CN108154083B - 一种基于svm的信号识别方法及终端 - Google Patents
一种基于svm的信号识别方法及终端 Download PDFInfo
- Publication number
- CN108154083B CN108154083B CN201711260028.9A CN201711260028A CN108154083B CN 108154083 B CN108154083 B CN 108154083B CN 201711260028 A CN201711260028 A CN 201711260028A CN 108154083 B CN108154083 B CN 108154083B
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- frequency domain
- rising edge
- falling edge
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供的一种基于SVM的信号识别方法及终端,对频域信号进行标准化处理,实现频域信号区间的变换;将标准化处理后的频域信号通过SVM模型,得到标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;对上升沿集合中的上升沿信号和下降沿集合的下降沿信号进行配对,得到配对信号集合;对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号;通过标准化处理,去除了由于距离所导致的有效信号强弱不同的影响,通过SVM模型识别上升沿信号和下降沿信号,降低了边沿信号的误判率,对配对信号进行平稳性判定,提高了待识别信号的识别率。
Description
技术领域
本发明涉及目标识别技术领域,特别涉及一种基于SVM的信号识别方法及终端。
背景技术
随着低空空域的逐步开放,无人机被广泛应用于各个行业,从最初被用于娱乐,到用于航拍摄影、环境监测、地形测绘、搜救,甚至军事侦察、偷运违禁物品等恶意用途。因此,如何在重点区域对无人机进行有效的防御和打击成为了急需解决的问题,其中包括:检测相关频谱信号、测向、识别并跟踪无人机目标等防御对策。由于无人机的特点是飞行高度低,体积小,飞行速度慢,通用雷达技术无法对该类目标进行有效探测,而且有些地方存在着特殊性,不允许使用雷达进行管控,比如航线、城市内区域等。
现有的无人机识别方法通过将时域信号经FFT转换为频域信号,截取每1MHz信号(即25个bin信号值),通过阈值判定是否存在目标信号,找出上升沿及下降沿,从而识别凸起的信号,再通过判断信号带宽是否符合无人机特有信号特征。该方案存在的不足:①通过阈值判定边沿信号局限性太大,当无人机距离较远时,有效信号较小,使用同一阈值无法有效分辨出边沿,识别距离不够远;②无法识别出边沿信号是否平滑上升或下降,有可能该频段刚好有信号上升/下降的趋势,但与无人机边沿信号不一致,误判率较高;③仅可识别特定频段信号,当信号块发生滑动偏移时,无法有效识别信号,识别率较低,且无人机受到遥控器的控制会导致无人机信号的频移。
发明内容
本发明所要解决的技术问题是:提供一种识别率高的基于SVM的信号识别方法及终端。
为了解决上述技术问题,本发明采用的一种技术方案为:
一种基于SVM的信号识别方法,包括步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种基于SVM的信号识别终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号。
本发明的有益效果在于:通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合,降低了边沿信号的误判率,通过对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号,提高了待识别信号的识别率。
附图说明
图1为本发明实施例的基于SVM的信号识别方法的流程图;
图2为本发明实施例的基于SVM的信号识别终端的结构示意图;
标号说明:
1、基于SVM的信号识别终端;2、存储器;3、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:先对频域信号进行标准化处理,再通过SVM模型得到上升沿集合和下降沿集合,并得到配对信号集合,对配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号。
请参照图1,一种基于SVM的信号识别方法,包括步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号。
从上述描述可知,本发明的有益效果在于:通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合,降低了边沿信号的误判率,通过对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号,提高了待识别信号的识别率。
进一步的,所述步骤S1具体包括:
采集监测区域的时域信号,根据预设带宽将所述时域信号进行分组,将每组的时域信号分别进行FFT转换为对应的频域信号,并通过IIR对每组所述频域信号进行滤波处理,得到该监测区域的频域信号。
由上述描述可知,根据预设带宽将所述时域信号进行分组并得到对应的频域信号,提高了后续根据多组频域信号共同判断所述采集到的监测区域信号是否为待识别信号的准确性,通过IIR对每组频域信号进行滤波,消除了各个频点上的白噪声,降低了边沿信号的误判率。
进一步的,步骤S2中对所述频域信号进行标准化处理,实现频域信号区间的变换具体包括:
S21、将所述频域信号根据第一预设值进行等分,并依次进行编号,得到不同类别的频点;
S22、对所得到的不同类别的频点进行标准化处理,实现频域信号区间的变换。
由上述描述可知,通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,确保后续将所述标准化处理后的频域信号通过SVM模型,得到上升沿集合和下降沿集合,降低了边沿信号的误判率。
进一步的,步骤S4中对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合具体包括:
S41、根据待识别信号的带宽确定第二预设值;
S42、若所述上升沿信号和所述下降沿信号的差值等于第二预设值,则将所述上升沿信号和相应的下降沿信号作为一组配对信号加入配对信号集合。
进一步的,步骤S5中对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号具体包括:
S51、依次对配对信号集合中的每一个配对信号进行如下操作:获取上升沿信号Rm中的最大值Rmmax与最小值Rmmin,以及相应的下降沿信号Fn中的最大值Fnmax与最小值Fnmin,其中,m,n分别为上升沿信号编号和下降沿信号编号,判断是否同时满足以下公式:
|Fnmin-Rmmin|≤第三预设值
|Fnmax-Rmmax|≤第四预设值
Ncnt≥Ntotal*75%
若是,则判定所述配对信号平稳,否则,所述配对信号不平稳,其中,Ntotal为上升沿信号与下降沿信号之间频点的总数,Ncnt为满足以下公式的频点的数量;
Si≥max(Rmmin,Fnmin)-1
Si≤min(Rmmax,Fnmax)+1
其中,Si∈(Rm,Fn)为上升沿信号与下降沿信号之间的频点的信号强度;
S52、对配对信号集合中的配对信号的平稳性判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号。
由上述描述可知,先依次对每组频域信号的配对信号集合中的每一个配对信号进行平稳性判定,通过对多组的频域信号的配对信号集合中的配对信号的判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号,提高了待识别信号的识别率。
请参照图2,一种基于SVM的信号识别终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号。
从上述描述可知,本发明的有益效果在于:通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合,降低了边沿信号的误判率,通过对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号,提高了待识别信号的识别率。
进一步的,所述步骤S1具体包括:
采集监测区域的时域信号,根据预设带宽将所述时域信号进行分组,将每组的时域信号分别进行FFT转换为对应的频域信号,并通过IIR对每组所述频域信号进行滤波处理,得到该监测区域的频域信号。
由上述描述可知,根据预设带宽将所述时域信号进行分组并得到对应的频域信号,提高了后续根据多组频域信号共同判断所述采集到的监测区域信号是否为待识别信号的准确性,通过IIR对每组频域信号进行滤波,消除了各个频点上的白噪声,降低了边沿信号的误判率。
进一步的,步骤S2中对所述频域信号进行标准化处理,实现频域信号区间的变换具体包括:
S21、将所述频域信号根据第一预设值进行等分,并依次进行编号,得到不同类别的频点;
S22、对所得到的不同类别的频点进行标准化处理,实现频域信号区间的变换。
由上述描述可知,通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,确保后续将所述标准化处理后的频域信号通过SVM模型,得到上升沿集合和下降沿集合,降低了边沿信号的误判率。
进一步的,步骤S4中对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合具体包括:
S41、根据待识别信号的带宽确定第二预设值;
S42、若所述上升沿信号和所述下降沿信号的差值等于第二预设值,则将所述上升沿信号和相应的下降沿信号作为一组配对信号加入配对信号集合。
进一步的,步骤S5中对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号具体包括:
S51、依次对配对信号集合中的每一个配对信号进行如下操作:获取上升沿信号Rm中的最大值Rmmax与最小值Rmmin,以及相应的下降沿信号Fn中的最大值Rnmax与最小值Fnmin,其中,m,n分别为上升沿信号编号和下降沿信号编号,判断是否同时满足以下公式:
|Fnmin-Rmmin|≤第三预设值
|Fnmax-Rmmax|≤第四预设值
Ncnt<Ntotal*75%
若是,则判定所述配对信号平稳,否则,所述配对信号不平稳,其中,Ntotal为上升沿信号与下降沿信号之间频点的总数,Ncnt为满足以下公式的频点的数量;
Si≥max(Rmmin,Fnmin)-1
Si≤min(Rmmax,Fnmax)+1
其中,Si∈(Rm,Fn)为上升沿信号与下降沿信号之间的频点的信号强度;
S52、对配对信号集合中的配对信号的平稳性判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号。
由上述描述可知,先依次对每组频域信号的配对信号集合中的每一个配对信号进行平稳性判定,通过对多组的频域信号的配对信号集合中的配对信号的判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号,提高了待识别信号的识别率。
实施例一
请参照图1,一种基于SVM的信号识别方法,以识别无人机信号为例,包括步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
所述步骤S1具体包括:
采集监测区域的时域信号,如采集为一段40MHz带宽的无线电信号,其中无人机信号带宽为10MHz,由于无人机受到遥控器的控制会导致无人机信号的频移,且频移的最小间隔为1MHz,根据1MHz(预设带宽)将所述时域信号进行分组,将每组的时域信号分别进行FFT转换为对应的频域信号(转换后一组频域信号的带宽为1024),并通过IIR对每组所述频域信号进行滤波处理,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
步骤S2中对所述频域信号进行标准化处理,实现频域信号区间的变换具体包括:
S21、将所述频域信号(所述频域信号的带宽为1024)根据40(第一预设值)进行等分,并依次进行编号,得到不同类别的频点;
S22、对所得到的不同类别的频点进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
步骤S4中对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合具体包括:
S41、根据无人机信号的带宽(10MHz)确定第二预设值为9,即第二预设值等于无人机信号的带宽减1,且所述无人机信号的单位为MHz;
S42、若所述上升沿信号和所述下降沿信号的差值等于9(第二预设值),则将所述上升沿信号和相应的下降沿信号作为一组配对信号加入配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为无人机信号;
步骤S5中对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为无人机信号具体包括:
S51、依次对配对信号集合中的每一个配对信号进行如下操作:获取上升沿信号Rm中的最大值Rmmax与最小值Rmmin,以及相应的下降沿信号Fn中的最大值Fnmax与最小值Fnmin,其中,m,n分别为上升沿信号编号和下降沿信号编号,判断是否同时满足以下公式:
|Fnmin-Rmmin|≤3
|Fnmax-Rmmax|≤3
Ncnt≥Ntotal*75%
所述第三预设值和第四预设值均为3;
Si≥max(Rmmin,Fnmin)-1
Si≤min(Rmmax,Fnmax)+1
其中,Si∈(Rm,Fn)为上升沿信号与下降沿信号之间的频点的信号强度;
S52、对配对信号集合中的配对信号的平稳性判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是无人机信号,否则,所述采集到的监测区域信号不是无人机信号。
实施例二
请参照图2,一种基于SVM的信号识别终端1,包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序,所述处理器3执行所述计算机程序时实现实施例一中的步骤。
综上所述,本发明提供的一种基于SVM的信号识别方法及终端,通过对监测区域的频域信号进行标准化处理,实现频域信号区间的变换,去除了由于距离所导致的有效信号强弱不同的影响,将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合,降低了边沿信号的误判率,先依次对每组频域信号的配对信号集合中的每一个配对信号进行平稳性判定,通过对多组的频域信号的配对信号集合中的配对信号的判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号,提高了待识别信号的识别率。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于SVM的信号识别方法,其特征在于,包括步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号;
步骤S5中对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号具体包括:
S51、依次对配对信号集合中的每一个配对信号进行如下操作:获取上升沿信号Rm中的最大值Rmmax与最小值Rmmin,以及相应的下降沿信号Fn中的最大值Fnmax与最小值Fnmin,其中,m,n分别为上升沿信号编号和下降沿信号编号,判断是否同时满足以下公式:
|Fnmin-Rmmin|≤第三预设值
|Fnmax-Rmmax|≤第四预设值
Ncnt≥Ntotal*75%
若是,则判定所述配对信号平稳,否则,所述配对信号不平稳,其中,Ntotal为上升沿信号与下降沿信号之间频点的总数,Ncnt为满足以下公式的频点的数量;
Si≥max(Rmmin,Fnmin)-1
Si≤min(Rmmax,Fnmax)+1
其中,Si∈(Rm,Fn)为上升沿信号与下降沿信号之间的频点的信号强度;
S52、对配对信号集合中的配对信号的平稳性判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号。
2.根据权利要求1所述的基于SVM的信号识别方法,其特征在于,
所述步骤S1具体包括:
采集监测区域的时域信号,根据预设带宽将所述时域信号进行分组,将每组的时域信号分别进行FFT转换为对应的频域信号,并通过IIR对每组所述频域信号进行滤波处理,得到该监测区域的频域信号。
3.根据权利要求2所述的基于SVM的信号识别方法,其特征在于,
步骤S2中对所述频域信号进行标准化处理,实现频域信号区间的变换具体包括:
S21、将所述频域信号根据第一预设值进行等分,并依次进行编号,得到不同类别的频点;
S22、对所得到的不同类别的频点进行标准化处理,实现频域信号区间的变换。
4.根据权利要求2所述的基于SVM的信号识别方法,其特征在于,
步骤S4中对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合具体包括:
S41、根据待识别信号的带宽确定第二预设值;
S42、若所述上升沿信号和所述下降沿信号的差值等于第二预设值,则将所述上升沿信号和相应的下降沿信号作为一组配对信号加入配对信号集合。
5.一种基于SVM的信号识别终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
S1、采集监测区域信号,得到该监测区域的频域信号;
S2、对所述频域信号进行标准化处理,实现频域信号区间的变换;
S3、将所述标准化处理后的频域信号通过SVM模型,得到所述标准化处理后的频域信号的上升沿信号和下降沿信号,分别得到上升沿集合和下降沿集合;
S4、对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合;
S5、对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号;
步骤S5中对所述配对信号集合中的配对信号进行平稳性判定,根据平稳性判定结果确定所述采集到的监测区域信号是否为待识别信号具体包括:
S51、依次对配对信号集合中的每一个配对信号进行如下操作:获取上升沿信号Rm中的最大值Rmmax与最小值Rmmin,以及相应的下降沿信号Fn中的最大值Fnmax与最小值Fnmin,其中,m,n分别为上升沿信号编号和下降沿信号编号,判断是否同时满足以下公式:
|Fnmin-Rmmin|≤第三预设值
|Fnmax-Rmmax|≤第四预设值
Ncnt≥Ntotal*75%
若是,则判定所述配对信号平稳,否则,所述配对信号不平稳,其中,Ntotal为上升沿信号与下降沿信号之间频点的总数,Ncnt为满足以下公式的频点的数量;
Si≥max(Rmmin,Fnmin)-1
Si≤min(Rmmax,Fnmax)+1
其中,Si∈(Rm,Fn)为上升沿信号与下降沿信号之间的频点的信号强度;
S52、对配对信号集合中的配对信号的平稳性判定结果进行统计,判断配对信号平稳的个数占总个数的百分比是否在75%以上,若是,则判断所述采集到的监测区域信号是待识别信号,否则,所述采集到的监测区域信号不是待识别信号。
6.根据权利要求5所述的基于SVM的信号识别终端,其特征在于,
所述步骤S1具体包括:
采集监测区域的时域信号,根据预设带宽将所述时域信号进行分组,将每组的时域信号分别进行FFT转换为对应的频域信号,并通过IIR对每组所述频域信号进行滤波处理,得到该监测区域的频域信号。
7.根据权利要求6所述的基于SVM的信号识别终端,其特征在于,
步骤S2中对所述频域信号进行标准化处理,实现频域信号区间的变换具体包括:
S21、将所述频域信号根据第一预设值进行等分,并依次进行编号,得到不同类别的频点;
S22、对所得到的不同类别的频点进行标准化处理,实现频域信号区间的变换。
8.根据权利要求6所述的基于SVM的信号识别终端,其特征在于,
步骤S4中对所述上升沿集合中的上升沿信号和所述下降沿集合的下降沿信号进行配对,得到配对信号集合具体包括:
S41、根据待识别信号的带宽确定第二预设值;
S42、若所述上升沿信号和所述下降沿信号的差值等于第二预设值,则将所述上升沿信号和相应的下降沿信号作为一组配对信号加入配对信号集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711260028.9A CN108154083B (zh) | 2017-12-04 | 2017-12-04 | 一种基于svm的信号识别方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711260028.9A CN108154083B (zh) | 2017-12-04 | 2017-12-04 | 一种基于svm的信号识别方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154083A CN108154083A (zh) | 2018-06-12 |
CN108154083B true CN108154083B (zh) | 2020-06-30 |
Family
ID=62466624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711260028.9A Active CN108154083B (zh) | 2017-12-04 | 2017-12-04 | 一种基于svm的信号识别方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154083B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147643B (zh) * | 2018-10-08 | 2020-12-22 | 惠科股份有限公司 | 上升/下降沿的鉴别方法、装置、显示面板及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468001A (zh) * | 2014-11-26 | 2015-03-25 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
CN106371144A (zh) * | 2016-10-10 | 2017-02-01 | 厦门市美亚柏科信息股份有限公司 | 一种无人机发现及预警的装置 |
CN106443590A (zh) * | 2016-09-19 | 2017-02-22 | 厦门市美亚柏科信息股份有限公司 | 一种基于频域的类梯形信号检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3093846A1 (en) * | 2015-05-12 | 2016-11-16 | Nxp B.V. | Accoustic context recognition using local binary pattern method and apparatus |
-
2017
- 2017-12-04 CN CN201711260028.9A patent/CN108154083B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468001A (zh) * | 2014-11-26 | 2015-03-25 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
CN106443590A (zh) * | 2016-09-19 | 2017-02-22 | 厦门市美亚柏科信息股份有限公司 | 一种基于频域的类梯形信号检测方法及装置 |
CN106371144A (zh) * | 2016-10-10 | 2017-02-01 | 厦门市美亚柏科信息股份有限公司 | 一种无人机发现及预警的装置 |
Non-Patent Citations (1)
Title |
---|
基于频域相关和SVM的宽带多信号测向方法研究;黎鑫;《计算机工程与应用》;20131231;第49卷(第20期);论文摘要、第1-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108154083A (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109270497B (zh) | 雷达脉冲信号的多维参数预分选方法 | |
CN110488264A (zh) | 人员检测方法、装置、电子设备及存储介质 | |
CN109375204B (zh) | 基于雷达的目标检测方法、系统、设备及介质 | |
CN108280395B (zh) | 一种对低小慢无人机飞控信号的高效识别方法 | |
CN105549012B (zh) | 车载毫米波雷达系统多目标检测装置 | |
CN110334591A (zh) | 一种基于聚类分析的无人机跳频信号检测及识别方法 | |
CN111175718B (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
CN106685478A (zh) | 基于信号时频图像信息提取的跳频信号参数估计方法 | |
CN105022046B (zh) | 一种基于图像特征的雷达弱目标检测方法 | |
CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
CN111060878B (zh) | 适用于单脉冲的lfm雷达工作模式实时分类方法及装置 | |
CN111323757B (zh) | 一种航海雷达目标检测方法及装置 | |
CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
CN111505598B (zh) | 一种基于frft域三特征联合检测装置及方法 | |
CN108154083B (zh) | 一种基于svm的信号识别方法及终端 | |
CN114002658B (zh) | 基于点迹曲线关联曲线分离的雷达目标微动特征提取方法 | |
US20230139751A1 (en) | Clustering in automotive imaging | |
CN106950527B (zh) | 一种多基线干涉仪测向体制下的脉冲信号分选方法 | |
KR101652193B1 (ko) | 레이더를 이용한 타겟 검출 방법 및 그 장치 | |
CN104316929A (zh) | 一种功率谱识别方法及装置 | |
CN114814808A (zh) | 基于雷达的脚踢信号识别方法、雷达、存储介质及汽车 | |
CN111199537A (zh) | 基于图像处理的vts系统雷达目标点迹提取方法、终端设备及计算机可读存储介质 | |
CN113640767B (zh) | 一种基于方差的低分辨雷达目标识别方法 | |
CN107133624B (zh) | 一种目标检测方法及设备 | |
CN111123216A (zh) | 一种基于雷达信号直方图的频率引导方法 |
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 |