噪的确定是决定判决门限的先决条件，因此，信道底噪的确定是本项目的首要完成工作。
首先求出接收机处理频带范围内频谱幅值的平均值，记作e；然后，将平滑处理后的谱和该均值做比较，频谱值小于等于平均值e的值不变，频谱值大于平均值e的将其值改为e并求出新得到的这一组频谱值的均值e1；之后，将新得到的频谱值和e1做比较，进行同样的操作，直到前后两次的平均值之差小于1.5为止，以此得到信道的底噪d。
二、判决门限的确定：
确定信道的底噪之后，判决门限通常定义为Gate＝C*d，据研究显示，当C＝1.5～1.7时，信号的检测性能达到最优。
三、基于周期图谱法的信号粗判断
本发明针对传统的周期图谱法进行了改进，使信号的底噪得到了有效的降低。首先，将长度为L的信号数据分为段，每个段有M个样本；其次，选择合适的窗函数对每段数据分别进行加权并确定每段的周期图；然后，对每段周期图平均化进行功率谱分析，其具体流程图如图2所示，表达式如式(1)所示。
其中，U＝∑nω(n)，ω(n)是窗函数的估计谱，其效果图如图3所示。
四、基于循环谱法的信号精判断
通过周期图谱法检测到信号的功率值大于门限值后，可以证明序列中含有有用信号，为了进一步证明信号的存在，防止虚警现象的发生，采用循环功率谱法再次对序列进行精判断。
循环谱法的信号检测主要是利用信号的周期平稳性和噪声的非时变性，先求出接收数据的循环谱自相关函数和谱密度函数，再用这些函数来检测信号是否存在。
1)对接收到的信号进行A/D转换，得到信号的序列x[n]，长度为N。
2)根据公式(2)计算信号循环自相关图
其中，R为自相关函数，α为循环频率。
3)对循环自相关图进行傅立叶变换求得循环周期图，如式(3)所示
结果如图4所示，图中横坐标为循环周期，纵坐标为幅度，可以根据循环频率与信号频率之间的关系对信号的调制方式等相关参数进行识别。
4)对循环周期图进行平滑处理，以便于提取其特征谱，设平滑间隔为Δf＝2MFs，令α＝2mFs，则
其中，
的表达式如式(5)所示
五、信号调制方式的识别
根据信号的循环谱可以得到
以及/>
等特征谱信息，在式(4)中，k＝0时可以得到/>
特征谱，m＝0时，可以得到/>
特征谱，m＝fc/Fs时，可以得到
特征谱；之后，通过对ASK、MPSK、QAM、FSK以及MSK等多种数字调制方式的研究可以发现，ASK信号和QAM信号包含有幅度信息，而MPSK信号和MPSK信号没有幅度信息。根据这一特点，先以将ASK和QAM信号与其它调制方式信号区分开来；之后，根据是否具有相位信息可以将QAM和FSK进行分类；然后，根据瞬时频率的特性可以将MPSK和FSK进行甄别，主要流程如下：
(1)计算调制信号零中心归一化瞬时幅度之谱密度的最大值γmax，如式(6)所示并与设定门限值γmaxl进行比较，不同信噪比下门限值的取值如图5所示；若γmax>γmaxl则信号为ASK调制方式，否则为FSK或MPSK调制方式。
其中，Ns为采样点数，
为该段信号第i(i＝1,2,…,N)个零中心归一化瞬时幅度，计算过程如下：
Acn(i)＝An(i)-1(7)
A(i)为该段信号的第i个瞬时幅度。
(2)若信号判定为FSK或MPSK信号，再根据公式(10)计算零中心归一化非弱信号段瞬时频率的标准偏差σdf，并与设定门限值进行比较σdfl进行比较，若σdf>σdfl则判定为FSK调制方式，否则为MPSK。
不同信噪比下各种信号的σdfl门限值如图6所示，在判断时可将门限值设定为0.15。
(3)若判断信号为MPSK调制方式，再计算特征谱
的最大归一化下降值SD，并与设定门限值进行比较SDl；若SD>SDil则为BPSK调制方式，否则为QPSK调制方式；不同信噪比下SDl门限值如图7所示。
综上所述，信号调制方式的识别流程图如图8所示。
本发明应用在***平台上，***硬件主要由天线、射频处理模块、数字信号处理模块以及上位机四部分组成，如图9所示；其中，天线负责接收外界信号；射频信号处理模块主要是将天线接收到的信号进行滤波、混频后向数字信号处理模块输出中频信号；数字信号处理模块主要由AD芯片、FPGA及其***电路组成，主要完成信号的预处理、AD转换以及采用周期图谱法对信号进行粗判断的工作；上位机主要工作是采用循环谱法完成信号的精判断以及之后的信号识别、提取与分离等工作。
信号处理流程如图10所示，***上电之后先对信号进行预处理以确定底噪与判决门限；其次，对AD芯片接收到的数据按照步骤三的描述进行粗判断；若存在信号将其发送到上位机完成信号的精判断，并对完成信号的分离、特征提取以及分析等后续工作。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种微弱信号检测识别方法，其特征在于，包括：
S1、信道预处理，确定信号的底噪与能量门限值；
S2、将接收到的信号进行A/D转换得到相应的序列；
S3、下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机；
S4、上位机采用循环谱法对信号进行精判断；
S5、若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；
S6、根据信号的周期图谱对其进行分离与平均功率的估计；
步骤S1所述信号的底噪与能量门限值的确定方法包括：
S101、求出接收机处理频带范围内频谱幅值的平均值，记作e；
S102、将平滑处理后的谱和该均值做比较，频谱值小于等于平均值e的值不变，频谱值大于平均值e的将其值改为e并求出新得到的这一组频谱值的均值e1；
S103、将新得到的频谱值和e1做比较，进行同样的操作，直到前后两次的平均值之差小于1.5为止，以此得到信道的底噪d；
S104、判决门限定义为Gate=C*d，其中C=1.5~1.7；
步骤S5所述信号的调制方式的具体判断步骤包括：
S501、计算调制信号零中心归一化瞬时幅度之谱密度的最大值
，并与设定门限值
进行比较，若/>
则信号为ASK调制方式，否则为FSK或MPSK调制方式；
S502、若信号判定为FSK或MPSK信号，计算零中心归一化非弱信号段瞬时频率的标准偏差
，并与设定门限值/>
进行比较，若/>
则判定为FSK调制方式，否则为MPSK；
S503、若判断信号为MPSK调制方式，再计算特征谱的最大归一化下降值SD，并与设定门限值SDl进行比较；若SD>SDl则为BPSK调制方式，否则为QPSK调制方式。
2.根据权利要求1所述的一种微弱信号检测识别方法，其特征在于，步骤S3所述采用周期图谱法进行粗判断的步骤具体包括：
S301、将长度为L的信号数据分为段，每个段有M个样本；
S302、使用窗函数对每段数据分别进行加权并确定每段的周期图；
S303、对每段周期图平均化进行功率谱分析。
3.根据权利要求1所述的一种微弱信号检测识别方法，其特征在于，步骤S4所述精判断的具体步骤包括：
S401、接收到的信号A/D转换得到信号序列x[n]，长度为N；
S402、计算信号循环自相关图；
S403、对循环自相关图进行傅立叶变换求得循环周期图；
S404、对循环周期图进行平滑处理，提取其特征谱。
4.一种微弱信号检测识别***，其特征在于，
包括位于数字信号处理模块的：
预处理模块，用于信道预处理，确定信号的底噪与能量门限值；
转换模块，用于将接收到的信号进行A/D转换得到相应的序列；
粗判断模块，用于下位机采用周期图谱法进行粗判断，当信号的能量值高于门限值时，将其传输到上位机；
以及位于上位机的：
精判断模块，用于上位机采用循环谱法对信号进行精判断；
计算模块；用于若序列中存在有用信号，根据信号的循环谱判断出信号的调制方式与符号速率，从而计算出信号的带宽；
分析模块，用于根据信号的周期图谱对其进行分离与平均功率的分析；
所述预处理模块包括：
平均值单元，求出接收机处理频带范围内频谱幅值的平均值，记作e；
比较单元，将平滑处理后的谱和该均值做比较，频谱值小于等于平均值e的值不变，频谱值大于平均值e的将其值改为e并求出新得到的这一组频谱值的均值e1；
底噪单元，将新得到的频谱值和e1做比较，进行同样的操作，直到前后两次的平均值之差小于1.5为止，以此得到信道的底噪d；
判决门限单元，将判决门限定义为Gate=C*d，其中C=1.5~1.7；
所述计算模块包括调制子模块，所述调制子模块包括：
谱密度计算单元，计算调制信号零中心归一化瞬时幅度之谱密度的最大值
，并与设定门限值/>
进行比较，若/>
则信号为ASK调制方式，否则为FSK或MPSK调制方式；
标准偏差计算单元，若谱密度计算单元将信号判定为FSK或MPSK信号，计算零中心归一化非弱信号段瞬时频率的标准偏差
，并与设定门限值/>
进行比较，若/>
则判定为FSK调制方式，否则为MPSK；
下降值计算单元，若标准偏差计算单元判断信号为MPSK调制方式，再计算特征谱的最大归一化下降值SD，并与设定门限值SDl进行比较；若SD>SDl则为BPSK调制方式，否则为QPSK调制方式。
5.根据权利要求4所述的一种微弱信号检测识别***，其特征在于，所述粗判断模块包括：
分段单元，将长度为L的信号数据分为段，每个段有M个样本；
周期图单元，使用窗函数对每段数据分别进行加权并确定每段的周期图；
功率谱分析单元，对每段周期图平均化进行功率谱分析。
6.根据权利要求4所述的一种微弱信号检测识别***，其特征在于，所述精判断模块包括：
信号序列单元，接收到的信号A/D转换得到信号序列x[n]，长度为N；
循环自相关图单元，计算信号循环自相关图；
循环周期图单元，对循环自相关图进行傅立叶变换求得循环周期图；
特征谱单元，对循环周期图进行平滑处理，提取其特征谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993288.7A CN113702703B (zh) | 2021-08-27 | 2021-08-27 | 一种微弱信号检测识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993288.7A CN113702703B (zh) | 2021-08-27 | 2021-08-27 | 一种微弱信号检测识别方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113702703A CN113702703A (zh) | 2021-11-26 |
| CN113702703B true CN113702703B (zh) | 2023-06-20 |
Family
ID=78655715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110993288.7A Active CN113702703B (zh) | 2021-08-27 | 2021-08-27 | 一种微弱信号检测识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113702703B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114584432B (zh) * | 2022-01-17 | 2023-08-22 | 西安理工大学 | 基于改进平滑周期图算法的信号检测方法 |
| CN117278144B (zh) * | 2023-11-22 | 2024-02-13 | 西安迅尔电子有限责任公司 | 一种侦察接收机低信噪比信号的检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109088837A (zh) * | 2018-08-06 | 2018-12-25 | 河海大学 | 一种基于聚类分析的多种雷达与通信信号分类方法 |
| CN111371510A (zh) * | 2020-03-10 | 2020-07-03 | 中国人民解放军32181部队 | 一种复杂电磁环境下的通信测试方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101977173B (zh) * | 2010-11-09 | 2013-03-20 | 西安电子科技大学 | Ofdm信号的带宽盲估计方法 |
| CN103067313A (zh) * | 2012-12-05 | 2013-04-24 | 天津光电通信技术有限公司 | 一种数字基带传输***的ica应用方法 |
| CN105680964B (zh) * | 2016-03-30 | 2018-12-21 | 中国联合网络通信集团有限公司 | 一种频谱感知方法和频谱感知***、客户端和服务端 |
| CN109150339B (zh) * | 2017-06-28 | 2021-07-16 | 北京石油化工学院 | 基于瑞利衰弱信道信号包络的频谱感知方法及*** |
| CN108933611A (zh) * | 2018-07-31 | 2018-12-04 | 西北工业大学 | 基于环境感知的噪声隐蔽水声通信方法及相应装置 |
| CN110535549B (zh) * | 2019-08-22 | 2021-08-27 | 重庆大学 | 一种230MHz频段的频域能量检测方法 |
| CN112702293A (zh) * | 2020-12-23 | 2021-04-23 | 天津光电通信技术有限公司 | 一种基于循环谱的信号参数分析方法及*** |
| CN112769506B (zh) * | 2021-01-20 | 2023-05-12 | 西安千将云信息科技有限公司 | 一种基于频谱的快速无线电检测方法 |
-
2021
- 2021-08-27 CN CN202110993288.7A patent/CN113702703B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109088837A (zh) * | 2018-08-06 | 2018-12-25 | 河海大学 | 一种基于聚类分析的多种雷达与通信信号分类方法 |
| CN111371510A (zh) * | 2020-03-10 | 2020-07-03 | 中国人民解放军32181部队 | 一种复杂电磁环境下的通信测试方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113702703A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113702703B (zh) | 一种微弱信号检测识别方法及*** | |
| CN107124381B (zh) | 一种数字通信信号调制方式自动识别方法 | |
| CN104299417B (zh) | 基于波形检测的车辆识别方法 | |
| CN106936742A (zh) | 基于神经网络的多档码速率自适应解调***及方法 | |
| CN104052702A (zh) | 一种复杂噪声下数字调制信号的识别方法 | |
| CN111832462B (zh) | 一种基于深度神经网络的跳频信号检测与参数估计方法 | |
| CN109039503A (zh) | 一种频谱感知方法、装置、设备及计算机可读存储介质 | |
| CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及*** | |
| CN108924847B (zh) | 一种基于ann的认知无线电频谱预测方法及设备 | |
| CN111089856A (zh) | 一种拉曼光谱弱信号提取的后处理方法 | |
| CN109347584A (zh) | 基于指数平滑预测的频谱感知方法 | |
| CN111612130B (zh) | 一种频移键控通信信号调制方式识别方法 | |
| CN112751633B (zh) | 一种基于多尺度窗口滑动的宽带频谱检测方法 | |
| CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
| CN110289926A (zh) | 基于调制信号循环自相关函数对称峰值的频谱感知方法 | |
| CN103051401B (zh) | 基于小波的认知无线电频谱感知方法 | |
| CN108650203A (zh) | 一种基于侦察接收机的调制模式识别方法 | |
| CN111611686A (zh) | 一种通信信号时频域的检测方法 | |
| CN116804736A (zh) | 一种调制类型识别工程化实现方法及计算机可读存储介质 | |
| CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
| CN109995690B (zh) | Mfsk数字信号子类调制识别的神经网络自优化方法 | |
| CN111490956A (zh) | 一种基于一阶循环平稳性的mfsk调制识别方法 | |
| CN115396270B (zh) | 基于数据类型识别的调频信号时频同步***及方法 | |
| CN115659136A (zh) | 基于神经网络的无线干扰信号波形识别方法 | |
| CN107576848A (zh) | 一种基于频谱分析的模板设定与模板检测方法 |
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 |