CN112994741B - 跳频信号参数测量方法、装置和电子设备 - Google Patents
跳频信号参数测量方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112994741B CN112994741B CN202110509156.2A CN202110509156A CN112994741B CN 112994741 B CN112994741 B CN 112994741B CN 202110509156 A CN202110509156 A CN 202110509156A CN 112994741 B CN112994741 B CN 112994741B
- Authority
- CN
- China
- Prior art keywords
- frequency
- value
- elements
- row
- probability
- 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 52
- 239000011159 matrix material Substances 0.000 claims abstract description 108
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 36
- 238000010586 diagram Methods 0.000 description 7
- 230000002688 persistence Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04B1/713—Spread spectrum techniques using frequency hopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明的实施例提供了一种跳频信号参数测量方法、装置和电子设备,涉及信号测量技术领域。在对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图后,对各频谱图进行统计处理,即可得到表征频率概率分布的概率矩阵,然后根据中心频率以及采样带宽,即可计算得到概率矩阵中每一列元素对应的频率值,而在得到概率矩阵中每一列元素对应的频率值后,通过确定概率矩阵中的目标元素,获取目标元素所在列对应的频率值和所在行的行号,根据目标元素所在列对应的频率值以及所在行的行号,即可计算得到跳频信号的参数,降低了计算复杂度,耗时短,且精度高。
Description
技术领域
本发明涉及信号测量技术领域,具体而言,涉及一种跳频信号参数测量方法、装置和电子设备。
背景技术
由于跳频通信具有抗干扰能力强、低截获率、保密和易于组网等一系列独特的优点,在通信对抗领域得到了广泛的应用,已经成为电子对抗环境下提高通信抗干扰能力最有效的措施。通信对抗技术主要包括通信对抗侦察接收技术、通信测向技术、通信干扰技术和通信电子防御技术等部分。其中,通信对抗侦察接收技术主要包括捕获并识别出跳频信号,估计出跳频信号的特征参数信息,最后实现跳频电台的分选。其中,对跳频信号进行参数估计是侦察中十分关键的环节之一,而目前,大多对于跳频信号参数进行处理的算法均存在复杂度高或者精度不够的问题。
发明内容
基于上述研究,本发明提供了一种跳频信号参数测量方法、装置和电子设备,以改善上述问题。
本发明的实施例可以这样实现:
第一方面,本发明提供一种跳频信号参数测量方法,应用于电子设备,所述方法包括:
对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图;
对各所述频谱图进行统计处理,得到概率矩阵;
根据中心频率以及采样带宽,计算所述概率矩阵中每一列元素对应的频率值;其中,所述概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围;所述概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值;
确定所述概率矩阵中的目标元素,并获取所述目标元素所在列对应的频率值以及所在行的行号;
根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数。
在可选的实施方式中,所述对各所述频谱图进行统计处理,得到概率矩阵的步骤包括:
将各所述频谱图进行统计处理,得到最大幅值、最小幅值以及每个频率值对应的幅值;
根据所述最大幅值、所述最小幅值以及设定间隔,得到至少一个所述幅值范围;
根据每个频率值对应的幅值,计算得到每个所述频率值在每个所述幅值范围出现的次数;
根据每个所述频率值在每个所述幅值范围出现的次数,计算得到每个所述频率值在每个所述幅值范围出现的概率值;
根据每个所述频率值在每个所述幅值范围出现的概率值,以各所述幅值范围作为行,以各所述频率值作为列,转换得到所述概率矩阵。
在可选的实施方式中,所述根据中心频率以及采样带宽,计算所述概率矩阵中每一列元素对应的频率值的步骤包括:
根据中心频率以及采样带宽,通过以下公式计算得到所述概率矩阵中每一列元素对应的频率值:
在可选的实施方式中,所述确定所述概率矩阵中的目标元素的步骤包括:
根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素;
针对每列元素,若该列元素存在非噪声元素,获取该非噪声元素在该列元素中所在的行号;
根据各所述非噪声元素所在的行号,计算得到各所述非噪声元素中的目标元素。
在可选的实施方式中,所述门限值包括第一门限值以及第二门限值;所述根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素的步骤包括:
针对每一列元素,获取该列元素中第一个非零的目标概率值;
查找所述目标概率值在该列元素中设定范围内的最大概率值,并计算所述设定范围内各概率值的和值;
判断所述最大概率值是否大于第一门限值以及所述和值是否大于第二门限值;
若所述最大概率值大于第一门限值且所述和值大于第二门限值,判定该列元素存在非噪声元素,且所述最大概率值对应的元素为非噪声元素。
在可选的实施方式中,所述根据各所述非噪声元素所在的行号,计算得到所述非噪声元素中的目标元素的步骤包括:
根据峰值定律,通过以下公式计算得到所述非噪声元素中的目标元素:
在可选的实施方式中,所述跳频参数包括跳频带宽、跳频幅度、跳频个数以及跳频频率集;
所述根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数的步骤包括:
通过以下公式计算得到所述跳频带宽:
通过以下公式计算得到所述跳频幅度:
通过以下公式计算得到跳频个数:
通过以下公式计算得到跳频频率集:
在可选的实施方式中,所述对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图的步骤包括:
采用重叠技术,对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图。
第二方面,本发明提供一种跳频信号参数测量装置,应用于电子设备,所述跳频信号参数测量装置包括信号处理模块、频谱处理模块、矩阵处理模块以及参数计算模块;
所述信号处理模块用于对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图;
所述频谱处理模块用于对各所述频谱图进行统计处理,得到概率矩阵;
所述矩阵处理模块用于根据中心频率以及采样带宽,计算所述概率矩阵中每一列元素对应的频率值;其中,所述概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围,所述概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值;
所述矩阵处理模块还用于确定所述概率矩阵中的目标元素,并获取所述目标元素所在列对应的频率值以及所在行的行号;
所述参数计算模块用于根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数。
第三方面,本发明提供一种电子设备,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计算机程序时实现前述实施方式任意一项所述的跳频信号参数测量方法。
第四方面,本发明提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被执行时实现前述实施方式任意一项所述的跳频信号参数测量方法。
本发明实施例提供的跳频信号参数测量方法、装置和电子设备,在对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图后,对各频谱图进行统计处理,即可得到表征频率概率分布的概率矩阵,然后根据中心频率以及采样带宽,即可计算得到概率矩阵中每一列元素对应的频率值,而在得到概率矩阵中每一列元素对应的频率值后,通过确定概率矩阵中的目标元素,获取目标元素所在列对应的频率值和所在行的行号,根据目标元素所在列对应的频率值以及所在行的行号,即可计算得到跳频信号的参数,降低了计算复杂度,耗时短,且精度高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的电子设备的一种方框示意图。
图2为本发明实施例所提供的跳频信号参数测量方法的一种流程示意图。
图3为本发明实施例所提供的信号数据的一种示意图。
图4为本发明实施例所提供的数字余辉图的一种形成示意图。
图5为本发明实施例所提供的跳频信号参数测量装置的一种方框示意图。
图标:100-电子设备;10-跳频信号参数测量装置;11-信号处理模块;12-频谱处理模块;13-矩阵处理模块;14-参数计算模块;20-存储器;30-处理器;40-通信单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
通信对抗技术是指为削弱、破坏敌方无线电通信系统或通信网络的使用效能,保护己方无线电通信系统或通信网络使用效能正常发挥所采取的电子对抗技术,主要包括通信对抗侦察接收技术、通信测向技术、通信干扰技术和通信电子防御技术等部分。其中,通信对抗侦察接收技术主要包括捕获并识别出跳频信号,估计出跳频信号的特征参数信息,最后实现跳频电台的分选。通信测向技术用于测量并确定通信辐射源的方向和位置。通信干扰技术主要是指通过发射干扰信号或插入虚假信息削弱、破坏甚至中断敌方无线电通信的技术。通信电子防御技术通常包括通信反侦察技术和通信反干扰技术。
一般在对敌方电台实施干扰之前,均需要进行通信侦察,而对电台所发射的跳频信号进行参数估计是通信侦察中十分关键的环节之一。因此对跳频信号的参数估计技术展开研究不仅具有理论上的创新性与必要性,在通信对抗中也具有重要的实际应用价值。
目前针对跳频信号参数估计的方法主要有以下几种:
一是基于时频分析的跳频信号参数估计方法。跳频信号是一种非平稳信号,可运用时频工具获取非平稳信号的局部特征。比较经典的时频分析方法有短时傅里叶变换(short-time Fourier transform,STFT),Gabor变换,魏格纳分布,伪魏格纳分布,谱图等。这类方法实现均很简单,但是参数估计精度有待提高,在低信噪比时,性能恶化迅速。
二是基于原子分解的跳频信号参数估计方法。该类方法的核心思想是将跳频信号分解为一系列时频原子,也就是多个信号分量的组合。该方法通常需要先建立一个时频原子字典,然后将字典中的时频原子进行组合来逐渐逼近待分析的跳频信号,因此如何构造充足的原子字典以及如何使原子字典的组合与真实值最逼近都至关重要。该方法与基于时频分析的跳频信号参数估计方法相比,信噪比适应能力有所提高,但是算法复杂度高,需要多次迭代。
三是稀疏线性回归的方法,该类方法可运用于多个跳频信号的参数估计,但信噪比适应能力差。
四是基于ARMA 模型的跳变时刻检测与频率追踪算法,该类方法可在少量样本的情形下快速估计出多个信号的跳变时刻以及载频,但是该类方法信噪比适应能力也较弱。
五是利用二阶统计量将多个跳频信号进行分离,然后单独估计各个跳频信号参数估计的方法,但该类方法在单天线接收的情形下失效。
由上述研究现状可知,目前主流的参数估计算法均存在复杂度高或者精度不够问题,且均是在理论数据下进行验证,未结合实际的工程环境。
基于此,本实施例提供一种跳频信号参数测量方法、装置和电子设备,针对跳频信号的时变特性,在实装环境下进行跳频信号参数计算。根据傅里叶变换技术,得到信号数据的频谱图,通过对频谱图进行统计处理,得到信号数据的概率矩阵,通过对概率矩阵进行处理,得到跳频信号的参数,计算复杂度低、耗时短、精度高,满足了工程应需求。
请参阅图1,本实施例提供的跳频信号参数测量方法应用于图1所示的电子设备100,所述电子设备100可以是,但不限于,笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等设备上,本实施例对电子设备100的具体类型不作任何限制。
如图1所示,电子设备100可以包括跳频信号参数测量装置10、存储器20、处理器30以及通信单元40。
所述存储器20、处理器30以及通信单元40相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器20中存储有跳频信号参数测量装置10,所述跳频信号参数测量装置10包括至少一个可以软件或固件(firmware)的形式存储于所述存储器20中的软件功能模块,所述处理器30通过运行存储在存储器20内的软件程序以及功能模块(如本发明实施例中的跳频信号参数测量装置10),执行各种功能应用以及数据处理,进而实现本发明实施例中的跳频信号参数测量方法。
其中,所述存储器20可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器20用于存储程序,所述处理器30在接收到执行指令后,执行所述程序。
所述处理器30可能是一种集成电路芯片,可以是现场可编程门阵列 (FieldProgrammable Gata Array,FPGA)芯片,可以是专用集成电路(Application SpecificIntegrated,ASIC)。上述的处理器30还可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
通信单元40用于通过网络建立电子设备100与其他设备之间的通信连接,实现数据的收发操作。
所述网络可以是,但不限于,有线网络或无线网络。所述电子设备100的操作系统可以是,但不限于,安卓(Android)系统、IOS(iPhone operating system)系统、Windowsphone系统、Windows系统等。
可以理解,图1所示的结构仅为示意,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
基于图1的实现架构,请结合参阅图2,图2为本实施例所提供的跳频信号参数测量方法的一种流程示意图。该方法由图1所示的电子设备100执行,下面对图2所示的流程示意图进行详细阐述。
步骤S10:对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图。
步骤S20:对各频谱图进行统计处理,得到概率矩阵。
步骤S30:根据中心频率以及采样带宽,计算概率矩阵中每一列元素对应的频率值。
其中,概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值,概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围。
步骤S40:确定概率矩阵中的目标元素,并获取目标元素所在列对应的频率值以及所在行的行号。
步骤S50:根据目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数。
其中,本实施例可以设定的中心频率和采样带宽,采集信号数据,在采集到信号数据后,对信号数据进行预处理,得到预处理后的信号数据。然后对预处理后的信号数据进行快速傅里叶变换(Fast Fourier Transform,FFT),使信号从时域变换到频域,得到带宽内的信号频谱图。
本实施例所提供的跳频信号参数测量方法,在得到信号频谱图后,对各频谱图进行统计处理,得到表征频率概率分布的概率矩阵,根据中心频率以及采样带宽,计算得到概率矩阵中每一列元素对应的频率值,通过确定概率矩阵中的目标元素,获取目标元素所在列对应的频率值以及所在行的行号,根据目标元素所在列对应的频率值以及所在行的行号,即可计算得到跳频信号的参数,降低了计算复杂度,提高了计算精确度,且耗时短,可实现参数地快速测量。
为了便于计算,提高数据处理能力,在本实施例中,对信号数据的预处理,可以是对信号数据的加窗处理,即将原始的信号数据以设定的时间间隔进行截断。可选的,加窗处理的方式可以根据实际需求而设定,可以是,矩形窗处理方式、三角窗处理方式、汉明窗处理方式等等,本实施例不做具体限定。
通过对跳频信号进行加窗处理,即可得到多个FFT帧,通过对每个FFT帧进行傅里叶变换处理,即可得到每个FFT帧对应的频谱图。但由于加窗处理的方式,容易导致出现在FFT帧末尾附近的跳频信号被漏掉,为了消除因为加窗导致出现在FFT帧末尾附近的跳频信号被漏掉的现象,本实施例采用重叠技术,对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图。
其中,采用重叠技术,即表示在对当前FFT帧进行计算时,当前FFT帧的数据需要包含部分前一FFT帧数据。例如设定FFT采样点数是100点,则可以在0-99范围内选择采样点的重叠数,假设每一个FFT帧包括10个采样点。当重叠数为0时,即表示每个FFT帧中所包括的采样点无重叠部分,设定第一个FFT帧中包括1-10的采样点,则第二个FFT帧包括11-20的采样点,第三个FFT帧中包括21-30的采样点,依次类推,直至最后一个采样点。当具有重叠时,如设定重叠数为1时,即表示每个FFT帧中包括1个重叠的采样点,设定第一个FFT帧中包括1-10的采样点,则第二个FFT帧的第一个采样点需要与第一个FFT帧中的最后一个采样点重叠,因此,第二个FFT帧包括10-19的采样点,而第三个FFT帧的第一个采样点也需要与第二个FFT帧中的最后一个采样点重叠,因此第三个FFT帧中包括19-28的采样点,依次类推,直至最后一个采样点被处理。而当选择99个采样点重叠时,则从第二个FFT帧开始,每一个FFT帧只在末尾有一个新的数据点,其余部分的采样点均与相邻的前一个FFT帧重叠。如图3所示,图3中的(a)为信号数据,(b)为将信号数据变换为FFT帧后,采样点未重叠时的示意图,图3中的(c)为将信号数据变换为FFT帧后,采样点重叠时的一种示意图。
本实施例通过采样重叠技术,对加窗后的信号数据进行快速傅里叶变换,可以有效消除因为加窗导致出现在FFT帧末尾附近的跳频信号被漏掉的现象,提高了准确性。
可选的,为了提高数据处理能力,本实施例可通过高性能ASIC和FPGA对预处理后的信号数据进行快速傅里叶变换,从而可以对短时(跳速可达到万跳)跳频信号实现无丢失数据采集。
在对预处理后的信号数据进行快速傅里叶变换后,即可得到多张频谱图,通过对傅里叶变换得到的频谱图进行统计处理,即可得到概率矩阵。具体地,可通过以下步骤实现:
将各频谱图进行统计处理,得到最大幅值、最小幅值以及每个频率值对应的幅值。
根据最大幅值、最小幅值以及设定间隔,得到至少一个幅值范围。
根据每个频率值对应的幅值,计算得到每个频率值在每个幅值范围出现的次数。
根据每个频率值在每个幅值范围出现的次数,计算得到每个频率值在每个幅值范围出现的概率值。
根据每个频率值在每个幅值范围出现的概率值,以各幅值范围作为行,以各频率值作为列,转换得到概率矩阵。
其中,对经FFT处理得到的各频谱图进行统计处理,即可得到所有频谱图中的最大幅值、最小幅值以及每个频率值对应的幅值。在得到最大幅值和最小幅值之后,可根据设定间隔,在最大幅值和最小幅值之间进行划分,从而得到至少一个幅值范围,例如,设定间隔是5,最大幅值是15,最小幅值是5,则可以划分为2个幅值范围,分别为是5至10以及10至15,又例如,设定间隔是10,最大幅值是30,最小幅值是-5,则可以划分为4个幅值范围,分别是-5至5,5至15,15至25和25至25以上。
在对最大幅值和最小幅值进行划分,得到各幅值范围后,即可根据每个频率值对应的幅值,统计每个频率值在每个幅值范围内出现的次数。然后根据每个频率值在每个幅值范围出现的次数,计算得到每个频率值在每个幅值范围出现的概率值。其中,每个频率值在每个幅值范围出现的概率值等于每个频率值在每个幅值范围出现的次数除以每个频率值在所有幅值范围内出现的次数,例如,A频率值在a幅值范围出现3次,A频率值在所有的幅值范围内总共出现10次,则A频率值在a幅值范围出现的概率值为0.3。
在计算得到每个频率值在每个幅值范围出现的概率值后,以各幅值范围作为行,以各频率值作为列,即可转换得到概率矩阵。例如,定义设备的复采样率是,一帧复N点的FFT耗时为,则在时间内会累积帧频谱图,对帧频谱图统计处理,可得到的概率矩阵P为:
其中,概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围,概率矩阵中的每个元素即表征每个频率值在每个幅值范围出现的概率值。
在一种实施方式中,为了快速得到概率信息,本实施例还可以采用数字余辉技术对频谱数据进行幅度量化,将FFT处理得到的所有二维频谱图转换成一个二维矩阵后,对二维矩阵进行位图化处理,得到包括概率信息的数字余辉图。其中,数字余辉图由代表频率、幅度和概率的三维信息构成,其中,列表征频率,行表征频谱幅度,每个像素的颜色值表征该点的命中概率。如图4所示,图4为数字余辉图的形成示意图,图4中的(a)为1帧频谱的命中情况,(a)中的数字表示每个频率在每个幅值范围的出现次数,图4中的(b)为连续9帧频谱累积命中情况,(b)中的数字表示每个频率在每个幅值范围的累计出现次数,将(b)中积累的计数值与颜色标度对应起来,并通过设定的配色方案将数据转换成色彩信息,即可得到图4中的(c),(c)为形成的数字余辉图,(c)中每个点的颜色信息表征该点的命中概率。
通过数字余辉技术,可以直观获取得到每个频率值落在每个幅值范围的情况,而对数字余辉图进行转换处理,又可快速地得到数字余辉图对应的概率分布矩阵,即概率矩阵,方便快捷,直观形象。
需要说明的是,在本实施例中,概率矩阵中的每一行按照幅值范围的大小顺序进行设置,可以是从第一行至最后一行(从上到下),幅值范围依次减少。例如,第一行表征100-95的幅值范围,则第二行表征95-90的幅值范围,第三行表征90-80的幅值范围,以此类推,直至最后一行。同样地,概率矩阵中的每一列也按照频率值的大小顺序进行设置,可以是从第一列至最后一列(从左至右),频率值依次增大。在一种实施方式中,概率矩阵中的每一行也可以按照幅值范围从小到大进行设置,即从第一行至最后一行(从上到下),幅值范围依次增大。在一种实施方式中,概率矩阵中的每一列也可以按照频率值从大到小进行设置,即从第一列至最后一列(从左至右),频率值依次减小,具体地,可根据实际需求而设置,本实施例不做限制。
在本实施例中,由于概率矩阵每一行的幅值范围是根据最大幅值、最小幅值以及设定间隔得到的,因此,概率矩阵中每一行的幅值范围的数值范围是已知的。而为了便于后续数据的处理,在本实施例中,还需要获取概率矩阵中每一列元素对应的频率值。可选的,可根据中心频率以及采样带宽,计算概率矩阵中每一列元素对应的频率值。
详细地,根据中心频率以及采样带宽,可通过以下公式计算得到概率矩阵中每一列元素对应的频率值:
例如,中心频率为200HZ,采样带宽为100HZ,N为6,则起始频率为200-50=150HZ,终止频率为250HZ,采样间隔为20,则为150HZ,为170HZ,为190HZ,为210HZ,为230HZ,为250HZ,则概率矩阵的第一列元素对应的频率值为150HZ,第二列元素对应的频率值为170HZ,第三列元素对应的频率值为190 HZ,第四列元素对应的频率值为210HZ,第五列元素对应的频率值为230HZ,第六列元素对应的频率值为250HZ。
在得到概率矩阵中每一列元素的频率值后,即可以确定概率矩阵中的目标元素,而目标元素对应的信号即为所需的真实的跳频信号。
可选的,在本实施例中,可通过以下步骤确定得到概率矩阵中的目标元素:
根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素。
针对每列元素,若该列元素存在非噪声元素,获取该非噪声元素在该列元素中所在的行号。
根据各非噪声元素所在的行号,计算得到各非噪声元素中的目标元素。
在本实施例中,门限值包括第一门限值以及第二门限值,根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素的步骤可以包括:
针对每一列元素,获取该列元素中第一个非零的目标概率值。
查找目标概率值在该列元素中设定范围内的最大概率值,并计算设定范围内各概率值的和值。
判断最大概率值是否大于第一门限值以及和值是否大于第二门限值。
若最大概率值大于第一门限值且和值大于第二门限值,判定该列元素存在非噪声元素,且最大概率值对应的元素为非噪声元素。
若最大概率值不大于第一门限值和/或和值不大于第二门限值,判定该列元素不存在非噪声元素。
其中,针对每一列元素,查找该列元素中第一个非零的概率值,然后再查找第一个非零的概率值在该列元素中设定范围内的最大概率值,并计算设定范围内各概率值的和值。例如,某列元素的第3行为第一个非零的概率值,假设设定范围是5,则需要在该列元素第4行至第8行中查找最大概率值,然后将该列元素第4行至第8行的概率值进行求和,得到该列元素第4行至第8行的概率值的和值。其中,设定范围的取值可根据多次试验结果综合得到,也可实际需求而设定,本实施例不做具体限定。
在查找到设定范围内的最大概率值和设定范围内各概率值的和值后,即可判断最大概率值是否大于第一门限值以及和值是否大于第二门限值。
其中,针对某一列元素,若查找的设定范围内的最大概率值大于第一门限值且设定范围的和值大于第二门限值,则判定该列元素存在非噪声元素,且最大概率值对应的元素为非噪声元素,而该列元素所对应的频率也为非噪声频率。
若查找的设定范围内的最大概率值不大于第一门限值和/或查找的设定范围内的和值不大于第二门限值,则判定该列元素不存在非噪声元素,且该列元素所对应的频率为噪声频率。
在本实施例中,第一门限值可根据概率矩阵中每列元素在第一个非零概率值设定范围内查找到的最大概率值进行设置。第二门限值可根据概率矩阵中每列元素在第一非零概率值设定范围内各概率值的和值进行设置。例如,第一门限值可以是概率矩阵中每列元素在非零概率值设定范围内查找到的最大概率值的平均值、方差或者其他的函数关系。同样地,第二门限值也可以是概率矩阵中每列元素在非零概率值设定范围内各概率值的和值的平均值、方差或者其他的函数关系。
在本实施例中,在确定得到非噪声元素后,即可获取非噪声元素在该列元素中所在的行号。
在获取得到的非噪声元素中,不是每一个非噪声元素所对应的信号均为真实的跳频信号。因此,在得到非噪声元素后,还需要根据各非噪声元素所在的行号,计算得到非噪声元素中的目标元素,而目标元素所对应的信号则为真实的跳频信号。
可选的,在本实施例中,根据各非噪声元素所在的行号,计算得到非噪声元素中的目标元素的步骤可以包括:
根据峰值定律,通过以下公式计算得到非噪声元素中的目标元素:
在本实施例中,概率矩阵的行号与幅值范围是一一对应的,因此,当某列元素中的非噪声元素的行号大于该非噪声元素相邻的两列元素中的非噪声元素的行号时,即表征该非噪声元素对应信号的幅值大于相邻的非噪声元素对应的信号的幅值,该列元素的非噪声元素对应信号的幅值位于峰值,进而可判定该非噪声元素为目标元素,且所对应的信号为真实的跳频信号。
由于本实施例已预先计算得到每列元素对应的频率值以及预先获取得到每个非噪声元素所在的行号,因此在确定得到非噪声元素中的目标元素后,即可直接获取目标元素所在列对应的频率值以及所在行的行号。
在本实施例中,每个目标元素可以表示为,其中,J表示目标元素所在的列数,,k表示目标元素的个数,,例如,则表示第一个目标元素位于第3列元素,则表示第二个目标元素位于第5列元素。每个目标元素所在列对应的频率值可以表示为,每个目标元素所在行的行号可以表示为。
在获取得到目标元素所在列对应的频率值以及所在行的行号后,即可根据目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数。
在本实施例中,跳频参数包括跳频带宽、跳频幅度、跳频个数以及跳频频率集。根据目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数的步骤包括:
通过以下公式计算得到跳频带宽:
在本实施例中,可通过以下公式计算得到跳频幅度:
在本实施例中,可通过以下公式计算得到跳频个数:
通过以下公式计算得到跳频频率集:
本实施例提供的跳频信号参数测量方法,在对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图后,对各频谱图进行统计处理,即可得到表征频率概率分布的概率矩阵,然后根据中心频率以及采样带宽,即可计算得到概率矩阵中每一列元素对应的频率值,而在得到概率矩阵中每一列元素对应的频率值后,通过获取概率矩阵中的目标元素,以及目标元素所在列对应的频率值和所在行的行号,根据目标元素所在列对应的频率值以及所在行的行号,即可计算得到跳频信号的参数,降低了计算复杂度,耗时短,且精度高,在具有噪声环境下,本方案计算得到的频率集幅度精度在±1dB以内,频率精度在以内,频率个数精度100%。
并且,本实施例所提供的跳频信号参数测量方法,只需要采集信号数据时设置的中心频率以及带宽,先验信息少,估算能力强。
基于同一发明构思,请结合参阅图5,本实施例还提供一种跳频信号参数测量装置10,应用于电子设备100,跳频信号参数测量装置10包括信号处理模块11、频谱处理模块12、矩阵处理模块13以及参数计算模块14。
信号处理模块11用于对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图。
频谱处理模块12用于对各频谱图进行统计处理,得到概率矩阵。
矩阵处理模块13用于根据中心频率以及采样带宽,计算概率矩阵中每一列元素对应的频率值;其中,概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围,概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值。
矩阵处理模块13还用于确定概率矩阵中的目标元素,并获取目标元素所在列对应的频率值以及所在行的行号。
参数计算模块14用于根据目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的跳频信号参数测量装置10的具体过程,可以参考前述方法对应的过程,在此不再过多赘述。
在上述基础上,本实施例还提供一种电子设备,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计算机程序时实现前述实施方式任意一项所述的跳频信号参数测量方法。
在上述基础上,本实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被执行时实现前述实施方式任意一项所述的跳频信号参数测量方法。
综上所述,本发明实施例提供了一种跳频信号参数测量方法、装置和电子设备,在对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图后,对各频谱图进行统计处理,即可得到表征频率概率分布的概率矩阵,然后根据中心频率以及采样带宽,即可计算得到概率矩阵中每一列元素对应的频率值,而在得到概率矩阵中每一列元素对应的频率值后,通过确定概率矩阵中的目标元素,以及获取目标元素所在列对应的频率值和所在行的行号,根据目标元素所在列对应的频率值以及所在行的行号,即可计算得到跳频信号的参数,降低了计算复杂度,耗时短,且精度高,实现了参数的快速计算。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种跳频信号参数测量方法,其特征在于,应用于电子设备,所述方法包括:
对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图;
对各所述频谱图进行统计处理,得到概率矩阵;
根据中心频率以及采样带宽,计算所述概率矩阵中每一列元素对应的频率值;其中,所述概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围;所述概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值;
确定所述概率矩阵中的目标元素,并获取所述目标元素所在列对应的频率值以及所在行的行号;
根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数;
其中,所述对各所述频谱图进行统计处理,得到概率矩阵的步骤包括:
将各所述频谱图进行统计处理,得到最大幅值、最小幅值以及每个频率值对应的幅值;
根据所述最大幅值、所述最小幅值以及设定间隔,得到至少一个所述幅值范围;
根据每个频率值对应的幅值,计算得到每个所述频率值在每个所述幅值范围出现的次数;
根据每个所述频率值在每个所述幅值范围出现的次数,计算得到每个所述频率值在每个所述幅值范围出现的概率值;
根据每个所述频率值在每个所述幅值范围出现的概率值,以各所述幅值范围作为行,以各所述频率值作为列,转换得到所述概率矩阵;
所述确定所述概率矩阵中的目标元素的步骤包括:
根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素;
针对每列元素,若该列元素存在非噪声元素,获取该非噪声元素在该列元素中所在的行号;
根据各所述非噪声元素所在的行号,计算得到各所述非噪声元素中的目标元素。
3.根据权利要求1所述的跳频信号参数测量方法,其特征在于,所述门限值包括第一门限值以及第二门限值;所述根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素的步骤包括:
针对每一列元素,获取该列元素中第一个非零的目标概率值;
查找所述目标概率值在该列元素中设定范围内的最大概率值,并计算所述设定范围内各概率值的和值;
判断所述最大概率值是否大于第一门限值以及所述和值是否大于第二门限值;
若所述最大概率值大于第一门限值且所述和值大于第二门限值,判定该列元素存在非噪声元素,且所述最大概率值对应的元素为非噪声元素。
5.根据权利要求1所述的跳频信号参数测量方法,其特征在于,所述跳频参数包括跳频带宽、跳频幅度、跳频个数以及跳频频率集;
所述根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数的步骤包括:
通过以下公式计算得到所述跳频带宽:
通过以下公式计算得到所述跳频幅度:
通过以下公式计算得到跳频个数:
通过以下公式计算得到跳频频率集:
6.根据权利要求1所述的跳频信号参数测量方法,其特征在于,所述对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图的步骤包括:
采用重叠技术,对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图。
7.一种跳频信号参数测量装置,其特征在于,应用于电子设备,所述跳频信号参数测量装置包括信号处理模块、频谱处理模块、矩阵处理模块以及参数计算模块;
所述信号处理模块用于对预处理后的信号数据进行快速傅里叶变换,得到至少一帧频谱图;
所述频谱处理模块用于对各所述频谱图进行统计处理,得到概率矩阵;
所述矩阵处理模块用于根据中心频率以及采样带宽,计算所述概率矩阵中每一列元素对应的频率值;其中,所述概率矩阵中每一列元素对应同一频率值,每一行元素对应同一幅值范围,所述概率矩阵中的每个元素表征每个频率值在每个幅值范围出现的概率值;
所述矩阵处理模块还用于确定所述概率矩阵中的目标元素,并获取所述目标元素所在列对应的频率值以及所在行的行号;
所述参数计算模块用于根据所述目标元素所在列对应的频率值以及所在行的行号,计算得到跳频参数;
其中,所述频谱处理模块具体用于:将各所述频谱图进行统计处理,得到最大幅值、最小幅值以及每个频率值对应的幅值;根据所述最大幅值、所述最小幅值以及设定间隔,得到至少一个所述幅值范围;根据每个频率值对应的幅值,计算得到每个所述频率值在每个所述幅值范围出现的次数;根据每个所述频率值在每个所述幅值范围出现的次数,计算得到每个所述频率值在每个所述幅值范围出现的概率值;根据每个所述频率值在每个所述幅值范围出现的概率值,以各所述幅值范围作为行,以各所述频率值作为列,转换得到所述概率矩阵;
所述矩阵处理模块具体用于:根据设定的门限值以及每列元素的概率值,确定每列元素是否存在非噪声元素;针对每列元素,若该列元素存在非噪声元素,获取该非噪声元素在该列元素中所在的行号;根据各所述非噪声元素所在的行号,计算得到各所述非噪声元素中的目标元素。
8.一种电子设备,其特征在于,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计算机程序时实现权利要求1-6任意一项所述的跳频信号参数测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509156.2A CN112994741B (zh) | 2021-05-11 | 2021-05-11 | 跳频信号参数测量方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509156.2A CN112994741B (zh) | 2021-05-11 | 2021-05-11 | 跳频信号参数测量方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112994741A CN112994741A (zh) | 2021-06-18 |
CN112994741B true CN112994741B (zh) | 2021-07-23 |
Family
ID=76337489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509156.2A Active CN112994741B (zh) | 2021-05-11 | 2021-05-11 | 跳频信号参数测量方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112994741B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271163B (zh) * | 2021-07-20 | 2021-11-05 | 深圳市万联航通电子科技有限公司 | 无人机自适应选频方法、装置、设备及存储介质 |
CN115426002B (zh) * | 2022-06-15 | 2023-07-11 | 成都中星世通电子科技有限公司 | 基于时频分析的跳频信号检测与参数估计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104485979A (zh) * | 2014-12-09 | 2015-04-01 | 西安电子科技大学 | 基于时频图修正的欠定混合跳频参数盲估计方法 |
CN110336587A (zh) * | 2019-07-16 | 2019-10-15 | 电子科技大学 | 一种多跳频信号侦察中获取组合时频分布的方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006174267A (ja) * | 2004-12-17 | 2006-06-29 | Nagaoka Univ Of Technology | Fhパターン一括尤度判定方法及び受信機 |
US20090103591A1 (en) * | 2007-10-18 | 2009-04-23 | Tzero Technologies, Inc. | Bit confidence weighting based on levels of interference |
SG188515A1 (en) * | 2010-10-01 | 2013-04-30 | Research In Motion Ltd | Frequency-hopping method for lte aperiodic sounding reference signals |
JP2015095712A (ja) * | 2013-11-11 | 2015-05-18 | 富士通株式会社 | 受信機,受信方法 |
CN107276629B (zh) * | 2017-06-20 | 2019-07-16 | 中国人民解放军军械工程学院 | 基于时频分析频率重心的跳周期估计方法 |
CN107835036B (zh) * | 2017-09-15 | 2020-03-31 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 非合作跳频信号破解方法 |
WO2019154518A1 (en) * | 2018-02-12 | 2019-08-15 | Intel IP Corporation | Methods and devices for device-to-device communications |
CN110113075B (zh) * | 2018-10-29 | 2021-02-12 | 西安电子科技大学 | 基于stft-spwvd的混合网台跳频参数盲估计方法 |
CN109683018B (zh) * | 2018-12-24 | 2020-12-01 | 电子科技大学 | 一种实时多帧频域数据的并行处理方法 |
CN109981136B (zh) * | 2019-03-21 | 2020-10-09 | 西安电子科技大学 | 一种跳频通信信号的捕获方法、装置及计算机存储介质 |
CN110334591B (zh) * | 2019-05-24 | 2022-07-15 | 西华大学 | 一种基于聚类分析的无人机跳频信号检测及识别方法 |
CN111934711B (zh) * | 2020-06-30 | 2022-03-25 | 中国人民解放军63892部队 | 一种时频混叠跳频信号的参数估计方法 |
CN111740793B (zh) * | 2020-08-25 | 2021-01-08 | 北京邮电大学 | 基于自适应采样的无人机检测方法和系统 |
-
2021
- 2021-05-11 CN CN202110509156.2A patent/CN112994741B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104485979A (zh) * | 2014-12-09 | 2015-04-01 | 西安电子科技大学 | 基于时频图修正的欠定混合跳频参数盲估计方法 |
CN110336587A (zh) * | 2019-07-16 | 2019-10-15 | 电子科技大学 | 一种多跳频信号侦察中获取组合时频分布的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112994741A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112994741B (zh) | 跳频信号参数测量方法、装置和电子设备 | |
CN108469560B (zh) | 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法 | |
US8768260B2 (en) | Electromagnetic wave discrimination device, electromagnetic wave discrimination method, and electromagnetic wave discrimination program | |
EP2297588B1 (en) | Signal processing device and method for detecting and locating spectral shapes | |
CN108627807B (zh) | 一种机载雷达抗干扰方法 | |
CN106411803A (zh) | 基于顺序统计量特征的混合调制信号盲处理结果校验方法 | |
US20170033822A1 (en) | Digital detection method | |
CN105572473B (zh) | 高分辨率线性时频分析方法 | |
US20220349986A1 (en) | Radar communication with interference suppression | |
CN108287073B (zh) | 基于奇异值分量频域谱的共振带选择方法 | |
US20100296565A1 (en) | Constant False Alarm Rate Robust Adaptive Detection Using the Fast Fourier Transform | |
EP2105749B1 (en) | Improved video bandwidth resolution in dft-based spectrum analysis | |
CN106100762A (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
US10560142B2 (en) | Spectral analysis apparatus and spectral analysis method | |
US20060270371A1 (en) | Tracking short-term maximum power spectrum density for improved visibility of low duty cycle signals | |
Martone et al. | Adaptable Bandwidth for Harmonic Step‐Frequency Radar | |
Belgibaev et al. | Software-Defined Radio Ionosonde for Diagnostics of Wideband HF Channels with the Use of USRP Platform | |
WO2023155457A1 (zh) | 一种信号处理方法、装置、电子设备及存储介质 | |
CN113489552B (zh) | 一种基于时频谱矩阵局部方差的跳频信号检测方法 | |
CN116155319A (zh) | 一种电磁态势监视与分析系统及方法 | |
US8532207B2 (en) | Methods and systems for distinguishing a signal of interest from interference signals | |
CN102710290B (zh) | 一种欠采样率脉冲uwb通信系统中的窄带干扰消除方法 | |
US9800317B2 (en) | Method for the detection of an electromagnetic signal by an antenna array with pattern diversity, and device implementing said method | |
CN105490764B (zh) | 一种信道模型校正方法和装置 | |
Van Der Merwe et al. | Optimal machine learning and signal processing synergies for low-resource GNSS interference classification |
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 |