CN116232378B - 一种基于统计分析的跳频信号分选方法 - Google Patents

一种基于统计分析的跳频信号分选方法 Download PDF

Info

Publication number
CN116232378B
CN116232378B CN202310049829.XA CN202310049829A CN116232378B CN 116232378 B CN116232378 B CN 116232378B CN 202310049829 A CN202310049829 A CN 202310049829A CN 116232378 B CN116232378 B CN 116232378B
Authority
CN
China
Prior art keywords
signals
signal
frequency hopping
stamp
period
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
CN202310049829.XA
Other languages
English (en)
Other versions
CN116232378A (zh
Inventor
张一鸣
严伟
裴林
王艺汝
付旭旭
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.)
Gansu National Key Laboratory Of Safety And Special Technology
NANJING SINOVATIO TECHNOLOGY CO LTD
Original Assignee
Gansu National Key Laboratory Of Safety And Special Technology
NANJING SINOVATIO 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 Gansu National Key Laboratory Of Safety And Special Technology, NANJING SINOVATIO TECHNOLOGY CO LTD filed Critical Gansu National Key Laboratory Of Safety And Special Technology
Priority to CN202310049829.XA priority Critical patent/CN116232378B/zh
Publication of CN116232378A publication Critical patent/CN116232378A/zh
Application granted granted Critical
Publication of CN116232378B publication Critical patent/CN116232378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B1/00Details 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
    • H04B1/69Spread spectrum techniques
    • H04B1/713Spread spectrum techniques using frequency hopping
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B1/00Details 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
    • H04B1/69Spread spectrum techniques
    • H04B1/713Spread spectrum techniques using frequency hopping
    • H04B1/7136Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于统计分析的跳频信号分选方法,包括如下步骤:将选定时间段内的信号全部取出;根据信号上报时间将信号分组;根据幅值范围对每组信号进行幅值分组;将每个幅值分组内的信号进行去重,根据带宽和幅值进行筛选;根据去重后的信号出现规律和时间戳,推算跳频周期和跳频序列;相邻幅值范围的跳频序列整合;时间段跳频序列整合,跳频周期整合。本发明解决了现有技术中聚类法处理跳频信号需要提前预估参数,实用性差,计算复杂的问题。

Description

一种基于统计分析的跳频信号分选方法
技术领域
本发明涉及跳频信号分选领域,特别是涉及一种基于统计分析的跳频信号分选方法。
背景技术
跳频技术以其优良的抗干扰性能和多址组网性能在军事无线电抗干扰通信、民用移动通信、现代雷达和声纳等电子系统中获得了重要应用,现有技术中跳频信号分选环节的常用方法有:K-Means聚类法、DBSCAN聚类法、网台分选法、贝叶斯学习法、图像识别法等,聚类法需要根据情况提前预估聚类数,在实际电磁环境复杂的情况下,噪声干扰多,会出现无法分选的情况,其他多种针对聚类法的改善方法,需要提前预估参数,计算复杂,实用性不高。
发明内容
发明目的:本发明的目的是为了提供一种计算简单,实用性强的基于统计分析的跳频信号分选方法。
技术方案:为实现上述目的,本发明所述的基于统计分析的跳频信号分选方法包括如下步骤:
步骤S1:将选定时间段内的信号全部取出;
步骤S2:根据信号上报时间将信号分组;
步骤S3:根据幅值范围对每组信号进行幅值分组;
步骤S4:将每个幅值分组内的信号进行去重,根据带宽和幅值对去重后的信号进一步进行筛选,以排除非调频信号,减少后续步骤的计算量;
步骤S5:根据去重后的信号出现规律和时间戳,推算跳频周期和跳频序列;
步骤S6:相邻幅值范围的跳频序列整合;
步骤S7:时间段跳频序列整合,跳频周期整合。
所述的步骤S1将选定时间段内的信号全部取出,具体为:根据选定时间段,将此时间段内的全部信号取出,信号包括:中心频点center_freq、带宽band_width、幅值amp、上报时间戳stamp,上报时间戳的单位为秒。
所述步骤S2根据信号上报时间将信号分组,具体为:上报时间是指设备采集信号并分析后得到的信号出现的时间,若时间段过长,存在多组跳频信号序列出现在同一时间、同一幅值范围内,将影响检测效果,故设置最大时间段长度阈值periodmax,若时间段长度大于periodmax,则拆分,每次使用periodmax时间段长度的数据进行计算。
所述步骤S3根据幅值范围对每组信号进行幅值分组,具体为:因跳频信号为同样稳定度、同样精度、大量离散频率的信号,每组的幅值范围在20db~30db内浮动,或呈线性变化,当设备采集到的信号幅值低于-120db时可认为是噪音,高于-20db时信号过强,故总的单位是-120db~-10db,在相邻组之间给了10个幅值的重叠范围,为了防止出现信号幅值在范围边界处,被分到别的范围里,根据幅值amp范围将信号分组:[-120,-90],[-100,-70],[-80,-50],[-60,-30],[-40,-10];
因本次试验使用的信号源发射的跳频信号带宽不可设置,且较为固定,故设置带宽阈值thresholdband_width=500KHz,选取小于thresholdband_width的信号进行分析。
所述步骤S4将每个幅值分组内的信号进行去重,根据带宽和幅值进行筛选,包括以下子步骤:
步骤S401:将所有信号进行去重操作,具体为:将所有信号进行center_freqi±0.5×band_widthi,获得所有信号的频点范围rangei,若两信号rangei存在交集,则合并,并将rangei范围更新为两范围的交集范围,获得交集后的所有信号范围,将信号根据范围分别放入集合内,得到去重后的信号集合,包含平均频点center_freqi_avg、平均带宽band_widthi_avg、平均幅值ampi_avg,及其上报时间戳集合stamp_list,i=1,2,3,...L,其中L代表信号数据的长度;
步骤S402:求出各去重信号集合的总平均带宽band_widthavg,总带宽标准差band_widthstd,总平均幅值ampavg,对去重信号进行筛选,根据测试设备条件及大量数据测试设置的:
幅值筛选:[0.7×ampavg,1.2×ampavg];
带宽筛选:
所述步骤S5根据去重后的信号出现规律和时间戳,推算跳频周期和跳频序列,包括以下子步骤:
步骤S501:因跳频信号序列固定,每个跳频信号频点出现次数相近,故使用去重后的信号集合,计算每组信号出现的次数counti及所有信号出现次数的平均值countavg;若counti>countavg×2,或counti<countavg×0.5,或counti≤2,则删除此组信号,i=1,2,3,...L,其中L代表信号数据的长度;
步骤S502:将每个去重信号集合内的信号通过stamp_list排序后,stamp_list从后到前逐个相减,得到每个去重信号的出现规律表cycle_listi
步骤S503:统计cycle_listi中出现的各数字次数cycle_counti,及其对应cycle_counti的长度leni,与所有组规律的总平均长度lenavg,若leni>lenavg×2,则leni=leni×0.3,将max(leni)对应的cycle_counti暂时作为跳频信号的周期t1
步骤S504:判断此去重信号是否是跳频信号,若在去重信号集合中出现以下情况,则不是,进行删除处理:此去重信号集合中length(stamp_list)≤2,此去重信号集合对应的cycle_counti中未出现过t1,此去重信号集合对应的cycle_counti都不是t1的倍数,此去重信号规律表cycle_listi中相邻两数字相加,相减均不是t1的倍数;
步骤S505:将步骤S504删除后无关信号的去重信号集合重新整理,同步骤S503,将max(leni)对应的cycle_counti暂时作为跳频信号的周期t2
步骤S506:找到现有所有去重信号stamp_list中最早的时间戳stampmin,最晚的时间戳stampmax
步骤S507:找到最早时间戳stampmin对应的去重信号,划定时间periodstamp=[stamp1,stmap2),[stamp2,stamp3),…,若stampi-stampi-1≤1.5×t2,直接使用,若1.5×t2<stampi-stampi-1≤2×t2,拆分为
[stampi-1,stampi-1+t2),[stampi-1+t2,stampi),若stampi-stampi-1>2×t2,进行删除处理;
步骤S508:通过划定的periodstamp范围,若一去重信号stamp_list在periodstamp范围内,则放入对应order_listi数组中,排序,并删除order_listi中重复出现的去重信号;
步骤S509:计算order_listi中,去重信号对应的出现次数signal_counti,找到出现次数的最大值signal_countmax;若其他信号出现次数
signal_counti>sigmal_countmax×0.1,则保留,小于的则删除;
步骤S510:在步骤S507找到的对应最早时间戳的起始点stampmin的去重信号若为多个,对每个去重信号进行步骤S506至步骤S509,将所有得到的步骤S509结果进行整合;
步骤S511:从步骤S510整合后得到多组order_listi,order_listi中包含跳频信号的多种组合方式,首先找到包含最多信号的一条,作为order_listmax,循环其他所有order_listi,若结果与order_listmax的重合率超过阈值,则将两条合并,合并后,得到跳频信号的完整预测序列结果signal_list;
步骤S512:得到完整预测序列结果signal_list后,计算跳频周期,将步骤S511得到的signal_list与步骤S508中order_listi进行相似度计算,取得相似度的最大值similaritymax,若similaritymax不为1,或对应的order_listi数量小于3,则放弃用此组数据,将order_listi中最晚信号的时间戳减最早信号的时间戳,得到tmp1,同时计算倒数第二晚的信号的时间戳减最早信号的时间戳tmp2;若tmp1<tmp2×3,则最后一个信号为非此周期内的跳频信号,需要删除;将每组的周期进行整理,因为最小值为最短时间内取得完整周期的时间,所以将(最小值+最小时间单位)定义为此序列的预测周期t3
所述步骤S6相邻幅值范围的跳频序列整合,具体为从步骤S511得到的跳频信号序列signal_list与步骤S512得到的跳频信号周期t3,是步骤S3幅值分组后的一组结果,将所有幅值分组计算的结果整合;
将[-120,-90]、[-100,-70]、[-80,-50]、[-60,-30]、[-40,-10]每相邻一组的结果进行整合操作,每两组间可能存在的关系为:包含,部分包含,不包含,根据情况对数据进行整合;
包含情况:将两组结果的分别进行center_freqi±0.5×band_widthi,得到第一组频点范围组,第二组频点范围组,首先计算是否有频点范围重合的点,得出合并后信号的个数A;通过数组中信号的个数进行判断,计算第一组频点范围组信号个数B,第二组频点范围组信号个数C;若A=max(B,C),则为完全包含,输出完全包含的那一组信号的中心频点,带宽,周期,i=1,2,3,...L,其中L代表信号数据的长度;
部分包含情况:若则为部分包含,需考虑能否合并,若B或C中未合并的点,在C或B的时间戳内的概率>=50%,则进行合并,合并时需要考虑两组数据中时间段是否有交集,若有交集的情况下需要考虑是否要将周期更新,若/>认为两组跳频序列存在部分重合,但因重复度不高,需要将周期更新,找出时间戳范围大的一组跳频序列,然后统计此组是否包含另外一组的时间戳范围,若包含,则将周期更新为:两组中周期小的那个值;
不包含情况:若则不合并。
所述步骤S7时间段跳频序列和跳频周期整合是指:从步骤S6得到的是步骤S2时间段分组的一组结果,将所有时间段的结果依照步骤S3至S7进行整合,合并重复的结果,即得到时间段跳频序列和跳频周期整合结果。
有益效果:1、本发明提供的一种基于统计分析的跳频信号分选方法,通过将接收到的信号进行处理,得到信号的频点、带宽、幅值、上报时间等参数后,通过一系列统计分析,得到跳频信号序列及其周期,计算过程简单,可实时处理,同时对硬件性能要求不高,在实现本发明的功能同时也不会增加硬件设备的成本,实用性强;2、在实际环境下,跳频信号存在于大量游离信号中,在跳频信号个数未知的情况下,现有技术的聚类法均需要提前设置聚类数等参数,而预估聚类数复杂、计算量大,且易受噪声干扰,难以将信号准确分选,与现有技术对比,本方法无需提前预估聚类数的信号去重方法将信号分类,经过统计分析可得出跳频信号序列及其周期,计算结果准确度高。
附图说明
图1为跳频信号分选方法流程图;
图2为去重后的信号数据,经过步骤S402幅值带宽筛选后的结果;
图3为步骤S5根据去重后的信号出现规律和时间戳,推算跳频周期和跳频序列流程图;
图4为步骤S501出现次数筛选后的结果;
图5为步骤S504得到的periodstamp范围内去重信号集合;
图6为步骤S509得到的去重信号的各signal_counti值;
图7为计算出的完整跳频序列及其周期。
具体实施方式
下面结合实施例和附图对本发明的技术方案作详细说明。
如图1所示,下面以选定的某段时间内的跳频信号分选方法进行说明,设备上报时间精度为秒,使用信号源按100ms/个的速度持续发射3GHz-3.6GHz等间距的11个信号,幅值在-60db左右,发射一段时间后,对数据进行跳频信号分选。
步骤S1:根据选定时间段[2021-12-2215:30:00,2021-12-2216:00:00],将此时间段内的全部信号取出,共4464个。
步骤S2:本实施例中将periodmax设定为30分钟,因选定时间未大于periodmax,无需将时间段拆分。
步骤S3:故根据幅值amp范围将信号分组:[-120,-90],[-100,-70],[-80,-50],[-60,-30],[-40,-10],分别使用分组后的信号进行计算步骤S4和S5;因发射的跳频信号幅值在-60db左右,将选择[-80,-50]范围进行详细说明,在[-80,-50]范围内的信号为4236个。
带宽阈值thresholdband_width=500KHz,选取小于thresholdband_width的信号进行分析,此时剩余信号3938个。
步骤S4包括以下子步骤:
步骤S401:将所有信号进行去重操作:
将所有信号center_freqi±0.5×band_widthi,获得所有信号的频点范围rangei
若两信号rangei存在交集,则合并,并将rangei范围更新为两范围的交集范围;
获得交集后的所有信号范围,将信号根据范围分别放入集合内;
得到去重后的信号集合,包含平均频点center_freqi_avg、平均带宽band_widthi_avg、平均幅值ampi_avg,及其上报时间戳集合stamp_list,去重后的信号集合共35个,并将每个去重信号集合赋予编号0,1,2,...;
步骤S402:如图2所示,求各去重信号集合的总平均带宽band_widthavg=143.57,总带宽标准差band_widthstd=83.72,总平均幅值ampavg=-68.43,对去重信号进行筛选:
幅值筛选范围:[-82.12,-47.90],带宽筛选范围:[0,227.29],幅值带宽筛选后剩余去重信号集合23个。
如图3所示,步骤S5包括以下子步骤:
步骤S501:如图4所示,计算每组信号出现的次数counti以及所有信号出现次数的平均值countavg=118.21;若counti>countavg×2,或counti<countavg×0.5,或counti≤2,则删除此组信号;此时剩余去重信号集合11个;
步骤S502:将每个去重信号集合内的信号通过stamp_list排序后,stamp_list从后到前逐个相减,得到每个去重信号的出现规律表cycle_listi;其中一组的规律为:[4,4,4,4,4,4,4,5,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,5,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4,4,4,5,4,4,4,4,4,4];
步骤S503:统计cycle_listi中出现的各数字次数cycle_counti,及其对应cycle_counti的长度leni,与所有组规律的总平均长度lenavg=197;若leni>lenavg×2,则leni=leni×0.3;将max(leni)对应的cycle_counti暂时作为跳频信号的周期t1=5s;
步骤S504:如图5所示,若存在去重信号集合中出现以下情况,则此去重信号不是跳频信号,删除:此去重信号集合中length(stamp_list)≤2;此去重信号集合对应的cycle_counti中未出现过t1;此去重信号集合对应的cycle_counti都不是t1的倍数;此去重信号规律表cycle_listi中相邻两数字相加,相减均不是t1的倍数;此步骤在此次未筛选掉信号;
步骤S505:在步骤S504中未删除去重信号集合,作为跳频信号的周期t2仍为5s;
步骤S506:找到现有所有去重信号stamp_list中最早的时间戳
stampmin=1640158749,最晚的时间戳stampmax=1640159559;
步骤S507:找到最早时间戳stampmin对应的去重信号,划定时间
periodstamp=[[1640158749,1640158753],[1640158753,1640158757],[1640158757,1640158761],......;
步骤S508:通过划定的periodstamp范围,若一去重信号stamp_list在periodstamp范围内,则放入对应order_listi数组中,排序,并删除order_listi中重复出现的去重信号,得到[0,1,2,3,4,5,6,7,8,9,10],......;
步骤S509:如图6所示,计算order_listi中,去重信号对应的出现次数signal_counti,找到出现次数的最大值signal_countmax=197;若其他信号出现次数signal_counti>sigmal_countmax×0.1,则保留,小于的则删除;
步骤S510:在步骤S507找到的对应最早时间戳的起始点stampmin的去重信号为多个,对每个去重信号进行步骤S506~步骤S509,将所有得到的步骤S509结果进行整合;
步骤S511:从步骤S510整合后得到多组order_listi;order_listi中包含跳频信号的多种组合方式,首先找到包含最多信号的一条,作为order_listmax=[0,1,2,3,4,5,6,7,8,9,10];循环其他所有order_listi,若结果与order_listmax的重合率超过阈值,则将两条合并;合并后,得到跳频信号的完整预测序列结果signal_list=[0,1,2,3,4,5,6,7,8,9,10];
步骤S512:得到完整预测序列结果signal_list后,计算跳频周期;将步骤S511得到的signal_list与步骤S508中order_listi进行相似度计算,取得相似度的最大值similaritymax=1;将每组的周期进行整理,最晚信号的时间戳减最早信号的时间戳,得到tmp1=0;因为最小值为最短时间内取得完整周期的时间,所以将(最小值+最小时间单位)定义为此序列的预测周期t3=0+1=1s。
步骤S6:如图7所示,从步骤S511得到的跳频信号序列signal_list与步骤S512得到的跳频信号周期t3,是步骤S3幅值分组后的一组结果,将所有幅值分组计算的结果整合;因未在其他幅值范围内发现跳频信号序列,所以此步骤得到的结果为:["freq_hopping":[[3000014,68.6666],[3060006,91.5555],[3119988,91.5555],[3180003,68.6666],[3239995,91.5555],[3300010,68.6666],[3360001,91.5555],[3420016,68.6666],[3480008,68.6666],[3540015,75.7182],[3600014,68.6666]],"cycle":1],;其中,一个[中心频点,带宽]代表一个跳频信号;
步骤S7:此次说明的时间段未分组,故此步骤无操作,输出步骤S6的结果。

Claims (8)

1.一种基于统计分析的跳频信号分选方法,其特征在于:包括如下步骤:
步骤S1:将选定时间段内的信号全部取出;
步骤S2:根据信号上报时间将信号分组;
步骤S3:根据幅值范围对每组信号进行幅值分组;
步骤S4:将每个幅值分组内的信号进行去重,根据带宽和幅值对去重后的信号进一步进行筛选,以排除非调频信号;
步骤S5:根据筛选后的信号出现规律和时间戳,推算跳频周期和跳频序列;
步骤S6:相邻幅值范围的跳频序列整合;
步骤S7:时间段跳频序列整合,跳频周期整合。
2.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述的步骤S1将选定时间段内的信号全部取出,具体为:根据选定时间段,将此时间段内的全部信号取出,信号包括:中心频点center_freq、带宽band_width、幅值amp、上报时间戳stamp,上报时间戳的单位为秒。
3.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S2根据信号上报时间将信号分组,具体为:若时间段过长,存在多组跳频信号序列出现在同一时间、同一幅值范围内,将影响检测效果,则设置最大时间段长度阈值periodmax,若时间段长度大于periodmax,则拆分,每次使用periodmax时间段长度的数据进行计算。
4.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S3根据幅值范围对每组信号进行幅值分组,具体为:每组的幅值范围在20db~30db内浮动,或呈线性变化,故根据幅值amp范围将信号分组:[-120,-90],[-100,-70],[-80,-50],[-60,-30],[-40,-10];
设置带宽阈值thresholdband_width=500KHz,选取小于thresholdband_width的信号进行分析。
5.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S4将每个幅值分组内的信号进行去重,根据带宽和幅值对去重后的信号进一步进行筛选,包括以下子步骤:
步骤S401:将所有信号进行去重操作,具体为:将所有信号进行center_freqi±0.5×band_widthi,获得所有信号的频点范围rangei,若两信号rangei存在交集,则合并,并将rangei范围更新为两范围的交集范围,获得交集后的所有信号范围,将信号根据范围分别放入集合内,得到去重后的信号集合,包含平均频点center_freqi_avg、平均带宽band_widthi_avg、平均幅值ampi_avg,及其上报时间戳集合stamp_list,i=1,2,3,...L,其中L代表信号数据的长度;
步骤S402:求出各去重信号集合的总平均带宽band_widthavg,总带宽标准差band_widthstd,总平均幅值ampavg,对去重信号进行筛选,根据测试设备条件及大量数据测试设置:
幅值筛选:[0.7×ampavg,1.2×ampavg];
带宽筛选:
6.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S5根据筛选后的信号出现规律和时间戳,推算跳频周期和跳频序列,包括以下子步骤:
步骤S501:跳频信号序列固定,每个跳频信号频点出现次数相近,使用筛选后的信号集合,计算每组信号出现的次数counti及所有信号出现次数的平均值countavg;若counti>countavg×2,或counti<countavg×0.5,或counti≤2,则删除此组信号,i=1,2,3,...L,其中L代表信号数据的长度;
步骤S502:将每个筛选信号集合内的信号通过stamp_list排序后,
stamp_list从后到前逐个相减,得到每个筛选信号的出现规律表cycle_listi
步骤S503:统计cycle_listi中出现的各数字次数cycle_counti,及其对应cycle_counti的长度leni,与所有组规律的总平均长度lenavg,若leni>lenavg×2,则leni=leni×0.3,将max(leni)对应的cycle_counti暂时作为跳频信号的周期t1
步骤S504:判断此筛选信号是否是跳频信号,若在筛选信号集合中出现以下情况,则不是,进行删除处理:此筛选信号集合中length(stamp_list)≤2,此筛选信号集合对应的cycle_counti中未出现过t1,此筛选信号集合对应的cycle_counti都不是t1的倍数,此筛选信号规律表cycle_listi中相邻两数字相加,相减均不是t1的倍数;
步骤S505:将步骤S504删除后无关信号的筛选信号集合重新整理,同步骤S503,将max(leni)对应的cycle_counti暂时作为跳频信号的周期t2
步骤S506:找到现有所有筛选信号stamp_list中最早的时间戳stampmin,最晚的时间戳stampmax
步骤S507:找到最早时间戳stampmin对应的筛选信号,划定时间periodstamp=[stamp1,stmap2),[stamp2,stamp3),…,若stampi-stampi-1≤1.5×t2,直接使用,若1.5×t2<stampi-stampi-1≤2×t2,拆分为[stampi-1,stampi-1+t2),[stampi-1+t2,stampi),若stampi-stampi-1>2×t2,进行删除处理;
步骤S508:通过划定的periodstamp范围,若一筛选信号stamp_list在periodstamp范围内,则放入对应order_listi数组中,排序,并删除order_listi中重复出现的筛选信号;
步骤S509:计算order_listi中,筛选信号对应的出现次数signal_counti,找到出现次数的最大值signal_countmax;若其他信号出现次数signal_counti>sigmal_countmax×0.1,则保留,小于的则删除;
步骤S510:在步骤S507找到的对应最早时间戳的起始点stampmin的筛选信号若有多个,对每个筛选信号进行步骤S506至步骤S509,将所有得到的步骤S509结果进行整合;
步骤S511:从步骤S510整合后得到多组order_listi,order_listi中包含跳频信号的多种组合方式,首先找到包含最多信号的一条,作为order_listmax,循环其他所有order_listi,若结果与order_listmax的重合率超过阈值,则将两条合并,合并后,得到跳频信号的完整预测序列结果signal_list;
步骤S512:得到完整预测序列结果signal_list后,计算跳频周期,将步骤S511得到的signal_list与步骤S508中order_listi进行相似度计算,取得相似度的最大值similaritymax,若similaritymax不为1,或对应的order_listi数量小于3,则放弃此组数据,将order_listi中最晚信号的时间戳减最早信号的时间戳,得到tmp1,同时计算倒数第二晚的信号的时间戳减最早信号的时间戳tmp2;若tmp1<tmp2×3,则最后一个信号为非此周期内的跳频信号,进行删除;将每组的周期进行整理,因为最小值为最短时间内取得完整周期的时间,所以将“最小值+最小时间单位”定义为此序列的预测周期t3
7.根据权利要求6所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S6相邻幅值范围的跳频序列整合,具体为从步骤S511得到的跳频信号序列signal_list与步骤S512得到的跳频信号周期t3,是步骤S3幅值分组后的一组结果,将所有幅值分组计算的结果整合;
将[-120,-90]、[-100,-70]、[-80,-50]、[-60,-30]、[-40,-10]每相邻一组的结果进行整合操作,每两组间可能存在的关系为:包含,部分包含,不包含,根据情况对数据进行整合;
包含情况:将两组结果的分别进行center_freqi±0.5×band_widthi,得到第一组频点范围组,第二组频点范围组,首先计算是否有频点范围重合的点,得出合并后信号的个数A;通过数组中信号的个数进行判断,计算第一组频点范围组信号个数B,第二组频点范围组信号个数C;若A=max(B,C),则为完全包含,输出完全包含的那一组信号的中心频点、带宽、周期,i=1,2,3,...L,其中L代表信号数据的长度;
部分包含情况:若则为部分包含,需考虑能否合并,若B或C中未合并的点,在C或B的时间戳内的概率>=50%,则合并,合并时需要考虑两组数据中时间段是否有交集,若有交集的情况下,则要考虑是否要将周期更新,若/>认为两组跳频序列存在部分重合,将周期更新,找出时间戳范围大的一组跳频序列,然后统计此组是否包含另外一组的时间戳范围,若包含,则将周期更新为:两组中周期小的那个值;
不包含情况:若则不合并。
8.根据权利要求1所述的一种基于统计分析的跳频信号分选方法,其特征在于:所述步骤S7时间段跳频序列和跳频周期整合是指:从步骤S6得到的是步骤S2时间段分组的一组结果,将所有时间段的结果依照步骤S3至S7进行整合,合并重复的结果,即得到时间段跳频序列和跳频周期整合结果。
CN202310049829.XA 2023-02-01 2023-02-01 一种基于统计分析的跳频信号分选方法 Active CN116232378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310049829.XA CN116232378B (zh) 2023-02-01 2023-02-01 一种基于统计分析的跳频信号分选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310049829.XA CN116232378B (zh) 2023-02-01 2023-02-01 一种基于统计分析的跳频信号分选方法

Publications (2)

Publication Number Publication Date
CN116232378A CN116232378A (zh) 2023-06-06
CN116232378B true CN116232378B (zh) 2023-08-29

Family

ID=86574225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310049829.XA Active CN116232378B (zh) 2023-02-01 2023-02-01 一种基于统计分析的跳频信号分选方法

Country Status (1)

Country Link
CN (1) CN116232378B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415012A (zh) * 2018-02-06 2018-08-17 中国人民解放军战略支援部队信息工程大学 一种单通道跳频信号分选方法与装置
CN111600629A (zh) * 2020-05-12 2020-08-28 中国电子科技集团公司第五十四研究所 一种基于改进的CluStream框架的网台分选方法
CN111600631A (zh) * 2020-05-12 2020-08-28 中国电子科技集团公司第五十四研究所 一种到达时间重叠的两网台信号分选方法
CN114759951A (zh) * 2022-06-15 2022-07-15 成都中星世通电子科技有限公司 跳频信号实时盲检测方法、参数估计方法、系统及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415012A (zh) * 2018-02-06 2018-08-17 中国人民解放军战略支援部队信息工程大学 一种单通道跳频信号分选方法与装置
CN111600629A (zh) * 2020-05-12 2020-08-28 中国电子科技集团公司第五十四研究所 一种基于改进的CluStream框架的网台分选方法
CN111600631A (zh) * 2020-05-12 2020-08-28 中国电子科技集团公司第五十四研究所 一种到达时间重叠的两网台信号分选方法
CN114759951A (zh) * 2022-06-15 2022-07-15 成都中星世通电子科技有限公司 跳频信号实时盲检测方法、参数估计方法、系统及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于改进K均值算法的跳频信号分选方法;贾可新;何子述;;计算机应用研究(第06期);第2333-2335页 *

Also Published As

Publication number Publication date
CN116232378A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
Milojević et al. Improved algorithm for the deinterleaving of radar pulses
EP2081326B1 (en) Statistical processing apparatus capable of reducing storage space for storing statistical occurence frequency data and a processing method therefor
KR101632167B1 (ko) 수집 레이더 신호의 클러스터링 방법
CN113721219B (zh) 一种基于多参数聚类的雷达信号分选方法和系统
CN111510255B (zh) 基于宽带频谱数据的跳频信号盲检测及参数估计方法
CN107481738B (zh) 实时音频比对方法及装置
CN112131278A (zh) 轨迹数据的处理方法及装置、存储介质、电子装置
CN110749878A (zh) 一种基于数字信道化的脉内频率编码信号参数测量方法
CN116155426B (zh) 基于历史数据的调音台运行异常监测方法
CN110942019A (zh) 一种用于找出两条轨迹的最长伴随子路径的分析方法
CN110988834A (zh) 一种基于自适应阈值双门限的脉冲到达时间测量方法
CN116232378B (zh) 一种基于统计分析的跳频信号分选方法
US9607623B2 (en) Method and apparatus for determining watermark symbols in a received audio signal that can contain echoes, reverberation and/or noise
CN117192482B (zh) 基于信号分选的靶机平台侦察设备告警方法
US10419885B2 (en) Communication device and method, and computer program product for associating a mobile telephony identifier and a computer network identifier
CN116299195A (zh) 一种基于toa序列相关度的雷达信号处理方法
CN112929141A (zh) 一种基于图传信号匹配的无人机检测识别方法和系统
CN117054998A (zh) 一种基于信息熵背景平稳度的集群目标检测方法和系统
AU2013263207A1 (en) Method and system to analyze interference susceptibility of a radio receiver design
CN108055088B (zh) 异常无线电信号的监测方法、装置及无线电监测设备
CN115356692A (zh) 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法
CN115390037A (zh) 多类别、未知雷达辐射源脉冲信号分选系统
CN116155319A (zh) 一种电磁态势监视与分析系统及方法
CN111624575B (zh) 一种未知雷达目标脉冲序列的快速提取方法及系统
CN113824518A (zh) 基于频谱的非合作信号检测方法

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