CN115422985B - 一种混杂场景下的微信号快速检测方法 - Google Patents

Abstract

本发明涉及信号检测的技术领域，揭露了一种混杂场景下的微信号快速检测方法，方法包括：采集混杂场景下的通信信号数据，构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图；基于连通域标记计算混杂场景下不同通信信号的持续时长；利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析；结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记以及进行解析，得到混杂场景下微信号的通信内容。本发明基于时频图中连通域的标记获取若干组候选通信信号序列，每组候选通信信号序列不存在连通，实现时频图中信号序列的分离，并基于通信信号频率实现微信号的检测以及通信内容解析。

Description

一种混杂场景下的微信号快速检测方法

技术领域

本发明涉及信号检测的技术领域，尤其涉及一种混杂场景下的微信号快速检测方法。

背景技术

移动无线网络环境下，通信信号异常复杂，各种通信号相互交织、分布密集，且环境噪声起伏大，严重影响了微信号在低信噪比下的检测。微信号检测包含盲检测与非盲检测两类。非盲检测须提前预知观测信号和实际微信号，但在实际应用中难以获取任何先验知识，尤其是对抗移动无线网络环境，更是存在非合作、检测难度大等问题。盲检测能够实现非合作条件下的信号检测，但是现有盲检测技术存在计算复杂度高、抗干扰能力弱等缺陷，在对抗移动无线网络等低信噪比环境下存在检测性能差的缺点，难以应用于对抗移动无线网络环境下的微信号检测，针对该问题，本发明提出一种混杂场景下的微信号快速检测方法，实现对抗移动无线网络环境下的微信号非合作检测。

发明内容

有鉴于此，本发明提供一种混杂场景下的微信号快速检测方法，目的在于：1）在混杂场景下，所采集的同一频率的通信信号可能由多种同频率通信信号进行叠加，且在通信信号传播过程中，通信信号的频率有可能发生变化，因此本方案将所采集的通信信号数据转换为时频图，基于时频图中连通域的标记获取若干组候选通信信号序列，每组候选通信信号序列不存在连通，因此实现了时频图中信号序列的分离，每组候选通信信号序列即为一组信号来源一致的通信信号，实现混杂场景下通信信号的分离；2）将分离后的混杂场景下通信信号进行聚类处理，并确定每类通信信号的信号频率参数，将其与频率阈值进行比较，若大于阈值则表示该类通信信号的通信信号数目较少，频率较高，有较大可能为通信微信号，通过对所有微信号进行解析，实现混杂场景下微信号的通信内容解析。

实现上述目的，本发明提供的一种混杂场景下的微信号快速检测方法，包括以下步骤：

S1：采集混杂场景下的通信信号数据，构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图；

S2：遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长；

S3：利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法；

S4：结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容。

作为本发明的进一步改进方法：

可选地，所述S1步骤中采集混杂场景下的通信信号数据，包括：

利用信号采集设备采集混杂场景下的通信信号数据，其中混杂场景包含了多种不同频率的通信信号，在本发明实施例中，所述混杂场景表示存在大量不同频率通信信号以及噪音信号的移动无线网络环境场景，通信信号中包括人声语音信号以及环境噪音信号，在混杂场景下，通信信号相互干扰，且通信信号会受到大量噪音信号的干扰；所述微信号表示混杂场景下被频率相近的通信信号或噪声信号干扰，导致信号幅值变弱的通信信号，微信号在信号传输过程中容易被忽略，进而导致通信失败；

所述混杂场景下的通信信号数据为：

其中：

j表示虚数单位，；

表示信号采集设备在混杂场景下采集得到的频率为/>的通信信号，/>表示通信信号/>的信号幅值，t表示通信信号的时序信息，/>，/>表示信号采集设备在混杂场景下采集信号的初始时刻，/>表示信号采集设备在混杂场景下采集信号的截止时刻，/>；

L表示混杂场景下不同频率通信信号的总数。

可选地，所述S1步骤中基于采集的通信信号数据构建通信信号数据的时频图，包括：

根据所采集的通信信号数据，将通信信号数据/>构建为时频图，所述通信信号数据/>的时频图/>为：

其中：

e表示自然指数；表示通信信号的时延；

表示通信信号数据/>的复共轭；/>表示可滑动窗函数/>的复共轭，所述窗函数的宽度为R，将可滑动窗函数在通信信号数据上滑动，/>表示输入复共轭窗函数信号数据的第r个点的窗函数计算结果；

f表示通信信号数据中不同频率通信信号的平均频率。

在本发明实施例中，所述时频图为二维图像，二维图像的横轴表示通信信号数据的时频信息，纵轴表示通信信号数据的频域信息，图像像素点大小表示信号强度。

可选地，所述S1步骤中对构建得到的时频图进行形态学处理得到二值化时频图，包括：

对所构建得到的时频图进行形态学处理，得到二值化时频图，所述形态学处理流程为：

S11：将时频图M(x(t)) 转换为二维图像矩阵V(x(t))，所述时频图M(x(t))的二维图像矩阵格式V(x(t))为：

其中：

表示t₀时刻频率为f_L的通信信号的信号强度；

S12：对二维图像矩阵V(x(t))进行形态学闭运算，所述形态学闭运算公式为：

其中：

表示形态学闭运算后的矩阵；

表示膨胀处理，C表示膨胀矩阵，所述膨胀处理的流程为用膨胀矩阵的中心点依次扫描待膨胀矩阵的元素，待膨胀矩阵的被扫描元素的取值为膨胀矩阵所有效覆盖的待膨胀矩阵元素的最大值，其中膨胀矩阵中元素值为1的元素可以有效覆盖待膨胀矩阵元素；

表示腐蚀处理，B表示腐蚀处理，所述腐蚀处理的流程为用腐蚀矩阵的中心点依次扫描待腐蚀矩阵的元素，待腐蚀矩阵的被扫描元素的取值为腐蚀矩阵所有效覆盖的待腐蚀矩阵元素的最小值，其中腐蚀矩阵中元素值为1的元素可以有效覆盖待腐蚀矩阵元素；

S13：计算，并提取其中最大矩阵元素值/>，对矩阵/>进行形态学开运算，所述形态学开运算的结果为：

其中：

表示形态学开运算后的矩阵；

S14：将中大于等于/>的矩阵元素标记为1，小于/>的矩阵元素标记为0，得到二值化时频图/>。

可选地，所述S2步骤中基于连通域标记计算混杂场景下不同通信信号的持续时长，包括：

遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长，所述二值化时频图的遍历流程为：

S21：按照从上到下的顺序遍历二值化时频图，所述二值化时频图的格式为：

其中：

，表示频率为/>的通信信号在时刻/>的值，/>，/>；

S22：对二值化时频图中任意矩阵元素值为1的矩阵元素进行8邻域搜索，将矩阵元素值相同的矩阵元素进行连通；

将二值化时频图中连续等于1的一组矩阵元素序列标记为候选信号序列，其中每组候选信号序列即为检测识别得到的一组通信信号，所述候选信号序列的总组数为K，所述K组候选信号序列的集合为/>，/>表示检测到的第k组候选信号序列；

S24：计算集合data中任意第k组候选信号序列的持续时长：

其中：

表示第k组候选信号序列/>的持续时长；

表示第k组候选信号序列/>中矩阵元素的最大时刻；

表示第k组候选信号序列/>中矩阵元素的最小时刻；

S25：构建通信信号数据集，其中/>表示第k组通信信号，将矩阵V(x(t))中的元素值代入到候选信号序列/>的对应元素位置，并按时序顺序进行排列，其中相同时刻的元素值取均值，得到第k组通信信号/>，所述矩阵V(x(t))中的元素值代表信号强度，通信信号的频率即为不同时刻通信信号点的平均频率。

可选地，所述S3步骤中利用均值偏移策略对不同类别通信信号的最大持续时长进行聚类分析，得到不同通信信号的聚类中心，包括：

利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法，所述聚类分析流程为：

S31：提取通信信号数据集中的K组持续时长进行聚类处理；

S32：将所提取的K组持续时长构成散点图，选取持续时长最大的点作为圆心，并以5为半径构建圆形滑窗；其中散点图中的每个点表示持续时长，散点图中共K个点，第k个点表示；

S33：计算每个非圆心点的密度，所述密度的计算方法为以每个点为圆心，半径为3构建圆，圆内点的数目即为该点的密度；其中非圆心点表示未作为圆形滑窗圆心的点；

S34：圆形滑窗向密度最大的点的位置移动；

S35：将密度最大的点作为新的圆心，并以5为半径构建新的圆形滑窗，返回步骤S33；

重复上述步骤，直到每个圆形滑窗内的点数目不发生变化，所述每个圆形滑窗内的所有点所对应的通信信号即为一类通信信号，则圆形滑窗内所有通信信号集合即为该类通信信号聚类结果，圆形滑窗内圆心点所对应的通信信号即为该类通信信号的聚类中心。

可选地，所述S4步骤中结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，包括：

结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，其中任意第q类通信信号聚类结果的聚类中心通信信号频率为，/>，Q表示聚类得到的类别总数，则第q类通信信号聚类结果的自适应信号频率参数为/>，其中/>表示第q类通信信号聚类结果中通信信号的数目，若/>，则表示第q类通信信号聚类结果中的通信信号均为微信号，并进行标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容，其中/>表示频率阈值。

为了解决上述问题，本发明提供一种混杂场景下的微信号快速检测装置，所述装置包括：

信号采集装置，用于采集混杂场景下的通信信号数据；

信号处理模块，用于构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长；

微信号快速检测装置，用于利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的混杂场景下的微信号快速检测方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的混杂场景下的微信号快速检测方法。

相对于现有技术，本发明提出一种混杂场景下的微信号快速检测方法，该技术具有以下优势：

首先，本方案提出一种混杂场景下通信信号的分离，根据所采集的通信信号数据，将通信信号数据/>构建为时频图，所述通信信号数据/>的时频图/>为：

其中：e表示自然指数；表示通信信号的时延；/>表示通信信号数据/>的复共轭；/>表示可滑动窗函数/>的复共轭，所述窗函数的宽度为R，将可滑动窗函数在通信信号数据上滑动，/>表示输入复共轭窗函数信号数据的第r个点的窗函数计算结果；/>表示通信信号数据/>中不同频率通信信号的平均频率。对所构建得到的时频图进行形态学处理，得到二值化时频图；通过遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长，所述二值化时频图/>的遍历流程为：按照从上到下的顺序遍历二值化时频图，所述二值化时频图/>的格式为：

其中：，表示频率为/>的通信信号在时刻/>的值，/>，/>；对二值化时频图中任意矩阵元素值为1的矩阵元素进行8邻域搜索，将矩阵元素值相同的矩阵元素进行连通；将二值化时频图/>中连续等于1的一组矩阵元素序列标记为候选信号序列，其中每组候选信号序列即为检测识别得到的一组通信信号，所述候选信号序列的总组数为K，所述K组候选信号序列的集合为/>，/>表示检测到的第k组候选信号序列；计算集合data中任意第k组候选信号序列的持续时长：

其中：表示第k组候选信号序列/>的持续时长；/>表示第k组候选信号序列/>中矩阵元素的最大时刻；/>表示第k组候选信号序列/>中矩阵元素的最小时刻；构建通信信号数据集/>}，其中/>表示第k组通信信号，将矩阵中的元素值代入到候选信号序列/>的对应元素位置，并按时序顺序进行排列，其中相同时刻的元素值取均值，得到第k组通信信号/>，所述矩阵/>中的元素值代表信号强度，通信信号的频率即为不同时刻通信信号点的平均频率。在混杂场景下，所采集的同一频率的通信信号可能由多种同频率通信信号进行叠加，且在通信信号传播过程中，通信信号的频率有可能发生变化，因此本方案将所采集的通信信号数据转换为时频图，基于时频图中连通域的标记获取若干组候选通信信号序列，每组候选通信信号序列不存在连通，因此实现了时频图中信号序列的分离，每组候选通信信号序列即为一组信号来源一致的通信信号，实现混杂场景下通信信号的分离。

同时，本方案提出一种微信号的检测识别方法，通过利用均值偏移策略对分离得到的不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法，所述聚类分析流程为：提取通信信号数据集中的K组持续时长进行聚类处理；将所提取的K组持续时长构成散点图，选取持续时长最大的点作为圆心，并以5为半径构建圆形滑窗；其中散点图中的每个点表示持续时长，散点图中共K个点，第k个点表示/>；计算每个非圆心点的密度，所述密度的计算方法为以每个点为圆心，半径为3构建圆，圆内点的数目即为该点的密度；其中非圆心点表示未作为圆形滑窗圆心的点；圆形滑窗向密度最大的点的位置移动；将密度最大的点作为新的圆心，并以5为半径构建新的圆形滑窗，返回上述步骤；重复上述步骤，直到每个圆形滑窗内的点数目不发生变化，所述每个圆形滑窗内的所有点所对应的通信信号即为一类通信信号，则圆形滑窗内所有通信信号集合即为该类通信信号聚类结果，圆形滑窗内圆心点所对应的通信信号即为该类通信信号的聚类中心。结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，其中任意第q类通信信号聚类结果的聚类中心通信信号频率为/>，/>，Q表示聚类得到的类别总数，则第q类通信信号聚类结果的自适应信号频率参数为/>，其中/>表示第q类通信信号聚类结果中通信信号的数目，若/>，则表示第q类通信信号聚类结果中的通信信号均为微信号，并进行标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容，其中/>表示频率阈值。本方案通过将分离后的混杂场景下通信信号进行聚类处理，并确定每类通信信号的信号频率参数，将其与频率阈值进行比较，若大于阈值则表示该类通信信号的通信信号数目较少，频率较高，有较大可能为通信微信号，通过对所有微信号进行解析，实现混杂场景下微信号的通信内容解析。

附图说明

图1为本发明一实施例提供的一种混杂场景下的微信号快速检测方法的流程示意图；

图2为本发明一实施例提供的混杂场景下的微信号快速检测装置的功能模块图；

图3为本发明一实施例提供的实现混杂场景下的微信号快速检测方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种混杂场景下的微信号快速检测方法。所述混杂场景下的微信号快速检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述混杂场景下的微信号快速检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例1：

S1：采集混杂场景下的通信信号数据，构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图。

所述S1步骤中采集混杂场景下的通信信号数据，包括：

利用信号采集设备采集混杂场景下的通信信号数据，其中混杂场景包含了多种不同频率的通信信号，所述混杂场景下的通信信号数据为：

其中：

j表示虚数单位，；

表示信号采集设备在混杂场景下采集得到的频率为/>的通信信号，/>表示通信信号/>的信号幅值，t表示通信信号的时序信息，/>，/>表示信号采集设备在混杂场景下采集信号的初始时刻，/>表示信号采集设备在混杂场景下采集信号的截止时刻，/>；

L表示混杂场景下不同频率通信信号的总数。

所述S1步骤中基于采集的通信信号数据构建通信信号数据的时频图，包括：

根据所采集的通信信号数据，将通信信号数据/>构建为时频图，所述通信信号数据/>的时频图/>为：

其中：

e表示自然指数；表示通信信号的时延；

表示通信信号数据/>的复共轭；/>表示可滑动窗函数/>的复共轭，所述窗函数的宽度为R，将可滑动窗函数在通信信号数据上滑动，/>表示输入复共轭窗函数信号数据的第r个点的窗函数计算结果；

f表示通信信号数据中不同频率通信信号的平均频率。

在本发明实施例中，所述时频图M(x(t))为二维图像，二维图像的横轴表示通信信号数据的时频信息，纵轴表示通信信号数据的频域信息，图像像素点大小表示信号强度。

所述S1步骤中对构建得到的时频图进行形态学处理得到二值化时频图，包括：

对所构建得到的时频图进行形态学处理，得到二值化时频图，所述形态学处理流程为：

S11：将时频图M(x(t)) 转换为二维图像矩阵V(x(t))，所述时频图M(x(t))的二维图像矩阵格式V(x(t))为：

其中：

表示t₀时刻频率为f_L的通信信号的信号强度；

S12：对二维图像矩阵V(x(t))进行形态学闭运算，所述形态学闭运算公式为：

其中：

表示形态学闭运算后的矩阵；

表示膨胀处理，C表示膨胀矩阵，所述膨胀处理的流程为用膨胀矩阵的中心点依次扫描待膨胀矩阵的元素，待膨胀矩阵的被扫描元素的取值为膨胀矩阵所有效覆盖的待膨胀矩阵元素的最大值，其中膨胀矩阵中元素值为1的元素可以有效覆盖待膨胀矩阵元素；

S13：计算，并提取其中最大矩阵元素值/>，对矩阵/>进行形态学开运算，所述形态学开运算的结果为：

其中：

表示形态学开运算后的矩阵；

S14：将中大于等于/>的矩阵元素标记为1，小于/>的矩阵元素标记为0，得到二值化时频图/>。

S2：遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长。

所述S2步骤中基于连通域标记计算混杂场景下不同通信信号的持续时长，包括：

遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长，所述二值化时频图的遍历流程为：

S21：按照从上到下的顺序遍历二值化时频图，所述二值化时频图的格式为：

其中：

，表示频率为/>的通信信号在时刻/>的值，/>，/>；

S22：对二值化时频图中任意矩阵元素值为1的矩阵元素进行8邻域搜索，将矩阵元素值相同的矩阵元素进行连通；

将二值化时频图中连续等于1的一组矩阵元素序列标记为候选信号序列，其中每组候选信号序列即为检测识别得到的一组通信信号，所述候选信号序列的总组数为K，所述K组候选信号序列的集合为/>，/>表示检测到的第k组候选信号序列；

S24：计算集合data中任意第k组候选信号序列的持续时长：

其中：

表示第k组候选信号序列/>的持续时长；

表示第k组候选信号序列/>中矩阵元素的最大时刻；

表示第k组候选信号序列/>中矩阵元素的最小时刻；

S25：构建通信信号数据集，其中/>表示第k组通信信号，将矩阵V(x(t))中的元素值代入到候选信号序列/>的对应元素位置，并按时序顺序进行排列，其中相同时刻的元素值取均值，得到第k组通信信号/>，所述矩阵V(x(t))中的元素值代表信号强度，通信信号的频率即为不同时刻通信信号点的平均频率。

S3：利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法。

所述S3步骤中利用均值偏移策略对不同类别通信信号的最大持续时长进行聚类分析，得到不同通信信号的聚类中心，包括：

利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法，所述聚类分析流程为：

S31：提取通信信号数据集中的K组持续时长进行聚类处理；

S32：将所提取的K组持续时长构成散点图，选取持续时长最大的点作为圆心，并以5为半径构建圆形滑窗；其中散点图中的每个点表示持续时长，散点图中共K个点，第k个点表示；

S33：计算每个非圆心点的密度，所述密度的计算方法为以每个点为圆心，半径为3构建圆，圆内点的数目即为该点的密度；其中非圆心点表示未作为圆形滑窗圆心的点；

S34：圆形滑窗向密度最大的点的位置移动；

S35：将密度最大的点作为新的圆心，并以5为半径构建新的圆形滑窗，返回步骤S33；

重复上述步骤，直到每个圆形滑窗内的点数目不发生变化，所述每个圆形滑窗内的所有点所对应的通信信号即为一类通信信号，则圆形滑窗内所有通信信号集合即为该类通信信号聚类结果，圆形滑窗内圆心点所对应的通信信号即为该类通信信号的聚类中心。

S4：结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容。

所述S4步骤中结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，包括：

结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，其中任意第q类通信信号聚类结果的聚类中心通信信号频率为，/>，Q表示聚类得到的类别总数，则第q类通信信号聚类结果的自适应信号频率参数为/>，其中/>表示第q类通信信号聚类结果中通信信号的数目，若/>，则表示第q类通信信号聚类结果中的通信信号均为微信号，并进行标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容，其中/>表示频率阈值。

实施例2：

如图2所示，是本发明一实施例提供的混杂场景下的微信号快速检测装置的功能模块图，其可以实现实施例1中的混杂场景下的微信号快速检测方法。

本发明所述混杂场景下的微信号快速检测装置100可以安装于电子设备中。根据实现的功能，所述混杂场景下的微信号快速检测装置可以包括信号采集装置101、信号处理模块102及微信号快速检测装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

信号采集装置101，用于采集混杂场景下的通信信号数据；

信号处理模块102，用于构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长；

微信号快速检测装置103，用于利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容。

详细地，本发明实施例中所述混杂场景下的微信号快速检测装置100中的所述各模块在使用时采用与上述的图1中所述的混杂场景下的微信号快速检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

实施例3：

如图3所示，是本发明一实施例提供的实现混杂场景下的微信号快速检测方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（用于实现混杂场景下的微信号快速检测的程序12等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。

所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

采集混杂场景下的通信信号数据，构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图；

遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长；

利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心；

结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容。

具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种混杂场景下的微信号快速检测方法，其特征在于，所述方法包括：

S1：采集混杂场景下的通信信号数据，构建所采集通信信号数据的时频图，并对构建得到的时频图进行形态学处理得到二值化时频图；

根据所采集的通信信号数据，将通信信号数据/>构建为时频图，所述通信信号数据/>的时频图/>为：

其中：

e表示自然指数；表示通信信号的时延；

表示通信信号数据/>的复共轭；/>表示可滑动窗函数/>的复共轭，所述窗函数的宽度为R，将可滑动窗函数在通信信号数据上滑动，/>表示输入复共轭窗函数信号数据的第r个点的窗函数计算结果；

f表示通信信号数据中不同频率通信信号的平均频率；

S2：遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长，包括：

遍历计算得到的二值时频图，基于连通域标记计算混杂场景下不同通信信号的持续时长，所述二值化时频图的遍历流程为：

S21：按照从上到下的顺序遍历二值化时频图，所述二值化时频图的格式为：

其中：

，表示频率为/>的通信信号在时刻/>的值，/>，/>；

S22：对二值化时频图中任意矩阵元素值为1的矩阵元素进行8邻域搜索，将矩阵元素值相同的矩阵元素进行连通；

S23：将二值化时频图中连续等于1的一组矩阵元素序列标记为候选信号序列，其中每组候选信号序列即为检测识别得到的一组通信信号，所述候选信号序列的总组数为K，所述K组候选信号序列的集为/>，/>表示检测到的第k组候选信号序列；

S24：计算集合data中任意第k组候选信号序列的持续时长：

其中：

表示第k组候选信号序列/>的持续时长；

表示第k组候选信号序列/>中矩阵元素的最大时刻；

表示第k组候选信号序列/>中矩阵元素的最小时刻；

S25：构建通信信号数据集，其中/>表示第k组通信信号，将矩阵V(x(t))中的元素值代入到候选信号序列/>的对应元素位置，并按时序顺序进行排列，其中相同时刻的元素值取均值，得到第k组通信信号/>，所述矩阵V(x(t))中的元素值代表信号强度，通信信号的频率即为不同时刻通信信号点的平均频率；

S3：利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心和聚类结果；

S4：结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容；

结合自适应信号频率参数对不同类别的通信信号聚类结果进行微信号标记，其中任意第q类通信信号聚类结果的聚类中心通信信号频率为，/>，Q表示聚类得到的类别总数，则第q类通信信号聚类结果的自适应信号频率参数为/>，其中/>表示第q类通信信号聚类结果中通信信号的数目，若/>，则表示第q类通信信号聚类结果中的通信信号均为微信号，并进行标记，对所有微信号进行解析，得到混杂场景下微信号的通信内容，其中/>表示频率阈值。

2.如权利要求1所述的一种混杂场景下的微信号快速检测方法，其特征在于，所述S1步骤中采集混杂场景下的通信信号数据，包括：

利用信号采集设备采集混杂场景下的通信信号数据，其中混杂场景包含了多种不同频率的通信信号，所述混杂场景下的通信信号数据为：

其中：

j表示虚数单位，；

表示信号采集设备在混杂场景下采集得到的频率为/>的通信信号，/>表示通信信号/>的信号幅值，t表示通信信号的时序信息，/>，/>表示信号采集设备在混杂场景下采集信号的初始时刻，/>表示信号采集设备在混杂场景下采集信号的截止时刻，/>；

L表示混杂场景下不同频率通信信号的总数。

3.如权利要求1所述的一种混杂场景下的微信号快速检测方法，其特征在于，所述S1步骤中对构建得到的时频图进行形态学处理得到二值化时频图，包括：

对所构建得到的时频图进行形态学处理，得到二值化时频图，所述形态学处理流程为：

S11：将时频图M(x(t)) 转换为二维图像矩阵V(x(t))，所述时频图M(x(t))的二维图像矩阵格式V(x(t))为：

其中：

表示t₀时刻频率为f_L的通信信号的信号强度；

S12：对二维图像矩阵V(x(t))进行形态学闭运算，所述形态学闭运算公式为：

其中：

表示形态学闭运算后的矩阵；

表示膨胀处理，C表示膨胀矩阵，所述膨胀处理的流程为用膨胀矩阵的中心点依次扫描待膨胀矩阵的元素，待膨胀矩阵的被扫描元素的取值为膨胀矩阵所有效覆盖的待膨胀矩阵元素的最大值，其中膨胀矩阵中元素值为1的元素可以有效覆盖待膨胀矩阵元素；

表示腐蚀处理，B表示腐蚀矩阵，所述腐蚀处理的流程为用腐蚀矩阵的中心点依次扫描待腐蚀矩阵的元素，待腐蚀矩阵的被扫描元素的取值为腐蚀矩阵所有效覆盖的待腐蚀矩阵元素的最小值，其中腐蚀矩阵中元素值为1的元素可以有效覆盖待腐蚀矩阵元素；

S13：计算，并提取其中最大矩阵元素值/>，对矩阵/>进行形态学开运算，所述形态学开运算的结果为：

其中：

表示形态学开运算后的矩阵；

S14：将中大于等于/>的矩阵元素标记为1，小于/>的矩阵元素标记为0，得到二值化时频图/>。

4.如权利要求1所述的一种混杂场景下的微信号快速检测方法，其特征在于，所述S3步骤中利用均值偏移策略对不同类别通信信号的最大持续时长进行聚类分析，得到不同通信信号的聚类中心，包括：

利用均值偏移策略对不同通信信号的最大持续时长进行聚类分析，得到不同类别通信信号的聚类中心，其中局部最大概率密度估计方法为所述均值偏移策略的主要实施方法，所述聚类分析流程为：

S31：提取通信信号数据集中的K组持续时长进行聚类处理；

S32：将所提取的K组持续时长构成散点图，选取持续时长最大的点作为圆心，并以5为半径构建圆形滑窗；其中散点图中的每个点表示持续时长，散点图中共K个点，第k个点表示；

S33：计算每个非圆心点的密度，所述密度的计算方法为以每个点为圆心，半径为3构建圆，圆内点的数目即为该点的密度；其中非圆心点表示未作为圆形滑窗圆心的点；

S34：圆形滑窗向密度最大的点的位置移动；

S35：将密度最大的点作为新的圆心，并以5为半径构建新的圆形滑窗，返回步骤S33；

重复上述步骤，直到每个圆形滑窗内的点数目不发生变化，所述每个圆形滑窗内的所有点所对应的通信信号即为一类通信信号，则圆形滑窗内所有通信信号集合即为该类通信信号聚类结果，圆形滑窗内圆心点所对应的通信信号即为该类通信信号的聚类中心。