CN103501205B - 基于模糊综合评判的目标跳频信号识别方法 - Google Patents
基于模糊综合评判的目标跳频信号识别方法 Download PDFInfo
- Publication number
- CN103501205B CN103501205B CN201310472576.3A CN201310472576A CN103501205B CN 103501205 B CN103501205 B CN 103501205B CN 201310472576 A CN201310472576 A CN 201310472576A CN 103501205 B CN103501205 B CN 103501205B
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- frequency hopping
- hopping signal
- target
- 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.)
- Expired - Fee Related
Links
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于模糊综合评判的目标跳频信号识别方法,具体过程包括跳频信号识别和目标识别两部分;接收机采集窄带信号,当频点f1处的信号电平幅度变化范围a1大于设定阈值θ1,与f1相邻的频点f’处信号电平幅度变化范围a’大于设定阈值θ1且频点f1与频点f’的平均时长差△t和频率差△r均小于相应的设定阈值时,则判定此时频点f1处出现跳频信号,并进入目标识别部分;测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率ΔTe;然后根据Be、Δfe及ΔTe计算调频信号相似度B;将相似度B与事先设定的目标阈值进行比较,根据比较的结果判断出调频信号所对应的目标。该方法目标识别效率高且准确度高。
Description
技术领域
本发明涉及一种基于模糊综合评判的目标跳频信号识别方法,属于目标识别技术领域。
背景技术
无线电信号监测为:对监测频段内的无线电信号进行全景搜索,发现并识别感兴趣的目标信号。目前的主要方法是电平幅度比对和人工识别方法。首先建立环境的历史信号数据库,然后对全景信号进行周期性搜索,并与历史信号数据库中同频点信号的幅度进行比对,当幅度超过一定阈值便认为出现了新信号。再对新信号进行人工识别,人为判断是否为感兴趣的目标信号。人工识别主要依据操作员的经验和专家的知识,将新信号的带宽、调制样式、中频频谱情况、频谱瀑布图情况以及信号出现的频率、幅值的变化规律、方向角和位置的变化规律等特征与目标信号的同类特征进行比对,来判断新信号是否为目标信号。
人工识别方法存在一定的局限:一是当新信号的数量比较大时,人工识别的工作量增加,存在分析不过来的情况;二是如果新信号在短时内突然集中出现,当前一个信号还未分析完成,而下一个信号已出现,也出现分析不过来的局面;三是人工识别的准确率极大地依赖人的经验和知识,有经验的专家识别率很高,而初学者识别率可能很低。
发明内容
有鉴于此,本发明针对无线电信号监测中人工识别的不足,提出一种基于模糊综合评判的目标跳频信号识别方法;该方法是对人工识别过程的模拟,采用人工智能的识别方法实现,首先对新信号是否为跳频信号进行判断,再采用模糊综合评判方法对该信号是否为感兴趣的目标信号进行识别。
实现本发明的技术方案如下:
一种基于模糊综合评判的目标跳频信号识别方法,具体过程包括跳频信号识别和目标识别两部分;
跳频信号的识别
步骤101、接收机采集窄带信号,并测量窄带信号位于频点f1处的信号电平幅度变化范围a1,判断所述a1是否大于设定阈值θ1,若是,则进入步骤102,否则判定频点f1未出现跳频信号;
步骤102、计算与f1相邻的频点f’处信号电平幅度变化范围a’,判断所述a’是否大于设定阈值θ1,若是,则进入步骤103,否则判定频点f1未出现跳频信号;
步骤103、计算频点f1与频点f’处的信号持续的平均时长和信号出现的频率,当两频点的平均时长差△t和频率差△r均小于相应的设定阈值,则判定频点f1处出现跳频信号,并进入步骤201,否则,判定频点f1未出现跳频信号;
目标跳频信号的识别
步骤201、同时或分时测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率ΔTe;然后
根据中频频谱带宽Be和中频频谱带宽的隶属函数计算出隶属度μs(Be);
根据载频跳变范围Δfe和载频跳变范围的隶属函数计算出隶属度μs(Δfe);
根据载频跳变速率H和载频跳变速率的隶属函数计算出隶属度μs(H);
根据跳频信号的调制方式确定其隶属度μs(k);
步骤202、计算跳频信号相似度B=α1×μs(Be)+α2×μs(Δfe)+α3×μs(H)+α4×μs(k);
步骤203、将相似度B与事先设定的目标阈值进行比较,根据比较的结果判断出跳频信号所对应的目标。
进一步地,当频点f1不为载频带宽的边界时,与f1相邻的频点f’有两个,分别为f,=[f1-△,f1+△];则
步骤102只需两相邻频点中的至少一个对应的信号电平幅度变化范围大于设定阈值就进入步骤103;
步骤103只需两相邻频点中的至少一个对应的平均时长差和频率差均小于相应的设定阈值就进入步骤201。
有益效果:
本发明提出的基于模糊综合评判的自动识别方法是对工人识别方法的人工智能模拟,该方法基于计算机实现,由于计算机的计算效率高,因此该方法可以解决当前人工识别效率低的问题;同时该方法不依赖于人的经验和知识,其利用到的各因素隶属函数的建立可随着历史数据的充实而得到进一步完善,从而能够进一步提高识别的准确率。
附图说明
图1为本发明基于模糊综合评判的目标跳频信号识别方法的流程图;
图2跳频信号判断流程图;
图3基于模糊综合评判的目标跳频信号识别原理框图;
图4信号相似度对应于载频跳变范围的隶属函数图像;
图5信号相似度对应于载频跳变速率的隶属函数图像;
图6信号相似度对应于中频频谱带宽的隶属函数图像。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示,本发明基于模糊综合评判的目标跳频信号识别方法,该方法首先对某个频点处是否出现了跳频信号进行判断(即该频点是否处于某跳频信号的带宽范围内),再采用模糊综合评判方法对该信号是否为感兴趣的目标信号进行识别;如图1所示,其具体过程为:
跳频信号的识别
跳频通信通常使用伪随机序列控制载波中心频率以一定的速率和顺序在一组频率中随机的跳动,接收端以相应的速度和顺序接收并解调。在一个相对的时间段内,跳频通信可以看作在一个宽的频段内分布了传输信号,也就是宽带传输,而在每个跳频点上的短时通信实际上还是窄带通信。在由同一个伪随机序列控制的跳频通信中,根据伪随机序列的性质,每个跳频点上信号出现的频率和信号持续的时间基本相同,据此可判断某个频点上是否出现了跳频信号。因此,针对每个跳频点上的窄带通信信号的电平幅度、持续时间和出现频率进行统计分析,并相互之间进行对比,可判断某个频点上是否出现了跳频信号。具体过程为:
步骤101、接收机采集窄带信号,并测量窄带信号位于频点f1处的信号电平幅度变化范围a1,判断所述a1是否大于设定阈值θ1,若是,则进入步骤102,否则判定频点f1未出现跳频信号。
该步骤中首先对频点f1处的窄带信号的电平幅度变化范围进行测量,如果电平幅度变化范围超过一定阈值θ1,则说明该频点处出现了信号。一般情况下,接收机的分析带宽有几个档位,应根据实际情况选择合适的带宽档位。阈值θ1是一个经验值,也需要根据实际情况进行调整。如果频点f1处有定频信号或者没有信号,此时因噪声引起的电平幅度变化范围相对于出现了跳频信号引起的电平幅度变化范围小很多,因此,通过选择大小合适的θ1,可将因为噪声引起的误判以及定频信号点初步滤除。
步骤102、计算与f1相邻的频点f’处信号电平幅度变化范围a’,判断所述a’是否大于设定阈值θ1,若是,则进入步骤103,否则判定频点f1未出现跳频信号。
步骤103、计算频点f1与频点f’处的信号持续的平均时长和信号出现的频率,当两频点的平均时长差△t和频率差△r均小于相应的设定阈值,则判定频点f1处出现跳频信号,并进入步骤201,否则,判定频点f1未出现跳频信号.
上述步骤102和步骤103中对f1相邻的频点处的信号电平、持续时间和出现频率进行测量,将测量结果与f1处的情况进行比对。如果频点f1刚好是载频带宽的下边界,则对f1-△f频点处的信号测量无效,而对f1+△f频点处的信号测量有效;如果频点f1刚好是载频带宽的上边界,则对f1+△f频点处的信号测量无效,而对f1-△f频点处的信号测量有效;如果f1不是载频带宽的边界点,则对f1+△f和f1-△f任何一处测量都有效。上述步骤中只要对其中一处测量有效,就可进行下一步。即当频点f1不为载频带宽的边界时,与f1相邻的频点f’有两个,分别为f’=[f1-△f,f1+△f];则步骤102只需两相邻频点中的至少一个对应的信号电平幅度变化范围大于设定阈值就进入步骤103;步骤103只需两相邻频点中的至少一个对应的平均时长差和频率差均小于相应的设定阈值就进入步骤201;如图2所示。
同时△f的选择与跳频信号的最小跳频间隔有关,根据接收机进行全景搜索时的步进和实际搜索结果,可大致确定△f的大小。
当与f1相邻的频点处的信号电平幅度变化范围、信号持续时间和信号出现频率分别与f1频点处信号电平幅度变化范围、信号持续时间和信号出现频率相差很小时,则认为在f1频点处出现了跳频信号。
目标跳频信号的识别
在确定某频点已经出现跳频信号之后,对该跳频信号是否为感兴趣的目标信号进行判断。人工识别过程中,以感兴趣的目标信号的特征参数及其变化规律作为参考标准,将采集到的待识别信号的参数值和变化规律与之比对,判断两者之间的相似程度,当相似程度超过一定阈值,便认为感兴趣目标出现,而本发明基于模糊不确定性对感兴趣的目标进行判断。
基本概念定义:
模糊不确定性是参数测量与信号识别中的一种客观存在。在参数的测量过程中,因测量误差、系统噪声、算法的精度等都会造成参数测量的模糊不确定性,进而在信号的最终识别中也应该出现模糊不确定性。客观上,各参数的实际值是一个变动的范围。针对参数的测量结果,人类专家将其与目标信号的特征参数进行比较,根据经验知识作出相似度的判断,比如给出该参数的情况与目标信号的参数情况极其相似、非常相似、比较相似、不相似等等模糊性的结论,而不是直接判断是否为目标信号。这一判断处理的过程实际上是一个人工智能对模糊不确定进行处理的过程。在目标跳频信号的识别过程中,采用针对模糊不确定性的处理方法更加符合客观实际过程。
模糊综合评判是一种典型的对模糊不确定性进行处理的方法,常用于对具有多个因素的事物进行评价。设与被评价的事物相关的因素有n个,记作
U={u1,u2,…,un},
称之为因素集或指标集,考虑用权重A={a1,a2,…,an}来衡量各因素的重要程度的大小。设所有可能出现的评语有m个,记作
V={v1,v2,…,vm},
称之为评语集或评判集。模糊综合评判的步骤如下:
(1)确定因素集U={u1,u2,…,un}及对应的权重向量A={a1,a2,…,an};
(2)确定评判集V={v1,v2,…,vm};
(3)进行单因素评判得到隶属度向量ri=(ri1,ri2,…,rim),i=1,2,…n,形成隶属度矩阵:
(4)计算综合隶属度向量B
B=AοR=(b1,b2,…,bm),
B也称为综合评判向量,其中ο为模糊算子;本发明选择的模糊算子为即bj=a1·r1j+a2·r2j+…+an·rnj,j=1,2,…m;
(5)根据一定的原则作出最终评判;本发明选择隶属度最大原则。
基于上述阐述的基本原理本发明目标跳频信号识别的基本过程如图3所示,具体为:
步骤201、同时或分时测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率ΔTe;然后
根据中频频谱带宽Be和中频频谱带宽的隶属函数计算出隶属度μs(Be);
根据载频跳变范围Δfe和载频跳变范围的隶属函数计算出隶属度μs(Δfe);
根据载频跳变速率H和载频跳变速率的隶属函数计算出隶属度μs(H);
根据跳频信号的调制方式确定其隶属度μs(k);
该步骤将跳频信号的四个主要参数——载频跳变范围、载频跳变速率、中频频谱带宽、调制方式确定为模糊综合评判因素集U中的元素,将信号相似度确定为评判集V的元素。
基于模糊综合评判的目标跳频信号识别原理框图如图3所示。首先利用接收机监测到的历史数据和专家的经验知识建立信号相似度对应的各个参数的隶属函数。无线电信号监测过程中,积累了大量的历史数据,这些历史数据中有各种跳频信号在不同电磁环境下、不同侦测距离、不同时间段时的特征参数值及其变化情况,如中频频谱带宽变化情况、调制方式变化情况、带宽变化情况、电平幅度变化情况等等。对这些数据进行统计分析,可建立相似度对应的各个参数的隶属函数。在各参数隶属函数建立之后,对各参数的实际值进行实时数据采集,噪声处理后,可计算出各参数值的信号相似度的隶属度,之后通过综合分析可得到信号相似度的综合隶属度。
下面以蓝牙传输的信号为例对该步骤进行具体说明:
(一)信号相似度对应各参数的隶属函数建立
载频跳变范围、载频跳变速率、中频频谱带宽、调制方式四个参数中前三个参数为连续参数,第四个为离散参数。隶属函数的类型有多种,主要类型有三角形分布、梯形分布、S型分布、半梯形分布、正太分布等等。综合考虑实现的难度和效果,本发明选取连续参数的隶属函数为三角形分布隶属函数,离散参数的隶属函数用表格直接给出。
针对某特定的跳频信号,根据专家的经验以及接收机监测到的历史数据的统计分析,其载频跳变范围、载频跳变速率、中频频谱带宽有一个大致的变化区间。下面以蓝牙传输通信信号为例,建立信号相似度对应于各参数的隶属函数。
①信号相似度对应于载频跳变范围的隶属函数
通过对蓝牙传输通信信号实测,取多次测量值的平均结果,其载频跳变范围约为90.92MHz,而实际的理论值为90MHz左右。最大的测量值为102.45MHz,最小的测量值为77.68MHz。假设隶属函数为三角形分布函数,中心值为90.92MHz,即可得出蓝牙传输通信信号载频跳变范围隶属函数的具体表达式如下,函数图像如图4所示。
②信号相似度对应于载频跳变速率的隶属函数
通过对蓝牙传输通信信号实测,取多次测量值的平均结果,其载频跳变速率约为1589.48次/秒,而实际的理论值为1600次/秒。最大的测量值为1765次/秒,最小的测量值为1542次/秒。假设隶属函数为三角形分布函数,中心值为1590次/秒,即可得出蓝牙传输通信信号载频跳变速率隶属函数的具体表达式如下,函数图像如图5所示。
③信号相似度对应于中频频谱带宽的隶属函数
通过对蓝牙传输通信信号实测,取多次测量值的平均结果,其中频频谱带宽约为367.34KHz,而实际的理论值约为350KHz。最大的测量值为389.21KHz,最小的测量值为343.77KHz。假设隶属函数为三角形分布函数,中心值为367.34KHz,即可得出具体的蓝牙传输通信信号中频频谱带宽隶属函数的具体表达式如下,函数图像如图6所示。
④信号相似度对应于调制方式的隶属函数
不同接收机的调制方式识别能力不同,在以往针对城市环境下的信号监测中,常出现的调制方式有CW,AM,FM,2FSK,4FSK,BPSK,QPSK,2PSK,ASK,MSK,GMSK,GFSK等。在信号监测中,因受测量误差、识别能力以及电磁环境等的影响,针对同一信号可能出现多种调试方式识别结果。针对某一目标信号,从历史数据中统计其所有出现过的调制样式的频率,将该频率值作为该目标信号相似度对于调制样式的隶属度。
通过对蓝牙传输通信信号在各种环境条件下、不同的时间段,不同的侦测距离情况下进行实测,对其出现的调制方式的出现频率进行统计,结果如表1所示,该表即是该蓝牙信号的信号相似度对应于调制方式的隶属函数。
表1蓝牙信号的信号相似度对应于调制方式的隶属函数
CW | 2FSK | BPSK | 2PSK | ASK | MSK | GMSK | GFSK |
0.02 | 0.12 | 0.03 | 0 | 0.17 | 0.02 | 0 | 0.64 |
(二)各参数值的计算;
接收机对信号参数的测算精度受环境噪声的影响比较大。环境噪声的大小是时变的,而且目前没有很好的模型来正确描述和预测其变化规律。一般情况下,当噪声电平处于低谷,侦测到的信号幅度相对比较高时,接收机对信号的各参数测算相对比较准确。载频跳变范围、载频跳变速率、中频频谱带宽以及调制方式等参数值的测量选择在噪声处于低谷,信号幅度相对比较大时进行。
I连续参数值计算方法
当信号电平值处于相对比较高的水平时,测量载频跳变范围、载频跳变速率、中频频谱带宽三个连续参数的值,然后取多个测量值的平均值为最终的结果。
中频频谱带宽
设对频点为f1的跳频信号的中频频谱带宽进行测量,测量结果为(At,Bt,t),其中t表示测量时刻,At表示此时刻信号的电平幅度,Bt表示此时刻对应的中频带宽。
随机进行第1组n次测量,记录测量结果为找到其中最大的取此时对应的作为测量结果,设为B1,即
一共进行m组这样的n次测量,找到B2,…,Bm,最终的测量结果取B1到Bm的平均值,设为Be,即
载频跳变范围
找到频点为f1的跳频信号的最低频点fL和最高频点fH,两点之间的差值Δf=fH-fL即为该跳频信号的载频跳变范围。进行n次同样的测量,取平均值为最终的结果。设f1L,f2L,…,fnL分别为第1次测量到第n次测量的频率最低值,设f1H,f2H,…,fnH分别为第1次测量到第n次测量的频率最高值,则最终的结果Δfe为:
载频跳变速率
根据跳频信号的时频矩阵,某频点上信号出现的频率为信号在该频点上出现时间间隔的倒数,而载频跳变速率为信号持续时间的倒数,因此对信号在某频点持续的时间进行测量即可得到载频跳变速率。
接收机以一定的步进和时间周期全景搜索信号,对接收到的信号标注绝对时间,也就是发现信号时的本地时钟时间。最后一次发现该信号的时间减去第一次发现该信号的时间即为该信号的持续时间。设全景搜索的周期为T,因此第一次和最后一次发现信号的时间与实际时间的误差都是最多晚时间T,则信号持续时间的误差范围为[-T,T]。
对出现跳频信号的频点f1及其相邻频点f2(如果频点f1刚好是载频带宽的上边界或下边界时,此时f2与f’相同,当频点f1并非上、下边界时,此时可取f2与f’相同,也可取f2与f’不相同)处的信号持续时间进行n次测量,设测量结果分别为{(FT11,LT11),(FT12,LT12),…,(FT11,LT1n)}以及{(FT21,LT21),(FT22,LT22),…,(FT21,LT2n)},则信号持续时间的平均值为:
可求得载频跳变速率H=1/ΔTe。
由于电磁环境是时变的,上述三个连续参数值采用一段时长范围的多次测量结果的平均值,一是可避免随机单次测量可能存在的测量不准确,二是多次平均后可在一定程度上消除噪声引起的误差。
(II)离散参数的计算方法
调制样式为离散参数,当信号电平幅度处于最大值时记录调制样式的结果。进行n测量,取这n次测量中出现频率最高的调制样式为最终结果。
(三)将(二)中采集到各参数值带入(一)中建立的信号相似度对应的各参数的隶属函数,可计算出各参数值的信号相似度的隶属度。
步骤202、计算跳频信号相似度B=α1×μs(Be)+α2×μs(Δfe)+α3×+α4×μs(k);
在计算出各参数值的信号相似度的隶属度之后,得到由4个参数组成的隶属度矩阵R=[μs(Be),μs(Δfe),μs(H),μs(k)]。评判集中的元素只有一个,矩阵R中只有一个向量。确定各因素的权重向量A=[α1,α2,α3,α4],利用综合评判公式可计算出综合隶属度向量B。此时,综合隶属度向量B是一个数值,即信号的相似度。该值的含义是在综合考虑各参数的情况下,该信号与目标信号的相似程度。
步骤203、将相似度B与事先设定的目标阈值进行比较,根据比较的结果判断出跳频信号所对应的目标。
仿真实验
以上述列举的蓝牙传输通信信号为目标信号,对环境中的实时信号进行监测,当出现该类信号时对其进行自动识别。
设载频跳变范围、载频跳变速率、中频频谱带宽、调制方式四个参数的权重向量为
A=(0.26,0.43,0.11,0.20)
采集到的某跳频信号的各参数值如下,Δfe=94.87MHz,H=1600次/s,Be=352.9kHz,调制方式为GFSK,计算得到隶属度矩阵
计算得
即该跳频信号与蓝牙传输通信信号的相似程度为0.7568,假设判别阈值设为0.6,则可认为该跳频信号即为蓝牙传输通信信号。
无线电信号监测在无线电频谱管理与战场无线电侦察中具有重要的意义,跳频通信方式因其优良的抗干扰性能而被广泛应用,对该类目标信号的人工识别方法在识别的准备率以及工作效率上存在较大的缺陷,本发明提出的基于模糊综合评判的自动识别方法是对工人识别方法的人工智能模拟,在准确率方法不会低于人工识别方式,而在工作效率上将得到极大的改善。本方法的另一个优点是实现简单,各因素隶属函数的建立可随着历史数据的充实而得到进一步完善,从而能够进一步提高识别的准确率。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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 (5)
1.一种基于模糊综合评判的目标跳频信号识别方法,其特征在于,具体过程包括跳频信号识别和目标识别两部分;
跳频信号的识别
步骤101、接收机采集窄带信号,并测量窄带信号位于频点f1处的信号电平幅度变化范围a1,判断所述a1是否大于设定阈值θ1,若是,则进入步骤102,否则判定频点f1未出现跳频信号;
步骤102、计算与f1相邻的频点f’处信号电平幅度变化范围a’,判断所述a’是否大于设定阈值θ1,若是,则进入步骤103,否则判定频点f1未出现跳频信号;
步骤103、计算频点f1与频点f’处的信号持续的平均时长和信号出现的频率,当两频点的平均时长差△t和频率差△r均小于相应的设定阈值,则判定频点f1处出现跳频信号,并进入步骤201,否则,判定频点f1未出现跳频信号;
目标跳频信号的识别
步骤201、同时或分时测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率H;然后
根据中频频谱带宽Be和中频频谱带宽的隶属函数计算出隶属度μs(Be);
根据载频跳变范围Δfe和载频跳变范围的隶属函数计算出隶属度μs(Δfe);
根据载频跳变速率H和载频跳变速率的隶属函数计算出隶属度μs(H);
根据跳频信号的调制方式确定其隶属度μs(k);
步骤202、计算跳频信号相似度B=α1×μs(Be)+α2×μs(Δfe)+α3×μs(H)+α4×μs(k),其中α1、α2、α3以及α4为预设的加权系数;
步骤203、将相似度B与事先设定的目标阈值进行比较,根据比较的结果判断出跳频信号所对应的目标。
2.根据权利要求1所述基于模糊综合评判的目标跳频信号识别方法,其特征在于,当频点f1不为载频带宽的边界时,与f1相邻的频点f’有两个,分别为f’=[f1-△f,f1+△f],其中,△f表示跳频信号的载频跳变范围;则
步骤102只需两相邻频点中的至少一个对应的信号电平幅度变化范围大于设定阈值就进入步骤103;
步骤103只需两相邻频点中的至少一个对应的平均时长差和频率差均小于相应的设定阈值就进入步骤201。
3.根据权利要求1所述基于模糊综合评判的目标跳频信号识别方法,其特征在于,所述中频频谱带宽Be的测量为:
设定测量结果的表示方式为(At,Bt,t),其中t表示测量时刻,At表示此时刻信号的电平幅度,Bt表示此时刻对应的中频带宽;
对频点为f1的跳频信号的中频频谱带宽随机进行第1组的n次测量,记录测量结果为找到其中最大的取其对应的作为测量结果,并将其记为B1,即
一共进行m组测量,分别找到B2,…,Bm,最终的测量结果取B1到Bm的平均值,设为Be,即
4.根据权利要求1所述基于模糊综合评判的目标跳频信号识别方法,其特征在于,所述载频跳变范围Δfe的测量为:找到频点为f1的跳频信号的最低频点fL和最高频点fH,两点之间的差值Δf=fH-fL即为该跳频信号的载频跳变范围;进行n次同样的测量,取平均值为最终的结果;设f1L,f2L,…,fnL分别为第1次测量到第n次测量的频率最低值,设f1H,f2H,…,fnH分别为第1次测量到第n次测量的频率最高值,则最终的结果Δfe为:
5.根据权利要求1所述基于模糊综合评判的目标跳频信号识别方法,其特征在于,载频跳变速率H的测量为:对出现跳频信号的频点f1及其相邻频点f2处的信号持续时间进行n次测量,设测量结果分别为{(FT11,LT11),(FT12,LT12),…,(FT11,LT1n)}以及{(FT21,LT21),(FT22,LT22),…,(FT21,LT2n)},则信号持续时间的平均值为:
可求得载频跳变速率H=1/ΔTe。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472576.3A CN103501205B (zh) | 2013-10-11 | 2013-10-11 | 基于模糊综合评判的目标跳频信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472576.3A CN103501205B (zh) | 2013-10-11 | 2013-10-11 | 基于模糊综合评判的目标跳频信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103501205A CN103501205A (zh) | 2014-01-08 |
CN103501205B true CN103501205B (zh) | 2016-05-11 |
Family
ID=49866383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310472576.3A Expired - Fee Related CN103501205B (zh) | 2013-10-11 | 2013-10-11 | 基于模糊综合评判的目标跳频信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103501205B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507630A (zh) * | 2017-07-17 | 2017-12-22 | 嘉兴开泽电子设备有限公司 | 一种非合作语音通信接收数据无用时间段识别方法 |
CN111416671A (zh) * | 2019-01-06 | 2020-07-14 | 海南大学 | 一种面向电磁频谱检测的信号标记方法 |
CN111337956B (zh) * | 2020-03-16 | 2022-02-11 | 北京工业大学 | 导航接收机性能综合评价方法及装置 |
CN112653489A (zh) * | 2021-01-19 | 2021-04-13 | 马瑞利汽车电子(广州)有限公司 | 一种窄带跳频无线电信号识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1205094A (zh) * | 1996-10-04 | 1999-01-13 | 塞比卢斯有限公司 | 用于分析危险报警器信号的方法及实施该方法的危险报警器 |
US5991626A (en) * | 1992-06-18 | 1999-11-23 | Telefonakitiebolaget Lm Ericsson | Methods and apparatus pertaining to handoff in a mobile telecommunication system |
CN101610199A (zh) * | 2008-06-17 | 2009-12-23 | 北京邮电大学 | 基于模糊综合评判的异构网络丢包区分方法 |
CN102421153A (zh) * | 2011-11-21 | 2012-04-18 | 北京邮电大学 | 一种多模无线终端进行小区选择的方法 |
US8280323B2 (en) * | 2006-10-11 | 2012-10-02 | Bae Systems Information And Electronic Systems Integration Inc. | Fuzzy logic control of an RF power amplifier for automatic self-tuning |
-
2013
- 2013-10-11 CN CN201310472576.3A patent/CN103501205B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991626A (en) * | 1992-06-18 | 1999-11-23 | Telefonakitiebolaget Lm Ericsson | Methods and apparatus pertaining to handoff in a mobile telecommunication system |
CN1205094A (zh) * | 1996-10-04 | 1999-01-13 | 塞比卢斯有限公司 | 用于分析危险报警器信号的方法及实施该方法的危险报警器 |
US8280323B2 (en) * | 2006-10-11 | 2012-10-02 | Bae Systems Information And Electronic Systems Integration Inc. | Fuzzy logic control of an RF power amplifier for automatic self-tuning |
CN101610199A (zh) * | 2008-06-17 | 2009-12-23 | 北京邮电大学 | 基于模糊综合评判的异构网络丢包区分方法 |
CN102421153A (zh) * | 2011-11-21 | 2012-04-18 | 北京邮电大学 | 一种多模无线终端进行小区选择的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103501205A (zh) | 2014-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103501205B (zh) | 基于模糊综合评判的目标跳频信号识别方法 | |
CN109444813A (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
CN104754735A (zh) | 位置指纹库的构建方法以及基于该位置指纹库的定位方法 | |
CN105629198B (zh) | 基于密度的快速搜索聚类算法的室内多目标追踪方法 | |
CN103209478A (zh) | 基于分类阈值及信号强度权重的室内定位方法 | |
CN105120433A (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN103177289B (zh) | 一种噪声不确定复杂非线性动态系统的建模方法 | |
CN106199500A (zh) | 指纹特征定位方法及装置 | |
CN106970379B (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN109284921A (zh) | 基于隐马尔科夫模型的农业灌溉水质动态评价方法 | |
CN108038419A (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN103458502B (zh) | 基于位置指纹的定位误差估计方法 | |
CN101848482B (zh) | 一种获取干扰矩阵的方法和装置 | |
CN106353722A (zh) | 基于代价参考粒子滤波的rssi测距方法 | |
CN115776724B (zh) | 面向电磁频谱地图测绘的传感器节点布局优化方法及系统 | |
CN108931774B (zh) | 基于闪电资料的对流性降水识别产品检验方法及系统 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
CN108259597A (zh) | 一种高精度低成本的农田环境监测系统 | |
CN117787081A (zh) | 一种基于Morris和Sobol法的水文模型参数不确定性分析方法 | |
CN104821854A (zh) | 一种基于随机集的多主用户多维频谱感知方法 | |
CN105738866B (zh) | 一种基于能量检测的60GHz非视距识别与无线指纹定位方法 | |
CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
CN115017958A (zh) | 一种基于信道特征加权模型的非视距信号识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 Termination date: 20211011 |