CN115314075B - 一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 - Google Patents
一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 Download PDFInfo
- Publication number
- CN115314075B CN115314075B CN202210852151.4A CN202210852151A CN115314075B CN 115314075 B CN115314075 B CN 115314075B CN 202210852151 A CN202210852151 A CN 202210852151A CN 115314075 B CN115314075 B CN 115314075B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency hopping
- signals
- rectangular
- frequency
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details 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
- H04B1/69—Spread spectrum techniques
- H04B1/713—Spread spectrum techniques using frequency hopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details 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
- H04B1/69—Spread spectrum techniques
- H04B1/713—Spread spectrum techniques using frequency hopping
- H04B1/715—Interference-related aspects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明公开了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法,该方法包括以下步骤:获取多辐射源的跳频信号对应的信号特征矩阵;根据信号特征矩阵和聚类分析,从多辐射源的跳频信号中筛选出每个辐射源的跳频信号;分别对所有辐射源的跳频信号进行分析计算,最终得到所有辐射源的跳频信号的相关参数。本发明能够对多个辐射源进行有效的跳频信号参数计算,即使辐射源长度相近或不同辐射源跳频信号出现相互干扰的情况,依然能够进行有效的辐射源分离与跳频图案参数计算。
Description
技术领域
本发明涉及通信信号处理及分析技术领域,特别是一种在复杂多辐射源电磁环境下的跳频信号参数计算方法。
背景技术
跳频通信从20世纪60年代开始,国内外一直在进行新的扩频通信体制、理论和技术研究。近年来,跳频通信在民用通信系统中的应用也越来越重视,特别是应用于蜂窝移动电话系统中。而跳频技术在无线局域网中也得到了普遍的应用,如“蓝牙”技术就是建立在跳频技术之上。随着通信技术的不断发展,跳频技术也得到了越来越多的应用,但也导致出现一些复杂的电磁通信环境,如不同辐射源占用相同或邻近频段进行通信等,这些情况会导致技术人员在使用传统的跳频信号分析方法时准确率较低甚至无法分析方法失效。
近些年计算机视觉技术发展成熟,也被应用到越来越多的行业当中,并取得了很好的效果。将计算机视觉相关技术和无线电信号检测结合起来已经成为越来越多信号研究人员的选择,但因跳频信号的自身特性,同一个跳频图案内的跳频信号可能存在调制方式不同、信号强弱不同等情况,且同一个信道可能会出现多个辐射源,甚至不同辐射源间信号出现干扰,所以需要对不同辐射源信号进行有效的提取并分离,这样才能保证信号参数计算的正确性。
发明内容
鉴于此,本发明提供一种在复杂多辐射源电磁环境下的跳频信号参数计算方法,能够对多个辐射源进行有效的跳频信号参数计算,即使辐射源长度相近或不同辐射源跳频信号出现相互干扰的情况,依然能够进行有效的辐射源分离与跳频图案参数计算。
本发明公开了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法,包括以下步骤:
步骤1:获取多辐射源的跳频信号对应的信号特征矩阵;
步骤2:根据信号特征矩阵和聚类分析,从多辐射源的跳频信号中筛选出每个辐射源的跳频信号;
步骤3:分别对所有辐射源的跳频信号进行分析计算,最终得到所有辐射源的跳频信号的相关参数。
进一步地,所述步骤1包括:
步骤11:基于傅里叶变换,得到多辐射源的跳频信号的信号频谱图;
步骤12:对信号频谱图进行聚类分析,得到信号与噪声分布情况;
步骤13:通过二值化,对信号进行特征提取,生成稀疏信号特征矩阵,同时,对多辐射源进行定频干扰分析,并在信号特征矩阵中标记。
进一步地,所述步骤2包括:
步骤21:对稀疏信号特征矩阵依次进行时间连续性分析和频率连续性分析,得到矩形信号元集合;
步骤22:通过对矩形信号元集合中的矩形信号的总长度进行聚类分析,将聚类分析的结果中长度相近的矩形信号分别识别为同一个辐射源的跳频信号并将其挑选出来。
进一步地,所述步骤21包括:
步骤211:对稀疏信号特征矩阵进行时间连续性分析,得到线状信号集合;
步骤212:对线状信号集合中的线状信号进行频率连续性分析,得到矩形信号元集合。
进一步地,所述步骤211包括:
步骤2111:若稀疏信号特征矩阵的每行连续出现四个信号,则保留;否则,置为0;最终得到由多个线状信号构成的线状信号集合;
步骤2112:若线状信号集合中的同行相邻线状信号之间的间隔小于3或为矩形信号总长度的十分之一,则合并相邻的线状信号;其中,所述矩形信号总长度等于相邻线状信号的长度之和。
进一步地,所述步骤212包括:
步骤2121:从线状信号集合中随机取出一个线状信号进行矩形信号初始化;
步骤2122:判断矩形信号与相邻行的线状信号的交并比是否大于0.7;若是,则合并矩形信号与相邻行的线状信号;直到该矩形信号不能继续合并相邻行的线状信号为止;
步骤2123:返回步骤2121,直到线状信号集合中没有线状信号为止,输出矩形信号元集合。
进一步地,所述步骤3包括:
步骤31:对清洗后的矩形信号元集合中的矩阵信号的长度进行聚类;
步骤32:对聚类得到的长度分布最密集的矩阵信号进行对齐处理,得到对齐矩阵信号集合;
步骤33:基于对齐矩阵信号集合和聚类分析,结合判断一个周内最完整的跳频图案是否完整以及空缺填充处理,得到完整的跳频图案;
步骤34:通过完整的跳频图案中信号在稀疏信号特征矩阵中的位置信息,计算得到一个辐射源的跳频图案的相关参数;
步骤35:从清洗后的矩形信号元集合中剔除对齐矩阵信号集合;然后,重复执行步骤31至步骤35,直至清洗后的矩形信号元集合为空为止。
进一步地,所述步骤31包括:
对清洗后的所述矩形信号元集合进行密度聚类分析,得到分布最密集的长度,作为信号基准长度L1;
所述步骤32包括:
将矩形信号元集合内长度满足在a*L1至b*L1范围内的矩形信号筛选出来,进行信号对齐,得到对齐矩阵信号集合;其中,a为大于0且小于1的浮点数,b为大于0的浮点数。
进一步地,所述步骤33包括:
步骤331:判断对齐矩阵信号集合的时间占空比是否大于阈值;若小于阈值,则从清洗后的矩形信号元集合中剔除对齐矩阵信号集合,返回步骤31;若大于阈值,则对对齐矩阵信号集合进行周期性分析,得到信号周期;
步骤332:对不同信号周期的重复矩形信号的带宽进行聚类分析,得到分布最集中的矩形信号的起始频率和结束频率的位置信息;
步骤333:根据对齐的跳频信号和跳频周期进行完整程度分析,找出一个周期内最完整的跳频图案;
步骤334:判断一个周期内最完整的跳频图案是否完整;若不完整,则用缺失位置在其他周期内的该位置信息进行填充,对填充后的跳频信号进行完整判断;若不完整,则继续进行空缺位置信号查找并补充,直至一个周期内最完整的跳频图案完整为止。
进一步地,所述步骤34包括:
通过完整的跳频图案中信号在稀疏信号特征矩阵中的位置信息,计算得到该辐射源的跳频图案相关参数;所述跳频图案相关参数包括跳频图案中每一跳的开始时间、结束时间、中心频率以及带宽信息;
所述方法还包括:
基于跳频图案相关参数,得到对应辐射源的跳频频率集、跳速、跳频图案和跳频周期。
由于采用了上述技术方案,本发明具有如下的优点:
1)本发明能够对多辐射源无线电跳频信号进行有效的辐射源信号提取与分离并进行参数计算,在不同辐射源信号出现相互干扰的情况下,依然能够继续有效的分析计算。传统的跳频信号分析一般都是对单一辐射源进行分析,但随着频分复用和时分复用技术的发展,相同信道可能存在多个辐射源情况,在这种复杂通信环境下,传统的方式可能效果并不理想,而本方法不但能够对单一辐射源进行正确的跳频参数计算,还能在多辐射源复杂情况下进行有效的求解。
2)本发明在不同辐射源跳频信号长度基本相同时能够进行有效的辐射源分离与跳频参数计算。根据跳频信号等长且在时间连续的特性,在传统的跳频信号辐射源区分方法中,会根据跳频信号长度对辐射源进行有效的分离,但当辐射源信号基本相同时,这种方法就完全不可取,本方法会对跳频信号进行全局最优对齐,即使不同辐射源跳频信号等长也能进行有效的分离。
3)本发明具有较快的计算速度。当信号采样率较高或信号持续时间过长时,会导致信号频谱图参数量巨大,很容易达到上亿的参数规模,这在进行计算分析时会大大增加计算时间开销;本发明使用矩阵的处理方式,执行速度和效率更快,同时对矩阵进行分阶段特征压缩,由最开始的频谱图二维矩阵转换为线状信号的稀疏二维矩阵,进行频率连续性分析后得到矩形信号的稀疏二维矩阵,最后辐射源分离得到三维矩阵,矩阵参数呈指数级下降,计算效率更高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种一种在复杂多辐射源电磁环境下的跳频信号参数计算方法的流程示意图;
图2为本发明实施例的一种矩形信号清洗处理示意图;
图3为本发明实施例的一种跳频信号分析处理示意图;
图4为本发明实施例的一种跳频信号对齐处理示意图;
图5为本发明实施例的一种多辐射源跳频图案计算结果效果示意图。
具体实施方式
结合附图和实施例对本发明作进一步说明,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
本发明提供了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法的实施例,该方法的步骤包括:
步骤一、输入信号IQ数据进行傅里叶变换,得到信号频谱图;
步骤二、对信号频谱图进行幅度统计,得到其噪声分布;
步骤三、根据噪声分布情况,进行阈值滤波,通过二值化,对信号进行特征提取,生成稀疏信号特征矩阵;
步骤四、定频干扰分析得定频干扰信息,并将稀疏信号特征矩阵中进行关联标记。
步骤五、对稀疏信号特征矩阵进行时间连续性分析,得到线状信号集合;
步骤六、对线状信号进行频率连续性分析,得到矩形信号集合;
步骤七、对矩形信号集合清洗得到新的矩形信号集合;
步骤八、矩形信号集进行长度进行密度聚类分析,得到分布最密集的长度,作为信号基准长度L1;
步骤九、将矩形集合内长度满足在a*L1至b*L1范围内(0<a<1,b>a)的矩形信号筛选出来,进行信号对齐;
步骤十、根据跳频信号时间连续的特性,判断对齐信号集合的时间占空比是否大于阈值,如果小于阈值,则从信号集中剔除对齐信号集合,返回步骤八;如果大于阈值,则对其进行周期性分析,得到信号周期;
步骤十一、根据跳频信号周期特征,对不同周期的重复矩形信号的带宽做聚类分析,得到分布最集中的矩形信号起始频率和结束频率位置信息。
步骤十二、根据对齐跳频信号和跳频周期进行完整程度分析,找到一个周期内最完整的跳频图案;
步骤十三、判断最优跳频图案是否完整,如果图案不完整,则通过缺失位置在其他周期内的该位置信息进行填充,对补充的跳频信号进行完整判断,如果不完整,则进行空缺位置信号查找并补充;
步骤十四、通过跳频图案中信号在矩阵中的位置信息,可计算可以得到该辐射源跳频图案中每一跳的开始时间、结束时间、中心频率以及带宽信息。
步骤十五、从矩形信号集合中剔除对齐信号集合,判断矩形信号集合是否为空,如果为空则返回各辐射源跳频图案信息,其中包含各辐射源跳频频率集、跳速、跳频图案和跳频周期,否则返回步骤八。
在本具体实施例中,如图1所示,为本发明多辐射源跳频图案计算整体流程示意图,首先对输入信号IQ数据进行傅里叶变换,得到信号频谱图;使用密度聚类的方式对频谱图幅度进行分析,得到噪声分布集中幅度;通过噪声分布幅度结合滤波器对频谱图进行特征提取,同时对频谱图进行定频干扰分析,并将其标记在特征矩阵上;对特征矩阵进行时间连续性分析和频率连续性分析后得到矩形信号集合,并对矩形信号集继续相交性清洗,其流程示意图如2所示,相交性分析能够对两个相交信号分离出来;通过聚类分析得到矩形信号集中分布长度,对该长度相近的矩形信号进行筛选,并进行跳频信号分析,分析完成后将其从矩形信号集合中删除,重新对矩形信号集合进行分析,直到集合为空。
跳频信号分析流程如图3所示,首先对筛选出的矩形信号进行对齐处理,对齐处理流程如图4所示,根据对齐跳频信号和跳频周期进行完整程度分析,找到一个周期内最完整的跳频图案;判断最优跳频图案是否完整,如果图案不完整,则通过缺失位置在其他周期内的该位置信息进行填充,对补充的跳频信号进行完整判断,如果不完整,则进行空缺位置信号查找并补充;通过跳频图案中信号在矩阵中的位置信息,即可计算可以得到该辐射源跳频图案中每一跳的开始时间、结束时间、中心频率以及带宽信息,图5为多辐射源跳频图案计算结果效果图。最终返回各辐射源跳频频率集、跳速、跳频图案和跳频周期等参数信息。
其中时间连续性分析算法处理方法为:
步骤1、对稀疏特征矩阵进行处理,每行连续出联四个信号则保留,否则置为0,对连续信号进行得到线状信号;
步骤2、对同行相邻线状信号进行分析,若信号相邻间隔小于3或信号总长度的十分之一,则进行线状信号合并。
其中频率连续性分析算法处理方法为:
步骤1、随机找到一个线状信号进行矩形信号初始化;
步骤2、判断矩形信号与相邻行线状信号的交并比是否大于0.7,如果满足条件则进行合并;
步骤3、返回步骤2,直到该矩形信号不能继续合并;
步骤4、返回步骤1,直到没有线状信号,得到矩形信号集合。
其中周期性分析算法处理方法为:
步骤1、从矩形信号中将相同频率(频率交并比大于0.5)的矩形信号提取出来;
步骤2、计算同频矩形信号相邻间隔的跳数,并放入集合中;
步骤3、对跳数集合进行聚类分析,得到分布最集中的跳数即为一个周期的跳数。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.一种在复杂多辐射源电磁环境下的跳频信号参数计算方法,其特征在于,包括以下步骤:
步骤1:获取多辐射源的跳频信号对应的信号特征矩阵;
步骤2:根据信号特征矩阵和聚类分析,从多辐射源的跳频信号中筛选出每个辐射源的跳频信号;
步骤3:分别对所有辐射源的跳频信号进行分析计算,最终得到所有辐射源的跳频信号的相关参数;
所述步骤1包括:
步骤11:基于傅里叶变换,得到多辐射源的跳频信号的信号频谱图;
步骤12:对信号频谱图进行聚类分析,得到信号与噪声分布情况;
步骤13:通过二值化,对信号进行特征提取,生成稀疏信号特征矩阵,同时,对多辐射源进行定频干扰分析,并在信号特征矩阵中标记;
所述步骤2包括:
步骤21:对稀疏信号特征矩阵依次进行时间连续性分析和频率连续性分析,得到矩形信号元集合;
步骤22:通过对矩形信号元集合中的矩形信号的总长度进行聚类分析,将聚类分析的结果中长度相近的矩形信号分别识别为同一个辐射源的跳频信号并将其挑选出来;
所述步骤21包括:
步骤211:对稀疏信号特征矩阵进行时间连续性分析,得到线状信号集合;
步骤212:对线状信号集合中的线状信号进行频率连续性分析,得到矩形信号元集合;
所述步骤3包括:
步骤31:将对矩形信号元集合清洗得到的新的矩形信号元集合中的矩阵信号的长度进行聚类;
步骤32:对聚类得到的长度分布最密集的矩阵信号进行对齐处理,得到对齐矩阵信号集合;
步骤33:基于对齐矩阵信号集合和聚类分析,结合判断一个周内最完整的跳频图案是否完整以及空缺填充处理,得到完整的跳频图案;
步骤34:通过完整的跳频图案中信号在稀疏信号特征矩阵中的位置信息,计算得到一个辐射源的跳频图案的相关参数;
步骤35:从新的矩形信号元集合中剔除对齐矩阵信号集合;然后,重复执行步骤31至步骤35,直至新的矩形信号元集合为空为止。
2.根据权利要求1所述的方法,其特征在于,所述步骤211包括:
步骤2111:若稀疏信号特征矩阵的每行连续出现四个信号,则保留;否则,置为0;最终得到由多个线状信号构成的线状信号集合;
步骤2112:若线状信号集合中的同行相邻线状信号之间的间隔小于3或为矩形信号总长度的十分之一,则合并相邻的线状信号;其中,所述矩形信号总长度等于相邻线状信号的长度之和。
3.根据权利要求1所述的方法,其特征在于,所述步骤212包括:
步骤2121:从线状信号集合中随机取出一个线状信号进行矩形信号初始化;
步骤2122:判断矩形信号与相邻行的线状信号的交并比是否大于0.7;若是,则合并矩形信号与相邻行的线状信号;直到该矩形信号不能继续合并相邻行的线状信号为止;
步骤2123:返回步骤2121,直到线状信号集合中没有线状信号为止,输出矩形信号元集合。
4.根据权利要求1所述的方法,其特征在于,所述步骤31包括:
对清洗后的所述矩形信号元集合进行密度聚类分析,得到分布最密集的长度,作为信号基准长度L1;
所述步骤32包括:
将矩形信号元集合内长度满足在a*L1至b*L1范围内的矩形信号筛选出来,进行信号对齐,得到对齐矩阵信号集合;其中,a为大于0且小于1的浮点数,b为大于0的浮点数。
5.根据权利要求4所述的方法,其特征在于,所述步骤33包括:
步骤331:判断对齐矩阵信号集合的时间占空比是否大于阈值;若小于阈值,则从清洗后的矩形信号元集合中剔除对齐矩阵信号集合,返回步骤31;若大于阈值,则对对齐矩阵信号集合进行周期性分析,得到信号周期;
步骤332:对不同信号周期的重复矩形信号的带宽进行聚类分析,得到分布最集中的矩形信号的起始频率和结束频率的位置信息;
步骤333:根据对齐的跳频信号和跳频周期进行完整程度分析,找出一个周期内最完整的跳频图案;
步骤334:判断一个周期内最完整的跳频图案是否完整;若不完整,则用缺失位置在其他周期内的该位置信息进行填充,对填充后的跳频信号进行完整判断;若不完整,则继续进行空缺位置信号查找并补充,直至一个周期内最完整的跳频图案完整为止。
6.根据权利要求5所述的方法,其特征在于,所述步骤34包括:
通过完整的跳频图案中信号在稀疏信号特征矩阵中的位置信息,计算得到该辐射源的跳频图案相关参数;所述跳频图案相关参数包括跳频图案中每一跳的开始时间、结束时间、中心频率以及带宽信息;
所述方法还包括:
基于跳频图案相关参数,得到对应辐射源的跳频频率集、跳速、跳频图案和跳频周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852151.4A CN115314075B (zh) | 2022-07-20 | 2022-07-20 | 一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852151.4A CN115314075B (zh) | 2022-07-20 | 2022-07-20 | 一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115314075A CN115314075A (zh) | 2022-11-08 |
CN115314075B true CN115314075B (zh) | 2023-10-03 |
Family
ID=83855856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210852151.4A Active CN115314075B (zh) | 2022-07-20 | 2022-07-20 | 一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115314075B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496114B (zh) * | 2022-11-18 | 2023-04-07 | 成都戎星科技有限公司 | 一种基于k-均值聚类的tdma突发长度估计方法 |
CN116886124B (zh) * | 2023-09-05 | 2023-11-14 | 成都九华圆通科技发展有限公司 | 一种跳频信号跟踪压制方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7151790B1 (en) * | 2001-09-28 | 2006-12-19 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry | Automatic signal extraction and analysis from time-frequency representation |
FR2900009A1 (fr) * | 2006-04-14 | 2007-10-19 | Thales Sa | Procede et dispositif de lutte anti-interferences dans un systeme de telecommunications |
CN104485979A (zh) * | 2014-12-09 | 2015-04-01 | 西安电子科技大学 | 基于时频图修正的欠定混合跳频参数盲估计方法 |
KR20150062706A (ko) * | 2013-11-29 | 2015-06-08 | 오혁준 | 주파수 도약신호의 스펙트럼 센싱 방법 및 장치 |
CN105337636A (zh) * | 2015-10-08 | 2016-02-17 | 西安电子科技大学 | 基于频率拼接的异步跳频信号参数盲估计方法 |
US9424858B1 (en) * | 2014-04-18 | 2016-08-23 | The United States Of America As Represented By The Secretary Of The Navy | Acoustic receiver for underwater digital communications |
CN108462509A (zh) * | 2018-03-26 | 2018-08-28 | 西安电子科技大学 | 基于时频图信息的异步跳频网台分选方法 |
CN110334591A (zh) * | 2019-05-24 | 2019-10-15 | 西华大学 | 一种基于聚类分析的无人机跳频信号检测及识别方法 |
CN111934711A (zh) * | 2020-06-30 | 2020-11-13 | 中国人民解放军63892部队 | 一种时频混叠跳频信号的参数估计方法 |
CN112766326A (zh) * | 2021-01-04 | 2021-05-07 | 南京航空航天大学 | 一种基于跳频聚类分选结果的错误检测和修正方法 |
CN114301498A (zh) * | 2021-12-30 | 2022-04-08 | 中国电子科技集团公司第五十四研究所 | 一种面向跳频通信辐射源的行为辨识方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4181093B2 (ja) * | 2004-07-16 | 2008-11-12 | 株式会社東芝 | 無線通信システム |
WO2014054044A1 (en) * | 2012-10-04 | 2014-04-10 | Ramot At Tel-Aviv University Ltd. | Method and system for estimating position |
-
2022
- 2022-07-20 CN CN202210852151.4A patent/CN115314075B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7151790B1 (en) * | 2001-09-28 | 2006-12-19 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry | Automatic signal extraction and analysis from time-frequency representation |
FR2900009A1 (fr) * | 2006-04-14 | 2007-10-19 | Thales Sa | Procede et dispositif de lutte anti-interferences dans un systeme de telecommunications |
KR20150062706A (ko) * | 2013-11-29 | 2015-06-08 | 오혁준 | 주파수 도약신호의 스펙트럼 센싱 방법 및 장치 |
US9424858B1 (en) * | 2014-04-18 | 2016-08-23 | The United States Of America As Represented By The Secretary Of The Navy | Acoustic receiver for underwater digital communications |
CN104485979A (zh) * | 2014-12-09 | 2015-04-01 | 西安电子科技大学 | 基于时频图修正的欠定混合跳频参数盲估计方法 |
CN105337636A (zh) * | 2015-10-08 | 2016-02-17 | 西安电子科技大学 | 基于频率拼接的异步跳频信号参数盲估计方法 |
CN108462509A (zh) * | 2018-03-26 | 2018-08-28 | 西安电子科技大学 | 基于时频图信息的异步跳频网台分选方法 |
CN110334591A (zh) * | 2019-05-24 | 2019-10-15 | 西华大学 | 一种基于聚类分析的无人机跳频信号检测及识别方法 |
CN111934711A (zh) * | 2020-06-30 | 2020-11-13 | 中国人民解放军63892部队 | 一种时频混叠跳频信号的参数估计方法 |
CN112766326A (zh) * | 2021-01-04 | 2021-05-07 | 南京航空航天大学 | 一种基于跳频聚类分选结果的错误检测和修正方法 |
CN114301498A (zh) * | 2021-12-30 | 2022-04-08 | 中国电子科技集团公司第五十四研究所 | 一种面向跳频通信辐射源的行为辨识方法及系统 |
Non-Patent Citations (3)
Title |
---|
Mixing Matrix Estimation of Frequency Hopping Signals Based on Single Source Points Detection;Yibing Li 等;《2019 USNC-URSI Radio Science Meeting (Joint with AP-S Symposium)》;全文 * |
基于聚类的跳频信号分选;王斌 等;《北京邮电大学学报》;第32卷(第2期);全文 * |
跳频体制下基于盲分离的抗干扰技术研究;陈丽;《中国优秀硕士学位论文全文数据库 信息科技辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115314075A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115314075B (zh) | 一种在复杂多辐射源电磁环境下的跳频信号参数计算方法 | |
CN102006124B (zh) | 频谱预测方法、装置和系统 | |
CN111274865A (zh) | 一种基于全卷积神经网络的遥感图像云检测方法及装置 | |
CA2592105A1 (en) | Method and apparatus for performing channel assessment in a wireless communication system | |
CN108830162B (zh) | 无线电频谱监测数据中的时序模式序列提取方法及存储方法 | |
CN109977109B (zh) | 一种轨迹数据伴随分析方法 | |
US8972308B2 (en) | Combining multivariate time-series prediction with motif discovery | |
CN104809357B (zh) | 一种三维粗糙表面多尺度接触行为的分析方法及装置 | |
CN102318410B (zh) | 小区搜索方法和装置 | |
CN105897488A (zh) | 一种无线电信号数据的可视化方法 | |
CN115426002A (zh) | 基于时频分析的跳频信号检测与参数估计方法及系统 | |
CN117195006B (zh) | 一种鸡肉用兽药残留数据管理系统 | |
CN109600756B (zh) | 一种基于最大度优先染色算法的物理小区识别分配方法 | |
CN109461136B (zh) | 一种混合纤维制品中纤维分布情况的检测方法 | |
CN110933662A (zh) | 一种基于数据挖掘的时空伴随关系分析方法和系统 | |
CN111371624B (zh) | 一种基于环境反馈的战术通信网关键节点识别方法 | |
US7151790B1 (en) | Automatic signal extraction and analysis from time-frequency representation | |
CN112766243A (zh) | 一种基于FP tree-Clique演进算法的多维数据融合方法 | |
CN108460424B (zh) | 一种基于线点转换和聚类对比的空间运动轨迹识别方法 | |
CN115586570A (zh) | 基于聚类模型的微震定位优化方法 | |
CN114845402A (zh) | 基于智能优化算法的通信梳状干扰资源分配方法及系统 | |
CN107886113A (zh) | 一种基于卡方检验的电磁频谱噪声提取和滤波算法 | |
CN111988252A (zh) | 基于深度学习的信号调制方式识别方法 | |
CN103067300B (zh) | 网络流量自动化特征挖掘方法 | |
CN102118200A (zh) | 一种基于协方差绝对值法的频谱检测方法 |
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 |