CN111914806B - 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 - Google Patents
一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111914806B CN111914806B CN202010832000.3A CN202010832000A CN111914806B CN 111914806 B CN111914806 B CN 111914806B CN 202010832000 A CN202010832000 A CN 202010832000A CN 111914806 B CN111914806 B CN 111914806B
- Authority
- CN
- China
- Prior art keywords
- noise
- signal
- data
- spectrum
- window
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000001629 suppression Effects 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000001228 spectrum Methods 0.000 claims description 59
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Noise Elimination (AREA)
Abstract
本发明公开了一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质，该方法包括S1：信号特征分析；S2：噪声压制计算；S3：信号提取计算。本发明能够自动适应高噪声环境下微弱信号的检测能力，通过测试、实验验证，实际成效率可以达到90%以上，提高侦察设备的侦收距离，并降低侦收硬件指标和成本要求，提高了效能。
Description
技术领域
本发明涉及信号检测技术领域，尤其涉及一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质。
背景技术
一种超短波微弱信号检测算法的设计技术是通过侦察接收机接收周围环境信号，即包括近距离的强信号，也包括远距离外的微弱信号，近距离的信号强度一般比较大，可以被接收的发现，但远距离的微弱信号经过空间衰减后，到达接收天线的时候，是很弱的信号，信号强度有时会淹没在噪声环境中，导致按照常规的检测算法，就无法发现该微弱信号，而导致影响侦察的效果。
因此，需要发明一种能够自适应噪声环境的新的检测算法来适应该应用场景。
发明内容
本发明的目的在于，针对上述问题，提出一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质，能够自动适应高噪声环境下微弱信号的检测能力，通过测试、实验验证，实际成效率可以达到90%以上，提高侦察设备的侦收距离，并降低侦收硬件指标和成本要求，提高了效能。
一种高噪声环境下超短波微弱信号检测方法，包括以下步骤：
S1：信号特征分析，对信号频谱进行信号特征的相关匹配，判断在噪声中是否有有用信号，如果经过相关匹配计算后，相关值达到门限值，说明在噪声中存在信号；反之，则不存在信号；
S2：噪声压制计算，在步骤S1发现有用信号后进行噪声压制计算找出有用信号；
S3：信号提取计算，提取有用信号的参数。
进一步的，步骤S1具体包括以下子步骤：
S11：把带有信号、噪声的数据读入缓冲区；
S12：从数据的开头T1时刻，开始对数据加窗，窗口宽度W，获取窗口W内的数据；
S13：对窗口W内的数据进行数学均值计算，得出本窗口内的均值R1；
S14：滑动窗口一个步进K（范围：1-32），得到新窗口内的数据R2；
S15：重复步骤S13-S14直到缓冲区数据结尾T2时刻，得到一系列滑动窗口对应的计算结果R1、R2、R3……RN；
S16：设置一个判断门限H，如果在计算结果中，存在连续的M个R值高于门限，就认为在噪声数据中存在有用信号，反之就不存在信号。
进一步的，步骤S2具体包括以下子步骤：
S21：取出1帧频谱数据P0；
S22：计算频谱底噪电平的上、下边界，分别为Ph、Pl；
S23：计算频谱底噪的中间值，记为Pm；
S24：以Pm为基准值，计算频谱噪声带，以及频谱电平，大于Pm的为正值，小于Pm的为负值；形成新的一组频谱数据PN1；
S25：继续取下一帧频谱数据P1，重复步骤S22-S24，形成新的频谱数据PN2；
S26：重复步骤S21-S25步骤Q次，形成新的频谱序列：PN1、PN2……PNQ；
S27：把新的频谱序列进行累加，产生累加频谱序列：P=∑（PN1、PN2、……、PNQ），
在累加的过程会由于Pm、Pl、Ph产生的正负值而抵消，使噪声带降低，随着累加频谱序列数的增加，噪声带也越来变窄，形成新的躁底Pm1；
S28：有用信号Pu，会随着频谱累加次数Q的增加，信号幅度会增加Q倍，幅度变为Q*Pu；
在Q*Pu的电平值高于新躁底Pm1电平5dB以上，就可以在噪声中发现淹没在噪声中的有用信号Pu。
进一步的，参数包括信号的频率、幅度和带宽。
一种高噪声环境下超短波微弱信号检测装置，包括：信号特征分析单元、噪声压制计算单元和信号提取计算单元；
所述信号特征分析单元，对信号频谱进行信号特征的相关匹配，判断在噪声中是否有有用信号，如果经过相关匹配计算后，相关值达到门限值，说明在噪声中存在信号；反之，则不存在信号；
所述噪声压制计算单元在发现有用信号后进行噪声压制计算找出有用信号；
所述信号提取计算单元用于提取有用信号的参数。
进一步的，信号特征分析单元把带有信号、噪声的数据读入缓冲区；从数据的开头T1时刻，开始对数据加窗，窗口宽度W，获取窗口W内的数据；对窗口W内的数据进行数学均值计算，得出本窗口内的均值R1；滑动窗口一个步进K（范围：1-32），得到新窗口内的数据R2；重复步骤S13-S14直到缓冲区数据结尾T2时刻，得到一系列滑动窗口对应的计算结果R1、R2、R3……RN；设置一个判断门限H，如果在计算结果中，存在连续的M个R值高于门限，就认为在噪声数据中存在有用信号，反之就不存在信号。
进一步的，噪声压制计算单元取出1帧频谱数据P0；计算频谱底噪电平的上、下边界，分别为Ph、Pl；计算频谱底噪的中间值，记为Pm；以Pm为基准值，计算频谱噪声带，以及频谱电平，大于Pm的为正值，小于Pm的为负值；形成新的一组频谱数据PN1；继续取下一帧频谱数据P1，重复步骤S22-S24，形成新的频谱数据PN2；重复步骤S21-S25步骤Q次，形成新的频谱序列：PN1、PN2……PNQ；把新的频谱序列进行累加，产生累加频谱序列：P=∑（PN1、PN2、……、PNQ），在累加的过程会由于Pm、Pl、Ph产生的正负值而抵消，使噪声带降低，随着累加频谱序列数的增加，噪声带也越来变窄，形成新的躁底Pm1；有用信号Pu，会随着频谱累加次数Q的增加，信号幅度会增加Q倍，幅度变为Q*Pu；在Q*Pu的电平值高于新躁底Pm1电平5dB以上，就可以在噪声中发现淹没在噪声中的有用信号Pu。
进一步的，参数包括信号的频率、幅度和带宽。
一种高噪声环境下超短波微弱信号检测终端设备，所述终端设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的高噪声环境下超短波微弱信号检测方法。
一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，该指令被处理器执行时实现上述的高噪声环境下超短波微弱信号检测方法。
本发明的有益效果：能够自动适应高噪声环境下微弱信号的检测能力，通过测试、实验验证，实际成效率可以达到90%以上，提高侦察设备的侦收距离，并降低侦收硬件指标和成本要求，提高了效能。
附图说明
图1是本发明方法流程框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
(1) 信号特征分析
信号特征分析是对信号频谱进行信号特征的相关匹配，判断在噪声中是否有有用信号， 如果经过相关匹配计算后，相关值达到门限值，说明在噪声中存在信号；反之，不存在信号。
信号特征分析采用加窗函数的相关匹配计算，通过设置窗口的大小，默认是32-256，来初步判断是否存在信号。
主要步骤如下：
第一步：把带有信号、噪声的数据读入缓冲区；
第二步：从数据的开头T1时刻，开始对数据加窗，窗口宽度W，获取窗口W内的数据；
第三步：对窗口W内的数据进行数学均值计算，得出本窗口内的均值R1；
第四步：滑动窗口一个步进K（范围：1-32），得到新窗口内的数据R2；
第五步：重复第三、四步，一直到缓冲区数据结尾T2时刻，得到一系列滑动窗口对应的计算结果：R1、R2、R3……RN。
第六步：设置一个判断门限H，如果在R系列结果中，存在连续的M（默认是10，可以根据实际情况做调整）个R值高于门限，就认为在噪声数据中存在有用信号，反之就不存在信号。
如果存在信号，就可以通过下边的噪声压制算法做进一步的精确计算和判断。
(2) 噪声压制算法
在（1）步骤中，如果发现存在信号，但由于信号淹没在噪声中，而噪声一般是白噪声，按照常规方法无法发现该信号。该发明提出了一种新的检测算法：
第一步：取出1帧频谱数据P0；
第二步：计算频谱底噪电平的上、下边界，分别为Ph、Pl；
第三步：计算频谱底噪的中间值，记为Pm；
第四步：以Pm为基准值，计算频谱噪声带，以及频谱电平，大于Pm的为正值，小于Pm的为负值；形成新的一组频谱数据PN1；
第五步：继续取下一帧频谱数据P1，重复第二、三、四步骤，形成新的频谱数据PN2；
第六步：重复上述步骤Q次，形成新的频谱序列：PN1、PN2……PNQ；
第七步：然后把新的频谱序列进行累加，产生累加频谱序列：
P = ∑（PN1、PN2、……、PNQ）；
由于噪声一般为白噪声，在累加的过程会由于Pm、Pl、Ph产生的正负值而抵消，使噪声带降低，随着累加频谱序列数的增加，噪声带也越来变窄，形成新的躁底Pm1。
淹没在噪声的的有用信号Pu，会随着频谱累加次数Q的增加，信号幅度会增加Q倍，幅度变为Q*Pu。在Q*Pu的电平值高于新躁底Pm1电平5dB以上，就可以在噪声中发现淹没在噪声中的有用信号Pu。
(3) 信号提取算法
在第（2）步生成的新的频谱P中，信号Pu已经高于噪声带5dB以上，按照常规的信号检测算法，可以提取信号的频率、幅度、带宽等参数。
在本实施例中，提出的一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质，能够自动适应高噪声环境下微弱信号的检测能力，通过测试、实验验证，实际成效率可以达到90%以上，提高侦察设备的侦收距离，并降低侦收硬件指标和成本要求，提高了效能。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种高噪声环境下超短波微弱信号检测方法，其特征在于，包括以下步骤：
S1：信号特征分析，对信号频谱进行信号特征的相关匹配，判断在噪声中是否有有用信号，如果经过相关匹配计算后，相关值达到门限值，说明在噪声中存在信号；反之，则不存在信号；
S2：噪声压制计算，在步骤S1发现有用信号后进行噪声压制计算找出有用信号；步骤S2具体包括以下子步骤：
S21：取出1帧频谱数据P0；
S22：计算频谱底噪电平的上、下边界，分别为Ph、Pl；
S23：计算频谱底噪的中间值，记为Pm；
S24：以Pm为基准值，计算频谱噪声带，以及频谱电平，大于Pm的为正值，小于Pm的为负值；形成新的一组频谱数据PN1；
S25：继续取下一帧频谱数据P1，重复步骤S22-S24，形成新的频谱数据PN2；
S26：重复步骤S21-S25步骤Q次，形成新的频谱序列：PN1、PN2……PNQ；
S27：把新的频谱序列进行累加，产生累加频谱序列：P=∑（PN1、PN2、……、PNQ），
在累加的过程会由于Pm、Pl、Ph产生的正负值而抵消，使噪声带降低，随着累加频谱序列数的增加，噪声带也越来变窄，形成新的噪底Pm1；
S28：有用信号Pu，会随着频谱累加次数Q的增加，信号幅度会增加Q倍，幅度变为Q*Pu；
在Q*Pu的电平值高于新噪底Pm1电平5dB以上时，则在噪声中发现淹没在噪声中的有用信号Pu；
S3：信号提取计算，提取有用信号的参数。
2.根据权利要求1所述的一种高噪声环境下超短波微弱信号检测方法，其特征在于，步骤S1具体包括以下子步骤：
S11：把带有信号、噪声的数据读入缓冲区；
S12：从数据的开头T1时刻，开始对数据加窗，窗口宽度W，获取窗口W内的数据；
S13：对窗口W内的数据进行数学均值计算，得出本窗口内的均值R1；
S14：滑动窗口一个步进K，范围为1-32，得到新窗口内的数据R2；
S15：重复步骤S13-S14直到缓冲区数据结尾T2时刻，得到一系列滑动窗口对应的计算结果R1、R2、R3……RN；
S16：设置一个判断门限H，如果在计算结果中，存在连续的M个R值高于门限，就认为在噪声数据中存在有用信号，反之就不存在信号。
3.根据权利要求1所述的一种高噪声环境下超短波微弱信号检测方法，其特征在于，所述参数包括信号的频率、幅度和带宽。
4.一种高噪声环境下超短波微弱信号检测装置，其特征在于，包括：信号特征分析单元、噪声压制计算单元和信号提取计算单元；
所述信号特征分析单元，对信号频谱进行信号特征的相关匹配，判断在噪声中是否有有用信号，如果经过相关匹配计算后，相关值达到门限值，说明在噪声中存在信号；反之，则不存在信号；
所述噪声压制计算单元在发现有用信号后进行噪声压制计算找出有用信号；噪声压制计算单元取出1帧频谱数据P0；计算频谱底噪电平的上、下边界，分别为Ph、Pl；计算频谱底噪的中间值，记为Pm；以Pm为基准值，计算频谱噪声带，以及频谱电平，大于Pm的为正值，小于Pm的为负值；形成新的一组频谱数据PN1；继续取下一帧频谱数据P1，重复步骤S22-S24，形成新的频谱数据PN2；重复步骤S21-S25步骤Q次，形成新的频谱序列：PN1、PN2……PNQ；把新的频谱序列进行累加，产生累加频谱序列：P=∑（PN1、PN2、……、PNQ），在累加的过程会由于Pm、Pl、Ph产生的正负值而抵消，使噪声带降低，随着累加频谱序列数的增加，噪声带也越来变窄，形成新的噪底Pm1；有用信号Pu，会随着频谱累加次数Q的增加，信号幅度会增加Q倍，幅度变为Q*Pu；在Q*Pu的电平值高于新噪底Pm1电平5dB以上时，则在噪声中发现淹没在噪声中的有用信号Pu；
所述信号提取计算单元用于提取有用信号的参数。
5.根据权利要求4所述的一种高噪声环境下超短波微弱信号检测装置，其特征在于，信号特征分析单元把带有信号、噪声的数据读入缓冲区；从数据的开头T1时刻，开始对数据加窗，窗口宽度W，获取窗口W内的数据；对窗口W内的数据进行数学均值计算，得出本窗口内的均值R1；滑动窗口一个步进K，范围为1-32，得到新窗口内的数据R2；重复步骤S13-S14直到缓冲区数据结尾T2时刻，得到一系列滑动窗口对应的计算结果R1、R2、R3……RN；设置一个判断门限H，如果在计算结果中，存在连续的M个R值高于门限，就认为在噪声数据中存在有用信号，反之就不存在信号。
6.根据权利要求4所述的一种高噪声环境下超短波微弱信号检测装置，其特征在于，所述参数包括信号的频率、幅度和带宽。
7.一种高噪声环境下超短波微弱信号检测终端设备，其特征在于，所述终端设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一所述的高噪声环境下超短波微弱信号检测方法。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，该指令被处理器执行时实现如权利要求1-3任一所述的高噪声环境下超短波微弱信号检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832000.3A CN111914806B (zh) | 2020-08-18 | 2020-08-18 | 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010832000.3A CN111914806B (zh) | 2020-08-18 | 2020-08-18 | 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111914806A CN111914806A (zh) | 2020-11-10 |
| CN111914806B true CN111914806B (zh) | 2023-12-15 |
Family
ID=73278348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010832000.3A Active CN111914806B (zh) | 2020-08-18 | 2020-08-18 | 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111914806B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102811A1 (fr) * | 2005-03-29 | 2006-10-05 | Zte Corporation | Procede et appareil de suppression d’interferences a bande etroite dans un systeme a spectre large |
| CN101737034A (zh) * | 2008-11-22 | 2010-06-16 | 西部钻探克拉玛依钻井工艺研究院 | 一种井筒数据传输方法及系统 |
| CN101882964A (zh) * | 2010-06-12 | 2010-11-10 | 桂林电子科技大学 | 瞬变电磁探测回波信号的降噪方法 |
| CN104101780A (zh) * | 2014-04-24 | 2014-10-15 | 重庆邮电大学 | 基于联合去噪和频率调制的微弱信号检测方法 |
| CN105447318A (zh) * | 2015-12-01 | 2016-03-30 | 北京科技大学 | 一种微弱信号去噪方法及装置 |
| CN105553443A (zh) * | 2015-12-10 | 2016-05-04 | 贵州省计量测试院 | 一种强噪声条件下微弱信号提取及数字处理系统 |
| CN106197523A (zh) * | 2016-06-30 | 2016-12-07 | 重庆邮电大学 | 基于一阶线性系统的弱信号检测及复原 |
| CN107870005A (zh) * | 2016-09-27 | 2018-04-03 | 重庆邮电大学 | 过采样下经验模态分解的归一化随机共振微弱信号检测 |
| CN108063641A (zh) * | 2017-11-22 | 2018-05-22 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 单通道多信号检测方法 |
| CN110196173A (zh) * | 2019-05-05 | 2019-09-03 | 成都大学 | 一种基于自学习的强噪声环境机器运行故障在线检测方法 |
| CN110469326A (zh) * | 2019-08-02 | 2019-11-19 | 中石化石油工程技术服务有限公司 | 一种自适应相关滤波方法 |
| CN111368778A (zh) * | 2020-03-13 | 2020-07-03 | 哈尔滨理工大学 | 一种基于智能优化算法的微弱信号噪声剥离方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6925114B2 (en) * | 2002-10-02 | 2005-08-02 | Delphi Technologies, Inc. | Weak signal processing based on impulse noise blanking |
-
2020
- 2020-08-18 CN CN202010832000.3A patent/CN111914806B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102811A1 (fr) * | 2005-03-29 | 2006-10-05 | Zte Corporation | Procede et appareil de suppression d’interferences a bande etroite dans un systeme a spectre large |
| CN101737034A (zh) * | 2008-11-22 | 2010-06-16 | 西部钻探克拉玛依钻井工艺研究院 | 一种井筒数据传输方法及系统 |
| CN101882964A (zh) * | 2010-06-12 | 2010-11-10 | 桂林电子科技大学 | 瞬变电磁探测回波信号的降噪方法 |
| CN104101780A (zh) * | 2014-04-24 | 2014-10-15 | 重庆邮电大学 | 基于联合去噪和频率调制的微弱信号检测方法 |
| CN105447318A (zh) * | 2015-12-01 | 2016-03-30 | 北京科技大学 | 一种微弱信号去噪方法及装置 |
| CN105553443A (zh) * | 2015-12-10 | 2016-05-04 | 贵州省计量测试院 | 一种强噪声条件下微弱信号提取及数字处理系统 |
| CN106197523A (zh) * | 2016-06-30 | 2016-12-07 | 重庆邮电大学 | 基于一阶线性系统的弱信号检测及复原 |
| CN107870005A (zh) * | 2016-09-27 | 2018-04-03 | 重庆邮电大学 | 过采样下经验模态分解的归一化随机共振微弱信号检测 |
| CN108063641A (zh) * | 2017-11-22 | 2018-05-22 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 单通道多信号检测方法 |
| CN110196173A (zh) * | 2019-05-05 | 2019-09-03 | 成都大学 | 一种基于自学习的强噪声环境机器运行故障在线检测方法 |
| CN110469326A (zh) * | 2019-08-02 | 2019-11-19 | 中石化石油工程技术服务有限公司 | 一种自适应相关滤波方法 |
| CN111368778A (zh) * | 2020-03-13 | 2020-07-03 | 哈尔滨理工大学 | 一种基于智能优化算法的微弱信号噪声剥离方法 |
Non-Patent Citations (6)
| Title |
|---|
| A Simple Ship Radiated Noise Model and Its Application in Weak Signal Detection Based on Higher Order Cumulant;Chao Peng等;《2019 Ninth International Workshop on Signal Design and its Applications in Communications (IWSDA)》;1-5 * |
| 一种基于小波包熵的频谱检测算法;仇帅等;《南京邮电大学学报（自然科学版）》;第33卷(第6期);65-68 * |
| 一种微弱信号检测方法的研究;宋玉珍等;《数字技术与应用》;第38卷(第5期);66-68、70 * |
| 基于信道色噪声抑制的信号搜索方法;熊伟等;《电子技术应用》(第9期);116-118 * |
| 基于随机共振的多频率微弱信号并行检测;高瞻等;《军事通信技术》;第36卷(第2期);25-27、39 * |
| 强噪声背景中未知微弱信号的一种简便检测方法;聂菊根等;《计算机与数字工程》;第35卷(第5期);199-200 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111914806A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3703052B1 (en) | Echo cancellation method and apparatus based on time delay estimation | |
| US9548063B2 (en) | Method and apparatus for acoustic echo control | |
| WO2017202292A1 (zh) | 一种回声时延跟踪方法及装置 | |
| US7636404B2 (en) | Packet detection in the presence of platform noise in a wireless network | |
| US9373343B2 (en) | Method and system for signal transmission control | |
| CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
| KR101303769B1 (ko) | 주파수 변조 연속파 레이더에서 간섭 신호 탐지 및 억제 방법 | |
| CN103995950A (zh) | 基于空域相关修正阈值的变小波系数局部放电信号消噪方法 | |
| CN107678019A (zh) | 基于ca‑cfar的雷达信号多目标检测方法及装置 | |
| CN106997042A (zh) | 一种目标信号检测方法及装置 | |
| KR101762723B1 (ko) | 피치 주기의 정확도를 검출하는 방법 및 장치 | |
| CN109270501A (zh) | 一种用于全固态vts雷达的海杂波抑制方法 | |
| US20100128566A1 (en) | System and method for enhancing weak target signals for a sensor array | |
| US6157670A (en) | Background energy estimation | |
| 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 | |
| CN109143184A (zh) | 一种扫描雷达的双门限检测方法 | |
| CN108810923B (zh) | Afh干扰频点的判断方法及装置、计算机可读存储介质、接收机 | |
| CN104330780B (zh) | 一种基于自适应频域非相干积累的目标检测方法及装置 | |
| CN111914806B (zh) | 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 | |
| CN105553619B (zh) | 基于调制识别辅助的突发信号检测方法 | |
| CN113899388A (zh) | 一种振弦传感器自适应数据采集方法 | |
| CN106877901B (zh) | 一种低噪比直扩信号的检测方法 | |
| US20120136659A1 (en) | Apparatus and method for preprocessing speech signals | |
| KR102296923B1 (ko) | 레이더 신호 검출 방법 | |
| CN108155959A (zh) | 一种复杂网络环境下无人机测控信号检测方法 |
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 |