CN112684251A - 一种基于功率谱模版的目标信号频域检测方法 - Google Patents

一种基于功率谱模版的目标信号频域检测方法 Download PDF

Info

Publication number
CN112684251A
CN112684251A CN201910985590.0A CN201910985590A CN112684251A CN 112684251 A CN112684251 A CN 112684251A CN 201910985590 A CN201910985590 A CN 201910985590A CN 112684251 A CN112684251 A CN 112684251A
Authority
CN
China
Prior art keywords
power spectrum
sequence
frequency
target signal
detection
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
Application number
CN201910985590.0A
Other languages
English (en)
Other versions
CN112684251B (zh
Inventor
马洪
庞淑萍
张华�
马婧闻
徐行
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Ruitian Bopu Information Technology Co ltd
Original Assignee
Wuhan Ruitian Bopu Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Ruitian Bopu Information Technology Co ltd filed Critical Wuhan Ruitian Bopu Information Technology Co ltd
Priority to CN201910985590.0A priority Critical patent/CN112684251B/zh
Publication of CN112684251A publication Critical patent/CN112684251A/zh
Application granted granted Critical
Publication of CN112684251B publication Critical patent/CN112684251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明提供一种利用功率谱模版对目标信号进行频域检测的方法，其特征在于，该方法将扫频功率谱或扫频差分功率谱作为待进行频域检测的功率谱序列，以事先获取的目标信号功率谱作为检测模版（参考序列），然后，一方面根据目标信号的带宽特征对待检测功率谱序列进行频域形态学滤波处理和检测，另一方面将待检测功率谱序列与参考序列进行滑动相关匹配滤波处理和检测，融合两者的检测结果并对连续多帧功率谱序列进行相同的处理和检测，形成连续多帧功率谱非相干积累检测输出，从而在时变起伏背景频谱环境下，获得对经由衰落信道传播到达接收天线的微弱目标信号的低虚警率、高检测率的频域检测性能。

Description

一种基于功率谱模版的目标信号频域检测方法
技术领域
本发明涉及无线电监测领域中的信号频域检测技术，具体地，涉及一种将事先获取的目标信号功率谱作为模板序列，对实时扫频功率谱序列联合进行频域形态滤波处理检测、频域匹配滤波处理检测，从而实现目标信号的频域低虚警检测的方法。
背景技术
目前常用的信号检测方法为各类时域恒虚警检测技术，例如，CA-CFAR、OS-CFAR等检测算法。但是，对于无线电监测领域而言，常常需要在非常宽的扫频监测频率范围内，将未知工作频点处的特定调制方式和带宽的目标信号及时检测出来。例如，常见的小型微型无人飞行器的下行图传信号、上行遥控信号均可存在于2.4GHz或5.8GHz ISM频段的数十个信道上，有时整个扫频范围甚至超过了规定的ISM频率范围，达到100MHz以上。由于ISM频段分布着大量的其它宽带和窄带信号，对无人机的上/下行信号接收造成严重干扰，因此无人机须实时监测各信道的干扰状态并动态选择最优信道工作，甚至采用慢速/快速跳频、扩频发射模式以提高抗干扰性能。另一方面，无人机飞行距离、速度和姿态变化又造成了传输信号的起伏不定和衰落。常规的时域信号检测技术在上述场景下无法被直接应用，迫切需要有基于无线电监测接收机输出的扫频功率谱来进行目标信号检测的性能优良的方法。
目前，已有一些针对扫频功率谱进行目标信号检测的方法和应用实例。例如，中国发明专利CN106646406A（基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法）提供了一种基于改进小波阈值去噪的外弹道测速雷达功率谱峰值检测方法。瑞士伯尔尼应用科学大学的M.Witschi等人在2016年欧洲信号处理学术会议（EUSIPCO′2016）上发表了一篇利用频域形态学滤波器进行功率谱处理的文章，提供了一种抑制强干扰信号功率谱的目标信号低虚警率频域检测思路，并在实验中验证了其对抗窄带/宽带干扰的效果。美国是德科技（Keysight）在其“黑鸟”无线电监测系统和N6820ES软件中，均采用了一种称之为“宽带频谱特征检测器”的技术，据称基于能量检测算法、峰值比较法和限值比较法，可以检测和识别多种不同型号无人机的通信信号，并应用于由多个频谱监测站组网的无人机TDOA定位系统中。
综上，已有的目标信号频域检测方法大多基于某种单一的检测处理方法，未能综合利用目标信号的带宽、频谱形状等多类信息，它们在时变、起伏不定、多种干扰并存的背景频谱环境下，对微弱、非平稳目标信号进行检测的检测率和虚警率性能都会明显降低。
发明内容
本发明的目的在于提供一种基于功率谱模板的目标信号频域检测方法，它综合应用了频域形态学滤波处理、频域滑动相关匹配滤波处理、阈值检测、峰值检测、非相干积累等技术思路，并在背景功率谱序列生成、实时扫频差分功率谱序列生成，以及检测参数计算的鲁棒性改进等方面提出了切实可行的具体、成套的实施方案。
本发明提供一种利用功率谱模版对目标信号进行频域检测的方法，其特征在于，该方法将扫频功率谱或扫频差分功率谱作为待进行频域检测的功率谱序列，以事先获取的目标信号功率谱作为检测模版（参考序列），然后，一方面根据目标信号的带宽特征对待检测功率谱序列进行频域形态学滤波处理和检测，另一方面将待检测功率谱序列与参考序列进行滑动相关匹配滤波处理和检测，融合两者的检测结果并对连续多帧待检测功率谱序列进行相同的处理和检测，形成连续多帧功率谱非相干积累检测输出，从而在时变起伏背景频谱环境下，获得对经由衰落信道传播到达接收天线的微弱目标信号的低虚警率、高检测率的频域检测性能。
本发明提供的方法，在处理流程上包括实时扫频功率谱读取、生成待检测实时扫频差分功率谱序列、选择和读取目标信号功率谱作为模版序列、频域形态学滤波处理和阈值检测、频域归一化互相关匹配滤波处理和阈值/峰值检测、连续多帧功率谱非相干积累检测等环节。具体包含以下步骤：
步骤1，待检测扫频功率谱序列可以为实时扫频功率谱序列或实时扫频差分功率谱序列，其中的实时扫频差分功率谱序列由实时扫频功率谱序列与扫频背景功率谱序列两者之差构成。将事先采集获得的目标信号的功率谱作为模版序列（参考序列），模板序列中包含目标信号有效带宽之外两侧部分长度的本底噪声序列，并从模板序列中读取目标信号的-3dB带宽值和-40dB带宽值；
步骤2，利用模版序列得到的两个结构元序列，对待检测扫频功率谱序列进行混合开窗运算得到满足带宽要求的频域形态滤波输出序列，对该序列进行阈值检测，输出目标信号的中心频率和带宽；
步骤3，利用模版序列对待检测扫频功率谱序列进行滑动相关运算，得到与待检测扫频功率谱序列对应的频域归一化互相关系数序列，对该序列进行峰值检测，输出目标信号的中心频率和带宽；
步骤4，对步骤2和步骤3得到的两种检测结果进行融合：若两种检测结果一致则输出融合的目标信号检测结果，否则输出无目标信号被检测的结果；
步骤5，对连续多帧的待检测扫频功率谱序列进行非相干积累检测，即对连续多帧的待检测扫频功率谱序列按照步骤1至步骤4进行循环处理和检测，得到每帧待检测扫频功率谱序列的融合检测结果，若连续多个融合检测结果保持一致即可最终认定目标信号已被检测得到，否则输出未检测到目标信号的结论；
步骤6，按照上述步骤1至步骤5对不断输入的待检测扫频功率谱序列进行处理和检测，持续输出检测结果。
附图说明
图1是基于功率谱模板的目标信号频域检测方法的处理流程图。
图2是对待检测功率谱序列进行频域形态学滤波处理的流程图。
图3和图4是对频域形态学滤波输出序列进行目标信号检测的流程图，其中，图3是判断该帧输出序列中是否存在目标信号的流程，图4是对该帧输出序列进行阈值检测的流程图。
图5是对待检测功率谱序列进行频域匹配滤波处理和检测的流程图。
具体实施方式
本发明所提出的方法首先处理输入的实时扫频功率谱序列、事先获得的目标信号功率谱序列并将其作为模版序列，然后对处理得到的待检测实时扫频功率谱序列或实时扫频差分功率谱序列进行频域形态学滤波和频域匹配滤波处理，并对处理得到的对应序列进行阈值检测和峰值检测，之后联合两者检测结果得到融合的目标信号检测信息，最后按时间顺序对多帧待检测功率谱序列进行非相干积累检测，最终达到提高对微弱、非平稳目标信号检测性能的目的。
下面通过借助实施例更加详细地说明本发明的内容，但以下实施例仅是说明性的，本发明的保护范围并不受这些实施例的限制。
如图1所示，一种基于目标信号功率谱模版，对实时扫频功率谱序列或实时扫频差分功率谱序列进行频域处理和检测的方法，包括以下步骤：
步骤1，读取无线电监测接收机输出的实时扫频功率谱序列和扫频背景功率谱序列，默认使用由上述两种功率谱序列之差得到的实时扫频差分功率谱序列作为待检测的功率谱序列，在某些情况下用户也可选择直接将实时扫频功率谱序列作为待检测功率谱序列。
扫频背景功率谱序列须在开始本步骤处理之前，对连续多帧的实时扫频功率谱序列进行迹线平均处理得到，以此避免非稳定的时变、起伏干扰信号的功率谱被直接统计进入到背景功率谱中。
在非稳定的强干扰情况下，由迹线平均处理得到的扫频背景功率谱可能出现本底噪声谱极不平坦或某些频率范围本底噪声明显抬升的现象，此时可通过观察实时迹线平均功率谱中本底噪声谱的分布情况人工选择一个合适的功率谱值或人工设定一个本底噪声谱分布模板来作为扫频背景功率谱序列。
计算实时扫频差分功率谱序列的方法，可以采用以下方法加以改进以提高对非常接近本底噪声功率谱的微弱目标信号的检测，或者消除起伏不定的干扰信号功率谱或本底噪声功率谱对目标信号功率谱的遮盖效应：
Figure 668072DEST_PATH_IMAGE001
其中，
Figure 991737DEST_PATH_IMAGE002
为改进的实时扫频差分功率谱，
Figure 850103DEST_PATH_IMAGE003
为实时扫频功率谱（dBm）与扫频背景功率谱（dBm）之差值序列。其中的
Figure 527203DEST_PATH_IMAGE004
为差值序列比较门限，对应的目标信号信噪比比较门限为
Figure 420204DEST_PATH_IMAGE005
（dB）。例如，取差值序列比较门限
Figure 321295DEST_PATH_IMAGE006
时，对应的目标信号信噪比比较门限为-9.14dB；取差值序列比较门限
Figure 542323DEST_PATH_IMAGE007
时，对应的目标信号信噪比比较门限为-5.87dB。此意味着，当
Figure 147748DEST_PATH_IMAGE008
时，比扫频背景功率谱高0.5dB的信号功率谱都将在差分功率谱中得到凸显，有利于后续处理过程检测出非常微弱的目标信号。
步骤2，读入事先采集获得的目标信号功率谱并将其作为模版序列（参考序列），模板序列中包含目标信号有效带宽之外两侧部分长度的本底噪声序列。从模板序列中读取目标信号的-3dB带宽值和-40dB带宽值，由此生成两个全零值结构元序列
Figure 98517DEST_PATH_IMAGE009
，其长度分别为目标信号-3dB带宽和-40dB带宽所对应的功率谱频率点个数
Figure 170509DEST_PATH_IMAGE010
。
步骤3，对步骤1获得的待检测功率谱序列和步骤2生成的结构元序列进行频域形态学滤波中的混合开窗运算处理，得到满足带宽要求的频域形态滤波输出序列。
如图2，是对待检测功率谱序列进行混合开窗处理的流程图，其输出序列
Figure 3467DEST_PATH_IMAGE011
定义为：
Figure 22370DEST_PATH_IMAGE012
其中，
Figure 952280DEST_PATH_IMAGE013
为待检测功率谱序列，
Figure 156294DEST_PATH_IMAGE014
为两个结构元序列，“
Figure 679811DEST_PATH_IMAGE015
”为形态滤波开窗运算符号，其运算定义为：
Figure 361459DEST_PATH_IMAGE016
其中，
Figure 755662DEST_PATH_IMAGE017
表示腐蚀运算，
Figure 107140DEST_PATH_IMAGE018
表示膨胀运算，M表示结构元序列
Figure 117953DEST_PATH_IMAGE019
的长度。可见，开窗运算是腐蚀和膨胀的级联运算。经过混合开窗运算后，已经将带宽小于
Figure 337713DEST_PATH_IMAGE020
的干扰信号和带宽大于
Figure 117581DEST_PATH_IMAGE021
的干扰信号抑制掉了，输出序列
Figure 623649DEST_PATH_IMAGE011
中只有带宽位于
Figure 856178DEST_PATH_IMAGE022
之间的非零信号功率谱了。其中，
Figure 410787DEST_PATH_IMAGE023
是待检测功率谱序列的分辨率带宽。
步骤4，如图3所示，先判断步骤3得到的频域形态滤波输出序列
Figure 497692DEST_PATH_IMAGE011
中是否有目标信号存在，若有，则继续按照图4进行阈值检测得到目标信号的中心频率值和带宽值。具体处理过程如下：
（1），对
Figure 112344DEST_PATH_IMAGE011
序列中的所有值按照升序进行排序，取前若干个最小点值进行平均，得到
Figure 894486DEST_PATH_IMAGE011
序列的本底值
Figure 49524DEST_PATH_IMAGE024
；取排序后最大的若干个点进行平均，得到最大值Max；
（2），计算
Figure 194198DEST_PATH_IMAGE025
是否小于等于0.05，若是，则表明本帧形态滤波输出序列中不含有目标信号，也即对应的实时扫频功率谱序列帧中不含有目标信号，此时就结束对本帧功率谱的形态滤波检测，否则继续进行以下步骤；
（3），计算检测门限值
Figure 917434DEST_PATH_IMAGE026
：
Figure 514769DEST_PATH_IMAGE027
；
（4），将
Figure 473497DEST_PATH_IMAGE011
序列与门限值
Figure 207098DEST_PATH_IMAGE026
进行比较，把
Figure 570078DEST_PATH_IMAGE011
序列中超过门限
Figure 654708DEST_PATH_IMAGE026
的连续频点归结为检测出的一个目标信号功率谱频率点，计算该信号的中心值（作为载波频率值）和带宽值。假设超过门限的连续频点为
Figure 964598DEST_PATH_IMAGE028
，则中心频率和带宽的计算公式为：
信号中心频率：
Figure 880601DEST_PATH_IMAGE029
。
信号带宽：
Figure 352165DEST_PATH_IMAGE025
。此时，可进一步采用四舍五入法将该带宽值规整为目标信号的标称-3dB带宽值。
步骤5，如图4所示，对步骤1中得到的待检测功率谱序列和步骤2中读入的目标信号模版序列进行滑动相关运算，得到与待检测功率谱序列对应的频域归一化互相关系数序列
Figure 924092DEST_PATH_IMAGE030
，并进行峰值检测判断是否有目标信号存在，若存在，则继续计算出信号参数。
频域滑动相关运算定义为：
Figure 568831DEST_PATH_IMAGE031
其中，
Figure 542603DEST_PATH_IMAGE013
为待检测功率谱序列，其频率点数为
Figure 309702DEST_PATH_IMAGE030
；
Figure 306608DEST_PATH_IMAGE032
为事先采集得到的目标信号所对应的模版序列，其频率点数为
Figure 82934DEST_PATH_IMAGE033
，且
Figure 645634DEST_PATH_IMAGE034
；
Figure 763459DEST_PATH_IMAGE035
，
Figure 778819DEST_PATH_IMAGE036
，
Figure 562099DEST_PATH_IMAGE037
。
Figure 244884DEST_PATH_IMAGE038
表示序列
Figure 619364DEST_PATH_IMAGE013
与
Figure 325283DEST_PATH_IMAGE032
之间的归一化互相关系数序列，“
Figure 505729DEST_PATH_IMAGE039
”表示求绝对值运算。
当
Figure 43021DEST_PATH_IMAGE013
为采用前述步骤1所定义的改进的实时扫频差分功率谱序列时，为了避免当干扰信号带宽超过模板序列总长度时出现
Figure 791665DEST_PATH_IMAGE040
为无穷大或非常接近1，并由此导致严重虚警的异常现象，可进一步将频域归一化互相关系数计算公式改进为：
Figure 47197DEST_PATH_IMAGE041
其中的常数
Figure 31333DEST_PATH_IMAGE042
，由以下公式确定：
Figure 688711DEST_PATH_IMAGE043
，
Figure 608256DEST_PATH_IMAGE044
，
Figure 819926DEST_PATH_IMAGE045
例如，当A=0.5时，
Figure 483120DEST_PATH_IMAGE046
，对应于在计算某个
Figure 995004DEST_PATH_IMAGE047
值的
Figure 210084DEST_PATH_IMAGE038
时的滑窗范围内，在不少于10%频点处的实时扫频功率谱值高于背景功率谱0.55dB。若此条件不成立，则直接令
Figure 174629DEST_PATH_IMAGE040
等于零。
对上述得到的频域归一化互相关系数的绝对值序列
Figure 313618DEST_PATH_IMAGE040
进行峰值过门限检测，判断是否有目标信号存在并计算信号参数：
若
Figure 742325DEST_PATH_IMAGE048
，则表明已经检测到与目标信号模板序列
Figure 65990DEST_PATH_IMAGE032
吻合的信号，并继续计算出所发现信号的中心频率和带宽：
当目标信号的功率谱模板
Figure 455514DEST_PATH_IMAGE032
是以中心点为对称轴呈对称分布的情况下，信号的中心频率计算公式为：
Figure 585144DEST_PATH_IMAGE049
信号带宽：
Figure 806041DEST_PATH_IMAGE050
。
其中，
Figure 503870DEST_PATH_IMAGE051
和
Figure 443007DEST_PATH_IMAGE052
分别是目标信号模板序列
Figure 48432DEST_PATH_IMAGE032
的频点数、-3dB带宽所对应的频点数，
Figure 451731DEST_PATH_IMAGE053
是待检测扫频功率谱序列的第一个频点的频率值，
Figure 320461DEST_PATH_IMAGE023
是待检测扫频功率谱序列的分辨率带宽。
步骤6，对步骤4和步骤5得到的两种检测结果进行融合：若两种检测结果给出的中心频率和带宽均处于指定的容差范围内，则输出融合的目标信号检测结果，否则输出无目标信号被检测的结果；
步骤7，对连续多帧的待检测扫频功率谱序列进行非相干积累检测，即对连续多帧的待检测扫频功率谱序列按照步骤1至步骤6进行循环处理和检测，得到每帧待检测扫频功率谱序列的融合检测结果，若连续多个融合检测结果保持一致即可最终认定目标信号已被检测得到，否则输出未检测到目标信号的结论。一般情况下，可以令融合检测结果保持连续一致的次数为3～5；
步骤8，按照上述步骤1至步骤7对不断输入的待检测扫频功率谱序列进行处理和检测，持续输出检测结果。
本发明利用目标信号的频域特征对实时扫频功率谱序列进行检测，可以在时变起伏背景频谱环境下，获得对经由衰落信道传播到达接收天线的微弱目标信号的低虚警率、高检测率的频域检测性能。
以上所述为本发明的较佳实施例而已，但本发明不应该局限于该实施例和附图所公开的内容。所以，凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (7)

1.一种利用功率谱模版对目标信号进行频域检测的方法，其特征在于，该方法包括以下步骤：
步骤1，待检测扫频功率谱序列可以为实时扫频功率谱序列或实时扫频差分功率谱序列，其中的实时扫频差分功率谱序列由实时扫频功率谱序列与扫频背景功率谱序列两者之差构 成，将事先采集获得的目标信号的功率谱作为模版序列（参考序列），模板序列中包含目标信号有效带宽之外两侧部分长度的本底噪声序列，并从模板序列中读取目标信号的-3dB带宽值和-40dB带宽值；
步骤2，利用模版序列得到的两个结构元序列，对待检测扫频功率谱序列进行混合开窗运算得到满足带宽要求的频域形态滤波输出序列，对该序列进行阈值检测，输出目标信号的中心频率和带宽；
步骤3，利用模版序列对待检测扫频功率谱序列进行滑动相关运算，得到待检测扫频功率谱序列对应的频域归一化互相关系数序列，对该序列进行峰值检测，输出目标信号的中心频率和带宽；
步骤4，对步骤2和步骤3得到的两种检测结果进行融合：若两种检测结果一致则输出融合的目标信号检测结果，否则输出无目标信号被检测的结果；
步骤5，对连续多帧的待检测扫频功率谱序列进行非相干积累检测，即对连续多帧的待检测扫频功率谱序列按照步骤1至步骤4进行循环处理和检测，得到每帧待检测扫频功率谱序列的融合检测结果，若连续多个融合检测结果保持一致即可最终认定目标信号已被检测得到，否则输出未检测到目标信号的结论；
步骤6，按照上述步骤1至步骤5对不断输入的待检测扫频功率谱序列进行处理和检测，持续输出检测结果。
2.根据权利要求1所述的方法，其特征在于，步骤1中的扫频背景功率谱序列须在启动检测之前，对连续多帧的实时扫频功率谱序列进行迹线平均处理得到，以此避免非稳定的时变、起伏干扰信号的功率谱被直接统计进入到背景功率谱中。
3.根据权利要求1所述的方法，其特征在于，步骤1中所述的计算实时扫频差分功率谱序列的方法，可以采用以下方法进行改进以便提高对非常接近本底噪声功率谱的微弱目标信号的检测，或者消除起伏不定的干扰信号功率谱或本底噪声功率谱对目标信号功率谱的遮盖效应：
Figure 724926DEST_PATH_IMAGE001
其中，
Figure 674690DEST_PATH_IMAGE002
为改进的实时扫频差分功率谱，
Figure 110219DEST_PATH_IMAGE003
为实时扫频功率谱（dBm）与扫频背景功率谱（dBm）之差值序列；常数
Figure 210156DEST_PATH_IMAGE004
为差值序列比较门限，对应的目标信号信噪比比较门限为
Figure 352424DEST_PATH_IMAGE005
（dB）；例如，取差值序列比较门限
Figure 332144DEST_PATH_IMAGE006
时，对应的目标信号信噪比比较门限为-9.14dB；取差值序列比较门限
Figure 802439DEST_PATH_IMAGE007
时，对应的目标信号信噪比比较门限为-5.87dB。
4.根据权利要求1所述的方法，其特征在于，步骤2中的两个结构元序列分别为两个指定长度的全零值序列，指定长度分别为从模板序列中读取得到的目标信号-3dB带宽和-40dB带宽所对应的功率谱频率点个数。
5.根据权利要求1所述的方法，其特征在于，步骤2中的混合开窗运算定义为：
Figure 283230DEST_PATH_IMAGE008
其中，
Figure 155371DEST_PATH_IMAGE009
表示混合开窗运算输出序列，
Figure 696205DEST_PATH_IMAGE010
为待检测实时扫频功率谱序列或实时扫频差分功率谱序列，
Figure 106327DEST_PATH_IMAGE011
为两个结构元序列，其长度分别为目标信号-3dB带宽和-40dB带宽所对应的功率谱频率点个数
Figure 875962DEST_PATH_IMAGE012
，“
Figure 851877DEST_PATH_IMAGE013
”为形态滤波开窗运算符号，其运算定义为：
Figure 484984DEST_PATH_IMAGE014
其中，
Figure 274079DEST_PATH_IMAGE015
表示腐蚀运算，
Figure 752465DEST_PATH_IMAGE016
表示膨胀运算，
Figure 677827DEST_PATH_IMAGE017
表示结构元序列
Figure 170251DEST_PATH_IMAGE018
的长度。
6.根据权利要求1所述的方法，其特征在于，步骤3中生成频域归一化互相关系数序列所采用的滑动相关运算定义为：
Figure 227068DEST_PATH_IMAGE019
其中，
Figure 705281DEST_PATH_IMAGE010
为待检测扫频功率谱序列，其频率点数为
Figure 531155DEST_PATH_IMAGE020
；
Figure 506064DEST_PATH_IMAGE021
为事先采集得到的目标信号所对应的模版序列，其频率点数为
Figure 613960DEST_PATH_IMAGE022
，且
Figure 824361DEST_PATH_IMAGE023
；
Figure 130840DEST_PATH_IMAGE024
，
Figure 870126DEST_PATH_IMAGE025
，
Figure 465318DEST_PATH_IMAGE026
；
Figure 167825DEST_PATH_IMAGE027
表示序列
Figure 296187DEST_PATH_IMAGE010
与
Figure 442260DEST_PATH_IMAGE021
之间的归一化互相关系数序列，“
Figure 288862DEST_PATH_IMAGE028
”表示求绝对值运算。
7.根据权利要求6所述的方法，其特征在于，当
Figure 342531DEST_PATH_IMAGE010
为采用前述权利要求3所定义的改进的实时扫频差分功率谱序列时，为了避免当干扰信号带宽超过模板序列总长度时出现
Figure 59820DEST_PATH_IMAGE029
为无穷大或非常接近1，并由此导致严重虚警的异常现象，将计算频域归一化互相关系数公式改进为：
Figure 626062DEST_PATH_IMAGE030
其中的常数
Figure 241851DEST_PATH_IMAGE031
，由以下公式确定：
Figure 817320DEST_PATH_IMAGE032
，
Figure 156160DEST_PATH_IMAGE033
，
Figure 876991DEST_PATH_IMAGE034
例如，当
Figure 730809DEST_PATH_IMAGE035
时，
Figure 93657DEST_PATH_IMAGE036
，对应于在计算某个
Figure 349320DEST_PATH_IMAGE037
值的
Figure 913157DEST_PATH_IMAGE027
时的滑窗范围内，在不少于10%频点处的实时扫频功率谱值高于背景功率谱0.55dB；若此条件不成立，则直接令
Figure 582166DEST_PATH_IMAGE029
等于零。
CN201910985590.0A 2019-10-17 2019-10-17 一种基于功率谱模版的目标信号频域检测方法 Active CN112684251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910985590.0A CN112684251B (zh) 2019-10-17 2019-10-17 一种基于功率谱模版的目标信号频域检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910985590.0A CN112684251B (zh) 2019-10-17 2019-10-17 一种基于功率谱模版的目标信号频域检测方法

Publications (2)

Publication Number Publication Date
CN112684251A true CN112684251A (zh) 2021-04-20
CN112684251B CN112684251B (zh) 2022-07-12

Family

ID=75444528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910985590.0A Active CN112684251B (zh) 2019-10-17 2019-10-17 一种基于功率谱模版的目标信号频域检测方法

Country Status (1)

Country Link
CN (1) CN112684251B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221781A (zh) * 2021-05-20 2021-08-06 成都海擎科技有限公司 一种基于多任务深度卷积神经网络的载波信号检测方法
CN114280367A (zh) * 2021-12-26 2022-04-05 湖南华诺星空电子技术有限公司 一种复杂电磁环境下无人机信号频点检测方法
CN114629117A (zh) * 2022-05-13 2022-06-14 国网浙江省电力有限公司宁波供电公司 功率时间碎片低压台区拓扑识别方法和装置
CN114745065A (zh) * 2022-02-28 2022-07-12 中国电子科技集团公司第二十九研究所 一种用于连续波和脉冲信号的一体化频谱监测方法及系统
CN115941084A (zh) * 2023-03-09 2023-04-07 北京理工大学 基于时频图模板匹配的水声通信前导信号检测方法及装置
CN116015497A (zh) * 2022-12-27 2023-04-25 成都爱科特科技发展有限公司 一种信号频谱模板匹配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071830A (zh) * 2015-07-17 2015-11-18 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
CN105785124A (zh) * 2016-03-07 2016-07-20 国网技术学院 一种采用谱估计和互相关的电力系统谐波和间谐波测量方法
JP2017041776A (ja) * 2015-08-20 2017-02-23 日本電信電話株式会社 信号情報取得システムおよび信号情報取得方法
CN106877901A (zh) * 2017-03-30 2017-06-20 西安电子科技大学 一种低噪比直扩信号的检测方法
CN109474306A (zh) * 2018-09-20 2019-03-15 中国人民解放军63653部队 一种基于直扩信号捕获的检测判决方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071830A (zh) * 2015-07-17 2015-11-18 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
JP2017041776A (ja) * 2015-08-20 2017-02-23 日本電信電話株式会社 信号情報取得システムおよび信号情報取得方法
CN105785124A (zh) * 2016-03-07 2016-07-20 国网技术学院 一种采用谱估计和互相关的电力系统谐波和间谐波测量方法
CN106877901A (zh) * 2017-03-30 2017-06-20 西安电子科技大学 一种低噪比直扩信号的检测方法
CN109474306A (zh) * 2018-09-20 2019-03-15 中国人民解放军63653部队 一种基于直扩信号捕获的检测判决方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杜兰: "雷达高分辨距离像目标识别方法研究", 《中国博士学位论文全文数据库信息科技辑》 *
葛鹏: "基于知识辅助的雷达波形设计算法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221781A (zh) * 2021-05-20 2021-08-06 成都海擎科技有限公司 一种基于多任务深度卷积神经网络的载波信号检测方法
CN113221781B (zh) * 2021-05-20 2022-12-06 成都海擎科技有限公司 一种基于多任务深度卷积神经网络的载波信号检测方法
CN114280367A (zh) * 2021-12-26 2022-04-05 湖南华诺星空电子技术有限公司 一种复杂电磁环境下无人机信号频点检测方法
CN114280367B (zh) * 2021-12-26 2022-10-14 湖南华诺星空电子技术有限公司 一种复杂电磁环境下无人机信号频点检测方法
CN114745065A (zh) * 2022-02-28 2022-07-12 中国电子科技集团公司第二十九研究所 一种用于连续波和脉冲信号的一体化频谱监测方法及系统
CN114629117A (zh) * 2022-05-13 2022-06-14 国网浙江省电力有限公司宁波供电公司 功率时间碎片低压台区拓扑识别方法和装置
CN114629117B (zh) * 2022-05-13 2022-08-23 国网浙江省电力有限公司宁波供电公司 功率时间碎片低压台区拓扑识别方法和装置
CN116015497A (zh) * 2022-12-27 2023-04-25 成都爱科特科技发展有限公司 一种信号频谱模板匹配方法
CN115941084A (zh) * 2023-03-09 2023-04-07 北京理工大学 基于时频图模板匹配的水声通信前导信号检测方法及装置

Also Published As

Publication number Publication date
CN112684251B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN112684251B (zh) 一种基于功率谱模版的目标信号频域检测方法
Yang et al. Cyclostationary feature detection based spectrum sensing algorithm under complicated electromagnetic environment in cognitive radio networks
CN110519003B (zh) 一种基于信号特征差异的无人机上下行通信链路识别方法及装置
US7929508B1 (en) Radio frequency signal analysis and classification using time-frequency information
Gorcin et al. An adaptive threshold method for spectrum sensing in multi-channel cognitive radio networks
Eduardo et al. Experimental evaluation of performance for spectrum sensing: Matched filter vs energy detector
Torrieri The radiometer and its practical implementation
CN111510255B (zh) 基于宽带频谱数据的跳频信号盲检测及参数估计方法
Khalaf et al. Hybrid spectrum sensing architecture for cognitive radio equipment
Lim Adaptive energy detection for spectrum sensing in unknown white Gaussian noise
Swetha et al. Analysis of spectrum sensing based on energy detection method in cognitive radio networks
CN117318853A (zh) 一种低信噪比下突发信号的检测方法
CN109347580B (zh) 一种已知占空比的自适应门限信号检测方法
CN117335864A (zh) 一种基于数字信道化技术的双窗滤波检测方法
Simpson et al. Robust statistics evidence based secure cooperative spectrum sensing for cognitive radio networks
Khalaf et al. Enhanced hybrid spectrum sensing architecture for cognitive radio equipment
Al-Badrawi et al. An EMD-based double threshold detector for spectrum sensing in cognitive radio networks
CN108718223B (zh) 一种非合作信号的盲频谱感知方法
Gupta et al. Wavelet based dynamic spectrum sensing for cognitive radio under noisy environment
CN111147168B (zh) 一种功率谱和统计融合的信号检测方法
CN113824518A (zh) 基于频谱的非合作信号检测方法
Hosseini et al. Enhanced FCME thresholding for wavelet‐based cognitive UWB over fading channels
Wang et al. A signal detection method based on hybrid energy detection
Wael et al. Wideband spectrum sensing using Welch periodogram in cognitive radio
JP4845819B2 (ja) 信号検出装置、受信機およびしきい値算出方法

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