CN115085761A - 基于跳频描述字的异步跳频网台分选方法 - Google Patents
基于跳频描述字的异步跳频网台分选方法 Download PDFInfo
- Publication number
- CN115085761A CN115085761A CN202210847335.1A CN202210847335A CN115085761A CN 115085761 A CN115085761 A CN 115085761A CN 202210847335 A CN202210847335 A CN 202210847335A CN 115085761 A CN115085761 A CN 115085761A
- Authority
- CN
- China
- Prior art keywords
- sorting
- value
- frequency hopping
- threshold value
- networks
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000001052 transient effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 241000287196 Asthenes Species 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006386 neutralization reaction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 5
- 230000006855 networking Effects 0.000 description 7
- 235000008694 Humulus lupulus Nutrition 0.000 description 5
- 230000009191 jumping Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
- H04B1/713—Spread spectrum techniques using frequency hopping
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于跳频描述字的异步跳频网台分选方法,涉及跳频非合作通信技术领域,包括:电台个数估计;基于驻留时间分选网络;当任意两个网络的平均驻留时间差小于门限值时,则辅助频差优化这两个网内电台分选;再次统计平均驻留时间,判断每个网络是否需要与其它网络合并;针对每一个网络,基于瞬时带宽继续分选;判断瞬时信号数大于门限值的网络个数,若小于估计的电台个数,且这些网络的平均驻留时间差求和后大于一定值时,基于跳频周期继续分选,判断当前分选的每一个电台是否继续存在,若存在则统计平均功率及所有平均功率的最大值,若平均功率小于最大值一定门限时则删除;对分选出的电台进行排序;本发明能够完成异步跳频网台分选。
Description
技术领域
本发明涉及跳频非合作通信技术领域,特别是一种基于跳频描述字的异步跳频网台分选方法。
背景技术
在实际复杂的电磁环境中,通常具有多部跳频电台同时工作,即跳频组网,因此要对跳频信号实施有效侦察,最重要的前提就是能够正确的进行跳频网台分选,即能够从多个跳频电台的混合信号中分离出全部或特定电台对应的各跳信号。根据组网的方式不同,分为同步组网和异步组网,其中同步组网指网中各个跳频信号的载频同时发生跳变,拥有一样的跳时,且要求同一时刻不能够存在两个及以上的网台具有相同的载频,而异步组网指各跳频网之间的跳时、跳频图案及跳频频率表没有约束关系,频率表可以相互独立,也可以有部分频率相同或用一张频率表组成多个异步网。
现有的跳频网台分选方法主要分为两大类:基于盲源分离、独立分量分析(ICA)等方法和基于不同网台间的信号特征分选法。第一种方法对于阵列天线接收到的混合跳频信号,首先通过盲源分离、ICA等方法处理为多个单跳频信号,然后再利用时频分析技术、图像处理技术对分离出的各个跳频信号进一步分别处理,该方法不需要或需要很少的先验信息,阵列误差影响小,存在的主要问题是需要多元阵列天线接收,对***要求较高,而且某些相似方法还需要利用输入信号的空域信息,要求测向结果准确。第二种方法的依据在于每一个跳频网台都有着与其它跳频网台相区别的特征,而同一电台发出的信号必然有着很多相似的特征,同步网台可利用的特征包括网台的同步频率、基本网络特征参数和信号的到达角度,对于非合作通信的第三方,显然无法得知前两种先验信息,信号到达角度的获得,仍要求阵列天线接收和准确测向。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种基于跳频描述字的异步跳频网台分选方法,本发明基于较容易获得的中心频率、起始时间、驻留时间、结束时间、瞬时带宽和功率等跳频描述字(Hop Describe Word,HDW),能够完成异步跳频网台分选,不需要阵列天线接收,不需要已知电台个数,对***的要求较低,易于工程化实现。
为实现上述目的,本发明采用的技术方案是:一种基于跳频描述字的异步跳频网台分选方法,包括以下步骤:
步骤2、基于驻留时间分选网络;
步骤3、当任意两个网络的平均驻留时间差小于门限值时,则辅助频差优化这两个网内电台分选,否则直接转至步骤4;
步骤4、再次统计平均驻留时间,判断每个网络是否需要与其它网络合并;当任意两个网络的平均驻留时间差小于门限值,且每个网内的瞬时信号个数小于一定门限值时,合并这两个网络;
步骤5、针对每一个网络,基于瞬时带宽继续分选,当瞬时信号数大于门限值的网络个数大于1时,转至步骤7,否则转至步骤6;
步骤6、判断步骤4中输出的瞬时信号数大于门限值的网络个数,若小于估计的电台个数,且这些网络的平均驻留时间差求和后大于一定值时,针对每一个网络,基于跳频周期继续分选,否则转至步骤7;
步骤7、判断当前分选的每一个电台是否继续存在,若存在,则统计平均功率,以及所有平均功率的最大值,若某个电台的平均功率小于最大值一定门限时,则删除;
步骤8、对分选出的电台进行排序。
作为本发明的进一步改进,所述步骤1具体如下:
作为本发明的进一步改进,所述步骤2具体包括以下步骤:
II、对步骤I的聚类结果进行优化:
IV、再次对步骤III的结果进行优化,并更新聚类中心;
V、输出类别数、每个类内的样本数目、中心以及原始索引号。
作为本发明的进一步改进,所述步骤3具体如下:
iv、当大于门限值时,对于中的每一行,估计每个电台的跳频周期(),首先剔除掉每行中相同的索引号,结果记为,共个,并找到对应的,记为,再计算一阶差分,结果记为,的最小值为,周期数,即利用函数四舍五入取整,令跳频周期的初值为0,然后一直自加,直至,最后,即取跳频周期的平均值;
viii、辅助频差优化网内电台分选;输出类别数、每个类内的样本数目、中心以及原始索引号。
作为本发明的进一步改进,在步骤7中,针对每一个分选电台,首先计算输入的当前帧IQ数据结束时刻与所有跳点结束时刻的差值,若大于一定门限值的个数较多、跳点总数较少且该电台中未包含最大功率跳点时,则判断该电台已经消失,直接删除,否则继续统计平均功率,再次确认是否删除。
本发明的有益效果是:
本发明中,对于单天线接收的异步网台混合信号,可以首先提取较容易获得的中心频率、起始时间、驻留时间、结束时间、瞬时带宽和功率等HDW,然后根据HDW进行网台分选,最后再针对每一个网台完成后续处理,该方法不需要阵列天线接收,不需要已知电台个数,对***的要求较低,易于工程化实现。测试表明,该方法适用于不同跳速、跳速相同但占空比不同、跳速相同但瞬时带宽不同、跳频频率集无任何要求的多个跳频信号网台分选,适用于信号源、实际电台发射的跳频信号,也适用于存在明显干扰的空口场景。
附图说明
图2为本发明实施例的整体流程图;
图3为本发明实施例中基于驻留时间的分选算法流程图;
图4为本发明实施例中两个跳频网台实测数据的谱图;
图5为本发明实施例中两个跳频网台实测数据的分选结果示意图;
图6为本发明实施例中基于跳频周期的分选算法流程图;
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
步骤1、电台个数估计;
接着分别处理矩阵的每一行元素,若大于门限值(与驻留时间的长度相关,需实时计算),则认为两个信号同时出现,并记录除了自身外满足条件的总个数,分别记为,然后找的最大值,若大于门限值,则估计的电台个数,否则。
可以看出,所有的驻留时间已经被正确分类,即使某一类别中只有非常少的瞬时信号或检测不到跳频信号也无任何影响,后续将直接用于下一帧继续处理。
另外测试发现,会直接影响驻留时间分选算法的性能指标,较大,则估计的类别个数较少,较小,则估计的类别个数较多。实现时,取决于当前的聚类中心,并采用了M/N准则,例如1/3,而且若当前计算的大于一定值时,则设置为固定值。但聚类中心也较难选择,尝试过最小值、中值、第1个样本,最终确定为效果较好的最小值。
II、对I的聚类结果优化;
大量数据测试发现,缺少任何一个环节都可能造成某些场景下的结果异常,尤其是待分选的特征间隔较近时,目前采取的方法能够尽可能地降低错误概率。
IV、再次对III的结果优化,方法与II类似,并更新聚类中心;
V、输出类别数、每个类内的样本数目、中心以及原始索引号。
步骤3、当任意两个网络的平均驻留时间差小于门限值时,则辅助频差优化这两个网内电台分选,否则直接转至步骤4;
当基于驻留时间分选完成后,仍会出现如图4和图5所示的情况,即错误将瞬时信号2和1合并为一个电台,3和6合并为一个电台,因为2和3的驻留时间接近,此时需要借助其它信息才能更好地完成分选。
频差=指每个电台相邻跳点的中心频率间隔,其中表示每个跳点的中心频率,但实际的跳频电台可能是不等间隔的,即不固定,而且实际电磁环境较复杂、异步网台存在频率碰撞等,因此实现时将频差仅作为辅助参考,即具有一定的可靠度,但不完全依赖。
对于图4和图5,当辅助频差信息后,能够正确地将瞬时信号3和1合并为一个电台,2和6合并为一个电台。
步骤4、再次统计平均驻留时间,判断每个网络是否需要与其它网络合并;
当任意两个网络的平均驻留时间差小于门限值,且每个网内的瞬时信号个数小于一定门限值时,合并这两者,目的在于尽可能地消除步骤2中参数不合理的影响。
步骤5、针对每一个网络,基于瞬时带宽B继续分选,当瞬时信号数大于门限值的网络个数大于1时,转至步骤7,否则转至步骤6;
当驻留时间分选完成后,多个跳频网台可能会出现两种情况:
一种是已经全部正确分选;
另一种是与理论的跳频频率集相比较,若某一网台包含非常多的瞬时跳点时,则必然存在与该电台驻留时间接近的电台,即该电台未成功分选。
无论哪种情况,在处理过程中都无法得知,因此针对每一个网络,基于瞬时带宽继续分选,即使仅包含1个跳频信号,也不会产生较大影响,这能够适用于当任意多个电台的驻留时间接近,但瞬时带宽不同的场景,例如:分选每跳为单音和符号率较大的数字调制信号电台,分选不同调制参数的数字调制信号电台。
分选的方法与图3类似,唯一的不同点在于分选完成后,增加了若任意两个网络的平均瞬时带宽差小于门限值,且每个网内的瞬时信号个数小于一定值时,则直接合并。
当基于瞬时带宽分选完成后,若满足条件(瞬时信号数大于门限值)的网络个数大于1,则表示分选成功,不再基于跳频周期分选。否则,继续判断驻留时间分选结果中瞬时信号数大于门限值的网络个数,若小于估计的电台个数,且这些网络的平均驻留时间差累加后大于一定值时,表示驻留时间可能未分选成功,算法继续通过跳频周期分选,这能够适用于当任意两个电台的驻留时间接近、瞬时带宽接近但跳频周期不同的场景,例如电台1的跳速为1000跳/s、占空比为1.0,电台2的跳速为100跳/s、占空比为0.1,每跳的调制方式均为单音,若需要成功分选,则仅能够通过跳频周期尝试。
iii、处理距离矩阵的上对角线元素(),若小于门限值的个数等于电台个数,则直接将满足条件的索引号分别记入,其中,且避免将相同的索引号存入不同的,例如=5,=6,当满足条件时,则=7,,若小于门限值的个数大于,则将最小的满足条件的个索引号分别记入;
iv、当大于门限值时,对于中的每一行,估计每个电台的跳频周期(),首先剔除掉每行中相同的索引号,结果记为,共个,并找到对应的,记为,再计算一阶差分,结果记为,的最小值为,周期数,即利用函数四舍五入取整,令跳频周期的初值为0,然后一直自加,直至,最后,即取跳频周期的平均值;
vii、继续判断起始时刻排序后中剩余的瞬时信号,首先将每一个剩余的索引号***至,例如索引号等于1,如图7所示,则将1***第1个位置,取,的最小值,记为,并与每一个比较,追加并更新中的类别参数以及,直至所有的瞬时信号全部完成分类;
步骤7、判断当前分选的每一个电台是否继续存在,若存在,则统计平均功率,以及所有平均功率的最大值,若某个电台的平均功率小于最大值一定门限时,则删除;
针对每一个分选电台,首先计算输入的当前帧IQ数据结束时刻与所有跳点结束时刻的差值,若大于一定门限值的个数较多、跳点总数较少且该电台中未包含最大功率跳点时,则判断该电台已经消失,直接删除,否则继续统计平均功率,再次确认是否删除。该步能够减少错误电台的出现,以及对算法下一步处理的影响。
步骤8、电台排序:
排序的依据是分选的特征与参数的统计结果进行比较,从而能够尽可能的将电台输出的顺序固定,否则当继续后续处理时,算法内部会出现错乱,导致各种结果异常,但仍无法完全避免,尤其是当电台个数较多,且统计的输出电台总数与当前输出的实际电台个数有偏差、或者电台之间分选的特征相差较小时,因此在观察算法输出时,重点需要关注的是整体稳定的结果,而不是某些异常包。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (9)
1.一种基于跳频描述字的异步跳频网台分选方法,其特征在于,包括以下步骤:
步骤2、基于驻留时间分选网络;
步骤3、当任意两个网络的平均驻留时间差小于门限值时,则辅助频差优化这两个网内电台分选,否则直接转至步骤4;
步骤4、再次统计平均驻留时间,判断每个网络是否需要与其它网络合并;当任意两个网络的平均驻留时间差小于门限值,且每个网内的瞬时信号个数小于门限值时,合并这两个网络;
步骤5、针对每一个网络,基于瞬时带宽继续分选,当瞬时信号数大于门限值的网络个数大于1时,转至步骤7,否则转至步骤6;
步骤6、判断步骤4中输出的瞬时信号数大于门限值的网络个数,若小于估计的电台个数,且这些网络的平均驻留时间差求和后大于设定的阈值时,针对每一个网络,基于跳频周期继续分选,否则转至步骤7;
步骤7、判断当前分选的每一个电台是否继续存在,若存在,则统计平均功率,以及所有平均功率的最大值,若某个电台的平均功率小于最大值与设定门限的差值时,则删除;
步骤8、对分选出的电台进行排序。
4.根据权利要求1或2或3所述的基于跳频描述字的异步跳频网台分选方法,其特征在于,所述步骤2具体包括以下步骤:
II、对步骤I的聚类结果进行优化:
IV、再次对步骤III的结果进行优化,并更新聚类中心;
V、输出类别数、每个类内的样本数目、中心以及原始索引号。
iv、当大于门限值时,对于中的每一行,估计每个电台的跳频周期(),首先剔除掉每行中相同的索引号,结果记为,共个,并找到对应的,记为,再计算一阶差分,结果记为,的最小值为,周期数,即利用函数四舍五入取整,令跳频周期的初值为0,然后一直自加,直至,最后,即取跳频周期的平均值;
viii、辅助频差优化网内电台分选;输出类别数、每个类内的样本数目、中心以及原始索引号。
9.根据权利要求8所述的基于跳频描述字的异步跳频网台分选方法,其特征在于,在步骤7中,针对每一个分选电台,首先计算输入的当前帧IQ数据结束时刻与所有跳点结束时刻的差值,若大于门限值的个数较多、跳点总数较少且该电台中未包含最大功率跳点时,则判断该电台已经消失,直接删除,否则继续统计平均功率,再次确认是否删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210847335.1A CN115085761B (zh) | 2022-07-19 | 2022-07-19 | 基于跳频描述字的异步跳频网台分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210847335.1A CN115085761B (zh) | 2022-07-19 | 2022-07-19 | 基于跳频描述字的异步跳频网台分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115085761A true CN115085761A (zh) | 2022-09-20 |
CN115085761B CN115085761B (zh) | 2022-11-04 |
Family
ID=83259942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210847335.1A Active CN115085761B (zh) | 2022-07-19 | 2022-07-19 | 基于跳频描述字的异步跳频网台分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115085761B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007106694A2 (en) * | 2006-03-07 | 2007-09-20 | Comhouse Wireless, Lp | Methods of suppressing gsm wireless device threats in dynamic or wide area static environments using minimal power consumption and collateral interference |
CN102638436A (zh) * | 2012-04-28 | 2012-08-15 | 南京大学 | 一种实现高保密快速跳频传输的方法和*** |
CN103117772A (zh) * | 2013-02-05 | 2013-05-22 | 思创网联(北京)科技发展有限公司 | 无线传感器网络中的同步跳频方法及*** |
CN103746722A (zh) * | 2014-01-02 | 2014-04-23 | 东南大学 | 一种跳频信号跳周期和起跳时间估计方法 |
CN108462509A (zh) * | 2018-03-26 | 2018-08-28 | 西安电子科技大学 | 基于时频图信息的异步跳频网台分选方法 |
CN109462422A (zh) * | 2018-11-15 | 2019-03-12 | 同方电子科技有限公司 | 一种实现超短波跳频信号跟踪干扰的***和方法 |
CN109803294A (zh) * | 2019-01-16 | 2019-05-24 | 南京航空航天大学 | 一种面向高时敏业务的统计优先级多址接入方法 |
CN110336585A (zh) * | 2019-04-17 | 2019-10-15 | 四川大学 | 一种基于mwc的跳频信号参数估计方法 |
CN111431691A (zh) * | 2020-03-09 | 2020-07-17 | 南京航空航天大学 | 一种基于四维超混沌***的射频隐身跳频通信方法 |
CN113452408A (zh) * | 2021-04-30 | 2021-09-28 | 郑州大学 | 一种网台跳频信号分选方法 |
-
2022
- 2022-07-19 CN CN202210847335.1A patent/CN115085761B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007106694A2 (en) * | 2006-03-07 | 2007-09-20 | Comhouse Wireless, Lp | Methods of suppressing gsm wireless device threats in dynamic or wide area static environments using minimal power consumption and collateral interference |
CN102638436A (zh) * | 2012-04-28 | 2012-08-15 | 南京大学 | 一种实现高保密快速跳频传输的方法和*** |
CN103117772A (zh) * | 2013-02-05 | 2013-05-22 | 思创网联(北京)科技发展有限公司 | 无线传感器网络中的同步跳频方法及*** |
CN103746722A (zh) * | 2014-01-02 | 2014-04-23 | 东南大学 | 一种跳频信号跳周期和起跳时间估计方法 |
CN108462509A (zh) * | 2018-03-26 | 2018-08-28 | 西安电子科技大学 | 基于时频图信息的异步跳频网台分选方法 |
CN109462422A (zh) * | 2018-11-15 | 2019-03-12 | 同方电子科技有限公司 | 一种实现超短波跳频信号跟踪干扰的***和方法 |
CN109803294A (zh) * | 2019-01-16 | 2019-05-24 | 南京航空航天大学 | 一种面向高时敏业务的统计优先级多址接入方法 |
CN110336585A (zh) * | 2019-04-17 | 2019-10-15 | 四川大学 | 一种基于mwc的跳频信号参数估计方法 |
CN111431691A (zh) * | 2020-03-09 | 2020-07-17 | 南京航空航天大学 | 一种基于四维超混沌***的射频隐身跳频通信方法 |
CN113452408A (zh) * | 2021-04-30 | 2021-09-28 | 郑州大学 | 一种网台跳频信号分选方法 |
Non-Patent Citations (4)
Title |
---|
Y.J. KOU等: "Peak-to-average power-ratio reduction via channel hopping for downlink CDMA systems", 《 PROCEEDINGS OF THE 2003 INTERNATIONAL SYMPOSIUM ON CIRCUITS AND SYSTEMS, 2003. ISCAS "03》 * |
张贝贝: "多网台跳频信号分选技术研究与仿真实现", 《 中国优秀硕士论文电子期刊网》 * |
李青华等: "跳频网台分选方法概述", 《中国无线电》 * |
王锐等: "统计学习理论算法在跳频信号分选中的应用", 《空军工程大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115085761B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308133A (zh) | 基于卷积神经网络的调制识别方法 | |
CN109839619B (zh) | 基于自适应分桶的雷达信号粗分选方法、***及存储介质 | |
CN113037410B (zh) | 信道识别方法、装置、传输方法、传输设备、基站、介质 | |
CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
CN112348084A (zh) | 改进k-means的未知协议数据帧分类方法 | |
CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
CN114895095A (zh) | 一种用于台区拓扑识别的特征电流判别方法 | |
CN115085761B (zh) | 基于跳频描述字的异步跳频网台分选方法 | |
CN109389172B (zh) | 一种基于无参数网格的无线电信号数据聚类方法 | |
CN110336817B (zh) | 一种基于TextRank的未知协议帧定位方法 | |
CN109344729B (zh) | 一种识别道路中人员运动的方法 | |
CN116388798A (zh) | 一种Link16跳频信号去噪侦察识别算法 | |
CN115934699A (zh) | 异常数据筛选方法、装置、电子设备及存储介质 | |
CN111767695B (zh) | 一种协议反向工程中字段边界推理优化方法 | |
CN115575902A (zh) | 雷达信号多站融合分选方法 | |
CN114866385A (zh) | 一种5g通信终端智能探测与干扰攻击方法 | |
CN111130694B (zh) | 一种低时延聚类的pdcch盲检方法及其*** | |
CN110289924B (zh) | 一种变分推断估计噪声功率的方法 | |
CN109104741B (zh) | 一种样本分组方法及使用其估计主用户占空比的方法 | |
CN111797281A (zh) | 基于中心节点的二层相异性社区发现算法研究 | |
CN112270462B (zh) | 一种基于里奇曲率的地铁网络脆弱线路识别方法 | |
CN116737991B (zh) | 网络视频监控数据处理方法及*** | |
CN114900406B (zh) | 一种基于孪生网络的盲调制信号识别方法 | |
CN117491953B (zh) | 一种基于链表的雷达信号分选方法 | |
CN110289925B (zh) | 一种判决后变分推断估计主用户占空比的方法 |
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 |