CN113132035B - 基于形态学滤波处理的信号自适应干扰检测方法和装置 - Google Patents
基于形态学滤波处理的信号自适应干扰检测方法和装置 Download PDFInfo
- Publication number
- CN113132035B CN113132035B CN202010043299.4A CN202010043299A CN113132035B CN 113132035 B CN113132035 B CN 113132035B CN 202010043299 A CN202010043299 A CN 202010043299A CN 113132035 B CN113132035 B CN 113132035B
- Authority
- CN
- China
- Prior art keywords
- interval
- frequency spectrum
- determining
- signal
- correction coefficient
- 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
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Noise Elimination (AREA)
- Radio Relay Systems (AREA)
Abstract
本申请涉及一种基于形态学滤波处理的信号自适应干扰检测方法和装置。所述方法包括:获取卫星通信信号的功率频谱数据,采用形态学滤波方式对功率频率数据进行膨胀处理,得到膨胀信号,将膨胀信号划分为多个频谱区间,搜索得到每个频谱区间中的频谱点值数量,根据每个频谱区间的频谱点值数量,确定修正系数,获取功率频谱数据中的谱线幅值的均值和极差,根据均值、极差以及修正系数,确定用于干扰检测的门限值;根据门限值进行卫星通信的干扰检测。采用本方法能够提高干扰检测对环境的适应性。
Description
技术领域
本申请涉及信号处理技术领域,特别是涉及一种基于形态学滤波处理的信号自适应干扰检测方法和装置。
背景技术
卫星通信最早在20世纪40年代《球外的中继站》一文提出,该文介绍了利用卫星进行全球范围内的互相通信的设想,从理论上说明了这个设想的实现的可能性。紧接着越来越多的国家向太空发射各种各样用途的卫星,这些卫星被广泛用做定位、全球范围的通信、宇宙方面的探测等很多的方面。与其他通信方式相比,卫星通信存在的诸多优势,卫星在通信方面,具有覆盖范围广、通信的距离比较远、并且频带宽、传输灵活方便等优点,被广泛的用作语音、数据以及其他有用信息的传递。随着近年来信息技术的飞速发展,卫星通信无论在民用通信还是军用通信方面都发挥着很大作用。在带来极大的便利的同时随之而来也带来了诸多的问题。一方面是因为卫星采用透明式转发器,也就是说卫星所处的轨道、占用的频段等信息都处于公开或半公开状态,同时卫星在通信过程中有时会遭受到一些有意或无意干扰。另一方面,因为卫星采用广播方式传送的信息,在同一颗卫星所能覆盖范围下的两各地区之间能够相互通信,这时这两个地方也会出现干扰的状况,如某些基站之间存在的干扰。同时,移动卫星通信过程中需要接收的信号不仅与频率相关,还与地点、时间等存在关系,外加上传输距离较远,会产生传输较大的延迟,这就使得干扰有机可趁。为了更好的提高卫星通信的频谱利用效率以及通信的质量,干扰检测的问题亟待得到解决。
目前,国内外很多学者对各类通信系统部分带干扰检测和抑制做了深入的研究。针对卫星直扩通信系统提出了一种新的干扰检测方法,作者先将时域范围的信号转为复数域信号,接着对得到的信号进行加窗与FFT变换,通过计算得到信号的频域统计特性进而估计自适应干扰检测门限值,若谱线值大于该检测预设的门限值那么就认为是此段频谱为干扰信号的频谱,最后即可得出干扰信号的相关信息,包括中心频率、带宽与功率。应用了形态学进行预处理对复杂背景噪声进行滤除,从而估计噪底,并通过排序的方法计算出门限值,由于计算过程中存在很多的排序运算增大了算法复杂度。还有一些学则采用形态学梯度的方法,通过判断梯度值正负确定干扰所在的位置,实现窄带干扰的检测与定位但存在背景噪声复杂的情况下梯度值较多无法正确定位的现象。还有通过形态学的方法很好的获得该段信号的噪声基底估计,并通过双门限的方法对干扰进行检测得到很好的检测效果,但是由于只有结构元素的长度大于窄带干扰的长度时才能将干扰滤除,在实际的应用中我们无法预知干扰的宽度如何,因此不适用于任何宽度的干扰的情况。
然而,由于通信信号中背景噪声复杂对干扰检测带来了困难,且单一门限值难以实现对不同干扰的检测,上述一些算法并不能考虑这些问题对干扰检测的影响。
发明内容
基于此,有必要针对上述技术问题,提供一种能够解决背景噪声复杂对干扰检测带来了困难的基于形态学滤波处理的信号自适应干扰检测方法和装置。
一种基于形态学滤波处理的信号自适应干扰检测方法,所述方法包括:
获取卫星通信信号的功率频谱数据;
采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;
根据每个频谱区间的频谱点值数量,确定修正系数;
获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
根据所述门限值进行卫星通信的干扰检测。
在其中一个实施例中,还包括:对所述卫星通信信号进行分段处理和加窗处理,得到卫星通信信号对应的功率谱数据。
在其中一个实施例中,还包括:获取预先设置的结构元素g(m);
采用形态学滤波方式将所述功率频率数据f(n)向右移动m个单位,得到的f(m)与结构元素对应元素相加,最后求得最大值为膨胀信号如下:
在其中一个实施例中,还包括:获取所述功率频谱数据中谱线幅值的最大值A和最小值B;将所述功率频谱数据分为D等分,得到每个频谱区间的区间高度h;根据所述最大值A、所述最小值B以及所述区间高度h,确定各个所述频谱区间的区间范围;搜索所述膨胀信号得到所有频谱点值,得到每个所述频谱区间中的频谱点值点数。
在其中一个实施例中,还包括:根据每个频谱区间中频谱点值数量,确定每个频谱区间中频谱点值的点数比例;将所述频谱区间按照谱线幅值从小到大依次划分为第一区间、第二区间、第三区间以及第四区间;通过判断所述第四区间的所述点数比例,确定修正系数。
在其中一个实施例中,还包括:判断所述第二区间和所述第三区间之和是否大于预设比例;根据判断结果确定修正系数。
在其中一个实施例中,还包括:获取所述功率频谱数据中的谱线幅值的均值为:
其中,Pi(w)表示功率频谱数据中第i个的谱线幅值,average表示均值;获取所述功率频谱数据中的谱线幅值的极差为:
diff=A-B
其中,diff表示极差;根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值为:
th=average+diff*a
其中,th表示门限值,a表示修正系数。
一种基于形态学滤波处理的信号自适应干扰检测装置,所述装置包括:
信号处理模块,用于获取卫星通信信号的功率频谱数据;采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
门限设置模块,用于将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;根据每个频谱区间的频谱点值数量,确定修正系数;获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
干扰检测模块,用于根据所述门限值进行卫星通信的干扰检测。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取卫星通信信号的功率频谱数据;
采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;
根据每个频谱区间的频谱点值数量,确定修正系数;
获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
根据所述门限值进行卫星通信的干扰检测。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取卫星通信信号的功率频谱数据;
采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;
根据每个频谱区间的频谱点值数量,确定修正系数;
获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
根据所述门限值进行卫星通信的干扰检测。
上述基于形态学滤波处理的信号自适应干扰检测方法、装置、计算机设备和存储介质,通过对得到的卫星通信信号进行功率谱估计,然后利用形态学的方式进行膨胀处理,再根据膨胀处理后的信号功率谱值的不同分布情况,设置修正系数,从而基于不同的场景得到不同的门限值,实现门限的自适应,为检测不同占有用信号带宽大小的部分带干扰提供了有效的方法。通过使用本发明提出的形态学的方法,相对于传统的连续均值剔除算法性能得到了明显的提升。
附图说明
图1为一个实施例中基于形态学滤波处理的信号自适应干扰检测方法的流程示意图;
图2为一个实施例中结构元素的形状示意图;
图3为一个实施例中膨胀信号直方图;
图4为一个实施例中干扰检测概率示意图;
图5为一个实施例中基于形态学滤波处理的信号自适应干扰检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于形态学滤波处理的信号自适应干扰检测方法,该方法可以应用于终端中,包括以下步骤:
步骤102,获取卫星通信信号的功率频谱数据。
可以通过对卫星通信信号进行频谱分析,从而得到卫星信号的功率谱。
步骤104,采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号。
形态学滤波可以对功率频率数据进行去噪、增强等处理,膨胀即求局部最大的过程,本步骤中,对功率频率数据进行膨胀处理使得功率频率数据更加光滑易于处理,同时也起到拓宽波峰增强波峰的目的,使得峰值更加饱满更加利于信号检测。
步骤106,将膨胀信号划分为多个频谱区间,搜索得到每个频谱区间中的频谱点值数量。
本步骤中,将膨胀信号分为多个频谱区间,可以通过频谱区间内频谱点值的数量,反应膨胀信号的频谱点值的分布情况,利于进行自适应门限值选择。
步骤108,根据每个频谱区间的频谱点值数量,确定修正系数。
修正系数为一个已知常数,通过每个频谱区间的频谱点值数量,确定膨胀信号频谱的分布情况,可以自适应选择修正系数,例如修正系数选择:0.2、0.11等。通过不同的修正系数,可以得到不同的门限值,以应对不同的应用场景。
步骤110,获取功率频谱数据中的谱线幅值的均值和极差,根据均值、极差以及修正系数,确定用于干扰检测的门限值。
均值指的是所有频谱点对应的谱线幅值的平均值,极差指的是频谱幅值中最大值与最小值的差值。
步骤112,根据门限值进行卫星通信的干扰检测。
确定门限值之后,可以通过搜索确定干扰信号的位置。
上述基于形态学滤波处理的信号自适应干扰检测方法中,通过对得到的卫星通信信号进行功率谱估计,然后利用形态学的方式进行膨胀处理,再根据膨胀处理后的信号功率谱值的不同分布情况,设置修正系数,从而基于不同的场景得到不同的门限值,实现门限的自适应,为检测不同占有用信号带宽大小的部分带干扰提供了有效的方法。通过使用本发明提出的形态学的方法,相对于传统的连续均值剔除算法性能得到了明显的提升。
在其中一个实施例中,获取卫星通信信号的功率谱数据的步骤可以是:对卫星通信信号进行分段处理和加窗处理,得到卫星通信信号对应的功率谱数据。本实施例中,具体可以采用Welch法对卫星数据进行功率谱分析,得到功率谱数据,通过上述处理,可以有效降低频谱估计的方差。
在其中一个实施例中,计算膨胀信号的步骤包括:获取预先设置的结构元素g(m);采用形态学滤波方式将功率频率数据f(n)向右移动m个单位,得到的f(m)与结构元素对应元素相加,最后求得最大值为膨胀信号如下:
本实施例中,设f(n)为定义在F={1,2,…,N}上的离散信号,g(n)为定义在G={1,2,…,M}上的一维离散函数,且M<N,这里f(n)为输入信号序列。膨胀处理的实现过程是将功率频谱数据f向右平移m个单位,这样对于每次移动的信号值都得到了一组相对应的与结构元素相加的信号值,最后求出对应相同定义域内的所有信号点的最大值,便可得到膨胀结果。结构元素在形态学计算中的用处相当于信号处理过程中的滤波窗口或者参考模板,结构元素的选择由结构元素的形状、结构元素的幅值以及结构元素的长度决定。
在一个实施例中,结构元素的不同形状表示如图2所示,扁平型结构元素是幅值为0,长度为30。其中半圆形结构元素是幅值为0.04,长度为4。正弦型结构元素就是我们常见的正弦函数,幅度为0.008,长度为4。半椭圆与半圆类似。斜线型结构元素长度为30,幅值最大为20。三角形结构元素为长度为30,幅值为20。
具体的,g(n)在此处采取扁平型、长度为25,幅值为0的结构元素。膨胀处理的目的就是为了使功率频谱数据的信号频谱变得光滑易于处理,并且还可以起到拓宽峰值增大峰值的目的,使峰值更加饱满更加有利于信号的检测。
在其中一个实施例中,还包括:获取功率频谱数据中谱线幅值的最大值A和最小值B,将功率频谱数据分为D等分,得到每个频谱区间的区间高度h;根据最大值A、最小值B以及区间高度h,确定各个频谱区间的区间范围;搜索膨胀信号得到所有频谱点值,得到每个频谱区间中的频谱点值点数。
本实施例中,可以采用直方图处理的方式实现上述过程,通过划分区间,可以定量的对膨胀信号中频谱点值的分布进行分析。具体效果如图3所示。
具体的,根据每个频谱区间中频谱点值数量,确定每个频谱区间中频谱点值的点数比例;将频谱区间按照谱线幅值从小到大依次划分为第一区间、第二区间、第三区间以及第四区间,通过判断第四区间的点数比例,确定修正系数。
即,谱线幅值最大的区间为第四区间,依次类推,最小的为第一区间,通过研究,第四区间反映了干扰的带宽大小。如果比较大说明干扰的带宽比较大并且干扰的功率比较大或者干扰数目比较多,如果比较小说明干扰的带宽比较小或者干扰数目较少,可以通过搜索确定干扰的位置,第三区间的值比较大的情况下,说明信号的毛刺比较多信号还不是很平稳。第二区间的值比较小的时候说明底噪的起伏不是很大或者干扰的带宽较小,信号还是在干噪比比较小的情况下,如果第二区间的值比较大时说明底噪起伏很大。第一区间越大说明底噪信号占据的频段越宽或者干扰信号不存在。为了排除干扰,通过判断第四区间落在的点数比例区间,确定修正系数。
具体的,在对第四区间的点数比例进行分析后,如果第三区间与第二区间的点数比例之和大于预设比例再确定修正系数。
在一个具体实施例中,当第四区间的点数比例大于0小于或等于0.2,且第三区间与第二区间的点数比例之和大于或等于0.7,,若是,则设置修正系数为0.2;
当第四区间的点数比例大于0.2小于或等于0.3,且第三区间与第二区间的点数比例之和大于或等于0.6,若是,则设置修正系数为0.11,若否,则设置修正系数为0.08;
当第四区间的点数比例大于0.3小于或等于0.4,且第三区间与第二区间的点数比例之和大于或等于0.5,还需要结合门限值进行判断,再次不一一列举。
即最终是根据第一区间、第二区间、第三区间以及第四区间对应的点数比例确定的。
在其中一个实施例中,获取功率频谱数据中的谱线幅值的均值为:
其中,Pi(w)表示功率频谱数据中第i个的谱线幅值,average表示均值;
获取功率频谱数据中的谱线幅值的极差为:
diff=A-B
其中,diff表示极差;
根据均值、极差以及修正系数,确定用于干扰检测的门限值为:
th=average+diff*a
其中,th表示门限值,a表示修正系数。
本实施例中,通过自适应确定修正系数,对应可以确定自适应的门限值,便于应对不同场景下信号的干扰检测。
以下以本发明与传统连续均值剔除算法进行干扰检测对比。
在一个实施例中,传统连续均值剔除算法(CME算法)和本发明方法在不同干噪比JNR下的检测概率和平均虚警点数统计。其中仿真的整个频段带宽为25kHz,加入一个部分带干扰、以及一个噪声功率为1的高斯白噪声,干噪比JNR分别为-7:1:20dB。针对不同占有用信号带宽大小的部分带干扰相关公式定义,Nr为蒙特卡洛的总次数,Nd为此次干扰信号被检测出来的次数。经过蒙特卡洛实验后,针对CME算法和本发明提出的自适应进行仿真对比,得到占有用信号带宽30%、50%、70%的部分带干扰的检测概率如图4所示。从图上很容易看出,本发明提出的自适应门限的检测效果相对于CME算法有明显的提高。其中占用有用信号30%带宽的部分带干扰自适应门限要比CME提高6dB,占用有用信号50%带宽的部分带干扰自适应门限要比CME提高4dB,在占用有用信号70%带宽的部分带干扰的检测中,其中CME在干噪比达到20dB时检测概率还未达到90%,而本文提出的自适应门限在干噪比达到8dB时检测概率就达到100%。从图4中可以看出,本发明方法的准确检测概率优于传统连续均值剔除CME算法。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于形态学滤波处理的信号自适应干扰检测装置,包括:信号处理模块502、门限设置模块504和干扰检测模块506,其中:
信号处理模块502,用于获取卫星通信信号的功率频谱数据;采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
门限设置模块504,用于将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;根据每个频谱区间的频谱点值数量,确定修正系数;获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
干扰检测模块506,用于根据所述门限值进行卫星通信的干扰检测。
在其中一个实施例中,信号处理模块502还用于对所述卫星通信信号进行分段处理和加窗处理,得到卫星通信信号对应的功率谱数据。
在其中一个实施例中,信号处理模块502还用于获取预先设置的结构元素g(m);采用形态学滤波方式将所述功率频率数据f(n)向右移动m个单位,得到的f(m)与结构元素对应元素相加,最后求得最大值为膨胀信号如下:
在其中一个实施例中,门限设置模块504还用于获取所述功率频谱数据中谱线幅值的最大值A和最小值B;将所述功率频谱数据分为D等分,得到每个频谱区间的区间高度h;根据所述最大值A、所述最小值B以及所述区间高度h,确定各个所述频谱区间的区间范围;搜索所述膨胀信号得到所有频谱点值,得到每个所述频谱区间中的频谱点值点数。
在其中一个实施例中,门限设置模块504还用于根据每个频谱区间中频谱点值数量,确定每个频谱区间中频谱点值的点数比例;将所述频谱区间按照谱线幅值从小到大依次划分为第一区间、第二区间、第三区间以及第四区间;通过判断所述第四区间的所述点数比例,确定修正系数。
在其中一个实施例中,门限设置模块504还用于判断所述第二区间和所述第三区间的点数比例之和是否大于预设比例;根据判断结果确定修正系数。
在其中一个实施例中,门限设置模块504还用于获取所述功率频谱数据中的谱线幅值的均值为:
其中,Pi(w)表示功率频谱数据中第i个的谱线幅值,average表示均值;获取所述功率频谱数据中的谱线幅值的极差为:
diff=A-B
其中,diff表示极差;根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值为:
th=average+diff*a
其中,th表示门限值,a表示修正系数。
关于基于形态学滤波处理的信号自适应干扰检测装置的具体限定可以参见上文中对于基于形态学滤波处理的信号自适应干扰检测方法的限定,在此不再赘述。上述基于形态学滤波处理的信号自适应干扰检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于形态学滤波处理的信号自适应干扰检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于形态学滤波处理的信号自适应干扰检测方法,所述方法包括:
获取卫星通信信号的功率频谱数据;
采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;
根据每个频谱区间的频谱点值数量,确定修正系数;
获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
根据所述门限值进行卫星通信的干扰检测;
所述根据每个频谱区间的频谱点值数量,确定修正系数,包括:
根据每个频谱区间中频谱点值数量,确定每个频谱区间中频谱点值的点数比例;
将所述频谱区间按照谱线幅值从小到大依次划分为第一区间、第二区间、第三区间以及第四区间;
通过判断所述第四区间的所述点数比例,确定修正系数;
在通过判断所述第四区间的所述点数比例之后,还包括:
判断所述第二区间和所述第三区间的点数比例之和是否大于预设比例;
根据判断结果确定修正系数。
2.根据权利要求1所述的方法,其特征在于,所述获取卫星通信信号的功率频谱数据,包括:
对所述卫星通信信号进行分段处理和加窗处理,得到卫星通信信号对应的功率谱数据。
4.根据权利要求1至3任意一项所述的方法,其特征在于,将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱值点数,包括:
获取所述功率频谱数据中谱线幅值的最大值A和最小值B;
将所述功率频谱数据分为D等分,得到每个频谱区间的区间高度h;
根据所述最大值A、所述最小值B以及所述区间高度h,确定各个所述频谱区间的区间范围;
搜索所述膨胀信号得到所有频谱点值,得到每个所述频谱区间中的频谱点值点数。
6.一种基于形态学滤波处理的信号自适应干扰检测装置,其特征在于,所述装置包括:
信号处理模块,用于获取卫星通信信号的功率频谱数据;采用形态学滤波方式对所述功率频率数据进行膨胀处理,得到膨胀信号;
门限设置模块,用于将所述膨胀信号划分为多个频谱区间,搜索得到每个所述频谱区间中的频谱点值数量;根据每个频谱区间的频谱点值数量,确定修正系数;获取所述功率频谱数据中的谱线幅值的均值和极差,根据所述均值、极差以及所述修正系数,确定用于干扰检测的门限值;
干扰检测模块,用于根据所述门限值进行卫星通信的干扰检测;
所述根据每个频谱区间的频谱点值数量,确定修正系数,包括:
根据每个频谱区间中频谱点值数量,确定每个频谱区间中频谱点值的点数比例;
将所述频谱区间按照谱线幅值从小到大依次划分为第一区间、第二区间、第三区间以及第四区间;
通过判断所述第四区间的所述点数比例,确定修正系数;
在通过判断所述第四区间的所述点数比例之后,还包括:
判断所述第二区间和所述第三区间的点数比例之和是否大于预设比例;
根据判断结果确定修正系数。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043299.4A CN113132035B (zh) | 2020-01-15 | 2020-01-15 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043299.4A CN113132035B (zh) | 2020-01-15 | 2020-01-15 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113132035A CN113132035A (zh) | 2021-07-16 |
CN113132035B true CN113132035B (zh) | 2022-09-09 |
Family
ID=76771840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043299.4A Active CN113132035B (zh) | 2020-01-15 | 2020-01-15 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113132035B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114499702B (zh) * | 2022-03-28 | 2022-07-12 | 成都锢德科技有限公司 | 一种便携式实时信号采集分析识别系统 |
CN115102643B (zh) * | 2022-05-25 | 2023-07-11 | 中国电子科技集团公司第十研究所 | 噪声基底跟踪方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105375992A (zh) * | 2014-09-01 | 2016-03-02 | 中国人民解放军理工大学 | 基于梯度算子和数学形态学的频谱空洞检测方法 |
CN105429719A (zh) * | 2015-10-29 | 2016-03-23 | 中国电子科技集团公司第二十研究所 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
CN105634543A (zh) * | 2015-12-30 | 2016-06-01 | 航天恒星科技有限公司 | 一种抗窄带干扰方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8385483B2 (en) * | 2008-11-11 | 2013-02-26 | Isco International, Llc | Self-adaptive digital RF bandpass and bandstop filter architecture |
US9775116B2 (en) * | 2014-05-05 | 2017-09-26 | Isco International, Llc | Method and apparatus for increasing performance of communication links of cooperative communication nodes |
-
2020
- 2020-01-15 CN CN202010043299.4A patent/CN113132035B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105375992A (zh) * | 2014-09-01 | 2016-03-02 | 中国人民解放军理工大学 | 基于梯度算子和数学形态学的频谱空洞检测方法 |
CN105429719A (zh) * | 2015-10-29 | 2016-03-23 | 中国电子科技集团公司第二十研究所 | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 |
CN105634543A (zh) * | 2015-12-30 | 2016-06-01 | 航天恒星科技有限公司 | 一种抗窄带干扰方法及系统 |
Non-Patent Citations (3)
Title |
---|
一种基于统计直方图的信号检测算法;张玉龙等;《军事通信技术》;20170330;全文 * |
基于底噪拟合的 Ku 频段卫星频谱信号检测方法;白晓东等;《南京邮电大学学报》;20190630;全文 * |
基于形态学的通信信号搜索预处理方法;王登超等;《通信技术》;20170330;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113132035A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113132035B (zh) | 基于形态学滤波处理的信号自适应干扰检测方法和装置 | |
WO2015184961A1 (en) | Mitigating signal noise for fingerprint-based indoor localization | |
CN109358317B (zh) | 一种鸣笛信号检测方法、装置、设备及可读存储介质 | |
CN104597435B (zh) | 基于修正频域补偿和分数阶傅里叶变换的多帧相参tbd方法 | |
US20090144028A1 (en) | Method and apparatus of combining mixed resolution databases and mixed radio frequency propagation techniques | |
Liu et al. | Detection of weak astronomical signals with frequency-hopping interference suppression | |
KR20010103032A (ko) | 무선 통신 시스템의 시그너춰 구역에 대해 무선 주파수시그너춰를 생성하는 방법 및 시스템 | |
CN109725290A (zh) | 一种误差提取方法、装置、电子设备及可读存储介质 | |
Karakuş et al. | A generalized Gaussian extension to the Rician distribution for SAR image modeling | |
CN105809649A (zh) | 基于变分多尺度分解的sar图像与可见光图像融合方法 | |
US20240292365A1 (en) | Data processing method for node localization in wireless sensor networks | |
CN105425222B (zh) | 一种数据传输率约束下的雷达目标检测方法 | |
CN113132034B (zh) | 基于差分幅值的干扰检测方法和装置 | |
CN107610130A (zh) | 基于幅度与相位线性度之比的海陆杂波场景分割方法 | |
CN116930963A (zh) | 一种基于无线通信系统的穿墙成像方法 | |
CN108414973B (zh) | 一种基于神经网络计算的多目标直接定位方法 | |
CN115980674A (zh) | 毫米波雷达干扰抑制方法、装置、计算机设备和存储介质 | |
CN111913162B (zh) | 射频干扰检测方法及装置、射频干扰抑制方法及装置 | |
US10386449B2 (en) | System and method for radio tomographic image formation | |
CN113132033A (zh) | 基于多项式插值处理的通信干扰检测方法和装置 | |
Basere et al. | Cell coverage area estimation from receive signal level (RSL) measurements | |
CN109581423B (zh) | 一种运用子空间投影的线性扫频干扰抑制方法及系统 | |
CN112668439A (zh) | 基于无线信号的人体姿势估计方法及装置 | |
JP7325358B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN113917410B (zh) | 一种双站雷达协同抗欺骗干扰方法、装置和计算机设备 |
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 |