CN108737318A - 基于信号结构特性的ofdm信号识别方法及系统 - Google Patents
基于信号结构特性的ofdm信号识别方法及系统 Download PDFInfo
- Publication number
- CN108737318A CN108737318A CN201810798962.4A CN201810798962A CN108737318A CN 108737318 A CN108737318 A CN 108737318A CN 201810798962 A CN201810798962 A CN 201810798962A CN 108737318 A CN108737318 A CN 108737318A
- Authority
- CN
- China
- Prior art keywords
- signal
- correlation
- ofdm
- auto
- samples
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2602—Signal structure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Synchronisation In Digital Transmission Systems (AREA)
Abstract
本发明涉及基于信号结构特性的OFDM信号识别方法及系统,首先,采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号;然后,对复信号逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数;最后,设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。该方法解决了存在频率偏差条件下的特定协议OFDM信号识别的问题,能够较为准确可靠地进行OFDM信号识别,相较于现有的识别方法,可靠性和准确性都得到了很大地提升,为大疆无人机遥控信号识别提供了一种可靠实用的方法。
Description
技术领域
本发明涉及基于信号结构特性的OFDM信号识别方法及系统。
背景技术
自动调制类型识别的基本任务就是在给定信道条件下,确定接收信号的调制方式,并给出相应的调制参数,为进一步分析和处理信号提供依据。在低信噪比和多径衰落失真条件下,如何有效提高信号识别性能是自动调制类型识别的关键问题。
针对特定协议的信号,传统的自动调制类型识别只能得到信号的调制方式和调制参数,无法确定信号的协议类型。同时,由于没有利用信号的先验信息,传统自动调制类型识别的性能难以提高。针对特定的协议信号,验证识别具有更好的识别性能。验证识别通过提取信号特征来验证待识别信号是否属于集合中的某一种信号,并且指出该信号的协议类型。大疆无人机遥控信号是一种特定协议的OFDM信号,具有其特定的调制参数和信号帧结构。对于这种特定协议的信号,如何从复杂的背景信号以及多径接收环境下有效识别是需要解决的重点问题。同时,由于接收信号存在频率偏差,要求识别方法能够不受频率偏差的影响。但是,针对特定的协议信号,现有的识别方法的可靠性和准确性较差,无法实现较为有效准确地识别。
发明内容
本发明的目的是提供一种基于信号结构特性的OFDM信号识别方法,用以解决现有的信号识别方法的可靠性和准确性较差的问题。本发明同时提供一种基于信号结构特性的OFDM信号识别系统。
为实现上述目的,本发明包括以下技术方案。
一种基于信号结构特性的OFDM信号识别方法,包括以下步骤:
(1)采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号;
(2)对所述复信号逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数;
(3)设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。
首先对待处理信号数据进行相关处理,转换为采样率与OFDM符号速率匹配的复信号;然后计算归一化自相关系数;最后根据长训练符号的相关特性和循环前缀的相关特性进行判决,以进行目标信号识别。该方法解决了存在频率偏差条件下的特定协议OFDM信号识别的问题,能够较为准确可靠地进行OFDM信号识别,相较于现有的识别方法,可靠性和准确性都得到了很大地提升,为大疆无人机遥控信号识别提供了一种可靠实用的方法。
进一步地,所述步骤(1)中,每个OFDM符号具有相同的整数个采样点,且得到有用信号的样点数N,OFDM信号的符号样点数L,循环前缀样点数Ng。
进一步地,所述步骤(2)中,选择相关长度为循环前缀样点数Ng,选取相关间隔为有用信号的样点数N,按照如下公式逐样点做滑动自相关:
其中,r(n)为信号归一化自相关系数,s(n)为步骤(1)中的复信号。
进一步地,所述步骤(3)中,对归一化自相关系数进行判决的过程包括:
1)检测自相关系数是否存在连续第一设定个数的点高于所述门限值的情况;
2)当满足步骤1)中条件时,检测之后的自相关系数是否存在至少第二设定个数个间隔为所述第一设定个数的自相关峰的情况;
3)当满足步骤2)中条件时,识别出目标信号。
进一步地,所述第一设定个数为所述有用信号的样点数N。
一种基于信号结构特性的OFDM信号识别系统,包括一种识别模块,所述识别模块包括存储器、处理器以及存储在所述存储器中并可在处理器中运行的计算机程序,所述处理器在运行所述计算机程序时实现的步骤包括:
(1)采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号;
(2)对所述复信号逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数;
(3)设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。
进一步地,所述步骤(1)中,每个OFDM符号具有相同的整数个采样点,且得到有用信号的样点数N,OFDM信号的符号样点数L,循环前缀样点数Ng。
进一步地,所述步骤(2)中,选择相关长度为循环前缀样点数Ng,选取相关间隔为有用信号的样点数N,按照如下公式逐样点做滑动自相关:
其中,r(n)为信号归一化自相关系数,s(n)为步骤(1)中的复信号。
进一步地,所述步骤(3)中,对归一化自相关系数进行判决的过程包括:
1)检测自相关系数是否存在连续第一设定个数的点高于所述门限值的情况;
2)当满足步骤1)中条件时,检测之后的自相关系数是否存在至少第二设定个数个间隔为所述第一设定个数的自相关峰的情况;
3)当满足步骤2)中条件时,识别出目标信号。
进一步地,所述第一设定个数为所述有用信号的样点数N。
附图说明
图1是基于信号结构特性的OFDM信号识别方法流程示意图;
图2是归一化自相关系数的波形图。
具体实施方式
本实施例提供一种基于信号结构特性的OFDM信号识别方法,如图1所示,包括以下步骤:(1)采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号s(n);(2)对复信号s(n)逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数r(n);(3)设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数r(n)进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。
以下对基于信号结构特性的OFDM信号识别方法中的各步骤进行详细说明。
步骤(1)中,对采集到的信号数据进行变频、滤波和重采样处理,经过变频、滤波和重采样处理后转换为采样率与目标OFDM信号符号速率相匹配的复信号s(n),从而得到一个OFDM信号的符号样点数L,循环前缀样点数Ng,有用信号的样点数N。其中,对采集的信号数据,需要经过变频处理和滤波处理,使信号为零中频复信号,允许存在频率偏差。根据目标OFDM的符号速率,选择合适的重采样速率,将信号重采样为与目标OFDM符号速率相匹配的复信号,使得每个OFDM符号具有相同的整数个采样点,且有用信号的样点数N为2的幂次,且L=Ng+N。
步骤(2)中,根据OFDM信号的特点,其循环前缀是OFDM符号有用信号的结尾部分的复制,因此循环前缀和有用信号的结尾部分信号具有相关性。OFDM信号的自相关函数可以表示成如下形式:
其中,和分别表示信号和加性高斯噪声的能量,Tcp为循环前缀长度,Tu为有用信号长度,P表示当前s(t)为循环前缀信号的概率。从公式(1)中可以看出,当OFDM信号在延迟为零或有用信号长度时出现峰值。
当信号s(t)存在载波频率偏差Δf时:
Rss(τ)=E{s(t)ej2πΔfts*(t+τ)e-j2πΔf(t+τ)}=Rss(τ)E{e-j2πΔfτ}=Rss(τ) (2)
因此,自相关函数不受载波频率偏差的影响。
根据公式(1)中自相关函数,选取相关长度为循环前缀的样点数Ng,相关间隔为有用信号的样点数N,按如下公式做滑动自相关,归一化自相关系数r(n)可以表示为:
在该采样率下,归一化自相关系数r(n)计算的是样点长度L的信号段前Ng点信号与后Ng点信号的归一化自相关系数。当选取的信号段起点与OFDM符号起点相同时,得到的归一化自相关系数即为OFDM符号循环前缀的相关值,无噪情况下的归一化自相关系数为1;当选取的信号段起点与OFDM符号起点不等时,信号段的头尾不具有相关性,因此r(n)的数值范围为0~1。
步骤(3)中,信号的结构特性体现在头部存在两个符号的长训练符号,以及OFDM符号的循环前缀具有相关性。因此,归一化自相关的结果在信号头部出现连续N点的大自相关值,为长训练符号的自相关结果;后续的每个OFDM符号都存在一个相关峰,为循环前缀的自相关结果。因此,设定门限值,对归一化自相关系数r(n)进行判决,结合信号结构特性设置判决条件,当自相关系数的相关峰满足判决条件时,识别出目标信号,否则不是目标信号。根据上述特点,对归一化自相关系数的相关峰判决的具体流程包括:
i)依据门限值查看自相关系数是否存在连续第一设定个数的点(本实施例中,第一设定个数以有用信号的样点数N为例)高于门限值的情况,即查看自相关系数是否存在连续N点高于门限值的情况;
ii)满足步骤i)的条件后,查看之后的自相关系数是否存在至少第二设定个数(本实施例中,第二设定个数以4为例)个间隔为N的自相关峰的情况;
iii)满足步骤i)和步骤ii)的条件后,识别出目标信号,输出结果,否则重复执行步骤i),直到所有的点处理完毕。
以下给出自相关系数的相关峰判决的一种具体的实施流程,包括以下四个步骤:
1)设置初始化变量:连续高于门限个数NUTH=0,连续低于门限个数NLTH=0,由高于门限转到低于门限firstLow=1,由低于门限转到高于门限firstUp=1,峰值个数NCP=0,信号起始标记FB=0;
2)将r(n)与门限值比较,高于门限值转到3),低于门限值转到4);
3)NUTH=NUTH+1,如果firstUp=1,查看FB状态及NLTH的个数。当FB=1时,如果NLTH>N-Ng且NLTH<N+Ng,则NCP=NCP+1。当NCP≥4时,识别出该信号,退出,否则转到2);
4)NLTH=NLTH+1,如果firstLow=1,查看连续高于门限的个数NUTH,如果NUTH>N-Ng,则FB=1,NCP=0,转到2)。
上述判决方法利用了信号结构中两个方面的特点:一是利用了长训练符号的相关峰值特性,长训练符号的相关峰值长度为N,因此在判决流程4)中需满足NUTH>N-Ng;二是OFDM循环前缀的相关峰值特性,两两峰值间隔为N,因此在判决流程3)中需满足NLTH>N-Ng且NLTH<N+Ng。
本实施例中,对于大疆无人机遥控信号,门限值可以选为0.6。大疆无人机遥控信号的帧结构中包含短训练符号和两个符号的长训练符号,之后为18个数据符号。长训练符号包含两个符号周期,具有完全相同的波形。
对于该帧结构的信号,采用步骤(2)中的方法计算归一化自相关系数,得到如图2所示归一化自相关系数曲线。从图2可以看出,在信号头部存在连续N点的大自相关值,为长训练符号的自相关结果;后续的每个OFDM符号都存在一个相关峰,为循环前缀的自相关结果。因此,对大疆无人机遥控信号识别转化为对图2曲线峰值的判决。
以上给出了具体的实施方式,但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (10)
1.一种基于信号结构特性的OFDM信号识别方法,其特征在于,包括以下步骤:
(1)采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号;
(2)对所述复信号逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数;
(3)设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。
2.根据权利要求1所述的基于信号结构特性的OFDM信号识别方法,其特征在于,
所述步骤(1)中,每个OFDM符号具有相同的整数个采样点,且得到有用信号的样点数N,OFDM信号的符号样点数L,循环前缀样点数Ng。
3.根据权利要求2所述的基于信号结构特性的OFDM信号识别方法,其特征在于,
所述步骤(2)中,选择相关长度为循环前缀样点数Ng,选取相关间隔为有用信号的样点数N,按照如下公式逐样点做滑动自相关:
其中,r(n)为信号归一化自相关系数,s(n)为步骤(1)中的复信号。
4.根据权利要求2或3所述的基于信号结构特性的OFDM信号识别方法,其特征在于,所述步骤(3)中,对归一化自相关系数进行判决的过程包括:
1)检测自相关系数是否存在连续第一设定个数的点高于所述门限值的情况;
2)当满足步骤1)中条件时,检测之后的自相关系数是否存在至少第二设定个数个间隔为所述第一设定个数的自相关峰的情况;
3)当满足步骤2)中条件时,识别出目标信号。
5.根据权利要求4所述的基于信号结构特性的OFDM信号识别方法,其特征在于,所述第一设定个数为所述有用信号的样点数N。
6.一种基于信号结构特性的OFDM信号识别系统,包括一种识别模块,所述识别模块包括存储器、处理器以及存储在所述存储器中并可在处理器中运行的计算机程序,其特征在于,所述处理器在运行所述计算机程序时实现的步骤包括:
(1)采集设定长度的待处理信号数据,经过处理后转换为采样率与OFDM符号速率匹配的复信号;
(2)对所述复信号逐点处理,选择相关长度和相关间隔,计算信号归一化自相关系数;
(3)设定门限值,结合信号结构特性设置判决条件,对归一化自相关系数进行判决,当存在长训练符号的相关特性和循环前缀的相关特性时,识别出目标信号。
7.根据权利要求6所述的基于信号结构特性的OFDM信号识别系统,其特征在于,
所述步骤(1)中,每个OFDM符号具有相同的整数个采样点,且得到有用信号的样点数N,OFDM信号的符号样点数L,循环前缀样点数Ng。
8.根据权利要求7所述的基于信号结构特性的OFDM信号识别系统,其特征在于,
所述步骤(2)中,选择相关长度为循环前缀样点数Ng,选取相关间隔为有用信号的样点数N,按照如下公式逐样点做滑动自相关:
其中,r(n)为信号归一化自相关系数,s(n)为步骤(1)中的复信号。
9.根据权利要求7或8所述的基于信号结构特性的OFDM信号识别系统,其特征在于,所述步骤(3)中,对归一化自相关系数进行判决的过程包括:
1)检测自相关系数是否存在连续第一设定个数的点高于所述门限值的情况;
2)当满足步骤1)中条件时,检测之后的自相关系数是否存在至少第二设定个数个间隔为所述第一设定个数的自相关峰的情况;
3)当满足步骤2)中条件时,识别出目标信号。
10.根据权利要求9所述的基于信号结构特性的OFDM信号识别系统,其特征在于,所述第一设定个数为所述有用信号的样点数N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810798962.4A CN108737318B (zh) | 2018-07-19 | 2018-07-19 | 基于信号结构特性的ofdm信号识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810798962.4A CN108737318B (zh) | 2018-07-19 | 2018-07-19 | 基于信号结构特性的ofdm信号识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108737318A true CN108737318A (zh) | 2018-11-02 |
CN108737318B CN108737318B (zh) | 2020-10-13 |
Family
ID=63926768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810798962.4A Active CN108737318B (zh) | 2018-07-19 | 2018-07-19 | 基于信号结构特性的ofdm信号识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108737318B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587089A (zh) * | 2018-12-12 | 2019-04-05 | 北航(四川)西部国际创新港科技有限公司 | 一种提升无人机信号识别准确度的方法 |
CN111652183A (zh) * | 2020-06-19 | 2020-09-11 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
CN112769721A (zh) * | 2020-12-25 | 2021-05-07 | 中国科学院计算技术研究所 | 基于多特征的多分布协同ofdm信号检测方法与系统 |
CN113066249A (zh) * | 2021-03-17 | 2021-07-02 | 成都华日通讯技术股份有限公司 | 基于无线电特征信息提取的无人机监测系统 |
CN114143151A (zh) * | 2021-12-10 | 2022-03-04 | 哈尔滨工业大学 | 一种基于自相关的非理想信道下drm信号识别方法 |
CN114205199A (zh) * | 2021-11-30 | 2022-03-18 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
CN114422016A (zh) * | 2021-12-28 | 2022-04-29 | 成都爱科特科技发展有限公司 | 一种pcma信号识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1139624A2 (en) * | 2000-02-16 | 2001-10-04 | Thomson Licensing S.A. | Sampling offset correction in an orthogonal frequency division multiplexing system |
CN101188491A (zh) * | 2007-12-25 | 2008-05-28 | 北京创毅视讯科技有限公司 | 一种可对抗大延时扩展信道的信号捕获方法 |
CN101621493A (zh) * | 2009-07-23 | 2010-01-06 | 中国科学院微电子研究所 | Ofdm的频率偏移估计的判决方法 |
CN101690062A (zh) * | 2007-04-30 | 2010-03-31 | Lm爱立信电话有限公司 | 改进的啁啾序列同步 |
CN102065048A (zh) * | 2009-11-11 | 2011-05-18 | 中国科学院微电子研究所 | Ofdm帧同步、频率同步、符号细同步的时域联合估计方法 |
-
2018
- 2018-07-19 CN CN201810798962.4A patent/CN108737318B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1139624A2 (en) * | 2000-02-16 | 2001-10-04 | Thomson Licensing S.A. | Sampling offset correction in an orthogonal frequency division multiplexing system |
CN101690062A (zh) * | 2007-04-30 | 2010-03-31 | Lm爱立信电话有限公司 | 改进的啁啾序列同步 |
CN101188491A (zh) * | 2007-12-25 | 2008-05-28 | 北京创毅视讯科技有限公司 | 一种可对抗大延时扩展信道的信号捕获方法 |
CN101621493A (zh) * | 2009-07-23 | 2010-01-06 | 中国科学院微电子研究所 | Ofdm的频率偏移估计的判决方法 |
CN102065048A (zh) * | 2009-11-11 | 2011-05-18 | 中国科学院微电子研究所 | Ofdm帧同步、频率同步、符号细同步的时域联合估计方法 |
Non-Patent Citations (1)
Title |
---|
刘伟: "OFDM系统帧检测及同步算法FPGA设计与实现", 《《中国优秀硕士学位论文全文数据库(信息科技辑)》》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587089B (zh) * | 2018-12-12 | 2021-04-09 | 北航(四川)西部国际创新港科技有限公司 | 一种提升无人机信号识别准确度的方法 |
CN109587089A (zh) * | 2018-12-12 | 2019-04-05 | 北航(四川)西部国际创新港科技有限公司 | 一种提升无人机信号识别准确度的方法 |
CN111652183A (zh) * | 2020-06-19 | 2020-09-11 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
CN111652183B (zh) * | 2020-06-19 | 2022-03-29 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
CN112769721A (zh) * | 2020-12-25 | 2021-05-07 | 中国科学院计算技术研究所 | 基于多特征的多分布协同ofdm信号检测方法与系统 |
CN112769721B (zh) * | 2020-12-25 | 2021-11-23 | 中国科学院计算技术研究所 | 基于多特征的多分布协同ofdm信号检测方法与系统 |
CN113066249A (zh) * | 2021-03-17 | 2021-07-02 | 成都华日通讯技术股份有限公司 | 基于无线电特征信息提取的无人机监测系统 |
CN114205199B (zh) * | 2021-11-30 | 2023-10-20 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
CN114205199A (zh) * | 2021-11-30 | 2022-03-18 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
CN114143151A (zh) * | 2021-12-10 | 2022-03-04 | 哈尔滨工业大学 | 一种基于自相关的非理想信道下drm信号识别方法 |
CN114143151B (zh) * | 2021-12-10 | 2024-04-05 | 哈尔滨工业大学 | 一种基于自相关的非理想信道下drm信号识别方法 |
CN114422016A (zh) * | 2021-12-28 | 2022-04-29 | 成都爱科特科技发展有限公司 | 一种pcma信号识别方法 |
CN114422016B (zh) * | 2021-12-28 | 2024-01-02 | 成都爱科特科技发展有限公司 | 一种pcma信号识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108737318B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108737318A (zh) | 基于信号结构特性的ofdm信号识别方法及系统 | |
CN110224968A (zh) | 一种ofdm通信系统中的帧定时同步方法和装置 | |
CN114268528B (zh) | 一种帧捕获同步方法及装置 | |
CN106446877B (zh) | 一种基于信号幅度排序的射频指纹特征提取和识别方法 | |
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 | |
CN110099019A (zh) | 基于深度学习的LoRa调制信号检测方法 | |
CN105071830B (zh) | 一种直扩信号的检测识别方法 | |
CN107798351B (zh) | 一种基于深度学习神经网络的身份识别方法和系统 | |
CN102263601A (zh) | 一种宽带多信号检测方法 | |
CN103997478B (zh) | Ofdm‑wlan系统的定时同步硬件实现方法 | |
CN109212491A (zh) | 一种基于雷达信号指纹特征的辐射源识别方法 | |
CN114900256B (zh) | 通信场景识别方法和装置 | |
CN108173792B (zh) | 基于差分星座轨迹图的无线设备瞬态特征提取与识别方法 | |
CN112929141B (zh) | 一种基于图传信号匹配的无人机检测识别方法和系统 | |
CN103647610A (zh) | 一种基于幅值与宽度的低压电力线通信信道脉冲噪声检测方法 | |
CN102347811A (zh) | 一种电力线通信信道脉冲噪声检测方法 | |
CN108737319A (zh) | 一种目标ofdm信号的实时检测方法及装置 | |
CN115347978B (zh) | 一种识别ais帧头数据的方法、装置及存储介质 | |
CN111490954A (zh) | 信道脉冲响应的重要时延抽头选择方法及系统 | |
CN110266429A (zh) | 一种基于高阶累积量的信号帧结构检测方法 | |
CN105703850B (zh) | 基于短时傅里叶变换数据链信号边沿检测方法 | |
CN112437030B (zh) | LoRa数据包起点对齐方法及装置 | |
CN115219991A (zh) | 一种基于希尔伯特变换的二相编码调制信号识别方法 | |
CN114727293A (zh) | 基于射频指纹与无监督学习的身份仿冒攻击识别方法 | |
CN112506834A (zh) | 一种基于电力载波移动数据延伸器的波特率自适应方法 |
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 |