CN108333564A - 用于谐波雷达频谱感知与频率选择的方法 - Google Patents
用于谐波雷达频谱感知与频率选择的方法 Download PDFInfo
- Publication number
- CN108333564A CN108333564A CN201711395383.7A CN201711395383A CN108333564A CN 108333564 A CN108333564 A CN 108333564A CN 201711395383 A CN201711395383 A CN 201711395383A CN 108333564 A CN108333564 A CN 108333564A
- Authority
- CN
- China
- Prior art keywords
- frequency
- power
- point
- cluster
- harmonic radar
- 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.)
- Pending
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
- G01S7/28—Details of pulse systems
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/282—Transmitters
-
- 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
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
本发明提供了一种用于谐波雷达频谱感知与频率选择的方法,采用多级分辨率细化和多速率降采样技术,解决了谐波雷达频谱感知的高分辨率频率分析和计算复杂度高的问题;使用多级频率簇聚合搜索替代传统频谱感知频率搜索中的快速二分搜索,大幅度提高频率搜索效率和频率感知时效性、实时性。
Description
技术领域
本发明属于近场非线性目标谐波雷达探测技术领域,主要涉及一种用于谐波雷达频谱感知与频率选择的方法。
背景技术
谐波雷达主要通过发射经过特别波形设计的电磁波信号,照射到非线性目标上,然后检测非线性目标经过激励之后的再辐射非线性谐波特征信号,实现对含有半导体节点和金属结点等具有内部非线性特性的目标进行检测和定位。与传统线性雷达相比,具有优良的抗线性杂波性能。可以广泛应用于安检、公安、交通和城建等领域。
谐波雷达的发射和接收频率选择必须以目标响应最大化为基本原则,以二次谐波雷达为例,在同样发射功率条件下,谐波雷达接收信号信噪比与距离的六次方呈反比关系,而线性雷达接收信号信噪比与距离的四次方呈反比关系,因此对工作频点的电磁干扰信号更为敏感。另外,谐波雷达的射频器件对电磁干扰也要求较高,除了要防止器件饱和之外,还必须避免干扰信号激励这些射频器件自身产生非线性串扰信号,降低谐波雷达的灵敏度。因此对于谐波雷达而言,实时选择没有电磁干扰信号和低噪底的工作频点尤其重要。
频谱感知是应用于谐波雷达工作频率选择最为常用的方法,通过对谐波雷达接收频点附近一定带宽内的无线电频谱进行实时监测,分辨出具有最小干扰和噪声水平的频点作为最佳工作频点就可以达到最佳探测性能。
在谐波雷达的频谱感知中,一般采用宽带功率检测技术来判断具有最低噪声和干扰的工作频点,除了满足时效性需求之外,通常在频率搜索和检测时还采用以下判据:
--目标频点功率必须小于一定的门限,这样可以保证该频点干扰信号和噪声较低;
--目标频点附近周围的信号功率也必须小于一定的门限,这样可以预防目标频点附近存在强干扰信号,可能会泄漏进入并对目标频点形成时变干扰。
实现上述判据的关键在于需要对整个监测频段进行足够分辨率的频谱分析、搜索和判决,包括采用很大点数的快速傅里叶变换实现高分辨率频率变换,各个频点功率估计,采用加权函数来组合计算可能为目标频率附近的若干频点功率,以及基于快速二分法的最小功率检测与判决。考虑到谐波雷达比传统线性雷达对无线电电磁波干扰的要求更高,其频谱感知分辨率和时效性也要求更高,这就需要消耗非常大的计算资源,引起设备成本、重量大幅度增加,因此传统频谱感知和频率选择方法在谐波雷达领域可应用性较差。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种用于谐波雷达频谱感知与频率选择的方法。
根据本发明提供的一种用于谐波雷达频谱感知与频率选择的方法,包括:
步骤1:从感知带宽为B的时域采样数据中取出一段数据进行N1点快速傅里叶变换,并计算出各个频点信号功率,得到粗分辨率功率谱估计;
步骤2:对得到的粗分辨率功率谱进行二元门限判决,频率簇聚合和搜索,得到信号功率最小的频率聚合点以及得到频率聚合点;
步骤3:将时域采样数据按照所述频率聚合点和聚合频段进行数字下变频、多速率滤波以及降采样;
步骤4:对经过降采样的时域数据进行N2点快速傅里叶变换,并计算出各个频点信号功率,得到精细分辨率功率谱估计;
步骤5:将所述频率聚合点作为频率信息,实时报送给谐波雷达发射机,谐波雷达发射机根据所述频率信息实时切换工作频点和信号波形。
优选地,所述步骤1包括如下步骤:
步骤1.1:从时域采样数据中选择N1点数据,进行N1点快速傅里叶变换,计算得到与频率相对应的频域数据
步骤1.2:计算各个频点的信号功率作为粗分辨率功率谱估计。
优选地,所述步骤2包括如下步骤:
步骤2.1:对估计得到功率矢量进行二元0,1判决,得到判决向量判决规则为
其中,γ为判决门限值;
步骤2.2:对向量进行高功率频率簇聚合,假设与中每个元素 si=1,1≤i≤N1/2相对应的位置组成向量为I={I1,...,IL},L≤N1/2,频率簇聚合主要依据I向量中相邻元素之间的距离来进行,该距离向量为D={d1,...,dL-1},其中di=Ii+1-Ii,则一个高功率频率簇表示为Ic={Ii,...,Ii+V},I向量中相邻元素之间的距离必须满足{di≤ε,...,dV≤ε},ε为阈值;
步骤2.3:将所有的高功率频率簇Ic进行剔除,剩下的各个全0位置组成另外一个低功率频率簇G={G1,...,GW},其中W为低功率频率簇的个数,Gi={gi,1,...,gi,Z(i)} 为Z(i)个顺序位置集合;计算各个低功率频率簇的平均功率,为
步骤2.4:从Qi中搜索最小功率的频率簇,即选择
作为具有最小干扰功率和最低噪声的频率簇,将
所对应的频率点作为频率聚合点以及Z(i)所对应的频率区间作为聚合带宽。
优选地,所述步骤3包括如下步骤:
步骤3.1:数字下变频,根据步骤2所得到的频率聚合点c按照下面方式来进行数字下变频:
xDDC=x cos(2πcn) (5)
其中,xDDC为下变频前信号,x为下变频前信号,n为正整数;
步骤3.2:对xDDC进行D倍降采样;
步骤3.3:对多路延时降采样后的数据进行多相滤波,滤波器的带宽为步骤2中所得到的聚合带宽系数为h,各路延时降采样滤波器系数为
hi=h(i×D+j),j=1,...,D (6)
将各路多相滤波后的数据进行相加合并运算。
优选地,所述步骤4包括如下步骤:
步骤4.1:从多速率滤波之后的数据中选择N2点数据,计算得到与频率相对应的频域数据
步骤4.2:计算各个频点的信号功率作为精细分辨率功率谱估计。
优选地,所述步骤5包括如下步骤:
步骤5.1:将门限γ更改为对进行操作,得到所有的高功率聚合频率簇
步骤5.2:将所有的高功率频率簇进行剔除,剩下的各个全0位置组成另外一个低功率频率簇其中W1为低功率频率簇的个数,为个顺序位置集合;直接从中搜索最大带宽的频率簇,即选择
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇,将
所对应的频率点作为频率聚合点以及所对应的频率区间作为聚合带宽;
步骤5.3:将和信息实时报送给谐波雷达发射机,谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形,完成谐波雷达闭环频谱感知和频率选择。
优选地,在步骤2中,所述频率聚合点是指干扰和底噪功率最小、带宽最大的频率聚合点。
与现有技术相比,本发明具有如下的有益效果:
1)采用多级分辨率细化和多速率降采样技术,解决了谐波雷达频谱感知的高分辨率频率分析和计算复杂度高的问题;
2)使用多级频率簇聚合搜索替代传统频谱感知频率搜索中的快速二分搜索,大幅度提高频率搜索效率和频率感知时效性、实时性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为系统框图。
图2为频域功率二元判决示意图。
图3为高低功率频率簇分簇示意图。
图4为数字下变频和多速率滤波。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的用于谐波雷达频谱感知与频率选择的方法,包括如下步骤:
步骤1:从感知带宽为B的时域采样数据中取出一段数据进行N1点低分辨率快速傅里叶变换,并计算出各个频点信号功率,得到粗分辨率功率谱估计;
步骤2:对得到的粗分辨率功率谱进行二元门限判决,频率簇聚合和搜索,得到信号功率最小的频率聚合点以及得到干扰和底噪功率最小、带宽最大的频率聚合点;
步骤3:将时域采样数据按照所述频率聚合点和聚合频段进行数字下变频、多速率滤波以及降采样;
步骤4:对经过降采样的时域数据进行N2点低分辨率快速傅里叶变换,并计算出各个频点信号功率,得到精细分辨率功率谱估计;
步骤5:将所述干扰和底噪功率最小、带宽最大的频率聚合点作为频率信息,实时报送给谐波雷达发射机,谐波雷达发射机根据所述频率信息实时切换工作频点和信号波形。
所述步骤1包括如下步骤:
步骤1.1:从时域采样数据中选择N1点数据,进行N1点快速傅里叶变换,计算得到与频率相对应的频域数据
步骤1.2:计算各个频点的信号功率作为粗分辨率功率谱估计。
所述步骤2包括如下步骤:
步骤2.1:对估计得到功率矢量进行二元0,1判决,得到判决向量判决规则为
其中,γ为判决门限值,γ的计算主要取决于与N1点快速傅里叶变换相对应的噪声功率;
步骤2.2:对向量进行高功率频率簇聚合,假设与中每个元素 si=1,1≤i≤N1/2相对应的位置组成向量为I={I1,...,IL},L≤N1/2,频率簇聚合主要依据I向量中相邻元素之间的距离来进行,该距离向量为D={d1,...,dL-1},其中di=Ii+1-Ii,则一个高功率频率簇可以表示为Ic={Ii,...,Ii+V},I向量中相邻元素之间的距离必须满足{di≤ε,...,dV≤ε},ε为阈值;阈值ε的选择主要根据N1点快速傅里叶变换所得到的分辨率与实际频谱感知所需的精细分辨率之间的相对大小关系来决定,N1越大,ε也就越大。
步骤2.3:将所有的高功率频率簇Ic进行剔除,剩下的各个全0位置组成另外一个低功率频率簇G={G1,...,GW},其中W为低功率频率簇的个数,Gi={gi,1,...,gi,Z(i)} 为Z(i)个顺序位置集合;计算各个低功率频率簇的平均功率,为
步骤2.4:从Qi中搜索最小功率的频率簇,即选择
作为具有最小干扰功率和最低噪声的频率簇,将
所对应的频率点作为频率聚合点以及Z(i)所对应的频率区间作为聚合带宽。
所述步骤3包括如下步骤:
步骤3.1:数字下变频,根据步骤2所得到的频率聚合点c按照下面方式来进行数字下变频:
xDDC=x cos(2πcn) (5)
其中,xDDC为下变频前信号,x为下变频前信号,n为正整数;
步骤3.2:对xDDC进行D倍降采样;D的选择取决于谐波雷达频谱感知所需的分辨率、工作波形带宽和计算复杂度等因素。
步骤3.3:对多路延时降采样后的数据进行多相滤波,滤波器的带宽为步骤2中所得到的聚合带宽B,系数为h,各路延时降采样滤波器系数为
hi=h(i×D+j),j=1,...,D (6)
将各路多相滤波后的数据进行相加合并运算。
所述步骤4包括如下步骤:
步骤4.1:从多速率滤波之后的数据中选择N2点数据,按照与步骤1.1相同的方式计算得到与频率相对应的频域数据
步骤4.2:计算各个频点的信号功率作为精细分辨率功率谱估计。
其中,所述步骤5包括如下步骤:
步骤5.1:将门限γ更改为按照步骤2.1和步骤2.2对进行操作,得到所有的高功率聚合频率簇
步骤5.2:将所有的高功率频率簇进行剔除,剩下的各个全0位置组成另外一个低功率频率簇其中W1为低功率频率簇的个数,为个顺序位置集合;直接从中搜索最大带宽的频率簇,即选择
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇,将
所对应的频率点作为频率聚合点以及所对应的频率区间作为聚合带宽;
步骤5.3:将和信息实时报送给谐波雷达发射机,谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形,完成谐波雷达闭环频谱感知和频率选择。
下面对本发明的优选的实施例进行更为具体的说明。
实施举例1:
如图1所示,本发明主要用来给谐波雷达实时提供工作带宽内频谱感知与频率选择信息,以便快速完成发射机最佳工作频率和最优波形选择。本发明的核心内容主要为频率感知和频率搜索方法。该方法主要包括宽带接收和采样、快速傅里叶变换和功率谱估计模块M1、频率聚合与搜索模块M2、多速率滤波与降采样、快速傅里叶变换与功率谱估计模块M3以及频率聚合与搜索模块M4等模块。
宽带接收和采样主要完成感知带宽为B的接收信号采集。
快速傅里叶变换和功率谱估计模块M1主要完成从感知带宽为B的时域采样数据中取出一段数据进行N1点低分辨率快速傅里叶变换,并计算出各个频点信号功率,得到粗分辨率功率谱估计。具体来说,主要采用以下步骤:
步骤1:从时域采样数据中选择N1点数据,进行N1点快速傅里叶变换,计算得到与频率相对应的频域数据
步骤2:计算各个频点的信号功率
频率聚合与搜索模块M2模块对得到的粗分辨率功率谱进行二元门限判决,频率簇聚合和搜索,得到信号功率最小的频率聚合点和聚合频段,具体来说,包括以下步骤:
步骤1:对估计得到功率矢量进行二元0,1判决,得到判决向量判决规则为
其中,γ为判决门限值,γ的计算主要取决于与N1点快速傅里叶变换相对应的噪声功率,一个N1/2=50点的频率分量二元判决效果如图2所示;
步骤2:对向量进行高功率频率簇聚合,假设与中每个元素 si=1,1≤i≤N1/2相对应的位置组成向量为I={I1,...,IL},L≤N1/2,频率簇聚合主要依据I向量中相邻元素之间的距离来进行,该距离向量为D={d1,...,dL-1},其中di=Ii+1-Ii,则一个高功率频率簇可以表示为Ic={Ii,...,Ii+V},其距离必须满足{di≤ε,...,dV≤ε},ε的选择主要根据N1点快速傅里叶变换所得到的分辨率与实际频谱感知所需的精细分辨率之间的相对大小关系来决定,N1越大,ε也就越大,图 3标识出了与图2相对应的ε=2时高功率频率簇聚合结果,可以看到,经过频率聚合之后,一共有5个高功率频率聚合簇;
步骤3:将所有的高功率频率簇Ic进行剔除,剩下的各个全0位置组成另外一个低功率频率簇G={G1,...,GW},其中W为低功率频率簇的个数,Gi={gi,1,...,gi,Z(i)}为 Z(i)个顺序位置集合。图3标识出了与图2相对应的ε=2时低功率频率簇聚合结果,可以看到,经过频率聚合之后,一共有6个低功率频率聚合簇。
计算各个低功率频率簇的平均功率,为
步骤4:从Qi中搜索最小功率的频率簇,即选择
作为具有最小干扰功率和最低噪声的频率簇,将
所对应的频率点作为频率聚合点以及Z(i)所对应的频率区间作为聚合带宽。
多速率滤波与降采样将时域采样数据按照步骤二中所得到的频率聚合点和聚合频段进行数字下变频,多速率滤波和降采样。主要包括以下步骤:
步骤1:数字下变频,根据频率聚合点c按照下面方式来进行数字下变频:
xDDC=x cos(2πcn) (5)
步骤2:对xDDC进行D倍降采样,D的选择取决于谐波雷达频谱感知所需的分辨率、工作波形带宽和计算复杂度等因素。
步骤3:对多路延时降采样后的数据进行多相滤波,滤波器的带宽为步骤2中所得到的聚合带宽,系数为h,各路延时降采样滤波器系数为
hi=h(i×D+j),j=1,...,D (6)
将各路多相滤波后的数据进行相加合并运算。
快速傅里叶变换和功率谱估计(二)对经过降采样的时域数据进行N2点低分辨率快速傅里叶变换,并计算出各个频点信号功率,得到精细分辨率功率谱估计。主要包括以下步骤:
步骤1:从多速率滤波之后的数据中选择N2点数据,按照与快速傅里叶变换和功率谱估计模块M1模块中步骤1相同的方式计算得到与频率相对应的频域数据
步骤2:计算各个频点的信号功率
频率聚合与搜索模块M4主要进行搜索得到干扰和底噪功率最小,带宽最大的频率聚合点,并将该频率信息实时报送给谐波雷达发射机,谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形。主要包括以下步骤:
步骤1:将门限γ更改为按照频率聚合与搜索模块M2模块中步骤1和步骤2对进行操作,得到所有的高功率聚合频率簇
步骤2:将所有的高功率频率簇进行剔除,剩下的各个全0位置组成另外一个低功率频率簇其中W1为低功率频率簇的个数,为个顺序位置集合。直接从中搜索最大带宽的频率簇,即选择
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇,将
所对应的频率点作为频率聚合点以及所对应的频率区间作为聚合带宽;
步骤3:将和信息实时报送给谐波雷达发射机,谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形,完成谐波雷达闭环频谱感知和频率选择。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (7)
1.一种用于谐波雷达频谱感知与频率选择的方法,其特征在于,包括:
步骤1:从感知带宽为B的时域采样数据中取出一段数据进行N1点快速傅里叶变换,并计算出各个频点信号功率,得到粗分辨率功率谱估计;
步骤2:对得到的粗分辨率功率谱进行二元门限判决,频率簇聚合和搜索,得到信号功率最小的频率聚合点以及得到频率聚合点;
步骤3:将时域采样数据按照所述频率聚合点和聚合频段进行数字下变频、多速率滤波以及降采样;
步骤4:对经过降采样的时域数据进行N2点快速傅里叶变换,并计算出各个频点信号功率,得到精细分辨率功率谱估计;
步骤5:将所述频率聚合点作为频率信息,实时报送给谐波雷达发射机,谐波雷达发射机根据所述频率信息实时切换工作频点和信号波形。
2.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,所述步骤1包括如下步骤:
步骤1.1:从时域采样数据中选择N1点数据,进行N1点快速傅里叶变换,计算得到与频率相对应的频域数据
步骤1.2:计算各个频点的信号功率作为粗分辨率功率谱估计。
3.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,所述步骤2包括如下步骤:
步骤2.1:对估计得到功率矢量进行二元0,1判决,得到判决向量判决规则为
其中,γ为判决门限值;
步骤2.2:对向量进行高功率频率簇聚合,假设与中每个元素 si=1,1≤i≤N1/2相对应的位置组成向量为I={I1,...,IL},L≤N1/2,频率簇聚合主要依据I向量中相邻元素之间的距离来进行,该距离向量为D={d1,...,dL-1},其中di=Ii+1-Ii,则一个高功率频率簇表示为Ic={Ii,...,Ii+V},I向量中相邻元素之间的距离必须满足{di≤ε,...,dV≤ε},ε为阈值;
步骤2.3:将所有的高功率频率簇Ic进行剔除,剩下的各个全0位置组成另外一个低功率频率簇G={G1,...,GW},其中W为低功率频率簇的个数,Gi={gi,1,...,gi,Z(i)}为Z(i)个顺序位置集合;计算各个低功率频率簇的平均功率,为
步骤2.4:从Qi中搜索最小功率的频率簇,即选择
作为具有最小干扰功率和最低噪声的频率簇,将
所对应的频率点作为频率聚合点以及Z(i)所对应的频率区间作为聚合带宽。
4.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,所述步骤3包括如下步骤:
步骤3.1:数字下变频,根据步骤2所得到的频率聚合点c按照下面方式来进行数字下变频:
xDDC=x cos(2πcn) (5)
其中,xDDC为下变频前信号,x为下变频前信号,n为正整数;
步骤3.2:对xDDC进行D倍降采样;
步骤3.3:对多路延时降采样后的数据进行多相滤波,滤波器的带宽为步骤2中所得到的聚合带宽系数为h,各路延时降采样滤波器系数为
hi=h(i×D+j),j=1,...,D (6)
将各路多相滤波后的数据进行相加合并运算。
5.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,所述步骤4包括如下步骤:
步骤4.1:从多速率滤波之后的数据中选择N2点数据,计算得到与频率相对应的频域数据
步骤4.2:计算各个频点的信号功率作为精细分辨率功率谱估计。
6.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,所述步骤5包括如下步骤:
步骤5.1:将门限γ更改为对进行操作,得到所有的高功率聚合频率簇
步骤5.2:将所有的高功率频率簇进行剔除,剩下的各个全0位置组成另外一个低功率频率簇其中W1为低功率频率簇的个数,为个顺序位置集合;直接从中搜索最大带宽的频率簇,即选择
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇,将
所对应的频率点作为频率聚合点以及所对应的频率区间作为聚合带宽;
步骤5.3:将和信息实时报送给谐波雷达发射机,谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形,完成谐波雷达闭环频谱感知和频率选择。
7.根据权利要求1所述的用于谐波雷达频谱感知与频率选择的方法,其特征在于,在步骤2中,所述频率聚合点是指干扰和底噪功率最小、带宽最大的频率聚合点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711395383.7A CN108333564A (zh) | 2017-12-21 | 2017-12-21 | 用于谐波雷达频谱感知与频率选择的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711395383.7A CN108333564A (zh) | 2017-12-21 | 2017-12-21 | 用于谐波雷达频谱感知与频率选择的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108333564A true CN108333564A (zh) | 2018-07-27 |
Family
ID=62922602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711395383.7A Pending CN108333564A (zh) | 2017-12-21 | 2017-12-21 | 用于谐波雷达频谱感知与频率选择的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108333564A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521407A (zh) * | 2018-12-20 | 2019-03-26 | 陕西黄河集团有限公司 | 雷达发射分系统工作带宽测试方法及系统 |
CN112731329A (zh) * | 2020-12-29 | 2021-04-30 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 提高谐波雷达远距离回波与近距离杂波隔离度方法、系统 |
CN113196096A (zh) * | 2018-12-21 | 2021-07-30 | 雷科投资公司 | 包括谐波反射器电路的紧急救援设备 |
CN113406386A (zh) * | 2021-06-23 | 2021-09-17 | 中国电子科技集团公司第二十九研究所 | 一种基于数字下变频的信号频率精确估计方法 |
CN114448765A (zh) * | 2022-01-29 | 2022-05-06 | 北京邮电大学 | 感知通信一体化方法、装置、发射端设备和接收端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406929A (zh) * | 2015-12-21 | 2016-03-16 | 哈尔滨工业大学 | 基于频域的频谱感知方法 |
CN106452627A (zh) * | 2016-10-18 | 2017-02-22 | 中国电子科技集团公司第三十六研究所 | 一种用于宽带频谱感知的噪声功率估计方法和装置 |
-
2017
- 2017-12-21 CN CN201711395383.7A patent/CN108333564A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406929A (zh) * | 2015-12-21 | 2016-03-16 | 哈尔滨工业大学 | 基于频域的频谱感知方法 |
CN106452627A (zh) * | 2016-10-18 | 2017-02-22 | 中国电子科技集团公司第三十六研究所 | 一种用于宽带频谱感知的噪声功率估计方法和装置 |
Non-Patent Citations (2)
Title |
---|
ANTHONY F. MARTONE等: "An Overview of Spectrum Sensing for Harmonic Radar", 《2016 INTERNATIONAL SYMPOSIUM ON FUNDAMENTALS OF ELECTRICAL ENGINEERING (ISFEE)》 * |
ANTHONY MARTONE等: "Spectrum Sensing Techniques for Nonlinear Radar", 《PROCEEDINGS OF SPIE,RADAR SENSOR TECHNOLOGY XVIII》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521407A (zh) * | 2018-12-20 | 2019-03-26 | 陕西黄河集团有限公司 | 雷达发射分系统工作带宽测试方法及系统 |
CN113196096A (zh) * | 2018-12-21 | 2021-07-30 | 雷科投资公司 | 包括谐波反射器电路的紧急救援设备 |
CN112731329A (zh) * | 2020-12-29 | 2021-04-30 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 提高谐波雷达远距离回波与近距离杂波隔离度方法、系统 |
CN113406386A (zh) * | 2021-06-23 | 2021-09-17 | 中国电子科技集团公司第二十九研究所 | 一种基于数字下变频的信号频率精确估计方法 |
CN114448765A (zh) * | 2022-01-29 | 2022-05-06 | 北京邮电大学 | 感知通信一体化方法、装置、发射端设备和接收端设备 |
CN114448765B (zh) * | 2022-01-29 | 2024-01-02 | 北京邮电大学 | 感知通信一体化方法、装置、发射端设备和接收端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108333564A (zh) | 用于谐波雷达频谱感知与频率选择的方法 | |
CN109167746B (zh) | 连续波与脉冲信号快速识别装置 | |
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
Mei et al. | Research on the application of 4-weighted fractional Fourier transform in communication system | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN110133632B (zh) | 一种基于cwd时频分析的复合调制信号识别方法 | |
CN106209701B (zh) | Alpha稳定分布噪声环境下MFSK信号符号速率估计方法及装置 | |
CN108414833A (zh) | 一种信号分量频率的精确估计方法 | |
CN109975771A (zh) | 基于信号三阶相位差分的宽带数字信道化方法 | |
CN105959246A (zh) | 一种抗干扰方法 | |
CN107528648A (zh) | 一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置 | |
CN107682103A (zh) | 一种基于最大特征值和主特征向量的双特征频谱感知方法 | |
CN110163040B (zh) | 非高斯杂波中雷达辐射源信号识别技术 | |
CN104320157A (zh) | 一种电力线双向工频通信上行信号检测方法 | |
CN101854219A (zh) | 基于随机共振的能量检测装置及其检测方法 | |
CN116359851A (zh) | 一种基于融合网络的雷达有源干扰检测识别方法及装置 | |
CN113702703B (zh) | 一种微弱信号检测识别方法及系统 | |
Li et al. | Radar emitter signal recognition based on multi-scale wavelet entropy and feature weighting | |
CN107526064A (zh) | 基于二维特征的自适应lfm信号参数估计方法 | |
CN104901754B (zh) | 一种基于信道化频谱感知的信道监测系统 | |
Wang et al. | Specific emitter identification based on deep adversarial domain adaptation | |
HL et al. | Automatic digital modulation recognition using minimum feature extraction | |
CN106487465B (zh) | 时频域联合的频谱检测方法和系统 | |
CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
CN109995690B (zh) | Mfsk数字信号子类调制识别的神经网络自优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |