CN112766064A - 一种iff脉冲信号分类提取方法 - Google Patents

一种iff脉冲信号分类提取方法 Download PDF

Info

Publication number
CN112766064A
CN112766064A CN202011624785.1A CN202011624785A CN112766064A CN 112766064 A CN112766064 A CN 112766064A CN 202011624785 A CN202011624785 A CN 202011624785A CN 112766064 A CN112766064 A CN 112766064A
Authority
CN
China
Prior art keywords
pulse
signal
point
iff
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
CN202011624785.1A
Other languages
English (en)
Other versions
CN112766064B (zh
Inventor
张吉楠
吴天笑
王萌
孙恩元
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.)
Hunan Econavi Technology Co Ltd
Original Assignee
Hunan Econavi 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 Hunan Econavi Technology Co Ltd filed Critical Hunan Econavi Technology Co Ltd
Priority to CN202011624785.1A priority Critical patent/CN112766064B/zh
Publication of CN112766064A publication Critical patent/CN112766064A/zh
Application granted granted Critical
Publication of CN112766064B publication Critical patent/CN112766064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种IFF脉冲信号分类提取方法，其步骤包括：步骤S1：识别：将非IFF信号优先排除；步骤S2：脉冲宽度检测：计算出脉冲信号的脉宽；步骤S3：IFF信号分类提取：依据步骤S2中得到的脉冲信号的脉冲宽度和脉冲中心位置，进行IFF信号分类提取。本发明具有原理简单、精确度高、适用范围广等优点。

Description

一种IFF脉冲信号分类提取方法
技术领域
本发明主要涉及到航空通信信息识别监测技术领域，特指一种IFF脉冲信号分类提取方法。
背景技术
IFF(敌我识别系统)作为电子侦察领域的一个重要内容，在电子侦察、电子对抗等应用中的作用越来越关键。敌我识别(IFF)信号识别研究可以作为获得电子侦察情报的重要来源，根据所截获的敌我识别信号经过分析与识别研究，统计出对方飞行器的特点与出行等重要的情报。在电子侦察、电子对抗中这些信息可以直接被我方所利用。
IFF信号分为MarkX，MarkXII以及S模式信号类型，信道都是通过脉冲信号组成，如何精确分类识别IFF信号类型是相关开发人员追求的目标。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、精确度高、适用范围广的IFF脉冲信号分类提取方法。
为解决上述技术问题，本发明采用以下技术方案：
一种IFF脉冲信号分类提取方法，其步骤包括：
步骤S1：识别：将非IFF信号优先排除；
步骤S2：脉冲宽度检测：计算出脉冲信号的脉宽；
步骤S3：IFF信号分类提取：依据步骤S2中得到的脉冲信号的脉冲宽度和脉冲中心位置，进行IFF信号分类提取。
作为本发明方法的进一步改进：所述步骤S2中，是通过对仿真的不同信噪比条件下的IFF信号，经过脉冲检测方法估计得到精确的脉宽检测值。
作为本发明方法的进一步改进：所述步骤S2中脉冲宽度检测分两步进行：脉宽粗检测和脉宽精检测。
作为本发明方法的进一步改进：所述步骤S2包括：
步骤S201：下变频之后提取的基带时域数据；即读取截取基带信号数据1：N；
步骤S202：作为脉冲粗检测门限；计算数据均值，除以4，得到Thre_corase；
步骤S203：连续大于Thre_corase的数据作为一类，成为一个检测出的脉冲；脉冲粗检测结果聚类，记录聚类的起始于结束点位置start_point,end_point；
步骤S204：依据start_point和end_point计算检测出的脉冲功率值，功率值除以2，得到脉冲精检测门限值；计算聚类检测出的各个脉冲功率，并除以2，得到Thre_fine；
步骤S205：当前点小于Thre_fine，后一个点大于Thre_fine，则这点作为新的start_point；当前点大于Thre_fine，后一个点小于Thre_fine则这点作为新的end_point；依据新的门限判断脉冲起始点start_point和脉冲结束点end_point；
步骤S206：依据start_point和end_point计算检测出的脉冲宽度与脉冲中点；计算脉冲的宽度pluse_w与脉冲中心点mid_point。
作为本发明方法的进一步改进：所述步骤S3包括：
步骤S301：依据得到的脉冲宽度pluse_w、脉冲中心mid_point，判别0.45us、0.5us、0.8us脉冲特征数据；如果为否，则为非IFF信号；如果为是，则进入步骤S302；
步骤S302：如是0.45us，则进行0.45us脉冲数据检测，先判断是否满足MarkX应答信号特征，再判断是否满足MarkXII应答信号特征；如为否，则为非IFF信号；
步骤S303：如是0.5us，则进行0.5us脉冲数据检测，判断是否满足MarkXII询问信号特征；如为否，则为非IFF信号；
步骤S304：如是0.8us，则进行0.8us脉冲数据检测，先判断是否满足MarkX询问信号特征，再判断是否满足S模式询问信号特征，然后判断是否满足S模式应答信号特征；如为否，则为非IFF信号。
作为本发明方法的进一步改进：所述步骤S1中，先对待识别信号进行脉冲检测，如果在信号中不存在三种脉冲之一，则不符合信号脉内特征，将信号判定为非IFF信号优先排除；如在信号中存在三脉冲之一的脉内特征，则将信号送入步骤S2。
与现有技术相比，本发明的优点在于：
本发明的IFF脉冲信号分类提取方法，原理简单、精确度高、适用范围广，其针对现有工作模式下信号表现出的不同特征信息，从而基于脉冲宽度精确检测方法进而优化IFF信号识别分类方法。本发明通过实采数据或仿真数据验证了IFF信号分类识别方法的有效性。
附图说明
图1是MarkX询问信号的示意图。
图2是MarkXII询问信号的示意图。
图3是S模式询问信号的示意图。
图4是MarkX应答信号的示意图。
图5是MarkXII模式4应答码的示意图。
图6是S模式应答码的示意图。
图7是本发明中脉冲宽度检测计算流程示意图。
图8是IFF信号检测计算流程示意图。
图9是本发明方法的流程示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
IFF信号分为MarkX，MarkXII以及S模式信号类型，每种模型又分为询问与应答模式，所以一共有六种IFF信号。
MarkX询问信号一共有6种询问模式，分别称为1、2、3/A、B、C、D模式。其中1、2两种模式专用于军用识别询问；3/A模式用于军用和民用识别；B模式只用于民用识别；C模式用于高度询问；D模式作为备用询问模式。如图1中P1、P2、P3脉宽均为0.8μs，根据不同的模式P1、P3间隔变化，其中P2为旁瓣抑制控制脉冲。
MarkXII询问兼容MarkX，并增加了模式4工作模式(军用)。如图2所示，模式4询问信号中脉冲间隔为2us，脉冲持续时间为0.5us。信号以4个同步脉冲起始，时序为0、2、4、6us，后面紧跟由密码机提供的32位编码脉冲，询问信号长度为74us。
S模式兼容模式MarkX。S模式中地面传感器以1030MHz的频率、差分相移键控(DPSK)的方式来发送询问。信号部分如果发生180度相位变化表示一个二进制的“1”，无相位变化表示二进制的“0”。两个相位反转位置之间的间隔为0.25us传输速率为4Mbps。如图3所示，为S模式询问信号格式：
S模式询问信号中，P1和P2为两个起始脉冲，两者间隔时间2us，脉冲持续是0.8us。起始脉冲之后为一个信息脉冲P6，它的持续时间为16.25us(短)或者30.25us(长)。编码长度为56或112bit，分别称为短编码或长编码。
MarkX应答信号如图4所示，F1、F2为框架脉冲，SPI是特殊位置识别码脉冲，这3个脉冲时序固定为0、20.3、24.65us，两框架脉冲之间的12个码可以编成212＝4096个独立的应答码，相邻信息脉冲时间间隔为1.45us，脉冲宽度均为0.45us。
MarkXII模式4应答码为3个脉冲组成的一组码，应答脉冲组位于16个位置中的任意一个位置，脉冲组位置间隔4N us(N＝0,1,…,15),脉冲持续时间0.45us。应答脉冲的信息隐藏在时延中。
S模式应答码由报头和应答数据块组成，报头4个脉冲称为S模式应答引导脉冲，脉冲时序为0、1、3.5、4.5us，脉宽为0.5us。应答的数据包含在4个报头脉冲之后的应答数据块内，这些数据通过脉冲位置调制进行编码，每1us又分成两个周期，各占0.5us，最后24位用于地址奇偶校验。
由以上对信号各种模式分析之后，可以看出IFF询问、应答信号都是一系列短脉冲序列经过载波调制而成，从时域上来看，各种信号在基带上的区别体现在脉冲序列、脉冲宽度、脉间间隔与脉冲个数上。区分不同的IFF信号也是基于脉冲不同的特征。
所有的六种(询问、应答)信号中，MarkX询问信号的三个脉冲P1、P2、P3脉冲宽度为0.8us，MarkX应答信号的框架脉冲F1、F2与SPI位置脉冲及12个数据脉冲宽度均为0.45us。MarkXII询问信号的模式4的同步脉冲、控制脉冲及信号脉宽均为0.5us，应答信号三个脉冲组成的码组中单个脉冲宽度均为0.45us。S模式询问信号除编码脉冲P6外脉冲宽度均为0.8us，S模式的应答报头脉冲对单个脉冲脉宽均为0.8us。
由以上可知，IFF信号具备三种脉宽之一，分别为0.45us、0.5us、0.8us。
如图9所示，本发明的一种IFF脉冲信号分类提取方法，其步骤包括：
步骤S1：识别；
先对待识别信号进行脉冲检测，如果在信号中不存在三种脉冲之一，则不符合信号脉内特征，可以将信号判定为非IFF信号优先排除，如在信号中存在三脉冲之一的脉内特征，则将信号送入具体信号识别过程。
步骤S2：脉冲宽度精确检测；
通过对仿真的不同信噪比条件下的IFF信号，经过脉冲检测方法估计能够得到精确的脉宽检测值。精确计算出脉冲信号的脉宽成为成功分类识别的前提。
步骤S3：IFF信号分类提取。
依据步骤S2中脉宽检测方法得到的脉冲信号的脉冲宽度以及脉冲中心位置，可以进一步对IFF信号进行分类识别，完成识别之后进行分类提取。
由此而可见，本发明中通过对脉冲宽度进行精确检测，进而依据IFF六种(询问、应答)信号不同的脉内特征进行分类识别，从而形成一种IFF脉冲信号分类识别方法。
如图7所示，在具体应用实例中，步骤S2中，脉冲宽度精确检测分两步进行，脉宽粗检测和脉宽精检测，具体包括：
步骤S201：下变频之后提取的基带时域数据；即读取截取基带信号数据1：N；
步骤S202：作为脉冲粗检测门限；计算数据均值，除以4，得到Thre_corase。
步骤S203：连续大于Thre_corase的数据作为一类，成为一个检测出的脉冲；脉冲粗检测结果聚类，记录聚类的起始于结束点位置(start_point,end_point)；
步骤S204：依据start_point和end_point计算检测出的脉冲功率值，功率值除以2，得到脉冲精检测门限值。计算聚类检测出的各个脉冲功率，并除以2，得到Thre_fine。
步骤S205：当前点小于Thre_fine，后一个点大于Thre_fine，则这点作为新的start_point。当前点大于Thre_fine，后一个点小于Thre_fine则这点作为新的end_point。依据新的门限判断脉冲起始点start_point,和脉冲结束点end_point。
步骤S206：依据start_point和end_point计算检测出的脉冲宽度与脉冲中点。计算脉冲的宽度pluse_w与脉冲中心点mid_point。
如图8所示，在具体应用实例中，所述步骤S3中包括：
步骤S301：依据得到的脉冲宽度pluse_w、脉冲中心mid_point，判别0.45us、0.5us、0.8us脉冲特征数据；如果为否，则为非IFF信号；如果为是，则进入步骤S302；
步骤S302：如是0.45us，则进行0.45us脉冲数据检测，先判断是否满足MarkX应答信号特征，再判断是否满足MarkXII应答信号特征；如为否，则为非IFF信号；
步骤S303：如是0.5us，则进行0.5us脉冲数据检测，判断是否满足MarkXII询问信号特征；如为否，则为非IFF信号；
步骤S304：如是0.8us，则进行0.8us脉冲数据检测，先判断是否满足MarkX询问信号特征，再判断是否满足S模式询问信号特征，然后判断是否满足S模式应答信号特征；如为否，则为非IFF信号。
由此可见，依据上面的脉宽检测方法得到的脉冲信号的脉冲宽度以及脉冲中心位置，就可以进一步对IFF信号进行分类识别，完成识别后就进行分类提取。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.一种IFF脉冲信号分类提取方法，其特征在于，步骤包括：
步骤S1：识别：将非IFF信号优先排除；
步骤S2：脉冲宽度检测：计算出脉冲信号的脉宽；
步骤S3：IFF信号分类提取：依据步骤S2中得到的脉冲信号的脉冲宽度和脉冲中心位置，进行IFF信号分类提取。
2.根据权利要求1所述的IFF脉冲信号分类提取方法，其特征在于，所述步骤S2中，是通过对仿真的不同信噪比条件下的IFF信号，经过脉冲检测方法估计得到精确的脉宽检测值。
3.根据权利要求2所述的IFF脉冲信号分类提取方法，其特征在于，所述步骤S2中脉冲宽度检测分两步进行：脉宽粗检测和脉宽精检测。
4.根据权利要求3所述的IFF脉冲信号分类提取方法，其特征在于，所述步骤S2包括：
步骤S201：下变频之后提取的基带时域数据；即读取截取基带信号数据1：N；
步骤S202：作为脉冲粗检测门限；计算数据均值，除以4，得到Thre_corase；
步骤S203：连续大于Thre_corase的数据作为一类，成为一个检测出的脉冲；脉冲粗检测结果聚类，记录聚类的起始于结束点位置start_point,end_point；
步骤S204：依据start_point和end_point计算检测出的脉冲功率值，功率值除以2，得到脉冲精检测门限值；计算聚类检测出的各个脉冲功率，并除以2，得到Thre_fine；
步骤S205：当前点小于Thre_fine，后一个点大于Thre_fine，则这点作为新的start_point；当前点大于Thre_fine，后一个点小于Thre_fine则这点作为新的end_point；依据新的门限判断脉冲起始点start_point和脉冲结束点end_point；
步骤S206：依据start_point和end_point计算检测出的脉冲宽度与脉冲中点；计算脉冲的宽度pluse_w与脉冲中心点mid_point。
5.根据权利要求1-4中任意一项所述的IFF脉冲信号分类提取方法，其特征在于，所述步骤S3包括：
步骤S301：依据得到的脉冲宽度pluse_w、脉冲中心mid_point，判别0.45us、0.5us、0.8us脉冲特征数据；如果为否，则为非IFF信号；如果为是，则进入步骤S302；
步骤S302：如是0.45us，则进行0.45us脉冲数据检测，先判断是否满足MarkX应答信号特征，再判断是否满足MarkXII应答信号特征；如为否，则为非IFF信号；
步骤S303：如是0.5us，则进行0.5us脉冲数据检测，判断是否满足MarkXII询问信号特征；如为否，则为非IFF信号；
步骤S304：如是0.8us，则进行0.8us脉冲数据检测，先判断是否满足MarkX询问信号特征，再判断是否满足S模式询问信号特征，然后判断是否满足S模式应答信号特征；如为否，则为非IFF信号。
6.根据权利要求1-4中任意一项所述的IFF脉冲信号分类提取方法，其特征在于，所述步骤S1中，先对待识别信号进行脉冲检测，如果在信号中不存在三种脉冲之一，则不符合信号脉内特征，将信号判定为非IFF信号优先排除；如在信号中存在三脉冲之一的脉内特征，则将信号送入步骤S2。
CN202011624785.1A 2020-12-30 2020-12-30 一种iff脉冲信号分类提取方法 Active CN112766064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011624785.1A CN112766064B (zh) 2020-12-30 2020-12-30 一种iff脉冲信号分类提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011624785.1A CN112766064B (zh) 2020-12-30 2020-12-30 一种iff脉冲信号分类提取方法

Publications (2)

Publication Number Publication Date
CN112766064A true CN112766064A (zh) 2021-05-07
CN112766064B CN112766064B (zh) 2023-02-14

Family

ID=75698927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011624785.1A Active CN112766064B (zh) 2020-12-30 2020-12-30 一种iff脉冲信号分类提取方法

Country Status (1)

Country Link
CN (1) CN112766064B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985144A (zh) * 2021-10-28 2022-01-28 长沙先度科技有限公司 一种iff脉冲信号检测方法
CN114301494A (zh) * 2021-12-27 2022-04-08 中国航天科工集团八五一一研究所 基于dsp的敌我识别解译方法
CN116166934A (zh) * 2023-04-25 2023-05-26 成都允高科技有限公司 一种基于交叉算法的iff信号识别方法、装置及介质
CN117375771A (zh) * 2023-12-08 2024-01-09 长沙先度科技有限公司 一种iff模式五信号的帧头检测方法、装置及信号接收机
CN117375771B (zh) * 2023-12-08 2024-05-28 长沙先度科技有限公司 一种iff模式五信号的帧头检测方法、装置及信号接收机

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104184526A (zh) * 2013-05-23 2014-12-03 北京邮电大学 基于最优检测门限的两步认知无线电频谱检测方法
US20160033630A1 (en) * 2014-07-31 2016-02-04 James Francis Harvey Secondary surveillance radar signals as primary surveillance radar
KR20160098849A (ko) * 2015-02-11 2016-08-19 국방과학연구소 슬라이딩 윈도우기반 ｉｆｆ 신호탐지 방법
CN109917342A (zh) * 2019-03-11 2019-06-21 南京理工大学 一种中频信号与数字信号双模式的雷达仿真平台
CN110297244A (zh) * 2019-07-26 2019-10-01 中国人民解放军国防科技大学 一种极化合成孔径雷达海面船只尾流检测方法
CN110401479A (zh) * 2019-07-24 2019-11-01 中国电子科技集团公司第三十六研究所 基于旋翼无人机载设备和地面设备的目标信号识别方法
CN111913176A (zh) * 2020-07-30 2020-11-10 西南电子技术研究所（中国电子科技集团公司第十研究所） 二次雷达独立实现目标iff识别的方法
CN112014810A (zh) * 2020-08-07 2020-12-01 西安电子科技大学 基于fpga的电子侦察信号参数高精度测量方法
CN112083386A (zh) * 2020-08-30 2020-12-15 西南电子技术研究所（中国电子科技集团公司第十研究所） Iff应答机边界测试方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104184526A (zh) * 2013-05-23 2014-12-03 北京邮电大学 基于最优检测门限的两步认知无线电频谱检测方法
US20160033630A1 (en) * 2014-07-31 2016-02-04 James Francis Harvey Secondary surveillance radar signals as primary surveillance radar
KR20160098849A (ko) * 2015-02-11 2016-08-19 국방과학연구소 슬라이딩 윈도우기반 ｉｆｆ 신호탐지 방법
CN109917342A (zh) * 2019-03-11 2019-06-21 南京理工大学 一种中频信号与数字信号双模式的雷达仿真平台
CN110401479A (zh) * 2019-07-24 2019-11-01 中国电子科技集团公司第三十六研究所 基于旋翼无人机载设备和地面设备的目标信号识别方法
CN110297244A (zh) * 2019-07-26 2019-10-01 中国人民解放军国防科技大学 一种极化合成孔径雷达海面船只尾流检测方法
CN111913176A (zh) * 2020-07-30 2020-11-10 西南电子技术研究所（中国电子科技集团公司第十研究所） 二次雷达独立实现目标iff识别的方法
CN112014810A (zh) * 2020-08-07 2020-12-01 西安电子科技大学 基于fpga的电子侦察信号参数高精度测量方法
CN112083386A (zh) * 2020-08-30 2020-12-15 西南电子技术研究所（中国电子科技集团公司第十研究所） Iff应答机边界测试方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOACHIM SCHILLER: "Capabilities, developments and challenges in non-cooperative target identification using radar", 《2011 MICROWAVES, RADAR AND REMOTE SENSING SYMPOSIUM》 *
钱眺: "IFF信号的分析与识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985144A (zh) * 2021-10-28 2022-01-28 长沙先度科技有限公司 一种iff脉冲信号检测方法
CN113985144B (zh) * 2021-10-28 2024-05-14 长沙先度科技有限公司 一种iff脉冲信号检测方法
CN114301494A (zh) * 2021-12-27 2022-04-08 中国航天科工集团八五一一研究所 基于dsp的敌我识别解译方法
CN116166934A (zh) * 2023-04-25 2023-05-26 成都允高科技有限公司 一种基于交叉算法的iff信号识别方法、装置及介质
CN116166934B (zh) * 2023-04-25 2023-07-25 成都允高科技有限公司 一种基于交叉算法的iff信号识别方法、装置及介质
CN117375771A (zh) * 2023-12-08 2024-01-09 长沙先度科技有限公司 一种iff模式五信号的帧头检测方法、装置及信号接收机
CN117375771B (zh) * 2023-12-08 2024-05-28 长沙先度科技有限公司 一种iff模式五信号的帧头检测方法、装置及信号接收机

Also Published As

Publication number Publication date
CN112766064B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
CN112766064B (zh) 一种iff脉冲信号分类提取方法
CN111045008B (zh) 基于展宽计算的车载毫米波雷达目标识别方法
CN110705501B (zh) 一种提升fmcw雷达手势识别精度的干扰抑制方法
CN109814073A (zh) 一种mtd雷达解模糊测速方法
KR100761795B1 (ko) 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법
CN113109784B (zh) 一种基于盲源分离的雷达脉冲重复间隔估计方法
CN113050071B (zh) 激光雷达数据处理方法、装置、设备及存储介质
CN101750605B (zh) 一种基于航管二次雷达测试系统的抗干扰处理方法
CN104270167A (zh) 一种基于多维特征神经网络的信号检测和估计方法
CN111060878B (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
US7408497B2 (en) Method and device for determining a reference value of a response, in particular of a mode S response received by a secondary radar
CN113050069B (zh) 激光雷达的干扰信号获取方法、装置、设备及存储介质
CN112350797A (zh) 一种应用于敌我识别系统的抗欺骗询问方法
CN113093180B (zh) 一种基于聚类外推的慢速弱目标检测方法
WO2004088898A2 (en) Method and system for tracking eigenvalues of matrix pencils for signal enumeration
CN103354512A (zh) 基于相关检测技术的s模式ads-b系统的报头检测方法
US7619557B2 (en) Method and device for filtering a video signal received by a secondary radar, particularly in order to eliminate mode S replies
CN102761349B (zh) 一种有效相关峰脉冲序列的判定方法及系统
CN115219991A (zh) 一种基于希尔伯特变换的二相编码调制信号识别方法
CN113820668B (zh) 毫米波调频连续波雷达的强干扰抑制系统及其抑制方法
CN110031807A (zh) 一种基于无模型强化学习的多阶段灵巧噪声干扰方法
CN107942297A (zh) 一种a/c模式应答信号处理方法
Zou et al. An S Mode ADS-B Preamble Detection Algorithm
CN116961796A (zh) 基于联合信号检测的ModeS应答信号解码方法
CN113534096A (zh) 基于样条函数的LiDAR信号几何特征提取方法及系统

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