CN110702986A - 一种自适应信号搜索门限实时动态生成方法及系统 - Google Patents
一种自适应信号搜索门限实时动态生成方法及系统 Download PDFInfo
- Publication number
- CN110702986A CN110702986A CN201911055175.1A CN201911055175A CN110702986A CN 110702986 A CN110702986 A CN 110702986A CN 201911055175 A CN201911055175 A CN 201911055175A CN 110702986 A CN110702986 A CN 110702986A
- Authority
- CN
- China
- Prior art keywords
- value
- data
- current
- point
- noise
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
Abstract
本公开提供了一种自适应信号搜索门限实时动态生成方法及系统。其中，自适应信号搜索门限实时动态生成方法，包括对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；分别计算噪声和信号的估计值；将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，生成对应的门限曲线。
Description
技术领域
本公开属于频谱监测领域，尤其涉及一种自适应信号搜索门限实时动态生成方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
搜索功率谱可较为直观的反映一定频段内电磁频谱的分布情况，在一定条件下人眼能迅速直观地分辨出大量信号。但是在自动信号搜索情况下，设置合适的判决门限并非易事。门限选择将直接影响到信号搜索的实效性与参数测量的精确性。为适应复杂的电磁环境，门限的选择既要考虑到能随信号强弱自适应变化，又要满足系统实时性要求，尽量采用开放的门限选择策略，配合动态的搜索步进，由用户根据实际情况自由设计门限规则。在频谱监测领域的信号搜索系统中，门限类型一般可分为水平门限、环境门限和自适应门限。
在传统的能量检测技术中，常采用水平门限检测。可是在复杂的电磁环境下，其存在严重的不足之处：在复杂的电磁环境下，周围电磁环境瞬息万变，信道传输干扰不定，而且信号衰减等原因会导致接收到的信号不稳定，各个信道内信噪比不同，能量值也会降低，此时更加增大了信号检测的难度。基于此原因，为了提高检测精度和准确性，在复杂电磁环境下需要根据现场需求调节检测门限，使之适应当前检测情况。可是若一味降低检测门限，会引起虚警概率的提高。单一的门限电平值已经无法满足多信道复杂的电磁环境的需要。
如前所述，单一的检测门限只适用于电磁环境背景较为平坦的情况。针对复杂的电磁环境背景(尤其是噪底高低起伏的情况)，现有的实现方法是通过分段的方式，即由专业的技术人员根据当前电磁频谱背景数据按照当前的起伏情况，分成若干个段。每个段的计算是根据划分到当前的轨迹数据点来生成的。每段的具体生成方法是：首先将该段内的数据进行排序：无论是升序排列还是降序排列，目的是将信号和噪声分布在数据的两端。然后通过一定的计算因子，分别计算噪声部分和信号部分的估计值，计算出噪声和信号估计值之后，再施以相应的加权因子，通过两者相加从而形成本段的检测门限。每个段都施以上面介绍的处理过程，最后通过拼接从而形成整个监测频段内的检测门限，以此来适应复杂电磁环境中噪底高低起伏的情况
发明人发现，现有的自适应门限生成方法存在以下问题：
1)现有的自适应门限生成方法是通过分段的方式来解决门限跟随噪底的起伏变化情况。分段的好坏直接决定了检测门限跟随噪底变化的效果。
2)在计算本段的门限时，虽然考虑了信号和噪声的平均值，并且在进行计算时采用了加权因子，但是这对操作人员的技术水平和经验都提出了较高的要求。并且很多情况下都需要反复调整计算因子和加权因子，才能得到一个比较好的检测门限。
3)虽然在计算时采用了排序的方法，即将信号和噪声分开。但是由于频谱的轨迹数据中，一般来说会存在多个信号。而每个信号都是由一段连续的数据所形成，这样就会存在一个这样的现象：即大信号中的一个较小的值也会比小信号的峰值点还要大，从而导致在排序后，这个小信号的峰值点并没有被包括在信号的估计值计算中。从而导致检测门限高于这个小信号，以致后续的信号搜索算法无法检测出该小信号，从而造成漏警的问题。
发明内容
为了解决上述问题，本公开提供一种自适应信号搜索门限实时动态生成方法及系统，可实时跟踪复杂电磁环境背景的噪底高低起伏，自动生成检测门限。
为了实现上述目的，本公开采用如下技术方案：
本公开的第一方面提供一种自适应信号搜索门限实时动态生成方法，其包括：
对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
本公开的第一方面提供另一种自适应信号搜索门限实时动态生成方法，其包括：
将已知频谱轨迹数据划分成若干段；
生成当前段频谱轨迹数据对应的门限曲线；
将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线；
所述生成当前段频谱轨迹数据对应的门限曲线的过程为：
对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
本公开的第二个方面提供一种自适应信号搜索门限实时动态生成系统，其包括：
平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
本公开的第二个方面提供另一种自适应信号搜索门限实时动态生成系统，其包括：
频谱轨迹数据分段模块，其用于将已知频谱轨迹数据划分成若干段；
分段门限曲线生成模块，其用于生成当前段频谱轨迹数据对应的门限曲线；
门限曲线拼接模块，其用于将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线；
所述分段门限曲线生成模块，包括：
平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
本公开的有益效果是：
1)针对环境背景高低起伏情况，一段频谱轨迹数据也可以实时跟踪复杂电磁环境背景的噪底高低起伏。
2)检测门限是自动生成，不再要求操作人员具有专业的技术背景，能够在复杂电磁环境的背景下实时动态生成门限曲线。
3)本公开还适用于已知频谱轨迹数据分段的情况，将已知频谱轨迹数据划分成若干段，尽量减少其他不在该段内的电磁信号对该段检测门限计算的影响，从而产生一个比较适用当前段的检测门限，提高空间电磁环境的监测测量自适应能力。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一提供的一种自适应信号搜索门限实时动态生成方法流程图；
图2是本公开实施例二提供的一种自适应信号搜索门限实时动态生成方法流程图；
图3是本公开实施例三提供的一种自适应信号搜索门限实时动态生成系统结构示意图；
图4是本公开实施例四提供的一种自适应信号搜索门限实时动态生成系统结构示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
图1给出了本实施例的一种自适应信号搜索门限实时动态生成方法流程图。如图1所示，本实施例的一种自适应信号搜索门限实时动态生成方法，包括：
S101：对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线。
在具体实施中，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
例如：假设频谱轨迹数据为1001个数据点，每个数据点的索引号就是从0～1000。其中，索引号为0，就是表示第一个数据点；索引号为1000，就是表示第1001个数据点，也就是最后一个数据点。
假设平滑因子＝10，那么利用平滑因子将当前段频谱轨迹数据对应的索引号分成A、B和C这三个段：
A段索引号的范围是：0～10；
B段索引号的范围是：10～990；
C段索引号的范围是：990～1000。
其中，对于平滑因子，本领域技术人员可根据实际情况来具体设置。
具体地，对当前段频谱轨迹数据进行移动加权平滑处理的过程为：
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
本实施例通过平滑技术减少轨迹的随机抖动，而且平滑的因子越大，轨迹的平滑效果越好。
S102：搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列。
如前所述，现有方法式是直接对轨迹数据进行排序，在数值上按照大小关系进行排列，从而将信号和噪声分布在数据的两端，然后再进行分别计算信号和噪声的估计值。
本实施例在排序之前先要进行峰值搜索，只获取轨迹数据中所有可能的峰值点的信息。
其中，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点。
在搜索平滑曲线中所有的峰值点的过程中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
其中，将搜索的平滑曲线中所有的峰值点按照数值大小升序排列或降序排列。
本实施例利用上述技术手段，在保证计算噪声的估计值和信号的估计值的同时，减少了数据处理量，提高了后续计算噪声的估计值和信号的估计值的效率。
S103：滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分。
在具体实施中，第一比例因子，本领域技术人员可根据实际情况来具体设置。在搜索的平滑曲线中所有的峰值点按照数值大小升序排列的情况下，如第一比例因子越大，则计算得到的检测门限值越靠近信号；如第一比例因子越小，则计算得到的检测门限值越靠近噪声。
本实施例将排序后两端的最值去掉，目的是减少极值点对检测门限计算的影响。
S104：将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值。
S105：将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值。
其中，第二比例因子，本领域技术人员可根据实际情况来具体设置。比如：第二比例因子设置为0.1,0.2或0.3等。第二比例因子的设置范围为0-1之间的任意数值。
本实施例在生成测检测门限时，既考虑了噪声的影响，又考虑了信号的影响，通过分别计算两者的估计值，然后计算信号和噪声的差值，将差值乘以一个系数再累加到噪声的估计值上，从而最终形成最终的检测门限。
S106：将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
本实施例针对环境背景高低起伏情况，一段频谱轨迹数据也可以实时跟踪复杂电磁环境背景的噪底高低起伏。
检测门限是自动生成，不再要求操作人员具有专业的技术背景，能够在复杂电磁环境的背景下实时动态生成门限曲线。
实施例二
图2给出了本实施例的一种自适应信号搜索门限实时动态生成方法流程图。如图2所示，本实施例的一种自适应信号搜索门限实时动态生成方法，包括：
S201：将已知频谱轨迹数据划分成若干段。
在具体实施例中，本领域技术人员可根据实际情况，将已知频谱轨迹数据划分成自定义的段数，比如10段等。
S202：生成当前段频谱轨迹数据对应的门限曲线。
在具体实施例中，所述步骤S202中生成当前段频谱轨迹数据对应的门限曲线的过程包括，如图1所示：
S101：对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线。
在具体实施中，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
例如：假设频谱轨迹数据为1001个数据点，每个数据点的索引号就是从0～1000。其中，索引号为0，就是表示第一个数据点；索引号为1000，就是表示第1001个数据点，也就是最后一个数据点。
假设平滑因子＝10，那么利用平滑因子将当前段频谱轨迹数据对应的索引号分成A、B和C这三个段：
A段索引号的范围是：0～10；
B段索引号的范围是：10～990；
C段索引号的范围是：990～1000。
其中，对于平滑因子，本领域技术人员可根据实际情况来具体设置。
具体地，对当前段频谱轨迹数据进行移动加权平滑处理的过程为：
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
本实施例通过平滑技术减少轨迹的随机抖动，而且平滑的因子越大，轨迹的平滑效果越好。
S102：搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列。
如前所述，现有方法式是直接对轨迹数据进行排序，在数值上按照大小关系进行排列，从而将信号和噪声分布在数据的两端，然后再进行分别计算信号和噪声的估计值。
本实施例在排序之前先要进行峰值搜索，只获取轨迹数据中所有可能的峰值点的信息。
其中，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点。
在搜索平滑曲线中所有的峰值点的过程中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
其中，将搜索的平滑曲线中所有的峰值点按照数值大小升序排列或降序排列。
本实施例利用上述技术手段，在保证计算噪声的估计值和信号的估计值的同时，减少了数据处理量，提高了后续计算噪声的估计值和信号的估计值的效率。
S103：滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分。
在具体实施中，第一比例因子，本领域技术人员可根据实际情况来具体设置。在搜索的平滑曲线中所有的峰值点按照数值大小升序排列的情况下，如第一比例因子越大，则计算得到的检测门限值越靠近信号；如第一比例因子越小，则计算得到的检测门限值越靠近噪声。
本实施例将排序后两端的最值去掉，目的是减少极值点对检测门限计算的影响。
S104：将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值。
S105：将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值。
其中，第二比例因子，本领域技术人员可根据实际情况来具体设置。比如：第二比例因子设置为0.1,0.2或0.3等。第二比例因子的设置范围为0-1之间的任意数值。
本实施例在生成测检测门限时，既考虑了噪声的影响，又考虑了信号的影响，通过分别计算两者的估计值，然后计算信号和噪声的差值，将差值乘以一个系数再累加到噪声的估计值上，从而最终形成最终的检测门限。
S106：将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
S203：将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线。
本实施例适用于已知频谱轨迹数据分段的情况，将已知频谱轨迹数据划分成若干段，尽量减少其他不在该段内的电磁信号对该段检测门限计算的影响，从而产生一个比较适用当前段的检测门限，提高空间电磁环境的监测测量自适应能力。
实施例三
图3给出了本实施例的一种自适应信号搜索门限实时动态生成系统结构示意图。
如图3所示，本实施例的自适应信号搜索门限实时动态生成系统，包括：
(1)平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线。
在具体实施中，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
例如：假设频谱轨迹数据为1001个数据点，每个数据点的索引号就是从0～1000。其中，索引号为0，就是表示第一个数据点；索引号为1000，就是表示第1001个数据点，也就是最后一个数据点。
假设平滑因子＝10，那么利用平滑因子将当前段频谱轨迹数据对应的索引号分成A、B和C这三个段：
A段索引号的范围是：0～10；
B段索引号的范围是：10～990；
C段索引号的范围是：990～1000。
其中，对于平滑因子，本领域技术人员可根据实际情况来具体设置。
具体地，对当前段频谱轨迹数据进行移动加权平滑处理的过程为：
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
本实施例通过平滑技术减少轨迹的随机抖动，而且平滑的因子越大，轨迹的平滑效果越好。
(2)峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列。
如前所述，现有方法式是直接对轨迹数据进行排序，在数值上按照大小关系进行排列，从而将信号和噪声分布在数据的两端，然后再进行分别计算信号和噪声的估计值。
本实施例在排序之前先要进行峰值搜索，只获取轨迹数据中所有可能的峰值点的信息。
其中，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点。
在搜索平滑曲线中所有的峰值点的过程中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
其中，将搜索的平滑曲线中所有的峰值点按照数值大小升序排列或降序排列。
本实施例利用上述技术手段，在保证计算噪声的估计值和信号的估计值的同时，减少了数据处理量，提高了后续计算噪声的估计值和信号的估计值的效率。
(3)噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分。
在具体实施中，第一比例因子，本领域技术人员可根据实际情况来具体设置。在搜索的平滑曲线中所有的峰值点按照数值大小升序排列的情况下，如第一比例因子越大，则计算得到的检测门限值越靠近信号；如第一比例因子越小，则计算得到的检测门限值越靠近噪声。
本实施例将排序后两端的最值去掉，目的是减少极值点对检测门限计算的影响。
(4)噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值。
(5)检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值。
其中，第二比例因子，本领域技术人员可根据实际情况来具体设置。比如：第二比例因子设置为0.1,0.2或0.3等。第二比例因子的设置范围为0-1之间的任意数值。
本实施例在生成测检测门限时，既考虑了噪声的影响，又考虑了信号的影响，通过分别计算两者的估计值，然后计算信号和噪声的差值，将差值乘以一个系数再累加到噪声的估计值上，从而最终形成最终的检测门限。
(6)门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
实施例四
图4给出了本实施例的一种自适应信号搜索门限实时动态生成系统的结构示意图。
如图4所示，本实施例的自适应信号搜索门限实时动态生成系统，包括：
(1)频谱轨迹数据分段模块，其用于将已知频谱轨迹数据划分成若干段。
在具体实施例中，本领域技术人员可根据实际情况，将已知频谱轨迹数据划分成自定义的段数，比如10段等。
(2)分段门限曲线生成模块，其用于生成当前段频谱轨迹数据对应的门限曲线。
在具体实施中，分段门限曲线生成模块包括：
(2.1)平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线。
在具体实施中，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
例如：假设频谱轨迹数据为1001个数据点，每个数据点的索引号就是从0～1000。其中，索引号为0，就是表示第一个数据点；索引号为1000，就是表示第1001个数据点，也就是最后一个数据点。
假设平滑因子＝10，那么利用平滑因子将当前段频谱轨迹数据对应的索引号分成A、B和C这三个段：
A段索引号的范围是：0～10；
B段索引号的范围是：10～990；
C段索引号的范围是：990～1000。
其中，对于平滑因子，本领域技术人员可根据实际情况来具体设置。
具体地，对当前段频谱轨迹数据进行移动加权平滑处理的过程为：
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
本实施例通过平滑技术减少轨迹的随机抖动，而且平滑的因子越大，轨迹的平滑效果越好。
(2.2)峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列。
如前所述，现有方法式是直接对轨迹数据进行排序，在数值上按照大小关系进行排列，从而将信号和噪声分布在数据的两端，然后再进行分别计算信号和噪声的估计值。
本实施例在排序之前先要进行峰值搜索，只获取轨迹数据中所有可能的峰值点的信息。
其中，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点。
在搜索平滑曲线中所有的峰值点的过程中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
其中，将搜索的平滑曲线中所有的峰值点按照数值大小升序排列或降序排列。
本实施例利用上述技术手段，在保证计算噪声的估计值和信号的估计值的同时，减少了数据处理量，提高了后续计算噪声的估计值和信号的估计值的效率。
(2.3)噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分。
在具体实施中，第一比例因子，本领域技术人员可根据实际情况来具体设置。在搜索的平滑曲线中所有的峰值点按照数值大小升序排列的情况下，如第一比例因子越大，则计算得到的检测门限值越靠近信号；如第一比例因子越小，则计算得到的检测门限值越靠近噪声。
本实施例将排序后两端的最值去掉，目的是减少极值点对检测门限计算的影响。
(2.4)噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值。
(2.5)检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值。
其中，第二比例因子，本领域技术人员可根据实际情况来具体设置。比如：第二比例因子设置为0.1,0.2或0.3等。第二比例因子的设置范围为0-1之间的任意数值。
本实施例在生成测检测门限时，既考虑了噪声的影响，又考虑了信号的影响，通过分别计算两者的估计值，然后计算信号和噪声的差值，将差值乘以一个系数再累加到噪声的估计值上，从而最终形成最终的检测门限。
(2.6)门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
(3)门限曲线拼接模块，其用于将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线。
本实施例适用于已知频谱轨迹数据分段的情况，将已知频谱轨迹数据划分成若干段，尽量减少其他不在该段内的电磁信号对该段检测门限计算的影响，从而产生一个比较适用当前段的检测门限，提高空间电磁环境的监测测量自适应能力。
实施例五
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1或图2所述的自适应信号搜索门限实时动态生成方法中的步骤。
实施例六
本实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如图1或图2所述的自适应信号搜索门限实时动态生成方法中的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种自适应信号搜索门限实时动态生成方法，其特征在于，包括：
对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
2.一种自适应信号搜索门限实时动态生成方法，其特征在于，包括：
将已知频谱轨迹数据划分成若干段；
生成当前段频谱轨迹数据对应的门限曲线；
将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线；
所述生成当前段频谱轨迹数据对应的门限曲线的过程为：
对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
3.如权利要求1或2所述的一种自适应信号搜索门限实时动态生成方法，其特征在于，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
4.如权利要求3所述的一种自适应信号搜索门限实时动态生成方法，其特征在于，
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
5.如权利要求1或2所述的一种自适应信号搜索门限实时动态生成方法，其特征在于，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点；
或在搜索平滑曲线中所有的峰值点的过程中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
6.一种自适应信号搜索门限实时动态生成系统，其特征在于，包括：
平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
7.一种自适应信号搜索门限实时动态生成系统，其特征在于，包括：
频谱轨迹数据分段模块，其用于将已知频谱轨迹数据划分成若干段；
分段门限曲线生成模块，其用于生成当前段频谱轨迹数据对应的门限曲线；
门限曲线拼接模块，其用于将所有段频谱轨迹数据对应的门限曲线按照划分顺序拼接在一起，形成已知频谱轨迹数据对应的完整门限曲线；
所述分段门限曲线生成模块，包括：
平滑处理模块，其用于对当前段频谱轨迹数据进行移动加权平滑处理，得到一平滑曲线；
峰值搜索模块，其用于搜索平滑曲线中所有的峰值点，并按照数值大小排序，形成峰值点序列；
噪声和信号分割模块，其用于滤除峰值点序列的最小值和最大值，再按照第一比例因子将滤除最值的峰值点序列分割成噪声序列和信号序列两部分；
噪声和信号估计值计算模块，其用于将噪声序列中数据的偏差值与平均值叠加，得到噪声的估计值；将信号序列中数据的偏差值与平均值叠加，得到信号的估计值；
检测门限值计算模块，其用于将信号的估计值与噪声的估计值作差后，再与第二比例因子相乘，得到一个调整值，最后将这个调整值与噪声的估计值叠加，得出当前段频谱轨迹数据的检测门限值；
门限曲线生成模块，其用于将当前段频谱轨迹数据对应的平滑曲线与相应检测门限值比较，小于检测门限值的平滑曲线上的数据不变，大于或等于检测门限值的平滑曲线上的数据均设置为检测门限值，进而生成对应的门限曲线。
8.如权利要求6或7所述的一种自适应信号搜索门限实时动态生成系统，其特征在于，在所述平滑处理模块中，对当前段频谱轨迹数据进行移动加权平滑处理之前，还包括：
将当前段频谱轨迹数据按照采样顺序从0开始依次编号，作为当前段频谱轨迹数据所有数据点对应的索引号；
利用平滑因子将当前段频谱轨迹数据对应的索引号分成三个段，第一段索引号的范围是：0-平滑因子；第二段索引号的范围是：平滑因子～总索引号-平滑因子；第三段索引号的范围是：总索引号-平滑因子～总索引号。
9.如权利要求8所述的一种自适应信号搜索门限实时动态生成系统，其特征在于，在所述平滑处理模块中，对当前段频谱轨迹数据进行移动加权平滑处理的过程为：
判断当前段频谱轨迹数据的索引号是否大于平滑因子且小于数据长度减去平滑因子的范围之内，如果是，则直接在当前点的位置上取平滑因子所表示的数值进行加权平均得出的结果作为当前点的替代值；如果不在这个范围内，则进一步判断当前索引是否处于零到平滑因子所处的范围内，如果在，则将当前平滑因子修改为当前的索引值，并进行加权平均得出当前的数值；如果不在，则用当前轨迹数据的长度减去数据的索引作为新的平滑因子，并对当前点进行加权平均处理得出的新的数值。
10.如权利要求6或7所述的一种自适应信号搜索门限实时动态生成方法，其特征在于，在所述峰值搜索模块中，搜索平滑曲线中所有的峰值点的过程为：
只要当前频谱轨迹数据点比其前一个点和后一点的数据都大，则判定为一个峰值点；
或在所述峰值搜索模块中，若当前点比前一点大，且与后一个点的数值相同时，进一步查找后面的点是否存在比当前相等的点要小的情况，如果存在，则当前点是一个峰值点；如果不存在，则当前点不是峰值点，丢弃；然后进一步查找后面的点并重复上面的过程，直到当前段频谱轨迹数据全部处理完毕。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911055175.1A CN110702986B (zh) | 2019-10-31 | 2019-10-31 | 一种自适应信号搜索门限实时动态生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911055175.1A CN110702986B (zh) | 2019-10-31 | 2019-10-31 | 一种自适应信号搜索门限实时动态生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110702986A true CN110702986A (zh) | 2020-01-17 |
| CN110702986B CN110702986B (zh) | 2021-11-05 |
Family
ID=69203962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911055175.1A Active CN110702986B (zh) | 2019-10-31 | 2019-10-31 | 一种自适应信号搜索门限实时动态生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110702986B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111896808A (zh) * | 2020-07-31 | 2020-11-06 | 中国电子科技集团公司第四十一研究所 | 将频谱轨迹处理和自适应门限生成进行一体化设计的方法 |
| 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 |
| CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
| CN109347584A (zh) * | 2018-11-02 | 2019-02-15 | 西安电子科技大学昆山创新研究院 | 基于指数平滑预测的频谱感知方法 |
| CN109474355A (zh) * | 2018-01-17 | 2019-03-15 | 国家无线电频谱管理研究所有限公司 | 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 |
| 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 |
| CN110048786A (zh) * | 2018-01-15 | 2019-07-23 | 天维讯达（北京）科技有限公司 | 一种无线电磁环境中信号频谱的峰值识别方法和装置 |
| 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 |
-
2019
- 2019-10-31 CN CN201911055175.1A patent/CN110702986B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
| CN110048786A (zh) * | 2018-01-15 | 2019-07-23 | 天维讯达（北京）科技有限公司 | 一种无线电磁环境中信号频谱的峰值识别方法和装置 |
| CN109474355A (zh) * | 2018-01-17 | 2019-03-15 | 国家无线电频谱管理研究所有限公司 | 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 |
| CN109347584A (zh) * | 2018-11-02 | 2019-02-15 | 西安电子科技大学昆山创新研究院 | 基于指数平滑预测的频谱感知方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| MIROSLAV ZIVANOVIC等: "Adaptive Threshold Determination for Spectral Peak Classification", 《COMPUTER MUSIC JOURNAL》 * |
| 夏文芳等: "协作频谱感知中快速自适应门限策略", 《电子与信息学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111896808A (zh) * | 2020-07-31 | 2020-11-06 | 中国电子科技集团公司第四十一研究所 | 将频谱轨迹处理和自适应门限生成进行一体化设计的方法 |
| 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 |
| CN111896808B (zh) * | 2020-07-31 | 2023-02-03 | 中国电子科技集团公司第四十一研究所 | 将频谱轨迹处理和自适应门限生成进行一体化设计的方法 |
| CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110702986B (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110702986B (zh) | 一种自适应信号搜索门限实时动态生成方法及系统 | |
| US11096628B2 (en) | Heart rate detection method and apparatus, and electronic terminal thereof | |
| CN109242135B (zh) | 一种模型运营方法、装置、及业务服务器 | |
| CN109034127B (zh) | 一种频谱异常检测方法、装置和电子设备 | |
| US20200311549A1 (en) | Method of pruning convolutional neural network based on feature map variation | |
| CN102982804A (zh) | 音频分类方法和系统 | |
| US11475712B2 (en) | Method and device for automatic gesture recognition | |
| EP1691572B1 (en) | Method and system for training a hearing aid using a self-organising map | |
| EP1488413B1 (en) | Anomaly recognition method for data streams | |
| CN108924847B (zh) | 一种基于ann的认知无线电频谱预测方法及设备 | |
| US10585130B2 (en) | Noise spectrum analysis for electronic device | |
| US9495973B2 (en) | Speech recognition apparatus and speech recognition method | |
| KR20110122748A (ko) | 신호 식별 방법 및 신호 식별 장치 | |
| US8849662B2 (en) | Method and system for segmenting phonemes from voice signals | |
| CN112765550B (zh) | 一种基于Wi-Fi信道状态信息的目标行为分割方法 | |
| CN116980824B (zh) | 一种轻量化的加权集成学习室内csi定位方法 | |
| CN112751633B (zh) | 一种基于多尺度窗口滑动的宽带频谱检测方法 | |
| CN113077812A (zh) | 语音信号生成模型训练方法、回声消除方法和装置及设备 | |
| Ney | An optimization algorithm for determining the endpoints of isolated utterances | |
| JP3849116B2 (ja) | 音声検出装置及び音声検出プログラム | |
| CN108334822B (zh) | 基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法 | |
| KR100851038B1 (ko) | 부분 방전 신호용 복합 잡음 제거 방법 | |
| JPH11175083A (ja) | 雑音らしさ算出方法および雑音らしさ算出装置 | |
| CN113552444A (zh) | 一种泄漏电流特征阈值在线整定方法及装置 | |
| CN111796173A (zh) | 局部放电模式识别方法、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |