CN107528646A - 一种基于宽带频谱的干扰信号识别及提取方法 - Google Patents
一种基于宽带频谱的干扰信号识别及提取方法 Download PDFInfo
- Publication number
- CN107528646A CN107528646A CN201710773754.4A CN201710773754A CN107528646A CN 107528646 A CN107528646 A CN 107528646A CN 201710773754 A CN201710773754 A CN 201710773754A CN 107528646 A CN107528646 A CN 107528646A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- interference signal
- mtr
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 206010020675 Hypermetropia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提供一种基于宽带频谱的干扰信号识别及提取方法，包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)；S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；S5，确定各干扰信号的起止频点对应的采样点序号；S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。本发明基于宽带频谱数据，并给定信噪分离阈值，通过对频谱数据进行二值化处理，运用数值梯度检测信号的边界，从而提取干扰信号。本发明具有算法简单、易于编程实现、信号检测速度快等特点。
Description
技术领域
本发明涉及频域信号检测及识别技术，尤其涉及一种基于宽带频谱的干扰信号识别及提取方法。
背景技术
对于射电天文领域，运用电磁环境监测系统或电磁辐射测量系统测量获得的信号称为干扰信号。实际的射电天文监测数据中产生大量的频谱数据，频谱中存在窄带、宽带信号，运用商用频谱仪测试时，采样点数间隔需大于信号带宽，也就意味着单个信号由一个或多个采样点构成。从电波环境频谱中有效分离噪声和干扰信号，对研究和统计射电天文台站干扰信号的特征及规律非常重要。
发明内容
本发明的目的在于提供一种基于宽带频谱的干扰信号识别及提取方法，以有效提取电波环境频谱中的干扰信号。
为了实现上述目的，本发明采用如下技术方案：一种基于宽带频谱的干扰信号识别及提取方法，包括以下步骤：
S1，提供多个采样点的宽带频谱I(F,P)：
P＝[p1,p2,…,pi,…,pN]T (1)，
F＝[f1,f2,…,fi,…,fN]T (2)，
C＝[1,2,3,…i,…,N]T (3)，
其中，矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点阵列，N表示采样点个数，i表示采样点序号；
S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；
S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；
S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；
S5，确定各干扰信号的起止频点对应的采样点序号；
S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。
进一步地，在所述步骤S3中，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果采用ui表示：
进一步地，在所述步骤S4中，分别用GN×1和DN×1表示数据ui的两种数值梯度，
其中，若Gi＝0或Di＝0，则表示该采样点i不是信号突变点，当Gi＝1时表示该采样点i为干优信号的左边缘，当Di＝-1时表示该采样点i为干扰信号的右边缘。
进一步地，在所述步骤S5中，采用L和R分别表示干扰信号的起始频点和终止频点对应的采样点序号，则L和R满足式(9)和(10)所示的关系式：
L′＝CGTENB (9)，
R′＝-CDTENB (10)，
其中，EN表示N维单位矩阵，N维列向量B＝[1,1,1,…,1]T，分别依次提取列向量L′和R′中的非零元素，提取后的非零元素分别存入列向量L和R中，则有：
w＝dim(L) (11)，
其中，dim(L)表示列向量L的维数，即w为频谱I(F,P)中干扰信号的个数。
进一步地，在所述步骤S6中，采用列向量M表示提取出的干扰信号，各干扰信号用Mk(k＝1,2,…,w)表示，则有：
M(f,p)＝[M1,M2,…,Mk,…,Mw]T (12)，
其中，Lk表示第k个干扰信号的起始频点对应的采样序号，Rk表示第k个干扰信号的终止频点对应的采样序号，表示第k个干扰信号的起始频点对应的频率，表示第k个干扰信号的起始频点对应的幅度，表示第k个干扰信号的终止频点对应的频率，表示第k个干扰信号的终止频点对应的幅度。
通过采用上述技术方案，本发明基于宽带频谱数据，并给定信噪分离阈值，通过对频谱数据进行二值化处理，运用数值梯度检测信号的边界，从而提取干扰信号。本发明具有算法简单、易于编程实现、信号检测速度快等特点。
附图说明
图1为本发明一种基于宽带频谱的干扰信号识别及提取方法的流程图；
图2为本发明一个实施例中宽带频谱与信噪分离阈值的示意图；
图3为图2实施例中宽带频谱的二值化处理结果示意图；
图4为图2实施例中宽带频谱的干扰信号边界检测结果示意图；
图5为图2实施例中宽带频谱的干扰信号的提取结果示意图。
具体实施方式
下面给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。
如图1所示，本发明基于宽带频谱的干扰信号识别及提取方法包括以下步骤：
S1，提供多个采样点的宽带频谱I(F,P)，如图2中实线所示，其中矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点序号，
P＝[p1,p2,…,pi,…,pN]T (1)，
F＝[f1,f2,…,fi,…,fN]T (2)，
C＝[1,2,3,…i,…,N]T (3)，
其中，N表示采样点个数。
S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N，如图2中虚线所示。在本发明中，可以采用多种现有的信噪分离域值获得每个宽带频谱的信噪分离阈值。例如，文献1【CHEN Chih-Hung,DEEN M J,et al.Extraction of the inducedgate noise,channel noise,and their correlation in submicronMOSFETs from RF noisemeasurements[J].IEEE Transactionson Electron Devices,2001,48(12):2884-2892】公开的提取信道热噪声方法，文献2【黄晓斌,刘海涛,等.强噪声背景下基于子空间的盲信号提取[J].电子与信息学报.2006,28(11):2037-2040.】和文献3【EVEN J,SARUWATARI H,etal.Frequency domain blind signalextraction:application to fast estimation ofdiffuse backgroundnoise[A].James L F.Hands-Free Speech CommunicationandMicrophone Arrays(HSCMA2008)[C].PiscatawayNJ:IEEE Signal Proceedings Society,2008.212-215.】公开的采用盲信号提取来估计背景噪声方法，文献4【Giannini F,BourdelE,et al.A new method to extract noise parametersbased on a frequency-andtime-domain analysis ofnoise power measurements[J].IEEE TransactionsonInstrumentationand Measurement,2008,57(2):261-267.】公开的提取器件的背景噪声参数方法，文献5【严天峰，马睿.基于形态学梯度的信号噪声分离算法[J].计算机应用.2011,31(11):2922-2925.】公开的基于形态学梯度的信噪分离方法，以及文献6【冯霞，龚晓峰，张丽丹，武瑞娟.基于纹理特征的背景噪声提取的应用研究[J].电子学报.2009,37(9):2092-2095.】基于纹理特征的背景噪声提取方法等。
S3，根据每个采样点的宽带频谱的信噪分离阈值，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果如图3所示，采用ui表示：
S4，对宽带频谱的二值化处理结果进行数值梯度检测，以判断各干扰信号的起止边界：分别用GN×1和DN×1表示数据ui的两种数值梯度，
其中，若Gi＝0或Di＝0，则表示该采样点i不是信号突变点，当Gi＝1时表示该采样点i为干优信号的左边缘，当Di＝-1时表示该采样点i为干扰信号的右边缘，边界判断结果如图4所示。
S5，确定各干扰信号的起止频点对应的采样点序号：采用L和R分别表示干扰信号的起始频点和终止频点对应的采样点序号，则L和R满足式(9)和(10)所示的关系式：
L′＝CGTENB (9)，
R′＝-CDTENB (10)，
其中，EN表示N维单位矩阵，N维列向量B＝[1,1,1,…,1]T，分别依次提取列向量L′和R′中的非零元素，提取后的非零元素分别存入列向量L和R中，则有：
w＝dim(L) (11)，
其中，dim(L)表示列向量L的维数，即w为频谱I(F,P)中干扰信号的个数。
S6，根据各干扰信号的对应的频点的频率和幅度提取干扰信号：采用列向量M表示提取出的干扰信号，各干扰信号用Mk(k＝1,2,…,w)表示，则有：
M(f,p)＝[M1,M2,…,Mk,…,Mw]T (12)，
其中，Lk表示第k个干扰信号的起始频点对应的采样序号，Rk表示第k个干扰信号的终止频点对应的采样序号，表示第k个干扰信号的起始频点对应的频率，表示第k个干扰信号的起始频点对应的幅度，表示第k个干扰信号的终止频点对应的频率，表示第k个干扰信号的终止频点对应的幅度。经过本步骤，干扰信号的提取结果如图5所示。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体的实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (5)
1.一种基于宽带频谱的干扰信号识别及提取方法，其特征在于，包括以下步骤：
S1，提供多个采样点的宽带频谱I(F,P)：
P＝[p1,p2,…,pi,…,pN]T (1)，
F＝[f1,f2,…,fi,…,fN]T (2)，
C＝[1,2,3,…i,…,N]T (3)，
其中，矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点阵列，N表示采样点个数，i表示采样点序号；
S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；
S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；
S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；
S5，确定各干扰信号的起止频点对应的采样点序号；
S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。
2.在所述步骤S3中，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果采用ui表示：
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3.在所述步骤S4中，分别用GN×1和DN×1表示数据ui的两种数值梯度，
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>&NotEqual;</mo>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>&NotEqual;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中，若Gi＝0或Di＝0，则表示该采样点i不是信号突变点，当Gi＝1时表示该采样点i为干优信号的左边缘，当Di＝-1时表示该采样点i为干扰信号的右边缘。
4.在所述步骤S5中，采用L和R分别表示干扰信号的起始频点和终止频点对应的采样点序号，则L和R满足式(9)和(10)所示的关系式：
L′＝CGTENB (9)，
R′＝-CDTENB (10)，
其中，EN表示N维单位矩阵，N维列向量B＝[1,1,1,…,1]T，分别依次提取列向量L′和R′中的非零元素，提取后的非零元素分别存入列向量L和R中，则有：
w＝dim(L) (11)，
其中，dim(L)表示列向量L的维数，即w为频谱I(F,P)中干扰信号的个数。
5.在所述步骤S6中，采用列向量M表示提取出的干扰信号，各干扰信号用Mk(k＝1,2,…,w)表示，则有：
M(f,p)＝[M1,M2,…,Mk,…,Mw]T (12)，
<mrow>
<msub>
<mi>M</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<msub>
<mi>L</mi>
<mi>k</mi>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>p</mi>
<msub>
<mi>L</mi>
<mi>k</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mrow>
<msub>
<mi>L</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>L</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>p</mi>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中，Lk表示第k个干扰信号的起始频点对应的采样序号，Rk表示第k个干扰信号的终止频点对应的采样序号，表示第k个干扰信号的起始频点对应的频率，表示第k个干扰信号的起始频点对应的幅度，表示第k个干扰信号的终止频点对应的频率，表示第k个干扰信号的终止频点对应的幅度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710773754.4A CN107528646B (zh) | 2017-08-31 | 2017-08-31 | 一种基于宽带频谱的干扰信号识别及提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710773754.4A CN107528646B (zh) | 2017-08-31 | 2017-08-31 | 一种基于宽带频谱的干扰信号识别及提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107528646A true CN107528646A (zh) | 2017-12-29 |
| CN107528646B CN107528646B (zh) | 2020-08-28 |
Family
ID=60683103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710773754.4A Expired - Fee Related CN107528646B (zh) | 2017-08-31 | 2017-08-31 | 一种基于宽带频谱的干扰信号识别及提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107528646B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800634A (zh) * | 2018-12-11 | 2019-05-24 | 中国科学院新疆天文台 | 一种基于邻值统计的宽带频谱信噪分离方法 |
| CN110324098A (zh) * | 2019-07-05 | 2019-10-11 | 中国科学院新疆天文台 | 一种宽带频谱序列的干扰信号的识别与统计方法 |
| CN110855384A (zh) * | 2019-10-23 | 2020-02-28 | 中国科学院新疆天文台 | 一种基于窗口划分的宽带频谱信噪分离方法 |
| CN112737613A (zh) * | 2020-12-20 | 2021-04-30 | 中国电子科技集团公司第二十研究所 | 一种宽带信号频率区间范围自动确定方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120084085A1 (en) * | 2009-10-15 | 2012-04-05 | Huawei Technologies Co., Ltd. | Method and device for tracking background noise in communication system |
| CN104267265A (zh) * | 2014-09-30 | 2015-01-07 | 中国科学院新疆天文台 | 一种基于射电天文仪器设备电磁辐射的评估系统及方法 |
| CN104811258A (zh) * | 2015-04-03 | 2015-07-29 | 深圳邦健生物医疗设备股份有限公司 | 干扰信号消除方法、装置以及医疗设备 |
| CN105203839A (zh) * | 2015-08-28 | 2015-12-30 | 中国科学院新疆天文台 | 一种基于宽带频谱的干扰信号提取方法 |
-
2017
- 2017-08-31 CN CN201710773754.4A patent/CN107528646B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120084085A1 (en) * | 2009-10-15 | 2012-04-05 | Huawei Technologies Co., Ltd. | Method and device for tracking background noise in communication system |
| CN104267265A (zh) * | 2014-09-30 | 2015-01-07 | 中国科学院新疆天文台 | 一种基于射电天文仪器设备电磁辐射的评估系统及方法 |
| CN104811258A (zh) * | 2015-04-03 | 2015-07-29 | 深圳邦健生物医疗设备股份有限公司 | 干扰信号消除方法、装置以及医疗设备 |
| CN105203839A (zh) * | 2015-08-28 | 2015-12-30 | 中国科学院新疆天文台 | 一种基于宽带频谱的干扰信号提取方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800634A (zh) * | 2018-12-11 | 2019-05-24 | 中国科学院新疆天文台 | 一种基于邻值统计的宽带频谱信噪分离方法 |
| CN109800634B (zh) * | 2018-12-11 | 2021-05-18 | 中国科学院新疆天文台 | 一种基于邻值统计的宽带频谱信噪分离方法 |
| CN110324098A (zh) * | 2019-07-05 | 2019-10-11 | 中国科学院新疆天文台 | 一种宽带频谱序列的干扰信号的识别与统计方法 |
| CN110855384A (zh) * | 2019-10-23 | 2020-02-28 | 中国科学院新疆天文台 | 一种基于窗口划分的宽带频谱信噪分离方法 |
| CN112737613A (zh) * | 2020-12-20 | 2021-04-30 | 中国电子科技集团公司第二十研究所 | 一种宽带信号频率区间范围自动确定方法 |
| CN112737613B (zh) * | 2020-12-20 | 2022-04-05 | 中国电子科技集团公司第二十研究所 | 一种宽带信号频率区间范围自动确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107528646B (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107528646A (zh) | 一种基于宽带频谱的干扰信号识别及提取方法 | |
| Wang et al. | A new methodology for identifying arc fault by sparse representation and neural network | |
| CN106407905B (zh) | 基于机器学习的无线感知动作识别方法 | |
| CN105844216B (zh) | 一种利用WiFi信号识别手写字母的检测与匹配机制 | |
| CN105678273B (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
| CN112733609A (zh) | 一种基于离散小波变换的领域自适应Wi-Fi手势识别方法 | |
| CN105873212A (zh) | 基于信道状态信息的室内环境人员检测方法 | |
| CN109117747A (zh) | 基于循环平稳与深度卷积神经网络的雷达信号分类方法 | |
| CN106203301A (zh) | 终端设备、指纹识别方法及装置 | |
| CN107392123A (zh) | 一种基于相参积累消噪的射频指纹特征提取和识别方法 | |
| CN107862295A (zh) | 一种基于WiFi信道状态信息识别面部表情的方法 | |
| CN109902554A (zh) | 一种基于商用Wi-Fi的手语的识别方法 | |
| CN111050315A (zh) | 一种基于多核双路网络的无线发射机识别方法 | |
| CN111901028B (zh) | 一种基于多天线上csi的人体行为识别方法 | |
| CN107728104A (zh) | 一种改进的卫星导航干扰测向方法 | |
| Yuan et al. | Specific emitter identification based on transient energy trajectory | |
| CN110764152A (zh) | 一种无人机快速检测与识别的装置及方法 | |
| CN105743756B (zh) | WiFi系统中基于adaboost算法的帧检测方法 | |
| CN108846407B (zh) | 基于独立成分高序不确定脑网络的磁共振影像分类方法 | |
| Yang et al. | An incipient fault diagnosis method based on Att-GCN for analogue circuits | |
| Wang et al. | Novel multiwavelet-based lpc random forest classifier for bluetooth RF-fingerprint identification | |
| CN110458118B (zh) | 基于信道状态信息的简单手语识别方法 | |
| Puigt et al. | Nonlinear blind mixture identification using local source sparsity and functional data clustering | |
| CN107220670B (zh) | 基于离散小波变换的有监督式人工味觉系统特征提取方法 | |
| CN107944469A (zh) | 一种基于重排st的低信噪比微震事件辨识方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200828 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |