CN108512614A - 一种低信噪比电磁信号识别的方法及装置 - Google Patents

一种低信噪比电磁信号识别的方法及装置 Download PDF

Info

Publication number
CN108512614A
CN108512614A CN201810184310.1A CN201810184310A CN108512614A CN 108512614 A CN108512614 A CN 108512614A CN 201810184310 A CN201810184310 A CN 201810184310A CN 108512614 A CN108512614 A CN 108512614A
Authority
CN
China
Prior art keywords
signal
amplitude
reconstruction
point
bandwidth
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
CN201810184310.1A
Other languages
English (en)
Other versions
CN108512614B (zh
Inventor
黄赛
冯志勇
李潇阳
张奇勋
尉志青
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201810184310.1A priority Critical patent/CN108512614B/zh
Publication of CN108512614A publication Critical patent/CN108512614A/zh
Application granted granted Critical
Publication of CN108512614B publication Critical patent/CN108512614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B17/318—Received signal strength
    • 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
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Noise Elimination (AREA)

Abstract

本发明实施例提供了一种低信噪比电磁信号识别的方法及装置，属于信号检测技术领域。该方法包括：接收待识别的电磁信号，获取电磁信号的频率域序列；根据预设的极值域均值模式分解算法对频率域序列进行处理，得到第一重构信号；放大第一重构信号的电磁信号特征，得到第二重构信号；计算第二重构信号中各信号点的梯度值，得到梯度值序列，并根据梯度值序列，确定第二重构信号包含的信号子带的带宽；如果信号子带的带宽大于预先存储的目标信号的带宽，则判定信号子带是有效信号；如果信号子带的带宽不大于预先存储的目标信号的带宽，则判定信号子带是噪声信号。采用本发明，可以提高低信噪比电磁信号识别的准确度。

Description

一种低信噪比电磁信号识别的方法及装置
技术领域
本申请涉及通信领域的信号检测技术领域，特别是涉及一种低信噪比电磁信号识别的方法及装置。
背景技术
随着科技的发展，电子通信设备的种类也愈加繁多，电子通信设备的应用场景也愈加复杂，而很多电子通信设备的通信信号功率较小，或者应用场景中噪声较大，通信信号淹没在噪声环境中，造成了这种低信噪比信号识别困难的现象。
现有的信号检测方法有能量检测法、高阶统计量检测法等方法。能量检测法，是利用有信号和无信号时的序列能量不同来构建检测统计量，用构建的检测统计量与指定门限做比较，完成信号检测；高阶统计量检测法，是利用接收序列中信号和噪声的高阶原点矩不同来构建检测统计量，用构建的检测统计量与指定门限做比较，完成信号检测。
能量检测法和高阶统计检测方法的检测门限会因噪声不确定而发生变动，因为检测门限随噪声变动，而低信噪比信号噪声又相对有效信号比较大，会导致有效信号的漏检或者误检，致使低信噪比电磁信号识别率不高。
发明内容
本申请实施例的目的在于提供一种低信噪比电磁信号识别的方法及装置，以提高低信噪比电磁信号识别率。具体技术方案如下：
第一方面，提供了一种低信噪比电磁信号识别方法，所述方法包括：
接收待识别的电磁信号，获取所述电磁信号的频率域序列；
根据预设的极值域均值模式分解算法，对所述频率域序列进行处理，得到第一重构信号；
放大所述第一重构信号的电磁信号特征，得到第二重构信号；
计算所述第二重构信号中各信号点的梯度值，得到梯度值序列，并根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽；
如果所述信号子带的带宽大于预先存储的目标信号的带宽，则判定所述信号子带是有效信号；如果所述信号子带的带宽不大于预先存储的目标信号的带宽，则判定所述信号子带是噪声信号。
可选的，所述放大所述第一重构信号的电磁信号特征，得到第二重构信号，包括：
计算所述第一重构信号的幅度均值；
计算所述幅度均值和预设调整系数的乘积，得到幅度调整值；
如果所述第一重构信号中的信号点幅值小于所述幅度均值，则将所述信号点幅值调整为所述幅度调整值；
根据幅值处理后的第一重构信号，确定第二重构信号。
可选的，所述根据幅值处理后的第一重构信号，确定第二重构信号，包括：
在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，所述目标信号点的幅值为所述幅度调整值；
在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；
如果所述目标信号点集合包含的目标信号点的数目小于预设数目阈值，则将所述目标信号点集合包含的各目标信号点的幅值调整为所述幅度均值，确定调整后的重构信号为第二重构信号。
可选的，所述根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽，包括：
确定所述梯度值序列中的正梯度峰值点与负梯度峰值点；
确定所有正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
第二方面，提供了一种低信噪比电磁信号识别的装置，所述装置包括：
信号接收模块，用于接收待识别的电磁信号，获取所述电磁信号的频率域序列；
第一信号处理模块，用于根据预设的极值域均值模式分解算法，对所述频率域序列进行处理，得到第一重构信号；
第二信号处理模块，用于放大所述第一重构信号的电磁信号特征，得到第二重构信号；
信号计算模块，用于计算所述第二重构信号中各信号点的梯度值，得到梯度值序列，并根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽；
信号识别模块，用于如果所述信号子带的带宽大于预先存储的目标信号的带宽，则判定所述信号子带是有效信号；如果所述信号子带的带宽不大于预先存储的目标信号的带宽，则判定所述信号子带是噪声信号。
可选的，所述第二信号处理模块，包括：
第一信号计算单元，用于计算所述第一重构信号的幅度均值；
第二信号计算单元，用于计算所述幅度均值和预设调整系数的乘积，得到幅度调整值；
第一信号处理单元，用于如果所述第一重构信号中的信号点幅值小于所述幅度均值，则将所述信号点幅值调整为所述幅度调整值；
信号确定单元，用于根据幅值处理后的第一重构信号，确定第二重构信号。
可选的，所述信号确定单元，包括：
目标信号点确定子单元，用于在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，所述目标信号点的幅值为所述幅度调整值；
目标信号点集合确定子单元，用于在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；
第二重构信号确定子单元，用于如果所述目标信号点集合包含的目标信号点的数目小于预设数目阈值，则将所述目标信号点集合包含的各目标信号点的幅值调整为所述幅度均值，确定调整后的重构信号为第二重构信号。
可选的，所述信号计算模块，包括：
梯度峰值点确定单元，用于确定所述梯度值序列中的正梯度峰值点与负梯度峰值点；
信号子带确定单元，用于确定所有正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
第三方面，提供了一种电子设备，所述频谱监测设备包括：处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现本发明实施例第一方面所述的方法步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面所述的方法步骤。
本发明实施例提供的一种低信噪比电磁信号识别的方法及装置，通过接收待识别的电磁信号，获取电磁信号的频率域序列。对频率域序列用极值域均值模式分解处理，得到第一重构信号。放大第一重构信号的电磁信号特征，得到第二重构信号。计算第二重构信号中各信号点的梯度值，得到梯度值序列，并根据梯度值序列，确定第二重构信号包含的信号子带的带宽。如果信号子带的带宽大于预先存储的目标信号的带宽，则判定信号子带是有效信号；如果信号子带的带宽不大于预先存储的目标信号的带宽，则判定信号子带是噪声信号。通过放大第一重构信号的电磁信号特征，能够有效的提高电磁信号识别特征并消除了因噪声而引起的信号幅度降低的影响，有效的降低了噪声的影响，再根据信号梯度特征识别有效的区分了有效信号和噪声信号，达到了提高低信噪比电磁信号识别率的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种低信噪比电磁信号识别的方法流程图；
图2为本发明实施例提供的一种放大第一重构信号电磁特征的方法流程图；
图3为对本发明实施例进行仿真得到的一种第二重构信号与原始信号的对比图；
图4为对本发明实施例进行仿真得到的信号异常值调整之后第二重构信号与原始信号的对比图；
图5为对本发明实施例进行仿真得到的信噪比与检测概率曲线；
图6a为对本发明实施例进行仿真得到的信号梯度曲线；
图6b为本发明实施例进行仿真得到的信号功率谱密度曲线；
图7为本发明实施例提供的一种低信噪比电磁信号识别的装置结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
现有技术中信号检测方法有能量检测法、高阶统计量检测法等方法。能量检测法，是利用有信号和无信号时的序列能量不同来构建检测统计量，用构建的检测统计量与指定门限做比较，完成信号检测；高阶统计量检测法，是利用接收序列中信号和噪声的高阶原点矩不同来构建检测统计量，用构建的检测统计量与指定门限做比较，完成信号检测。然而能量检测法和高阶统计检测方法的检测门限会因噪声不确定而发生变动，因为检测门限随噪声变动，而低信噪比信号噪声又相对有效信号比较大，会导致有效信号的漏检或者误检，致使低信噪比电磁信号识别率不高。
基于上述考虑，本发明提供了一种低信噪比电磁信号识别的方法、装置、电子设备及计算机可读存储介质。执行低信噪比电磁信号识别的方法的执行主体可以为能够实现对低信噪比信号的增强与区域内盲源信号进行检测的电子设备，例如频谱监测仪。
利用本发明实施例提供的方法，可以放大信号的电磁信号特征，能够有效的提高电磁信号识别特征并消除因噪声而引起的信号幅度降低的影响，有效的降低了噪声的影响，再根据信号梯度特征提取信号子带带宽与目标信号带宽比较大小进行识别，目标信号带宽相当于指定门限，不受噪声影响，有效的区分了有效信号和噪声信号。而现有技术能量检测法和高阶统计检测方法的检测门限会因噪声不确定而发生变动，低信噪比信号噪声又相对有效信号比较大，对检测门限的影响很大，会导致有效信号的漏检或者误检，致使低信噪比电磁信号识别率不高。本发明实施例提供的方法能够提高电磁信号识别率。
下面以具体实施例对上述方法进行介绍。
参见图1，图1为本发明实施例的一种低信噪比电磁信号识别的方法流程图，包括如下步骤：
步骤101，接收待识别的电磁信号，获取电磁信号的频率域序列。
一种实现方式中，终端检测周围存在的电磁信号，获取频率域序列r(f)。示例性的终端为频谱监测仪，设置频谱监测，并设置频谱监测采样点数，可以获取频率域序列r(f)。
步骤102，根据预设的极值域均值模式分解算法，对频率域序列进行处理，得到第一重构信号。
一种实现方式中，终端获取到电磁信号的频率域序列后，可以根据预设的极值域均值模式分解算法对所述频率域序列进行处理，具体的处理过程为：终端确定频率序列的所有极值点，然后根据积分中值定理计算出数据中所有相邻极值点间的局域均值，再用两相邻极值点的均值加权求出极值点的局域均值，最后根据极值点的局部均值得出局部均值序列，即第一重构信号。相应的计算公式可以如下：
终端计算接收频率域序列r(f)的所有极值点，得到序列{e(fi)}，其中i＝1,2,...,M表示M个极值点，fi表示第i个极值点在频域的位置。
终端可以根据公式(1)计算相邻两个极值点e(fi)和e(fi+1)之间所有数据的局域均值。公式(1)为：
其中，M表示极值点个数，fξ表示均值点的位置。
由公式(1)可以得出公式(2)和公式(3)，如下所示：
其中，表示第i个极值点与第i+1个极值点之间的局域均值，分别及第i+1个极值点与第i+2个极值点之间的局域均值。
根据公式(2)和公式(3)确定fi+1处的局域均值计算公式(4)。
其中，
由此得到了极值点的局域均值序列m(fi+1)，即第一重构信号。
具体的，公式(4)可以通过如下过程得到：
由于第i+1个极值点在频域的位置fi+1处的局域均值m(fi+1)，应使和m(fi+1)组成的梯形面积与和m(fi+1)组成的梯形面积相等，即得到公式(5)。
整理得到公式(6)。
又由面积关系得到公式(7)。
即得到公式(4)。
步骤103，放大第一重构信号的电磁信号特征，得到第二重构信号。
具体的，参见图2，图2为本发明实施例的一种放大第一重构信号电磁特征的方法流程图，包括如下步骤：
步骤201，计算第一重构信号的幅度均值。
一种实施方式中，极值点的局域均值序列m(fi+1)为第一重构信号，用信号点表示极值点的局域均值序列m(fi+1)中的元素，信号点的幅值表示局域均值序列m(fi+1)中对应元素的值，信号点的频率表示局域均值序列m(fi+1)中对应元素所在的频率。终端计算第一重构信号中所有信号点的幅值之和，确定第一重构信号中信号点的个数，计算所有信号点的幅值之和除以信号点的个数的结果，所得结果为第一重构信号的幅度均值。
步骤202，计算幅度均值和预设调整系数的乘积，得到幅度调整值。
一种实现方式中，终端计算幅度均值和预设的调整系数的乘积，所得结果为幅度调整值。其中，预设的调整系数可以为百分比，例如，预设调整系数为90％，记幅度均值为Im，则幅度调整值为90％Im。
步骤203，如果第一重构信号中的信号点幅值小于幅度均值，则将信号点幅值调整为幅度调整值。
一种实现方式中，对于第一重构信号中的每个信号点，终端可以判断该信号点的幅值是否小于幅度均值。如果该信号点的幅值小于幅度均值，则将该信号点幅值调整为幅度调整值。由于噪声很难在一段频谱内长期维持较高幅度，因此，通过对信号点幅值的调整，可以增强被淹没在强噪声中的信号带宽特征，区分授权频段内的噪声与信号。如果该信号点的幅值大于或等于幅度均值，则可以保持该信号点幅值不变。
步骤204，根据幅值处理后的第一重构信号，确定第二重构信号。
一种实现方式中，终端将进行过幅度处理后的第一重构信号直接作为第二重构信号。示例性的，如图3所示，幅度调整后的第二重构信号相比于接收的原始信号的信号特征更加明显。
由上述可见，利用本发明实施例提供的方法，对接收的频率域序列进行极值域均值模式分解后的信号进行放大电磁信号特征处理，可以明显的增加信号特征，如图3所示的接收信号是杂乱无章的，各信号子带特征接近，很难区分开来有效信号和噪声信号，而经过处理得到的第二重构信号如图3所示，信号特征明显，便于信号识别，能够提高信号的识别率。
具体的，针对根据幅值处理后的第一重构信号，确定第二重构信号，可以在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，目标信号点的幅值为幅度调整值；在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；如果目标信号点集合包含的目标信号点的数目小于预设数目阈值，说明目标信号点集合中所包含的目标信号点为受信号异常值影响引起幅值下降的目标信号，由于此时该目标信号点结合幅值信息在幅值调整时消失，故将目标信号点集合包含的各目标信号点的幅值调整为幅度均值。而如果目标信号点集合包含的目标信号点的数目不小于预设数目阈值，则说明目标信号点集合中所包含的目标信号点为噪声信号，因此可以保持目标信号点集合包含的各目标信号点的幅值不变。
一种实现方式中，终端确定幅值处理后的第一重构信号中幅值为幅度调整值的所有信号点，所确定的信号点即为目标信号点。示例性的，假设幅值处理后的第一重构信号为{-90,-80,-100,-85,-95,-100,-100,-100,-90,-80,-100,-100}，信号中信号点按照顺序分别用m1,m2,m3,m4,m5,m6,m7,m8，m9,m10,m11,m12表示，幅度调整值为-100，则目标信号点有m3,m6,m7,m8，,m11,m12。将这些目标信号点中连续的信号点确定出来，得到目标信号点集合，目标信号点集合中的信号点都是连续的且幅值都为幅度调整值，每个目标信号点集合中的信号点和不同目标信号点集合中的信号点都不连续。示例性的，根据已经确定的目标信号点m3,m6,m7,m8，,m11,m12，确定的目标信号点集合有{m3},{m6,m7,m8，},{m11,m12}。比较目标信号点集合的信号点个数和预设数目阈值的大小，如果目标信号点集合中的信号点个数小于预设数目阈值，则将目标信号点集合中的信号点幅值都调整为幅度均值；如果目标集合信号点集合中的信号点个数不小于预设数目阈值，则保持目标信号点集合中的信号点幅值不变。示例性的，假设预设数目阈值为3，目标信号点集合有{m3},{m6,m7,m8，},{m11,m12}，其中目标信号点集合{m3},{m11,m12}的信号点个数小于预设数目阈值3，则将信号点m3,m11,m12的幅值调整为幅度均值。目标信号点集合{m6,m7,m8}的信号点个数不小于预设数目阈值3，则将信号点m6,m7,m8的幅值保持不变。由此得到的信号为第二重构信号。示例性的，如图3所示的信号点个数小于预设数目阈值的目标信号集合，将该目标信号集合中的信号点幅值调整为幅度均值得到如图4所示的第二重构信号。
由于在强噪声环境下，有效信号不可能一直保持着相对的功率，这就造成了有效信号的功率存在着瞬间降低的可能，这种因噪声造成信号异常降低的信号部分，称为信号异常值。这些信号异常值会影响确定信号子带的带宽的正确性，造成有效信号的漏检。图3所示的连续信号点个数小于预设数目阈值的目标信号集合即为有效信号受噪声影响的信号异常值，由图3圆圈部分标注，通过本发明实施例提供的方法，将这些连续信号点个数小于预设数目阈值的目标信号集合中的信号点幅值调整为幅度均值，可以消除信号异常值，提高信号识别率。其中，预设数目阈值的大小也会影响信号识别率，针对不同的应用场景需要设置合适的预设数目阈值。
如图5所示，不同的预设数目阈值，其对应的信号识别率也是不同的，图5中所示的P值为目标信号点集合包含的目标信号点的数目，当P值为0时，对应的信号识别率是最低的，即对目标信号集合中的信号点幅值不作处理的信号，其识别率最低。进一步表明了经过目标信号集合中的信号点幅值调整的信号，能够提高信号识别率。
步骤104，计算第二重构信号中各信号点的梯度值，得到梯度值序列，并根据该梯度值序列，确定第二重构信号包含的信号子带的带宽。
具体的，确定梯度值序列中的正梯度峰值点与负梯度峰值点，确定所有正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
一种实现方式中，终端计算第二重构信号中各信号点的梯度值，得到梯度值序列。根据梯度值序列得到信号梯度曲线，确定梯度曲线中的正梯度峰值点和负梯度峰值点。正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号为信号子带，由此，根据正梯度峰值点和负梯度峰值点，确定所有信号子带的带宽。示例性的，图6a为根据图3第二重构信号计算梯度值得到的信号点梯度值序列组成的信号梯度曲线，从信号梯度曲线中确定所有正梯度峰值点和负梯度峰值点。如图6b所示的信号功率谱密度曲线，根据正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号为信号子带，确定信号梯度曲线中的所有信号子带的带宽，信号子带如图6b中所示纵坐标(功率)等于-60(单位：dbm)时对应的区间。
步骤105，如果信号子带的带宽大于预先存储的目标信号的带宽，则判定该信号子带是有效信号；如果信号子带的带宽不大于预先存储的目标信号的带宽，则判定该信号子带是噪声信号。
一种实现方式中，终端比较信号子带的带宽与预先存储的目标信号的带宽的大小，如果信号子带的带宽大于预先存储的目标信号的带宽，则判定信号子带是有效信号；如果信号子带的带宽不大于预先存储的目标信号的带宽，则判定信号子带是噪声信号。
由上述可见，利用本发明实施例提供的方法，对接收的频率域序列进行极值域均值模式分解后的信号，对电磁信号的幅值进行处理，放大了电磁信号特征，消除信号异常值，削弱了噪声对有效信号的影响，使得信号易于识别，通过信号的梯度特征确定第二重构信号的信号子带的带宽，并根据信号子带的带宽与预设的目标信号子带的带宽的比较，识别信号子带为有效信号还是噪声信号，有效的提高了信号识别率。
基于相同的技术构思，相应于图1所示方法实施例，本发明实施例还提供了一种低信噪比电磁信号识别的装置，如图7所示，该装置可以包括：
信号接收模块710，用于接收待识别的电磁信号，获取所述电磁信号的频率域序列；
第一信号处理模块720，用于根据预设的极值域均值模式分解算法，对所述频率域序列进行处理，得到第一重构信号；
第二信号处理模块730，用于放大所述第一重构信号的电磁信号特征，得到第二重构信号；
信号计算模块740，用于计算所述第二重构信号中各信号点的梯度值，得到梯度值序列，并根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽；
信号识别模块750，如果所述信号子带的带宽大于预先存储的目标信号的带宽，则用于判定所述信号子带是有效信号；如果所述信号子带的带宽不大于预先存储的目标信号的带宽，则用于判定所述信号子带是噪声信号。
在本发明实施例中，所述第二信号处理模块730，可以包括：
第一信号计算单元，用于计算所述第一重构信号的幅度均值；
第二信号计算单元，用于计算所述幅度均值和预设调整系数的乘积，得到幅度调整值；
第一信号处理单元，用于如果所述第一重构信号中的信号点幅值小于所述幅度均值，则将所述信号点幅值调整为所述幅度调整值；
信号确定单元，用于根据幅值处理后的第一重构信号，确定第二重构信号。
在本发明实施例中，所述信号确定单元，可以包括：
目标信号点确定子单元，用于在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，所述目标信号点的幅值为所述幅度调整值；
目标信号点集合确定子单元，用于在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；
第二重构信号确定子单元，用于如果所述目标信号点集合包含的目标信号点的数目小于预设数目阈值，则将所述目标信号点集合包含的各目标信号点的幅值调整为所述幅度均值，确定调整后的重构信号为第二重构信号。
在本发明实施例中，所述信号计算模块740，可以包括：
梯度峰值点确定单元，用于确定所述梯度值序列中的正梯度峰值点与负梯度峰值点；
信号子带确定单元，用于确定所有正梯度峰值点与其频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
应用本实施例，对接收的频率域序列进行极值域均值模式分解后的信号，对电磁信号的幅值进行处理，放大了电磁信号特征，消除信号异常值，削弱了噪声对有效信号的影响，使得信号易于识别，通过信号的梯度特征确定第二重构信号的信号子带的带宽，并根据信号子带的带宽与预设的目标信号子带的带宽的比较，识别信号子带为有效信号还是噪声信号，有效的提高了信号识别率。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现上述实施例提供的一种低信噪比电磁信号识别的方法的所有步骤。
上述电子设备的通信总线804可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线804可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口802用于上述电子设备与其他设备之间的通信。
存储器803可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(Non-Volatile Memory)，例如至少一个磁盘存储器。可选的，存储器803还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器801可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的电子设备，可以放大电磁信号特征，消除信号异常值，削弱噪声对有效信号的影响，使得信号易于识别，有效的提高了信号识别率。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机实现上述实施例提供的一种低信噪比电磁信号识别的方法的所有步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种低信噪比电磁信号识别的方法，其特征在于，所述方法包括：
接收待识别的电磁信号，获取所述电磁信号的频率域序列；
根据预设的极值域均值模式分解算法，对所述频率域序列进行处理，得到第一重构信号；
放大所述第一重构信号的电磁信号特征，得到第二重构信号；
计算所述第二重构信号中各信号点的梯度值，得到梯度值序列，并根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽；
如果所述信号子带的带宽大于预先存储的目标信号的带宽，则判定所述信号子带是有效信号；如果所述信号子带的带宽不大于预先存储的目标信号的带宽，则判定所述信号子带是噪声信号。
2.根据权利要求1所述的方法，其特征在于，所述放大所述第一重构信号的电磁信号特征，得到第二重构信号，包括：
计算所述第一重构信号的幅度均值；
计算所述幅度均值和预设调整系数的乘积，得到幅度调整值；
如果所述第一重构信号中的信号点幅值小于所述幅度均值，则将所述信号点幅值调整为所述幅度调整值；
根据幅值处理后的第一重构信号，确定第二重构信号。
3.根据权利要求2所述的方法，其特征在于，所述根据幅值处理后的第一重构信号，确定第二重构信号，包括：
在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，所述目标信号点的幅值为所述幅度调整值；
在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；
如果所述目标信号点集合包含的目标信号点的数目小于预设数目阈值，则将所述目标信号点集合包含的各目标信号点的幅值调整为所述幅度均值，确定调整后的重构信号为第二重构信号。
4.根据权利要求1所述的方法，其特征在于，所述根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽，包括：
确定所述梯度值序列中的正梯度峰值点与负梯度峰值点；
确定所有正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
5.一种低信噪比电磁信号识别的装置，其特征在于，所述装置包括：
信号接收模块，用于接收待识别的电磁信号，获取所述电磁信号的频率域序列；
第一信号处理模块，用于根据预设的极值域均值模式分解算法，对所述频率域序列进行处理，得到第一重构信号；
第二信号处理模块，用于放大所述第一重构信号的电磁信号特征，得到第二重构信号；
信号计算模块，用于计算所述第二重构信号中各信号点的梯度值，得到梯度值序列，并根据所述梯度值序列，确定所述第二重构信号包含的信号子带的带宽；
信号识别模块，用于如果所述信号子带的带宽大于预先存储的目标信号的带宽，则判定所述信号子带是有效信号；如果所述信号子带的带宽不大于预先存储的目标信号的带宽，则判定所述信号子带是噪声信号。
6.根据权利要求5所述的装置，其特征在于，所述第二信号处理模块，包括：
第一信号计算单元，用于计算所述第一重构信号的幅度均值；
第二信号计算单元，用于计算所述幅度均值和预设调整系数的乘积，得到幅度调整值；
第一信号处理单元，用于如果所述第一重构信号中的信号点幅值小于所述幅度均值，则将所述信号点幅值调整为所述幅度调整值；
信号确定单元，用于根据幅值处理后的第一重构信号，确定第二重构信号。
7.根据权利要求6所述的装置，其特征在于，所述信号确定单元，包括：
目标信号点确定子单元，用于在幅值处理后的第一重构信号所包含的各信号点中确定目标信号点，所述目标信号点的幅值为所述幅度调整值；
目标信号点集合确定子单元，用于在确定出的各目标信号点中，确定连续的目标信号点，得到目标信号点集合；
第二重构信号确定子单元，用于如果所述目标信号点集合包含的目标信号点的数目小于预设数目阈值，则将所述目标信号点集合包含的各目标信号点的幅值调整为所述幅度均值，确定调整后的重构信号为第二重构信号。
8.根据权利要求5所述的装置，其特征在于，所述信号计算模块，包括：
梯度峰值点确定单元，用于确定所述梯度值序列中的正梯度峰值点与负梯度峰值点；
信号子带确定单元，用于确定所有正梯度峰值点与频率增加方向最相邻的负梯度峰值点之间的信号子带的带宽。
9.一种电子设备，其特征在于，所述频谱监测设备包括：处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-4任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。
CN201810184310.1A 2018-03-06 2018-03-06 一种低信噪比电磁信号识别的方法及装置 Active CN108512614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810184310.1A CN108512614B (zh) 2018-03-06 2018-03-06 一种低信噪比电磁信号识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810184310.1A CN108512614B (zh) 2018-03-06 2018-03-06 一种低信噪比电磁信号识别的方法及装置

Publications (2)

Publication Number Publication Date
CN108512614A true CN108512614A (zh) 2018-09-07
CN108512614B CN108512614B (zh) 2020-07-03

Family

ID=63376145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810184310.1A Active CN108512614B (zh) 2018-03-06 2018-03-06 一种低信噪比电磁信号识别的方法及装置

Country Status (1)

Country Link
CN (1) CN108512614B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800359A (zh) * 2020-09-07 2020-10-20 中国人民解放军国防科技大学 一种通信信号调制方式的识别方法、装置、设备及介质
CN115795253A (zh) * 2021-09-09 2023-03-14 武汉市聚芯微电子有限责任公司 一种频率跟踪方法、装置、设备以及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009035221A2 (en) * 2007-09-14 2009-03-19 Electronics And Telecommunications Research Institute Method and apparatus for detecting signal using cyclo-stationary characteristics
CN101493934A (zh) * 2008-11-27 2009-07-29 电子科技大学 一种基于广义s变换的微弱目标检测方法
CN105786620A (zh) * 2016-02-25 2016-07-20 电子科技大学 一体化可重构综合信息处理载荷系统
CN107292212A (zh) * 2017-04-26 2017-10-24 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种低信噪比环境下的二维码定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009035221A2 (en) * 2007-09-14 2009-03-19 Electronics And Telecommunications Research Institute Method and apparatus for detecting signal using cyclo-stationary characteristics
CN101493934A (zh) * 2008-11-27 2009-07-29 电子科技大学 一种基于广义s变换的微弱目标检测方法
CN105786620A (zh) * 2016-02-25 2016-07-20 电子科技大学 一体化可重构综合信息处理载荷系统
CN107292212A (zh) * 2017-04-26 2017-10-24 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种低信噪比环境下的二维码定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄赛: "复杂电磁环境下高性能频谱感知与分析方法研究", 《CNKI优秀博士学位论文全文库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800359A (zh) * 2020-09-07 2020-10-20 中国人民解放军国防科技大学 一种通信信号调制方式的识别方法、装置、设备及介质
CN115795253A (zh) * 2021-09-09 2023-03-14 武汉市聚芯微电子有限责任公司 一种频率跟踪方法、装置、设备以及计算机存储介质
CN115795253B (zh) * 2021-09-09 2023-10-03 武汉市聚芯微电子有限责任公司 一种频率跟踪方法、装置、设备以及计算机存储介质

Also Published As

Publication number Publication date
CN108512614B (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
US20220120795A1 (en) Techniques for Empirical Mode Decomposition (EMD)-Based Noise Estimation
US7768252B2 (en) Systems and methods for determining sensing thresholds of a multi-resolution spectrum sensing (MRSS) technique for cognitive radio (CR) systems
CN110310129B (zh) 风险识别方法及其系统
US11303485B2 (en) Signal acquisition method and device
JP2015507866A (ja) 無線信号のなりすましを検出するシステムおよび方法
CN108512614B (zh) 一种低信噪比电磁信号识别的方法及装置
CN105429719B (zh) 基于功率谱和多尺度小波变换分析强干扰信号检测方法
CN108399391B (zh) 一种基于信号带宽特征的无人机信号识别的方法及装置
CN104065430A (zh) 基于节点识别的协作频谱检测方法
Kumar et al. MDI-SS: matched filter detection with inverse covariance matrix-based spectrum sensing in cognitive radio
Millioz et al. Estimation of a white Gaussian noise in the Short Time Fourier Transform based on the spectral kurtosis of the minimal statistics: Application to underwater noise
JP5012587B2 (ja) 信号抽出装置および信号抽出方法
US20120089357A1 (en) Method and apparatus for identifying anomalies of a signal
CN106254007B (zh) 一种应用于lte230系统的频谱感知方法和装置
CN105553619B (zh) 基于调制识别辅助的突发信号检测方法
Al-Badrawi et al. An EMD-based double threshold detector for spectrum sensing in cognitive radio networks
US20190342306A1 (en) Method and apparatus for calibrating a system for recognizing attempts to penetrate a computer network
Uriarte et al. Spectral minima tracking for improving the energy detection under noise power uncertainty
Luo et al. Nonparametric blind signal detection based on logarithmic moments in very impulsive noise
US8346176B2 (en) Sequential sensing scheme for cognitive radio
US8532207B2 (en) Methods and systems for distinguishing a signal of interest from interference signals
Putra et al. Kurtosis and energy based spectrum detection for sdr based rf monitoring system
US8892052B2 (en) Methods for determining whether a signal includes a wanted signal and apparatuses configured to determine whether a signal includes a wanted signal
CN111585739B (zh) 一种相位调整方法及装置
Bouhdjeur et al. Autonomous Global Threshold Adjustment Algorithm For Energy Detection In Self-Reconfigurable Cognitive Radio Systems

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