CN115603800A - 一种基于多维特征发现与识别卫星弱信号的方法 - Google Patents
一种基于多维特征发现与识别卫星弱信号的方法 Download PDFInfo
- Publication number
- CN115603800A CN115603800A CN202211603209.8A CN202211603209A CN115603800A CN 115603800 A CN115603800 A CN 115603800A CN 202211603209 A CN202211603209 A CN 202211603209A CN 115603800 A CN115603800 A CN 115603800A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- satellite
- features
- time domain
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18578—Satellite systems for providing broadband data service to individual earth stations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于卫星信号识别技术领域,尤其涉及一种基于多维特征发现与识别卫星弱信号的方法;本发明使用多个维度的特征分析,并由宽带频谱发现信号,结合窄带采集时域信号解调验证,进一步完善特征数据;并且通过特征处理、特征训练以及特征学习,逐步完善数据库中所存储的卫星信号;使得在对比时能够对杂散弱信号和非卫星的信号实现有效的过滤,降低虚警率。
Description
技术领域
本发明属于卫星信号识别技术领域,尤其涉及一种基于多维特征发现与识别卫星弱信号的方法。
背景技术
随着卫星通信技术的发展,卫星通信频段带宽更宽,信号的种类更多,信号的内容更加复杂;卫星终端在于卫星通信时产生的信号是突发的,即是在某一时刻出现,并且非连续性的出现,每次突发出现的时间为数毫秒;而在真实环境中,空间中存在多种信号干扰,且卫星信号往往是弱信号;而如何快速的发现卫星信号,并准确的识别出卫星信号是进一步跟踪信号的基础,显得十分的重要。
目前传统的卫星信号的发现和识别,在信号质量较好的,且无其它信号干扰的情况下,能够快速的发现和识别出卫星信号;但是在卫星信号质量较差的情况下,存在较大的不确定性,容易将较多杂散的弱信号识别为卫星信号,增加虚警率;就目前而言,对于出现在同一频段的非卫星信号的识别及剔除是本领域的技术难点。
发明内容
为了解决上述现有技术中存在的技术问题,本发明提供了一种基
于多维特征发现与识别卫星弱信号的方法,拟解决现有技术中提到的出现在同一频段的非卫星信号的识别及剔除是本领域的技术难点的问题。
为解决上述技术问题,本发明采用的技术方案如下:
一种基于多维特征发现与识别卫星弱信号的方法,包括以下步骤:
步骤1:通过宽带频谱发现信号,得到信号的频域多维度特征数据;
步骤2:对频域多维度特征数据进行预处理,得到信号特征;
步骤3:调用数据库中储存的卫星信号特征与步骤2得到的信号特征进行特征判决,基于特征判决结果得到卫星信号。
本发明基于宽带频谱发现信号,并得到信号的频域多维度特征数据,对频域多维度特征数据进行预处理,得到信号特征,将信号特征与现有卫星信号特征进行比对,从而判断出所获取的信号是否为卫星信号,实现了卫星信号发现以及准确的识别。
优选的,所述信号特征包括动态特征、静态特征、信号频点以及时域特征。
优选的,所述步骤3包括以下步骤:
步骤3.1:根据数据库中存储的卫星信号的动态特征,对步骤2得到的动态特征进行特征判决,对动态特征去虚警和降干扰,得到第一信号;
步骤3.2:将得到的所有第一信号输入统计模块,统计模块根据第一信号与现有卫星信号的匹配度输出优先级;再结合数据库中存储的卫星信号的静态特征对统计后的第一信号进行特征判决,得到第二信号,并输出第二信号的信号频点;
步骤3.3:根据第二信号的信号频点,控制窄带DDC采集,得到第二信号的时域IQ数据,通过时域IQ数据进行解调,得到时域多维度特征;
步骤3.4:基于工程实践中卫星信号分析所得的时域特征,对步骤3.3得到的时域多维度特征进行判决,得到卫星信号。
进一步的,所述步骤3.2中将进行实时统计处理后的第一信号所对应的动态特征存储至数据库中,作为后续信号的特征判决依据。
进一步的,所述步骤3.2中将得到的第二信号所对应的静态特征存储至数据库中,作为后续信号的特征判决依据。
进一步的,所述步骤3.3中将得到的时域多维度特征存储至数据中,作为后续信号的特征判决依据。
优选的,所述数据库中存储的卫星信号的静态特征通过工程实践所得到。
优选的,所述频域多维度特征数据包括频率、带宽、载噪比以及置信度。
优选的,所述预处理包括对多维度特征数据进行平滑处理以及归一化处理
本发明的有益效果包括:
1. 本发明基于宽带频谱发现信号,并得到信号的频域多维度特征数据,对频域多维度特征数据进行预处理,得到信号特征,将信号特征与卫星信号特征进行比对,从而判断出所获取的信号是否为卫星信号,实现了卫星信号发现以及准确的识别。
2.本发明使用多个维度的特征分析,并由宽带频谱发现信号,结合窄带采集时域信号解调验证,进一步完善特征数据;并且通过本发明的步骤1到步骤3形成了特征处理、特征训练以及特征学习的阶段,使得能够逐步完善数据库中所存储的卫星信号;对于杂散弱信号、非卫星的信号,能够有效的过滤,降低虚警率。
附图说明
图1为本发明的整体流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面结合附图1对本发明作进一步的详细说明:
一种基于多维特征发现与识别卫星弱信号的方法,包括以下步骤:
步骤1:通过宽带频谱发现信号,得到信号的频域多维度特征数据;所述频域多维度特征数据包括频率、带宽、载噪比以及置信度。
步骤2:对频域多维度特征数据进行预处理,得到信号特征;所述信号特征包括动态特征、静态特征、信号频点以及时域特征;所述预处理包括对多维度特征数据进行平滑处理以及归一化处理等。
步骤3:调用数据库中储存的卫星信号特征与步骤2得到的信号特征进行特征判决,基于特征判决结果得到卫星信号。
所述步骤3包括以下步骤:
步骤3.1:根据数据库中存储的卫星信号的动态特征,对步骤2得到的动态特征进行特征判决,对动态特征去虚警和降干扰,得到第一信号;
步骤3.2:将得到的所有第一信号输入统计模块,统计模块根据第一信号与现有卫星信号的匹配度输出优先级;再结合数据库中存储的卫星信号的静态特征对统计后的第一信号进行特征判决,得到第二信号,并输出第二信号的信号频点;
所述步骤3.2中将进行实时统计处理后的第一信号所对应的动态特征存储至数据库中,作为后续信号的特征判决依据。
所述步骤3.2中将得到的第二信号所对应的静态特征存储至数据库中,作为后续信号的特征判决依据。
所述数据库中存储的卫星信号的静态特征通过工程实践所得到。所述静态特征包括频率阈值、带宽阈值、载噪比阈值、信号突发频度和信号的频率分布规律等。
步骤3.3:根据第二信号的信号频点,控制窄带DDC采集,得到第二信号的时域IQ数据,通过时域IQ数据进行解调,得到时域多维度特征;
所述步骤3.3中将得到的时域多维度特征存储至数据中,作为后续信号的特征判决依据。
步骤3.4:基于工程实践中卫星信号分析所得的时域特征,对步骤3.3得到的时域多维度特征进行判决,得到卫星信号。
本发明基于宽带频谱发现信号,并得到信号的频域多维度特征数据,对频域多维度特征数据进行预处理,得到信号特征,将信号特征与卫星信号特征进行比对,从而判断出所获取的信号是否为卫星信号,实现了卫星信号发现以及准确的识别。
本发明使用多个维度的特征分析,并由宽带频谱发现信号,结合窄带采集时域信号解调验证,进一步完善特征数据;并且通过本发明的步骤1到步骤3形成了特征处理、特征训练以及特征学习的阶段,使得能够逐步完善数据库中所存储的卫星信号;对于杂散弱信号、非卫星的信号,能够有效的过滤,降低虚警率。
以上所述实施例仅表达了本申请的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请技术方案构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (9)
1.一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,包括以下步骤:
步骤1:通过宽带频谱发现信号,得到信号的频域多维度特征数据;
步骤2:对频域多维度特征数据进行预处理,得到信号特征;
步骤3:调用数据库中储存的卫星信号特征与步骤2得到的信号特征进行特征判决,基于特征判决结果得到卫星信号。
2.根据权利要求1所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述信号特征包括动态特征、静态特征、信号频点以及时域特征。
3.根据权利要求2所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:根据数据库中存储的卫星信号的动态特征,对步骤2得到的动态特征进行特征判决,对动态特征去虚警和降干扰,得到第一信号;
步骤3.2:将得到的所有第一信号输入统计模块,统计模块根据第一信号与现有卫星信号的匹配度输出优先级;再结合数据库中存储的卫星信号的静态特征对统计后的第一信号进行特征判决,得到第二信号,并输出第二信号的信号频点;
步骤3.3:根据第二信号的信号频点,控制窄带DDC采集,得到第二信号的时域IQ数据,通过时域IQ数据进行解调,得到时域多维度特征;
步骤3.4:基于工程实践中卫星信号分析所得的时域特征,对步骤3.3得到的时域多维度特征进行判决,得到卫星信号。
4.根据权利要求3所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述步骤3.2中将进行实时统计处理后的第一信号所对应的动态特征存储至数据库中,作为后续信号的特征判决依据。
5.根据权利要求3所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述步骤3.2中将得到的第二信号所对应的静态特征存储至数据库中,作为后续信号的特征判决依据。
6.根据权利要求3所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述步骤3.3中将得到的时域多维度特征存储至数据中,作为后续信号的特征判决依据。
7.根据权利要求3所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述数据库中存储的卫星信号的静态特征通过工程实践所得到。
8.根据权利要求1所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述频域多维度特征数据包括频率、带宽、载噪比以及置信度。
9.根据权利要求1所述的一种基于多维特征发现与识别卫星弱信号的方法,其特征在于,所述预处理包括对多维度特征数据进行平滑处理以及归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211603209.8A CN115603800B (zh) | 2022-12-14 | 2022-12-14 | 一种基于多维特征发现与识别卫星弱信号的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211603209.8A CN115603800B (zh) | 2022-12-14 | 2022-12-14 | 一种基于多维特征发现与识别卫星弱信号的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115603800A true CN115603800A (zh) | 2023-01-13 |
CN115603800B CN115603800B (zh) | 2023-03-14 |
Family
ID=84854205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211603209.8A Active CN115603800B (zh) | 2022-12-14 | 2022-12-14 | 一种基于多维特征发现与识别卫星弱信号的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115603800B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040155793A1 (en) * | 2003-02-10 | 2004-08-12 | Mui Daniel Saufu | Programming a universal remote control |
WO2013104281A1 (zh) * | 2012-01-12 | 2013-07-18 | 电信科学技术研究院 | 一种频谱感知方法和系统 |
CN103237311A (zh) * | 2013-05-08 | 2013-08-07 | 西安电子科技大学 | 基于ofdm频域内插导频的循环平稳特征频谱感知方法 |
CN105354634A (zh) * | 2015-10-28 | 2016-02-24 | 国家电网公司 | 一种主动配电网天线集成装置 |
CN109450570A (zh) * | 2018-10-10 | 2019-03-08 | 西安交通大学 | 一种基于角度互易的多馈源卫星频谱感知方法 |
CN110401479A (zh) * | 2019-07-24 | 2019-11-01 | 中国电子科技集团公司第三十六研究所 | 基于旋翼无人机载设备和地面设备的目标信号识别方法 |
CN110412547A (zh) * | 2019-07-24 | 2019-11-05 | 中国电子科技集团公司第三十六研究所 | 基于旋翼无人机载设备和地面设备的目标信号识别系统 |
CN112039651A (zh) * | 2019-12-20 | 2020-12-04 | 成都川美新技术股份有限公司 | 一种缺失信令引导时的b上行信号接收方法及设备 |
CN112307969A (zh) * | 2020-10-30 | 2021-02-02 | 全球能源互联网欧洲研究院 | 一种脉冲信号的分类辨识方法、装置及计算机设备 |
CN112422465A (zh) * | 2019-10-09 | 2021-02-26 | 上海矢元电子有限公司 | 一种信号调制识别设备 |
US20220070042A1 (en) * | 2020-08-31 | 2022-03-03 | Sinclair Broadcast Group, Inc. | Atsc 3.0 single frequency networks used for positioning navigation timing and synergy 4g / 5g networks |
CN114545384A (zh) * | 2022-02-25 | 2022-05-27 | 广州辰创科技发展有限公司 | 一种应用于跑道异物检测的整合方法及系统 |
CN114814902A (zh) * | 2022-03-25 | 2022-07-29 | 西安电子科技大学 | 一种码间差分与补零块的北斗弱信号捕获方法及系统 |
-
2022
- 2022-12-14 CN CN202211603209.8A patent/CN115603800B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040155793A1 (en) * | 2003-02-10 | 2004-08-12 | Mui Daniel Saufu | Programming a universal remote control |
WO2013104281A1 (zh) * | 2012-01-12 | 2013-07-18 | 电信科学技术研究院 | 一种频谱感知方法和系统 |
CN103237311A (zh) * | 2013-05-08 | 2013-08-07 | 西安电子科技大学 | 基于ofdm频域内插导频的循环平稳特征频谱感知方法 |
CN105354634A (zh) * | 2015-10-28 | 2016-02-24 | 国家电网公司 | 一种主动配电网天线集成装置 |
CN109450570A (zh) * | 2018-10-10 | 2019-03-08 | 西安交通大学 | 一种基于角度互易的多馈源卫星频谱感知方法 |
CN110412547A (zh) * | 2019-07-24 | 2019-11-05 | 中国电子科技集团公司第三十六研究所 | 基于旋翼无人机载设备和地面设备的目标信号识别系统 |
CN110401479A (zh) * | 2019-07-24 | 2019-11-01 | 中国电子科技集团公司第三十六研究所 | 基于旋翼无人机载设备和地面设备的目标信号识别方法 |
CN112422465A (zh) * | 2019-10-09 | 2021-02-26 | 上海矢元电子有限公司 | 一种信号调制识别设备 |
CN112039651A (zh) * | 2019-12-20 | 2020-12-04 | 成都川美新技术股份有限公司 | 一种缺失信令引导时的b上行信号接收方法及设备 |
US20220070042A1 (en) * | 2020-08-31 | 2022-03-03 | Sinclair Broadcast Group, Inc. | Atsc 3.0 single frequency networks used for positioning navigation timing and synergy 4g / 5g networks |
CN112307969A (zh) * | 2020-10-30 | 2021-02-02 | 全球能源互联网欧洲研究院 | 一种脉冲信号的分类辨识方法、装置及计算机设备 |
CN114545384A (zh) * | 2022-02-25 | 2022-05-27 | 广州辰创科技发展有限公司 | 一种应用于跑道异物检测的整合方法及系统 |
CN114814902A (zh) * | 2022-03-25 | 2022-07-29 | 西安电子科技大学 | 一种码间差分与补零块的北斗弱信号捕获方法及系统 |
Non-Patent Citations (3)
Title |
---|
YAJUN LIANG: "A Blind Symbol Rate Estimation of Weak Signal Based on Cyclic Spectrum and Wavelet Transform" * |
吴斌: "基于聚类和多步预测的宽带频谱快速感知技术研究", 《中国博士论文全文数据库-信息科技辑》 * |
陈真佳: "海上电磁频谱感知与预测方法研究", 《中国博士学位论文全文数据库-信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115603800B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018176889A1 (zh) | 一种数字通信信号调制方式自动识别方法 | |
CN108509911B (zh) | 基于卷积神经网络的干扰信号识别方法 | |
CN107392123B (zh) | 一种基于相参积累消噪的射频指纹特征提取和识别方法 | |
CN109543643B (zh) | 基于一维全卷积神经网络的载波信号检测方法 | |
CN111059066B (zh) | 一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法 | |
CN111814777B (zh) | 一种基于特征量分级的调制样式识别方法 | |
CN110675588A (zh) | 一种森林火灾检测装置和方法 | |
CN113225282A (zh) | 一种基于bp神经网络的通信信号调制识别方法 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN112613443A (zh) | 一种基于深度学习的鲁棒性通信辐射源智能识别方法 | |
CN111783939A (zh) | 声纹识别模型训练方法、装置、移动终端及存储介质 | |
CN115603800B (zh) | 一种基于多维特征发现与识别卫星弱信号的方法 | |
CN112350790B (zh) | 一种基于深度学习的频谱感知检测方法、装置及设备 | |
CN114255487A (zh) | 一种半监督射频指纹提取的物联网设备身份认证方法 | |
Wang et al. | A new method of automatic modulation recognition based on dimension reduction | |
CN111540381B (zh) | 一种基于随机森林的话音模拟调制特征识别方法 | |
CN110826425B (zh) | 一种基于深度神经网络的vhf/uhf频段无线电信号调制方式识别方法 | |
CN107341519B (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 | |
CN109598216B (zh) | 一种基于卷积的射频指纹特征提取方法 | |
CN108270495B (zh) | 一种背景噪声的提取方法及提取系统 | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
CN115932899A (zh) | 干扰类型识别方法、装置、终端设备及介质 | |
CN109995690A (zh) | Mfsk数字信号子类调制识别的神经网络自优化方法 | |
CN114268393B (zh) | 一种基于连通分量个数特征的认知无线电频谱感知方法 | |
CN106936744B (zh) | 基于动态理想解的信号调制识别方法 |
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 |