CN106921599B - 一种基于聚类的交叠信号消除方法及系统 - Google Patents
一种基于聚类的交叠信号消除方法及系统 Download PDFInfo
- Publication number
- CN106921599B CN106921599B CN201710282561.9A CN201710282561A CN106921599B CN 106921599 B CN106921599 B CN 106921599B CN 201710282561 A CN201710282561 A CN 201710282561A CN 106921599 B CN106921599 B CN 106921599B
- Authority
- CN
- China
- Prior art keywords
- cluster
- data
- base variety
- mean value
- value
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B14/00—Transmission systems not characterised by the medium used for transmission
- H04B14/02—Transmission systems not characterised by the medium used for transmission characterised by the use of pulse modulation
- H04B14/026—Transmission systems not characterised by the medium used for transmission characterised by the use of pulse modulation using pulse time characteristics modulation, e.g. width, position, interval
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开一种基于聚类的交叠信号消除方法及系统。该方法包括：获取滑动窗接收的数据；滑动窗通过在时间轴上进行滑动收集对应的时间段内接收到的信号，并确定信号的幅度值；将数据按幅度值进行聚类，得到具有不同幅度范围的簇；根据簇内的幅度值的均值确定簇为基本簇或组合簇，若簇为组合簇，确定组合簇与基本簇的组合关系；根据组合簇与基本簇的组合关系，将组合簇内的数据划分到对应的基本簇内；对前后两个滑动窗内的基本簇进行拼接，得到非交叠信号。本发明公开的方法及系统，能够用于不同类型的脉位调制信号构成的交叠信号的消除，具有通用性。
Description
技术领域
本发明涉及通信技术领域，特别是涉及一种基于聚类的交叠信号消除方法及系统。
背景技术
A/C模式和S模式是多点定位(multilateration，MLAT)系统、广播式自动相关监视(Automatic Dependent Surveillance-Broadcast，ADS-B)系统和二次雷达系统的主要通信协议，已广泛应用于民航交通管制领域。
信号的交叠是指多个不同幅度、不同起始时间的原始信号在时间域上的线性叠加。
A/C模式信号和S模式信号的中心频率均为1090MHz，且都属于脉位调制，即利用子脉冲的位置和电平来表示信息并通过解码来获得信息。当发射源数量较多时，在接收端的接收信号中易出现多个不同发射源的A/C模式信号或S模式信号的交叠，或者S模式信号与A/C信号的交叠，从而造成误码率的上升。
现有的交叠信号消除方法大都建立在A/C模式信号或S模式信号的信号特性的基础上，只能针对A/C模式信号或S模式信号中的一种信号的交叠，而不能消除S模式信号与A/C信号的交叠，也不能消除其他两种或两种以上脉位调制信号之间的交叠，不具有通用性。
发明内容
本发明的目的是提供一种基于聚类的交叠信号消除方法及系统，既能消除A/C模式信号或S模式信号的交叠，也能消除S模式信号与A/C信号的交叠，能够用于不同类型的脉位调制信号构成的交叠信号的消除，具有通用性。
为实现上述目的，本发明提供了如下方案：
一种基于聚类的交叠信号消除方法，包括：
步骤101：获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
步骤102：将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
步骤103：根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多种幅度范围的独立信号叠加后构成的数据的集合；
步骤104：根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
步骤105：对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号。
可选的，所述将所述数据按幅度值进行聚类，得到具有不同幅度范围的簇，具体包括：
步骤201：将所述滑动窗口中的数据复制一份，形成待处理数据集；
步骤202：分辨并删除所述待处理数据集中的噪声数据；
步骤203：定义一个新簇作为当前簇，所述当前簇为空集；
步骤204：获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
步骤205：将所述最值幅度数据移入所述当前簇；
步骤206：判断所述待处理数据集中是否有数据，得到第一判断结果；
步骤207：若所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行步骤208；若所述第一判断结果表示所述待处理数据集中无数据时，执行步骤210；
步骤208：判断是否成立；其中c1为常数，σ1为噪声标准差；
步骤209：若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值为最值的数据在所述滑动窗中的位置，并返回执行步骤206；若不成立，则返回步骤203；
步骤210：删除错误的簇和错误的簇内数据。
可选的，所述根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系，具体包括：
步骤301：计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
步骤302：从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
步骤303：将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
步骤304：指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
步骤305：计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
步骤306：计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
步骤307：计算所述归一化统计量中的最小归一化统计量；
步骤308：判断所述最小归一化统计量是否满足设定统计条件；若满足，则执行步骤309；若不满足，则执行步骤310；
步骤309：确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值从所述待判断簇均值集合中移出，执行步骤311；
步骤310：确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中，执行步骤311；
步骤311：判断所述待判断簇均值集合是否为空集；若是，则执行步骤312；若不是，则返回步骤304；
步骤312：结束流程。
可选的，所述根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内，具体包括：
步骤401：对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
步骤402：根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
步骤403：根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
可选的，所述对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号，具体包括：
步骤501：判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
步骤502：若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
本发明还公开了一种基于聚类的交叠信号消除系统，包括：
数据获取模块，用于获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
数据聚类模块，用于将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
簇类型确定模块，用于根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多种幅度范围的独立信号叠加后构成的数据的集合；
组合簇分解模块，用于根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
簇拼接模块，用于对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号。
可选的，所述数据聚类模块，具体包括：
数据复制单元，用于将所述滑动窗口中的数据复制一份，形成待处理数据集；
去噪单元，用于分辨并删除所述待处理数据集中的噪声数据；
当前簇定义单元，用于定义一个新簇作为当前簇，所述当前簇为空集；
最值计算单元，用于获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
当前簇初始化单元，用于将所述最值幅度数据移入所述当前簇；
第一空集判断单元，用于判断所述待处理数据集中是否有数据，得到第一判断结果；
最值均值计算单元，用于当所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行不等式判断单元；若所述第一判断结果表示所述待处理数据集中无数据时，执行错误删除单元；
不等式判断单元，用于判断是否成立；其中c1为常数，σ1为噪声标准差；
数据聚类单元，用于若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值为最值的数据在所述滑动窗中的位置，并返回执行所述空集判断单元；若不成立，则返回执行所述当前簇定义单元；
错误删除单元，用于删除错误的簇和错误的簇内数据。
可选的，所述簇类型确定模块，具体包括：
均值方差计算单元，用于计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
最小两均值筛选单元，用于从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
簇组合单元，用于将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
排列组合单元，用于指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
最小簇均值计算单元，用于计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
归一化单元，用于计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
最小统计量计算单元，用于计算所述归一化统计量中的最小归一化统计量；
统计条件判断单元，用于判断所述最小归一化统计量是否满足设定统计条件；若满足，则执行组合簇确定单元；若不满足，则执行基本簇确定单元；
组合簇确定单元，用于确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值从所述待判断簇均值集合中移出；
基本簇确定单元，用于确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中；
第二空集判断单元，用于判断所述待判断簇均值集合是否为空集；若是，则执行终止单元；若不是，则返回排列组合单元；
终止单元，用于结束流程。
可选的，所述组合簇分解模块，具体包括：
基本簇窗构建单元，用于对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
基本簇还原单元，用于根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
组合簇还原单元，用于根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
可选的，所述簇拼接模块，具体包括：
簇长度判断单元，用于判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
解码单元，用于若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明公开的基于聚类的交叠信号消除方法及系统，通过对数据进行簇聚类、簇类型区分和交叠信号的恢复处理，使得本发明的方法及系统只针对脉冲信号的幅度进行运算，不拘泥于脉冲信号的特性，能够适用于各种脉位调制信号之间的交叠信号的消除，具有通用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于聚类的交叠信号消除方法实施例的方法流程图；
图2为本发明基于聚类的交叠信号消除方法实施例的步骤102具体过程的方法流程图；
图3为本发明基于聚类的交叠信号消除方法实施例的步骤103具体过程的方法流程图；
图4为本发明基于聚类的交叠信号消除方法实施例的步骤104具体过程的方法流程图；
图5为本发明基于聚类的交叠信号消除方法实施例的步骤105具体过程的方法流程图；
图6为本发明基于聚类的交叠信号消除系统实施例的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于聚类的交叠信号消除方法实施例的方法流程图。
参见图1，该基于聚类的交叠信号消除方法，包括：
步骤101：获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
步骤102：将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
步骤103：根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多种幅度范围的独立信号叠加后构成的数据的集合；
步骤104：根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
步骤105：对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号。
本发明公开的基于聚类的交叠信号消除方法及系统，通过对数据进行簇聚类、簇类型区分和交叠信号的恢复处理，使得本发明的方法及系统只针对脉冲信号的幅度进行运算，不拘泥于脉冲信号的特性，能够适用于各种脉位调制信号之间的交叠信号的消除，具有通用性。
图2为本发明基于聚类的交叠信号消除方法实施例的步骤102具体过程的方法流程图。
参见图2，步骤102实质上是对数据进行聚类的过程，该过程具体包括：
步骤201：将所述滑动窗口中的数据复制一份，形成待处理数据集；
步骤202：分辨并删除所述待处理数据集中的噪声数据；
该过程具体包括：首先对噪声数据的统计特性进行计算；然后根据上述统计特性，删除所述待处理数据集中的噪声数据，并删除所述待处理数据集中属于脉冲上升沿和下降沿的数据。
本发明的该步骤的作用为消除上升沿数据和下降沿数据对聚类过程的不利影响。
步骤203：定义一个新簇作为当前簇，所述当前簇为空集；
步骤204：获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
步骤205：将所述最值幅度数据移入所述当前簇；
步骤206：判断所述待处理数据集中是否有数据，得到第一判断结果；
步骤207：若所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行步骤208；若所述第一判断结果表示所述待处理数据集中无数据时，执行步骤210；
步骤208：判断是否成立；其中c1为常数，通常情况下c1的取值在2～4之间，当脉冲幅度值恒定，噪声统计特性已知时，可通过c1控制和计算出聚类过程的错误率；σ1为噪声标准差；
步骤209：若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值为最值的数据在所述滑动窗中的位置，并返回执行步骤206；若不成立，则返回步骤203；
步骤210：删除错误的簇和错误的簇内数据。
具体为：
当簇内的数据的数量小于预设数量下限时，删除所述簇；
消除簇内的幅度值异常的数据和孤立的数据。
本发明的上述步骤用于对数据进行聚类，从而将数据划分到不同的簇中。每个簇内的数据的幅度值范围都与其他簇内的数据的幅度值范围不同。并且通过消除簇内幅度值异常的数据和孤立的数据，从而消除错误数据对后续处理过程的不利影响。
图3为本发明基于聚类的交叠信号消除方法实施例的步骤103具体过程的方法流程图。
参见图3，步骤103，具体包括：
步骤301：计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
步骤302：从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
最小的两个均值不可能由其他两种簇的均值叠加而成，因此最小的两个均值所对应的簇必然为基本簇；
步骤303：将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
步骤304：指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
步骤305：计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
步骤306：计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
归一化统计量的计算公式为：其中为最小簇均值；qrmin-k为最小簇均值与第k个基本簇均值组合相对应进行计算得到的归一化统计量；为所述最小簇均值所对应的方差；k为所述基本簇均值组合的编号；nk为编号为k的所述基本簇均值组合内所包含的所述基本簇均值的数量；i为编号为k的所述基本簇均值组合内的所述基本簇均值的编号；为编号为k的所述基本簇均值组合内编号为i的所述基本簇均值；为所述基本簇均值所对应的方差；
步骤307：计算所述归一化统计量中的最小归一化统计量qrmin-min；
步骤308：判断所述最小归一化统计量qrmin-min是否满足设定统计条件，即判断所述最小归一化统计量qrmin-min是否满足qrn-min≤c2；若满足，则执行步骤309；若不满足，则执行步骤310；其中c2为常数，通常c2的值在2～4之间；
步骤309：确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量qrmin-min对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值，即所述最小簇均值从所述待判断簇均值集合中移出，执行步骤311；
步骤310：确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中，执行步骤311；
步骤311：判断所述待判断簇均值集合是否为空集；若是，则执行步骤312；若不是，则返回步骤304；
步骤312：结束流程。
本发明采用计算归一化统计量的方式确定组合簇由哪些基本簇构成，从而使得确定组合簇由哪些基本簇构成的计算结果更加准确。
图4为本发明基于聚类的交叠信号消除方法实施例的步骤104具体过程的方法流程图。
参见图4，步骤104具体包括：
步骤401：对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
步骤402：根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
步骤403：根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
在步骤103的对簇类型进行划分的过程中会涉及到对数据进行排序，即将原有数据的顺序打乱，该步骤104的过程是重新对数据进行排列的过程，即位置复位。根据之前获取的基本簇的位置信息将基本簇和组合簇重新调整到原始位置。同时因组合簇在步骤103中已经确定出由哪些基本簇构成，因此在对组合簇的位置复位的过程中，只需将构成组合簇的基本簇复位即可。这样得到的基本簇窗内集成的全部都为基本簇，从而实现了交叠信号的消除，便于直接对数据进行解码。
图5为本发明基于聚类的交叠信号消除方法实施例的步骤105具体过程的方法流程图。
参见图5，步骤105具体包括：
步骤501：判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
步骤502：若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
图6为本发明基于聚类的交叠信号消除系统实施例的系统结构图。
参见图6，该基于聚类的交叠信号消除系统，包括：
数据获取模块601，用于获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
数据聚类模块602，用于将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
簇类型确定模块603，用于根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多种幅度范围的独立信号叠加后构成的数据的集合；
组合簇分解模块604，用于根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
簇拼接模块605，用于对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号。
本发明公开的基于聚类的交叠信号消除方法及系统，通过对数据进行簇聚类、簇类型区分和交叠信号的恢复处理，使得本发明的方法及系统只针对脉冲信号的幅度进行运算，不拘泥于脉冲信号的特性，能够适用于各种脉位调制信号之间的交叠信号的消除，具有通用性。
所述数据聚类模块602，具体包括：
数据复制单元，用于将所述滑动窗口中的数据复制一份，形成待处理数据集；
去噪单元，用于删除所述待处理数据集中的噪声数据；
当前簇定义单元，用于定义一个新簇作为当前簇，所述当前簇为空集；
最值计算单元，用于获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
当前簇初始化单元，用于将所述最值幅度数据移入所述当前簇；
第一空集判断单元，用于判断所述待处理数据集中是否有数据，得到第一判断结果；
最值均值计算单元，用于当所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行不等式判断单元；若所述第一判断结果表示所述待处理数据集中无数据时，执行错误删除单元；
不等式判断单元，用于判断是否成立；其中c1为常数，σ1为噪声标准差；
数据聚类单元，用于若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值为最值的数据在所述滑动窗中的位置，并返回执行所述空集判断单元；若不成立，则返回执行所述当前簇定义单元；
错误删除单元，用于删除错误的簇和错误的簇内数据。
所述簇类型确定模块603，具体包括：
均值方差计算单元，用于计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
最小两均值筛选单元，用于从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
簇组合单元，用于将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
排列组合单元，用于指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
最小簇均值计算单元，用于计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
归一化单元，用于计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
最小统计量计算单元，用于计算所述归一化统计量中的最小归一化统计量；
统计条件判断单元，用于判断所述最小归一化统计量是否满足设定统计条件；若满足，则执行组合簇确定单元；若不满足，则执行基本簇确定单元；
组合簇确定单元，用于确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值从所述待判断簇均值集合中移出；
基本簇确定单元，用于确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中；
第二空集判断单元，用于判断所述待判断簇均值集合是否为空集；若是，则执行终止单元；若不是，则返回排列组合单元；
终止单元，用于结束流程。
所述组合簇分解模块604，具体包括：
基本簇窗构建单元，用于对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
基本簇还原单元，用于根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
组合簇还原单元，用于根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
所述簇拼接模块605，具体包括：
簇长度判断单元，用于判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
解码单元，用于若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于聚类的交叠信号消除方法，其特征在于，包括：
步骤101：获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
步骤102：将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
步骤103：根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多个不同幅度范围的独立信号叠加后构成的数据的集合；
步骤104：根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
步骤105：对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号；
所述将所述数据按幅度值进行聚类，得到具有不同幅度范围的簇，具体包括：
步骤201：将所述滑动窗口中的数据复制一份，形成待处理数据集；
步骤202：分辨并删除所述待处理数据集中的噪声数据；
步骤203：定义一个新簇作为当前簇，所述当前簇为空集；
步骤204：获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
步骤205：将所述最值幅度数据移入所述当前簇；
步骤206：判断所述待处理数据集中是否有数据，得到第一判断结果；
步骤207：若所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行步骤208；若所述第一判断结果表示所述待处理数据集中无数据时，执行步骤210；
步骤208：判断是否成立；其中c1为常数，σ1为噪声标准差；
步骤209：若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值最大的数据在所述滑动窗中的位置，并返回执行步骤206；若不成立，则返回步骤203；
步骤210：删除错误的簇和错误的簇内数据。
2.根据权利要求1所述的一种基于聚类的交叠信号消除方法，其特征在于，所述根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系，具体包括：
步骤301：计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
步骤302：从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
步骤303：将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
步骤304：指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
步骤305：计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
步骤306：计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
步骤307：计算所述归一化统计量中的最小归一化统计量；
步骤308：判断所述最小归一化统计量是否满足设定统计条件；若满足，则执行步骤309；若不满足，则执行步骤310；
步骤309：确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值从所述待判断簇均值集合中移出，执行步骤311；
步骤310：确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中，执行步骤311；
步骤311：判断所述待判断簇均值集合是否为空集；若是，则执行步骤312；若不是，则返回步骤304；
步骤312：结束流程。
3.根据权利要求1所述的一种基于聚类的交叠信号消除方法，其特征在于，所述根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内，具体包括：
步骤401：对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
步骤402：根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
步骤403：根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
4.根据权利要求3所述的一种基于聚类的交叠信号消除方法，其特征在于，所述对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号，具体包括：
步骤501：判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
步骤502：若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
5.一种基于聚类的交叠信号消除系统，其特征在于，包括：
数据获取模块，用于获取滑动窗接收的数据；所述滑动窗为时间轴上对应预设时间段的时间窗；所述滑动窗通过在时间轴上进行滑动收集对应的所述时间段内接收到的信号，并确定所述信号的幅度值；
数据聚类模块，用于将所述数据按幅度值进行聚类，得到具有不同幅度值范围的簇；所述簇为幅度值在所述幅度值范围的数据的集合；
簇类型确定模块，用于根据所述簇内的所述幅度值的均值确定所述簇为基本簇或组合簇，若所述簇为组合簇，确定所述组合簇与所述基本簇的组合关系；所述基本簇为由同一幅度范围的独立信号构成的数据的集合；所述组合簇为由多种幅度范围的独立信号叠加后构成的数据的集合；
组合簇分解模块，用于根据所述组合簇与所述基本簇的组合关系，将所述组合簇内的数据划分到对应的基本簇内；
簇拼接模块，用于对前后两个所述滑动窗内的所述基本簇进行拼接，得到非交叠信号；
所述数据聚类模块，具体包括：
数据复制单元，用于将所述滑动窗口中的数据复制一份，形成待处理数据集；
去噪单元，用于分辨并删除所述待处理数据集中的噪声数据；
当前簇定义单元，用于定义一个新簇作为当前簇，所述当前簇为空集；
最值计算单元，用于获取所述待处理数据集中幅度值为最值的数据，得到最值幅度数据；所述幅度值为最值的数据为所述待处理数据集中幅度值最大的数据或所述待处理数据集中幅度值最小的数据；
当前簇初始化单元，用于将所述最值幅度数据移入所述当前簇；
第一空集判断单元，用于判断所述待处理数据集中是否有数据，得到第一判断结果；
最值均值计算单元，用于当所述第一判断结果表示所述待处理数据集中有数据时，则获得所述待处理数据集中幅度值为最值的数据和所述当前簇内数据的幅度值的均值并执行不等式判断单元；若所述第一判断结果表示所述待处理数据集中无数据时，执行错误删除单元；
不等式判断单元，用于判断是否成立；其中c1为常数，σ1为噪声标准差；
数据聚类单元，用于若成立，则将所述幅度值为最值的数据移入所述当前簇，记录幅度值为最值的数据在所述滑动窗中的位置，并返回执行所述空集判断单元；若不成立，则返回执行所述当前簇定义单元；
错误删除单元，用于删除错误的簇和错误的簇内数据。
6.根据权利要求5所述的一种基于聚类的交叠信号消除系统，其特征在于，所述簇类型确定模块，具体包括：
均值方差计算单元，用于计算每个簇的均值和方差；所述簇的均值为所述簇内的数据的幅度值的均值；所述簇的方差为所述簇内的数据的幅度值的方差；
最小两均值筛选单元，用于从各所述簇的均值中筛选出最小的两个均值，构成基本簇均值集合，并将所述最小的两个均值所对应的簇标记为基本簇；
簇组合单元，用于将所述最小的两个均值所对应的簇之外的簇的均值组合成待判断簇均值集合；
排列组合单元，用于指定排列组合数大于或等于2，确定所述基本簇均值集合中所有元素的所有排列组合，得到多个基本簇均值组合；
最小簇均值计算单元，用于计算所述待判断簇均值集合中均值最小的簇均值，得到最小簇均值；
归一化单元，用于计算所述最小簇均值与每个所述基本簇均值组合相对应得到的归一化统计量；
最小统计量计算单元，用于计算所述归一化统计量中的最小归一化统计量；
统计条件判断单元，用于判断所述最小归一化统计量是否满足设定统计条件；若满足，则执行组合簇确定单元；若不满足，则执行基本簇确定单元；
组合簇确定单元，用于确定所述最小簇均值对应的簇为组合簇，且所述组合簇由最小归一化统计量对应的基本簇均值组合所对应的基本簇构成，记录所述组合簇的位置信息并将所述组合簇的均值从所述待判断簇均值集合中移出；
基本簇确定单元，用于确定所述最小簇均值对应的簇为基本簇，并将所述基本簇均值移入到所述基本簇均值集合中；
第二空集判断单元，用于判断所述待判断簇均值集合是否为空集；若是，则执行终止单元；若不是，则返回排列组合单元；
终止单元，用于结束流程。
7.根据权利要求5所述的一种基于聚类的交叠信号消除系统，其特征在于，所述组合簇分解模块，具体包括：
基本簇窗构建单元，用于对于每一个滑动窗，构建一个与所述滑动窗结构相同的基本簇窗；
基本簇还原单元，用于根据所述基本簇在所述滑动窗内的位置，将所述基本簇的均值放在所述基本簇窗中与所述基本簇在所述滑动窗内的位置相对应的位置上；
组合簇还原单元，用于根据所述组合簇在所述滑动窗内的位置，将构成所述组合簇的所述基本簇的簇均值放在所述基本簇窗中与所述组合簇在所述滑动窗内的位置相对应的位置上。
8.根据权利要求7所述的一种基于聚类的交叠信号消除系统，其特征在于，所述簇拼接模块，具体包括：
簇长度判断单元，用于判断所述基本簇窗内同一均值大小的基本簇的长度是否满足信号长度的大小，得到第三判断结果；
解码单元，用于若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度满足信号长度的大小，则对所述基本簇进行解码；若所述第三判断结果表示所述基本簇窗内同一均值大小的基本簇的长度小于信号长度的大小，则将该基本簇与所述基本簇窗前后的基本簇窗内均值相同的基本簇进行合并，并对合并后的基本簇进行解码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710282561.9A CN106921599B (zh) | 2017-04-26 | 2017-04-26 | 一种基于聚类的交叠信号消除方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710282561.9A CN106921599B (zh) | 2017-04-26 | 2017-04-26 | 一种基于聚类的交叠信号消除方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106921599A CN106921599A (zh) | 2017-07-04 |
| CN106921599B true CN106921599B (zh) | 2019-08-13 |
Family
ID=59568441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710282561.9A Active CN106921599B (zh) | 2017-04-26 | 2017-04-26 | 一种基于聚类的交叠信号消除方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106921599B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110932795B (zh) * | 2019-09-30 | 2021-07-27 | 天津大学 | 一种对脉位调制信号的幅度进行均衡调制系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1619332A (zh) * | 2003-11-18 | 2005-05-25 | 电子科技大学 | 一种二次雷达应答处理的抗干扰新技术 |
| CN102435982A (zh) * | 2011-09-09 | 2012-05-02 | 陕西长岭电子科技有限责任公司 | 一种三模式空管应答机及对三种模式询问信号的检测和识别方法 |
| CN104253721A (zh) * | 2014-09-23 | 2014-12-31 | 北京航空航天大学 | 一种ads-b系统中s模式应答信号的数据位提取方法 |
| CN105205113A (zh) * | 2015-09-01 | 2015-12-30 | 西安交通大学 | 一种时序数据异常变化过程的挖掘系统及方法 |
-
2017
- 2017-04-26 CN CN201710282561.9A patent/CN106921599B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1619332A (zh) * | 2003-11-18 | 2005-05-25 | 电子科技大学 | 一种二次雷达应答处理的抗干扰新技术 |
| CN102435982A (zh) * | 2011-09-09 | 2012-05-02 | 陕西长岭电子科技有限责任公司 | 一种三模式空管应答机及对三种模式询问信号的检测和识别方法 |
| CN104253721A (zh) * | 2014-09-23 | 2014-12-31 | 北京航空航天大学 | 一种ads-b系统中s模式应答信号的数据位提取方法 |
| CN105205113A (zh) * | 2015-09-01 | 2015-12-30 | 西安交通大学 | 一种时序数据异常变化过程的挖掘系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 二次雷达S模式综述;王洪，刘昌忠，汪学刚;《电视技术》;20080728;113-118 |
| 信号交叠下S模式ADS-B信号解码仿真;许晓;《优秀硕士论文全文数据库》;20130422;1-76 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106921599A (zh) | 2017-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017041524A1 (zh) | 处理交通道路信息的方法及装置 | |
| CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
| US20200292572A1 (en) | Wireless motion detection using multiband filters | |
| US20020126224A1 (en) | System for detection of transition and special effects in video | |
| CN110084129B (zh) | 一种基于机器视觉的河流漂浮物实时检测方法 | |
| CN106921599B (zh) | 一种基于聚类的交叠信号消除方法及系统 | |
| CN110085247A (zh) | 一种针对复杂噪声环境的双麦克风降噪方法 | |
| EP3822830A1 (en) | Feature processing method and device for motion trajectory, and computer storage medium | |
| CN107180223A (zh) | 基于wifi无线信号的动作识别方法和系统 | |
| CN107292302A (zh) | 检测图片中兴趣点的方法和系统 | |
| CN104253721B (zh) | 一种ads‑b系统中s模式应答信号的数据位提取方法 | |
| CN115563180A (zh) | 动态阈值生成方法、装置、设备及存储介质 | |
| CN103049749A (zh) | 在栅格遮挡下的人体再识别方法 | |
| CN112381054A (zh) | 摄像机的工作状态检测方法及相关设备、系统 | |
| CN113253269B (zh) | 一种基于图像分类的sar自聚焦方法 | |
| US20210195170A1 (en) | Video jitter detection method and apparatus | |
| CN103366163B (zh) | 基于增量学习的人脸检测系统和方法 | |
| CN110718070A (zh) | 一种伴随车辆识别方法、装置、设备及存储介质 | |
| CN105281791B (zh) | 一种ofdm无线通信系统中的干扰检测方法 | |
| CN106295683A (zh) | 一种基于尖锐度的时间序列数据的离群点检测方法 | |
| CN113936003B (zh) | 一种门窗制造质量检测方法 | |
| CN110517469A (zh) | 一种适用于音视频融合平台的智能告警收敛方法 | |
| CN112884730B (zh) | 一种协同显著性物体检测方法及系统 | |
| US20230056296A1 (en) | Image exposure adjustment method and apparatus, device, and storage medium | |
| CN112001211B (zh) | 对象检测方法、装置、设备及计算机可读存储介质 |
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 |