CN115456033B - 一种基于信号特征识别的识别系统增强识别方法 - Google Patents

一种基于信号特征识别的识别系统增强识别方法 Download PDF

Info

Publication number
CN115456033B
CN115456033B CN202211315201.1A CN202211315201A CN115456033B CN 115456033 B CN115456033 B CN 115456033B CN 202211315201 A CN202211315201 A CN 202211315201A CN 115456033 B CN115456033 B CN 115456033B
Authority
CN
China
Prior art keywords
signal
target
identification
radio frequency
recognition
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
Application number
CN202211315201.1A
Other languages
English (en)
Other versions
CN115456033A (zh
Inventor
张中南
张江
胥川桂
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.)
Sichuan Jiuzhou ATC Technology Co Ltd
Original Assignee
Sichuan Jiuzhou ATC Technology Co Ltd
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 Sichuan Jiuzhou ATC Technology Co Ltd filed Critical Sichuan Jiuzhou ATC Technology Co Ltd
Priority to CN202211315201.1A priority Critical patent/CN115456033B/zh
Publication of CN115456033A publication Critical patent/CN115456033A/zh
Application granted granted Critical
Publication of CN115456033B publication Critical patent/CN115456033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • 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
    • H04B1/59—Responders; Transponders
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/40—Jamming having variable characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/80—Jamming or countermeasure characterized by its function
    • H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
    • H04K3/827—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection using characteristics of target signal or of transmission, e.g. using direct sequence spread spectrum or fast frequency hopping

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于信号特征识别的识别系统增强识别方法，包括以下步骤：S1、基于二次雷达原理，识别主机发射询问信号，在接收到应答信号后，提取应答信号中的数据信息，识别主机对目标进行身份识别；S2、若目标的身份判定为“合作目标”，则基于信号特征识别对目标进行身份识别，否则结束识别；S3、判定目标的信号特征是否在己方信号特征库中，若是则将目标判定为“己方目标”，否则将目标判定为“干扰目标”。本发明通过综合识别和信号特征识别技术，解决了识别系统无法正确识别合作目标和干扰目标的问题，提升了识别系统的抗干扰性能。

Description

一种基于信号特征识别的识别系统增强识别方法
技术领域
本发明涉及识别技术领域，具体涉及一种基于信号特征识别的识别系统增强识别方法。
背景技术
现代协作式识别系统基于二次雷达原理，通过“询问-应答”的方式对陆海空目标进行非接触式探测，获取目标的身份、位置、意图、身份属性等综合态势信息，实现对目标的监视和识别，增强指挥控制的准确性和各部门间的协调性，降低误伤概率。其主要用途包括：1）快速准确的识别目标身份属性，降低目标误伤率；2）保障飞行安全，规避特种飞机与民用飞机的冲突、军民用飞机之间的冲突，确保飞机穿越防空区、禁区、空中走廊／航线、空中交通管制区等多个区域过程中的航行安全。
目前，现代协作式识别系统的干扰措施主要是基于识别系统工作频带窄、旁瓣抑制技术缺陷等缺点所实施的压制性干扰、欺骗性干扰和灵巧干扰。针对上诉干扰措施，现在识别系统采用了扩频、信道加密、信源加密、随机应答延迟等抗干扰措施以保证系统能快速、准确识别目标的身份属性。
现代协作式识别系统多采用MSK调制方式，MSK属于恒包络数字调制技术，是一种2FSK的改进信号，具有包络恒定、相位连续、带宽教窄、频谱利用率较高等特点。对于MSK信号的特征识别方法可采用基于信号瞬时特征、基于高阶统计量、基于谱相关等。
现在识别系统采用的抗干扰技术在针对干扰方面有一定的缺陷。在非合作方的干扰系统破译我方加解密技术，伪装为成合作目标或制造假目标对我方识别系统进行欺骗时，现在的识别系统无法进行正确的识别己方目标和干扰目标。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于信号特征识别的识别系统增强识别方法解决了无法进行正确的识别合作目标和非合作目标的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于信号特征识别的识别系统增强识别方法，包括以下步骤：
S1、基于二次雷达原理，识别主机发射询问信号，在接收到应答信号后，提取应答信号中的数据信息，识别主机对目标进行身份识别；
S2、若目标的身份判定为“合作目标”，则基于信号特征识别对目标进行身份识别，否则结束识别；
S3、判定目标的信号特征是否在己方信号特征库中，若是则将目标判定为“己方目标”，否则将目标判定为“干扰目标”。
进一步地：所述步骤S1的具体步骤为：
S11、识别主机经天线发射识别询问信号；
S12、识别主机从天线接收1090MHz应答射频信号；
S13、在接收机中，对应答射频信号进行处理得到一路中频信号和一路射频信号；
S14、对中频信号和射频信号进行AD采样和译码处理，得到原始数据；
S15、对原始数据进行数据融合处理，并以此判定目标的身份属性。
进一步地：所述应答射频信号依次通过限幅器、耦合器、射频低通滤波器、低噪声放大器，进行信号功率限制、滤波去除干扰和幅度放大后，通过混频器与频率为1170MHz的本振信号进行混频，得到中心频率为80MHz的中频信号，再经过中频滤波器、放大器进行带外抑制和幅度补偿，通过功分器分成相同的两路，一路采用对数检波器检出模拟射频信号，另一路经过对数放大输出中心频率为80MHz对数压缩中频信号。
进一步地：所述步骤S2中信号特征识别的具体步骤为：
S21、将判定为合作目标的原始射频信号进行数字化处理，并上传到计算机中；
S22、对射频信号进行滤波预处理，滤除非通信信号、带外噪声以及干扰信号，提高信噪比；
S23、对预处理后的信号采用前向后向差分方法进行载频估计，提取辐射源信号的载频特征；
S24、利用HAAR小波变换法对预处理后的信号码速率估计，提取辐射源信号的码速率特征；
S25、对预处理后的射频信号进行Hilbert变换，提取辐射源信号的瞬态包络A（t），并提取信号包络复杂度特征；
S26、对预处理后的射频信号采用基于经验模态分解的Hilbert Huang变换的时频分析方法，提取信号的Hilbert变换边缘谱对称性特征；
S27、计算预处理后的射频信号的矩形积分双谱，并作为该信号的特征；
S28、计算预处理后的射频信号的阿伦方差，并作为该信号的特征。
进一步地：所述信号包络复杂度特征包括：R特征、J特征、盒维数、信息维数、Lempel-Ziv复杂度。
进一步地：所述步骤S3的具体步骤为：
S31、计算目标信号特征与己方信号特征库中信号特征对比参数；
S32、通过信号特征对比参数利用模糊K-均值算法和基于SVM算法分析判定目标信号特征是否在己方信号特征库中；
S33、若射频信号特征在己方信号特征库中，则被识别主机判定为“合作目标”信号的为己方目标，若不在己方信号特征库中，则被识别主机判定为“非合作”信号的为干扰目标；
S34、将干扰目标射频信号的特征储存在干扰目标信号特征库中，并标注获取时间、频次信息，在获取干扰目标数据量较大的时候，进行统计分析，获取目标信息。
进一步地：所述信号特征对比参数包括协方差、离差、范数、相关系数和极差。
本发明的有益效果为：本发明提供一种基于信号特征识别的识别系统增强识别方法。在非合作方破译己方加解密算法的情况下，发送干扰目标对我方识别系统进行灵巧干扰时，本方法具备让我方识别系统完成对合作目标的进一步识别，辨别出干扰目标，提升识别系统的准确性和识别概率。本发明通过综合基于二次雷达的识别技术和信号特征识别技术，解决了识别系统无法正确识别己方目标和干扰目标的问题，提升了识别系统的抗干扰性能，且后期经大数据分析可获取目标区域干扰装备的数量、活动时间等信息，可提升目标信息获取能力，为指挥控制系统提供决策依据。
附图说明
图1是本发明处理流程图；
图2是本发明步骤1处理流程图；
图3是本发明步骤2处理流程图；
图4是本发明步骤3处理流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于信号特征识别的识别系统增强识别方法，包括以下步骤：
如图2所示，步骤一：基于二次雷达原理，识别主机发射询问信号，在接收到应答信号后，对应答信号其进行限幅、放大、RF滤波、混频和IF滤波等信号处理并根据内置算法进行解密、译码处理，提取信号中的数据信息，并以此判定目标的身份属性（合作目标、非合作目标）；
步骤11：识别主机经天线发射西方体制待识别询问信号；
步骤12：识别主机从天线接收1090MHz应答射频信号；
步骤13：在接收机中，依次经过限幅器、耦合器、射频低通滤波器、LNA，进行信号功率限制、滤波去除干扰和幅度放大后，通过混频器与频率为1170MHz的本振信号进行混频，得到中心频率为80MHz的中频信号，再经中频滤波器、放大器进行带外抑制和幅度补偿，通过功分器分成相同的两路，一路采用对数检波器检出模拟视频信号，另一路经过对数放大（或线性放大）输出中心频率为80MHz对数压缩（线性）中频信号。
步骤14：对步骤13中得到的中频和射频信号进行AD采样和译码（含解密）处理，得到原始数据；
步骤15：对原始数据进行数据融合等处理，并以此判定目标的身份属性。
如图3所示，步骤二：若识别主机判定为“合作目标”，则对该信号的原始射频信号进行预处理（包括滤除非通信信号、带外噪声以及干扰信号等），以提高信噪比。因西方体制系统采用MSK调制，采用前向后向差分法、Haar小波变换法、分形维数、视频分析等方法对信号进行载频、码速率、谱对称性、时频分布特征、盒维数、信息维数等特征提取；
步骤21：将判定为合作目标的原始射频信号进行数字化处理，并上传到计算机中；
步骤22：对射频信号进行滤波处理，滤除非通信信号、带外噪声以及干扰信号，提高信号比；
步骤23：对预处理后的信号采用前向后向差分方法进行载频估计，提取辐射源信号的载频特征；
步骤24：利用HAAR小波变换法对预处理后的信号码速率估计，提取辐射源信号的码速率特征；
步骤25：对预处理后的射频信号进行Hilbert变换，提取辐射源信号的瞬态包络A（t），并提取信号包络复杂度特征，包括：R特征、J特征、盒维数、信息维数、Lempel-Ziv复杂度；
步骤26：对预处理后的射频信号采用基于经验模态分解的Hilbert Huang变换的时频分析方法，提取信号的Hilbert 变换边缘谱对称性特征；
步骤27：计算预处理信号的矩形积分双谱（SIB），并作为其特征；
步骤28：计算预处理信号的阿伦方差，并作为其特征。
如图4所示，步骤三:将已提取的信号特征与己方信号特征库（我方设备信号特征库）中的特征进行比对（包括协方差、离差、范数、相关关系、极差），识别该特征是否在特征库中；联合步骤二和步骤三的识别结果综合判定目标身份属性，（己方目标，干扰目标），并将干扰目标的射频特征储存在特征库中，用以目标信息获取；
步骤31:计算待识别信号的特征与己方信号特征库中信号特征的协方差、离差、范数、相关系数、极差等参数，进行信号分类；
步骤32：利用模糊K-均值（K-means）算法和基于SVM算法分析判定待识别信号是否在己方信号特征库中；
步骤33：若射频信号特征在己方信号特征库中，则被识别主机判定为“合作目标”信号的为己方目标，若不在己方信号特征库中，则被识别主机判定为“合作目标”信号的为干扰目标；
步骤34：将干扰目标射频信号的特征储存在干扰信号特征库中，并标注获取时间、频次等信息，在获取干扰目标数据量较大的时候，进行统计分析，获取目标信息。
本发明通过综合西方体制识别和信号特征识别技术，解决了西方体制识别系统无法正确识别己方目标和干扰目标的问题，提升了西方体制识别系统的抗干扰性能，且后期经大数据分析可获取目标区域干扰装备的数量、活动时间等目标信息，可提升目标信息获取能力，为指挥控制系统提供决策依据。

Claims (6)

1.一种基于信号特征识别的识别系统增强识别方法，其特征在于，包括以下步骤：
S1、基于二次雷达原理，识别主机发射询问信号，在接收到应答信号后，提取应答信号中的数据信息，识别主机对目标进行身份识别；
S2、若目标的身份判定为“合作目标”，则基于信号特征识别对目标进行身份识别，否则结束识别；
所述步骤S2中信号特征识别的具体步骤为：
S21、将判定为“合作目标”的原始射频信号进行数字化处理，并上传到计算机中；
S22、对射频信号进行滤波预处理，滤除非通信信号、带外噪声以及干扰信号，提高信噪比；
S23、对预处理后的信号采用前向后向差分方法进行载频估计，提取辐射源信号的载频特征；
S24、利用HAAR小波变换法对预处理后的信号码速率估计，提取辐射源信号的码速率特征；
S25、对预处理后的射频信号进行Hilbert变换，提取辐射源信号的瞬态包络A（t），并提取信号包络复杂度特征；
S26、对预处理后的射频信号采用基于经验模态分解的Hilbert Huang变换的时频分析方法，提取信号的Hilbert变换边缘谱对称性特征；
S27、计算预处理后的射频信号的矩形积分双谱，并作为该信号的特征；
S28、计算预处理后的射频信号的阿伦方差，并作为该信号的特征；
S3、判定目标的信号特征是否在己方信号特征库中，若是则将目标判定为“合作目标”，否则将目标判定为“干扰目标”。
2.根据权利要求1所述的基于信号特征识别的识别系统增强识别方法，其特征在于，所述步骤S1的具体步骤为：
S11、识别主机经天线发射识别询问信号；
S12、识别主机从天线接收1090MHz应答射频信号；
S13、在接收机中，对应答射频信号进行处理得到一路中频信号和一路射频信号；
S14、对中频信号和射频信号进行AD采样和译码处理，得到原始数据；
S15、对原始数据进行数据融合处理，并以此判定目标的身份属性。
3.根据权利要求2所述的基于信号特征识别的识别系统增强识别方法，其特征在于，所述应答射频信号依次通过限幅器、耦合器、射频低通滤波器、低噪声放大器，进行信号功率限制、滤波去除干扰和幅度放大后，通过混频器与频率为1170MHz的本振信号进行混频，得到中心频率为80MHz的中频信号，再经过中频滤波器、放大器进行带外抑制和幅度补偿，通过功分器分成相同的两路，一路采用对数检波器检出模拟射频信号，另一路经过对数放大输出中心频率为80MHz对数压缩中频信号。
4.根据权利要求1所述的基于信号特征识别的识别系统增强识别方法，其特征在于，所述信号包络复杂度特征包括：R特征、J特征、盒维数、信息维数、Lempel-Ziv复杂度。
5.根据权利要求1所述的基于信号特征识别的识别系统增强识别方法，其特征在于，所述步骤S3的具体步骤为：
S31、计算目标信号特征与己方信号特征库中信号特征对比参数；
S32、通过信号特征对比参数利用模糊K-均值算法和基于SVM算法分析判定目标信号特征是否在己方信号特征库中；
S33、若射频信号特征在己方信号特征库中，则被识别主机判定为“合作目标”信号的为己方目标，若不在己方信号特征库中，则被识别主机判定为“非合作”信号的为干扰目标；
S34、将干扰目标射频信号的特征储存在干扰信号特征库中，并标注获取时间、频次信息，在获取干扰目标数据量大的时候，进行统计分析，获取目标信息。
6.根据权利要求5所述的基于信号特征识别的识别系统增强识别方法，其特征在于，所述信号特征对比参数包括协方差、离差、范数、相关系数和极差。
CN202211315201.1A 2022-10-26 2022-10-26 一种基于信号特征识别的识别系统增强识别方法 Active CN115456033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211315201.1A CN115456033B (zh) 2022-10-26 2022-10-26 一种基于信号特征识别的识别系统增强识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211315201.1A CN115456033B (zh) 2022-10-26 2022-10-26 一种基于信号特征识别的识别系统增强识别方法

Publications (2)

Publication Number Publication Date
CN115456033A CN115456033A (zh) 2022-12-09
CN115456033B true CN115456033B (zh) 2023-02-03

Family

ID=84311158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211315201.1A Active CN115456033B (zh) 2022-10-26 2022-10-26 一种基于信号特征识别的识别系统增强识别方法

Country Status (1)

Country Link
CN (1) CN115456033B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450084A (zh) * 2017-09-08 2017-12-08 北京理工大学 一种基于csac的高灵敏度gnss接收机及重捕获实现方法
CN110233769A (zh) * 2018-03-06 2019-09-13 华为技术有限公司 一种流量检测方法和流量检测设备
CN114067614A (zh) * 2021-10-08 2022-02-18 四川九洲空管科技有限责任公司 空管监视应答信号特征提取方法、装置、设备及存储介质
CN114063010A (zh) * 2021-12-13 2022-02-18 成都菲斯洛克电子技术有限公司 一种基于soc技术的探测芯片、探测装置以及探测方法
CN115166719A (zh) * 2022-07-28 2022-10-11 中国电子科技集团公司第十研究所 一种二次雷达多目标点迹处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1459273A4 (en) * 2001-10-10 2010-03-03 Mcloughlin Pacific Corp METHOD AND DEVICE FOR TRACKING AIRCRAFT AND FOR SAFEGUARDING UNAUTHORIZED ACCESS
ITTO20070623A1 (it) * 2007-09-03 2009-03-04 Selex Sistemi Integrati Spa Rilevamento di repliche in un radar secondario di sorveglianza
CN108470166A (zh) * 2018-04-04 2018-08-31 北京天目智联科技有限公司 一种基于激光扫描的生物特征3d四维数据识别方法及系统
CN112083383B (zh) * 2020-08-30 2022-07-29 西南电子技术研究所（中国电子科技集团公司第十研究所） 幅度/相位相关联合检测应答信号的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450084A (zh) * 2017-09-08 2017-12-08 北京理工大学 一种基于csac的高灵敏度gnss接收机及重捕获实现方法
CN110233769A (zh) * 2018-03-06 2019-09-13 华为技术有限公司 一种流量检测方法和流量检测设备
CN114067614A (zh) * 2021-10-08 2022-02-18 四川九洲空管科技有限责任公司 空管监视应答信号特征提取方法、装置、设备及存储介质
CN114063010A (zh) * 2021-12-13 2022-02-18 成都菲斯洛克电子技术有限公司 一种基于soc技术的探测芯片、探测装置以及探测方法
CN115166719A (zh) * 2022-07-28 2022-10-11 中国电子科技集团公司第十研究所 一种二次雷达多目标点迹处理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Autoregressive Modelling of Hilbert Envelopes for Wide-Band Audio Coding;Ganapathy S等;《Audio Engineering Society Convention》;20080501;1-13 *
Design and implementation of intermediate frequency generation and analysis module for avionics test;Zhang P等;《Advanced Materials Research》;20141031;第1049卷;1147-1153 *
IFF辐射源信号细微特征分析与识别技术研究;李天琪;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20220215(第2期);C032-7 *
具有多台链功能的测距设备实现;赖杰鹏等;《电子科技》;20120815(第08期);正文第39页 *
敌我识别系统浅析;蒋庆全;《兵工自动化》;20021015(第05期);32-36 *

Also Published As

Publication number Publication date
CN115456033A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN110334591B (zh) 一种基于聚类分析的无人机跳频信号检测及识别方法
CN106130942B (zh) 一种基于循环谱的无线通信信号调制识别及参数估计方法
Zhao et al. Classification of small UAVs based on auxiliary classifier Wasserstein GANs
Ozturk et al. RF-based low-SNR classification of UAVs using convolutional neural networks
Colone et al. Polarimetric passive coherent location
WO2004088454A2 (en) Waveform classification and characterization using multidimensional higher-order statistics
CN108197581B (zh) 一种基于改进AC-WGANs的无人机信号识别检测方法
Kaplan et al. Measurement based FHSS–type drone controller detection at 2.4 GHz: An STFT approach
CN112003803B (zh) 一种vhf、uhf频段航空电台信号的侦收设备
Ye et al. A new frequency hopping signal detection of civil UAV based on improved k-means clustering algorithm
US10367667B2 (en) Joint ad-hoc signal and collision detection method
Guo et al. DME pulse interference mitigation for airborne BDS and flight test results
CN115456033B (zh) 一种基于信号特征识别的识别系统增强识别方法
Kayraklik et al. Application of object detection approaches on the wideband sensing problem
CN109669170B (zh) 一种降低无人机信号探测系统误警率的方法
CN112187314A (zh) 一种信号发射机识别方法
US10768274B2 (en) Built-in sensor for intercepting radioelectric COM/RAD emissions
Thanakan et al. Real-time jamming detection and position estimation via software-defined radio (SDR)
Song et al. UAS detection and negation
US7619557B2 (en) Method and device for filtering a video signal received by a secondary radar, particularly in order to eliminate mode S replies
del-Rey-Maestre et al. Statistical analysis of UHF bistatic radar clutter in coastal scenarios
Sazdić-Jotić et al. Drone classification based on radio frequency: techniques, datasets, and challenges
Barnes-Cook et al. Scalable wireless anomaly detection with generative-LSTMs on RF post-detection metadata
CN115099289B (zh) 基于微弱指纹特征的无线电辐射源身份判别系统及方法
CN116343273A (zh) 一种基于射频指纹的无人机探测与识别方法

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