CN112436863B - 一种基于频谱离散度分析的信号快速检测搜索方法 - Google Patents
一种基于频谱离散度分析的信号快速检测搜索方法 Download PDFInfo
- Publication number
- CN112436863B CN112436863B CN202011181221.5A CN202011181221A CN112436863B CN 112436863 B CN112436863 B CN 112436863B CN 202011181221 A CN202011181221 A CN 202011181221A CN 112436863 B CN112436863 B CN 112436863B
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- frequency band
- subsection
- target signal
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
- H04B1/707—Spread spectrum techniques using direct sequence modulation
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于频谱离散度分析的信号快速检测搜索方法,属于信号处理技术领域,特别是星载广域电子侦察大带宽信号处理,用于电子侦察大带宽范围内目标信号的检测搜索。本发明首先对侦收频段进行划分,利用分段后包含目标信号子段与纯噪声子段的离散度(此处离散度用方差来表征)不同,然后采用相邻子段方差取比值的方法迅速确定目标信号所在子段,该子段又可重新划分,重复上述过程,最终迅速定位目标信号。此外,该方法还可有效鉴别纯噪声子段与直扩信号,同时实现常规信号与直扩信号的快速检测搜索。该方法原理简单、易工程实现,且可实现检测自动化,避免信号漏检。该方法已经过在轨验证,效果良好。
Description
技术领域
本发明涉及一种基于频谱离散度分析的信号快速检测搜索方法,属于信号处理技术领域,特别是星载广域电子侦察大带宽信号处理,用于电子侦察大带宽范围内目标信号的检测搜索。
背景技术
离散程度,是指通过随机地观测变量各个取值之间的差异程度,用来衡量风险大小的指标。通过对随机变量取值之间离散程度的测定,可以反映各个观测个体之间的差异大小,从而也就可以反映分布中心的指标对各个观测变量值代表性的高低。通过对随机变量取值之间离散程度的测定,可以反映随机变量次数分布密度曲线的瘦俏或矮胖程度。
离散度分析法是测度一组数据分散程度的统计学方法。分散程度反映了一组数据远离其中心值的程度,因此也称为离中趋势。从集中趋势和分散程度两个方面才能完整的说明一组数据的变动趋势。集中趋势的测度值是对数据水平的一个概括性度量,它对一组数据的代表程度取决于该组数据的离散水平。数据的分散程度越小,集中趋势的测度值对这组数据的代表性就越好,反之,分散程度越大,代表性就越好。
数据的分散程度是数据分布的另一个重要的特征。集中趋势和分散程度是社会经济现象相互联系的两个重要的特征。与测度集中趋势对于不同的数据类型采用不同的测度值一样,根据不同的数据类型,测度分散程度的测度值也是不同的。主要包括异众比例、分位差、方差和标准差以及测度相对离散程度的离散系数等。
方差是指一组数据各个值与其均值离差平方的平均数,标准差是方差的平方根。方差和标准差的数值越大,说明数据的分散程度越高。反之,则说明数据的分散程度越低。方差或标准差可有效表征数值型数组的整体离散程度,与目标信号频谱数据需求相符,所以,本发明采用方差来刻画侦收频谱离散程度。
侦察卫星中频谱分析器的首要任务是在较宽的侦收频带内搜索到目标信号,目前星上常用方法为在频谱中设定某一固定幅度阈值,通过判定频谱幅值的大小来确定是否存在目标信号。由于未知目标信号频点位置及幅值的不确定性,或是直扩信号隐藏于噪声之中,易造成阈值设定不合理及信号漏检的问题。针对该问题,本发明从信号频谱离散性角度出发,提出了一种基于频谱离散度分析的解决方案。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种基于频谱离散度分析的信号快速检测搜索方法,首先对侦收频段进行划分,利用分段后包含目标信号子段与纯噪声子段的离散度(此处离散度用方差来表征)不同,然后采用相邻子段方差取比值的方法迅速确定目标信号所在子段,该子段又可重新划分,重复上述过程,最终迅速定位目标信号。此外,该方法还可有效鉴别纯噪声子段与直扩信号,同时实现常规信号与直扩信号的快速检测搜索。该方法原理简单、易工程实现,且可实现检测自动化,避免信号漏检。该方法已经过在轨验证,效果良好。
本发明的技术解决方案是:一种基于频谱离散度分析的信号快速检测搜索方法,包括如下步骤:
计算侦收频段频谱,依据侦收频段频谱中侦收频谱宽度以及目标信号带宽范围对频段等间隔划分为n个子段,并计算每一个子段的方差;
将所有子段的方差合成方差数组Aσ2=[σ2(1),σ2(2),…,σ2(n)],并计算方差数组的前向比值序列Bf[i]和后向比值序列Bb[i];其中,σ2(i)为第i个子段的方差,σ2(n)为第n个子段的方差,i=1,2,…,n-1;
对前向比值序列Bf[i]或后向比值序列Bb[i]进行判断;如果前向比值序列Bf[i]或后向比值序列Bb[i]中存在大于上限阈值或小于下限阈值的值,则判断该侦收频段存在目标信号,否则为白噪声频段;
根据子段划分数量及目标信号带宽的不同,进行目标信号频段定位,判断目标信号或位于某个子段内,或位于某相邻子段交界处,并辨别纯噪声谱段和直扩信号。
进一步地,所述上限阈值为2,下限阈值为0.5。
进一步地,所述进行目标信号频段定位包括如下步骤:
若(Bf[i]>2)&(Bf[i+1]<0.5),则目标信号位于第i个子段,若(Bf[i]<0.5)&(Bf[i+1]>2),则目标信号位于第i+1个子段,若(Bf[i]<0.5)&(Bf[i+1]≈1)&(Bf[i+2]>2),则目标信号位于第i个子段和第i+1个子段的交界处;若(Bb[i]>2)&(Bb[i+1]<0.5),则目标信号位于第i个子段,若(Bb[i]<0.5)&(Bb[i+1]>2),则目标信号位于第i+1个子段,若(Bb[i]<0.5)&(Bb[i+1]≈1)&(Bb[i+2]>2),则目标信号位于第i个子段和第i+1个子段的交界处。
进一步地,前向比值序列和后向比值序列分别为:
进一步地,所述辨别纯噪声谱段和直扩信号包括步骤如下:
(1)计算待检测频段的二次功率谱;
(2)在二次功率谱中查找最大值最大值Vmax,并求取均值Vmean;
(3)将最大值Vmax和均值Vmean比值作为检测特征值E,即E=Vmax/Vmean;
(4)检测特征值E与设定的阈值th进行比较判断:如果E>th,则判断该频段混有直扩信号,否则为纯噪声频段。
进一步地,二次功率谱查找最大值及求平均值时不包含零频直流分量。
进一步地,在步骤(1)中,二次功率谱的计算公式如下:
其中,FFT代表傅里叶变换运算,x为直扩信号。
进一步地,在步骤(4)中,阈值th的取值范围为20~25。
进一步地,一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,所述的计算机程序被处理器执行时实现所述一种基于频谱离散度分析的信号快速检测搜索方法的步骤。
进一步地,一种基于频谱离散度分析的信号快速检测搜索设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述的处理器执行所述的计算机程序时实现所述一种基于频谱离散度分析的信号快速检测搜索方法的步骤。
本发明与现有技术相比的优点在于:
(1)本发明通过频谱分段及相邻子段取比值抵消的方法实现了常规信号的自适应检测,同时采用基于二次功率谱的方法检测直扩信号,避免了现有星上人工设定频谱阈值受噪声强度影响及漏检的问题;
(2)本发明不仅可以采用多级结构快速实现检测,同时还可以定位目标信号所在子段,便于后续滤波器设计;
(3)本发明原理简单、易于工程实现,鲁棒性强,且该方法不受信号体制及类型限制,具有普适性。
附图说明
图1为本发明方法流程图;
图2为纯噪声频谱示意图;
图3为存在目标信号频谱示意图;
图4为无信号频谱示意图;
图5为侦收到的未知频谱;
图6为侦收频段划分示意图;
图7为DS-BPSK信号二次功率谱图;
图8为白噪声信号二次功率谱图;
图9为本发明直扩信号特征值区间示意图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
以下结合说明书附图对本申请实施例所提供的一种基于频谱离散度分析的信号快速检测搜索方法做进一步详细的说明,具体实现方式可以包括(如图1所示):
频谱是频率谱密度的简称,是频率的分布曲线。电子侦察中往往需要在较宽的频带内搜索是否存在目标信号,即信号检测。如果侦收频带内无目标信号,只存在噪声,则频谱较为平坦,频谱数据离散程度低,方差较小,如图2所示;如果侦收频带内存在目标信号,则频谱在信号位置会有较大起伏,频谱数据离散程度相对较高,方差相对较大,如图3所示。由上述图示及分析可知,频谱方差是鉴别是否存在目标信号的有效特征,通过频谱离散度分析可有效的实现信号检测。
由上述分析可知,在特定的频谱中,可以通过设定固定频谱方差阈值来判别是否存在目标信号。但是,由于噪声的不确定性,方差阈值与上述提到的常用的频谱幅度阈值一样,不具有普适性,不同情况下使用相同的阈值易造成虚警或漏检,简要说明如下。
图4和图2同为纯噪声情况下频谱图,但由于噪声强度的不同,其频谱方差存在较大差异,图4中纯噪声频谱方差值甚至超过了图3中含有目标信号的频谱方差,无法通过设定固定的频谱方差阈值实现信号的检测。为了消除噪声的不确定性对频谱方差的影响,这里采用分段抵消的方案。为便于理解,以图5为例对该方案进行简要说明,假设图5为电子侦察接收机接收到的一段未知频谱。
对图5所示的频谱进行等间隔分段,频谱划分的子段数量可依据侦收频谱宽度及目标信号带宽大概范围来确定,也可采用先粗分段,然后逐步精细的方式。此处将图5所示频谱分为5个子段,并计算每个子频谱段的方差,如图6所示。
由图6可知,含有目标信号的子段方差值远大于其它纯噪声子段,每个纯噪声子段的方差值大致相当,这也符合实际情况,即高斯白噪声子段频谱相对平坦、离散度低。将子段的方差合成数组Aσ2=[3492.4,61701.0,3666.7,3484.4,3490.2],然后取数组中相邻方差值的比值,则前向比值序列(前项与后项的比值)为Bf=[0.0566,16.8274,1.0523,0.9983];后向比值序列(后项与前项的比值)为Bb=[17.6672,0.0594,0.9503,1.0017]。如果相邻两段频谱均为噪声谱,则其方差值相当,前向和后向比值序列对应位置数值接近1;如果相邻两段频谱中某一段频谱存在目标信号,则两段频谱方差值差异较大,前向和后向比值序列中对应位置数值远大于1或远小于1;此处取阈值为2和0.5,如果前向和后向比值序列中存在大于2或小于0.5的数值,则说明该频段存在目标信号,结合该数值在前向和后向比值序列中的位置,还可以定位目标信号所在子段。由上述分析及Bf、Bb,可以确定图5所示频谱存在目标信号,且目标信号位于第二个子段。
因为直扩信号与纯噪声频谱具有相似的离散特性,故上述不含常规信号的子段,也可能混有直扩信号,此处采用基于二次功率谱的检测方法来辨别纯噪声谱段和直扩信号。二次功率谱可看作倒谱的改进型,其计算复杂度略低于倒谱。将二次功率谱用于直扩信号的检测,是利用了直接序列扩频信号中伪码分量在频域和时域的周期性,通过二次求功率谱,在伪时域或倒频率域上将这种周期性显现出来,变成检测信号的有用特征。以DS-BPSK信号为例,其二次功率谱见图7,纯噪声子段二次功率谱见图8,对比可以看出直扩信号的二次功率谱具有明显的谱线特征,此处采用二次功率谱最大值与均值的比值作为检测特征来实现直扩信号的有效鉴别,检测阈值参考图9。
在上述过程完成后,还可根据需要对信号子段进一步划分,重复上述过程,得到目标信号更为精确的频谱位置信息,这对后续滤波器设计有极大的帮助。
根据上述分析,基于功率谱离散度分析的信号快速检测搜索方法步骤如下:
(1)计算侦收频段频谱图;
(2)依据侦收频谱宽度及目标信号带宽大概范围对频段等间隔划分为n个子段,并计算每一个子段的方差;
(3)将子段方程合成数组Aσ2=[σ2(1),σ2(2),…,σ2(n)],并计算其前向比值序列Bf[i]、后向比值序列Bb[i],i=1,2,…,n-1;
(4)如果Bf或Bb中存在大于2或小于0.5的值,则判断该侦收频段存在目标信号,否则为白噪声频段;
(5)若(Bf[i]>2)&(Bf[i+1]<0.5),则目标信号存在第i个子段;
若(Bf[i]<0.5)&(Bf[i+1]>2),则目标信号存在第i+1个子段;
若(Bf[i]<0.5)&(Bf[i+1]≈1)&(Bf[i+2]>2),则目标信号位于第i个子段和第i+1个子段的交界处。
通过判断分析Bb同样可得类似结论,此处不再赘述。
(5)采用二次功率谱方法鉴别剩余噪声子段中是否含有直扩信号。
基于二次功率谱的直扩信号检测步骤如下:
(1)计算待检测频段的二次功率谱;
(2)在其二次功率谱中查找最大值最大值Vmax,并求取均值Vmean;
(3)将最大值Vmax和均值Vmean比值作为检测特征值E,即E=Vmax/Vmean;
(4)检测特征值E与设定的阈值th进行比较判断:如果E>th,则判断该频段混有直扩信号,否则为纯噪声频段。
二次功率谱查找最大值及求平均值时不包含零频直流分量;
在步骤(1)中,二次功率谱的计算公式如下:
其中,FFT代表傅里叶变换运算,x为直扩信号。
在步骤(4)中,阈值th的取值范围为20~25。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (9)
1.一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于,包括如下步骤:
计算侦收频段频谱,依据侦收频段频谱中侦收频谱宽度以及目标信号带宽范围对频段等间隔划分为n个子段,并计算每一个子段的方差;
将所有子段的方差合成方差数组Aσ2=[σ2(1),σ2(2),…,σ2(n)],并计算方差数组的前向比值序列Bf[i]和后向比值序列Bb[i];其中,σ2(i)为第i个子段的方差,σ2(n)为第n个子段的方差,i=1,2,…,n-1;
对前向比值序列Bf[i]或后向比值序列Bb[i]进行判断;如果前向比值序列Bf[i]或后向比值序列Bb[i]中存在大于上限阈值或小于下限阈值的值,则判断该侦收频段存在目标信号,否则为白噪声频段;
根据子段划分数量及目标信号带宽的不同,进行目标信号频段定位,判断目标信号或位于某个子段内,或位于某相邻子段交界处,并辨别纯噪声谱段和直扩信号;
前向比值序列和后向比值序列分别为:
2.根据权利要求1所述的一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于:所述上限阈值为2,下限阈值为0.5。
3.根据权利要求1所述的一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于:所述进行目标信号频段定位包括如下步骤:
若(Bf[i]>2)&(Bf[i+1]<0.5),则目标信号位于第i个子段,若(Bf[i]<0.5)&(Bf[i+1]>2),则目标信号位于第i+1个子段,若(Bf[i]<0.5)&(Bf[i+1]≈1)&(Bf[i+2]>2),则目标信号位于第i个子段和第i+1个子段的交界处;若(Bb[i]>2)&(Bb[i+1]<0.5),则目标信号位于第i个子段,若(Bb[i]<0.5)&(Bb[i+1]>2),则目标信号位于第i+1个子段,若(Bb[i]<0.5)&(Bb[i+1]≈1)&(Bb[i+2]>2),则目标信号位于第i个子段和第i+1个子段的交界处。
4.根据权利要求1所述的一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于:所述辨别纯噪声谱段和直扩信号包括步骤如下:
(1)计算待检测频段的二次功率谱;
(2)在二次功率谱中查找最大值Vmax,并求取均值Vmean;
(3)将最大值Vmax和均值Vmean比值作为检测特征值E,即E=Vmax/Vmean;
(4)检测特征值E与设定的阈值th进行比较判断:如果E>th,则判断该频段混有直扩信号,否则为纯噪声频段。
5.根据权利要求4所述的一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于:二次功率谱查找最大值及求平均值时不包含零频直流分量。
7.根据权利要求4所述的一种基于频谱离散度分析的信号快速检测搜索方法,其特征在于:在步骤(4)中,阈值th的取值范围为20~25。
8.一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,其特征在于,所述的计算机程序被处理器执行时实现如权利要求1~权利要求7任一所述方法的步骤。
9.一种基于频谱离散度分析的信号快速检测搜索设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于:所述的处理器执行所述的计算机程序时实现如权利要求1~权利要求7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011181221.5A CN112436863B (zh) | 2020-10-29 | 2020-10-29 | 一种基于频谱离散度分析的信号快速检测搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011181221.5A CN112436863B (zh) | 2020-10-29 | 2020-10-29 | 一种基于频谱离散度分析的信号快速检测搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112436863A CN112436863A (zh) | 2021-03-02 |
CN112436863B true CN112436863B (zh) | 2023-05-02 |
Family
ID=74696474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011181221.5A Active CN112436863B (zh) | 2020-10-29 | 2020-10-29 | 一种基于频谱离散度分析的信号快速检测搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112436863B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153180A (zh) * | 2017-06-15 | 2017-09-12 | 中国科学院声学研究所 | 一种目标信号检测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9385780B2 (en) * | 2012-10-15 | 2016-07-05 | Ikanos Communications, Inc. | Method and apparatus for detecting and analyzing noise and other events affecting a communication system |
CN105071830B (zh) * | 2015-07-17 | 2017-10-03 | 西安空间无线电技术研究所 | 一种直扩信号的检测识别方法 |
CN105182070B (zh) * | 2015-08-13 | 2017-12-05 | 西华大学 | 一种信号检测方法 |
CN106849992B (zh) * | 2016-12-12 | 2019-06-18 | 西安空间无线电技术研究所 | 一种基于广义二次功率谱的直扩信号的检测方法 |
-
2020
- 2020-10-29 CN CN202011181221.5A patent/CN112436863B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153180A (zh) * | 2017-06-15 | 2017-09-12 | 中国科学院声学研究所 | 一种目标信号检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112436863A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113567604B (zh) | 色谱谱图的检测分析方法及电子设备 | |
CN113567603B (zh) | 色谱谱图的检测分析方法及电子设备 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN101738611A (zh) | 一种水声目标信号检测和识别方法 | |
CN112560803A (zh) | 基于时频分析与机器学习的雷达信号调制识别方法 | |
US20140240169A1 (en) | Radar apparatus using image change detector and method of operating the same | |
CN111191671A (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
CN114696893B (zh) | 基于otdr的事件定位方法、系统、装置及存储介质 | |
CN112436863B (zh) | 一种基于频谱离散度分析的信号快速检测搜索方法 | |
CN102542284B (zh) | 辨识光谱的方法 | |
CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN115047443A (zh) | 毫米波雷达的目标检测方法、装置和手持终端 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN113052053B (zh) | 一种坐标时间序列周期项的提取方法 | |
RU2148274C1 (ru) | Способ идентификации личности по особенностям подписи | |
CN114358056A (zh) | 基于深度学习的无人机信号识别方法及系统 | |
RU2090928C1 (ru) | Способ анализа сигналов о состоянии объекта | |
CN105629254A (zh) | 一种目标微动特征相干激光探测效果量化评价方法 | |
CN113064122A (zh) | P波段sar干扰抑制算法的性能评价方法、系统及介质 | |
Aouada et al. | Application of the bootstrap to source detection in nonuniform noise | |
CN110737922A (zh) | 一种基于独立成分分析的硬件木马检测方法 | |
CN118112545A (zh) | 基于瑞利拟合的大气激光雷达参考高度提取方法及系统 | |
CN111537986B (zh) | 一种信号捕获方法及装置 | |
JPH02287177A (ja) | 目標検出装置および固定クラッタ検出装置 | |
CN116699590B (zh) | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 |
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 |