CN115118397A - 一种基于改进的Hannan-Quinn准则的信号检测方法与系统 - Google Patents
一种基于改进的Hannan-Quinn准则的信号检测方法与系统 Download PDFInfo
- Publication number
- CN115118397A CN115118397A CN202210725128.9A CN202210725128A CN115118397A CN 115118397 A CN115118397 A CN 115118397A CN 202210725128 A CN202210725128 A CN 202210725128A CN 115118397 A CN115118397 A CN 115118397A
- Authority
- CN
- China
- Prior art keywords
- signal
- criterion
- hannan
- quinn
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 26
- 230000000694 effects Effects 0.000 description 8
- 238000013459 approach Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于改进的Hannan‑Quinn准则的信号检测方法与系统，对采样数据进行分段，多次进行HQ准则检测，将多次检测后信源数估计大于等于1的次数作为新的检测参量。该方法与应用了信源数估计的HQ准则信号检测法、AIC准则信号检测法以及MDL准则信号检测法相比，克服了HQ准则检测器和AIC准则检测器中存在的不足，且预测准确率优于MDL准则检测器的预测准确率，在实际的通信场景中更易实现。
Description
技术领域
本发明涉及通信技术领域，更具体地，涉及一种基于改进的Hannan-Quinn准则的信号检测方法与系统。
背景技术
信号检测技术是统计信号处理领域的基础，在缺乏目标信号先验知识的非合作通信场景中尤为重要。该技术的目的在于检测接收数据中是否存在有用信号，便于进一步的数据处理。随着通信传输环境的复杂化，通信系统接收端信噪比不断下降，影响了现有检测算法的性能。为提高低信噪比下的检测效果，研究学者们对多天线信号检测进行研究，结合阵列信号处理的优势来提升检测器的整体性能。
信源数估计准则是阵列信号处理中的研究重点之一，其目的是基于给定的概率模型选择与观测数据拟合效果最优的模型，可以避免对最终结果的主观影响。其中，具有代表性的有Akaike信息论准则(Akaike Information Criterion,AIC)和最小描述长度(Minimum Description Length,MDL)准则。在信源个数估计性能上，AIC准则在系统接收信噪比较低时性能优于MDL准则，但与AIC准则不同的是，MDL准则具有估计一致性。因此，学者们结合两种准则提出了Hannan-Quinn定阶准则(Hannan-Quinn Order Criterion)。
当接收信号的信源数确定时，能够得到信号存在与否的结论，因此，学者们尝试将信息论准则应用于信号检测领域中。针对适用于低信噪比场景的AIC准则和HQ准则，AIC准则检测器出现虚警概率较高的问题，且虚警概率无法通过改变检测信号长度来降低；HQ准则检测器的虚警概率会随着检测信号长度的增加而下降，但是达到所要求的虚警概率(检测器预测准确率达99％以上要求虚警概率低于0.02)所需的检测信号长度过长，对硬件设备提出了极高的要求，且计算复杂度极高，限制了检测算法在实际通信场景中的应用；而MDL准则检测器在较低信噪比条件下的性能不够好。
现有技术中公开一种基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法，所述微弱信号检测方法的具体过程为：信号发生器产生微弱信号并将此微弱信号发送至ADC；ADC采样后将数据发送至FPGA；FPGA将接收的数据作为Duffing方程的输入，利用波峰差值检测算法计算Duffing方程的数值解；FPGA根据数值解判断当前状态，进而获取输入信号的频率；FPGA将检测结果通过USB芯片发送至上位机。该发明在较低信噪比条件下检测精度较弱。
发明内容
本发明的首要目的是提供一种基于改进的Hannan-Quinn准则的信号检测方法，解决了HQ准则检测器预测准确率无法趋近100％的问题。
本发明的进一步目的是提供一种基于改进的Hannan-Quinn准则的信号检测系统。
为解决上述技术问题，本发明的技术方案如下：
一种基于改进的Hannan-Quinn准则的信号检测方法，包括以下步骤：
S1：输入M阵元均匀圆阵接收的待测信号阵列数据；
S2：初始化中间变量，设置判决门限；
S3：截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
S4：对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
S5：若求解的信息个数大于等于1时，将中间变量的值加1；
S6：利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
S7：重复步骤S3至S6共D次，得到检测统计量；
S8：将检测统计量与判决门限进行比较并输出判决结果。
优选地，步骤S1中的接收的待测信号阵列数据满足：
x(t)＝[x1(t),x2(t),…,xM(t)]T
式中，x(t)为M阵元均匀圆阵接收的待测信号阵列数据，所述M阵元均匀圆阵的半径为r，且各阵元的信号增益均为1；
为来波方向，ni(t)表达第i个阵元的环境噪声，s(t)为方位角为θ、俯仰角为
的窄带远场信号。
优选地，步骤S2中初始化中间变量，具体为：
设置中间变量初始值U＝0。
优选地，步骤S3中截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵，样本协方差矩阵具体为：
式中，t＝1,2,…,N。
优选地，S4中对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数，具体为：
对样本协方差矩阵进行特征值分解，所得的特征值从大到小表示为
利用Hannan-Quinn准则的估计信源个数
优选地，步骤S7中重复步骤S3至S6共D次，检测的信号总长度L为：
L＝N+N(1-Nc)(D-1)。
优选地，步骤S7中得到检测统计量，具体为：
T＝U
式中，T为检测统计量。
优选地，所述步骤S8中判决门限γ设置为：
γ＝D。
优选地，所述步骤S8中将检测统计量与判决门限进行比较并输出判决结果，具体为：
当检测统计量T等于判决门限γ时，判定为存在信号；
当检测统计量T小于判决门限γ时，判定为只存在环境噪声。
一种基于改进的Hannan-Quinn准则的信号检测系统，包括：
输入模块，所述输入模块用于输入M阵元均匀圆阵接收的待测信号阵列数据；
初始化模块，所述初始化模块用于初始化中间变量，设置判决门限；
协方差矩阵模块，所述协方差矩阵模块用于截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
信源求解模块，所述信源求解模块用于对协方差矩阵模块得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
加值模块，所述加值模块在若求解的信息个数大于等于1时，将中间变量的值加1；
滑动截取模块，所述滑动截取模块利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
重复模块，所述重复模块用于重复协方差矩阵模块至滑动截取模块共D次，得到检测统计量；
输出模块，所述输出模块将检测统计量与判决门限进行比较并输出判决结果。
与现有技术相比，本发明技术方案的有益效果是：
本发明与同样基于信息论估计准则的算法对比，如AIC准则信号检测法、HQ准则信号检测法以及MDL准则信号检测法，本发明提出的方案解决了AIC准则信号检测法和HQ准则信号检测法高信噪比下检测准确率无法趋近100％的不足，且本发明算法的检测准确率性能优于MDL准则信号检测法，在低信噪比的情况下检测性能良好。
附图说明
图1为本发明的方法流程示意图。
图2为M阵元均匀圆阵结构示意图。
图3为本发明的方法与AIC准则信号检测算法、HQ准则信号检测算法以及MDL准则信号检测算法的检测准确率对比示意图。
图4为本发明的方法对不同通信信号进行检测的检测效果示意图。
图5为本发明的系统模块示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于改进的Hannan-Quinn准则的信号检测方法，如图1所示，包括以下步骤：
S1：输入M阵元均匀圆阵接收的待测信号阵列数据；
S2：初始化中间变量，设置判决门限；
S3：截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
S4：对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
S5：若求解的信息个数大于等于1时，将中间变量的值加1；
S6：利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
S7：重复步骤S3至S6共D次，得到检测统计量；
S8：将检测统计量与判决门限进行比较并输出判决结果。
步骤S1中的接收的待测信号阵列数据满足：
x(t)＝[x1(t),x2(t),…,xM(t)]T
式中，x(t)为M阵元均匀圆阵接收的待测信号阵列数据，如图2所示，所述M阵元均匀圆阵的半径为r，且各阵元的信号增益均为1；
为来波方向，ni(t)表达第i个阵元的环境噪声，s(t)为方位角为θ、俯仰角为
的窄带远场信号。
步骤S2中初始化中间变量，具体为：
设置中间变量初始值U＝0。
步骤S3中截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵，样本协方差矩阵具体为：
式中，t＝1,2,…,N。
S4中对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数，具体为：
为了估计接收数据中的信源数，对样本协方差矩阵进行特征值分解，所得的特征值从大到小表示为
利用Hannan-Quinn准则的估计信源个数
步骤S5的目的是求解多次判决中信源个数大于等于1的次数，具体为：
设置中间变量初始值U＝0，当步骤S4所得的结果
时，对中间变量进行加1操作，统计信源数大于等于1的次数：
U＝U+1
步骤S7中重复步骤S3至S6共D次，检测的信号总长度L为：
L＝N+N(1-Nc)(D-1)。
步骤S7中得到检测统计量，具体为：
T＝U
式中，T为检测统计量。
由于信号检测的结果为是否存在有用信号，则可转换为二元分类问题：
式中，假设H0说明待测信号仅含环境噪声，假设H1说明待测信号中含待处理的有用信号。
针对HQ准则检测器来说，虚警概率Pf,HQ为：
检测概率Pd,HQ为：
但存在多次检测时，本实施例所提的IHQD检测器的虚警概率Pf,IHQD和检测概率Pd,IHQD理论上为：
为了检测目标信号是否存在，具体为：
IHQD检测器的预测准确率AIHQD为：
由于HQ准则检测器的虚警概率Pf,HQ在检测长度N确定时为小于1的常数值，而检测概率Pd,HQ与检测信号长度N无关，随着接收端信噪比的增加而逐渐趋近于1。因此，D次检测信源个数后，IHQD检测器的虚警概率Pf,IHQD会不断下降，虽然其检测概率Pd,IHQD也会随之下降，但该值会随着接收端信噪比的增加而逐渐趋近于1，则IHQD检测器的预测准确率会随之提升。
所述步骤S8中判决门限γ设置为：
γ＝D。
所述步骤S8中将检测统计量与判决门限进行比较并输出判决结果，具体为：
当检测统计量T等于判决门限γ时，判定为存在信号；
当检测统计量T小于判决门限γ时，判定为只存在环境噪声。
实施例2
本实施例提供实施例1的一种具体实施例，以8阵元检测阵为例，输入接收的待测信号阵列数据x(t)＝[x1(t),x2(t),…,x8(t)]T，具体的算法设置参数为单段信号检测长度N＝1024，检测段数D＝3，数据覆盖率Nc＝70％，则单次信号检测的总长度为L＝1638。
在具体的实施过程中，设置仿真参数如下：来波信号是单个FM信号，信号频率fc＝30MHz，来波信号方位角θ＝120°，俯仰角为
电磁波传播速度为3×108m/s，采样频率fs＝20kHz，阵元个数M＝8，阵元半径r＝50m；噪声类型为复高斯白噪声，设置蒙特卡洛实验12800次。由于对比算法没有数据分段操作，针对对比的三种算法设置单次检测总长度为L＝1638，即所有算法所需的检测采样数据相同。
将本发明所提出的新的方法与AIC准则信号检测算法、HQ准则信号检测算法以及MDL准则信号检测算法对比，具体如下：根据图3所示，当需检测的目标信号为FM信号时，不同信噪比下的检测正确率不同。其中，“HQ-FM”曲线对应HQ准则信号检测算法，“MDL-FM”曲线对应MDL准则信号检测算法，“AIC-FM”曲线对应AIC准则检测算法，“IHQD-FM”曲线对应实施例1提出的基于改进的Hannan-Quinn准则的信号检测算法(Improved Hannan-QuinnCriterion Detection,IHQD)，4种信号检测算法的检测正确率随着信噪比的增加而增加。在所设置的参数条件下，HQ准则信号检测法和AIC准则信号检测法的检测效果相同，最高的检测准确率为趋近于96.1％；MDL准则信号检测法在信噪比SNR＝-13dB时，检测准确率趋近于100％，但低信噪比条件下的检测性能不够好，SNR<-16dB时，MDL准则检测器失去检测效果，等同随机猜测；而本发明提出的IHQD算法最高准确率趋近于99.6％，改进了HQ准则检测器和AIC准则检测器的缺点，且较低信噪比下的检测性能优于MDL准则检测器的，SNR＝-16dB时，IHQD检测器的检测准确率达到93.8％，验证了该算法在低信噪比的情况下检测性能好。
上述实施例表明在目标检测信号为模拟信号FM、且接收信号的SNR较低的情况下，实施例所述方法可以达到较好的信号检测效果，虽牺牲了部分低信噪比下的性能，但将检测准确率提高到99.6％以上，且更易在实际系统中实现。
另一个实施例还对不同通信信号进行检测性能的验证。具体的，在仿真参数设置的过程中，修改上述具体实施例中的来波信号分别为单个FM、LFM以及4ASK信号，仅实现IHQD算法的仿真，其他保持不变。针对LFM信号，设置信号带宽BLFM＝5kHz；针对4ASK信号，设置码元速率fb＝1200Bps，单位码元的采样点数num＝16。将本实施例所提出的新的方法对调频信号FM、线性调频信号LFM以及数字调制信号4ASK的检测性能进行对比，结果如下：
如图4所示，“LFM”曲线表明检测的目标信号为LFM信号，“FM”曲线表明检测的目标信号为FM信号，“4ASK”曲线表明检测的目标信号为4ASK调制信号。从仿真图的结果可以看到，本发明提出的IHQD算法对不同的检测目标信号的检测性能相近，在SNR＝-16dB时，检测算法的检测准确率达到90％以上。这表明该算法对检测的目标信号不敏感，对大多数通信信号均有较好的检测效果。
上述实施例表明在目标检测信号为模拟调频信号FM、线性调频信号LFM或者数字调制信号4ASK的情况下，本发明所述方法在低信噪比条件下均可以达到较好的信号检测效果，即对检测的目标信号不敏感。
实施例3
本实施例提供一种基于改进的Hannan-Quinn准则的信号检测系统，包括：
输入模块，所述输入模块用于输入M阵元均匀圆阵接收的待测信号阵列数据；
初始化模块，所述初始化模块用于初始化中间变量，设置判决门限；
协方差矩阵模块，所述协方差矩阵模块用于截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
信源求解模块，所述信源求解模块用于对协方差矩阵模块得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
加值模块，所述加值模块在若求解的信息个数大于等于1时，将中间变量的值加1；
滑动截取模块，所述滑动截取模块利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
重复模块，所述重复模块用于重复协方差矩阵模块至滑动截取模块共D次，得到检测统计量；
输出模块，所述输出模块将检测统计量与判决门限进行比较并输出判决结果。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，包括以下步骤：
S1：输入M阵元均匀圆阵接收的待测信号阵列数据；
S2：初始化中间变量，设置判决门限；
S3：截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
S4：对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
S5：若求解的信息个数大于等于1时，将中间变量的值加1；
S6：利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
S7：重复步骤S3至S6共D次，得到检测统计量；
S8：将检测统计量与判决门限进行比较并输出判决结果。
2.根据权利要求1所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，步骤S1中的接收的待测信号阵列数据满足：
x(t)＝[x1(t),x2(t),…,xM(t)]T
式中，x(t)为M阵元均匀圆阵接收的待测信号阵列数据，所述M阵元均匀圆阵的半径为r，且各阵元的信号增益均为1；
为来波方向，ni(t)表达第i个阵元的环境噪声，s(t)为方位角为θ、俯仰角为
的窄带远场信号。
3.根据权利要求2所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，步骤S2中初始化中间变量，具体为：
设置中间变量初始值U＝0。
4.根据权利要求3所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，步骤S3中截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵，样本协方差矩阵具体为：
式中，t＝1,2,…,N。
5.根据权利要求4所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，S4中对步骤S3得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数，具体为：
对样本协方差矩阵进行特征值分解，所得的特征值从大到小表示为
利用Hannan-Quinn准则的估计信源个数
6.根据权利要求5所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，步骤S7中重复步骤S3至S6共D次，检测的信号总长度L为：
L＝N+N(1-Nc)(D-1)。
7.根据权利要求6所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，步骤S7中得到检测统计量，具体为：
T＝U
式中，T为检测统计量。
8.根据权利要求7所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，所述步骤S8中判决门限γ设置为：
γ＝D。
9.根据权利要求8所述的基于改进的Hannan-Quinn准则的信号检测方法，其特征在于，所述步骤S8中将检测统计量与判决门限进行比较并输出判决结果，具体为：
当检测统计量T等于判决门限γ时，判定为存在信号；
当检测统计量T小于判决门限γ时，判定为只存在环境噪声。
10.一种基于改进的Hannan-Quinn准则的信号检测系统，其特征在于，包括：
输入模块，所述输入模块用于输入M阵元均匀圆阵接收的待测信号阵列数据；
初始化模块，所述初始化模块用于初始化中间变量，设置判决门限；
协方差矩阵模块，所述协方差矩阵模块用于截取得到长度为N的待测信号，估计接收的待测信号阵列数据的样本协方差矩阵；
信源求解模块，所述信源求解模块用于对协方差矩阵模块得到的样本协方差矩阵进行特征值分解，并利用Hannan-Quinn准则的求解信源个数；
加值模块，所述加值模块在若求解的信息个数大于等于1时，将中间变量的值加1；
滑动截取模块，所述滑动截取模块利用数据覆盖率为Nc的滑动窗口截取下一段连续且数据有覆盖的采样数据；
重复模块，所述重复模块用于重复协方差矩阵模块至滑动截取模块共D次，得到检测统计量；
输出模块，所述输出模块将检测统计量与判决门限进行比较并输出判决结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210725128.9A CN115118397A (zh) | 2022-06-24 | 2022-06-24 | 一种基于改进的Hannan-Quinn准则的信号检测方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210725128.9A CN115118397A (zh) | 2022-06-24 | 2022-06-24 | 一种基于改进的Hannan-Quinn准则的信号检测方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115118397A true CN115118397A (zh) | 2022-09-27 |
Family
ID=83327573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210725128.9A Pending CN115118397A (zh) | 2022-06-24 | 2022-06-24 | 一种基于改进的Hannan-Quinn准则的信号检测方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115118397A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532649A (zh) * | 2013-10-22 | 2014-01-22 | 北京邮电大学 | 一种适用于空天信息网络的环境认知技术及设备 |
| CN103616661A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 一种稳健的远场窄带信号源个数估计方法 |
| CN103701539A (zh) * | 2013-12-25 | 2014-04-02 | 陕西福友电器设备技术发展有限公司 | 一种cdma用户数量测定方法 |
| CN107404359A (zh) * | 2017-07-05 | 2017-11-28 | 重庆邮电大学 | 高斯白噪声下mc‑cdma信号信源数估计 |
| CN114287944A (zh) * | 2021-12-02 | 2022-04-08 | 北京航空航天大学杭州创新研究院 | 一种电刺激诱发神经磁信号采集分析装置及方法 |
-
2022
- 2022-06-24 CN CN202210725128.9A patent/CN115118397A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532649A (zh) * | 2013-10-22 | 2014-01-22 | 北京邮电大学 | 一种适用于空天信息网络的环境认知技术及设备 |
| CN103616661A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 一种稳健的远场窄带信号源个数估计方法 |
| CN103701539A (zh) * | 2013-12-25 | 2014-04-02 | 陕西福友电器设备技术发展有限公司 | 一种cdma用户数量测定方法 |
| CN107404359A (zh) * | 2017-07-05 | 2017-11-28 | 重庆邮电大学 | 高斯白噪声下mc‑cdma信号信源数估计 |
| CN114287944A (zh) * | 2021-12-02 | 2022-04-08 | 北京航空航天大学杭州创新研究院 | 一种电刺激诱发神经磁信号采集分析装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杜非;李一博;靳世久;曾周末;: "基于临界特征值的MDL信源数欠估计分析方法" * |
| 罗斌;雷宏;: "基于旋转变换矩阵和广义共轭剩余法的信号源数检测方法" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yan et al. | Robust target detection within sea clutter based on graphs | |
| Chen et al. | Multi-target tracking algorithm based on PHD filter against multi-range-false-target jamming | |
| CN114660567B (zh) | 部分均匀环境中存在野值时的雷达目标检测方法与系统 | |
| CN107390196B (zh) | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 | |
| CN111505643A (zh) | 基于时频图深度学习的海面小目标检测方法 | |
| CN111817803A (zh) | 一种基于相关系数和k-均值聚类算法的频谱感知方法、系统及计算机可读存储介质 | |
| CN112147584A (zh) | 一种基于非均匀杂波的mimo雷达扩展目标检测方法 | |
| Zaimbashi | Multistatic passive radar sensing algorithms with calibrated receivers | |
| CN113504521B (zh) | 一种用于多目标环境下的基于混合模型的恒虚警检测方法 | |
| Sinha et al. | Estimation of Doppler profile using multiparameter cost function method | |
| CN115118397A (zh) | 一种基于改进的Hannan-Quinn准则的信号检测方法与系统 | |
| CN111753803A (zh) | 基于模糊聚类和高阶累积量的无人机图传信号识别方法 | |
| Zhang et al. | An improved CFAR detector for non-homogeneous clutter environment | |
| CN108387879B (zh) | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 | |
| Onumanyi et al. | A discriminant analysis-based automatic ordered statistics scheme for radar systems | |
| CN113552550A (zh) | 一种基于概率分布差异性的智能恒虚警检测方法 | |
| Ge et al. | Multi-radar hybrid detection algorithm based on information entropy | |
| CN112505798A (zh) | 基于太赫兹的物体检测方法 | |
| Kabakchiev et al. | Cell averaging constant false alarm rate detector with Hough transform in randomly arriving impulse interference | |
| Bouhdjeur et al. | Autonomous Global Threshold Adjustment Algorithm For Energy Detection In Self-Reconfigurable Cognitive Radio Systems | |
| Daneshvar et al. | A novel method based on comparison using threshold scale for CFAR detectors under environments with conditions of electromagnetic interference | |
| Li et al. | Underwater Passive Target Detection Fusion Based on Distributed Acoustic Sensor Network | |
| Liu et al. | Research on intrapulse modulation mode recognition based on multilayer convolution neural network | |
| Saliu et al. | Performance analysis of a modified otsu-based constant false alarm rate (CFAR) algorithm under varying signal to noise ratio in radar systems | |
| Zhao et al. | Enhanced Graph-based Detection for Moving Targets in Sea Clutter |
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: 20220927 |
|
| RJ01 | Rejection of invention patent application after publication |