CN109474355A - 基于频谱监测数据的自适应噪声门限估计与信号提取方法 - Google Patents
基于频谱监测数据的自适应噪声门限估计与信号提取方法 Download PDFInfo
- Publication number
- CN109474355A CN109474355A CN201810044393.4A CN201810044393A CN109474355A CN 109474355 A CN109474355 A CN 109474355A CN 201810044393 A CN201810044393 A CN 201810044393A CN 109474355 A CN109474355 A CN 109474355A
- Authority
- CN
- China
- Prior art keywords
- signal
- level
- sample
- data
- frequency
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- 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
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于频谱监测数据的自适应噪声门限估计与信号提取方法，涉及无线电频谱管理技术领域。本发明能够通过对数据的实时统计分析，快速准确估计不同频段的噪声门限电平，并根据噪声门限电平提取信号，分析信号的中心频率和信号带宽等特性参数。解决了长期以来频谱数据分析依靠人工经验判读设定，无法采用智能自动分析的缺陷，实现了噪声门限的自动设定与信号的智能提取，具有不同电磁环境、不同时段和不同频段的自适应分析特点，能够为智能化频谱监测分析提供技术支持。
Description
技术领域
本发明涉及无线电频谱管理技术领域，具体涉及一种基于频谱监测数据的自适应噪声门限估计和信号提取方法。
背景技术
随着无线电技术的快速发展，各种无线电业务得到广泛的应用，造成无线电频谱资源日益紧张，干扰情况时有发生，为维护电磁空间秩序，确保无线电频率的高效使用，需要加强电磁环境的监测，密切关注电磁环境活动变化情况。
对监测接收机获得的频谱数据进行分析处理是无线电监测的一项重要工作，在进行常规监测过程中，对获得的频谱监测数据进行挖掘分析，并与设定的噪声门限进行比较，从而快速锁定信号，分析信号相关参数，为测向定位和进一步信号分析提供基础支撑。
传统的噪声门限设定是根据ITU-R推荐的噪声估计方法或人工判读的方法设定固定阈值，ITU-R推荐的方法表征的频段较窄，在获取宽频段噪声门限时受到一定的限制；人工判读方法误差较大，也无法实现全自动化处理；并且采用固定阈值的方法缺乏灵活性，在不同电磁环境、不同系统、不同用频时段和不同用频业务范围等条件下，表现出适应性差、扩展性不足、信号检测误报率高等明显缺陷。
发明内容
为提高频谱监测数据分析处理的效率，以及方便工程应用，完全实现频谱监测和频谱数据的自动化智能处理，本发明提供一种基于频谱监测数据的自适应噪声门限估计与信号提取方法，能够有效解决噪声门限依赖人工判读的缺陷，并且噪底估计能够实时根据环境信息进行修正，提高了噪底估计的准确性，能够为频谱监测、干扰分析与查处和频谱管理提供基础的技术支撑。
本发明采用以下技术方案：
基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于，所述方法包括以下步骤：
(1)获取监测接收机采集的频率-电平样本数据；
(2)对样本数据进行降噪平滑处理和等长分段处理；
(3)对样本数据进行不等长分段与噪声门限电平估计；
(4)信号提取；
(5)对信号二次分析，进行信号的合并和虚假信号的消除；
(6)估计信号频率上下限；
(7)对信号范围内任意两点进行线性插值，估计信号的相关参数。
步骤(2)中首先对样本数据进行降噪平滑处理，如果样本数据点数较多或频率范围较大，则对样本数据进行等长分段，从而提高计算效率和准确度。
步骤(3)中对样本数据进行不等长分段，通过粗略估计各段内信号的最大带宽，以最大带宽的2倍作为各段的分段长度，实现不等长分段。
步骤(3)中的噪声门限电平估计是通过计算段内样本数据的电平期望，并剔除电平大于期望3dB的样本数据点，然后对剩余的样本数据重新计算电平期望，该电平期望值即为噪底电平。
进一步地，噪声门限电平估计是以大于噪底电平3dB作为噪声门限阈值，信号提取是通过将样本数据的电平值与噪声门限阈值进行比较，对于大于门限阈值的样本点看作是信号，并且将连续大于门限阈值的样本点合为一个信号。
步骤(5)中对提取的信号进行二次分析，将两个间隔较小的信号合并为一个信号；对于信号电平小到一定程度，且存在多个极值或包含的样本点数较少，则将其视为虚假信号进行消除。
步骤(6)中估计信号频率上下限，通过将每个信号的最小样本点和最大样本点分别向外扩展3个点，并分别取三个点中电平值最小的点作为信号的频率下限和频率上限。
步骤(7)中估计信号相关参数，根据信号频率上下限以及其范围内的样本数据，按照1kHz的间隔进行任意两个样本点的线性插值，按照占总能量99％的频带范围计算占用带宽，以低于最大电平3dB和26dB的样本数据点分别计算信号的3dB带宽和26dB带宽。
进一步具体地，本发明基于频谱监测数据的噪声门限估计和信号提取方法采用以下步骤：
第一步，获得包含N个样本点的频谱监测数据y＝{y1，y2，y3，......，yN}，以及起始频率fst，截止频率fsp和频率间隔fdelt；
第二步，将频谱监测数据进行平滑降噪处理；
第三步，如果监测频率范围较大，不同频段的噪声和信号的特点具有较大的差异，为提高噪声估计和信号提取的准确性，将监测数据进行等长分段，每段包含不大于5000个样本点或不超过100MHz的频段宽度；
第四步，分别计算每段样本数据的电平期望Ei′(y)；
第五步，剔除每一段样本数据中电平大于(Ei′(y)+3dB)的样本数据，并对各段剩余样本数据重新计算电平期望值，并将该期望值作为该段的噪底电平，记为noisei′；
第六步，以(noisei′+3dB)作为各段的门限电平，对所有的样本数据y＝{y11，y12，......，y1n，y21，y22，......，y2n，......yk1，yk2，......，ykn}进行统计分析，将连续大于门限电平的数据样本看作一个信号，记录信号的位置信息Sik；
第七步，粗略估计所有信号的带宽bandik；
第八步，对每段的信号带宽进行统计，并取本段内最大带宽的2倍(2*max{bandi1，bandi2，......，bandik})作为该段的分段长度，对所有监测数据样本进行不等长分段；
第九步，按照新的分段，对每段内的频谱监测数据样本计算电平期望Em(y)，并剔除电平大于(Em(y)+3dB)的样本数据；
第十步，对各段剩余的样本数据重新计算电平期望值，并以此作为各段的噪声电平noisem；
第十一步，以各段的(noisem+3dB)作为对应样本点的噪声门限电平，对所有频谱监测数据样本进行统计分析，将连续大于噪声门限电平的样本点看作为一个信号；
第十二步，对所有信号进行二次分析，如果两个信号之间间隔的样本点数不大于2，则将两个信号合并为一个信号；如果信号最大电平大于门限电平不超过3dB，且信号中极值的数量大于2个，或信号包含的样本点数不大于3个，则认为该信号为噪声，从信号队列中消除；然后记录所有信号的起始位置st_spotj和终止位置st_spotj；
第十三步，对信号的起始点st_spotj和终止点st_spotj分别向外扩展3个样本点，分别计算起始点附近和终止点附近电平最小值点，以和分别作为信号的频率下限和频率上限；
第十四步，对信号频率下限和频率上限范围内任意两个原始样本点之间采用线性插值的方式插入个样本点，插值后信号频率下限和频率上限范围内的样本点间隔不大于1kHz；
第十五步，依据信号的频谱监测样本数据和频率下限、频率上限等信息计算信号的中心频率fcenter、3dB带宽bandwidth3dB和26dB带宽bandwidth26dB等参数信息。
相对于现有技术，本发明的优势在于：
1)能够针对不同的电磁环境、不同用频时段、不同地区以及不同频段对频谱监测数据进行统计分析，自适应估计噪声门限电平，并基于此进行信号提取与参数估计；
2)在噪声门限电平估计过程中，能够实时根据频段和地区的电磁环境信息评估噪声电平，消除信号带外泄露产生的噪声影响，具有自适应特性，能够在一定程度上降低信号提取过程中的漏检和虚检概率；
3)本发明的实现方法简单，易于工程实现，能够快速准确的评估噪声电平和提取信号，有利于提高频谱监测的效率和准确性，推动频谱精细化管理的发展。
附图说明
图1为本发明方法的流程图；
图2为88～108MHz频段噪声门限估计与信号提取结果图。
具体实施方式
下面结合88～108MHz频段监测数据的分析过程对本发明实施方式进行详细说明：
第一步，获得监测接收机采集的88～108MHz的801个电平样本数据，以及起始频率fst＝88MHz，截止频率fsp＝108MHz和频率间隔fdelt＝25kHz；
第二步，采用窗宽为5的移动平滑滤波器对电平数据进行降噪处理；
第三步，频谱监测样本数据的频率范围为20MHz，点数为801个，频率范围较窄，样本点数量较少，并且在该频段只有广播为主要无线电业务，不需要进行等长分段处理，因此将所有样本数据作为一段数据进行分析；
第四步，计算所有样本数据的电平期望Eav；
第五步，对所有频谱监测样本数据进行统计分析，剔除电平大于(Eav+3dB)的样本数据，并对剩余的样本数据计算电平期望E′av；
第六步，对监测的频谱样本数据重新进行统计分析，对电平大于(E′av+3dB)的样本数据认为是信号对应的频点，并且将连续被认定为信号的样本点合并为一个信号；
第七步，粗略估计所有信号的带宽，并对所有信号的带宽进行统计，获得最大带宽bandwidthmax；
第八步，以2*bandwidthmax作为新的分段长度，重新对监测频谱样本数据进行分段，共分成n段；
第九步，分别计算n段样本数据的电平期望Ei，(i＝1～n)，对每段的频谱数据样本进行统计分析，剔除每段样本数据中电平大于(Ei+3dB)的样本点；
第十步，对每段剩余的样本数据重新计算电平期望E′i，(i＝1～n)，以E′i作为对应频段范围的噪声电平noisei＝E′i，以大于噪声电平3dB的电平值作为噪声门限电平，thresholdi＝noisei+3dB；
第十一步，对监测的样本数据重新进行统计分析，对于电平大于噪声门限电平thresholdi的样本点看作为信号，并且将连续被认为是信号的样本点合并为一个信号，记作信号Signk；
第十二步，对所有信号进行二次分析，如果两个信号之间间隔的样本点数不大于2，则将两个信号合并为一个信号；如果信号最大电平大于门限电平thresholdi，但小于(thresholdi+3dB)，那么对于信号中极值的数量大于2个，或信号包含的样本点数不大于3个，则认为该信号为噪声，从信号队列中消除，从而生成新的信号队列Signj，并记录每个信号的起始位置spotinf(j)和样本点的终止位置spotsup(j)；
第十三步，对所有信号分别将起始样本点和终止样本点向外扩展3个点，分别统计分析扩展的三个点中电平值最小的样本点，分别以其对应的频率作为信号的频率下限freqinf(j)和频率上限freqsup(j)；
第十四步，对信号频率下限和频率上限范围内任意两个原始样本点之间以线性插值的方式插入24个样本点，插值后信号的的频谱数据样本点间隔为1kHz；
第十五步，以信号的频率-电平分布样本数据和信号的频率下限与频率上限等数据为基础，计算占总能量99％的频率范围为占用带宽，分别以小于最大电平的3dB和26dB所在的频率点确定信号的3dB带宽和26dB带宽。
以上所述仅对本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡是在本发明的权利要求限定范围内，所做的任何修改、等同替换、改进等，均应在本发明的保护范围之内。
Claims (8)
1.基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于，所述方法包括以下步骤：
(1)获取监测接收机采集的频率-电平样本数据；
(2)对样本数据进行降噪平滑处理和等长分段处理；
(3)对样本数据进行不等长分段与噪声门限电平估计；
(4)信号提取；
(5)对信号二次分析，进行信号的合并和虚假信号的消除；
(6)估计信号频率上下限；
(7)对信号范围内任意两点进行线性插值，估计信号的相关参数。
2.根据权利要求1所述的基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(2)中首先对样本数据进行降噪平滑处理，如果样本数据点数较多或频率范围较大，则对样本数据进行等长分段，从而提高计算效率和准确度。
3.根据权利要求1所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(3)中对样本数据进行不等长分段，通过粗略估计各段内信号的最大带宽，以最大带宽的2倍作为各段的分段长度，实现不等长分段。
4.根据权利要求1所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(3)中的噪声门限电平估计是通过计算段内样本数据的电平期望，并剔除电平大于期望3dB的样本数据点，然后对剩余的样本数据重新计算电平期望，该电平期望值即为噪底电平。
5.根据权利要求4所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：噪声门限电平估计是以大于噪底电平3dB作为噪声门限阈值，信号提取是通过将样本数据的电平值与噪声门限阈值进行比较，对于大于门限阈值的样本点看作是信号，并且将连续大于门限阈值的样本点合为一个信号。
6.根据权利要求1所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(5)中对提取的信号进行二次分析，将两个间隔较小的信号合并为一个信号；对于信号电平小到一定程度，且存在多个极值或包含的样本点数较少，则将其视为虚假信号进行消除。
7.根据权利要求1所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(6)中估计信号频率上下限，通过将每个信号的最小样本点和最大样本点分别向外扩展3个点，并分别取三个点中电平值最小的点作为信号的频率下限和频率上限。
8.根据权利要求1所述基于频谱监测数据的自适应噪声电平估计与信号提取方法，其特征在于：步骤(7)中估计信号相关参数，根据信号频率上下限以及其范围内的样本数据，按照1kHz的间隔进行任意两个样本点的线性插值，按照占总能量99％的频带范围计算占用带宽，以低于最大电平3dB和26dB的样本数据点分别计算信号的3dB带宽和26dB带宽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810044393.4A CN109474355A (zh) | 2018-01-17 | 2018-01-17 | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810044393.4A CN109474355A (zh) | 2018-01-17 | 2018-01-17 | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109474355A true CN109474355A (zh) | 2019-03-15 |
Family
ID=65659939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810044393.4A Pending CN109474355A (zh) | 2018-01-17 | 2018-01-17 | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109474355A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109981186A (zh) * | 2019-04-10 | 2019-07-05 | 成都华日通讯技术有限公司 | 超短波全频段信号分选方法 |
| CN110233682A (zh) * | 2019-06-10 | 2019-09-13 | 同方电子科技有限公司 | 一种实时门限信号检测方法 |
| CN110535543A (zh) * | 2019-05-13 | 2019-12-03 | 国家无线电监测中心陕西监测站 | 一种无线电频谱信号检测门限计算方法 |
| CN110702986A (zh) * | 2019-10-31 | 2020-01-17 | 中国电子科技集团公司第四十一研究所 | 一种自适应信号搜索门限实时动态生成方法及系统 |
| CN111917495A (zh) * | 2020-07-31 | 2020-11-10 | 中国电子科技集团公司第四十一研究所 | 一种自适应门限实时生成方法 |
| CN113283157A (zh) * | 2021-04-02 | 2021-08-20 | 殷强 | 智能冲压压力机部件生命周期预测系统、方法、终端、介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030039319A1 (en) * | 2001-08-22 | 2003-02-27 | Willem Engelse | Monitoring upstream frequency band |
| CN101494508A (zh) * | 2009-02-26 | 2009-07-29 | 上海交通大学 | 基于特征循环频率的频谱检测方法 |
| CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
| CN102263601A (zh) * | 2011-06-09 | 2011-11-30 | 中国工程物理研究院电子工程研究所 | 一种宽带多信号检测方法 |
| CN102394707A (zh) * | 2011-10-12 | 2012-03-28 | 中国电子科技集团公司第三十六研究所 | 调制宽带转换器采样系统中的宽带频谱感知方法 |
| CN102546061A (zh) * | 2012-01-09 | 2012-07-04 | 西安交通大学 | 基于小波变换的自适应时频空穴检测方法 |
| CN103812577A (zh) * | 2012-11-06 | 2014-05-21 | 西南交通大学 | 非正常无线电信号的自动识别系统及其方法 |
| CN106941008A (zh) * | 2017-04-05 | 2017-07-11 | 华南理工大学 | 一种基于静音段的异源音频拼接篡改盲检测方法 |
-
2018
- 2018-01-17 CN CN201810044393.4A patent/CN109474355A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030039319A1 (en) * | 2001-08-22 | 2003-02-27 | Willem Engelse | Monitoring upstream frequency band |
| CN101494508A (zh) * | 2009-02-26 | 2009-07-29 | 上海交通大学 | 基于特征循环频率的频谱检测方法 |
| CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
| CN102263601A (zh) * | 2011-06-09 | 2011-11-30 | 中国工程物理研究院电子工程研究所 | 一种宽带多信号检测方法 |
| CN102394707A (zh) * | 2011-10-12 | 2012-03-28 | 中国电子科技集团公司第三十六研究所 | 调制宽带转换器采样系统中的宽带频谱感知方法 |
| CN102546061A (zh) * | 2012-01-09 | 2012-07-04 | 西安交通大学 | 基于小波变换的自适应时频空穴检测方法 |
| CN103812577A (zh) * | 2012-11-06 | 2014-05-21 | 西南交通大学 | 非正常无线电信号的自动识别系统及其方法 |
| CN106941008A (zh) * | 2017-04-05 | 2017-07-11 | 华南理工大学 | 一种基于静音段的异源音频拼接篡改盲检测方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109981186A (zh) * | 2019-04-10 | 2019-07-05 | 成都华日通讯技术有限公司 | 超短波全频段信号分选方法 |
| CN109981186B (zh) * | 2019-04-10 | 2021-07-27 | 成都华日通讯技术股份有限公司 | 超短波全频段信号分选方法 |
| CN110535543A (zh) * | 2019-05-13 | 2019-12-03 | 国家无线电监测中心陕西监测站 | 一种无线电频谱信号检测门限计算方法 |
| CN110535543B (zh) * | 2019-05-13 | 2022-01-28 | 国家无线电监测中心陕西监测站 | 一种无线电频谱信号检测门限计算方法 |
| CN110233682A (zh) * | 2019-06-10 | 2019-09-13 | 同方电子科技有限公司 | 一种实时门限信号检测方法 |
| CN110233682B (zh) * | 2019-06-10 | 2022-02-08 | 同方电子科技有限公司 | 一种实时门限信号检测方法 |
| CN110702986A (zh) * | 2019-10-31 | 2020-01-17 | 中国电子科技集团公司第四十一研究所 | 一种自适应信号搜索门限实时动态生成方法及系统 |
| CN110702986B (zh) * | 2019-10-31 | 2021-11-05 | 中国电子科技集团公司第四十一研究所 | 一种自适应信号搜索门限实时动态生成方法及系统 |
| CN111917495A (zh) * | 2020-07-31 | 2020-11-10 | 中国电子科技集团公司第四十一研究所 | 一种自适应门限实时生成方法 |
| CN111917495B (zh) * | 2020-07-31 | 2022-02-08 | 中国电子科技集团公司第四十一研究所 | 一种自适应门限实时生成方法 |
| CN113283157A (zh) * | 2021-04-02 | 2021-08-20 | 殷强 | 智能冲压压力机部件生命周期预测系统、方法、终端、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109474355A (zh) | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 | |
| Orville | Lightning ground flash density in the contiguous United States-1989 | |
| CN107911183B (zh) | 一种基于实时信号特征分析的无人机识别方法及系统 | |
| CN102624468B (zh) | 基于双fft的宽带自动检测方法 | |
| CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
| CN103487788B (zh) | 一种序列脉冲信号快速自动提取方法 | |
| CN104158611A (zh) | 基于频谱分析的无线信号干扰检测系统及方法 | |
| CN110636540B (zh) | 一种网络上行干扰预评估方法及装置 | |
| CN110191071A (zh) | 一种窄带物联网系统中基于信道估计的测量方法及装置 | |
| CN116828354B (zh) | 一种用于领夹无线麦克风的收音质量优化方法及系统 | |
| CN105429719A (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 | |
| CN105429792B (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
| CN101848482A (zh) | 一种获取干扰矩阵的方法和装置 | |
| CN114756817A (zh) | 一种基于Copula函数的复合洪涝灾害联合概率分析方法 | |
| CN109981196A (zh) | 一种网络结构评估方法及装置 | |
| US11425635B2 (en) | Small cell identification using machine learning | |
| CN106162681B (zh) | 一种gsm900二次谐波干扰的检测方法及装置 | |
| CN103001714A (zh) | 一种快速的gsm-r干扰识别方法 | |
| CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
| CN107886113A (zh) | 一种基于卡方检验的电磁频谱噪声提取和滤波算法 | |
| CN103959838B (zh) | 干扰源分析方法及装置 | |
| CN103841601B (zh) | 一种精准评估td‑scdma小区间频率扰码干扰严重等级的方法 | |
| CN114024573B (zh) | 一种低压电力线载波通信系统性能监测方法 | |
| CN102624418B (zh) | 一种水声二相调制直扩信号载频估计方法 | |
| CN111368169A (zh) | 一种检测刷量行为的方法、装置、设备和存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 710061 No. 8 Cienxi Road, Qujiang New Area, Xi'an, Shaanxi Province Applicant after: National Radio Spectrum Management Research Institute Limited Address before: 710061 South Section 8 of Cien Road, Qujiang New District, Xi'an City, Shaanxi Province Applicant before: National Radio Spectrum Management Research Institute Limited |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190315 |
|
| RJ01 | Rejection of invention patent application after publication |