CN116166934A - 一种基于交叉算法的iff信号识别方法、装置及介质 - Google Patents
一种基于交叉算法的iff信号识别方法、装置及介质 Download PDFInfo
- Publication number
- CN116166934A CN116166934A CN202310450840.7A CN202310450840A CN116166934A CN 116166934 A CN116166934 A CN 116166934A CN 202310450840 A CN202310450840 A CN 202310450840A CN 116166934 A CN116166934 A CN 116166934A
- Authority
- CN
- China
- Prior art keywords
- signal
- gaussian
- pulse
- iff
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 46
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Images
Classifications
-
- 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
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供了一种基于交叉算法的IFF信号识别方法、装置及介质，涉及IFF信号识别技术领域，所述识别方法包括具体以下步骤：S1：将收到的模拟信号经过模数转换得到采样信号；S2：将采样信号经过预处理检测后，得到输出信号；S3：将输出信号经过高斯滤波器进行滤波处理，得到待识别高斯脉冲，将待识别高斯脉冲经过采样和延时处理分别得到高斯脉冲1和高斯脉冲2，根据高斯脉冲1和高斯脉冲2的交叉点对待识别高斯脉冲进行标记；S4：根据不同信号模式的脉冲框架搜索将标记好的待识别高斯脉冲进行识别，解决了对帧收识别IFF信号比较匮乏方法、识别准确度低的问题。
Description
技术领域
本发明涉及IFF信号识别技术领域，具体涉及一种基于交叉算法的IFF信号识别方法、装置及介质。
背景技术
由于，敌我识别问题变得至关重要，而且日趋复杂、日益突出并愈益迫切。特别对空间战场而言，现代化战争具有突发性、快速性、大纵深、全方位、空地海一体化的特点。
目前Mark XIIA系统于20世纪末开始研发。在北约国家联合作战应用中，IFF系统通常被称为“IFF/SIF系统”。不仅包括加密模式M4、M5，还包括SIF模式 M1、M2、M3/MA、MC。其中对M1、M2、M3/MA、MC、M4的信号制式采用ASK调制，M5采用MSK调制技术、扩频技术、数据链路传输技术、计算机现代加密技术。目前针对ASK调制的信号制式有诸多算法进行识别，如提取脉冲描述字算法、信号互相关算法，脉冲聚类算法等。由于实际应用中，每种识别算法都存在各自的优点和缺点。
发明内容
本发明的目的是提供一种基于交叉算法的IFF信号识别方法、装置及介质，提出了基于脉冲描述字、信号互相关、脉冲聚类等算法识别IFF信号外，对敌我识别信号中ASK调制识别的另一种算法，解决了对帧收识别IFF信号比较匮乏方法、识别准确度低的问题。
为解决上述技术问题，本发明采用了以下方案：
一种基于交叉算法的IFF信号识别方法，所述识别方法包括具体以下步骤：
S1：将收到的模拟信号经过模数转换得到采样信号；
S2：将采样信号经过预处理检测后，得到输出信号；
S3：将输出信号经过高斯滤波器进行滤波处理，得到待识别高斯脉冲，将待识别高斯脉冲经过采样和延时处理分别得到高斯脉冲1和高斯脉冲2，根据高斯脉冲1和高斯脉冲2的交叉点对待识别高斯脉冲进行标记；
S4：根据不同信号模式的脉冲框架搜索将标记好的待识别高斯脉冲进行识别。
进一步的，在S3中，具体包括以下步骤：
S31：将输出信号经过高斯滤波器进行滤波处理，得到待识别高斯脉冲以及待识别单脉冲的信号宽度H
S32：根据待识别单脉冲的信号宽度H获得高斯脉冲1，并记为
：/>
，
其中，A表示高斯脉冲幅度，x表示采样点，
，/>
，
；
S33：将高斯脉冲1延迟一个信号宽度H得到高斯脉冲2，并记为
：/>
，
其中，
，/>
表示高斯脉冲1的采样点往后移动/>
个采样点；/>
S34：获取高斯脉冲1和高斯脉冲2交叉点的坐标值，所述交叉点的坐标值为
，所述/>
且/>
；
S35：判断
的值是否在阈值范围内，若是，则将该待识别高斯脉冲进行标记，并将标记好的待识别高斯脉冲记为m1(t)。
进一步的，在S2中，将采样信号经过数字下变频处理后，得到的输出信号m0(t)进行过门限检测，得到经过过门限检测的输出信号m0(t)。
进一步的，将采样信号经过数字下变频处理的具体过程为：
S21：提供与采样信号的载波保持同频同相的本地载波，设定采样信号为：
，则本地载波/>
为/>
，
其中，m(t)是指幅度，
是指频率，/>
是指采样信号的初始相位，/>
是指采样信号的中频信号，t是指时间，/>
是指本地载波的频率，/>
是指本地载波的初始相位；
S22：将采样信号和本地载波相乘，得到：
S23：高频成分
被低通滤波器滤除，所以/>
输出的
忽略不计，故相乘后的输出信号m0(t)：
，
其中，
为低通滤波器的增益；
S24：若相干条件满足，即
，/>
，则输出信号m0(t)为：/>
。
进一步的，输出信号m0(t)进行过门限检测的具体过程为：
将经过数字下变频处理后的基带数据进行噪底能量统计，当基带数据中信号能量大于噪底能量8倍时，检测出有信号能量的出现。
进一步的，所述信号模式包括M1、M2、M3/MA、MC、M4。
进一步的，在S4中，当信号模式为M1时，对标记好的待识别高斯脉冲m1(t)的脉冲框架搜索的处理包括以下步骤：
S41：判断信号在设定3.8us时间内，标记好的待识别高斯脉冲m1(t)是否存在2/3个脉冲；
S42：判断信号2个框架脉冲距离是否为3us；
S43：判断脉冲组之前幅值是否满足一致性条件。
一种基于交叉算法的IFF信号识别装置，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现所述的一种基于交叉算法的IFF信号识别方法。
计算机可读存储的介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时能实现所述的一种基于交叉算法的IFF信号识别方法。
本发明的有益效果：
本发明提出了基于脉冲描述字、信号互相关、脉冲聚类等算法识别IFF信号外，对敌我识别信号中ASK调制识别的另一种算法，解决了对帧收识别IFF信号比较匮乏方法、识别准确度低的问题。
由于，IFF信号的M1、M2、M3/MA、MC、M4的信号制式之间的脉距、脉宽时域特征各不相同，且调制方式为ASK调制，前导脉冲具有固定的宽度和固定的码字。因此本发明提供了一种基于交叉算法的IFF信号识别方法，是一种基于前导脉冲高斯滤波、前导脉冲解调结果满足脉宽、脉距和幅值、经过前导脉冲框架搜索的实时识别方法。本方法首先初步判断疑似IFF的前导单脉冲，再结合脉冲框架搜索，实现对IFF信号的识别。
其中，对于IFF的前导单脉冲的判断，本发明基于交叉算法，将预处理信号经过高斯滤波器进行滤波处理，得到高斯脉冲信号，将高斯脉冲信号经过采样和延时处理分别得到高斯脉冲信号1和高斯脉冲信号2，并对高斯脉冲信号1和高斯脉冲信号2的交叉点进行判断，将交叉点符合IFF信号的时域条件的高斯脉冲信号标记为待识别信号。
附图说明
图1为IFF的M1、M2、M3/A、MC询问和应答信号制式的示意图。
图2为IFF的M4询问信号制式的示意图。
图3为IFF的M4应答信号制式的示意图。
图4为IFF的MS询问信号制式的示意图。
图5为IFF的MS应答信号制式的示意图。
图6为本发明的交互示意图。
图7为本发明的流程示意图。
图8为本发明实施例1中高斯脉冲1和高斯脉冲2的交叉的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
下面通过参考附图并结合实施例来详细说明本发明：
目前Mark XIIA系统于20世纪末开始研发。在北约国家联合作战应用中，IFF系统通常被称为“IFF/SIF系统”。不仅包括加密模式M4、M5，还包括SIF模式 M1、M2、M3/MA、MC。其中对M1、M2、M3/MA、MC、M4的信号制式采用ASK调制，M5采用MSK调制技术、扩频技术、数据链路传输技术、计算机现代加密技术。目前针对ASK调制的信号制式有诸多算法进行识别，如提取脉冲描述字算法、信号互相关算法，脉冲聚类算法等。由于实际应用中，每种识别算法都存在各自的优点和缺点。
本发明的目的是提供一种基于交叉算法的IFF信号识别方法，提出了基于脉冲描述字、信号互相关、脉冲聚类等算法识别IFF信号外，对敌我识别信号中ASK调制识别的另一种算法，解决了对帧收识别IFF信号比较匮乏方法、识别准确度低的问题。
下面对IFF的信号制式进行描述：
图1为IFF的M1、M2、M3/A、MC询问和应答信号制式。询问信号制式由3个同步脉冲(P1,P2,P3)组成，其中P1、P3为框架脉冲对。P2为旁瓣抑制脉冲（SLS）。应答信号制式中,由15个脉冲构成的脉冲组，其中F1、F2为框架脉冲、余下的12个脉冲为该制式携带的信息脉冲。脉冲信号调制方式为ASK。
图2为IFF的M4询问信号制式。询问信号制式由5个同步脉冲(P1,P2,P3,P4,P5)组成，其中P1、P2、P3、P4为框架脉冲组、P5为旁瓣抑制脉冲（SLS）。余下的32个脉冲为该制式携带的信息脉冲。脉冲信号调制方式为ASK。
图3为IFF的M4应答信号制式。询问信号制式由3个同步脉冲(P1,P2,P3)组成，其中P1、P2、P3为框架脉冲组。脉冲信号调制方式为ASK。
图4为IFF的MS询问信号制式。询问信号制式由3个同步脉冲(P1,P2,P5,P6)组成，其中P1、P2为框架脉冲组。P5为旁瓣抑制脉冲（SLS）、P6为该制式携带的信息。该信号制式前导P1、P2调制方式为ASK、P6调制方式为DPSK。
图5为IFF的MS应答信号制式。询问信号制式由3个同步脉冲(P1,P2,P3,P4)组成，其中P1、P2、P3、P4为框架脉冲组、余下的脉冲为该制式携带的信息脉冲组。信号调制方式为ASK。
通过上述描述可知，IFF信号不同制式之间的脉距、脉宽时域特征各不相同，且调制方式为ASK调制，前导脉冲具有固定的宽度和固定的码字。因此本发明提供了一种基于交叉算法的IFF信号识别方法，是一种基于前导脉冲高斯滤波、前导脉冲解调结果满足脉宽、脉距和幅值、经过前导脉冲框架搜索的实时识别方法。本方法首先初步判断疑似IFF的前导单脉冲，再结合脉冲框架搜索，实现对IFF信号的识别。
实施例1
如图6、图7所示，一种基于交叉算法的IFF信号识别方法，其特征在于，所述识别方法包括具体以下步骤：
S1：将收到的模拟信号经过模数转换得到采样信号；
S2：将采样信号经过预处理检测后，得到预处理信号的信息；
S3：将预处理信号经过高斯滤波器进行滤波处理，得到高斯脉冲信号，将高斯脉冲信号经过采样和延时处理分别得到高斯脉冲信号1和高斯脉冲信号2，并对高斯脉冲信号1和高斯脉冲信号2的交叉点进行判断，将交叉点符合IFF信号的时域条件的高斯脉冲信号标记为待识别信号；
S4：根据不同信号模式的脉冲框架搜索将待识别信号进行分选，将分选出信号模式的待识别信号进行信号识别。
具体的，在S1中，将收到的模拟信号经过模数转换，得到100M采样率，70M中频数字信号，该中频数字信号就为采样信号。
优选的，在S2中，将采样信号经过数字下变频处理后，得到的输出信号m0(t)进行过门限检测，得到经过过门限检测的输出信号m0(t)。
优选的，将采样信号经过数字下变频处理的具体过程如下：
S21：提供与采样信号的载波保持同频同相的本地载波，设定采样信号为：
，则本地载波/>
为/>
，
其中，m(t)是指幅度，
是指频率，/>
是指采样信号的初始相位，/>
是指采样信号的中频信号，t是指时间，/>
是指本地载波的频率，/>
是指本地载波的初始相位；
S22：将采样信号和本地载波相乘，得到：
S23：高频成分
被低通滤波器滤除，所以/>
输出的
忽略不计，故相乘后的输出信号m0(t)：
，
其中，
为低通滤波器的增益；
S24：若相干条件满足，即
，/>
，则输出信号m0(t)为：/>
。
所以，可以看出，输出信号m0(t)和幅度m(t)成比例关系。
所述输出信号m0(t)为采样信号经过数字下变频处理得到的基带数据的输出信号m0(t)。然后将该输出信号m0(t)经过过门限检测，其中，所述过门限检测是指：检测输出信号m0(t)中过门限的信号。
具体的，输出信号m0(t)进行过门限检测的过程为：
将经过数字下变频处理后的基带数据进行噪底能量统计，当基带数据中信号能量大于噪底能量8倍时，检测出有信号能量的出现。
接着，将经过门限检测的输出信号m0(t)，经过高速滤波器进行滤波处理，然后对得到的高斯脉冲进行单脉冲识别。
若对经过门限检测的输出信号m0(t)脉冲信号宽度采样100次，则取采样点为58处到采样点143处为高斯脉冲数字，假设，待识别单脉冲的信号宽度为：
。其中，该采样次数需要保证能够将高斯脉冲进行还原，并且采样点范围可以适当增多，需要保证高斯脉冲成形。
接着，根据待识别单脉冲的信号宽度H获得高斯脉冲1，并记为
：/>
，
其中，A表示高斯脉冲幅度，x表示采样点，
，/>
，
；
然后，将高斯脉冲1进行时间上的延迟，延迟时间为0.8us，根据换算得到延迟时间0.8us在采样点上就是信号往后移动35个采样点，并得到高斯脉冲2，并记为
：
，
其中，
，/>
表示高斯脉冲1的采样点往后移动/>
个采样点。
由于本发明提供的是一种基于交叉算法的IFF信号识别方法，所以基于交叉算法，本发明是需要将高斯脉冲1和高斯脉冲2的波形产生交叉。所以将高斯脉冲1进行时间上的延迟，该延迟时间为0.8us，实际上是将高斯脉冲1向后移动一个待识别单脉冲的信号宽度，可以保证高斯脉冲1和高斯脉冲2具有交叉点。
其中，延迟时间0.8us在采样点上就是信号往后移动35个采样点是根据两个采样点之间的时间间隔除以延迟时间再通过两个采样点之间的时间间隔进行换算，得到信号往后移动35个采样点。
然后，如图8所示，找到高斯脉冲1和高斯脉冲2交叉点的横纵坐标值，即联立求解下列方程组，设定交叉点为
，所述/>
且/>
。所以，根据
具体为：
，即/>
，
方程组求解结果如下：
。
然后判断y0的值是否在阈值范围内，若是，则将该高斯脉冲进行标记。其中，由于考虑到噪声的影响，所以该阈值范围的设定会适当的进行放宽。
在此实施例下，将阈值范围设定为[0.45A，0.55A]，该0.55A≥y0≥0.45A，则将该高斯脉冲进行标记。其中，标记好的待识别高斯脉冲为m1(t)。
其中，阈值范围的设定与本发明的识别准确率有关。
另外，将高斯脉冲与矩形脉冲进行区别，矩形脉冲的表达式如下：
最后，将标记好的高斯脉冲进行脉冲框架搜索，实现信号模式的前导脉冲分选，再将分选出信号模式的信号进行信号解调，最后输出IFF信号识别结果。
具体的，当信号模式为M1询问，时域特征如图1所示，并且，将标记好的待识别高斯脉冲m1(t)记为X(t)，幅度为A(t)，其脉冲框架搜索的处理包括以下步骤：
S41：判断信号在设定3.8us时间内，高斯脉冲组m1(t)是否存在2/3个脉冲；
S42：判断信号2个框架脉冲距离是否为3us：
；
S43：判断脉冲组之前幅值一致性是否满足条件：A
。
可以看出，本发明提出了基于脉冲描述字、信号互相关、脉冲聚类等算法识别IFF信号外，对敌我识别信号中ASK调制识别的另一种算法，该算法基于交叉算法。首先，将获得的高斯脉冲信号进行延时处理，所述延时处理是为了获得交叉点，将高斯脉冲信号1经过延时处理获得高斯脉冲信号2，该高斯脉冲信号1和高斯脉冲信号2一定有一个交叉点，通过对该交叉点进行判断，将交叉点符合IFF信号的时域条件的高斯脉冲信号标记为待识别信号，并将标记好的高斯脉冲进行脉冲框架搜索，实现信号模式的前导脉冲分选，再将分选出信号模式的信号进行信号解调，最后输出IFF信号识别结果，解决了对帧收识别IFF信号比较匮乏方法、识别准确度低的问题。
实施例2
一种基于交叉算法的IFF信号识别装置，其特征在于，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现所述的一种基于交叉算法的IFF信号识别方法。
计算机可读存储的介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时能实现所述的一种基于交叉算法的IFF信号识别方法。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。
Claims (9)
1.一种基于交叉算法的IFF信号识别方法，其特征在于，所述识别方法包括具体以下步骤：
S1：将收到的模拟信号经过模数转换得到采样信号；
S2：将采样信号经过预处理检测后，得到输出信号；
S3：将输出信号经过高斯滤波器进行滤波处理，得到待识别高斯脉冲，将待识别高斯脉冲经过采样和延时处理分别得到高斯脉冲1和高斯脉冲2，根据高斯脉冲1和高斯脉冲2的交叉点对待识别高斯脉冲进行标记；
S4：根据不同信号模式的脉冲框架搜索将标记好的待识别高斯脉冲进行识别。
2.根据权利要求1所述的一种基于交叉算法的IFF信号识别方法，其特征在于，在S3中，具体包括以下步骤：
S31：将输出信号经过高斯滤波器进行滤波处理，得到待识别高斯脉冲以及待识别单脉冲的信号宽度H
S32：根据待识别单脉冲的信号宽度H获得高斯脉冲1，并记为
：/>
，
其中，A表示高斯脉冲幅度，x表示采样点，
，/>
，/>
；
S33：将高斯脉冲1延迟一个信号宽度H得到高斯脉冲2，并记为
：/>
，
其中，
，/>
表示高斯脉冲1的采样点往后移动/>
个采样点；
S34：获取高斯脉冲1和高斯脉冲2交叉点的坐标值，所述交叉点的坐标值为
，所述/>
且/>
；
S35：判断
的值是否在阈值范围内，若是，则将该待识别高斯脉冲进行标记，并将标记好的待识别高斯脉冲记为m1(t)。
3.根据权利要求1所述的一种基于交叉算法的IFF信号识别方法，其特征在于，在S2中，将采样信号经过数字下变频处理后，得到的输出信号m0(t)进行过门限检测，得到经过过门限检测的输出信号m0(t)。
4.根据权利要求3所述的一种基于交叉算法的IFF信号识别方法，其特征在于，将采样信号经过数字下变频处理的具体过程为：
S21：提供与采样信号的载波保持同频同相的本地载波，设定采样信号为：
，则本地载波/>
为/>
，
其中，m(t)是指幅度，
是指频率，/>
是指采样信号的初始相位，/>
是指采样信号的中频信号，t是指时间，/>
是指本地载波的频率，/>
是指本地载波的初始相位；
S22：将采样信号和本地载波相乘，得到：
S23：高频成分
被低通滤波器滤除，所以/>
输出的
忽略不计，故相乘后的输出信号m0(t)：
，
其中，
为低通滤波器的增益；
S24：若相干条件满足，即
，/>
，则输出信号m0(t)为：/>
。
5.根据权利要求3所述的一种基于交叉算法的IFF信号识别方法，其特征在于，输出信号m0(t)进行过门限检测的具体过程为：
将经过数字下变频处理后的基带数据进行噪底能量统计，当基带数据中信号能量大于噪底能量8倍时，检测出有信号能量的出现。
6.根据权利要求1所述的一种基于交叉算法的IFF信号识别方法，其特征在于，所述信号模式包括M1、M2、M3/MA、MC、M4。
7.根据权利要求1所述的一种基于交叉算法的IFF信号识别方法，其特征在于，在S4中，当信号模式为M1时，对标记好的待识别高斯脉冲m1(t)的脉冲框架搜索的处理包括以下步骤：
S41：判断信号在设定3.8us时间内，标记好的待识别高斯脉冲m1(t)是否存在2/3个脉冲；
S42：判断信号2个框架脉冲距离是否为3us；
S43：判断脉冲组之前幅值是否满足一致性条件。
8.一种基于交叉算法的IFF信号识别装置，其特征在于，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至7中任意一项所述的一种基于交叉算法的IFF信号识别方法。
9.计算机可读存储的介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时能实现根据权利要求1至7中任意一项所述的一种基于交叉算法的IFF信号识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310450840.7A CN116166934B (zh) | 2023-04-25 | 2023-04-25 | 一种基于交叉算法的iff信号识别方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310450840.7A CN116166934B (zh) | 2023-04-25 | 2023-04-25 | 一种基于交叉算法的iff信号识别方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116166934A true CN116166934A (zh) | 2023-05-26 |
| CN116166934B CN116166934B (zh) | 2023-07-25 |
Family
ID=86413530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310450840.7A Active CN116166934B (zh) | 2023-04-25 | 2023-04-25 | 一种基于交叉算法的iff信号识别方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116166934B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1040442A4 (en) * | 1997-12-24 | 2006-04-12 | Randell L Mills | METHOD AND SYSTEM FOR PATTERN RECOGNITION AND PROCESSING |
| US20150296327A1 (en) * | 2012-11-16 | 2015-10-15 | Thales | System and method for radio-tagging radio transmitters |
| CN105677974A (zh) * | 2016-01-07 | 2016-06-15 | 沈阳航空航天大学 | 一种对任意布局传输线串扰的分析方法 |
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| KR20190125581A (ko) * | 2018-04-30 | 2019-11-07 | 엘아이지넥스원 주식회사 | 피아식별기 연동을 위한 게이트웨이 장치 |
| CN111404518A (zh) * | 2020-02-25 | 2020-07-10 | 成都天奥测控技术有限公司 | 一种灵活可调的延时比较方法及系统 |
| CA3141772A1 (en) * | 2019-05-29 | 2020-12-03 | SkySafe, Inc. | Systems and methods for detecting, monitoring, and mitigating the presence of a drone using frequency hopping |
| CN112766064A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种iff脉冲信号分类提取方法 |
| CN113030870A (zh) * | 2021-05-24 | 2021-06-25 | 成都和为时代科技有限公司 | 一种基于时域特征的iff模式5信号盲识别的方法 |
| CN113127807A (zh) * | 2021-04-19 | 2021-07-16 | 深圳华创电科技术有限公司 | 一种基于约束最小二乘算法的Mode5前导脉冲抖动值计算方法及系统 |
| CN114298093A (zh) * | 2021-12-16 | 2022-04-08 | 中国航天科工集团八五一一研究所 | Iff信号智能分类识别方法 |
| CN115561770A (zh) * | 2022-09-15 | 2023-01-03 | 广州大学 | 一种激光雷达脉冲峰值自适应检测和拟合测距系统 |
| CN115835372A (zh) * | 2021-09-18 | 2023-03-21 | 华为技术有限公司 | 一种用于定位的信号的发送方法及装置 |
-
2023
- 2023-04-25 CN CN202310450840.7A patent/CN116166934B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1040442A4 (en) * | 1997-12-24 | 2006-04-12 | Randell L Mills | METHOD AND SYSTEM FOR PATTERN RECOGNITION AND PROCESSING |
| US20150296327A1 (en) * | 2012-11-16 | 2015-10-15 | Thales | System and method for radio-tagging radio transmitters |
| CN105677974A (zh) * | 2016-01-07 | 2016-06-15 | 沈阳航空航天大学 | 一种对任意布局传输线串扰的分析方法 |
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| KR20190125581A (ko) * | 2018-04-30 | 2019-11-07 | 엘아이지넥스원 주식회사 | 피아식별기 연동을 위한 게이트웨이 장치 |
| CA3141772A1 (en) * | 2019-05-29 | 2020-12-03 | SkySafe, Inc. | Systems and methods for detecting, monitoring, and mitigating the presence of a drone using frequency hopping |
| CN111404518A (zh) * | 2020-02-25 | 2020-07-10 | 成都天奥测控技术有限公司 | 一种灵活可调的延时比较方法及系统 |
| CN112766064A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种iff脉冲信号分类提取方法 |
| CN113127807A (zh) * | 2021-04-19 | 2021-07-16 | 深圳华创电科技术有限公司 | 一种基于约束最小二乘算法的Mode5前导脉冲抖动值计算方法及系统 |
| CN113030870A (zh) * | 2021-05-24 | 2021-06-25 | 成都和为时代科技有限公司 | 一种基于时域特征的iff模式5信号盲识别的方法 |
| CN115835372A (zh) * | 2021-09-18 | 2023-03-21 | 华为技术有限公司 | 一种用于定位的信号的发送方法及装置 |
| CN114298093A (zh) * | 2021-12-16 | 2022-04-08 | 中国航天科工集团八五一一研究所 | Iff信号智能分类识别方法 |
| CN115561770A (zh) * | 2022-09-15 | 2023-01-03 | 广州大学 | 一种激光雷达脉冲峰值自适应检测和拟合测距系统 |
Non-Patent Citations (5)
| Title |
|---|
| YIFAN JIANG 等: "Continuous IFF Response Signal Recognition Technology Based on Capsule Network", 《ICST INSTITUTE FOR COMPUTER SCIENCES, SOCIAL INFORMATICS AND TELECOMMUNICATIONS ENGINEERING 2021》, pages 455 - 468 * |
| YOUNES AHMADI 等: "Deinterleaving of Interfering Radars Signals in Identification Friend or Foe Systems", 《18TH TELECOMMUNICATIONS FORUM TELFOR 2010》, pages 729 - 733 * |
| 丁浩 等: "复杂环境下 MARK ⅫA IFF 信号识别方法", 《火控雷达技术》, vol. 41, no. 1, pages 43 - 46 * |
| 吕敏 等: "一种 Mark XIIA 模式 5 信号的分选方法", 《电讯技术》, vol. 89, no. 11, pages 1325 - 1331 * |
| 李维科 等: "基于时域和编码特征的 Mark XIIA IFF 信号识别方法", 《兵器装备工程学报》, vol. 37, no. 7, pages 153 - 157 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116166934B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109387813B (zh) | 一种基于宽带雷达信号接收的高精度频率测量方法 | |
| CN106291615B (zh) | 一种高动态多普勒频偏的两阶段捕获方法 | |
| CN106646546A (zh) | 一种卫星信号多维快速捕获方法及系统 | |
| CN107015205B (zh) | 一种分布式mimo雷达检测的虚假目标消除方法 | |
| CN110187313B (zh) | 基于分数阶Fourier变换的雷达信号分选识别方法及装置 | |
| CN108737318B (zh) | 基于信号结构特性的ofdm信号识别方法及系统 | |
| CN109490862B (zh) | 一种基于相位差分统计谱的载频估计方法 | |
| CN110690931B (zh) | 一种基于多小波基联合的数字信号自适应码率估计方法和装置 | |
| 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 | |
| CN110297222B (zh) | 一种基于多维量测信息的航迹起始方法 | |
| CN113466803A (zh) | 基于修正互相关系数的雷达主瓣假目标干扰剔除方法 | |
| CN110632588A (zh) | 一种基于fpga的零中频二次雷达直流偏置补偿算法 | |
| CN108650203B (zh) | 一种基于侦察接收机的调制模式识别方法 | |
| CN116166934B (zh) | 一种基于交叉算法的iff信号识别方法、装置及介质 | |
| CN111796266B (zh) | 一种匀加速运动目标rd平面检测前跟踪方法 | |
| CN106033120B (zh) | 一种多站雷达异步多帧联合检测方法 | |
| CN111901266A (zh) | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 | |
| Guven et al. | Classifying LPI radar waveforms with time-frequency transformations using multi-stage CNN system | |
| CN114567340B (zh) | 基于相关算法的ads-b信号接收基带处理方法及系统 | |
| CN107341519B (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 | |
| CN116186519A (zh) | Link4A和Link11信号检测方法、介质及装置 | |
| CN110568415A (zh) | 混合高斯模型下基于Arctan函数的信号检测方法 | |
| CN114710215A (zh) | 一种跳频信号快速盲检测的方法 | |
| CN114942410A (zh) | 基于数据增广的干扰信号识别方法 | |
| CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 |
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 |