CN108181613A - 一种pri抖动信号序列差值非均匀量化分选方法 - Google Patents

一种pri抖动信号序列差值非均匀量化分选方法 Download PDF

Info

Publication number
CN108181613A
CN108181613A CN201711260049.0A CN201711260049A CN108181613A CN 108181613 A CN108181613 A CN 108181613A CN 201711260049 A CN201711260049 A CN 201711260049A CN 108181613 A CN108181613 A CN 108181613A
Authority
CN
China
Prior art keywords
pri
toa
values
potential
difference
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
Application number
CN201711260049.0A
Other languages
English (en)
Other versions
CN108181613B (zh
Inventor
李民
张长帅
贺瑞
于建明
王金伟
王帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Institute of Space Electronic Technology
Original Assignee
Shandong Institute of Space Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Institute of Space Electronic Technology filed Critical Shandong Institute of Space Electronic Technology
Priority to CN201711260049.0A priority Critical patent/CN108181613B/zh
Publication of CN108181613A publication Critical patent/CN108181613A/zh
Application granted granted Critical
Publication of CN108181613B publication Critical patent/CN108181613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种PRI抖动信号序列差值非均匀量化分选方法，能够对脉冲序列到达时间TOA差分结果进行非均匀量化，使统计结果聚集，完成潜在PRI值提取。该方法针对PRI抖动信号进行分选，包括如下步骤：PRI抖动信号的PRI值为Tpri，抖动量为α；将[(1‑α)TPRI，(1+α)TPRI]范围内的TOA序列差分结果量化为TPRI临近的整数值，获得量化后的TOA差分结果。对量化后的TOA差分结果进行直方图统计，取直方图中超过预设门限Tthreshold的值作为潜在PRI值。通过序列检索确认潜在PRI值为真实PRI值、并从PRI抖动信号中提取真实PRI值对应的脉冲序列，实现对PRI抖动信号序列的分选。

Description

一种PRI抖动信号序列差值非均匀量化分选方法
技术领域
本发明属于电子侦察领域，具体涉及一种PRI抖动信号序列差值非均匀量 化分选方法。
背景技术
电子侦察系统面临由多部雷达辐射源产生的复杂随机交迭的密集脉冲流， 要实现各个雷达辐射源特征分析，首先要分选出各个辐射源的脉冲序列，即完 成信号分选。信号分选一般包括预分选和主分选两个处理过程，预分选利用信 号到达方向、载频、脉宽等参数进行归类，划分为多个预分选结果；主分选对 预分选结果进行脉间关联处理，主要进行PRI分选，利用PRI特点进行脉冲序 列提取。常规PRI主分选方法包括累积差值直方图算法(CDIF)、序列差值统计 直方图分选(SDIF)算法、PRI变换算法等。SDIF由于计算量少、准确率高受 到广泛关注。
这些常规的主分选算法对于抖动量较小的脉冲序列能够取得较好的结果， 抖动量较大的脉冲序列将导致直方图统计结果发散，无法统计出潜在PRI值， 致使分选方法失效。针对PRI抖动信号分选问题，急需提出新的方法，以满足 实际工程需求。
发明内容
有鉴于此，本发明提供了一种PRI抖动信号序列差值非均匀量化分选方法， 能够对脉冲序列到达时间TOA差分结果进行非均匀量化，使统计结果聚集，完 成潜在PRI值提取。
本发明的技术方案为：一种PRI抖动信号序列差值非均匀量化分选方法， 该方法针对脉冲重复间隔PRI抖动信号进行分选，该方法包括如下步骤：
PRI抖动信号的PRI值为Tpri，抖动量为α；将[(1-α)TPRI，(1+α)TPRI]范围内的 到达时间TOA序列差分结果量化为TPRI临近的整数值，获得量化后的TOA差分 结果。
对量化后的TOA差分结果进行直方图统计，取直方图中超过预设门限Tthreshold的值作为潜在PRI值。
通过序列检索确认潜在PRI值为真实PRI值、并从PRI抖动信号中提取真 实PRI值对应的脉冲序列，实现对PRI抖动信号序列的分选。
进一步地，将[(1-α)TPRI，(1+α)TPRI]范围内到达时间TOA序列的TOA差分结果 量化为TPRI临近的整数值，获得量化后的TOA差分结果，具体为：
设置量化系数为
对所有TOA差分结果取对数，并乘以量化系数后取整，获得量化后的TOA 差分结果。
进一步地，对所有TOA差分结果取对数，并乘以量化系数后取整，获得量 化后的TOA差分结果，具体为：
TOA差分结果为ΔTOA。
量化后的TOA差分结果为ΔTOA’。
对TOA差分结果取对数，并乘以量化系数后取整，获得量化后的TOA差分 结果为ΔTOA'＝[β·10lg(ΔTOA)]。
进一步地，对量化后的TOA差分结果进行直方图统计，取直方图中超过预 设门限Tthreshold的值作为潜在PRI值，之后，还包括：
若TOA的差分结果为一阶差分结果，且潜在PRI值数量超过1，则对TOA 序列做下一阶差分，并将下一阶差分结果量化为TPRI临近的整数值，获得量化后 的TOA下一阶差分结果；对量化后的TOA下一阶差分结果进行直方图统计，取 直方图中超过预设门限Tthreshold的值替换潜在PRI值。
进一步地，通过序列检索确认潜在PRI值为真实PRI值，包括：
潜在PRI值为T’pri，设置检索波门宽度为[(1-α)TP′RI，(1+α)TP′RI]，每隔T’pri设 置一个波门，波门持续时间大于脉冲序列总时间，每个波门最多提取一个脉冲， 所有波门所提取的脉冲数量若大于或者等于预设门限Tthreshold，则确认潜在PRI值 为真实PRI值。
进一步地，若TOA的差分结果为r阶差分结果，r大于1，且潜在PRI值数 量超过1，则对潜在PRI值从小到大排序，按照排序顺序通过序列检索确认潜在 PRI值为真实PRI值。
进一步地，提取真实PRI值的脉冲序列之后，还包括：
判断PRI抖动信号中剩余的脉冲数量是否大于预设的分选脉冲数量阈值， 若是则分选方法结束，否则循环执行分选方法，直至分选方法结束。
有益效果：
1、本发明提出一种PRI抖动信号序列差值非均匀量化分选方法，对脉冲序 列到达时间TOA差分结果进行非均匀量化，使统计结果聚集，完成潜在PRI值 提取。
2、本发明同时针对抖动信号序列检索问题，提出PRI波门检索方法，根据 提取的潜在PRI值，设计检索波门，每间隔PRI值设置一个检索波门，检索波 门内距离波门中心最近的脉冲序列，实现有效提取脉冲序列。
附图说明
图1为本申请实施例所提供的一种PRI抖动信号序列差值非均匀量化分选 方法的流程示意图。
图2为本申请实施例所提供的模拟采用仿真传统SDIF算法处理第一组PRI 抖动脉冲序列获得的第一级差值直方图。
图3为本申请实施例所提供的模拟采用NQ-SDIF算法处理第一组PRI抖动 脉冲序列获得的第一级差值直方图。
图4为本申请实施例所提供的模拟采用仿真传统SDIF算法处理第二组PRI 抖动脉冲序列获得的第一级差值直方图。
图5为本申请实施例所提供的模拟采用NQ-SDIF算法处理第二组PRI抖动 脉冲序列获得的第一级差值直方图。
图6为本申请实施例所提供的模拟采用仿真传统SDIF算法处理第二组PRI 抖动脉冲序列获得的第二级差值直方图。
图7为本申请实施例所提供的模拟采用NQ-SDIF算法处理第二组PRI抖动 脉冲序列获得的第二级差值直方图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本实施例提供了一种PRI抖动信号序列差值非均匀量化分选方法，该方法 针对脉冲重复间隔PRI抖动信号进行分选，该方法具体流程如图1所示，包括 如下步骤：
S1、将[(1-α)TPRI，(1+α)TPRI]
范围内到达时间TOA序列的所有TOA差分结果都采用非均匀量化的方式量 化为TPRI临近的整数值，获得量化后的TOA差分结果；其中Tpri记为PRI抖动信 号的PRI值为，抖动量为α。
其中针对PRI抖动信号，获取PRI抖动信号在[(1-α)TPRI，(1+α)TPRI]时间范围 内的脉冲序列，本实施例中对该脉冲到达时间序列即TOA序列做差分，得到TOA 差分结果，其中差分可以为一阶差分，若一阶差分在后续的S2和S3步骤中无 法得到较好的分选效果，也可以做多阶差分。
本实施例中采用非均匀量化的方式将TOA序列差分结果量化为TPRI临近的 整数值，量化后的TOA差分结果具有聚集特性，因此本步骤中的非均匀量化有 效地降低了脉冲序列的分散性，从而能够通过直方图统计的方式获取潜在PRI 值。
本实施例中，采用非均匀量化的方式将到达时间TOA序列差分结果量化为 TPRI临近的整数值，具体的量化方式为：
S101、设置量化系数为
S102、对所有TOA差分结果取对数，并乘以量化系数后取整，获得量化后 的TOA差分结果。
其中TOA差分结果记为ΔTOA；量化后的TOA差分结果为ΔTOA‘。
对TOA差分结果取对数，并乘以量化系数后取整，获得量化后的TOA差分 结果为ΔTOA'＝[β·10lg(ΔTOA)]。
S2、对量化后的TOA差分结果进行直方图统计，取直方图中超过预设门限 Tthreshold的值作为潜在PRI值。
其中检测到的潜在PRI值的数量可能超过一个。
若上述TOA的差分结果为一阶差分结果，且潜在PRI值数量超过1，则对 TOA序列做下一阶差分，并将下一阶差分结果进行同样量化处理，获得量化后 的TOA下一阶差分结果；对量化后的TOA下一阶差分结果进行直方图统计，取 直方图中超过预设门限Tthreshold的值替换潜在PRI值。
若上述TOA的差分结果为r阶差分结果，r大于1，且潜在PRI值数量超过 1，则对潜在PRI值从小到大排序，按照排序顺序通过序列检索确认潜在PRI值 为真实PRI值。
S3、潜在PRI值不一定是真实的PRI值，因此本步骤通过序列检索确认潜 在PRI值为真实PRI值、并从PRI抖动信号中提取真实PRI值对应的脉冲序列， 实现对PRI抖动信号序列的分选。
本申请中，设置检索波门宽度为[(1-α)TP′RI，(1+α)TP′RI]，T’pri为潜在PRI值，每隔T’pri设置一个波门，波门持续时间大于脉冲序列总时间，每个波门最多提取 一个脉冲，所有波门所提取的脉冲数量若大于或者等于预设门限Tthreshold，则确认 潜在PRI值为真实PRI值。
本申请中，若设定的波门宽度范围内，存在多个脉冲，则提取离波门中心 最近的脉冲。
本申请中，还可以设定分选要求，即预先设置一个分选脉冲数量阈值，保 证提取之后的剩余的脉冲数量大于该分选脉冲数量阈值即可。因此本申请在S3 之后还包括如下步骤S4.
S4、判断PRI抖动信号中剩余的脉冲数量是否大于预设的分选脉冲数量阈 值，若是则分选方法结束，否则循环执行本分选方法，即执行步骤S1～S3，直至 分选方法结束。
本申请提出的一种PRI抖动信号序列差值非均匀量化分选方法，该方法通 过对TOA差分结果做非均匀量化处理，能够有效解决PRI抖动信号统计直方图 分散问题。
基于以上实施例提供的一种PRI抖动信号序列差值非均匀量化分选方法， 本实施例对该分选方法进行仿真模拟。首先模拟产生一组PRI抖动脉冲序列， 脉冲PRI中心值为500μs，最大抖动量为10％，脉冲数量为32。采用传统SDIF 算法对这一脉冲序列进行处理，第一级差值直方图如图2所示，由于脉冲抖动， 直方图统计结果分散，统计结果没有超过检测门限的潜在PRI。NQ-SDIF算法 的非均匀量化直方图统计结果如图3所示，在495us附近统计结果超过检测门限， 与脉冲序列真实PRI值500us非常接近。
本实施例中，模拟产生第二组PRI抖动脉冲序列，该脉冲序列由两个PRI 抖动雷达脉冲序列交织而成，脉冲PRI中心值分别为750μs和1800us，最大抖 动量均为10％，取样时间50ms。采用传统SDIF算法对这一序列进行处理，第 一级差值直方图如图4所示，直方图统计结果分散，统计结果没有超过检测门 限的潜在PRI。NQ-SDIF算法非均匀量化直方图统计结果如图5所示，在789us 附近有一个统计结果超过门限，39us的误差是由于非均匀量化和脉冲抖动引起 的，对序列进行按照10％抖动量设定脉冲序列提取波门，提取脉冲的PRI值为 754us。将提取的脉冲序列从原序列中扣除后，做第二级直方图，SDIF算法直方 图如图6所示，直方图统计结果分散，统计结果没有超过检测门限的潜在PRI。 NQ-SDIF算法非均匀量化直方图统计结果如图7所示，在1693us附近有一个统 计结果超过门限，107us的误差是由于非均匀量化和脉冲抖动引起的，对序列按 照10％抖动量设定脉冲序列提取波门，提取脉冲的PRI值为1798us。
综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范 围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。

Claims (7)

1.一种PRI抖动信号序列差值非均匀量化分选方法，其特征在于，该方法针对脉冲重复间隔PRI抖动信号进行分选，该方法包括如下步骤：
所述PRI抖动信号的PRI值为Tpri，抖动量为α；将[(1-α)TPRI，(1+α)PTRI]范围内的到达时间TOA序列差分结果量化为TPRI临近的整数值，获得量化后的TOA差分结果；
对所述量化后的TOA差分结果进行直方图统计，取直方图中超过预设门限Tthreshold的值作为潜在PRI值；
通过序列检索确认所述潜在PRI值为真实PRI值、并从所述PRI抖动信号中提取真实PRI值对应的脉冲序列，实现对PRI抖动信号序列的分选。
2.如权利要求1所述的分选方法，其特征在于，所述将[(1-α)TPRI，(1+α)TPRI]范围内的到达时间TOA序列差分结果量化为TPRI临近的整数值，获得量化后的TOA差分结果，具体为：
设置量化系数为
对所有TOA差分结果取对数，并乘以所述量化系数后取整，获得量化后的TOA差分结果。
3.如权利要求2所述的分选方法，其特征在于，所述对所有TOA差分结果取对数，并乘以所述量化系数后取整，获得量化后的TOA差分结果，具体为：
所述TOA差分结果为ΔTOA；
所述量化后的TOA差分结果为ΔTOA’；
对所述TOA差分结果取对数，并乘以所述量化系数后取整，获得量化后的TOA差分结果为ΔTOA'＝[β·10lg(ΔTOA)]。
4.如权利要求1所述的分选方法，其特征在于，所述对所述量化后的TOA差分结果进行直方图统计，所述取直方图中超过预设门限Tthreshold的值作为潜在PRI值，之后，还包括：
若所述TOA的差分结果为一阶差分结果，且潜在PRI值数量超过1，则对TOA序列做下一阶差分，并将下一阶差分结果量化为TPRI临近的整数值，获得量化后的TOA下一阶差分结果；对所述量化后的TOA下一阶差分结果进行直方图统计，取直方图中超过预设门限Tthreshold的值替换所述潜在PRI值。
5.如权利要求4所述的分选方法，其特征在于，所述通过序列检索确认所述潜在PRI值为真实PRI值，包括：
所述潜在PRI值为T’pri，设置检索波门宽度为[(1-α)T′PRI，(1+α)T′PRI]，每隔T’pri设置一个波门，波门持续时间大于脉冲序列总时间，每个波门最多提取一个脉冲，所有波门所提取的脉冲数量若大于或者等于所述预设门限Tthreshold，则确认所述潜在PRI值为真实PRI值。
6.如权利要求5所述的分选方法，其特征在于，若所述TOA的差分结果为r阶差分结果，r大于1，且潜在PRI值数量超过1，则对所述潜在PRI值从小到大排序，按照排序顺序通过序列检索确认所述潜在PRI值是否为真实PRI值。
7.如权利要求1～6任一所述的分选方法，其特征在于，所述提取所述真实PRI值的脉冲序列之后，还包括：
判断所述PRI抖动信号中剩余的脉冲数量是否大于预设的分选脉冲数量阈值，若是则所述分选方法结束，否则循环执行所述分选方法，直至分选方法结束。
CN201711260049.0A 2017-12-04 2017-12-04 一种pri抖动信号序列差值非均匀量化分选方法 Active CN108181613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711260049.0A CN108181613B (zh) 2017-12-04 2017-12-04 一种pri抖动信号序列差值非均匀量化分选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711260049.0A CN108181613B (zh) 2017-12-04 2017-12-04 一种pri抖动信号序列差值非均匀量化分选方法

Publications (2)

Publication Number Publication Date
CN108181613A true CN108181613A (zh) 2018-06-19
CN108181613B CN108181613B (zh) 2020-07-14

Family

ID=62545559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711260049.0A Active CN108181613B (zh) 2017-12-04 2017-12-04 一种pri抖动信号序列差值非均匀量化分选方法

Country Status (1)

Country Link
CN (1) CN108181613B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490862A (zh) * 2018-11-23 2019-03-19 山东航天电子技术研究所 一种基于相位差分统计谱的载频估计方法
CN109507647A (zh) * 2018-11-30 2019-03-22 南京长峰航天电子科技有限公司 基于pri直方图的雷达信号分选方法
CN110764063A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种基于sdif与pri变换法结合的雷达信号分选方法
CN111781564A (zh) * 2020-06-12 2020-10-16 中国船舶重工集团公司第七二四研究所 一种抖动信号脉冲序列快速预判方法
CN112763989A (zh) * 2020-12-30 2021-05-07 湖南艾科诺维科技有限公司 一种基于cdif的抖动信号分选方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110242939A1 (en) * 2010-04-06 2011-10-06 Raytheon Company Active sonar system and active sonar method using a pulse sorting transform
JP2014138252A (ja) * 2013-01-16 2014-07-28 Mitsubishi Electric Corp パルス列分離装置、パルス列分離方法およびプログラム
CN104198999A (zh) * 2014-08-07 2014-12-10 北京理工大学 一种基于同构序列的脉冲分选方法
CN104579257A (zh) * 2014-11-26 2015-04-29 北京理工大学 一种基于子串搜索的脉冲配对方法
CN106295500A (zh) * 2016-07-22 2017-01-04 中国船舶重工集团公司第七二四研究所 一种重频抖动信号和常规信号分离方法
CN106324563A (zh) * 2016-08-12 2017-01-11 中国电子进出口总公司 一种多点无源探测全相位信号分选与到达时间差测量系统
CN106842149A (zh) * 2017-03-31 2017-06-13 中国科学院电子学研究所 运用聚类思想改进的序列差值直方图分选方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110242939A1 (en) * 2010-04-06 2011-10-06 Raytheon Company Active sonar system and active sonar method using a pulse sorting transform
JP2014138252A (ja) * 2013-01-16 2014-07-28 Mitsubishi Electric Corp パルス列分離装置、パルス列分離方法およびプログラム
CN104198999A (zh) * 2014-08-07 2014-12-10 北京理工大学 一种基于同构序列的脉冲分选方法
CN104579257A (zh) * 2014-11-26 2015-04-29 北京理工大学 一种基于子串搜索的脉冲配对方法
CN106295500A (zh) * 2016-07-22 2017-01-04 中国船舶重工集团公司第七二四研究所 一种重频抖动信号和常规信号分离方法
CN106324563A (zh) * 2016-08-12 2017-01-11 中国电子进出口总公司 一种多点无源探测全相位信号分选与到达时间差测量系统
CN106842149A (zh) * 2017-03-31 2017-06-13 中国科学院电子学研究所 运用聚类思想改进的序列差值直方图分选方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YIN XI，ET AL: "Ａn Improved SDIF algorithm foranti-radiation radar using dynamic sequence search》", 《PROCEEDINGS OF THE CHINESE CONTROL CONFERENCE》 *
易波等: "一种基于顺序差值直方图算法的改进雷达信号分选方法", 《舰船电子对抗》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490862A (zh) * 2018-11-23 2019-03-19 山东航天电子技术研究所 一种基于相位差分统计谱的载频估计方法
CN109490862B (zh) * 2018-11-23 2023-08-29 山东航天电子技术研究所 一种基于相位差分统计谱的载频估计方法
CN109507647A (zh) * 2018-11-30 2019-03-22 南京长峰航天电子科技有限公司 基于pri直方图的雷达信号分选方法
CN110764063A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种基于sdif与pri变换法结合的雷达信号分选方法
CN110764063B (zh) * 2019-10-15 2024-04-30 哈尔滨工程大学 一种基于sdif与pri变换法结合的雷达信号分选方法
CN111781564A (zh) * 2020-06-12 2020-10-16 中国船舶重工集团公司第七二四研究所 一种抖动信号脉冲序列快速预判方法
CN112763989A (zh) * 2020-12-30 2021-05-07 湖南艾科诺维科技有限公司 一种基于cdif的抖动信号分选方法
CN112763989B (zh) * 2020-12-30 2024-02-06 湖南艾科诺维科技有限公司 一种基于cdif的抖动信号分选方法

Also Published As

Publication number Publication date
CN108181613B (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN108181613A (zh) 一种pri抖动信号序列差值非均匀量化分选方法
CN108986064B (zh) 一种人流量统计方法、设备及系统
Gupta et al. Sequential modeling of deep features for breast cancer histopathological image classification
CN105277923B (zh) 一种单通道雷达信号分选方法
CN106251332B (zh) 基于边缘特征的sar图像机场目标检测方法
CN109270497B (zh) 雷达脉冲信号的多维参数预分选方法
CN106056098B (zh) 一种基于类别合并的脉冲信号聚类分选方法
KR100761795B1 (ko) 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법
CN106228398A (zh) 基于c4.5决策树算法的特定用户挖掘系统及其方法
CN102117413A (zh) 基于多层特征的不良图像自动过滤方法
CN110751121B (zh) 基于聚类与sofm的无监督雷达信号分选方法
CN106650605A (zh) 一种基于机器学习的Morse信号自动检测译码方法
CN104198999A (zh) 一种基于同构序列的脉冲分选方法
CN108199863A (zh) 一种基于两阶段序列特征学习的网络流量分类方法及系统
CN109166116A (zh) 一种用于芯片计数的图像处理算法
Kumar et al. Leaf features based approach for automated identification of medicinal plants
CN108710797A (zh) 一种基于熵信息分布的恶意文档检测方法
CN103886335A (zh) 基于模糊粒子群和散射熵的极化sar图像分类方法
CN105844656A (zh) 一种图像二值化目标分割装置及方法
CN108614810A (zh) 投诉热点自动识别方法及装置
Alli et al. Animal identification based on footprint recognition
CN110503645A (zh) 基于卷积神经网络对金相图片晶粒度进行判定的方法
CN116500546A (zh) 一种基于点云分割网络的雷达信号分选方法
CN116299195A (zh) 一种基于toa序列相关度的雷达信号处理方法
CN109862392A (zh) 互联网游戏视频流量的识别方法、系统、设备及介质

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