CN113794873B - 频谱、频谱线积分图的构建方法及频谱形状数据分析方法 - Google Patents
频谱、频谱线积分图的构建方法及频谱形状数据分析方法 Download PDFInfo
- Publication number
- CN113794873B CN113794873B CN202110975542.0A CN202110975542A CN113794873B CN 113794873 B CN113794873 B CN 113794873B CN 202110975542 A CN202110975542 A CN 202110975542A CN 113794873 B CN113794873 B CN 113794873B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- frequency
- signal
- dtmb
- integral
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000010586 diagram Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种地面数字电视DTMB监测频谱形状数据分析方法,搜索和采集若干已知和未知DTMB信号频谱,分别采用频谱积分图和频谱线积分图的数据和参数标注已知和未知DTMB信号频谱,建立频谱形状特征数据库;并将未知DTMB信号频谱,与频谱形状特征数据库中的已知频谱样本进行比对、分类;分别计算频谱积分图和频谱线积分图的相似度,并以这两个相似度的加权和来表示已知信号频谱和未知信号频谱的相似度。利用频谱积分图和频谱线积分图的来定性定量描述数字电视信号频谱的形状,可以不断积累可标注的频谱数据样本,形成大数据基础;从而利用神经网络或机器学习的方法来自动匹配频谱,有效提高了频谱识别精度和效率。
Description
技术领域
本发明属于地面数字电视互联网数据处理领域,具体涉及一种地面数字电视DTMB频谱积分图及频谱线积分图的构建方法,地面数字电视DTMB监测频谱形状数据分析方法。
背景技术
广播电视互联网新媒体视听信息监测监管中需要对DTMB信号的频谱的合法性进行监测,对监测到的有效频道(频率)和频谱数据进行分析识别、审核、并分类成:非法频道、灰频道、合法频道;
我国DTMB所使用的频段为VHF频段48.5MHz-223MHz,UHF频段470MHz-566MHz和606MHz-798MHz,采用了47个地面电视频道,每个频道的带宽为8MHz。
DTMB频谱监测监管(系统)平台对DTMB信号全频扫描,实时采集信号、经FFT后,得到DTMB的频谱数据样本;
这种方法的局限性是:
1、计算量大;费时费资源,过高成本;
2、理论依据不足,过多依赖经验;遇到噪声多的情况,根本不能正常工作,数据分析监测效率低。
发明内容
本发明所要解决的技术问题是:提供一种地面数字电视DTMB频谱积分图及频谱线积分图的构建方法,解决了现有技术中数字电视频谱信号监测费时费资源的问题。
本发明为解决上述技术问题采用以下技术方案:
地面数字电视DTMB监测频谱形状数据分析方法,包括如下步骤:
步骤1、搜索和采集若干已知DTMB信号频谱,采用频谱积分图和频谱线积分图的数据和参数标注已知DTMB信号频谱,建立频谱形状特征数据库;
步骤2、搜索和采集未知DTMB信号频谱,采用频谱积分图和频谱线积分图的数据和参数标注未知DTMB信号频谱,并与频谱形状特征数据库中的已知频谱样本进行比对、分类;所述频谱积分图及频谱线积分图的构建方法如下:
首先,采集信号,先进行预处理、归一化,再经FFT变换得到信号频谱,记为F(ωi),i=0,1...n;其中,设定下截止频率为ω0,上截止频率为ωn,中心频率为ωc,n=1023,横轴为频率值、竖轴为幅度值;
然后,搜索中心频率和带宽,计算窗口为7、步长为3的频谱幅度值的均值序列,其中,最大值对应的频率为频谱峰值,记为中心频率,具体计算公式如下:
根据中心频率获取上截止频率及下截止频率,并计算带宽;
最后,按照如下公式计算信号频谱F(ω)的频谱积分图I(X)和频谱线积分图L(X):
其中,i=0,...,n-1;i≤x,x为信号频谱积分图中的点序列;
步骤3、分别计算频谱积分图和频谱线积分图的相似度,并以这两个相似度的加权和来表示已知信号频谱X(ω)和未知信号频谱Y(ω)的相似度。
信号频谱积分图中的点序列中计算频谱积分值的点包括
I(ωc),I(ωd),I(ωu),I(ωu)-I(ωd),I(ωc+1DB)-I(ωc-1DB),I(ωc+2DB)-I(ωc-2DB),其中,ωu为上截止频率,ωd为下截止频率。
所述已知信号频谱为X(ω),对应的频谱积分图为I(X),频谱线积分图为L(X),未知信号频谱为Y(ω),对应的频谱积分图为I′(Y),频谱线积分图为L′(Y);在I(X)、I′(Y)中取若干个相对应的点,分别构成2个序列X={x1,x2,...,xk},Y={y1,y2,...,yk},其中,k为根据经验或试验确定的点数。
将未知信号对应的信号频谱进行相似度评判后,加入到频谱形状特征数据库,对频谱形状特征数据库进行修正、扩展。
所述频谱形状特征数据库中包括非法频道、灰频道、合法频道的频谱形状特征。
与现有技术相比,本发明具有以下有益效果:
1、利用频谱积分图和频谱线积分图的来定性定量描述数字电视信号频谱的形状,可以不断积累可标注的频谱数据样本,形成大数据基础;从而利用神经网络或机器学习的方法来自动匹配频谱。
2、应用该方案可以实时监测数字电视DTMB信号频谱。
3、对频谱积分图和频谱线积分图的相似度进行计算,且采用两个相似度的加权和来表示已知信号和未知信号的相似度,其权重阈值可以根据具体的情况进行设定,有效提高了频谱识别精度和效率。
具体实施方式
下面对本发明的结构及工作过程作进一步说明。
本方案针对现有技术中频谱监测过程出现的一些问题,提出一种频谱积分图和频谱线积分图的设计方法,应用频谱积分图和频谱线积分图来描述频谱形状,对已知信号和未知信号进行匹配分析、处理,评估,相似度计算,来实现数字电视DTMB信号频谱监测中频谱匹配监测。
下面通过具体的实例对本方案进行详细的说明。
具体实施例一,
地面数字电视频谱积分图及频谱线积分图的构建方法,
首先,采集信号,先进行预处理、归一化,再经FFT变换得到信号频谱,记为F(ωi),i=0,1...n;其中,设定下截止频率为ω0,上截止频率为ωn,中心频率为ωc,n=1023,横轴为频率值、竖轴为幅度值;
然后,搜索中心频率和带宽,计算窗口为7、步长为3的频谱幅度值的均值序列,其中,最大值对应的频率为频谱峰值,记为中心频率,具体计算公式如下:
根据中心频率获取上截止频率及下截止频率,并计算带宽;
例如:上海DTMB东方卫视频道
中心频率ωc=663.25MHz,
带宽为8MHz,下截止频率ωd=662MHz,上截止频率ωu=670MHz;
最后,按照如下公式计算信号频谱F(ω)的频谱积分图I(X)和频谱线积分图L(X):
频谱积分图I(X)理论公式为:对频谱带宽间的积分;
离散公式为:
最终计算频谱积分图采用离散公式
频谱线积分图L(X)的理论公式为:ds为谱线微分,
离散公式为:计算频谱线积分采用离散公式;
其中,i=0,...,n-1;i≤x,x为信号频谱积分图中的点序列。同样,在频谱线积分图取与频谱积分图相对应的点。
信号频谱积分图中的点序列中计算频谱积分值的点包括
I(ωc),I(ωd),I(ωu),I(ωu)-I(ωd),I(ωc+1DB)-I(ωc-1DB),I(ωc+2DB)-I(ωc-2DB),其中,ωu为上截止频率,ωd为下截止频率。
具体实施例二,
地面数字电视DTMB监测频谱形状数据分析方法,包括如下步骤:
步骤1、搜索和采集若干已知DTMB信号频谱,所述已知信号频谱为X(ω),对应的频谱积分图为I(X),频谱线积分图为L(X),采用频谱积分图和频谱线积分图的数据和参数标注已知DTMB信号频谱,建立频谱形状特征数据库;
步骤2、搜索和采集未知DTMB信号频谱,未知信号频谱为Y(ω),对应的频谱积分图为I′(Y),频谱线积分图为L′(Y);采用频谱积分图和频谱线积分图的数据和参数标注未知DTMB信号频谱,并与频谱形状特征数据库中的已知频谱样本进行比对、分类;
步骤3、在I(X)、I′(Y)中取若干个相对应的点,分别构成2个序列X={x1,x2,...,xk},Y={y1,y2,...,yk},分别计算频谱积分图和频谱线积分图的相似度。频谱积分图和频谱线积分图上所选取点的数据特征能较充分表示频谱的形状特征。
计算出频谱积分图和频谱线积分图的相似度后,以这两个相似度的加权和来表示已知信号频谱X(ω)和未知信号频谱Y(ω)的相似度,其中,k为根据经验或试验确定的点数。
所述相似度加权和计算过程中,所用到的权重阈值由经验判断,本领域的技术人员可以根据具体情况作出相应的选择。
计算出的相似度值愈接近1,则两矢量愈相似;推出已知信号频谱X(ω)和未知信号频谱Y(ω)的相似度越高。
将未知信号对应的信号频谱进行相似度评判后,加入到频谱形状特征数据库,对频谱形状特征数据库进行修正、扩展。
所述频谱形状特征数据库中包括非法频道、灰频道、合法频道的频谱形状特征。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (5)
1.地面数字电视DTMB监测频谱形状数据分析方法,其特征在于:包括如下步骤:
步骤1、搜索和采集若干已知DTMB信号频谱,采用频谱积分图和频谱线积分图的数据和参数标注已知DTMB信号频谱,建立频谱形状特征数据库;
步骤2、搜索和采集未知DTMB信号频谱,采用频谱积分图和频谱线积分图的数据和参数标注未知DTMB信号频谱,并与频谱形状特征数据库中的已知频谱样本进行比对、分类;所述频谱积分图及频谱线积分图的构建方法如下:
首先,采集信号,先进行预处理、归一化,再经FFT变换得到信号频谱,记为F(ωi),i=0,1...n;其中,设定下截止频率为ω0,上截止频率为ωn,中心频率为ωc,n=1023,横轴为频率值、竖轴为幅度值;
然后,搜索中心频率和带宽,计算窗口为7、步长为3的频谱幅度值的均值序列,其中,最大值对应的频率为频谱峰值,记为中心频率,具体计算公式如下:
根据中心频率获取上截止频率及下截止频率,并计算带宽;
最后,按照如下公式计算信号频谱F(ω)的频谱积分图I(X)和频谱线积分图L(X):
其中,i=0,...,n-1;i≤x,x为信号频谱积分图中的点序列;
步骤3、分别计算频谱积分图和频谱线积分图的相似度,并以这两个相似度的加权和来表示已知信号频谱X(ω)和未知信号频谱Y(ω)的相似度。
2.根据权利要求1所述的地面数字电视DTMB监测频谱形状数据分析方法,其特征在于:信号频谱积分图中的点序列中计算频谱积分值的点包括
I(ωc),I(ωd),I(ωu),I(ωu)-I(ωd),I(ωc+1DB)-I(ωc-1DB),I(ωc+2DB)-I(ωc-2DB),其中,ωu为上截止频率,ωd为下截止频率。
3.根据权利要求1所述的地面数字电视DTMB监测频谱形状数据分析方法,其特征在于:
所述已知信号频谱为X(ω),对应的频谱积分图为I(X),频谱线积分图为L(X),未知信号频谱为Y(ω),对应的频谱积分图为I′(Y),频谱线积分图为L′(Y);在I(X)、I′(Y)中取若干个相对应的点,分别构成2个序列X={x1,x2,...,xk},Y={y1,y2,...,yk},其中,k为根据经验或试验确定的点数。
4.根据权利要求1所述的地面数字电视DTMB监测频谱形状数据分析方法,其特征在于:将未知信号对应的信号频谱进行相似度评判后,加入到频谱形状特征数据库,对频谱形状特征数据库进行修正、扩展。
5.根据权利要求1所述的地面数字电视DTMB监测频谱形状数据分析方法,其特征在于:所述频谱形状特征数据库中包括非法频道、灰频道、合法频道的频谱形状特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975542.0A CN113794873B (zh) | 2021-08-24 | 2021-08-24 | 频谱、频谱线积分图的构建方法及频谱形状数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975542.0A CN113794873B (zh) | 2021-08-24 | 2021-08-24 | 频谱、频谱线积分图的构建方法及频谱形状数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113794873A CN113794873A (zh) | 2021-12-14 |
CN113794873B true CN113794873B (zh) | 2024-04-16 |
Family
ID=79182156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975542.0A Active CN113794873B (zh) | 2021-08-24 | 2021-08-24 | 频谱、频谱线积分图的构建方法及频谱形状数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113794873B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083776A (zh) * | 2007-06-12 | 2007-12-05 | 福建省广播影视集团 | 广播电视卫星传输系统设备工作状态监测方法和装置 |
CN103325232A (zh) * | 2013-07-08 | 2013-09-25 | 北京新岸线移动多媒体技术有限公司 | 一种终端控制实现方法、系统及终端设备 |
CN111402300A (zh) * | 2020-04-21 | 2020-07-10 | 中国科学院光电技术研究所 | 一种基于双谱域主成分分析的高动态星敏感器运动参数估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2890808A1 (fr) * | 2005-09-13 | 2007-03-16 | France Telecom | Caracterisation de spectre pour equipements de communication |
US8804859B2 (en) * | 2009-02-23 | 2014-08-12 | Mediatek, Inc. | Methods and apparatuses for dealing with spectrum inversion |
US9681307B2 (en) * | 2014-09-22 | 2017-06-13 | Illinois Institute Of Technology | System and method for determining and sharing spectrum availability |
-
2021
- 2021-08-24 CN CN202110975542.0A patent/CN113794873B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083776A (zh) * | 2007-06-12 | 2007-12-05 | 福建省广播影视集团 | 广播电视卫星传输系统设备工作状态监测方法和装置 |
CN103325232A (zh) * | 2013-07-08 | 2013-09-25 | 北京新岸线移动多媒体技术有限公司 | 一种终端控制实现方法、系统及终端设备 |
CN111402300A (zh) * | 2020-04-21 | 2020-07-10 | 中国科学院光电技术研究所 | 一种基于双谱域主成分分析的高动态星敏感器运动参数估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113794873A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768985B (zh) | 一种基于流量可视化与机器学习算法的入侵检测方法 | |
CN110334591B (zh) | 一种基于聚类分析的无人机跳频信号检测及识别方法 | |
CN111428631B (zh) | 无人机飞控信号可视化识别分选方法 | |
CN107481374B (zh) | 一种智能终端指纹解锁开门装置 | |
CN115393657B (zh) | 基于图像处理的金属管材生产异常识别方法 | |
CN113794873B (zh) | 频谱、频谱线积分图的构建方法及频谱形状数据分析方法 | |
CN109951499B (zh) | 一种基于网络结构特征的异常检测方法 | |
CN1252588C (zh) | 高光谱遥感图像联合加权随机分类方法 | |
CN112134635B (zh) | 一种基于宽带频谱的快速信号侦测方法 | |
CN117292137A (zh) | 一种航拍遥感影像优化分割处理方法 | |
KR102014234B1 (ko) | 무선 프로토콜 자동 분석 방법 및 그를 위한 장치 | |
CN113572547B (zh) | 频谱积分图的构建方法、频谱匹配方法及频谱匹配器 | |
CN112014821B (zh) | 一种基于雷达宽带特征的未知车辆目标识别方法 | |
CN114285505A (zh) | 一种自动噪底计算方法和系统 | |
CN112883946A (zh) | 一种自适应阈值的选取方法及人脸识别方法 | |
CN111988252A (zh) | 基于深度学习的信号调制方式识别方法 | |
CN112256982B (zh) | 基于稀疏采样时空数据的目标同行关系分析方法及电子装置 | |
CN117459187B (zh) | 基于光纤网络的高速数据传输方法 | |
CN110674010B (zh) | 基于会话长度概率分布的智能设备应用程序识别方法 | |
CN115269583B (zh) | 一种用于大数据处理的无监督清洗方法 | |
CN113762374B (zh) | 一种基于改进密度峰值聚类的异常轨迹检测方法 | |
CN115908824B (zh) | 一种应用于大型无人机天空区域快速分割方法 | |
CN117725965B (zh) | 一种基于张量掩码语义通信的联邦边缘数据通信方法 | |
CN116264620B (zh) | 直播录制的音频数据采集处理方法及相关装置 | |
CN116310550A (zh) | 一种图像质量的分类方法及系统 |
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 |