CN105703856B - 一种自适应干扰检测方法 - Google Patents
一种自适应干扰检测方法 Download PDFInfo
- Publication number
- CN105703856B CN105703856B CN201610145002.9A CN201610145002A CN105703856B CN 105703856 B CN105703856 B CN 105703856B CN 201610145002 A CN201610145002 A CN 201610145002A CN 105703856 B CN105703856 B CN 105703856B
- Authority
- CN
- China
- Prior art keywords
- interference
- data
- jnr
- jam
- uproar
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明为通信技术领域,尤其涉及在电磁干扰环境的无线通信系统对时域干扰和频域干扰的自适应干扰检测。本发明提供一种自适应干扰检测方法,该方法结合了CFAR和MEP干扰检测方法的优点,优化干扰检测门限设置,使干扰检测门限能够随JNR的变化而动态变化,从而在不同的JNR环境中,能够自适应地选择更优的干扰检测方法,使系统能获得更优的传输性能。
Description
技术领域
本发明为通信技术领域,尤其涉及在电磁干扰环境的无线通信系统对时域干扰和频域干扰的自适应干扰检测。
背景技术
随着干扰技术的发展,无线通信系统所处的电磁环境变得日益复杂,电磁环境中的时域或频域干扰对无线通信系统的性能影响越来越大,如果能检测出干扰信号,然后采用相应的干扰抑制手段,可以大大提高无线通信系统的抗干扰传输性能,因此干扰检测技术是抗干扰通信系统的一项关键技术。干扰检测不仅能够检测干扰信号的有无,还可检测出干扰功率、干扰在时频域的分布等参数,为干扰抑制提供基础。
对于干扰信号,通常可采用以下检测方法:1)恒虚警(Constant False AlarmRate,CFAR)检测方法;2)最小错误概率(Minimum Error Probability,MEP)检测方法,二者可适用于不同的应用需求。在CFAR干扰检测方法中,根据系统的虚警概率要求,得到一个门限因子,干扰信号的检测门限等于该门限因子乘以噪声功率,在系统一定的虚警概率要求下,门限因子不变,因此干扰检测门限只与噪声功率有关,和干扰功率无关,也和干噪比(Jamming to Noise Ratio,JNR)无关,即干扰检测的虚警概率恒定,不随JNR的改变而改变,干扰的漏检概率随着干噪比的增加而减小。在MEP干扰检测方法中,干扰检测的门限因子随着JNR的改变而改变,干扰的虚警和联合概率最小,虚警概率和漏检概率都随着JNR的增加而减小,在低JNR时,虚警概率较高。
在无线通信系统中,接收端接收到有用信号、干扰和噪声。在一定信噪比(Signalto Noise Ratio,SNR)下,当干扰功率较小,例如低于有用信号功率时,此时MEP干扰检测方法比CFAR方法的虚警概率高、漏检概率低,而这种情况下干扰的虚警比漏检对系统性能损害更大,因为小功率的干扰对信号的影响几乎可以忽略不计,即使干扰被漏检对有用信号的传输性能影响也不大,而虚警会使有用信号被误判成干扰,从而被抑制,这损害有用信号的传输性能,因此在低JNR环境中更适合采用CFAR干扰检测方法;当干扰功率较大,例如大于有用信号功率时,干扰的漏检和虚警都会损害有用信号的传输性能,虚警会将有用信号误判成干扰被抑制,漏检会使干扰没有被抑制而增加系统传输误码率,若干扰的漏检和虚警的联合概率最小,可以得到更好的系统传输性能,在此环境下若采用CFAR方法,虽然漏检概率很低,但虚警概率较高,而MEP方法虚警和漏检概率都较低,二者的联合概率最小,因此,此时采用MEP干扰检测方法更为合适。
所以,CFAR和MEP干扰检测方法适用于不同的JNR环境,但在传统的无线通信系统中,通常采用二者中其中一种干扰检测方法,在不同的JNR环境中无法获得最优的系统传输性能。
发明内容
为避免现有技术的不足,本发明提供一种自适应干扰检测方法,该方法结合了CFAR和MEP干扰检测方法的优点,优化干扰检测门限设置,使干扰检测门限能够随JNR的变化而动态变化,从而在不同的JNR环境中,能够自适应地选择更优的干扰检测方法,使系统能获得更优的传输性能。
为了方便地描述本发明的内容,首先对接收信号进行说明:每次处理的接收到的干扰信号为L=Nk个采样数据,针对的干扰信号是广义平稳的时域干扰或频域干扰,例如脉冲噪声干扰、瞄准式干扰、多音干扰和部分频带噪声干扰等,其中,k为不为零的自然数,N为不为零的自然数。
一种自适应干扰检测方法,具体步骤如下:
S1、参数设置:设定系统的目标最大虚警概率Pfa_max;
S2、初始化干扰检测方式,计算初始干扰检测门限因子αJam:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,根据关系式Pfa_max=1-F(αJam)计算干扰检测门限因子αJam,其中,F(αJam)是门限因子的分布函数;
S3、计算接收数据功率,即,对接收数据进行分组,分为N组数据,计算出各个分组的平均功率E=[E0,E1,…,EN-1]T;
S4、进行干扰检测处理,计算干噪比切换门限TJNR;
S5.判断干噪比是否小于切换门限:根据S49所得的切换门限TJNR,判断S48所得的JNR是否小于TJNR,若是,转到S8,若否,转到S6;
S6、更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam'=(1+ρ/JNR)ln(1+JNR/ρ);
S7、干扰检测处理:根据S6所述αJam',对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理;
S8、输出结果:干扰数据集合SJ、无干扰数据集合SN、干噪比,其中,所述干燥比包括瞬时干噪比JNR′和平均干噪比JNR。
进一步地,S3所述计算接收数据功率具体步骤如下:
S31、进行时域干扰检测,对接收数据进行分组,连续k个采样点为一组,分为N组数据,即r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组时域数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组数据rn的平均功率为N表示数据分组总数,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数;
S32、进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段时域数据分别进行FFT变换,得到k段频域数据R=[R0,R1,…,Rk-1],其中,第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
进一步地,S4所述干扰检测处理具体步骤如下:
S41、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S42、计算S41所述无干扰数据集合SN的平均功率
S43、计算干扰检测门限TJam:S2所述αJam乘以S42所述作为干扰检测门限TJam;
S44、更新无干扰数据集合:根据S43所述TJam,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam,则将该数据放入S41所述SN中,构成新的无干扰数据集合SN';
S45、判断无干扰数据集合是否有变化:判断S44所述SN'中的元素与S41所述SN中元素是否有增减,若是,转到S42,若否,转到S46;
S46、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S44所述SN'元素的其他数据构成干扰数据集合SJ;
S47、计算S46所述干扰数据集合SJ的平均功率
S48、计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR。
进一步地,S7所述干扰检测处理具体步骤如下:
S71、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S72、计算S71所述无干扰数据集合SN的平均功率
S73、计算干扰检测门限TJam *:S6所述αJam'乘以S72所述作为干扰检测门限TJam *;
S74、更新无干扰数据集合:根据S73所述TJam *,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam *,则将该数据放入S71所述SN中,构成新的无干扰数据集合SN'*;
S75、判断无干扰数据集合是否有变化:判断S74所述SN'*中的元素与S71所述SN中元素是否有增减,若是,转到S72,若否,转到S76;
S76、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S74所述SN'*元素的其他数据构成干扰数据集合SJ *;
S77、计算S76所述干扰数据集合SJ *的平均功率
S78、计算干噪比:根据S72所得的和S77所得的计算干扰功率干扰比例因子ρ*、瞬时干噪比JNR′*和平均干噪比JNR*。
进一步地,S4所述干噪比切换门限TJNR的具体步骤如下:
步骤1、根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子α1,它们满足如下关系式:Pfa_max=1-F(α1),其中,F(α1)是门限因子的分布函数;
步骤2、基于MEP准则,根据S48所得的干扰比例因子ρ和步骤1所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ)。
本发明的有益效果是:
本发明可自动检测时域或频域干扰,自动检测JNR,并根据实测JNR的大小自适应地选择更优的干扰检测方法,在JNR较小时,因干扰的虚警会使有用信号误判成干扰被抑制而大大损害系统性能,此时自动选择虚警概率小的CFAR干扰检测方法;在JNR较大时,因干扰的虚警和漏检都会损害系统性能,则自动选择虚警和漏检的联合概率最小的MEP干扰检测方法;因而本发明结合了CFAR和MEP方式的优点,在不同JNR环境下更好地平衡了干扰检测的虚警概率和漏检概率,从而使错误检测的风险降低,有效地提高了干扰检测性能,使系统能获得更优的传输性能
附图说明
图1是本发明自适应干扰检测方法流程图。
图2是干扰检测处理流程图。
图3为本发明具体实施方式与传统CFAR干扰检测方法的虚警概率和漏检概率性能对比示意图。
图4分别是本发明具体实施方式与传统MEP干扰检测方法的虚警概率和漏检概率性能对比示意图。
图5是采用了本发明具体实施方式的无线通信系统与采用了传统CFAR和MEP干扰检测方法的无线通信系统的误码性能对比示意图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
以脉冲占空比ρ=1/16的脉冲噪声干扰和加性高斯白噪声(Additive WhiteGaussian Noise,AWGN)信道环境为例,进行自适应时域干扰检测,每次处理的采样数据块长度为L=Nk=640000,其中每个分组长度N=10000,每个分组的采样点数k=64。
S1.参数设置:设定系统目标最大虚警概率Pfa_max为0.009;
S2.初始化干扰检测方式,计算初始干扰检测门限因子:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,基于CFAR准则,根据Pfa_max要求,计算干扰检测门限因子αJam的过程如下:
干扰虚警指的是没有发送干扰,将噪声判为干扰的情况,设接收到的N个数据分组为r=[r0,r1,…,rn,…,rN-1],其中,N表示数据分组总数,第n个分组数据为rn=[rn0,rn1,…,rn(k-1)]T,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数,每个分组的平均功率为在无信号、无干扰的AWGN信道下,只接收到噪声,噪声服从零均值复高斯分布,方差为PN,PN表示每个样点的平均噪声功率,En的归一化值X=En/PN满足自由度为2k的中心χ2分布,其概率密度函数为:分布函数为:目标最大虚警概率为:因此可计算干扰检测门限因子为αJam=F-1(1-Pfa_max),因为Pfa_max=0.009,计算可得:αJam≈1.32;
S3.计算接收数据功率,包括:
S31.进行时域干扰检测,则将接收数据分组,连续k个采样点为一组,分为N组r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组rn的平均功率为
S32.进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段数据分别进行FFT变换,得到k段频域数据R=[R0,R1,…,Rk-1],第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,其中,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
S4.针对由S3所得的数据功率E=[E0,E1,…,EN-1]T,进行干扰检测处理,包括:
S41.初始化无干扰数据集合:针对由S3所得的数据功率E=[E0,E1,…,EN-1]T,由小到大排序,得到矢量E′=[E′0,E′1,…,E′N-1]T,其中,E′0≤E′1≤…≤E′N-1,设表示向下取整,对E0,E1,…,EN-1依次做如下判断:若则将En放入无干扰数据集合SN;
S42.计算无干扰数据集合SN的平均功率其中,Nn为SN中的元素个数;
S43.计算干扰检测门限:干扰检测门限因子αJam乘以步骤S42所得的作为干扰检测门限
S44.更新无干扰数据集合:根据S43所得的干扰检测门限TJam,依次判断S3所得的每个符号的平均功率E0,E1,…,EN-1是否小于TJam,若En≤TJam,则将En放入无干扰数据集合SN;
S45.判断无干扰数据集合是否有变化:判断由S44所得的SN中的元素是否有增减,若是转到步骤S42,否则转到步骤S46;
S46.得到干扰数据集合:根据S44所得的SN,将S3所得的{E0,E1,…,EN-1}中不含SN元素的其他符号构成干扰数据集合SJ;
S47.计算干扰数据集合SJ的平均功率
S48.计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR:
在本实施例中,可估计得ρ≈1/16。
S49.计算干噪比切换门限TJNR,包括:
S491.根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子为α1=F-1(1-Pfa_max),因为Pfa_max=0.009,计算可得:α1≈1.32,计算过程同S2;
S492.基于MEP准则,根据S48所得的干扰比例因子ρ和S491所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ),计算过程见S6,当ρ≈1/16,α1≈1.32,可计算得TJNR≈-13dB;
S5.判断干噪比是否小于切换门限:根据S48所得的JNR和S49所得的切换门限TJNR,判断JNR是否小于TJNR,若是,干扰检测方式不变,依然为CFAR方式,检测结果保留,转步骤S8;若不是,转步骤S6,重新进行干扰检测;
S6.更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam=(1+ρ/JNR)ln(1+JNR/ρ),αJam的计算过程如下:
对于接收到的数据符号,作出如下二元假设:
在未知干扰先验概率的情况下,假设H0和H1事件等可能发生,根据MEP准则,干扰检测门限因子αJam满足:p(αJam|H1)=p(αJam|H0)。
H1时,即当接收符号有干扰时,在AWGN信道下,接收到脉冲噪声干扰和信道噪声,接收信号服从零均值复高斯分布,方差为PN+PJ,PJ表示瞬时干扰功率,即为有效干扰脉宽内的平均干扰功率,每个符号的平均功率为En的归一化值Y=En/PN满足自由度为2k的中心x2分布,其概率密度函数为:
H0时,En的归一化值X=En/PN满足自由度为2k的中心χ2分布,其概率密度函数为:
根据MEP准则,fY(αJam)=fX(αJam),即
计算可得:αJam=(1+ρ/JNR)ln(1+JNR/ρ),其中JNR=ρPJ/PN,ρ=1/16;
S7.干扰检测处理:根据S6所得的新αJam,对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理,包括的步骤S71-S78与步骤S41~S48完全相同;
S8.输出结果:干扰数据集合SJ、无干扰数据集合、干噪比(瞬时干噪比JNR′和平均干噪比JNR)。
图3和图4分别是本实施方式与传统CFAR和MEP干扰检测方法的虚警概率和漏检概率性能比较,其中,干扰为脉冲噪声干扰,信道为标准的AWGN信道,检测环境为信号静默期,即仅接收到脉冲干扰和噪声,每次处理的采样数据块长度为L=Nk=640000,其中每个分组长度N=10000,每个分组的采样点数k=64,脉冲干扰占空比为ρ=1/16,干扰脉冲周期为1024个采样点,脉冲宽度为64个采样点,设定的目标最大虚警概率为Pfa_max=0.009。仿真表明,计算可得模式切换门限TJNR=-13dB,当JNR≤-13dB时,自适应干扰检测将自动设置为CFAR方式,此时的自适应干扰检测的虚警、漏检概率和CFAR方式性能相同;当JNR>-13dB时,自适应干扰检测将自动设置为MEP方式,此时的自适应干扰检测性能和MEP方法性能相同。
图5为采用了本实施方式的无线通信系统与采用了传统CFAR和MEP干扰检测方法的无线通信系统的误码性能比较。其中,信道为标准的AWGN信道,系统参数与干扰参数同图4的参数设置,无线通信系统采用BPSK调制方式,信道编码方式为码率为1/2、约束长度为9的卷积码,接收到有用信号、脉冲干扰和噪声,几个系统采用相同的脉冲干扰抑制方式,设置Eb/N0=3dB。仿真表明当JNR≤-13dB时,采用了自适应干扰检测的通信系统误码性能优于采用了MEP干扰检测方法的系统误码性能;当JNR>-13dB时,采用了自适应干扰检测的通信系统误码性能优于采用了CFAR干扰检测方法的系统误码性能。因此本发明的自适应干扰检测方法结合了CFAR和MEP干扰检测方法的优点,可以自动检测时域和频域干扰,而且可根据干噪比自适应地选择更优的干扰检测方式,使系统具有更好的传输性能,具有更强的应用价值。
Claims (4)
1.一种自适应干扰检测方法,其特征在于,包括如下步骤:
S1、参数设置:设定系统的目标最大虚警概率Pfa_max;
S2、初始化干扰检测方式,计算初始干扰检测门限因子αJam:针对接收到的干扰信号,设置初始干扰检测方式为CFAR方式,根据关系式Pfa_max=1-F(αJam)计算干扰检测门限因子αJam,其中,F(αJam)是门限因子的分布函数;
S3、计算接收数据功率,即,对接收数据进行分组,分为N组数据,计算出各个分组的平均功率E=[E0,E1,…,EN-1]T;
S4、进行干扰检测处理,计算干噪比切换门限TJNR,具体为:
S41、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S42、计算S41所述无干扰数据集合SN的平均功率
S43、计算干扰检测门限TJam:S2所述αJam乘以S42所述作为干扰检测门限TJam;
S44、更新无干扰数据集合:根据S43所述TJam,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam,则将该数据放入S41所述SN中,构成新的无干扰数据集合SN';
S45、判断无干扰数据集合是否有变化:判断S44所述SN'中的元素与S41所述SN中元素是否有增减,若是,转到S42,若否,转到S46;
S46、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S44所述SN'元素的其他数据构成干扰数据集合SJ;
S47、计算S46所述干扰数据集合SJ的平均功率
S48、计算干噪比:根据S42所得的和S47所得的计算干扰功率干扰比例因子ρ、瞬时干噪比JNR′和平均干噪比JNR;
S5.判断干噪比是否小于切换门限:根据S4所得的切换门限TJNR,判断S48所得的JNR是否小于TJNR,若是,转到S8,若否,转到S6;
S6、更新干扰检测方式:更新为MEP方式,根据S48所得的JNR和ρ,再依据最小错误概率准则,计算得到新的干扰检测门限因子为αJam'=(1+ρ/JNR)ln(1+JNR/ρ);
S7、干扰检测处理:根据S6所述αJam',对S3得到的N个数据功率E0,E1,…,EN-1,进行干扰检测处理;
S8、输出结果:干扰数据集合SJ、无干扰数据集合SN、干噪比,其中,所述干噪比包括瞬时干噪比JNR′和平均干噪比JNR。
2.根据权利要求1所述的一种自适应干扰检测方法,其特征在于:S3所述计算接收数据功率具体步骤如下:
S31、进行时域干扰检测,对接收数据进行分组,连续k个采样点为一组,分为N组数据,即r=[r0,r1,…,rN-1],其中,第n组数据为rn=[rn0,rn1,…,rn(k-1)]T,对各分组时域数据进行模方求均值运算,得到各个分组的平均功率E=[E0,E1,…,EN-1]T,其中,第n个分组数据rn的平均功率为N表示数据分组总数,上标“[]T”表示矩阵的转置,k表示每个分组的采样点数;
S32、进行频域干扰检测,则将接收数据分段,连续N个采样点为一段,共分为k段r=[r0,r1,…,rk-1],其中,第m段时域数据为rm=[rm0,rm1,…,rm(N-1)]T,对各段时域数据分别进行FFT变换,得到k段频域数据R=[R0,R1, … ,Rk-1],其中,第m段频域数据为Rm=[Rm0,Rm1,…,Rm(N-1)]T,然后对各段的相同频点数据进行模方求均值运算,得到各个频点的平均功率E=[E0,E1,…,EN-1]T,其中,第n个频点的平均功率为
3.根据权利要求1所述一种自适应干扰检测方法,其特征在于:S7所述干扰检测处理具体步骤如下:
S71、初始化无干扰数据集合:对S3所得的数据功率E,选择功率最小的一部分数据构成无干扰数据集合SN;
S72、计算S71所述无干扰数据集合SN的平均功率
S73、计算干扰检测门限TJam*:S6所述αJam'乘以S72所述作为干扰检测门限TJam*;
S74、更新无干扰数据集合:根据S73所述TJam*,对S3所述E=[E0,E1,…,EN-1]T依次进行判断,若各数据功率E0,E1,…,EN-1<TJam*,则将该数据放入S71所述SN中,构成新的无干扰数据集合SN'*;
S75、判断无干扰数据集合是否有变化:判断S74所述SN'*中的元素与S71所述SN中元素是否有增减,若是,转到S72,若否,转到S76;
S76、得到干扰数据集合:将S3所得的{E0,E1,…,EN-1}中不含S74所述SN'*元素的其他数据构成干扰数据集合SJ*;
S77、计算S76所述干扰数据集合SJ*的平均功率
S78、计算干噪比:根据S72所得的和S77所得的计算干扰功率干扰比例因子ρ*、瞬时干噪比JNR′*和平均干噪比JNR*。
4.根据权利要求1所述一种自适应干扰检测方法,其特征在于:S4所述干噪比切换门限TJNR的具体步骤如下:
步骤1、根据S1设定的目标最大虚警概率Pfa_max,基于CFAR准则,计算干扰检测门限因子α1,它们满足如下关系式:Pfa_max=1-F(α1),其中,F(α1)是门限因子的分布函数;
步骤2、基于MEP准则,根据S48所得的干扰比例因子ρ和步骤1所得的干扰检测门限因子α1,计算对应的干噪比作为TJNR,它们满足如下关系式:α1=(1+ρ/TJNR)ln(1+TJNR/ρ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610145002.9A CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610145002.9A CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105703856A CN105703856A (zh) | 2016-06-22 |
CN105703856B true CN105703856B (zh) | 2018-08-24 |
Family
ID=56220579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610145002.9A Active CN105703856B (zh) | 2016-03-14 | 2016-03-14 | 一种自适应干扰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105703856B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452472A (zh) * | 2020-03-26 | 2021-09-28 | 瑞昱半导体股份有限公司 | 无线信号的分组检测方法及其系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026605A (zh) * | 2006-02-20 | 2007-08-29 | 华为技术有限公司 | 一种干扰检测方法 |
CN103037429A (zh) * | 2012-12-07 | 2013-04-10 | 同济大学 | 一种td-lte系统的干扰检测方法 |
CN103926595A (zh) * | 2014-04-22 | 2014-07-16 | 中国电子科技集团公司第二十研究所 | 基于小型化卫星导航终端的干扰信号检测方法 |
CN104133195A (zh) * | 2014-07-23 | 2014-11-05 | 成都天奥信息科技有限公司 | 一种海浪干扰抑制方法 |
CN104253659A (zh) * | 2014-09-17 | 2014-12-31 | 北京邮电大学 | 一种频谱检测方法及其装置 |
RU2563889C1 (ru) * | 2014-07-22 | 2015-09-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Цифровой обнаружитель радиосигналов в условиях шума неизвестной интенсивности |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9571143B2 (en) * | 2013-06-06 | 2017-02-14 | Zih Corp. | Interference rejection in ultra-wideband real time locating systems |
-
2016
- 2016-03-14 CN CN201610145002.9A patent/CN105703856B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026605A (zh) * | 2006-02-20 | 2007-08-29 | 华为技术有限公司 | 一种干扰检测方法 |
CN103037429A (zh) * | 2012-12-07 | 2013-04-10 | 同济大学 | 一种td-lte系统的干扰检测方法 |
CN103926595A (zh) * | 2014-04-22 | 2014-07-16 | 中国电子科技集团公司第二十研究所 | 基于小型化卫星导航终端的干扰信号检测方法 |
RU2563889C1 (ru) * | 2014-07-22 | 2015-09-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Цифровой обнаружитель радиосигналов в условиях шума неизвестной интенсивности |
CN104133195A (zh) * | 2014-07-23 | 2014-11-05 | 成都天奥信息科技有限公司 | 一种海浪干扰抑制方法 |
CN104253659A (zh) * | 2014-09-17 | 2014-12-31 | 北京邮电大学 | 一种频谱检测方法及其装置 |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
Non-Patent Citations (1)
Title |
---|
瑞利衰落信道下噪声跟踪干扰检测性能分析;闫云斌;《上海交通大学学报》;20141028;第1384-1388页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105703856A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102279390B (zh) | 一种低信噪比雷达辐射源信号脉内调制识别方法 | |
CN109450834A (zh) | 基于多特征关联和贝叶斯网络的通信信号分类识别方法 | |
CN112818891B (zh) | 通信干扰信号类型智能识别方法 | |
US5315538A (en) | Signal processing incorporating signal, tracking, estimation, and removal processes using a maximum a posteriori algorithm, and sequential signal detection | |
Aslam et al. | Automatic digital modulation classification using genetic programming with K-nearest neighbor | |
Zhong et al. | Deep actor-critic reinforcement learning for anomaly detection | |
CN107563437B (zh) | 基于随机森林的超宽带非视距鉴别方法 | |
CN102438334B (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
CN104703216A (zh) | 基于能量有效的多任务贝叶斯压缩感知宽带频谱检测方法 | |
CN109274438B (zh) | 一种自适应双门限协同干扰检测方法及装置 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN116866129A (zh) | 一种无线通信信号检测方法 | |
CN105703856B (zh) | 一种自适应干扰检测方法 | |
Zhang et al. | Lightweight automatic modulation classification via progressive differentiable architecture search | |
CN107612864B (zh) | 突发模式简化符号同步方法的判决门限值设定方法 | |
Juan-ping et al. | Automatic modulation recognition of digital communication signals | |
Qian et al. | Modulation classification based on cyclic spectral features and neural network | |
CN104980184A (zh) | 用于td-scdma系统的小区搜索方法和设备 | |
Mu et al. | Multistage spectrum sensing scheme with SNR estimation | |
CN105703850B (zh) | 基于短时傅里叶变换数据链信号边沿检测方法 | |
Zhao et al. | Cyclic spectrum based intelligent modulation recognition with machine learning | |
Wang et al. | Blind Recognition Method for Non-Cooperative Communication Signals Based on Aerial Computing | |
Molchanov et al. | A novel bispectrum-based frequency encoding technique developed for noisy and multipath fading radio links | |
Batra et al. | A Study of Automatic Modulation Classification for Rayleigh Fading Channel | |
Coulson | Blind spectrum sensing using Bayesian sequential testing with dynamic update |
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 |