CN109709581A - 一种卫星导航信号强干扰循环特征参数快速检测获取方法 - Google Patents
一种卫星导航信号强干扰循环特征参数快速检测获取方法 Download PDFInfo
- Publication number
- CN109709581A CN109709581A CN201910143795.4A CN201910143795A CN109709581A CN 109709581 A CN109709581 A CN 109709581A CN 201910143795 A CN201910143795 A CN 201910143795A CN 109709581 A CN109709581 A CN 109709581A
- Authority
- CN
- China
- Prior art keywords
- satellite navigation
- navigation signals
- way
- auto
- formula
- 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
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种卫星导航信号强干扰循环特征参数快速检测获取方法,主要针对卫星导航信号干扰特征检测的应用场合而设计,是一种新的卫星导航信号干扰特征参数检测方法。首先将经下变换、采样和滤波处理后的卫星导航信号分成两路;然后对其中一路进行循环自相关快速运算,另一路则先对信号进行设定长度的时间延迟后再进行循环自相关快速运算;接着采用分段平均的方法,对所得的两路循环自相关运算结果再次实施相关运算;最后对二次相关运算后的结果,通过搜索其在时延变量特征面上超过预设值的幅度最大值,并与循环频率相对应,即可快速获得强干扰信号的循环特征参数。
Description
技术领域
本发明涉及一种利用循环自相关的二次相关特性快速检测获取弱卫星导航信号上强干扰循环特征参数的方法,属于卫星导航信号干扰检测与消除领域,尤其涉及一种利用循环自相关的二次相关特性来检测获取强干扰循环特征参数的方法。
背景技术
在卫星导航中,由于地面接收到的卫星导航信号非常微弱,因而很容易受到其它一些强干扰的影响。这些干扰会显著降接收机的跟踪捕获性能,进而影响到最终的导航定位结果及精度等。而利用干扰信号的循环特征参数,并采用一定的循环谱域滤波方法,即可有效去除叠加在弱卫星导航信号上的强干扰信号,从而相应提高接收机的导航定位精度以及工作可靠性等。相比于常规的卫星导航信号抗干扰方法,利用循环平稳特征去除干扰的方法具有以下一些显著优点:(1)可以建立更准确的信号模型以及获得更好的信号辨识能力;(2)可以得到更高的信号参数检测精度;(3)具有性能更高的干扰和噪声抑制能力。
而要通过循环滤波有效地去除强干扰,首先必须获得强干扰信号的循环特征参数。当前,比较典型的干扰信号循环特征参数快速获取方法主要有:
(1)基于信号谱相关(或循环谱密度)实现的方法。它主要包括基于FFT算法的谱相关快速累加法(FAM)、带状谱相关分析法(SSCA)、以及快速谱相关实现法(Fast-SC)等。其中SSCA法在检测性能上稍弱于FAM法,而Fast-SC法在特征参数检测中,通常很难得到与载波频率相关的特征参数,这样在后面的分析中,主要以FAM方法作为评判其它方法性能好坏的标准。该种以谱相关为基础的检测方法优点是循环特征参数分辨率较高,但同时它也具有运算量大、存储空间需求多等缺点;
(2)基于循环自相关实现的方法。它主要包括循环相关图法,分段自相关方法(TCA)等。由于循环相关图法可看成TCA方法的归一化实现,因此在后面的性能分析中,主要以TCA方法为例来进行分析比较。该类方法的优点是运算量较小,数据存储空间需求较少等,但它的缺点是循环参数分辨率较低,不如谱相关法的分辨率高。这样,如何使数据运算耗费较低,同时又能保证检测出的干扰信号循环特征参数具有较高的分辨率,也就成为干扰循环特征检测中面临的一个实际困难,它的解决对于有效去除叠加在弱卫星导航信号上的强干扰等问题都具有重要的意义。
因此,探索发掘出利用循环自相关的二次相关特性来快速检测获取弱卫星导航信号上强干扰循环特征参数的方法也就显得非常必要和有重要价值。
发明内容
本发明的目的是提供一种性能更好的卫星导航信号强干扰循环特征参数检测获取方法,从而为卫星导航中强干扰信号的检测与消除等问题提供一种新的保障措施。
为达到上述目的,本发明采用的技术方案为:
S1对接收到的含有强干扰的卫星导航信号进行下变频、采样和低通滤波处理;
S2将处理后的卫星导航信号分成两路,并分别获得两路卫星导航信号的循环自相关运算式,其中一路按不设定信号延迟获得循环自相关运算式,另一路先对卫星导航信号进行设定时间长度的数据延迟,再获得相应的循环自相关运算式;
S3按照事先的设定,在保证循环频率检测精度满足要求的情况下(若不满足要求,可增大S2中数据截取长度,即增大设定的另一路卫星导航信号的数据延迟长度),利用快速傅里叶算法分别对S2中所获得的两路循环自相关运算式进行快速循环相关运算,得到两路循环自相关结果;
S4将S3中所获得的两路循环自相关结果采用分段平均的方法再次进行自相关运算;
S5将S4中得到的自相关运算结果映射到由时延变量和循环频率变量所构成的平面上,并在时延变量特征截面上搜索超过预设值的自相关幅度最大值,然后找到与幅度最大值相对应的循环频率值,即得到强干扰循环特征参数。
所述步骤S2中两路卫星导航信号的循环自相关运算式分别为:
式中,x(k)为处理后的卫星导航信号;k为时间采样,n为数据起始时刻;N为数据截取长度,同时也为设定的另一路卫星导航信号的数据延迟长度;α为信号循环频率变量,fs/N≤α≤fs(N-1)/N;|τ|≤N-1为信号时延;上标“*”表示取复共轭。
所述步骤S3的运算公式为:
式中,和分别为两路循环自相关结果;K为相邻两次(或)运算的数据段偏移,即有n=n+K;表示快速傅里叶变换结果;其中i为段标识号。
所述步骤S4中自相关运算具体为:
式中,P为自相关运算时的分段数。
所述步骤S5中的计算公式为:
式中,τ0为增强二次相关幅值检测结果而设置的特征面叠加数,τ0≤τmax,这里τmax为循环相关运算中所取的最大时延值;为检测出的强干扰信号循环频率;TH0为预设值。
本发明的有益效果是:通过上述所给的本发明技术方案,利用本发明实现的干扰信号循环特征参数的检测性能要优于常用的FAM和TCA等方法。因而所给方法适合在基于谱相关的卫星导航信号强干扰快速检测与去除等场合推广应用。
附图说明
图1是本发明利用所给方法设计出的卫星导航信号强干扰循环特征参数快速检测原理图。
图2是本发明所给方法对3dB的BPSK干扰循环特征参数检测结果(FFT窗长4096)。
图3是本发明TCA方法对3dB的BPSK干扰循环特征参数检测结果(FFT窗长4096)。
图4是本发明所给方法对3dB的BPSK干扰循环特征参数检测结果(FFT窗长8192)。
图5是本发明TCA方法对3dB的BPSK干扰循环特征参数检测结果(FFT窗长8192)。
图6是本发明基于谱相关的FAM方法对3dB的BPSK干扰循环特征参数检测结果。
图7是本发明所给方法与其它方法对3dB的BPSK干扰循环特征参数fc和Rb检测误差对比图。
图8是本发明采样频率改变时所给方法与其它方法对12dB的BPSK干扰循环特征参数fc和Rb检测误差对比图。
图9是本发明数据长度为65536时所给方法与其它方法的循环特征参数检测复杂度对比图。
图10是本发明数据长度为131072时所给方法与其它方法的循环特征参数检测复杂度对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
参照图1所示的一种卫星导航信号强干扰循环特征参数快速检测获取方法,包括以下具体步骤:
S1对接收到的含有强干扰的卫星导航信号进行下变换、采样和滤波处理。经处理后的接收信号可表示为:
x(k)=s(k)+i(k)+w(k)(1)
式中:k为时间采样kTs的简写,Ts=1/fs为采样时间间隔,fs为对应的采样频率;s(k)、i(k)和w(k)分别为弱卫星导航信号、强干扰、以及噪声信号。通常情况下,s(k)、i(k)和w(k)三者之间互不相关,在下面的方法给出中,假设该结论同样适用。
S2将处理后的接收信号分成两路,并对两路卫星导航信号分别得到其循环自相关运算式,其中一路按不设定信号延迟给出,而另一路则先对信号进行设定时间长度的数据延迟,然后再给出相应的循环自相关运算式。即:
其中:n为数据起始时刻;N为数据截取长度(也为第二路数据延迟长度);α为信号循环频率变量,fs/N≤α≤fs(N-1)/N;|τ|≤N-1为信号时延;上标“*”表示取复共轭。
S3根据事先的设定,在保证循环频率检测精度fs/N满足要求的情况下(若不满足要求,可增大S2中数据截取长度N),利用快速傅里叶变换算法(FFT)对S2中所获得的两路循环自相关运算式进行快速实现。即:
其中:K为相邻两次(或)运算的数据段偏移,即n=n+K;式中i为段标识号;表示快速傅里叶变换结果。
S4利用S3中所获得的两路循环自相关结果,再次进行自相关运算,并对运算过程采用分段平均的方法进行实现。即:
其中:P为二次相关运算时的分段数。
S5将S4中二次自相关运算后的结果映射到由时延变量和循环频率变量所构成的(τ,α)平面上,并在τ特征截面上通过搜索超过预设值的二次相关幅度最大值,然后与循环频率相对应,即可获得强干扰信号的循环特征参数结果。即:
其中:τ0是为增强二次相关幅值检测结果而设置的特征面叠加数,τ0≤τmax,这里τmax为循环相关运算中所取的最大时延值;为检测出的强干扰信号循环频率;TH0为预设值。
利用上面所给的卫星导航信号强干扰循环特征参数检测方法,对接收的GPS民用C/A码卫星导航信号中含有二进制相移键控(BPSK)强干扰,且噪声信号为加性高斯白噪声时的情况进行了检测。在检测过程中,利用所给方法和另外两种常用检测方法,即分段循环自相关法(TCA)、循环谱快速累加法(FAM)检测所得结果如图2~6所示;而利用三种方法对BPSK强干扰的两个循环特征参数,即载波频率fc和数据调制码速率Rb,在不同信噪比和采样速率下的检测结果如图7和8所示;同时,三种方法检测复杂度对比结果则如图9和10所示。其中在图7~10中,各数据考查点的FFT变换窗长从小到大依次为N=[32,64,128,256,1024,2048,4096,8192]。
从检测结果可以看出,本专利所给方法相对于另外两种强干扰特征参数检测方法的优势主要在于:(1)本专利所给方法相对于TCA方法,对影响检测的杂扰谱线抑制更好,如图2~5所示,这样所给方法检测出的干扰循环特征参数可靠性也更高;(2)即使在较短的数据截取长度下,本专利所给方法也能够以一定的检测精度给出干扰循环特征参数的检测结果,而TCA方法则无法得到特征参数检测结果,如图7~9所示;(3)虽然在数据长度较短的情况下,本专利所给方法的检测精度没有FAM方法高,但在增加所截取数据长度的情况下,本专利所给方法可得到与FAM方法相同的检测精度,这可从图5和6,以及图7和8的对比中看出;(4)在相同的检测精度情况下,本专利所给方法的检测运算复杂度要显著低于FAM方法,如图9和10所示。由此可知,本专利所给方法在干扰特征参数检测综合性能上要优于其它两种方法。以下将根据具体的检测实施方案,对上述结果进行具体说明。
具体针对不同情况时的方法实施及结果
一、不同FFT变换窗长下所给方法的检测应用实施及结果
在该项实施方式中,主要对接收的GPS C/A码信号上含有BPSK强干扰以及高斯白噪声时,由本专利所给方法和TCA方法检测得到的干扰循环特征参数结果(截面叠加参数τ0=10),以及由FAM方法得到的谱相关在f=0截面上的特征参数检测结果进行了考查,其中GPS信号的信噪比为-15dB(这里针对BPSK干扰信号进行分析主要是因为其同时含有与载波频率fc和码速率Rb相关的循环特征参数,从而可更全面地考查所给方法的检测性能。实施中fc和Rb的理论值分别预设为4.109MHz和1.2288Mb/s)。三种方法检测后的结果分别如图2~6所示,其中,对于本专利所给方法和TCA方法主要考查了它们在FFT变换窗长分别为4096和8192时的相应结果。
从图2~6中可以看出,在检测BPSK强干扰信号的循环特征参数时,对于相同的FFT变换窗长,本专利所给方法的检测性能要明显好于TCA方法;而在FFT变换窗长为8192的情况下,本专利所给方法的检测性能可达到与以谱相关为基础的FAM方法相同的性能,但此时由后面的图9和10可知,本专利所给方法的检测运算复杂度要显著小于FAM方法。
二、不同信噪比和不同采样率情况下所给方法的应用实施及性能结果
在该项实施方式中,对本专利所给方法、TCA以及FAM三种方法在检测具有不同信噪比和采样频率的BPSK强干扰信号时,相应的载波频率fc和码速率Rb特征参数检测精度进行了考查,结果如图7和8所示。其中图7中的BPSK信号信噪比设置为3dB,采样率设置为19.396MHz;而图8中的BPSK干扰信噪比设置为12dB,采样率设为22MHz。
从图7和8中所给结果可以看出,在不同的信噪比和采样率下,本专利所给方法都能以一定的检测精度给出较好地检测结果,并且在FFT变换窗口长度为8192时,所获得的fc和Rb检测精度与以谱相关为基础的FAM方法精度相同,这也同时验证了图3和5中的结果;另一方面,考虑到FAM方法的运算复杂度远大于所给方法,因而本专利所给方法性能要优于FAM方法。而对于TCA方法,从图7和8中可以看出,在FFT变换窗口长度小于1024时,就无法给出fc和Rb的检测结果,因而检测性能相对较差。综合上面两种情况,可知本专利所给方法在检测性能上是最优的。
三、所给方法与TCA和FAM方法在实施检测时的检测复杂度对比
在该项实施方案中,主要对本专利所给方法以及TCA和FAM方法,在不同数据采集长度和不同的FFT变换窗长下的检测运算复杂度实施了考查,结果如图9和10所示。其中图9中所采用的数据长度为65536,而在图10中则为131072。
从图9和10中所给方法与另外两种方法在检测运算复杂度上的对比结果可以看出,本专利所给方法的检测运算复杂度远小于FAM算法,而与TCA方法相当。但同时从前面的图7和8所给的干扰特征参数检测性能对比结果中可以看出,本专利所给方法在不同的FFT变换窗长下,都能以一定的检测精度给出相应的载波频率fc和码速率Rb的检测结果;而对于TCA方法,则只有在FFT变换窗长较大时,如在图7和8中,只有当FFT变换窗长大于或等于1024时,才能检测到特征参数fc和Rb的值,并且检测精度还低于所给方法,而只有当FFT变换窗长大于或等于4096时,才能得到与所给方法相似的检测性能。这样,综合运算量和检测性能两个方面的因素,同样可得到本专利所给方法是最优的结论。
上述说明示出并描述了本发明的优选实施例,如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种卫星导航信号强干扰循环特征参数快速检测获取方法,针对卫星导航信号干扰检测的应用场合,其特征在于包含以下步骤:
S1对接收到的含有强干扰的卫星导航信号进行下变频、采样和低通滤波处理;
S2将处理后的卫星导航信号分成两路,并分别获得两路卫星导航信号的循环自相关运算式,其中一路按不设定信号延迟获得循环自相关运算式,另一路先对卫星导航信号进行设定时间长度的数据延迟,再获得相应的循环自相关运算式;
S3利用快速傅里叶算法分别对S2中所获得的两路循环自相关运算式进行快速循环相关运算,得到两路循环自相关结果;
S4将S3中所获得的两路循环自相关结果采用分段平均的方法再次进行自相关运算;
S5将S4中得到的自相关运算结果映射到由时延变量和循环频率变量所构成的平面上,并在时延变量特征截面上搜索超过预设值的自相关幅度最大值,然后找到与幅度最大值相对应的循环频率值,即得到强干扰循环特征参数。
2.根据权利1要求所述的一种卫星导航信号强干扰循环特征参数快速检测获取方法,其特征在于,所述步骤S2中两路卫星导航信号的循环自相关运算式分别为:
式中,x(k)为处理后的卫星导航信号,k为时间采样,n为数据起始时刻,N为数据截取长度也为设定的另一路卫星导航信号的数据延迟长度;α为信号循环频率变量,fs/N≤α≤fs(N-1)/N;|τ|≤N-1为信号时延;上标“*”表示取复共轭。
3.根据权利要求2所述的一种卫星导航信号强干扰循环特征参数快速检测获取方法,其特征在于,步骤S3的运算公式为:
式中,和分别为两路循环自相关结果;K为相邻两次或运算的数据段偏移,即有n=n+K;i为段标识号;表示快速傅里叶变换结果;
4.根据权利要求3所述的一种卫星导航信号强干扰循环特征参数快速检测获取方法,其特征在于,步骤S4中自相关运算具体为:
式中,P为自相关运算时的分段数。
5.根据权利要求4所述的一种卫星导航信号强干扰循环特征参数快速检测获取方法,其特征在于,步骤S5中的计算公式为:
式中,τ0为增强二次相关幅值检测结果而设置的特征面叠加数,τ0≤τmax,这里τmax为循环相关运算中所取的最大时延值;为检测出的强干扰信号循环频率;TH0为预设值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143795.4A CN109709581B (zh) | 2019-02-27 | 2019-02-27 | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143795.4A CN109709581B (zh) | 2019-02-27 | 2019-02-27 | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109709581A true CN109709581A (zh) | 2019-05-03 |
CN109709581B CN109709581B (zh) | 2020-06-12 |
Family
ID=66265157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910143795.4A Active CN109709581B (zh) | 2019-02-27 | 2019-02-27 | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109709581B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471094A (zh) * | 2019-07-17 | 2019-11-19 | 中国电子科技集团公司第五十四研究所 | 一种数字化实时处理的时间比对系统以及比对方法 |
CN116418450A (zh) * | 2023-06-05 | 2023-07-11 | 成都星航微波技术有限公司 | 一种卫星电话智能侦测干扰方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101103279A (zh) * | 2004-12-01 | 2008-01-09 | 高通股份有限公司 | 用于干扰信号抑制的系统、方法和设备 |
CN102176027A (zh) * | 2011-01-25 | 2011-09-07 | 西安电子科技大学 | 高动态干扰自跟踪稳健抑制方法 |
US20130148763A1 (en) * | 2011-12-13 | 2013-06-13 | Sanjeev Gunawardena | Systems and methods for adaptive sample quantization |
CN104181556A (zh) * | 2014-08-19 | 2014-12-03 | 哈尔滨工程大学 | 一种基于重叠差分循环相干积分的boc调制信号捕获方法 |
CN104345321A (zh) * | 2014-11-03 | 2015-02-11 | 西安烽火电子科技有限责任公司 | 一种卫星导航接收机用空时自适应抗干扰方法 |
CN105652291A (zh) * | 2015-12-29 | 2016-06-08 | 西安航天华迅科技有限公司 | 抗窄带干扰的自适应滤波器、系统及自适应滤波方法 |
CN105954769A (zh) * | 2016-04-21 | 2016-09-21 | 大连理工大学 | 一种时延与多普勒频移联合估计方法 |
CN107728167A (zh) * | 2017-09-21 | 2018-02-23 | 滁州学院 | 一种基于循环平稳特征分析与循环滤波的gps卫星导航接收机抗干方法 |
-
2019
- 2019-02-27 CN CN201910143795.4A patent/CN109709581B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101103279A (zh) * | 2004-12-01 | 2008-01-09 | 高通股份有限公司 | 用于干扰信号抑制的系统、方法和设备 |
CN102176027A (zh) * | 2011-01-25 | 2011-09-07 | 西安电子科技大学 | 高动态干扰自跟踪稳健抑制方法 |
US20130148763A1 (en) * | 2011-12-13 | 2013-06-13 | Sanjeev Gunawardena | Systems and methods for adaptive sample quantization |
CN104181556A (zh) * | 2014-08-19 | 2014-12-03 | 哈尔滨工程大学 | 一种基于重叠差分循环相干积分的boc调制信号捕获方法 |
CN104345321A (zh) * | 2014-11-03 | 2015-02-11 | 西安烽火电子科技有限责任公司 | 一种卫星导航接收机用空时自适应抗干扰方法 |
CN105652291A (zh) * | 2015-12-29 | 2016-06-08 | 西安航天华迅科技有限公司 | 抗窄带干扰的自适应滤波器、系统及自适应滤波方法 |
CN105954769A (zh) * | 2016-04-21 | 2016-09-21 | 大连理工大学 | 一种时延与多普勒频移联合估计方法 |
CN107728167A (zh) * | 2017-09-21 | 2018-02-23 | 滁州学院 | 一种基于循环平稳特征分析与循环滤波的gps卫星导航接收机抗干方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471094A (zh) * | 2019-07-17 | 2019-11-19 | 中国电子科技集团公司第五十四研究所 | 一种数字化实时处理的时间比对系统以及比对方法 |
CN116418450A (zh) * | 2023-06-05 | 2023-07-11 | 成都星航微波技术有限公司 | 一种卫星电话智能侦测干扰方法 |
CN116418450B (zh) * | 2023-06-05 | 2023-08-04 | 成都星航微波技术有限公司 | 一种卫星电话智能侦测干扰方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109709581B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108548957B (zh) | 基于循环调制频谱和分段互相关相结合的双谱分析方法 | |
CN106443178A (zh) | 一种基于IQuinn‑Rife综合的正弦信号频率估计方法 | |
Carmillet et al. | Detection of phase-or frequency-modulated signals in reverberation noise | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
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 | |
CN109085614A (zh) | 基于时-频谱值平滑与分割的gnss干扰特征辨识方法及系统 | |
CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及系统 | |
Zhu et al. | Automatic recognition of radar signals based on time-frequency image character | |
CN109709581A (zh) | 一种卫星导航信号强干扰循环特征参数快速检测获取方法 | |
CN105445761A (zh) | 基于多普勒频移的抗欺骗式干扰方法 | |
CN107290758A (zh) | Gnss干扰信号多级辨识检测系统及方法 | |
CN116577808B (zh) | 一种基于接收机相关器输出的导航欺骗干扰检测方法 | |
CN106526566A (zh) | 基于fpga高速预处理的信号脉内特征实时分析处理方法 | |
CN110336583A (zh) | 一种直接序列扩频信号的快速捕获装置及方法 | |
CN106405543A (zh) | 一种认知型盲源分离辐射源提取方法及其评价方法 | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
CN105445767A (zh) | 基于平均模糊函数的boc信号参数盲估计方法 | |
CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
CN105656511B (zh) | 一种适应于有频偏和低信噪比环境下的差分相关捕获方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN116804736A (zh) | 一种调制类型识别工程化实现方法及计算机可读存储介质 | |
CN114650108B (zh) | 一种变换域通信系统信号的检测方法及系统 | |
CN113259027B (zh) | 一种基于Haar变换的敌我识别信号码速率计算方法 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
CN107341519A (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |