CN114696922A - 一种适用于无人机通信的跳频信号检测方法 - Google Patents

一种适用于无人机通信的跳频信号检测方法 Download PDF

Info

Publication number
CN114696922A
CN114696922A CN202210160521.8A CN202210160521A CN114696922A CN 114696922 A CN114696922 A CN 114696922A CN 202210160521 A CN202210160521 A CN 202210160521A CN 114696922 A CN114696922 A CN 114696922A
Authority
CN
China
Prior art keywords
frequency point
signal frame
signal
power
detection
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
Application number
CN202210160521.8A
Other languages
English (en)
Other versions
CN114696922B (zh
Inventor
邵怀宗
王万治
陈伟
马宇辰
翟志凯
张伟
林静然
潘晔
利强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210160521.8A priority Critical patent/CN114696922B/zh
Publication of CN114696922A publication Critical patent/CN114696922A/zh
Application granted granted Critical
Publication of CN114696922B publication Critical patent/CN114696922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B1/00Details 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
    • H04B1/38Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/3822Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving specially adapted for use in vehicles
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B1/00Details 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
    • H04B1/69Spread spectrum techniques
    • H04B1/713Spread spectrum techniques using frequency hopping
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • H04B17/318Received signal strength
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing 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)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发提供一种适用于无人机通信的跳频信号检测方法,包括以下步骤:1)功率谱估计步骤,包括功率谱遍历与带宽检测;2)信号帧视频定位步骤:3)跳频信号帧筛选步骤。通过带宽状态检测手段,更新各个检测频点,根据起止频点、噪声门限等参数,达到信号帧检测的目的。使用本发明方法检测出的信号帧,通过对比信号帧时长、带宽参数对其进行筛选,进而能在有多种干扰的信号中筛选出无人机信号帧,解决了当信道中包含多种干扰信号时而无法有效检测出无人机通信链路的问题。

Description

一种适用于无人机通信的跳频信号检测方法
技术领域
本发明涉及信号检测技术,特别涉及适用于无人机通信的跳频信号检测技术。
技术背景
随着无人机相关技术的发展,无人机在现代化社会中发挥着越来越重要的作用,尤其是在城市管理、农业、地质等行业。但在给人们带来便利的同时,无人机的不规范使用也暴露出一系列公共安全隐患。基于无人机飞行管控的要求,国家空管委、中国民航局等部门出台了一系列无人机监管政策,无人机信号检测是反无人机系统中不可或缺的一部分。无人机信号检测包括三个方面:跳频信号检测、跳频信号参数估计以及信号分选。跳频信号检测是指判断宽带侦查接收机接收到的复杂信号中是否含有跳频信号,并将跳频信号以外的其他无用信号进行去除。由于跳频通信中收发双方传输信号的载波频率受随机变化码的控制而随机跳变,参数估计部分不仅包括调制样式、信息速率等常规参数,还包括载频、带宽、跳周期等特有参数。
目前的跳频信号检测算法包括有基于功率谱对消的、基于多跳自相关的和基于时频分析的。
基于功率谱对消的跳频信号检测算法
根据跳频信号和定频信号功率谱随时间变化之间的差异,利用功率谱对消来去除定频信号的干扰,从而实现对跳频信号的检测。
假设接收到的信号为跳频信号和高斯白噪声信号的混合信号,将接收数据分为L段长度为M的数据段,对每段数据进行快速FFT变换求得功率谱,则整段数据的平均功率谱是L段数据功率谱的平均值。假设在整段数据中,m个定频信号一直存在,则对每段数据中的定频信号进行快速FFT变换求得功率谱,则整段数据中定频信号的平均功率谱是L段定频信号数据功率谱的平均值。假设在整段数据中,跳频信号在L段数据中出现了a次,由于跳频信号的频率是不断变化的,不可能存在于整段数据中,所以通常情况下a<L,则对每段数据中的跳频信号进行快速FFT变换求得跳频信号数据功率谱,整段数据中跳频信号的平均功率谱是L段跳频信号数据功率谱的平均值。
由上可知,就定频信号而言,整段数据中定频信号的平均功率谱和每段定频信号的功率谱相等。就跳频信号而言,整段数据中跳频信号的平均功率谱是包含跳频信号的某一段数据的功率谱的h/L倍。所以将每段数据的功率谱与整段数据的平均功率谱对应相减再累加求和,即可对消定频信号,定义参数功率对消比为α=p1/p2。其中,p1代表分段后的信号功率,p2代表定频信号对消后的信号功率。设置合理的门限值β,若α>β,则待检测信号为跳频信号,反之则为定频信号。
基于多跳自相关的跳频信号检测算法
根据跳频信号自相关函数和噪声信号自相关函数的分布特性差异,设计检测模型,得到基于自相关函数的检测统计量,再将观测到的检测量样本值与设定的检测门限进行比较,进而判断是否存在跳频信号。
假设接收到的信号为跳频信号和高斯白噪声信号的混合信号,将收到的信号进行自相关,则包括跳频信号的自相关、噪声信号的自相关和信号噪声的互相关。由于高斯噪声信号与跳频信号不相关,互相关近似零。当接收数据足够长时,不同跳信号是不相关的,即互相关函数为零,同时忽略非整跳周期信号的影响下,当时延小于跳频周期时,多跳自相关函数随着时延的增加而持续震荡,其自相关为非零值,而当时延大于跳频周期时,代表跳变次数较多,由于跳频信号中相邻跳不具有相关性,从而多跳自相关函数值趋于零。故可根据接收信号的自相关值在一个跳周期时延范围内是否出现较大峰值实现对跳频信号存在性的检测。基于时频分析的跳频信号检测算法
先对接收到的信号进行时频变换,得到存在大量噪声点的时频图,再利用滤波对时频图进行预处理,提取出有效跳频信号。典型的线性时频分析算法有短时傅里叶变换和Gabor变换等。
短时傅里叶变换是连接傅里叶变换和小波变换的桥梁,其基本思想是在时域用窗函数γ(τ)去截被分析的信号s(τ),对得到的局部信号作傅里叶变换,就得到t时刻该段信号的傅里叶变换。不断移动t,即不断移动窗函数γ(τ),即可得到不同时刻的傅里叶变换。这些傅里叶变换的集合,即是短时傅里叶变换。可以表示为
Figure BDA0003514430080000021
其中,s(τ)为被分析信号,γ(t-τ)为分析窗,*为复数共轭。
Gabor变换的基本思想是为了减少短时傅里叶变换后产生的不必要的冗余,减少运算复杂度,将参数τ和ω在时频网格中进行离散,从而用二维时频平面离散网络上的点来表示一维信号的变换。可表示为
Figure BDA0003514430080000031
其中,T0为二维网格的时间长度,ω0为二维网格的频率长度,{am,n}为一维信号s(t)的展开系数,{γm,n(t)}为基本的窗函数γ(t)经过移位和调制所生成的。
基于功率谱对消和多跳自相关的检测算法只适用于干扰为白噪声的情况,时频分析算法只适用于干扰为白噪声或已知特定干扰型号的情况。现有的无人机信号检测是在复杂的电磁环境中,比如ISM频段属于民用频段,包括蓝牙、业余无线电信号等干扰信号。将现有的跳频信号检测方法应用在无人机检测中无法正常使用。
发明内容
本发明所要解决的技术问题是,提供一种可以在非专有、存在多种干扰信号的信道(如ISM频段),有效检测出无人机的方法。
本发明为解决上述技术问题所采用的技术方案是,一种适用于无人机通信的跳频信号检测方法,包括以下步骤:
1)收到当前时刻待检测信号的功率谱进行功率谱估计,所述功率谱记录了每一个频点对应的功率值:
1-1)功率谱遍历状态:从功率谱起始频点向终止频点遍历,当频点功率小于噪声门限则移动到下一个频点继续遍历,直至遍历到终止频点则表示功率谱遍历状态结束,进入步骤3);
在功率谱遍历过程中若出现一个频点功率大于等于噪声门限,跳转步骤1-2)带宽检测状态;
1-2)带宽检测状态:
设置待检测信号的左截止频点和右截止频点,设置峰值频点为当前频点的初始值;
向终止频点方向移动当前频点来遍历功率谱,直到当前频点功率小于噪声门限或到达终止频点;在带宽检测状态的遍历过程中,若当前频点功率值大于等于峰值频点功率值,则将峰值频点与右截止频点均更新为当前频点,否则移动到下一个频点继续遍历;若当前频点功率值小于峰值频点功率值乘以带宽下降准则,则将右截止频点更新为当前频点;
再从峰值频点向起始频点方向遍历功率谱,直到当前频点功率值小于峰值频点功率值乘以带宽下降准则,将左截止频点更新为当前频点;
计算左截止频点到右截止频点的功率平均值,得到右截止频点、左截止频点和功率平均值作为带宽检测结果,退出带宽检测状态进入步骤2);
2)信号帧视频定位步骤:
将带宽检测结果与处于正在检测中以及尚未检测完成的信号帧的特征向量比对,通过比对结果来决定带宽检测结果是用于更新处于正在检测中以及尚未检测完成的信号帧的特征向量或建立新信号帧的特征向量;比对完成后如还未到终止频点则再跳转到步骤1-1)功率谱遍历状态中移动到下一个频点继续遍历;
3)跳频信号帧筛选步骤:检测是否有处于检测中以及尚未检测完成的信号帧已经检测结束,如否,则返回步骤1),如是,则再检查该信号帧的信号时长与信号带宽是否满足无人机通信的跳频信号的帧筛选条件,如满足则将该信号帧更新为检测完成的信号帧,否则舍弃。
本发明提出带宽状态检测手段,更新各个检测频点,根据起止频点、噪声门限等参数,达到信号帧检测的目的。使用本发明方法检测出的信号帧,通过对比信号帧时长、带宽参数对其进行筛选,进而能在有多种干扰的信号中筛选出无人机信号帧,解决了当信道中包含多种干扰信号时而无法有效检测出无人机通信链路的问题。
本发明的有益效果是,具有良好的实时性,算法复杂度低;检测系统中的参数可调,适用于不同信道。
附图说明
图1为本发明无人机信号检测示意图。
具体实施方式
本发明为了在非专有、存在多种干扰信号的信道有效检测出无人机通信链路并可根据先验信息获得无人机型号特征,如图1所示,通过功率谱估计、信号帧时频定位以及跳频信号帧筛选三种手段在当前时段频段中找出满足搜索条件的所有信号帧;功率谱使用了计算复杂度更低、估计效果更好的welch谱估计方法;信号帧时频定位是从得到的功率谱中找到通信信号帧;跳频信号帧筛选是在找到的所有信号帧中根据时长和带宽作一次过滤,留下感兴趣的跳频信号帧。
信号帧检测过程如下:
1)配置检测参数和筛选参数:
检测参数包括:bwcrit、bwtoler、noiseth、Fstart和Fend
Figure BDA0003514430080000051
筛选参数包括:Tmin、Tmax、Fmin和Fmax
参数名称 参数说明
T<sub>min</sub> 信号帧时长最小值
T<sub>max</sub> 信号帧时长最大值
F<sub>min</sub> 信号帧带宽最小值
F<sub>max</sub> 信号帧带宽最大值
2)新建frameNew和frameSet两个链表,链表中数据类型为信号帧特征向量。两个链表存放不同数据内容:frameNew用于存放正在检测中、尚未检测完成的信号帧;frameSet用于存放检测完成的信号帧:
[tstart,tend,fstart,fend,PSD]
其中,tstart为信号帧起始时间,tend为信号帧结束时间,fstart为信号帧起始频点,fend为信号帧结束频点,PSD为频点功率的平均值;
3)收到当前时刻ti的welch功率谱Pxx,Pxx是一个数组,记录了每一个频点对应的功率值,进入功率谱遍历状态;
4)功率谱遍历状态:从功率谱检测起始频点到检测终止频点遍历,当遍历到检测终止频点则表示功率谱遍历状态结束,若某一频点功率大于等于噪声门限,跳转到带宽检测状态,若某一频点功率小于噪声门限则移动到下一个频点继续遍历;
5)带宽检测状态:设置信号的左截止频点fleft、右截止频点fright、峰值频点fpeek为当前频点fnow的初始化带宽指针;
向右遍历功率谱,当前频点fnow向右移动,若当前频点fnow功率值大于等于峰值频点fpeek功率值,则将fpeek、fright更新为fnow,否则移动到下一个频点继续遍历;若当前频点fnow功率值小于峰值频点fpeek功率值乘以带宽下降准则bwcrit,则将fright更新为fnow,不断循环直到当前频点fnow功率小于噪声门限noiseth或到达终止频点Fend;当前频点fnow功率小于噪声门限noiseth则表明已经找到信号终止频点;
从峰值频点fpeek向起始频点位置遍历,直到当前频点fnow功率值小于峰值频点fpeek功率值乘以带宽下降准则bwcrit,将fleft更新为fnow
计算fleft到fright频点功率的平均值记为PSD,并退出带宽检测状态;
6)带宽检测结束后,将带宽检测结果fright、fleft、PSD与frameNew中的信号帧比对,若frameNew中某信号帧起止频率与带宽检测输出的起止频率相匹配,则认为信号从上一谱估计时刻延续到了当前时刻,在该信号帧中的tend+1,同时更新信号的功率PSD;若没有相匹配的信号帧,则认为这是一个新信号帧,在frameNew中添加一个链表成员,其tstart、tend都是当前时刻tnow,fstart、fend和PSD是带宽估计的结果,如还未到检测终止频点则再跳转到功率谱遍历状态;
7)功率谱遍历状态结束后检查frameNew,如frameNew有被更新过tend的信号帧在上一次谱估计时刻结束,则该信号帧已经检测结束,不用继续对其检测,需要将其从frameNew链表中移出;再检查该信号帧是否满足帧筛选的条件,即信号时长是否属于时长范围、信号带宽是否属于带宽范围。若满足则将该信号帧移动到frameSet链表中,不满足则舍弃。跳转到步骤2继续运行直到收到检测停止的指令。

Claims (3)

1.一种适用于无人机通信的跳频信号检测方法,其特征在于,包括以下步骤:
1)收到当前时刻待检测信号的功率谱进行功率谱估计,所述功率谱记录了每一个频点对应的功率值:
1-1)功率谱遍历状态:从功率谱起始频点向终止频点遍历,当频点功率小于噪声门限则移动到下一个频点继续遍历,直至遍历到终止频点则表示功率谱遍历状态结束,进入步骤3);
在功率谱遍历过程中若出现一个频点功率大于等于噪声门限,跳转步骤1-2)带宽检测状态;
1-2)带宽检测状态:
设置待检测信号的左截止频点和右截止频点,设置峰值频点为当前频点的初始值;
向终止频点方向移动当前频点来遍历功率谱,直到当前频点功率小于噪声门限或到达终止频点;在带宽检测状态的遍历过程中,若当前频点功率值大于等于峰值频点功率值,则将峰值频点与右截止频点均更新为当前频点,否则移动到下一个频点继续遍历;若当前频点功率值小于峰值频点功率值乘以带宽下降准则,则将右截止频点更新为当前频点;
再从峰值频点向起始频点方向遍历功率谱,直到当前频点功率值小于峰值频点功率值乘以带宽下降准则,将左截止频点更新为当前频点;
计算左截止频点到右截止频点的功率平均值,得到右截止频点、左截止频点和功率平均值作为带宽检测结果,退出带宽检测状态进入步骤2);
2)信号帧视频定位步骤:
将带宽检测结果与处于正在检测中以及尚未检测完成的信号帧的特征向量比对,通过比对结果来决定带宽检测结果是用于更新处于正在检测中以及尚未检测完成的信号帧的特征向量或建立新信号帧的特征向量;比对完成后如还未到终止频点则再跳转到步骤1-1)功率谱遍历状态中移动到下一个频点继续遍历;
3)跳频信号帧筛选步骤:检测是否有处于检测中以及尚未检测完成的信号帧已经检测结束,如否,则返回步骤1),如是,则再检查该信号帧的信号时长与信号带宽是否满足无人机通信的跳频信号的帧筛选条件,如满足则将该信号帧更新为检测完成的信号帧,否则舍弃。
2.如权利要求1所述方法,其特征在于,通过比对结果来决定带宽检测结果是用于更新处于正在检测中以及尚未检测完成的信号帧的特征向量或建立新信号帧的特征向量的具体方法是:
比对过程中若有信号帧特征向量中的起止频率与带宽检测结果中的左截止频点相匹配,则更新信号帧特征向量中的信号帧结束时间为当前信号帧结束时间加1,并利用带宽检测结果中的功率平均值更新信号帧特征向量中的功率平均值;若没有相匹配的信号帧,则认为这是一个新信号帧,以当前时刻赋值新信号帧特征向量中的信号帧起始时间与信号帧结束时间,以带宽检测结果中的右截止频点、左截止频点和功率平均值分别赋值新信号帧特征向量中的信号帧起始频点、信号帧结束频点和功率平均值。
3.如权利要求1所述方法,其特征在于,检测是否有处于检测中以及尚未检测完成的信号帧已经检测结束的具体方法是:
检查是否有处于检测中以及尚未检测完成的信号帧的特征向量中的信号帧结束时间是否在上一次谱估计时刻结束,如是则该信号帧已经检测结束。
CN202210160521.8A 2022-02-22 2022-02-22 一种适用于无人机通信的跳频信号检测方法 Active CN114696922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210160521.8A CN114696922B (zh) 2022-02-22 2022-02-22 一种适用于无人机通信的跳频信号检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210160521.8A CN114696922B (zh) 2022-02-22 2022-02-22 一种适用于无人机通信的跳频信号检测方法

Publications (2)

Publication Number Publication Date
CN114696922A true CN114696922A (zh) 2022-07-01
CN114696922B CN114696922B (zh) 2023-06-09

Family

ID=82136897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210160521.8A Active CN114696922B (zh) 2022-02-22 2022-02-22 一种适用于无人机通信的跳频信号检测方法

Country Status (1)

Country Link
CN (1) CN114696922B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115242266A (zh) * 2022-07-12 2022-10-25 中国人民解放军国防科技大学 基于干扰认知的索引调制跳频的抗干扰方法、装置和设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8010287B1 (en) * 2007-08-14 2011-08-30 Rockwell Collins, Inc. Frequency hopping data link approach to autonomous GPS denied relative navigation determination
CN106685478A (zh) * 2016-12-19 2017-05-17 电子科技大学 基于信号时频图像信息提取的跳频信号参数估计方法
CN108366033A (zh) * 2018-02-08 2018-08-03 上海无线通信研究中心 通信信号的检测方法/系统、计算机可读存储介质及设备
CN108768562A (zh) * 2018-05-07 2018-11-06 西北工业大学 一种基于遥控与图传信号的非法无人机识别方法
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法
CN110519003A (zh) * 2019-08-29 2019-11-29 中国人民解放军63892部队 一种基于信号特征差异的无人机上下行通信链路识别方法
CN112564735A (zh) * 2020-12-10 2021-03-26 杭州星辰大海科技有限公司 一种基于跳频信号的无人机检测跟踪干扰装置
CN113078925A (zh) * 2021-03-17 2021-07-06 武汉能钠智能装备技术股份有限公司 丢帧检测方法、设备、存储介质及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8010287B1 (en) * 2007-08-14 2011-08-30 Rockwell Collins, Inc. Frequency hopping data link approach to autonomous GPS denied relative navigation determination
CN106685478A (zh) * 2016-12-19 2017-05-17 电子科技大学 基于信号时频图像信息提取的跳频信号参数估计方法
CN108366033A (zh) * 2018-02-08 2018-08-03 上海无线通信研究中心 通信信号的检测方法/系统、计算机可读存储介质及设备
CN108768562A (zh) * 2018-05-07 2018-11-06 西北工业大学 一种基于遥控与图传信号的非法无人机识别方法
CN109981192A (zh) * 2019-04-08 2019-07-05 南京航空航天大学 一种空域反黑飞无人机的频谱监测系统及方法
CN110519003A (zh) * 2019-08-29 2019-11-29 中国人民解放军63892部队 一种基于信号特征差异的无人机上下行通信链路识别方法
CN112564735A (zh) * 2020-12-10 2021-03-26 杭州星辰大海科技有限公司 一种基于跳频信号的无人机检测跟踪干扰装置
CN113078925A (zh) * 2021-03-17 2021-07-06 武汉能钠智能装备技术股份有限公司 丢帧检测方法、设备、存储介质及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ILTERIS DEMIRKIRAN: "Approximating the power spectral density of frequency hopping spread spectrum signals", 《2012 INTERNATIONAL WAVEFORM DIVERSITY & DESIGN CONFERENCE (WDD)》 *
ILTERIS DEMIRKIRAN: "Approximating the power spectral density of frequency hopping spread spectrum signals", 《2012 INTERNATIONAL WAVEFORM DIVERSITY & DESIGN CONFERENCE (WDD)》, 29 October 2015 (2015-10-29) *
李斌: "基于跳频信号的无人机测向技术研究", 《中国优秀硕士学位论文全文数据库》 *
李斌: "基于跳频信号的无人机测向技术研究", 《中国优秀硕士学位论文全文数据库》, 15 May 2021 (2021-05-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115242266A (zh) * 2022-07-12 2022-10-25 中国人民解放军国防科技大学 基于干扰认知的索引调制跳频的抗干扰方法、装置和设备
CN115242266B (zh) * 2022-07-12 2024-05-24 中国人民解放军国防科技大学 基于干扰认知的索引调制跳频的抗干扰方法、装置和设备

Also Published As

Publication number Publication date
CN114696922B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN110519003B (zh) 一种基于信号特征差异的无人机上下行通信链路识别方法及装置
CN114050951B (zh) 超短波跳频信号参数盲估计方法
CN112684251B (zh) 一种基于功率谱模版的目标信号频域检测方法
CN109543643B (zh) 基于一维全卷积神经网络的载波信号检测方法
Rabbachin et al. ML time-of-arrival estimation based on low complexity UWB energy detection
US6658261B1 (en) Method for sinusoidal modeling and prediction of fast fading processes
De Vito A review of wideband spectrum sensing methods for cognitive radios
US9967117B2 (en) Cooperative spectrum sensing system using sub-nyquist sampling and method thereof
CN114696922B (zh) 一种适用于无人机通信的跳频信号检测方法
Cheng et al. Multi-path propagation measurements for vehicular networks at 5.9 GHz
Angrisani et al. A dual step energy detection based spectrum sensing algorithm for cognitive vehicular ad hoc networks
CN112929141A (zh) 一种基于图传信号匹配的无人机检测识别方法和系统
CN117439845A (zh) 一种伪随机码频移键控信号的同源检测方法
Youssef et al. Efficient cooperative spectrum detection in cognitive radio systems using wavelet fusion
KR101943734B1 (ko) 도약 주파수 추정 장치 및 방법
Aziz et al. Spectrum sensing for cognitive radio using multicoset sampling
Long et al. A mechanism for detecting session hijacks in wireless networks
CN114696942B (zh) 一种适用于无人机通信链路的干扰方法
CN113037326B (zh) 扩频通信方法、装置、设备和可读存储介质
JP5252430B2 (ja) 信号検出方法,プログラム,情報記憶媒体,及びセンサー
US8238408B2 (en) Method for processing a sampled rectified ultra wide band signal
US8161089B1 (en) Method for detecting a broad class of signals in Gaussian noise using higher order statistics in both time and frequency domains
Hosseini et al. Enhanced FCME thresholding for wavelet‐based cognitive UWB over fading channels
CN113489552A (zh) 一种基于时频谱矩阵局部方差的跳频信号检测方法
Arjun et al. Performance Analysis of Wavelet based Spectrum Sensing and Conventional Spectrum Sensing in Fading Environment for Cognitive Radios

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