CN114499702A - 一种便携式实时信号采集分析识别系统 - Google Patents
一种便携式实时信号采集分析识别系统 Download PDFInfo
- Publication number
- CN114499702A CN114499702A CN202210308777.9A CN202210308777A CN114499702A CN 114499702 A CN114499702 A CN 114499702A CN 202210308777 A CN202210308777 A CN 202210308777A CN 114499702 A CN114499702 A CN 114499702A
- Authority
- CN
- China
- Prior art keywords
- module
- frequency
- processing
- signal acquisition
- signal
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
-
- 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
Abstract
本发明属于信号检测领域,应用于各种信号检测的商业或军事场景,具体是一种便携式实时信号采集分析识别系统,大幅缩减信号采集识别设备的尺寸和重量,达到单人便携手持操作的目的,方便单人野外操作;同时,该设备配备了独创的频域信号处理和智能识别算法,可以在pad级别的便携手持平台上进行连续频谱扫描和自动搜索识别跟踪;该系统中的信号采集卡、处理分析模块、智能识别模块、对比纠正模块、参数修正模块以及显示操作模块均集成部署在一个arm架构的微型计算机平台上,尺寸小、重量轻、能耗低;在实际的使用环境中,系统会不断自动审查识别正确率和置信度,并且自动纠正参数,适应环境改变,保证识别正确率达到最优。
Description
技术领域
本发明属于信号检测领域,应用于各种信号检测的商业或军事场景,具体是一种便携式实时信号采集分析识别系统。
背景技术
现有的信号采集分析和识别系统虽然种类繁多、功能各异,但是都是基于工控机甚至服务器级别计算机平台,配上射频信号接收变频和采集设备,整个设备笨重庞大,不方便搬移,尤其对于单兵或个人野外作业,非常不利,而且依赖市电供电,基本无法实现单人野外使用。
也有业余级别的接收机和笔记本结合,虽然便于携带,但是仅限于窄带单路接受控制,没有综合分析和自动识别的能力。
为此,提出一种便携式实时信号采集分析识别系统。
发明内容
为了解决上述方案存在的问题,本发明提供了一种便携式实时信号采集分析识别系统。
本发明的目的可以通过以下技术方案实现:
一种便携式实时信号采集分析识别系统,包括信号采集卡、处理分析模块以及智能识别模块;
其中,所述信号采集卡含有多个,若干所述信号采集卡用于采集环境信号,并将采集的环境信号发送至处理分析模块;所述环境信号为数字信号,且为多种,包括声音信号、温度信号、湿度信号;
所述处理分析模块用于对信号采集卡进行标记,根据信号采集卡的顺序依次标记为i,其中的i为正整数,i=1,2……n;
所述处理分析模块还用于对信号采集卡采集到的环境信号进行处理,当所述信号采集卡采集到环境信号,信号采集卡将环境信号经AD转换器转换为数字信号,并将转换后的数字信号发送至处理分析模块,处理分析模块接收到数字信号后,首先对数字信号进行标记,标记为字符串的方式,即Si=[s1,s2……sp]i,其中的S为数字信号元素集合,具体的,所述数字信号元素集合包括s1,s2……sp;p表示数字信号元素的个数,sp表示具体的元素;
所述处理分析模块包括多个处理单元,所述处理单元包括但是不限于变换处理单元、平滑处理单元以及选取处理单元;
进一步地,所述处理分析模块依次对数字信号进行变换处理、平滑处理以及选取处理,具体的,处理分析模块对数字信号处理的过程包括:
步骤一:AD转换器将转换后的数字信号发送至处理分析模块,处理分析模块接收到数字信号后,处理分析模块连接变换处理单元;
步骤二:变换处理单元接收到数字信号后,调取存储在变换处理单元内部的傅里叶函数,并对数字信号进行快速傅里叶变换,并将变换后的数字信号标记为频谱数据;并将频谱数据反馈回处理分析模块;
在对数字信号进行快速傅里叶变换时,需要输入相应的给定参数,其中的给定参数包括但是不限于频率精度以及时间精度,其中的频率精度标记为df,时间精度标记为dt;
步骤三:处理分析模块接收频谱数据后,处理分析模块连接平滑处理单元,平滑处理单元接收到频谱数据,调取存储在平滑处理单元内部的时域窗长,将频谱数据排除掉时域干扰影响因素,将排除掉时域干扰影响因素后的频谱数据标记为一次频谱数据并反馈回处理分析模块;
所述频谱数据排除掉时域干扰影响因素的过程称为时间平滑运算,其中的时域窗长为进行时间平滑运算时输入的给定参数,将时域窗长标记为ts;
处理分析模块接收一次频谱数据后,处理分析模块连接平滑处理单元对一次频谱数据进行二次处理,调取存储在平滑处理单元内部的频域窗长,将一次频谱数据排除掉频域干扰影响因素,将排除掉频域干扰影响因素后的一次频谱数据标记为二次频谱数据并反馈回处理分析模块;
所述一次频谱数据排除掉频域干扰影响因素的过程称为频域平滑运算,其中的频域窗长为进行频域平滑运算时输入的给定参数,将频域窗长标记为fs;
步骤四:处理分析模块接收二次频谱数据后,处理分析模块连接选取处理单元,选取处理单元接收到二次频谱数据,调取存储在选取处理单元内部的门限阈值,根据门限阈值筛选二次频谱数据的有效频段;并将有效频段发送至智能识别模块;
进一步地,所述门限阈值的设定是为了选取二次频谱数据内部的有效频段,其中的门限阈值为进行选取处理时输入的给定参数,将门限阈值标记为dk。
其中,当智能识别模块接收到有效频段后,智能识别模块设定多个拐点,并将多个拐点汇总至拐点列表,智能识别模块进行有效频段的拐点识别并排序;
智能识别模块根据设置的拐点识别信号频域的开始和结束位置,并最终输出信号频谱数据,所述信号频谱数据内包含中心频点、频率带宽等检测结果数据。
其中,一种便携式实时信号采集分析识别系统还包括对比纠正模块与参数修正模块,所述对比纠正模块用于对中心频点、频率带宽进行对比纠正,具体的过程包括:
步骤S1:智能识别模块将识别出的中心频点、频率带宽发送至对比纠正模块,对比纠正模块内包含矫正样本;对比纠正模块将中心频点、频率带宽分别标记为Qi、Ki;矫正样本内包括中心分布域以及带宽分布域;
步骤S2:对比纠正模块将Qi、Ki分别与中心分布域以及带宽分布域进行比较,当Qi、Ki均在中心分布域以及带宽分布域内部时,表示数据结果可靠;
当Qi或Ki存在不在中心分布域或者带宽分布域内部时,表示数据结果可靠性低,则对比纠正模块发送修正信号至参数修正模块,参数修正模块对频率精度df、时间精度dt、频域窗长fs以及门限阈值dk进行修正,直至Qi、Ki均在中心分布域以及带宽分布域内部。
进一步地,所述矫正样本为已知结果,存在的意义为使得检测结果逐步逼近正确结果,提高识别正确率。在实际的使用环境中,系统会不断自动审查识别正确率和置信度,并且自动纠正参数,适应环境改变,保证识别正确率达到最优。
其中,该系统还包括显示操作模块,所述显示操作模块用于对智能识别模块识别的结果进行显示。
与现有技术相比,本发明的有益效果是:
本发明大幅缩减信号采集识别设备的尺寸和重量,达到单人便携手持操作的目的,方便单人野外操作。
同时,该设备配备了独创的频域信号处理和智能识别算法,可以在pad级别的便携手持平台上进行连续频谱扫描和自动搜索识别跟踪。
该系统中的信号采集卡、处理分析模块、智能识别模块、对比纠正模块、参数修正模块以及显示操作模块均集成部署在一个arm架构的微型计算机平台上,尺寸小、重量轻、能耗低。
在实际的使用环境中,系统会不断自动审查识别正确率和置信度,并且自动纠正参数,适应环境改变,保证识别正确率达到最优。
本发明的处理分析模块在不消耗大量运算资源的前提下,迅速处理频带数据,准确识别信号频点、带宽、调制、编码,快速锁定指定信号。该算法优化到足够高效,使得整个程序可以在卡片大小的微型计算机上顺畅运行,从而使整个机器尺寸和重量大大减小,方便携带和手持操作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明一种便携式实时信号采集分析识别系统的原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种便携式实时信号采集分析识别系统,包括信号采集卡、处理分析模块以及智能识别模块;
其中,所述信号采集卡含有多个,若干所述信号采集卡用于采集环境信号,并将采集的环境信号发送至处理分析模块;所述环境信号为数字信号,且为多种,包括声音信号、温度信号、湿度信号;此实施例中任意选取一种数字信号进行说明;
所述处理分析模块用于对信号采集卡进行标记,根据信号采集卡的顺序依次标记为i,其中的i为正整数,i=1,2……n;
所述处理分析模块还用于对信号采集卡采集到的环境信号进行处理,当所述信号采集卡采集到环境信号,信号采集卡将环境信号经AD转换器转换为数字信号,并将转换后的数字信号发送至处理分析模块,处理分析模块接收到数字信号后,首先对数字信号进行标记,标记为字符串的方式,即Si=[s1,s2……sp]i,其中的S为数字信号元素集合,具体的,所述数字信号元素集合包括s1,s2……sp;p表示数字信号元素的个数,sp表示具体的元素;
所述处理分析模块包括多个处理单元,所述处理单元包括但是不限于变换处理单元、平滑处理单元以及选取处理单元;
需要进行说明的是,所述处理分析模块依次对数字信号进行变换处理、平滑处理以及选取处理,具体的,处理分析模块对数字信号处理的过程包括:
步骤一:AD转换器将转换后的数字信号发送至处理分析模块,处理分析模块接收到数字信号后,处理分析模块连接变换处理单元;
步骤二:变换处理单元接收到数字信号后,调取存储在变换处理单元内部的傅里叶函数,并对数字信号进行快速傅里叶变换,并将变换后的数字信号标记为频谱数据;并将频谱数据反馈回处理分析模块;
需要进行说明的是,在对数字信号进行快速傅里叶变换时,需要输入相应的给定参数,其中的给定参数包括但是不限于频率精度以及时间精度,其中的频率精度标记为df,时间精度标记为dt;
步骤三:处理分析模块接收频谱数据后,处理分析模块连接平滑处理单元,平滑处理单元接收到频谱数据,调取存储在平滑处理单元内部的时域窗长,将频谱数据排除掉时域干扰影响因素,将排除掉时域干扰影响因素后的频谱数据标记为一次频谱数据并反馈回处理分析模块;
需要进行说明的是,所述频谱数据排除掉时域干扰影响因素的过程称为时间平滑运算,其中的时域窗长为进行时间平滑运算时输入的给定参数,将时域窗长标记为ts;
处理分析模块接收一次频谱数据后,处理分析模块连接平滑处理单元对一次频谱数据进行二次处理,调取存储在平滑处理单元内部的频域窗长,将一次频谱数据排除掉频域干扰影响因素,将排除掉频域干扰影响因素后的一次频谱数据标记为二次频谱数据并反馈回处理分析模块;
需要进行说明的是,所述一次频谱数据排除掉频域干扰影响因素的过程称为频域平滑运算,其中的频域窗长为进行频域平滑运算时输入的给定参数,将频域窗长标记为fs;
步骤四:处理分析模块接收二次频谱数据后,处理分析模块连接选取处理单元,选取处理单元接收到二次频谱数据,调取存储在选取处理单元内部的门限阈值,根据门限阈值筛选二次频谱数据的有效频段;并将有效频段发送至智能识别模块;
需要进行解释说明的是,所述门限阈值的设定是为了选取二次频谱数据内部的有效频段,其中的门限阈值为进行选取处理时输入的给定参数,将门限阈值标记为dk。
其中,当智能识别模块接收到有效频段后,智能识别模块设定多个拐点,并将多个拐点汇总至拐点列表,智能识别模块进行有效频段的拐点识别并排序;
智能识别模块根据设置的拐点识别信号频域的开始和结束位置,并最终输出信号频谱数据,所述信号频谱数据内包含中心频点、频率带宽等检测结果数据。
其中,一种便携式实时信号采集分析识别系统还包括对比纠正模块与参数修正模块,所述对比纠正模块用于对中心频点、频率带宽进行对比纠正,具体的过程包括:
步骤S1:智能识别模块将识别出的中心频点、频率带宽发送至对比纠正模块,对比纠正模块内包含矫正样本;对比纠正模块将中心频点、频率带宽分别标记为Qi、Ki;矫正样本内包括中心分布域以及带宽分布域;
步骤S2:对比纠正模块将Qi、Ki分别与中心分布域以及带宽分布域进行比较,当Qi、Ki均在中心分布域以及带宽分布域内部时,表示数据结果可靠;
当Qi或Ki存在不在中心分布域或者带宽分布域内部时,表示数据结果可靠性低,则对比纠正模块发送修正信号至参数修正模块,参数修正模块对频率精度df、时间精度dt、频域窗长fs以及门限阈值dk进行修正,直至Qi、Ki均在中心分布域以及带宽分布域内部。
需要进行说明的是,所述矫正样本为已知结果,存在的意义为使得检测结果逐步逼近正确结果,提高识别正确率。在实际的使用环境中,系统会不断自动审查识别正确率和置信度,并且自动纠正参数,适应环境改变,保证识别正确率达到最优。
其中,该系统还包括显示操作模块,所述显示操作模块用于对智能识别模块识别的结果进行显示。
需要进行说明的是,该系统中的信号采集卡、处理分析模块、智能识别模块、对比纠正模块、参数修正模块以及显示操作模块均集成部署在一个arm架构的微型计算机平台上,该微型计算机平台尺寸小、重量轻、能耗低,且微型计算机平台的具体数据可以为:cpu内核≤4;主频≤2.2G;功耗≤25W;内存≤16G;主板尺寸≤12*9cm;智能算法自动频谱识别3.6GHz(100个载波)/6秒。
其中,微型计算机平台以及为微型计算机平台供电的电源模块都集成为便携手持的整体设计,具体的数据可以为长<20cm,宽<15cm,高<3cm,重量<800g。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (9)
1.一种便携式实时信号采集分析识别系统,其特征在于,包括:
信号采集卡,用于采集环境信号;
AD转换器,用于对环境信号进行AD转换,输出数字信号;
处理分析模块,依次对数字信号进行变换处理、平滑处理以及选取处理,输出有效频段;
智能识别模块,根据设定的多个拐点,识别出信号频域的开始和结束位置,并输出信号频谱数据;
对比纠正模块,将中心频点、频率带宽与矫正样本进行对比矫正,提高识别正确率。
2.根据权利要求1所述的一种便携式实时信号采集分析识别系统,其特征在于,所述信号采集卡为多个,且若干所述信号采集卡均与AD转换器相连。
3.根据权利要求1所述的一种便携式实时信号采集分析识别系统,其特征在于,所述处理分析模块包括变换处理单元、平滑处理单元以及选取处理单元,分别用于对数字信号进行变换处理、平滑处理以及选取处理。
4.根据权利要求3所述的一种便携式实时信号采集分析识别系统,其特征在于,在对数字信号进行处理时,需要进行给定参数,给定参数包括频率精度df、时间精度dt、时域窗长ts、频域窗长fs以及门限阈值dk。
5.根据权利要求4所述的一种便携式实时信号采集分析识别系统,其特征在于,还包括参数修正模块,参数修正模块用于对频率精度df、时间精度dt、频域窗长fs、时域窗长ts以及门限阈值dk进行修正。
6.根据权利要求1所述的一种便携式实时信号采集分析识别系统,其特征在于,对比纠正模块的工作过程包括:
智能识别模块将识别出的中心频点、频率带宽发送至对比纠正模块,对比纠正模块将中心频点、频率带宽分别标记为Qi、Ki;
对比纠正模块将Qi、Ki分别与中心分布域以及带宽分布域进行比较;
当Qi或Ki存在不在中心分布域或者带宽分布域内部时,对比纠正模块发送修正信号至参数修正模块,参数修正模块对频率精度df、时间精度dt、频域窗长fs以及门限阈值dk进行修正,直至Qi、Ki均在中心分布域以及带宽分布域内部。
7.根据权利要求1所述的一种便携式实时信号采集分析识别系统,其特征在于,所述矫正样本内包括中心分布域以及带宽分布域。
8.根据权利要求6所述的一种便携式实时信号采集分析识别系统,其特征在于,当Qi、Ki均在中心分布域以及带宽分布域内部时,表示数据结果可靠。
9.根据权利要求1所述的一种便携式实时信号采集分析识别系统,其特征在于,信号采集卡、处理分析模块、智能识别模块、对比纠正模块以及参数修正模块均集成部署在一个arm架构的微型计算机平台上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308777.9A CN114499702B (zh) | 2022-03-28 | 2022-03-28 | 一种便携式实时信号采集分析识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308777.9A CN114499702B (zh) | 2022-03-28 | 2022-03-28 | 一种便携式实时信号采集分析识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114499702A true CN114499702A (zh) | 2022-05-13 |
CN114499702B CN114499702B (zh) | 2022-07-12 |
Family
ID=81487873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308777.9A Active CN114499702B (zh) | 2022-03-28 | 2022-03-28 | 一种便携式实时信号采集分析识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114499702B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000106578A (ja) * | 1998-09-29 | 2000-04-11 | Nec Eng Ltd | Psk変調波キャリア再生回路及びその再生方法並びにその制御プログラムを記録した記録媒体 |
KR20050005605A (ko) * | 2003-07-05 | 2005-01-14 | 삼성전자주식회사 | 음성 코덱의 음성신호의 피치검출 장치 및 방법 |
CN1638375A (zh) * | 2003-12-29 | 2005-07-13 | 三星电子株式会社 | 用于在频域中检测回声的设备、方法和计算机程序 |
CN101944359A (zh) * | 2010-07-23 | 2011-01-12 | 杭州网豆数字技术有限公司 | 一种面向特定人群的语音识别方法 |
CN103560663A (zh) * | 2013-11-06 | 2014-02-05 | 武汉理工大学 | 功率因数校正装置及方法 |
US20140269877A1 (en) * | 2013-03-15 | 2014-09-18 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management |
CN106782511A (zh) * | 2016-12-22 | 2017-05-31 | 太原理工大学 | 修正线性深度自编码网络语音识别方法 |
CN108597505A (zh) * | 2018-04-20 | 2018-09-28 | 北京元心科技有限公司 | 语音识别方法、装置及终端设备 |
CN108680786A (zh) * | 2018-04-11 | 2018-10-19 | 东南大学 | 一种脉冲信号频域自适应滤波包络提取方法 |
WO2019006362A1 (en) * | 2017-06-30 | 2019-01-03 | Baxter International Inc. | SYSTEMS AND METHODS FOR NOISE FILTERING AND VENOUS WAVEFORM SIGNAL ANALYSIS |
CN109387813A (zh) * | 2018-08-31 | 2019-02-26 | 中国电子科技集团公司第二十九研究所 | 一种基于宽带雷达信号接收的高精度频率测量方法 |
CN109883539A (zh) * | 2019-02-28 | 2019-06-14 | 中国海洋大学 | 基于自适应omp算法的海上风机振动信号处理方法 |
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 |
CN110289918A (zh) * | 2018-03-13 | 2019-09-27 | 深圳智空未来信息技术有限公司 | 一种无线信号检测方法以及系统 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏系统直流侧电弧故障检测系统及检测方法 |
JP2019208282A (ja) * | 2019-09-02 | 2019-12-05 | 株式会社東芝 | 信号検出装置、無線通信装置、無線通信端末および信号検出方法 |
CN111693944A (zh) * | 2020-06-18 | 2020-09-22 | 上海志良电子科技有限公司 | 雷达有源干扰信号参数提取与干扰样式识别方法及装置 |
CN111929649A (zh) * | 2020-07-01 | 2020-11-13 | 中国人民解放军海军航空大学青岛校区 | 雷达信号侦察与干扰信号生成标校方法及设备 |
CN113132035A (zh) * | 2020-01-15 | 2021-07-16 | 中国人民解放军国防科技大学 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
CN114025379A (zh) * | 2021-11-05 | 2022-02-08 | 北京邮电大学 | 一种宽带多信号检测方法、装置和设备 |
-
2022
- 2022-03-28 CN CN202210308777.9A patent/CN114499702B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000106578A (ja) * | 1998-09-29 | 2000-04-11 | Nec Eng Ltd | Psk変調波キャリア再生回路及びその再生方法並びにその制御プログラムを記録した記録媒体 |
KR20050005605A (ko) * | 2003-07-05 | 2005-01-14 | 삼성전자주식회사 | 음성 코덱의 음성신호의 피치검출 장치 및 방법 |
CN1638375A (zh) * | 2003-12-29 | 2005-07-13 | 三星电子株式会社 | 用于在频域中检测回声的设备、方法和计算机程序 |
CN101944359A (zh) * | 2010-07-23 | 2011-01-12 | 杭州网豆数字技术有限公司 | 一种面向特定人群的语音识别方法 |
US20140269877A1 (en) * | 2013-03-15 | 2014-09-18 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management |
CN103560663A (zh) * | 2013-11-06 | 2014-02-05 | 武汉理工大学 | 功率因数校正装置及方法 |
CN106782511A (zh) * | 2016-12-22 | 2017-05-31 | 太原理工大学 | 修正线性深度自编码网络语音识别方法 |
WO2019006362A1 (en) * | 2017-06-30 | 2019-01-03 | Baxter International Inc. | SYSTEMS AND METHODS FOR NOISE FILTERING AND VENOUS WAVEFORM SIGNAL ANALYSIS |
CN110289918A (zh) * | 2018-03-13 | 2019-09-27 | 深圳智空未来信息技术有限公司 | 一种无线信号检测方法以及系统 |
CN108680786A (zh) * | 2018-04-11 | 2018-10-19 | 东南大学 | 一种脉冲信号频域自适应滤波包络提取方法 |
CN108597505A (zh) * | 2018-04-20 | 2018-09-28 | 北京元心科技有限公司 | 语音识别方法、装置及终端设备 |
CN109387813A (zh) * | 2018-08-31 | 2019-02-26 | 中国电子科技集团公司第二十九研究所 | 一种基于宽带雷达信号接收的高精度频率测量方法 |
CN109883539A (zh) * | 2019-02-28 | 2019-06-14 | 中国海洋大学 | 基于自适应omp算法的海上风机振动信号处理方法 |
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 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏系统直流侧电弧故障检测系统及检测方法 |
JP2019208282A (ja) * | 2019-09-02 | 2019-12-05 | 株式会社東芝 | 信号検出装置、無線通信装置、無線通信端末および信号検出方法 |
CN113132035A (zh) * | 2020-01-15 | 2021-07-16 | 中国人民解放军国防科技大学 | 基于形态学滤波处理的信号自适应干扰检测方法和装置 |
CN111693944A (zh) * | 2020-06-18 | 2020-09-22 | 上海志良电子科技有限公司 | 雷达有源干扰信号参数提取与干扰样式识别方法及装置 |
CN111929649A (zh) * | 2020-07-01 | 2020-11-13 | 中国人民解放军海军航空大学青岛校区 | 雷达信号侦察与干扰信号生成标校方法及设备 |
CN114025379A (zh) * | 2021-11-05 | 2022-02-08 | 北京邮电大学 | 一种宽带多信号检测方法、装置和设备 |
Non-Patent Citations (2)
Title |
---|
CHEN WENJIAN: "A method for detecting of the target echo in reverberation noise", 《2008 IEEE ULTRASONICS SYMPOSIUM》 * |
张旭: "基于信号分析的无线设备"指纹"特征提取", 《中国优秀硕士学位论文全文库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114499702B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171207A (zh) | 基于视频序列的人脸识别方法和装置 | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
CN109547133A (zh) | 一种基于Cholesky分解采样协方差矩阵的SVM高效频谱感知方法 | |
CN111832462B (zh) | 一种基于深度神经网络的跳频信号检测与参数估计方法 | |
CN112785441B (zh) | 数据处理方法、装置、终端设备及存储介质 | |
CN110297218B (zh) | 基于生成对抗网络的雷达信号未知调制方式检测方法 | |
CN108197592A (zh) | 信息获取方法和装置 | |
CN114760172B (zh) | 射频基带综合特征信号识别方法与装置 | |
CN115455089A (zh) | 一种无源组件的性能评估方法、系统及存储介质 | |
CN112969134B (zh) | 麦克风异常检测方法、装置、设备及存储介质 | |
CN114499702B (zh) | 一种便携式实时信号采集分析识别系统 | |
CN113702767B (zh) | 基于小波滑窗能量的孤岛直流微电网故障诊断方法 | |
CN114255487A (zh) | 一种半监督射频指纹提取的物联网设备身份认证方法 | |
CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
CN110991378B (zh) | 一种功率放大器个体识别方法及装置 | |
CN117200241A (zh) | 一种新能源并网智能调压系统 | |
CN117290679A (zh) | 电流互感器的运行状态检测方法、装置及电子设备 | |
CN109993381B (zh) | 基于知识图谱的需求管理应用方法、装置、设备及介质 | |
CN116738144A (zh) | 基于rfid的人体行为检测方法、装置、介质及设备 | |
CN113793620B (zh) | 基于场景分类的语音降噪方法、装置、设备及存储介质 | |
CN115409132A (zh) | 一种配电网数据的处理方法及系统 | |
CN114971081A (zh) | 一种基于时间序列分析与日统计的辐照预测方法 | |
CN115618286A (zh) | 变压器局部放电类型识别方法、系统、设备、终端及应用 | |
CN111612021A (zh) | 一种错误样本识别方法、装置及终端 | |
Jiang et al. | A Novel Methodology for Microgrid Power Quality Disturbance Classification Using URPM-CWT and Multi-Channel Feature Fusion |
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 |