CN116577735A - 一种基于频谱的雷达信号调制识别方法 - Google Patents
一种基于频谱的雷达信号调制识别方法 Download PDFInfo
- Publication number
- CN116577735A CN116577735A CN202310859121.0A CN202310859121A CN116577735A CN 116577735 A CN116577735 A CN 116577735A CN 202310859121 A CN202310859121 A CN 202310859121A CN 116577735 A CN116577735 A CN 116577735A
- Authority
- CN
- China
- Prior art keywords
- radar
- signal
- signals
- sampling
- spectrum
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 230000010355 oscillation Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于频谱的雷达信号调制识别方法,涉及雷达信号调制识别的技术领域,包括获取时域信号;对所述时域信号进行间隔取样,获取取样信息;计算所述取样信息之间的关联度;基于所述关联度对雷达信号调制识别。获取时域信号包括:对雷达信号进行分解,雷达信号包括回波信号和发射信号,雷达间隔发射雷达信号,按照雷达发射信号的时间对回波信号和发射信号进行采集。能够根据雷达信号的时频特征,对相邻两个采样点的信号特征的关联度进行计算,对时频特征信息进行深入挖掘,在样本量较少的情况下,将雷达信号时频特征提取出来,提高对雷达信号调制识别能力。
Description
技术领域
本发明涉及雷达信号调制识别的技术领域,尤其涉及一种基于频谱的雷达信号调制识别方法。
背景技术
雷达调制类型识别的目的是识别截获雷达信号的调制类型,为判断雷达辐射源设备功能、特性,协成波形干扰或抗干扰任务。随着雷达技术的快速发展,雷达使用数量和种类越来越多,雷达信号调制方式越来越复杂,电磁环境也变得更加恶劣。在这样的电子环境下,繁多的信号脉内调制形式、较大的信号噪声比(SNR)范围,使得通过单个特征仍然无法提取到信号的本质特征,不仅让雷达信号的调制方式越来越多样化,而且使雷达信号正常工作的信噪比(SNR)门限也越来越低,造成了一些只针对少数几种信号、抗噪性差的传统雷达脉内调制识别算法失效。因此准确地识别雷达信号调制方式是一项重要而艰巨的任务。
随着现代电子和雷达技术的迅猛发展,雷达信号波形的自动识别被广泛的应用到了认知雷达、雷达发射机识别以及威胁检测和分析等系统中,成为了电子对抗水平的重要衡量标志。因此,在电子战中对雷达信号进行高效准确的识别变得越来越重要。
目前,申请号为202210061559.X的中国发明专利公开了一种高效灵活的雷达频谱显示方法,能够根据频谱显示区像素宽度建立了相应的链表数据结构,并对采样点合理的抽象使雷达频谱显示。但是在军事领域雷达信号对雷达信号特征的提取时,待提取的信号频率是完全已知的,不适用于实际场景,会导致某些特征非常重要的雷达信号未被提取出来,识别的准确度低,而且由于军事领域雷达信号训练识别样本少,无法对雷达信号的调制方式进行精确的识别,识别的准确度骤降。
发明内容
本发明解决的技术问题是:在军事领域雷达信号对雷达信号特征的提取时,待提取的信号频率是完全已知的,不适用于实际场景,会导致某些特征非常重要的雷达信号未被提取出来,而且由于军事领域雷达信号训练识别样本少,无法对雷达信号的调制方式进行精确的识别,识别的准确度骤降。
为解决上述技术问题,本发明提供如下技术方案:一种基于频谱的雷达信号调制识别方法,包括获取时域信号;对所述时域信号进行间隔取样,获取取样信息;计算所述取样信息之间的关联度;基于所述关联度对雷达信号调制识别。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:获取时域信号包括:对雷达信号进行分解,雷达信号包括回波信号和发射信号,雷达间隔发射雷达信号,按照雷达发射信号的时间对回波信号和发射信号进行采集。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:将雷达的回波信号与发射信号输入混频器进行混频,得到一段中频信号,将所述中频信号作为时域信号进行间隔取样。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:对所述时域信号进行间隔取样,获取取样信息包括:
其中,表示采样间隔,x(n)表示一组有限个信号采样值,X(k)表示一组有限个频谱采样值,nk表示截取长度,e表示自然对数的底数,i是虚数单位,N点表示频率区间[0,2n]上的间隔采样。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:通过改变频率区间的距离,分别对不同的频率区间进行间隔采样,获取不同频率区间的取样信息。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:计算取样信息之间的关联度包括:
建立关联向量度模型,其计算表达式为:
其中,C(q,r)为关联积分,q为奇异测度,r为关联积分的观测尺度,X={X1,X2,...XN-1},表示新构造的相空间序列,H(x)表示阶跃函数,x表示参考点的值;
计算取样信息中每个测试点到参考点的距离,给定r的值,当相对距离小于r的值时,称其为关联向量对,然后对关联的向量对进行计数,得到的相对的统计距离。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:由于关联积分和多重分形谱是近似对数的关系,对r的值进行计算的计算表达式为:
其中,D q 表示多重分形维数。
作为本发明所述的基于频谱的雷达信号调制识别方法的一种优选方案,其中:基于所述关联度对雷达信号调制识别包括:
基于关联向量度模型计算频谱各个波段雷达信号的关联度区间;
根据关联积分所在的关联度区间对雷达信号进行识别。
本发明的有益效果:能够根据雷达信号的时频特征,对相邻两个采样点的信号特征的关联度进行计算,对时频特征信息进行深入挖掘,在样本量较少的情况下,将雷达信号时频特征提取出来,提高对雷达信号调制识别能力。通过将雷达发射脉冲信号与回波信号一起输入一个混频器进行混频,得到一段中频信号,然后对取样信息中的关联度进行计算,根据关联积分所在的关联度区间对雷达信号进行识别,以识别不同的目标物信号,有利于提高识别准确率。
附图说明
图1为本发明一个实施例提供的一种基于频谱的雷达信号调制识别方法的基本流程示意图。
图2为本发明一个实施例提供的一种基于频谱的雷达信号调制识别方法雷达信号4GHz时的输出频谱。
图3为本发明一个实施例提供的一种基于频谱的雷达信号调制识别方法雷达信号2.1GHz时的输出频谱。
图4为本发明一个实施例提供的一种基于频谱的雷达信号调制识别方法的频响特性示意图。
实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。
实施例1
参照图1,为本发明的一个实施例,提供了一种基于频谱的雷达信号调制识别方法,包括:
S1:获取时域信号包括:
对雷达信号进行分解,雷达信号包括回波信号和发射信号,雷达间隔发射雷达信号,按照雷达发射信号的时间对回波信号和发射信号进行采集。
将雷达的回波信号与发射信号输入混频器进行混频,得到一段中频信号,将所述中频信号作为时域信号进行间隔取样。
雷达信号识别通过分析不同调制波形信号脉内特征,得到目标物反射的特有属性,实现雷达调制类型识别。雷达在工作时间段内,其发射的雷达信号,可以看做一个个具有时间间隔的小工作时间段组成的,而在小工作时间段内雷达发射脉冲信号,雷达信号的频率在小工作时间段内具有周期性变化,通过将小工作时间段内雷达发射脉冲信号与回波信号一起输入一个混频器进行混频,得到一段中频信号,中频信号包含了目标物的信息,对中频信号后续再经过滤波、放大、模数转换和测频等处理后就可以获得目标物的信息,根据中频信号的时频特征信息凸显不同调制类型信号的局部差异,从而表征目标信号,所以将所述中频信号作为时域信号进行间隔取样。
对所述时域信号进行间隔取样,获取取样信息包括:
其中,表示采样间隔,x(n)表示一组有限个信号采样值,X(k)表示一组有限个频谱采样值,nk表示截取长度,e表示自然对数的底数,i是虚数单位,N点表示频率区间[0,2n]上的间隔采样。
通过改变频率区间的距离,分别对不同的频率区间进行间隔采样,获取不同频率区间的取样信息。
可以对同一个小工作时间段对应的中频信号进行间隔采样,其采样间隔小于脉冲时长,或者对连续多个一个小工作时间段对应的中频信号进行间隔采样,其采用间隔大于脉冲信号发射间隔。
能够根据雷达信号的时频特征,对相邻两个采样点的信号特征的关联度进行计算,对时频特征信息进行深入挖掘,在样本量较少的情况下,将雷达信号时频特征提取出来,提高对雷达信号调制识别能力。
S3:计算所述取样信息之间的关联度包括:
建立关联度模型,其计算表达式为:
其中,C(q,r)为关联积分,q主要区分不同的度量空间测度,r为关联积分的观测尺度,r也可以看作是时序序列的时延,r也可以作为观察阈值,X={X1,X2,...XN-1},表示新构造的相空间序列,q在关联积分中表示奇异测度,在相空间中就代表的是嵌入的维数,H(x)表示阶跃函数,x表示参考点的值;
结合多重分形的定义可知,关联积分和多重分形谱是近似对数的关系。
计算取样信息中每个测试点到参考点的距离,给定r的值,当相对距离小于r的值时,称其为关联向量对,然后对关联的向量对进行计数,得到的相对的统计距离。
关联积分原来常用于时间序列的计算之中,核心的算法思想是选取一个用于计算相对距离的参考点,然后计算序列中每个测试点到参考点的距离。然后对于给定的阈值r,当相对距离小于阈值r的值时,称其为关联向量对。然后对关联向量对进行计数,得到的相对的统计距离。这个距离就是我们所求的关联积分。
若r取值过大会导致观测的尺度过大,很难对不同信号的特征进行区分。若r的取值过小则观测尺度过小,函数值受到环境噪声影响较大并且计算复杂度增大。因此阈值r的选取将影响多重分形维数的计算。在r的有效的阈值区间之内,关联向量对才有意义。
由于关联积分和多重分形谱是近似对数的关系,对r的值进行计算的计算表达式为:
其中,D q 表示多重分形维数,通过不断调整r值,可以不断得到关联函数C与多重分形维数D之间的函数关系式。
S4:基于所述关联度对雷达信号调制识别包括:
基于所述关联度对雷达信号调制识别包括:
基于关联向量度模型计算频谱各个波段雷达信号的关联度区间;
根据关联积分所在的关联度区间对雷达信号进行识别。
由于雷达回波信号不仅包括发射信号的反射信号,还有杂波信号和干扰信号,导致回波信号频谱复杂,需要分析不同调制波形信号脉内特征,得到目标物反射信号的特有属性,实现雷达调制类型识别。可以预先对需要识别的目标物的雷达信号的关联度区间进行计算,确定其关联度区间;在雷达工作中,通过将雷达发射脉冲信号与回波信号一起输入一个混频器进行混频,得到一段中频信号,然后对取样信息中的关联度进行计算,根据关联积分所在的关联度区间对雷达信号进行识别,以识别不同的目标物信号,有利于提高识别准确率。
实施例2
参照图2至图4,为本发明另一个实施例,该实施例不同于第一个实施例的是,提供了一种基于频谱的雷达信号调制识别方法的实验验证,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
经实验测试采集雷达信号在4GHz时的输出频谱如图2所示,雷达信号在2.1GHz时的输出频谱如图3所示。
在4GHz时,输出1.0GHz到1.4GHz的信号在500MHz带宽内杂散抑制度均大于55dBc,但是在输出频率为1.3GHz和1.4GHz时,主频对带外1200MHz-400MHz和1200MHz-500MHz处的抑制度只有约52dBc,而且在2.1GHz之外的杂散抑制只有5dBc左右,所以DDS输出还需要滤波器对远端杂散进行抑制,低通滤波器XECJLFCN3216-1500对2.1G处抑制度优于20dBc,带通滤波器BPF004,对800MHz和2.1GHz的抑制度分别有20dBc和35dBc,其频响特性如图4所示。
鉴相器选用成都振芯的GM4704B,通过ADIsimPLL软件以鉴相频率为2.5MHz,本振锁相源的相位噪声约为-98dBc/Hz@1kHz、-100dBc/Hz@10kHz、-98dBc/Hz@100kHz,鉴相泄露杂散抑制度优于75dBc,跳频时间小于30us。经过二倍频至X波段后,相位噪声恶化6dB,鉴相泄露杂散恶化6dB,故最终输出X波段信号的相位噪声约为-92dBc/Hz@1kHz、-94dBc/Hz@10kHz、-92dBc/Hz@100kHz,鉴相泄露杂散抑制度优于69dBc。
GM4912C脉冲响应时间由两部分时间累加而成,第一个是FPGA对脉冲调制信号的响应延时约5个FPGA工作周期(4.GHz的1/16作为FPGA脉冲产生基准时钟)约35ns,第二个是GM4912C在线性调频模式下的脉冲响应延时为392个SYSCLK(4.GHz周期约0.208ns)时钟周期约82ns,这两个时间相加得到脉冲响应延时约为117ns。
对雷达信号进行分解需要抑制其本振信号,需要抑制三阶交调信号即(LO+2IF),根据混频器特性,中频信号输入功率为-8dBm时,其发射输出功率约(-8-9)=-17dBm,本振驱动功率约13dBm,发射端口泄露的本振信号功率约(13-40)=-27dBm,三阶交调信号(2IF+LO)功率约-35dBm(实测值),所以混频后滤波器对低端本振泄露信号的抑制度要大于(55-(27-17))=45dBc、对高端三阶交调信号的抑制度要大于(55-(35-17))=37dBc才能满足55dBc的指标要求。
因本振带宽较宽,为800MHz,方案中混频后采用了分段滤波,选用中电十三所的MEMS滤波器,采用两级滤波器级联的方式可以满足指标要求。混频并经一级MEMS滤波后,发射信号功率为-22dBm,第一级放大器增益为24dB,输出P-1为9dBm,再经MEMS滤波器后第二级放大器增益为16dB,输出P-1为11dBm,此时发射信号功率约为12dBm,然后经过10dB定向耦合器,耦合端输出RFX_C,直通端再经过两级数控衰减器BW178D后输出。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于频谱的雷达信号调制识别方法,其特征在于,包括:
获取时域信号;
对所述时域信号进行间隔取样,获取取样信息;
计算所述取样信息之间的关联度;
基于所述关联度对雷达信号调制识别。
2.如权利要求1所述的基于频谱的雷达信号调制识别方法,其特征在于:
获取时域信号包括:
对雷达信号进行分解,雷达信号包括回波信号和发射信号,雷达间隔发射雷达信号,按照雷达发射信号的时间对回波信号和发射信号进行采集。
3.如权利要求2所述的基于频谱的雷达信号调制识别方法,其特征在于:将雷达的回波信号与发射信号输入混频器进行混频,得到一段中频信号,将所述中频信号作为时域信号进行间隔取样。
4.如权利要求3所述的基于频谱的雷达信号调制识别方法,其特征在于:
对所述时域信号进行间隔取样,获取取样信息包括:
其中,/>表示采样间隔,x(n)表示一组有限个信号采样值,X(k)表示一组有限个频谱采样值,nk表示截取长度,e表示自然对数的底数,N点表示频率区间[0,2n]上的间隔采样。
5.如权利要求4所述的基于频谱的雷达信号调制识别方法,其特征在于:
通过改变频率区间的距离,分别对不同的频率区间进行间隔采样,获取不同频率区间的取样信息。
6.如权利要求5所述的基于频谱的雷达信号调制识别方法,其特征在于:
计算取样信息之间的关联度包括:
建立关联向量度模型,其计算表达式为:
其中,C(q,r)为关联积分,q为奇异测度,r为关联积分的观测尺度,X={X1,X2,...XN-1},/>表示新构造的相空间序列,H(x)表示阶跃函数;
计算取样信息中每个测试点到参考点的距离,给定r的值,当相对距离小于r的值时,称其为关联向量对,然后对关联的向量对进行计数,得到的相对的统计距离。
7.如权利要求6所述的基于频谱的雷达信号调制识别方法,其特征在于:
r值计算表达式为:
其中,D q 表示多重分形维数。
8.如权利要求7所述的基于频谱的雷达信号调制识别方法,其特征在于:
基于所述关联度对雷达信号调制识别包括:
基于关联向量度模型计算频谱各个波段雷达信号的关联度区间;
根据关联积分所在的关联度区间对雷达信号进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310859121.0A CN116577735A (zh) | 2023-07-13 | 2023-07-13 | 一种基于频谱的雷达信号调制识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310859121.0A CN116577735A (zh) | 2023-07-13 | 2023-07-13 | 一种基于频谱的雷达信号调制识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116577735A true CN116577735A (zh) | 2023-08-11 |
Family
ID=87543537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310859121.0A Pending CN116577735A (zh) | 2023-07-13 | 2023-07-13 | 一种基于频谱的雷达信号调制识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116577735A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083649A (zh) * | 2007-07-13 | 2007-12-05 | 西安电子科技大学 | 多径瑞利快衰落信道下ofdm调制制式识别方法 |
JP2008118619A (ja) * | 2006-11-03 | 2008-05-22 | Nec Corp | 変調方式識別装置及び方法、並びにプログラム |
CN102437984A (zh) * | 2011-11-07 | 2012-05-02 | 哈尔滨工程大学 | 低信噪比下基于复杂度特征的调制信号识别方法 |
CN104796365A (zh) * | 2015-03-12 | 2015-07-22 | 上海电机学院 | 低信噪比下基于复杂度特征的调制信号识别方法 |
CN105553915A (zh) * | 2015-12-10 | 2016-05-04 | 中国人民解放军63908部队 | 间歇辐射信号瞬态调制参量解调方法 |
CN106936744A (zh) * | 2017-05-01 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 基于动态理想解的信号调制识别方法 |
CN107577999A (zh) * | 2017-08-22 | 2018-01-12 | 哈尔滨工程大学 | 一种基于奇异值和分形维数的雷达信号脉内调制方式识别方法 |
CN108600135A (zh) * | 2018-04-27 | 2018-09-28 | 中国科学院计算技术研究所 | 一种信号调制方式的识别方法 |
CN109799487A (zh) * | 2019-01-31 | 2019-05-24 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 雷达脉冲调制样式识别方法 |
US10686547B1 (en) * | 2019-03-07 | 2020-06-16 | Huawei Technologies Co., Ltd. | Hybrid digital multi-band optical receiver and transmitter |
CN113567945A (zh) * | 2021-07-19 | 2021-10-29 | 南京誉葆科技有限公司 | 一种基于频谱和瞬时频率特征的雷达信号调制识别方法 |
CN116156511A (zh) * | 2022-11-25 | 2023-05-23 | 东南大学 | 基于采样混频和深度学习的频谱感知方法及装置 |
-
2023
- 2023-07-13 CN CN202310859121.0A patent/CN116577735A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008118619A (ja) * | 2006-11-03 | 2008-05-22 | Nec Corp | 変調方式識別装置及び方法、並びにプログラム |
CN101083649A (zh) * | 2007-07-13 | 2007-12-05 | 西安电子科技大学 | 多径瑞利快衰落信道下ofdm调制制式识别方法 |
CN102437984A (zh) * | 2011-11-07 | 2012-05-02 | 哈尔滨工程大学 | 低信噪比下基于复杂度特征的调制信号识别方法 |
CN104796365A (zh) * | 2015-03-12 | 2015-07-22 | 上海电机学院 | 低信噪比下基于复杂度特征的调制信号识别方法 |
CN105553915A (zh) * | 2015-12-10 | 2016-05-04 | 中国人民解放军63908部队 | 间歇辐射信号瞬态调制参量解调方法 |
CN106936744A (zh) * | 2017-05-01 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 基于动态理想解的信号调制识别方法 |
CN107577999A (zh) * | 2017-08-22 | 2018-01-12 | 哈尔滨工程大学 | 一种基于奇异值和分形维数的雷达信号脉内调制方式识别方法 |
CN108600135A (zh) * | 2018-04-27 | 2018-09-28 | 中国科学院计算技术研究所 | 一种信号调制方式的识别方法 |
CN109799487A (zh) * | 2019-01-31 | 2019-05-24 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 雷达脉冲调制样式识别方法 |
US10686547B1 (en) * | 2019-03-07 | 2020-06-16 | Huawei Technologies Co., Ltd. | Hybrid digital multi-band optical receiver and transmitter |
CN113567945A (zh) * | 2021-07-19 | 2021-10-29 | 南京誉葆科技有限公司 | 一种基于频谱和瞬时频率特征的雷达信号调制识别方法 |
CN116156511A (zh) * | 2022-11-25 | 2023-05-23 | 东南大学 | 基于采样混频和深度学习的频谱感知方法及装置 |
Non-Patent Citations (3)
Title |
---|
HE TAO 等: "Modulation Classification Based on Multifractal Features", 2006 6TH INTERNATIONAL CONFERENCE ON ITS TELECOMMUNICATIONS PROCEEDINGS, pages 152 - 155 * |
叶菲 等: "基于多重和高阶分形特性的雷达信号调制方式识别", 舰船电子工程, vol. 30, no. 4 * |
夏勇 等: "基于关联积分的诊断方法研究", 第八届全国振动理论及应用学术会议论文集 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8849213B2 (en) | Integrated circuit for signal analysis | |
US8447252B2 (en) | Adaptive channel scanning for detection and classification of RF signals | |
Lehtomaki et al. | CFAR outlier detection with forward methods | |
CN113093123B (zh) | 一种对抗脉冲多普勒雷达的干扰机及其干扰方法 | |
CN110398722A (zh) | 基于随机矩阵有限谱的扩展目标回波检测方法 | |
CN114217301B (zh) | 一种高精度边坡监测雷达目标检测及测距方法 | |
CN113671448A (zh) | 一种通用宽带雷达信号监测设备 | |
CN116577735A (zh) | 一种基于频谱的雷达信号调制识别方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
Mishra et al. | Power allocation games for overlaid radar and communications | |
CN116736241A (zh) | 一种基于zynq平台的快速自主侦测引导干扰方法及系统 | |
Lim et al. | Spectrum sharing in weather radar networked system: Design and experimentation | |
CN114401019B (zh) | 一种大带宽高灵敏度接收前端电路 | |
Abdul-Atty et al. | C-band FMCW radar design and implementation for breathing rate estimation | |
Ahmed et al. | Radar jamming suppression using clipping based pulse integration | |
Lin et al. | Subsection-average cyclostationary feature detection in cognitive radio | |
Zhao et al. | Prediction method of multi-frequency non-intermodulation electromagnetic radiation blocking effect of BeiDou navigation receiver | |
CN110988473B (zh) | 宽带突发信号频谱分析仪及宽带突发信号分析方法 | |
Jagiwala et al. | Perception and reduction of Wi‐Fi interference on NavIC signals | |
Keller | A New Concept for a Wideband FFT-Based EMI Receiver | |
US7336739B2 (en) | Cross-correlation signal detector | |
DeVault et al. | LTE interference effects on radar performance | |
Kumar Mardia | Digital signal processing for radar recognition in dense radar environments | |
Tran et al. | A Signal Classification Algorithm with Detection at Two Intermediate Frequencies for RF Spectrum Monitoring | |
Khader | Enhanced performance of fh detection system using adaptive threshold level |
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 |