CN114401055A - 一种智能频谱检测系统 - Google Patents
一种智能频谱检测系统 Download PDFInfo
- Publication number
- CN114401055A CN114401055A CN202111548669.0A CN202111548669A CN114401055A CN 114401055 A CN114401055 A CN 114401055A CN 202111548669 A CN202111548669 A CN 202111548669A CN 114401055 A CN114401055 A CN 114401055A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- monitoring
- data
- intelligent
- frequency spectrum
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 146
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 117
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 230000001149 cognitive effect Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013144 data compression Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 241000287436 Turdus merula Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种智能频谱检测系统，是由频谱监测节点、5G专用网、频谱专用云和智能频谱监测平台构成，频谱监测节点设有与5G专用网双向连接的多个，5G专用网与频谱专用云双向连接，频谱专用云与智能频谱监测平台双向连接；实现对频谱数据的认知分析、频谱资源的智能管控与频谱服务质量的评估；智能频谱监测平台用于管理用户的服务需求和频谱监测节点的工作状态，并给用户提供监测数据采集分析和干扰信号识别及定位服务；本发明解决了设备之间数据共享问题，也增加了设备之间的相互协作功能，解决了海量监测数据的存储问题，可更深入地从各种角度对监测数据进行汇总、分析和挖掘，提供更加准确、科学的数据分析结果，有显著的社会和经济效益。
Description
技术领域
本发明涉及通信、频谱监测技术领域，特别是一种智能频谱监测系统。
背景技术
电磁频谱监测是实现无线电管理的技术手段，由于通信行业的发展，无线电通信应用普及使得无线电频谱资源管理工作变得越来越复杂。因此，为了无线电频谱资源的高效利用和无线电秩序的稳定和良好，无线电频谱监测系统变得更加重要。无线电频谱作为一种自然资源，既是无限的，又是有限的。无线电波具有公开性，各类新型无线通讯设备不断出现，造成无线电磁环境恶化，导致无线电波容易受到干扰和非法利用，增加了无线频谱检测的工作的困难程度。为更加高效的利用有限的频谱资源，避免各电台间的电磁干扰，保障各类电台的正常稳定工作，维护空中电波秩序，加强各类无线电设备的管理显得更加重要。其中无线频谱检测设备的研发和应用就显得极为重要。目前无线电频谱监测主要存在为以下三个问题。1)干扰查找难度较大；2)监测设备的兼容性较差；3)频谱监测系统的自动化、智能化和信息化水平低。
目前，国内外现有的频谱监测设备具体情况如下：（1）德国罗德与施瓦茨公司（ROHDE&SCHWARZ，简称R&S）为无线电频谱监测而设计的代表产品——PR100手持式频谱接收机。该接收机功耗低、小巧轻便，可实现9kHz到7.5GHz频率范围的快速全景扫描，适用于高度移动性和低成本的无线电监测作业环境；（2）美国TCL公司的代表性产品TCL350新一代黑鸟系统，该设备具有全新的TCL8240射频前端，覆盖HF、VHF、UHF频段（10kHz到3000MHz）。此外，该设备还增加了TDOA定位技术，可进行高速数据的存储、回溯式监测和信号分析，可以对非法频谱信号进行实时监测并定位查找；（3）中电五十四所研发的EDF300超短波车载无线电监测系统，该设备可实现对10~500KHz范围内短波电台的测量、监听和定位等功能；（4）成都点阵科技公司研发的空中无线电监测测向系统DZF-AC1，该设备采用升空平台搭建无线电监测系统，可实现信号测向与定位、声音监听、频谱监测等功能，适用于城市、野外复杂的应用环境。
但由于结构上的不足，德国罗德与施瓦茨公司生产的—PR100手持式频谱接收机对于黑广播、非法干扰源等非法辐射源的监测范围及定位精度易受多径及地面障碍物的影响，监测时需人工观察信号特征变化，确认非法用频信号，且确认后还需人工徒步或驾驶监测车寻找。美国TCL公司的代表性产品TCL350新一代黑鸟系统能够对非法用频信号进行实时监测并定位查找，但缺乏对非法用频信号智能识别，仍需借助人工，识别效率较低。中电五十四所研发的EDF300超短波车载无线电监测系统主要与监测车配合使用，监测范围及定位精度受地形、建筑物等影响显著。成都点阵科技公司研发的空中无线电监测测向系统DZF-AC1不能实时传回监测数据，只能等整个监测过程完成后才能回放监测数据，因此，对频谱监测设备的改进和创新势在必行。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种智能频谱检测系统，可有效解决现有频谱监测设备需要人工确认信号及位置，且不能对监测数据实时回放的问题。
为实现上述目的，本发明解决的技术方案是，一种智能频谱检测系统，该系统是由频谱监测节点、5G专用网、频谱专用云和智能频谱监测平台构成，频谱监测节点设有与5G专用网双向连接的多个，用于接收上层指令，完成数据采集，5G专用网与频谱专用云双向连接，用于数据传输，频谱专用云与智能频谱监测平台双向连接；
频谱专用云用于为监测数据提供存储空间；通过大数据分析和多数据融合处理实现对频谱数据的认知分析、频谱资源的智能管控与频谱服务质量的评估；
智能频谱监测平台用于管理用户的服务需求和频谱监测节点的工作状态，并给用户提供监测数据采集分析和干扰信号识别及定位服务。
本发明将频谱数据采集、分析、处理、定位等功能集成一体，解决了设备之间数据共享问题，也增加了设备之间的相互协作功能，解决了海量监测数据的存储问题，可更深入地从各种角度对监测数据进行汇总、分析和挖掘，提供更加准确、科学的数据分析结果，有显著的社会和经济效益。
附图说明
图1是本发明结构框示图。
图2是本发明频谱监测节点结构框示图。
图3是本发明智能频谱监测软件功能化模块图。
图4是本发明决策树算法的实现步骤图。
图5是本发明TDOA 定位算法流程图。
图6是本发明信号调制识别准确率曲线图。
具体实施方式
以下结合附图和具体情况对本发明的具体实施方式作详细说明。
结合附图给出，一种智能频谱检测系统，该系统是由频谱监测节点1、5G专用网2、频谱专用云3和智能频谱监测平台4构成，频谱监测节点1设有与5G专用网2双向连接的多个，用于接收上层指令，完成数据采集，5G专用网2与频谱专用云3双向连接，用于数据传输，频谱专用云3与智能频谱监测平台4双向连接；
频谱专用云3用于为监测数据提供存储空间；通过大数据分析和多数据融合处理实现对频谱数据的认知分析、频谱资源的智能管控与频谱服务质量的评估；
智能频谱监测平台4用于管理用户的服务需求和频谱监测节点1的工作状态，并给用户提供监测数据采集分析和干扰信号识别及定位服务。
为保证更好的实施效果，所述的频谱监测节点1是由无线电接收机101、GPS 驯服钟104、工控电脑102、5G模块103和宽频带天线105构成，宽频带天线105与无线电接收机101相连，无线电接收机101与工控电脑102双向连接，工控电脑102与5G模块103双向连接，5G模块103通过5G专用网2传输信号，GPS 驯服钟104分别与无线电接收机101和工控电脑102相连，其中，无线电接收机101、GPS 驯服钟104、工控电脑102、5G模块103和宽频带天线105均为公知市售产品。
所述的频谱专用云3为阿里云。
所述的智能频谱监测平台4包括网络监控管理模块401、频谱扫描模块402、信号检测和定位模块403和记录回放模块404；
网络监控管理模块401监视、管理整个系统网络的状态，使其正常工作，控制各频谱监测节点1的工作状态，按需采集节点周围的频谱数据；
频谱扫描模块402用于实现空间频谱的单频、频带扫描功能；
检测识别和定位模块403利用决策树算法实现突发信号的快速发现，并利用TDOA定位算法实现信号的定位；
记录回放模块404将接收到的频谱信息和分析结果进行数据融合后，存储在频谱专用云3中，实现频谱的回放。
所述的决策树算法是通过理论计算解析来自频谱监测节点1的 IQ 数据，提取信号幅度、频率及相位特征参数，然后通过算法的训练，获得分类学习的门限值，实现对信号调制类型的分类。
所述的TDOA 定位算法是通过测量无线电信号到达不同频谱监测节点1的时间差，来对无线电信号的发射源进行定位，首先估计获取信号的时延，进行测量参数的估计，然后根据测量的原始数据，选择合适的定位算法，求解信号的位置，包括以下步骤：
a、选取3个以上的频谱监测节点1，对待定位的信号采集 IQ 数据；
b、若选取的监测终端数目大于5，则根据IQ数据计算出信号场强，选出5个信号最强的监测终端进行定位；
c、用互相关算法（广义）计算两两监测终端的相关性，计算 TDOA 值；
d、根据 TDOA 值的正负，选取距离发射源最近的监测终端作为参考；
e、根据 TDOA 值列双曲线方程组，使用 CHAN 算法解方程组，得到发射源的位置；
f、根据步骤e计算得到的发射源位置，使用 NLOS 指数模型修正 TDOA 值，抑制NLOS 影响，重复步骤e，计算得到发射源的位置。
所述的频谱专用云3通过大数据分析和多数据融合处理，包括以下步骤：
A、将多个频谱监测节点1所得的原始数据进行数据融合，保留细节信息；
B、在原始融合数据上进行信号的频率、功率特征提取，然后对这些特征信息进行综合分析处理，得到融合的特征，特征级的融合实现了数据压缩，有利于数据实时的传输处理；
C、经过前两级预处理、特征提取，得到每个频谱监测节点1自我的监测信号初步决策后，减少不同监测节点间的数据误差，获得最优的监测信息，同时通过关联处理，获得联合推断的结果表达。
本发明在具体使用时，频谱监测节点1待定位的信号采集 IQ 数据，将采集后的数据通过5G专用网2传输至频谱专用云3，频谱专用云3为监测数据的提供存储空间，且通过大数据分析和多数据融合处理实现对频谱数据的认知分析、频谱资源的智能管控，以及频谱服务质量的评估，智能频谱监测平台4管理用户的服务需求和频谱监测节点1的工作状态；以及给用户提供监测数据采集分析和干扰信号识别及定位服务，智能频谱监测平台4将频谱信息和分析结果进行数据融合后，存储在频谱专用云3中，实现频谱的回放。
本发明利用5G 技术实现了海量的监测数据上传到频谱专用云的功能，解决了设备之间数据共享问题，也增加了设备之间的相互协作功能；而频谱专用云的引入解决了海量监测数据的存储问题，实现了频谱监测数据压缩，实现了频谱数据实时的传输处理，节约了大量的存储空间，同时也为后续的数据处理提供了便利；其次，通过大数据分析和多数据融合处理等优势技术对频谱监测数据进行挖掘，可更深入地从各种角度对监测数据进行汇总、分析和挖掘，提供更加准确、科学的数据分析结果；为了实现对调制信号的智能识别，通过决策树算法利用信号幅度、频率及相位等特征参数与决策树算法门限值对比，实现了信号调制方式的识别。为了实现对干扰信号源的准确定位，引入了TDOA 定位算法，通过测量无线电信号到达不同监测节点的时间差，来对无线电信号的发射源进行定位，提高干扰定位的精度及调制识别的准确度和速度。
本发明在具体实施和实验时，准确率高，见图6所示，准确率高达99%以上，且定位准确，定位误差在20米以下，具体如表1。
表1 定位误差测试表。
| 信号频率 | 实际经度 | 实际纬度 | 拟合经度 | 拟合纬度 | 误差 |
| 810MHz | 104°18′22.237″ | 30°57′57.293″ | 104°18′22.131″ | 30°57′57.334″ | 3.001 米 |
| 2400MHz | 104°18′22.237″ | 30°57′57.293″ | 104°18′22.661″ | 30°57′57.714″ | 14.962 米 |
| 3400MHz | 104°18′22.237″ | 30°57′57.293″ | 104°18′22.504″ | 30°57′57.627″ | 12.496 米 |
本发明将频谱数据采集、分析、处理、定位等功能集成一体化，通过利用大数据分析、5G 技术、人工智能、云计算和多数据融合处理等优势与无线电智能终端相结合，实现了对30MHz-6GHz频率范围内无线电频谱的全景扫描，IQ数据的输出、回放及存储功能，TDOA监测定位，调制模式智能识别及解调监听等功能，适用面广，在民用方面，建立重点监控场所的实时监测，实现对监测区域无线电信号频谱信息的汇总分析，实现对通信干扰源、黑广播、伪基站等目标的快速定位及查找；也可为大型活动提供无线电保障服务；在军事方面，可建立智能无线电频谱监测工作站，可以利用设备的智能调制识别和解调模式快速的对截获的无线电信号进行分析，准确率达99%以上，定位准确，定位误差在20米以下，有显著的社会和经济效益。
Claims (7)
1.一种智能频谱检测系统，其特征在于，该系统是由频谱监测节点（1）、5G专用网（2）、频谱专用云（3）和智能频谱监测平台（4）构成，频谱监测节点（1）设有与5G专用网（2）双向连接的多个，用于接收上层指令，完成数据采集，5G专用网（2）与频谱专用云（3）双向连接，用于数据传输，频谱专用云（3）与智能频谱监测平台（4）双向连接；
频谱专用云（3）用于为监测数据提供存储空间；通过大数据分析和多数据融合处理实现对频谱数据的认知分析、频谱资源的智能管控与频谱服务质量的评估；
智能频谱监测平台（4）用于管理用户的服务需求和频谱监测节点（1）的工作状态，并给用户提供监测数据采集分析和干扰信号识别及定位服务。
2. 根据权利要求1所述的智能频谱检测系统，其特征在于，所述的频谱监测节点（1）是由无线电接收机（101）、GPS 驯服钟（104）、工控电脑（102）、5G模块（103）和宽频带天线（105）构成，宽频带天线（105）与无线电接收机（101）相连，无线电接收机（101）与工控电脑（102）双向连接，工控电脑（102）与5G模块（103）双向连接，5G模块（103）通过5G专用网（2）传输信号，GPS 驯服钟（104）分别与无线电接收机（101）和工控电脑（102）相连。
3.根据权利要求1所述的智能频谱检测系统，其特征在于，所述的频谱专用云（3）为阿里云。
4.根据权利要求1所述的智能频谱检测系统，其特征在于，所述的智能频谱监测平台（4）包括网络监控管理模块（401）、频谱扫描模块（402）、信号检测和定位模块（403）和记录回放模块（404）；
网络监控管理模块（401）监视、管理整个系统网络的状态，控制各频谱监测节点（1）的工作状态，按需采集节点周围的频谱数据；
频谱扫描模块（402）用于实现空间频谱的单频、频带扫描功能；
检测识别和定位模块（403）利用决策树算法实现突发信号的快速发现，并利用TDOA 定位算法实现信号的定位；
记录回放模块（404）将接收到的频谱信息和分析结果进行数据融合后，存储在频谱专用云（3）中，实现频谱的回放。
5. 根据权利要求4所述的智能频谱检测系统，其特征在于，所述的决策树算法是通过理论计算解析来自频谱监测节点（1）的IQ 数据，提取信号幅度、频率及相位特征参数，通过算法的训练，获得分类学习的门限值，实现对信号调制类型的分类。
6. 根据权利要求4所述的智能频谱检测系统，其特征在于，所述的TDOA 定位算法是通过测量无线电信号到达不同频谱监测节点（1）的时间差，来对无线电信号的发射源进行定位，首先估计获取信号的时延，进行测量参数的估计，然后根据测量的原始数据，选择合适的定位算法，求解信号的位置，具体包括以下步骤：
a、选取3个以上的频谱监测节点（1），对待定位的信号采集 IQ 数据；
b、若选取的监测终端数目大于5，则根据IQ数据计算出信号场强，选出5个信号最强的监测终端进行定位；
c、用互相关算法计算两两监测终端的相关性，计算TDOA值；
d、根据TDOA值的正负，选取距离发射源最近的监测终端作为参考；
e、根据 TDOA 值列双曲线方程组，使用CHAN算法解方程组，得到发射源的位置；
f、根据步骤e计算得到的发射源位置，使用 NLOS 指数模型修正TDOA值，抑制NLOS影响，并重复步骤e，计算得到发射源的位置。
7.根据权利要求1所述的智能频谱检测系统，其特征在于，所述的频谱专用云（3）通过大数据分析和多数据融合处理，包括以下步骤：
A、将多个频谱监测节点（1）所得的原始数据进行数据融合，保留细节信息；
B、在原始融合数据上进行信号的频率、功率特征提取，然后对这些特征信息进行综合分析处理，得到融合的特征，特征级的融合实现了数据压缩，有利于数据实时的传输处理；
C、经过前两级预处理、特征提取，得到每个频谱监测节点（1）自我的监测信号初步决策后，减少不同监测节点间的数据误差，获得最优的监测信息，同时通过关联处理，获得联合推断的结果表达。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111548669.0A CN114401055A (zh) | 2021-12-17 | 2021-12-17 | 一种智能频谱检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111548669.0A CN114401055A (zh) | 2021-12-17 | 2021-12-17 | 一种智能频谱检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114401055A true CN114401055A (zh) | 2022-04-26 |
Family
ID=81226279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111548669.0A Pending CN114401055A (zh) | 2021-12-17 | 2021-12-17 | 一种智能频谱检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114401055A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115267331A (zh) * | 2022-09-29 | 2022-11-01 | 天津安力信通讯科技有限公司 | 一种基于多频谱分析的信号方位定位方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090253376A1 (en) * | 2008-04-07 | 2009-10-08 | Nokia Corporation | Method, apparatus and computer program for sensing spectrum in a cognitive radio environment |
| CN104065431A (zh) * | 2014-04-18 | 2014-09-24 | 西华大学 | 无线电监测无人值机系统及该系统的监控分析方法 |
| CN106941385A (zh) * | 2017-03-13 | 2017-07-11 | 南通大学 | 基于相位补偿的认知云网络协作频谱感知方法 |
| US20170243138A1 (en) * | 2013-03-15 | 2017-08-24 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management |
| CN108270703A (zh) * | 2016-12-30 | 2018-07-10 | 中国航天科工集团八五研究所 | 一种通信信号数字调制类型识别方法 |
| CN108267713A (zh) * | 2016-12-30 | 2018-07-10 | 中国航天科工集团八五研究所 | 一种改进的tdoa发射源定位算法 |
| CN108600135A (zh) * | 2018-04-27 | 2018-09-28 | 中国科学院计算技术研究所 | 一种信号调制方式的识别方法 |
| CN108988961A (zh) * | 2018-07-10 | 2018-12-11 | 西华大学 | 一种无线电监测运行管理系统 |
| CN109799516A (zh) * | 2018-12-22 | 2019-05-24 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种用于gnss干扰检测定位的装置 |
| CN110110683A (zh) * | 2019-05-14 | 2019-08-09 | 南京御通信息技术有限公司 | 一种便携式频谱监测设备及其预处理信号检测方法 |
| CN111565077A (zh) * | 2020-04-08 | 2020-08-21 | 南京航空航天大学 | 一种分布式智能频谱监测系统及方法 |
| CN113179144A (zh) * | 2021-04-16 | 2021-07-27 | 中国科学院微电子研究所 | 频谱预测方法和装置 |
| CN214900897U (zh) * | 2021-02-20 | 2021-11-26 | 郑州中科集成电路与系统应用研究院 | 一种ntp时间服务器的参数检测及快速校准辅助装置 |
-
2021
- 2021-12-17 CN CN202111548669.0A patent/CN114401055A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090253376A1 (en) * | 2008-04-07 | 2009-10-08 | Nokia Corporation | Method, apparatus and computer program for sensing spectrum in a cognitive radio environment |
| US20170243138A1 (en) * | 2013-03-15 | 2017-08-24 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management |
| CN104065431A (zh) * | 2014-04-18 | 2014-09-24 | 西华大学 | 无线电监测无人值机系统及该系统的监控分析方法 |
| CN108270703A (zh) * | 2016-12-30 | 2018-07-10 | 中国航天科工集团八五研究所 | 一种通信信号数字调制类型识别方法 |
| CN108267713A (zh) * | 2016-12-30 | 2018-07-10 | 中国航天科工集团八五研究所 | 一种改进的tdoa发射源定位算法 |
| CN106941385A (zh) * | 2017-03-13 | 2017-07-11 | 南通大学 | 基于相位补偿的认知云网络协作频谱感知方法 |
| CN108600135A (zh) * | 2018-04-27 | 2018-09-28 | 中国科学院计算技术研究所 | 一种信号调制方式的识别方法 |
| CN108988961A (zh) * | 2018-07-10 | 2018-12-11 | 西华大学 | 一种无线电监测运行管理系统 |
| CN109799516A (zh) * | 2018-12-22 | 2019-05-24 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种用于gnss干扰检测定位的装置 |
| CN110110683A (zh) * | 2019-05-14 | 2019-08-09 | 南京御通信息技术有限公司 | 一种便携式频谱监测设备及其预处理信号检测方法 |
| CN111565077A (zh) * | 2020-04-08 | 2020-08-21 | 南京航空航天大学 | 一种分布式智能频谱监测系统及方法 |
| CN214900897U (zh) * | 2021-02-20 | 2021-11-26 | 郑州中科集成电路与系统应用研究院 | 一种ntp时间服务器的参数检测及快速校准辅助装置 |
| CN113179144A (zh) * | 2021-04-16 | 2021-07-27 | 中国科学院微电子研究所 | 频谱预测方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 姚继明: "电力无线专网频谱监测系统规划及评估方法研究", 《电力工程技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115267331A (zh) * | 2022-09-29 | 2022-11-01 | 天津安力信通讯科技有限公司 | 一种基于多频谱分析的信号方位定位方法及系统 |
| CN115267331B (zh) * | 2022-09-29 | 2022-12-16 | 天津安力信通讯科技有限公司 | 一种基于多频谱分析的信号方位定位方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lam et al. | RSSI-based LoRa localization systems for large-scale indoor and outdoor environments | |
| Janssen et al. | Outdoor fingerprinting localization using sigfox | |
| CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
| Fang et al. | Is FM a RF-based positioning solution in a metropolitan-scale environment? A probabilistic approach with radio measurements analysis | |
| CN104812061A (zh) | 一种基于mimo-ofdm信道状态信息的室内测距及定位方法 | |
| CN103945331B (zh) | 一种利用wifi场强进行离去角度估计的定位方法 | |
| Aernouts et al. | A comparison of signal strength localization methods with sigfox | |
| Xu et al. | Pedestrain monitoring system using Wi-Fi technology and RSSI based localization | |
| CN104883734A (zh) | 一种基于地理指纹的室内被动定位方法 | |
| CN106597368B (zh) | 室内干扰源的定位方法及系统 | |
| Kim et al. | Robust localization with unknown transmission power for cognitive radio | |
| Guibène et al. | Cooperative spectrum sensing and localization in cognitive radio systems using compressed sensing | |
| Sallouha et al. | Localization in ultra narrow band IoT networks: Design guidelines and tradeoffs | |
| Du et al. | KF-KNN: Low-cost and high-accurate FM-based indoor localization model via fingerprint technology | |
| CN106792506B (zh) | 一种WiFi定位方法及服务器 | |
| Janssen et al. | A primer on real-world RSS-based outdoor NB-IoT localization | |
| Miao et al. | Location-based robust beamforming design for cellular-enabled UAV communications | |
| Popleteev | Improving ambient FM indoor localization using multipath-induced amplitude modulation effect: A year-long experiment | |
| US10454597B1 (en) | Systems and methods for locating telecommunication cell sites | |
| He et al. | Multi-antenna array-based aoa estimation using bluetooth low energy for indoor positioning | |
| CN114401055A (zh) | 一种智能频谱检测系统 | |
| CN105611535A (zh) | 伪基站定位装置以及定位方法 | |
| CN105723748B (zh) | 无线电信道利用 | |
| Obiyemi et al. | Path loss model for radio wave propagation at VHF/UHF bands using electric field strength measurement over Ilorin middle-belt, Nigeria | |
| Monfared et al. | Iterative NDA positioning using angle-of-arrival measurements for IoT sensor networks |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220426 |
|
| RJ01 | Rejection of invention patent application after publication |