CN110233687A - 一种多路数据信号联合判决检测方法 - Google Patents
一种多路数据信号联合判决检测方法 Download PDFInfo
- Publication number
- CN110233687A CN110233687A CN201910358395.5A CN201910358395A CN110233687A CN 110233687 A CN110233687 A CN 110233687A CN 201910358395 A CN201910358395 A CN 201910358395A CN 110233687 A CN110233687 A CN 110233687A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- frame
- peak value
- energy
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种多路数据信号联合判决检测方法,属于无线通信中的信号检测技术领域,提出一种短波信道下,基于短时傅里叶变换和多路分集信号联合判决、准确率高,无需信道先验信息的信号半盲检测方法。在短波信道且仅知发送端信号部分信息的情况下,利用接收的多路信号携带同一信息,统计独立且衰落不相关的特性,运用短时傅里叶变换的手段和多路信号联合判决的方法,可以实现对信号的准确检测和提取。仿真结果表明,该算法能有效实现低信噪比和多径频率选择性衰落信道下对信号起止位置的准确检测,获得优于能熵比检测法的检测效果。
Description
技术领域
本发明属于无线通信中的信号检测技术领域,提出一种短波信道下,基于短时傅里叶变换 (DSTFT)和多路分集信号联合判决、准确率高,无需信道先验信息的信号半盲检测方法。
背景技术
短波通信因受到信道中多径时延、多普勒频移和频率选择性衰落等问题的影响而质量不佳,信号的存在性检测作为后续所有处理的前提,显得尤为重要。实际通信中常使用短突发信号形式和多路分集技术来对抗不良的信道传输特性,本发明方案就正好利用了接收的分集多路数据完成信号的存在性检测。
常见较为成熟的信号检测算法分为三类:第一类是匹配滤波检测算法,是指将接收数据与已知的主用户信息进行相干匹配,使接受信噪比最大化,完成对信号位置的快速识别。但是这种方法需要知道发送信号的调制类型和顺序,脉冲成型方式,帧格式等诸多先验信息,否则难以实现。第二类是基于循环平稳特性的检测算法,根据平稳信号会在某些统计参数上呈现周期性而广义平稳的噪声不具有周期性的特点,进行信号存在性的检测。这种方法对邻近频段的干扰和非线性效应非常敏感,并且检测结构需要较大的计算复杂度和充足的观测数据,因而不适合短突发形式的信号检测。第三类是能量检测法,通过信号和噪声在某时域统计量上的差别区分二者,但此方法对噪声敏感,不适用于信噪比较低的突发信号检测。除此以外,近年来出现了基于谱熵值和能熵比的信号检测算法,利用噪声与信号间该谱熵或能熵比的不同完成对信号位置的检测,这种方法也是本发明方案进行着重比较的算法。
分集技术是通过提供传送信号多个副本来提高接收信号正确判决率的方法,是用来补偿衰落信道损耗,抵抗衰落引起的不良影响。传送的多路信号携带统一信息,统计独立,且衰落特性互不相关,这不仅有利于改善信号质量,也助益于信号的接收和处理。
短时傅里叶变换就是将信号加滑动时间窗,并对窗内信号做傅立叶变换,得到信号的时变频谱。也就是说,这种方法可以在一定程度上同时反映信号在时频两域上的特点,但由于受 Heisenberg测不准原理约束,一旦窗函数选定,时频分辨率便确定下来,不能兼顾频率与时间分辨率的需求。对于短波信道下的非平稳信号,当信号剧烈变化时,只靠短时傅里叶变换无法达到要求的高时间分辨率,所以本方案采用短时傅里叶变换和多路信号的联合判决来满足时频分辨率的要求,实现最终的信号检测。
发明内容
本发明创造性地结合了短波信道常用的多路分集信号和短时傅里叶变换分析手段,完成了对信号存在性的判定和起止位置的精确检测。将多路信号进行短时傅里叶变换,利用时变频谱中频点和能量分布特点,结合多路接收信号的数据特征进行信号位置的初判。从粗检测位置开始,保持窗口长度的同时减缓滑动速度,分析窗内数据的时变频谱,从峰值频点和能量分布的特征上区分噪声和信号,再加上两路信号互为辅佐和印证,能有效提高判断的准确率。最后,以粗检测位置附近,信号存在性突变的位置作为最终结果,实现信号起止位置的精检测。
该方案仿真信道由一个表征直接路径的衰落过程和另一个表征反射路径的衰落过程的组合来建模,接收信号包含两条路径成分,适用于频率选择性衰落短波信道的MFSK调制和短突发信号形式,算法复杂度较小,所需的信息仅有符号速率、采样频率以及发送信号的调制频率,是不需要知道其他先验信息的半盲检测方法。仿真结果表明,该算法能有效实现低信噪比和多径频率选择性衰落信道下对信号的准确检测,且性能较能熵比检测法更优。
本发明的技术方案如下:
信号检测过程分为粗检测和精检测两个部分,粗检测确定信号的大体起止位置,精检测将起止位置精确到一个符号以内。
首先,分别对多路输入信号按五个符号的长度加滑动时间窗,进行不重叠的分帧,并对帧内信号做傅里叶变换,得到信号的时变频谱。根据信号和噪声的时变频谱分布不同,从峰值频点和能量分布两方面给每帧信号进行置信度评级。综合考虑该路信号前后帧和另一路信号对应帧的评级情况,对该等级进行调整,得到粗检测的结果,此时检测误差范围为5个符号。
保持帧长为五个符号,从粗检测位置开始,以一个符号的长度为帧移进行滑动。每次滑动后,分别对两路数据对应帧是否存在发送信息进行判定,只有当两路信号同一帧数据的判定结果都是噪声时才认为该帧没有包含发送信息。最后,信号从无到有和从有到无的突变时刻就反映了信号起止的精确位置。
本发明是一种分集信号联合判决检测方法,该方法包括以下步骤:
步骤1、获得分集采样数据;
对两路接收信号rm(t),m=1,2以采样频率Fs采样后得{rm(n),m=1,2;n=1,2,...N},m表示分集信号的路数,N表示每一路的数据长度;
步骤2、对两路信号进行分帧;由已知的符号速率Symr和采样频率Fs求得一个符号内的采样点数Nsamp,以帧长为fl=5*Nsamp对信号不重叠地进行分帧,如果最后一帧数据不够帧长,那么允许它与前一帧数据有重叠以满足帧长的要求,所以总帧数最后长度为N的第m路接收序列rm(n)分帧后变其中各元素表示一帧数据;
步骤3、对步骤2得到的各帧数据做快速傅里叶变换,取模值后再取能量谱的一半即:
步骤4、寻找峰值及峰值频点;
在能量谱Yi(k)中找到峰值集合Γ={Mp,Sp}和峰值频点集Φ={Mpf,Spf};Φ中元素为最大峰值Mp和次大峰值Sp,Γ中元素是Φ中两个峰值对应的频点,分别称为最大峰值频点Mpf 和次大峰值频点Spf;根据Mpf、Spf与信号调制频率集合Ψ元素fi间的频率偏差范围,设置置信度从高到低的四种不同等级A~D,频率偏差越小置信度等级越高,并对每帧数据进行等级评定;
步骤5、对等级评定结果进行修正;
结合该路信号前后帧和另一路数据对应帧的等级联合修正的具体方法为:
如果信号前后帧的等级都为D,将单路信号中的高置信度等级A、B更正D;如果另一路信号对应帧的等级为A或B,将两路信号中的低置信度等级C修正为另一路信号的等级A或B;去掉符号长度小于阈值Y的信号段,合并间隔小于阈值M的信号段;最后选取等级为C 及以上的数据帧作为粗检测出的信号,得到信号起止的位置roughStart和roughEnd,此时检测的误差范围在帧长以内fl=5*Nsamp;
步骤6、从粗检测位置roughStart和roughEnd开始,保持滑动窗长度fl=5*Nsamp不变,帧移改为一个符号的长度inc=Nsamp进行滑动,最多滑动次数st=15,即最大滑动长度 fn'=st*Nsamp;对帧内数据再次做傅里叶变换,取模值后得一半的幅度谱Yi'(k),其中
步骤7、判定是否符合峰值频点分布的要求;找到幅度谱Yi'(k)中的最大和次大峰值Mp'Sp' 以及对应频率Mpf'和Spf';如果峰值频点都与发送频点吻合,即 {|Mpf'-fi|<100Hz&|Spf'-fi'|<100Hz,fi∈Ψ,fi'∈Ψ},则认为达到对峰值频点分布的要求,频率标志位freqflag=1;
步骤8、判定是否符合能量分布的要求;将该帧频点的能量分布划分为八个等级,每个等级能量的分界上限为去掉能量排名前十的频点后,计算剩下频点的幅度均值作为噪声的平均能量noise_energy,并确定平均噪声对应的等级 rank_noise;如果75%的频点能量集中分布在rank_noise附近三个等级{rank_noise±1},则认为达到对能量分布的要求,能量标志位energyflag=1;
步骤9、信号最终位置判检测;只有同时达到了对峰值频点和能量分布的要求,即freqflag=1且energyflag=1,才判定该帧存在发送信号,否则认为该帧数据是噪声;当两路信号同一帧数据都是噪声时才认为该帧数据是噪声,没有包含发送信息,其余情况都认为该帧数据包含信息;最终,将信号从无到有的突变位置为信号的准确起始位置fineStart,信号从有到无的突变位置作为信号准确终止位置fineEnd,最终的检测误差在Nsamp个采样点以内。
进一步的,所述步骤4中根据Mpf、Spf与信号调制频率集合Ψ元素fi间的频率偏差范围,划分置信度等级A-D的方法为;
设已知的信号调制频率集Ψ={fi,i=1,2,...,L},其中fi为发送信号频率,L为信号调制频率数;设置置信度从高到低的四种不同等级A-D的具体方法为:
如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围都小于50Hz,即{|Mpf-fi|<50Hz&|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为A;如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围为51~100Hz,即 {50Hz≤|Mpf-fi|<100Hz&50Hz≤|Spf-fi'|<100Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为B;如果最大或次大峰值频率与某信号发送频率之间频率偏差的范围小于50Hz,即 {|Mpf-fi|<50Hz或|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为C;如果不满足以上任意条件,则当前帧的置信等级评为D。
进一步的,所述步骤5中对阈值Y和M的要求分别由公式:
和确定,其中fSyN为最小符号发送长度。
本发明有益的效果为:在短波信道且仅知发送端信号部分信息的情况下,利用接收的多路信号携带同一信息,统计独立且衰落不相关的特性,运用短时傅里叶变换的手段和多路信号联合判决的方法,可以实现对信号的准确检测和提取。仿真结果表明,该算法能有效实现低信噪比和多径频率选择性衰落信道下对信号起止位置的准确检测,获得优于能熵比检测法的检测效果。
附图说明
图1为短波电离层通道模型方框图
图2为本方案信号检测的流程图
图3为本发明方案与能熵比检测法的性能仿真图
具体实施方式
下面结合附图和实施例,详述本发明的技术方案。但不应将此理解为本发明上述主体的范围仅限于以下实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
仿真参数设置如下:
以2FSK调制的两路接收信号为例,设符号速率Symr=200sps和采样频率Fs=9600Hz,调制频率集为Ψ={f1=800Hz,f2=1400Hz},则一个符号内的采样点数Nsamp=48。选择的仿真信道是中纬度有干扰的频率选择性衰落信道,信道模型如图1所示。假设输入信号: s(t)=cos(2πft)或s(t)=ej2πft。τ为多径时延,fd为最大多普勒频移,描述了短波信道的衰落特性,为服从均值为零复高斯分布的时变衰落系数,两方差相等,则输出信号:
利用短时傅里叶变换(DSTFT)和多路信号联合检测的步骤如下:
步骤1、对两路接收信号rm(t),m=1,2以采样频率9600Hz采样后得 {rm(n),m=1,2;n=1,2,...N},m表示分集信号的路数,N表示每一路的数据长度;
步骤2、由已知的符号速率200sps和采样频率9600Hz求得一个符号内的采样点数48,以帧长240采样点对信号不重叠地进行分帧,如果最后一帧数据不够帧长,那么允许它与前一帧数据有重叠以满足帧长的要求,所以总帧数最后长度为N的第m路接收序列 rm(n)分帧后变为其中各元素表示一帧数据;
步骤3、对步骤2得到的各帧数据做快速傅里叶变换,取模值后再取能量谱的一半即: Yi(k),i=1,2,...,fn;k=1,2,...,121;
步骤4、在能量谱Yi(k)中找到峰值集合Γ={Mp,Sp}和峰值频点集Φ={Mpf,Spf};Φ中元素为最大峰值Mp和次大峰值Sp,Γ中元素是Φ中两个峰值对应的频点,分别称为最大峰值频点Mpf和次大峰值频点Spf;
步骤5、信号调制频率集Ψ={f1=800Hz,f2=1400Hz},四种等级A-D的具体评价方法为:如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围都小于50Hz,即{|Mpf-fi|<50Hz&|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为A;如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围为51~100Hz,即 {50Hz≤|Mpf-fi|<100Hz&50Hz≤|Spf-fi'|<100Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为B。如果最大或次大峰值频率与某信号发送频率之间频率偏差的范围小于50Hz,即 {|Mpf-fi|<50Hz或|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为C。如果不满足以上任意条件,则当前帧的置信等级评为D;
步骤6、结合该路信号前后帧和另一路数据对应帧的等级对评定结果进行联合修正,具体方法为:如果信号前后帧的等级都为D,将单路信号中的高置信度等级A、B更正D;如果另一路信号对应帧的等级为A或B,将两路信号中的低置信度等级C修正为另一路信号的等级 A或B;已知fSyN=24,则去掉符号长度小于阈值Y=5的信号段,合并间隔小于阈值M=2 的信号段;最后选取等级为C及以上的数据帧作为粗检测出的信号,得到信号起止的位置roughStart和roughEnd,此时检测的误差范围在帧长240采样点以内;
步骤7、从粗检测位置roughStart和roughEnd开始,保持滑动窗长度为fl=240采样点,以一个符号长度的帧移inc=48进行滑动,最多滑动15次,即最大滑动长度fn'=720采样点。对帧内数据再次做傅里叶变换,取模值后得一半的幅度谱Yi'(k),1≤i≤15;k=1,2,...,121;
步骤8、找到幅度谱Yi'(k)中的最大和次大峰值Mp'Sp'以及对应频率Mpf'和Spf';如果峰值频点都与发送频点吻合,即{|Mpf'-fi|<100Hz&|Spf'-fi'|<100Hz,fi∈Ψ,fi'∈Ψ},则认为达到对峰值频点分布的要求,频率标志位freqflag=1;
步骤9、将该帧频点的能量分布划分为八个等级,每个等级能量的分界上限为去掉能量排名前十的频点后,计算剩下频点的幅度均值作为噪声的平均能量noise_energy,并确定平均噪声对应的等级rank_noise;如果75%的频点能量集中分布在rank_noise附近三个等级{rank_noise±1},则认为达到对能量分布的要求,能量标志位energyflag=1;
步骤10、只有同时达到了对峰值频点和能量分布的要求,即freqflag=1且energyflag=1,才判定该帧存在发送信号,否则认为该帧数据是噪声;当两路信号同一帧数据都是噪声时才认为该帧数据是噪声,没有包含发送信息,其余情况都认为该帧数据包含信息;最终,将信号存在性突变的位置作为准确起止位置fineStart和fineEnd,检测误差在48采样点以内。
基于DSTFT的多路信号联合检测法的仿真结果如图3所示,在信噪比EbN0=18dB时,本方案信号检测方法仍能准确检测出信号的起止位置,误差保持在一个符号的范围内。
基于DSTFT的检测法和基于能熵比检测法的性能仿真结果如图3所示,仿真结果表明在频 率选择性衰落的短波信道下,估计精度要求在一个符号(48采样点)以内,本发明的多路信 号联合检测方法和基于能熵比的检测方式相比,特别是在低信噪比时,有明显的优势。
Claims (3)
1.一种多路数据信号联合判决检测方法,该方法包括以下步骤:
步骤1、获得分集采样数据;
对两路接收信号rm(t),m=1,2以采样频率Fs采样后得{rm(n),m=1,2;n=1,2,...N},m表示分集信号的路数,N表示每一路的数据长度;
步骤2、对两路信号进行分帧;由已知的符号速率Symr和采样频率Fs求得一个符号内的采样点数Nsamp,以帧长为fl=5*Nsamp对信号不重叠地进行分帧,如果最后一帧数据不够帧长,那么允许它与前一帧数据有重叠以满足帧长的要求,所以总帧数最后长度为N的第m路接收序列rm(n)分帧后变其中各元素表示一帧数据;
步骤3、对步骤2得到的各帧数据做快速傅里叶变换,取模值后再取能量谱的一半即:
步骤4、寻找峰值及峰值频点;
在能量谱Yi(k)中找到峰值集合Γ={Mp,Sp}和峰值频点集Φ={Mpf,Spf};Φ中元素为最大峰值Mp和次大峰值Sp,Γ中元素是Φ中两个峰值对应的频点,分别称为最大峰值频点Mpf和次大峰值频点Spf;根据Mpf、Spf与信号调制频率集合Ψ元素fi间的频率偏差范围,设置置信度从高到低的四种不同等级A~D,频率偏差越小置信度等级越高,并对每帧数据进行等级评定;
步骤5、对等级评定结果进行修正;
如果信号前后帧的等级都为D,将单路信号中的高置信度等级A、B更正D;如果另一路信号对应帧的等级为A或B,将两路信号中的低置信度等级C修正为另一路信号的等级A或B;去掉符号长度小于阈值Y的信号段,合并间隔小于阈值M的信号段;最后选取等级为C及以上的数据帧作为粗检测出的信号,得到信号起止的位置roughStart和roughEnd,此时检测的误差范围在帧长以内fl=5*Nsamp;
步骤6、从粗检测位置roughStart和roughEnd开始,保持滑动窗长度fl=5*Nsamp不变,帧移改为一个符号的长度inc=Nsamp进行滑动,最多滑动次数st=15,即最大滑动长度fn'=st*Nsamp;对帧内数据再次做傅里叶变换,取模值后得一半的幅度谱Yi'(k),其中
步骤7、判定是否符合峰值频点分布的要求;找到幅度谱Yi'(k)中的最大和次大峰值Mp'Sp'以及对应频率Mpf'和Spf';如果峰值频点都与发送频点吻合,即{|Mpf'-fi|<100Hz&|Spf'-fi'|<100Hz,fi∈Ψ,fi'∈Ψ},则认为达到对峰值频点分布的要求,频率标志位freqflag=1;
步骤8、判定是否符合能量分布的要求;将该帧频点的能量分布划分为八个等级,每个等级能量的分界上限为去掉能量排名前十的频点后,计算剩下频点的幅度均值作为噪声的平均能量noise_energy,并确定平均噪声对应的等级rank_noise;如果75%的频点能量集中分布在rank_noise附近三个等级{rank_noise±1},则认为达到对能量分布的要求,能量标志位energyflag=1;
步骤9、信号最终位置判检测;只有同时达到了对峰值频点和能量分布的要求,即freqflag=1且energyflag=1,才判定该帧存在发送信号,否则认为该帧数据是噪声;当两路信号同一帧数据都是噪声时才认为该帧数据是噪声,没有包含发送信息,其余情况都认为该帧数据包含信息;最终,将信号从无到有的突变位置为信号的准确起始位置fineStart,信号从有到无的突变位置作为信号准确终止位置fineEnd,最终的检测误差在Nsamp个采样点以内。
2.如权利要求1所述的一种多路数据信号联合判决检测方法,其特征在于所述步骤4中根据Mpf、Spf与信号调制频率集合Ψ元素fi间的频率偏差范围,划分置信度等级A-D的方法为;
设已知的信号调制频率集Ψ={fi,i=1,2,...,L},其中fi为发送信号频率,L为信号调制频率数;设置置信度从高到低的四种不同等级A-D的具体方法为:
如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围都小于50Hz,即{|Mpf-fi|<50Hz&|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为A;如果最大和次大峰值频率与某信号发送频率之间频率偏差的范围为51~100Hz,即{50Hz≤|Mpf-fi|<100Hz&50Hz≤|Spf-fi'|<100Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为B;如果最大或次大峰值频率与某信号发送频率之间频率偏差的范围小于50Hz,即{|Mpf-fi|<50Hz或|Spf-fi'|<50Hz,fi∈Ψ,fi'∈Ψ}时,则当前帧的置信等级评为C;如果不满足以上任意条件,则当前帧的置信等级评为D。
3.如权利要求1所述的一种多路数据信号联合判决检测方法,其特征在于所述步骤5中对阈值Y和M的要求分别由公式和确定,其中fSyN为最小符号发送长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910358395.5A CN110233687B (zh) | 2019-04-30 | 2019-04-30 | 一种多路数据信号联合判决检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910358395.5A CN110233687B (zh) | 2019-04-30 | 2019-04-30 | 一种多路数据信号联合判决检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110233687A true CN110233687A (zh) | 2019-09-13 |
CN110233687B CN110233687B (zh) | 2021-04-30 |
Family
ID=67861005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910358395.5A Active CN110233687B (zh) | 2019-04-30 | 2019-04-30 | 一种多路数据信号联合判决检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110233687B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111130654A (zh) * | 2019-12-16 | 2020-05-08 | 重庆邮电大学 | 一种基于时间反演和空间分集的信号检测方法 |
CN113676276A (zh) * | 2021-08-06 | 2021-11-19 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可分离电离层多模式混合传播的短波阵列天线衰落一致性测量方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110261872A1 (en) * | 2010-04-21 | 2011-10-27 | Yi-Pin Eric Wang | Channel quality estimation for mlse mimo receiver |
CN102624468B (zh) * | 2011-12-30 | 2014-09-10 | 成都中安频谱科技有限公司 | 基于双fft的宽带自动检测方法 |
CN106506427A (zh) * | 2016-10-19 | 2017-03-15 | 中国人民解放军海军航空工程学院 | 一种基于folp的stbc‑ofdm信号盲识别方法 |
CN106782613A (zh) * | 2016-12-22 | 2017-05-31 | 广州酷狗计算机科技有限公司 | 信号检测方法及装置 |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
US20170288933A1 (en) * | 2016-03-30 | 2017-10-05 | Intel IP Corporation | Wireless signal receiver |
CN107248902A (zh) * | 2017-07-21 | 2017-10-13 | 电子科技大学 | 一种块压缩感知非正交多址系统多用户检测方法 |
CN109412763A (zh) * | 2018-11-15 | 2019-03-01 | 电子科技大学 | 一种基于信号能熵比的数字信号存在性检测方法 |
-
2019
- 2019-04-30 CN CN201910358395.5A patent/CN110233687B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110261872A1 (en) * | 2010-04-21 | 2011-10-27 | Yi-Pin Eric Wang | Channel quality estimation for mlse mimo receiver |
CN102624468B (zh) * | 2011-12-30 | 2014-09-10 | 成都中安频谱科技有限公司 | 基于双fft的宽带自动检测方法 |
US20170288933A1 (en) * | 2016-03-30 | 2017-10-05 | Intel IP Corporation | Wireless signal receiver |
CN106506427A (zh) * | 2016-10-19 | 2017-03-15 | 中国人民解放军海军航空工程学院 | 一种基于folp的stbc‑ofdm信号盲识别方法 |
CN106782613A (zh) * | 2016-12-22 | 2017-05-31 | 广州酷狗计算机科技有限公司 | 信号检测方法及装置 |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
CN107248902A (zh) * | 2017-07-21 | 2017-10-13 | 电子科技大学 | 一种块压缩感知非正交多址系统多用户检测方法 |
CN109412763A (zh) * | 2018-11-15 | 2019-03-01 | 电子科技大学 | 一种基于信号能熵比的数字信号存在性检测方法 |
Non-Patent Citations (3)
Title |
---|
CHI VAN PHAM 等: "An automated fault detection program for multichannel bandwidth-limited system", 《2017 89TH ARFTG MICROWAVE MEASUREMENT CONFERENCE (ARFTG)》 * |
SAMANEH AZADI 等: "S-transform based P-wave and S-wave arrival times measurements toward earthquake locating", 《THE 2ND INTERNATIONAL CONFERENCE ON CONTROL, INSTRUMENTATION AND AUTOMATION》 * |
马腾跃: "多节点监测系统微弱信号检测算法研究", 《中国优秀硕士学位论文全文库(工程科技II辑)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111130654A (zh) * | 2019-12-16 | 2020-05-08 | 重庆邮电大学 | 一种基于时间反演和空间分集的信号检测方法 |
CN111130654B (zh) * | 2019-12-16 | 2022-07-01 | 重庆邮电大学 | 一种基于时间反演和空间分集的信号检测方法 |
CN113676276A (zh) * | 2021-08-06 | 2021-11-19 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可分离电离层多模式混合传播的短波阵列天线衰落一致性测量方法 |
CN113676276B (zh) * | 2021-08-06 | 2023-05-16 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可分离电离层多模式混合传播的短波阵列天线衰落一致性测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110233687B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8160163B1 (en) | Method for OFDM signal identification and parameter estimation | |
CN106385291B (zh) | 认知无线电中时频重叠信号分量信号的信噪比估计方法 | |
CN101507151B (zh) | 用于对接收信号进行分类的方法和装置 | |
CN107250836A (zh) | 用于估计到达时间的系统和方法 | |
CN112684251B (zh) | 一种基于功率谱模版的目标信号频域检测方法 | |
CN107820255B (zh) | 一种改进的协方差绝对值协作频谱感知方法 | |
Tekbiyik et al. | Multi–dimensional wireless signal identification based on support vector machines | |
Zeng et al. | Edge based wideband sensing for cognitive radio: Algorithm and performance evaluation | |
CN109947238B (zh) | 一种基于wifi的非合作式手势识别的方法 | |
CN104618277B (zh) | 一种在窄带干扰下的短波ofdm信道估计方法 | |
CN105897643B (zh) | Ofdm系统中基于连续循环移位训练序列的联合窄带干扰检测、消除与信道估计方法 | |
CN106936743B (zh) | 一种电力线通信系统脉冲噪声抑制方法 | |
CN110233687A (zh) | 一种多路数据信号联合判决检测方法 | |
CN114285500A (zh) | 一种uwb室内定位信道质量评估方法 | |
CN108989259B (zh) | 无线综测仪窄带物理上行共享信道的时偏估计方法及系统 | |
Malafaia et al. | Adaptive threshold spectrum sensing based on expectation maximization algorithm | |
KR20050027683A (ko) | 이동통신 시스템에서 이동단말의 속도 추정 장치 및 방법 | |
CN109190605B (zh) | 一种基于csi的人体连续动作计数方法 | |
CN101895309A (zh) | 一种基于信噪比估计的频偏调整方法 | |
US20090248336A1 (en) | Analyzer for signal anomalies | |
CN110290084B (zh) | 一种基于数据频率能量峰值的短波信道盲符号同步方法 | |
CN105072063A (zh) | 一种抑制干扰信号的方法和装置 | |
CN104363065B (zh) | 基于非高斯性测度的无线通信系统频谱感知方法 | |
CN102111228B (zh) | 一种基于循环对称性的认知无线电频谱感知方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 |
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 |