CN107919891B - 用于检测至少一个宽带干扰的方法和检测系统 - Google Patents
用于检测至少一个宽带干扰的方法和检测系统 Download PDFInfo
- Publication number
- CN107919891B CN107919891B CN201710910871.0A CN201710910871A CN107919891B CN 107919891 B CN107919891 B CN 107919891B CN 201710910871 A CN201710910871 A CN 201710910871A CN 107919891 B CN107919891 B CN 107919891B
- Authority
- CN
- China
- Prior art keywords
- salient points
- points
- signal
- function
- determined
- 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
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
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
-
- 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
-
- 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
- H04B1/707—Spread spectrum techniques using direct sequence modulation
- H04B1/7097—Interference-related aspects
-
- 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
- H04B1/692—Hybrid techniques using combinations of two or more spread spectrum techniques
-
- 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
- H04B2001/6912—Spread spectrum techniques using chirp
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
描述了一种用于检测宽带干扰的方法,其中,借助于光谱图确定传入信号的时频区域。使用光谱峰度使得针对传入信号的每个频率槽计算光谱峰度值。执行时域分析以便识别先前已经通过光谱峰度调查的显著频率槽的显著点。评估显著点以便确定这些显著点是否对应于至少一个宽带干扰。
Description
技术领域
本发明涉及用于在时频区域中检测至少一个宽带干扰的方法以及检测系统。
背景技术
通常,如雷达信号的宽带干扰可以发射覆盖至少部分地要被分析的频率范围的宽带调频信号。因此,宽带干扰可以扰乱要被分析的其他更多的窄带信号的检测使得这些信号不能够被自动评估。例如,宽带扰乱信号,也被称为啁啾,被科学家用于调查电离层。啁啾信号关于它们的频率的时间依赖性可以是线性的或非线性的。特定的啁啾信号也称为瞬变。
在分析时频区域或时频平面中的其他信号之前,必须通过在检测到的信号的时频区域中标记对应于啁啾信号的相关点来确定干扰的位置。通常,在这样的时频区域中,通过人眼能够区分对应于宽带干扰的信号点。然而,不能够用最小的努力以简单且自动的方式对各种时频点进行自动检测和分离,特别是处理能力可能过高地增长。
然而,已知不同的方法和技术在一定程度上支持在时频区域中识别宽带干扰的过程。
首先,必须确定包含所有类型信号的显著点(significant point)。一种技术涉及通过使用针对能量的阈值来确定显著点。因此,超过能量的预定阈值的点被用于进一步处理。然而,将不会处理要被分析的低能量信号。
另一种技术涉及统计度量、光谱峰度,其中,确定时频区域中的完整的显著频率槽,而不是显著时频点。通常,光谱峰度是用于识别短时间内在特定频率槽中出现的信号的统计度量。信号在专用频率槽中出现得越短,通过使用光谱峰度能够越好地检测到该信号。已知啁啾信号在很短的时间内出现。因此,光谱峰度适合于检测包括啁啾信号的显著频率槽。然而,不能够通过光谱峰度限制频率槽内的信号的时间位置或将啁啾信号与其他时间短信号区分。
在已经识别了显著点或显著频率槽之后,必须分析这些点或槽以将啁啾与其他信号区分。为此,已知不同的技术。
例如,Radon变换被用于识别显著点内的啁啾信号,其中,Radon变换是数学积分变换。然而,Radon变换是计算密集型的并且只适用于线性啁啾信号。
此外,如Sobel滤波的图像处理算法也可以识别显著点内的啁啾信号。然而,它们仅在啁啾的时频斜率能够事先被估计时适用。否则,滤波器抽头长度并且因此计算复杂度过高地增长。此外,它们也仅适用于线性信号。
此外,已知将在时率区域中的显著点组合到所谓的集群区域的集群算法。然而,这些算法不能将属于啁啾信号的显著点与其他信号的相邻显著点分离。
上述技术和方法仅被用于支持区分过程。然而,由于其计算复杂度或由于结果的缺点,它们不适用于全自动化检测系统。
发明内容
本发明提供一种用于检测至少一个宽带干扰的方法,其具有以下步骤:
-借助于传入信号的光谱图确定传入信号的时频区域,
-使用光谱峰度使得针对传入信号的每个频率槽计算光谱峰度值,
-执行时域分析以便识别先前已经通过光谱峰度调查的显著频率槽的显著点,以及
-评估显著点以便确定这些显著点是否对应于至少一个宽带干扰。
本发明还提供了一种检测系统,其中,该检测系统被配置为使得能够执行如上所述的方法。
本发明基于如下发现:定义规则使得检测系统能够处理上述几个步骤以便检测至少一个宽带干扰信号而不管其特征如何。之后,能够抑制信号使得能够自动评估获得的光谱。因此,能够检测并抑制宽带干扰的线性宽带信号和非线性宽带信号。
通常,该方法基于啁啾信号仅在特定频率槽中短时间出现的知识。包括啁啾信号的频率槽的光谱峰度值是可识别的,因为啁啾信号由于其时变频率仅在专用频率槽中短时间内出现。因此,光谱峰度能够被用于标记和识别例如能够通过傅里叶变换收集的时频区域中的显著频率槽。在光谱峰度期间,通过调查所计算的光谱峰度值来确定显著频率槽。因此,识别出可能包括在时频区域或否则时频平面中的至少一个可能的宽带干扰的信号点的显著频率槽。
除了光谱峰度之外,然后执行时域分析使得在每个显著频率槽中的显著点被标记或否则切出以用于进一步处理。在第一种方法中,披露的显著点被认为是啁啾信号的一部分。因此,每个频率槽中的其他信号或否则信号点不被抑制,因为仅通过执行时域分析来识别显著点。事实上,被认为与宽带干扰相关的显著点被识别并切出或否则从所有接收到的信号点中选择使得仅这些显著点被用于进一步处理,特别是识别啁啾信号。因此,确保频率槽中的其他信号之后能够被分析。
例如,仅分析先前已经被识别为显著的那些频率槽。
根据一方面,在评估步骤期间和/或之后去除不符合针对宽带干扰的预定标准的显著点,特别地其中,尤其使用了恒定误警率(CFAR)算法。改进评估过程,因为在评估期间仅使用信号点,其可以是啁啾信号的信号点。因此,至少一个啁啾信号的确定被改进。
根据另一方面,在评估步骤期间的拟合过程中针对显著点确定至少一个拟合函数以便确定干扰信号是线性啁啾信号、非线性啁啾信号或有用信号的随机部分。对应于啁啾信号的信号点在时频区域中遵循特定函数。因此,执行拟合过程披露显著点中的哪些属于啁啾信号以及哪些是有用信号的(随机)部分。有用信号的部分也可能是感兴趣的。
特别地,拟合过程是两步骤过程,其中,拟合函数被拟合至少两次。这改进拟合过程的可靠性。
此外,能够确定分离的显著点相对于第一拟合函数的偏差。具有小偏差的信号点能够被认为属于啁啾信号。
根据另一方面,确定具有最小偏差的预定义数量的显著点,特别是显著点的80%。这些显著点被认为属于啁啾信号,因为它们是能够通过最合适的曲线来近似的显著点。其他百分比引用也是合适的。百分比引用可以由制造商设置。特别地,百分比引用被设置使得用户不能改变其值。
备选地,百分比引用由制造商预设,但是在用户交互时可以由用户改变它。
特别地,再次利用第二拟合函数拟合具有相对于第一拟合函数的最小偏差的显著点。由于具有最小偏差的点是啁啾信号的最有希望的候选者,对它们再次拟合以便获得针对啁啾信号的最合适的拟合函数。
此外,可以确定所有显著点相对于第二拟合函数的偏差。在第二拟合之后,所有显著点相对于第二拟合函数的偏差被确定,特别是不用于确定第二拟合函数的那些。因此,确定具有相对于第二拟合函数的最小偏差的预定义数量的显著点的偏差以及其他。
可以去除具有高于预设值的相对于拟合函数的偏差的这些显著点。能够在第一拟合过程和/或第二拟合过程之后应用预设值。因此,确定显著点相对于第一拟合函数和/或第二拟合函数的偏差,其中,不同的预设值可以被用于第一拟合函数和第二拟合函数。因此,去除具有高于预设值的与拟合函数的偏差的显著点,因为这些点被认为是有用信号的部分。这些去除的显著点不再被用于进一步处理。通常,该步骤仅在第二拟合过程之后执行。
特别地,二次函数被用作拟合函数。通常,啁啾信号能够由二次函数来描述。因此,这些函数被用于确定显著点是否属于至少一个啁啾信号。
通常,合适的函数被用作拟合函数。因此,指数函数、自然指数函数和/或多项式函数也可以用作拟合函数。
根据另一方面,针对显著点的阈值数是预定的,其中,如果未达到该阈值数,则去除所有显著点。在评估期间的任何处理步骤处没有达到显著点的阈值数时,停止对啁啾信号点的检测。因此,确保不迫使拟合函数在接收到的信号点上匹配。其是在这些步骤中的任何期间没有超过阈值数时不提供啁啾信号的指示。例如,许多显著点的偏差高于预设值。
此外,在评估步骤之后仍然剩下的显著点可以被认为属于干扰,其中,这些显著点被随机噪声替代。所有剩下的显著点被认为属于啁啾信号,并且因此,这些显著点被随机噪声替代使得接收到的时频区域不再包括扰乱接收到的信号的自动分析的啁啾信号点。
通常,剩下的显著点在具有相对于第二拟合函数的最小偏差的显著点的预定义数量内。此外,在每个步骤期间已经达到阈值数,因为分析将否则被停止。
根据另一方面,步骤完全自动执行。因此,不需要手动交互,其降低了错误率,并且进一步改进了应用。用户仅需要打开检测系统并且由检测系统接收到的信号被自动处理使得属于干扰的信号部分被去除并且被随机噪声替代。因此,能够自动评估获得的时频区域。
根据特定实施例,手动交互是不可能的,特别是在由制造商预设了百分比引用时使得用户不能修改上述值。
通常,可以检测到不同的啁啾信号,例如两个或更多个不同发射器的啁啾信号。因此,分析时频区域以便评估可能的发射器的数量。然后,将在时频区域中获取的显著点分配给不同的啁啾信号。因此,对于不同的啁啾信号,特别是不同发射器的啁啾信号,必须确定不同的拟合函数。
根据一方面,该检测系统包括处理单元,处理单元被配置为执行如上所述的方法。处理单元执行不同的分析和评估步骤使得自动操作的检测系统被提供。
附图说明
现在将参考附图中所示的优选实施例来描述本发明。在附图中,
-图1示出了根据本发明的用于检测宽带干扰的检测系统,
-图2示出了其中啁啾信号是可见的时频区域,以及
-图3示出了根据本发明的用于检测宽带干扰的方法的流程图。
具体实施方式
在图1中,示出了用于自动检测至少一个宽带干扰的检测系统10。图2中示出了时频区域中的宽带干扰的信号,其中,时频区域包括几个信号,特别是作为啁啾信号的宽带干扰的信号。啁啾信号是宽带调频信号。因此,如能够看出的,啁啾信号的频率随着时间而变化。
通常,时频区域也可以称为时频平面。
检测系统10尤其包括处理单元12,其被配置为执行如下面将参考图3所述的用于自动检测宽带干扰的方法。处理单元12与用于接收传入信号的天线系统14连接。
在图3中,示出了表示用于自动检测和识别宽带干扰的方法(特别是不同步骤)的优选实施例的流程图。
首先,借助于光谱图确定传入信号的时频区域。
然后,使用光谱峰度使得确定针对传入信号的每个频率槽的光谱峰度值。因此,能够识别可以包括至少一个啁啾信号或否则宽带干扰的信号的频率槽。这些显著频率槽能够被确定,因为啁啾信号由于其时变频率特征仅在特定频率槽中短时间内出现。因此,当在专用频率槽中出现啁啾信号时光谱峰度值是大的。通常,光谱峰度值是数学度量。
之后,执行时域分析以便识别频率槽内的显著点。因此,如下文将描述的,识别的显著点被标记或被选择用于进一步处理。在第一种方法中,这些显著点被认为属于宽带干扰的信号,例如啁啾信号。因此,从显著频率槽中选择或否则切出时间频区域中的单独的信号点。
如已经提到的,大光谱峰度值是针对包括仅在专用频率槽中短时间内出现的信号(诸如啁啾信号)的频率槽的指示器。
在以第一种方法确定显著点之后,关于这些显著点的特征对这些显著点进行调查,特别是在它们符合针对宽带干扰的预定标准时对其进行调查。该分析步骤可以包括恒定误警率(CFAR)算法。如果确定显著点不符合预定标准,则去除这些点,因为它们很可能不属于啁啾信号。事实上,这些点可以是有用信号的随机部分。然而,如稍后将描述的,这样的随机部分可能是感兴趣的。
符合预定标准的显著点经受拟合过程,特别是两步骤拟合过程以便确定这些点是线性啁啾信号、非线性啁啾信号或有用信号的随机部分的部分。
在拟合过程期间,确定作为二次函数的第一拟合函数。备选地,可以使用指数函数、自然指数函数和/或多项式函数。
然后,确定具有与第一拟合函数的最小偏差的预定义数量的显著点,其将用于进一步处理。例如,选择具有最小偏差的80%的显著点以用于进一步处理。
通过确定作为二次函数的第二拟合函数来再次拟合这些选定点。备选地,可以使用指数函数、自然指数函数和/或多项式函数作为第二拟合函数。然后,使用符合预定标准(例如具有关于第一拟合函数的最小偏差的80%以及剩下的20%)的所有显著点,其中,确定其相对于第二拟合函数的偏差。
通常,可以将不同的函数测试为拟合函数以便分别找出最适合于拟合显著点(第一拟合函数)和选定点(第二拟合函数)的函数的种类。
然后,关于第二拟合函数的这些偏差被评估使得具有高于预设值的偏差的这些显著点从进一步的考虑中被去除。具有相对于第二拟合函数的大偏差的显著点被认为不是啁啾信号的部分。
仍然剩下的显著点被认为是干扰信号部分,特别是属于宽带干扰信号或否则是啁啾信号。因此,这些仍然剩下的显著点被随机噪声替代使得获得的时频区域不包含干扰信号或啁啾信号的任何信号部分。
之后,接收到的信号特别是在去除属于至少一个干扰的信号部分之后获得的时频区域能够被自动评估和分析,因为不再提供损害要被分析的信号的评估和分析步骤的啁啾信号点。因为只有啁啾信号点已经被随机噪声替代,仍然能够分析可能具有信息的有用信号的(随机)部分。
此外,能够针对显著点设置阈值数。
在上述评估和/或分析步骤中的任何期间,如果显著点的数量小于阈值数,去除所有显著点而不是预定义数量的显著点,因为假设尚未接收到啁啾信号。这确保有用信号的随机部分不被随机噪声替代,因为这些随机部分对于分析目的也可能是感兴趣的。
此外,可以检测不同的啁啾信号,特别是两个或多个发射器的啁啾信号。因此,在先分析时频区域中的显著点以便确定或否则估计可能的发射器的数量。然后,在时频区域中获得的显著点被分配给确定的或否则估计的数量的发射器。之后,必须针对每个不同的啁啾信号确定拟合函数。
因此,显著点通过闭合的数学函数或表达式进行评估或分析。
因此,提供至少一个啁啾信号及其替代的全自动检测使得能够随后执行要被分析的信号的评估和分析,而无需任何手动交互。此外,要求的计算能力低,其继而降低检测系统以及用于检测至少一个宽带干扰的方法的成本。
因此,能够利用具有低性能的设备(诸如普通个人计算机或笔记本电脑)进行实时处理。因此,不需要基于云的计算机系统、数据中心或高性能计算机来全自动检测啁啾信号。该设备对应于检测系统或其为检测系统的至少部分。
Claims (15)
1.一种用于检测至少一个宽带干扰的方法,具有以下步骤:
a)借助于传入信号的光谱图确定传入信号的时频区域,
b)使用光谱峰度以便针对所述传入信号的每个频率槽计算光谱峰度值,
c)执行时域分析以便识别先前已经通过光谱峰度调查的显著频率槽的显著点,以及
d)评估所述显著点以便确定这些显著点是否对应于至少一个宽带干扰。
2.根据权利要求1所述的方法,其特征在于,在所述评估步骤期间和/或之后,去除不符合针对宽带干扰的预定标准的显著点。
3.根据权利要求1所述的方法,其特征在于,在所述评估步骤期间的拟合过程中针对所述显著点确定至少一个拟合函数以便确定所述干扰信号是线性啁啾信号、非线性啁啾信号或有用信号的随机部分。
4.根据权利要求3所述的方法,其特征在于,所述拟合过程是两步骤过程,其中,拟合函数被拟合至少两次。
5.根据权利要求3所述的方法,其特征在于,确定所述显著点相对于第一拟合函数的偏差。
6.根据权利要求5所述的方法,其特征在于,确定具有最小偏差的预定义数量的显著点。
7.根据权利要求5所述的方法,其特征在于,再次利用第二拟合函数拟合具有关于所述第一拟合函数的最小偏差的显著点。
8.根据权利要求7所述的方法,其特征在于,确定所有显著点相对于所述第二拟合函数的偏差。
9.根据权利要求5所述的方法,其特征在于,去除具有高于预设值的相对于所述拟合函数的偏差的显著点。
10.根据权利要求3所述的方法,其特征在于,二次函数被用作拟合函数。
11.根据权利要求1所述的方法,其特征在于,针对显著点的阈值数是预定的,其中,如果未达到该阈值数,则去除所有显著点。
12.根据权利要求1所述的方法,其特征在于,在所述评估步骤之后仍然剩下的所述显著点被认为属于干扰,其中,这些显著点被随机噪声替代。
13.根据权利要求1所述的方法,其特征在于,所述步骤完全自动执行。
14.一种检测系统(10),其中,所述检测系统(10)被配置为使得能够执行根据前述权利要求中的任一项所述的方法。
15.根据权利要求14所述的检测系统(10),其特征在于,所述检测系统(10)包括处理单元(12),所述处理单元(12)被配置为执行根据所述权利要求1至13中的任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16192943.5A EP3306824B1 (en) | 2016-10-07 | 2016-10-07 | Method for detecting at least one broadband interferer and detecting system |
EP16192943.5 | 2016-10-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107919891A CN107919891A (zh) | 2018-04-17 |
CN107919891B true CN107919891B (zh) | 2021-03-02 |
Family
ID=57153295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710910871.0A Active CN107919891B (zh) | 2016-10-07 | 2017-09-29 | 用于检测至少一个宽带干扰的方法和检测系统 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP3306824B1 (zh) |
CN (1) | CN107919891B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118041442B (zh) * | 2024-04-08 | 2024-06-14 | 江苏时同源科技有限公司 | 基于光纤授时系统的时间频率信号质量检测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101660948A (zh) * | 2009-09-18 | 2010-03-03 | 中国科学院上海光学精密机械研究所 | 啁啾皮秒脉冲频谱干涉测量方法 |
CN102631198A (zh) * | 2012-04-20 | 2012-08-15 | 天津大学 | 一种基于差值提取的动态光谱数据处理方法 |
CN103558597A (zh) * | 2013-11-15 | 2014-02-05 | 武汉大学 | 基于谱峭度的海杂波中弱目标检测方法 |
CN103583003A (zh) * | 2011-03-18 | 2014-02-12 | 弗吉尼亚大学专利基金会 | 分段啁啾脉冲傅立叶变换光谱学 |
CN103969659A (zh) * | 2014-05-27 | 2014-08-06 | 西安电子科技大学 | 基于压缩感知的天体光谱图像成像方法 |
CN104833980A (zh) * | 2015-05-20 | 2015-08-12 | 天津理工大学 | 一种激光雷达测距的装置和方法 |
WO2015144649A1 (fr) * | 2014-03-24 | 2015-10-01 | Airbus Defence And Space Sas | Procédé de détection d'un signal cible dans un signal de mesure d'un instrument embarqué dans un engin spatial et système de mesure |
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 |
CN105222725A (zh) * | 2015-09-24 | 2016-01-06 | 大连理工大学 | 一种基于光谱分析的高清图像动态采集方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9239372B2 (en) * | 2012-09-13 | 2016-01-19 | Raytheon Company | Extracting spectral features from a signal in a multiplicative and additive noise environment |
US9083444B2 (en) * | 2013-03-12 | 2015-07-14 | Digi International Inc. | Chirp spread spectrum system and method |
-
2016
- 2016-10-07 EP EP16192943.5A patent/EP3306824B1/en active Active
-
2017
- 2017-09-29 CN CN201710910871.0A patent/CN107919891B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101660948A (zh) * | 2009-09-18 | 2010-03-03 | 中国科学院上海光学精密机械研究所 | 啁啾皮秒脉冲频谱干涉测量方法 |
CN103583003A (zh) * | 2011-03-18 | 2014-02-12 | 弗吉尼亚大学专利基金会 | 分段啁啾脉冲傅立叶变换光谱学 |
CN102631198A (zh) * | 2012-04-20 | 2012-08-15 | 天津大学 | 一种基于差值提取的动态光谱数据处理方法 |
CN103558597A (zh) * | 2013-11-15 | 2014-02-05 | 武汉大学 | 基于谱峭度的海杂波中弱目标检测方法 |
WO2015144649A1 (fr) * | 2014-03-24 | 2015-10-01 | Airbus Defence And Space Sas | Procédé de détection d'un signal cible dans un signal de mesure d'un instrument embarqué dans un engin spatial et système de mesure |
CN103969659A (zh) * | 2014-05-27 | 2014-08-06 | 西安电子科技大学 | 基于压缩感知的天体光谱图像成像方法 |
CN104833980A (zh) * | 2015-05-20 | 2015-08-12 | 天津理工大学 | 一种激光雷达测距的装置和方法 |
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 |
CN105222725A (zh) * | 2015-09-24 | 2016-01-06 | 大连理工大学 | 一种基于光谱分析的高清图像动态采集方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3306824A1 (en) | 2018-04-11 |
CN107919891A (zh) | 2018-04-17 |
EP3306824B1 (en) | 2021-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cardoso et al. | A robust methodology for modal parameters estimation applied to SHM | |
CN109239360B (zh) | 一种反应曲线异常检测方法及装置 | |
US10198630B2 (en) | Peak detection method | |
EP2269080B1 (en) | Method and apparatus for analyzing waveform signals of a power system | |
EP2895877B1 (en) | Extracting spectral features from a signal in a multiplicative and additive noise environment | |
Makowski et al. | New techniques of local damage detection in machinery based on stochastic modelling using adaptive Schur filter | |
CN104216350A (zh) | 感测数据分析系统及方法 | |
EP3096152B1 (en) | Method and apparatus for classifying a signal waveform under test | |
JP6792746B2 (ja) | 周波数領域のセグメント特徴解析による状態識別法 | |
CN110927682B (zh) | 一种宽带通道干扰分类识别方法 | |
US20220018707A1 (en) | Method and Device for Monitoring a Circuit Breaker | |
US11630028B2 (en) | Method and controller for deciding whether a bearing is faulty or not | |
CN107919891B (zh) | 用于检测至少一个宽带干扰的方法和检测系统 | |
JP2003329765A (ja) | パルス受信分析装置及びパルス受信分析方法 | |
KR101473760B1 (ko) | 레이더 신호를 처리하기 위한 장치 | |
KR20180032962A (ko) | 부분방전 진단 장치 및 방법 | |
WO2023053024A1 (en) | Method for identifying and characterizing, by using artificial intelligence, noises generated by a vehicle braking system | |
US9857453B1 (en) | High-frequency indicator phase system and method | |
CN109981413B (zh) | 网站监控指标报警的方法及系统 | |
EP2980800A1 (en) | Noise level estimation | |
Young et al. | Machine learning approach to chirp rate estimation of linear frequency modulated radars | |
KR101440236B1 (ko) | X선 형광 분석 방법 및 이를 위한 백그라운드 제거 방법 | |
Verma et al. | Improved signal preprocessing techniques for machine fault diagnosis | |
KR20190019632A (ko) | Ft-ir 스펙트럼 데이터간 공분산과 상관계수를 이용한 도료 제품 판별 방법 및 장치 | |
US20230308198A1 (en) | Radio wave abnormality detection system, radio wave abnormality detection method, and radio wave abnormality detection program |
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 |