CN116821658A - 一种适应不同重复间隔类型的时钟周期指纹特征提取方法 - Google Patents
一种适应不同重复间隔类型的时钟周期指纹特征提取方法 Download PDFInfo
- Publication number
- CN116821658A CN116821658A CN202310784518.8A CN202310784518A CN116821658A CN 116821658 A CN116821658 A CN 116821658A CN 202310784518 A CN202310784518 A CN 202310784518A CN 116821658 A CN116821658 A CN 116821658A
- Authority
- CN
- China
- Prior art keywords
- repetition interval
- estimation
- clock
- histogram
- pulse
- 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
- 238000000605 extraction Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000001186 cumulative effect Effects 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种适应不同重复间隔类型的时钟周期指纹特征提取方法,方法包括:步骤一、在指定时间节拍内收集脉冲描述字;脉冲描述字包含载频、脉冲、到达时间、幅度、方位;步骤二、利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别;步骤三、利用最小二乘估计方法对固定重复间隔类型的PRI进行估计;步骤四、利用最小二乘估计方法对参差重复间隔类型的GPRI进行估计;步骤五、利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计;步骤六:输出时钟周期特征。本申请提高了不同重频信号类型的个体识别适应性。
Description
技术领域
本发明涉及脉冲雷达辐射源的时钟周期指纹特征提取技术领域,特别是涉及一种适应不同重复间隔类型的时钟周期指纹特征提取方法。
背景技术
针对脉冲体制雷达辐射源一般采用如下辐射源个体识别流程进行个体识别,其架构如图5所示,其中时钟周期特征提取是核心和关键。
脉冲体制的雷达辐射源一般采用对晶振时钟信号进行分频方式,产生所需要的脉冲重复间隔(Pulse Repetition Interval,PRI),如图6所示。
分频电路模块由许多小的分频单元级联组成。为降低复杂度,提高稳定度,单个分频器所产生的分频数值都比较小,常见的是2、3、4、5和7。许多雷达具有多个分频电路,按需产生多个PRI。一些具有复杂PRI工作模式(如PRI抖动)的雷达分频电路甚至可在预置信号的触发下实时产生不同的PRI。然而不管怎样,整个分频电路所产生的分频数只能是整数,而不是分数。这使得时钟信号周期与PRI具有整除关系,也即任意连续两个脉冲的时间间隔PRIi(i=0,1,2,…)与时钟信号周期Tclock的具有如下关系:
PRIi=siTclock (1)
式中si为某一整数;Tclock为时钟信号周期。
对于固定信号观测模型如下式所示:
TOA(n)=N0+n*PRI+vi (2)
其中TOA(n)为测量的脉冲到达时间;N0为随机时间起始;PRI为固定重复间隔;
PRI=sTclock (3)
对于重复间隔参差雷达信号,其参差信号观测模型如下式所示。
TOA(Kn)=N0+n*GPRI+vi (4)
其中,TOA(Kn)为其骨架重复间隔对应脉冲对应到达时间;N0为随机时间起始;GPRI为参差信号骨架重复间隔;表达式如下式所示:
GPRI=s1Tclock+s2Tclock+…skTclock=PRI1+PRI2+…PRIk (5)
对于抖动信号观测模型如下式所示:
针对上述问题Casey和Sadler提出了一种改进欧几里得算法(ModifiedEuclidian Algorithm,MEA),算法以欧几里得算法为基础将除法运算改进为减法运算,适应含噪条件下基准周期估计问题。本方法在观测度较高且信噪比较低的条件下,算法可能得到无效的估计。这是由于在迭代过程中,每一步差分运算都会积累测量噪声。若迭代过多,积累的噪声量就可能接近甚至超过T,最终导致算法无效的估计。Casey和Sadler针对上述问题讨论了平均法进行改进以降低噪声的影响。但是平均法并不能从根本上解决累积误差导致的预估失效问题。本专利提出了多阶累积直方图的抖动信号基准频率预估方法。在不进行噪声累积的基础上,通过积累直方图实现对抖动信号基准频率的准确预估。
发明内容
本申请的目的在于解决现有技术中抖动信号基准频率的准确率较低的问题。
本申请提供一种适应不同重复间隔类型的时钟周期指纹特征提取方法,方法包括:
步骤一、在指定时间节拍内收集脉冲描述字;脉冲描述字包含载频、脉冲、到达时间、幅度、方位;
步骤二、利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别;
步骤三、利用最小二乘估计方法对固定重复间隔类型的PRI进行估计;
步骤四、利用最小二乘估计方法对参差重复间隔类型的GPRI进行估计;
步骤五、利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计;
步骤六:输出时钟周期特征。
可选的,利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别,包括:
重复间隔类型分别为固定、参差、抖动及其它类型;如果为重复间隔类型为固定重复间隔类型的高精度PRI估计进入步骤三;如果为重复间隔类型为参差重复间隔类型的高精度GPRI估计进入步骤四;如果为重复间隔类型为抖动重复间隔类型的高精度Tclock进入步骤五。
可选的,利用最小二乘估计方法对固定重复间隔类型的PRI进行估计,估计方法包括:
TOA(n)=N0+n*PRI
其中N0为初始到达时间,PRI为重复间隔值,n为脉冲序号,TOA为到达时间;
化成矩阵表示的形式为:
其中:
最小二乘估计的准则为:
得到的最小二乘估计为:
因为:
所以对固定重频的最小二乘估计为:
估计完成后执行步骤六。
可选的,利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计,包括:
首先进行累计直方图粗估计,用于确定估计基准时钟周期的范围,然后进行周期图基准周期精估计;
累计直方图粗估计,确定确定估计基准时钟周期的范围的步骤如下:
步骤411,对抖动信号的到达时间计算ti进行一阶临近点相减形成一阶差分序列:
其中t′j=tj-tj+1
步骤412,排序,将T′中元素按照降序排列得到
步骤413,差分,将序列D′进行差分得到其中;fi=d′i-d′i+1;
步骤414,消元,将F中小于门限的元素去除,得到
步骤415,累积并迭代,若F′k的长度为零,则跳出迭代,执行步骤416,否则,将F′k的元素并入累积序列Ck,即Ck=Ck-1∪F′k;同时令D′=F′k,,执行步骤412;
步骤416,对累积序列Ck做直方图,直方图的间隔取Ck的差分最小值;取直方图中数量最大的Ck值作为信号基准周期的预估值;将Tclock频率估计范围限制在[Ck/2,2Ck]范围内。
周期图基准周期精估计步骤如下:
步骤421,周期图算法首先计算在[fmin,fmax]之间计算ti序列的傅里叶变换幅度谱,如下所示:
其中fmin=1/(2Ck),fmax=2/Ck
步骤422,利用下式对基准周期Tclock进行精确估计:
本申请首先采用信号分选确定雷达信号的重复间隔类型;对不同的重复间隔类型建立不同的观测模型,针对固定、参差重复间隔类型信号,采用最小二乘估计方法估计PRI(重复间隔)及GPRI(骨架重复间隔)。针对抖动重复间隔类型信号采用累积直方图粗估与周期图精估联合的估计方法估计Tclock基准时钟周期。由于针对不同的重复间隔类型提取了其时域不变量,因此该方法能够适应不同信号类型的个体识别。从而提高了不同重频信号类型的个体识别适应性。
附图说明
图1为本申请实施例提供的分选总体框图;
图2为本申请实施例提供的对固定重频信号估计仿真误差分析图;
图3为本申请实施例提供的抖动信号的时差累计直方图估计结果图;
图4为本申请实施例提供的抖动信号的傅里叶幅度谱图计算图;
图5为本申请实施例提供的脉冲体制雷达个体识别架构图;
图6为本申请实施例提供的脉冲重复间隔一般产生方式图。
具体实施方式
下面结合说明书附图对本技术方案作进一步说明。
本发明目的在于提供一种能够适应固定、参差及抖动雷达信号的时钟周期指纹特征提取方法。其具体过程为:
本申请提供一种适应不同重复间隔类型的时钟周期指纹特征提取方法,方法包括:
步骤一、在指定时间节拍内收集脉冲描述字;脉冲描述字包含载频、脉冲、到达时间、幅度、方位等特征信息;当收集的脉冲达到固定个数时进入步骤二;
步骤二、利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别。
重复间隔类型分别为固定、参差、抖动及其它类型;如果为重复间隔类型为固定重复间隔类型的高精度PRI估计进入步骤三;如果为重复间隔类型为参差重复间隔类型的高精度GPRI估计进入步骤四;如果为重复间隔类型为抖动重复间隔类型的高精度Tclock进入步骤五;针对其它重复间隔类型直接结束。
步骤三、利用最小二乘估计方法对固定重复间隔类型的PRI进行估计。
估计步骤方法如下:
TOA(n)=N0+n*PRI
其中N0为初始到达时间,PRI为重复间隔值,n为脉冲序号,TOA为到达时间;
化成矩阵表示的形式为:
其中:
最小二乘估计的准则为:
得到的最小二乘估计为:
因为:
所以对固定重频的最小二乘估计为:
估计完成后执行步骤六。
步骤四、利用最小二乘估计方法对参差重复间隔类型的GPRI进行估计。
估计方法与固定重复间隔类型的PRI估计相同,不在赘述。估计完成后进入步骤六。
步骤五、利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计:
首先进行累计直方图粗估计,用于确定估计基准时钟周期的范围,然后进行周期图基准周期精估计。
累计直方图粗估计,确定确定估计基准时钟周期的范围的步骤如下:
步骤411,对抖动信号的到达时间计算ti进行一阶临近点相减形成一阶差分序列:
其中t′j=tj-tj+1
步骤412,排序,将T′中元素按照降序排列得到
步骤413,差分,将序列D′进行差分得到其中;fi=d′i-d′i+1;
步骤414,消元,将F中小于门限的元素去除,得到
步骤415,累积并迭代,若F′k的长度为零,则跳出迭代,执行步骤416,否则,将F′k的元素并入累积序列Ck,即Ck=Ck-1∪F′k;同时令D′=F′k,,执行步骤412;
步骤416,对累积序列Ck做直方图,直方图的间隔取Ck的差分最小值;取直方图中数量最大的Ck值作为信号基准周期的预估值;将Tclock频率估计范围限制在[Ck/2,2Ck]范围内。
周期图基准周期精估计步骤如下:
步骤421,周期图算法首先计算在[fmin,fmax]之间计算ti序列的傅里叶变换幅度谱,如下所示:
其中fmin=1/(2Ck),fmax=2/Ck
步骤422,利用下式对基准周期Tclock进行精确估计:
所述步骤三、四中,利用固定、参差的时钟周期特征采用了统一的最小二乘估计方法,该方法定义了参差雷达信号的GPRI(骨架重复间隔)特征,该方法还能够推广到排定等重复间隔类型。
步骤五中采用了先采用累计直方图粗估计,再采用周期图基准周期精估计的方法,大大降低了搜索所需要的计算量,提高了估计速度。
步骤六:输出时钟周期特征。
本申请首先采用信号分选确定雷达信号的重复间隔类型;对不同的重复间隔类型建立不同的观测模型,针对固定、参差重复间隔类型信号,采用最小二乘估计方法估计PRI(重复间隔)及GPRI(骨架重复间隔)。针对抖动重复间隔类型信号采用累积直方图粗估与周期图精估联合的估计方法估计Tclock基准时钟周期。由于针对不同的重复间隔类型提取了其时域不变量,因此该方法能够适应不同信号类型的个体识别。从而提高了不同重频信号类型的个体识别适应性。
Claims (4)
1.一种适应不同重复间隔类型的时钟周期指纹特征提取方法,其特征在于,所述方法包括:
步骤一、在指定时间节拍内收集脉冲描述字;脉冲描述字包含载频、脉冲、到达时间、幅度、方位;
步骤二、利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别;
步骤三、利用最小二乘估计方法对固定重复间隔类型的PRI进行估计;
步骤四、利用最小二乘估计方法对参差重复间隔类型的GPRI进行估计;
步骤五、利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计;
步骤六:输出时钟周期特征。
2.根据权利要求1所述的一种适应不同重复间隔类型的时钟周期指纹特征提取方法,其特征在于,利用序列直方图及脉冲对匹配方法对重复间隔类型进行识别,包括:
重复间隔类型分别为固定、参差、抖动及其它类型;如果为重复间隔类型为固定重复间隔类型的高精度PRI估计进入步骤三;如果为重复间隔类型为参差重复间隔类型的高精度GPRI估计进入步骤四;如果为重复间隔类型为抖动重复间隔类型的高精度Tclock进入步骤五。
3.根据权利要求1所述的一种适应不同重复间隔类型的时钟周期指纹特征提取方法,其特征在于,利用最小二乘估计方法对固定重复间隔类型的PRI进行估计,估计方法包括:
TOA(n)=N0+n*PRI
其中N0为初始到达时间,PRI为重复间隔值,n为脉冲序号,TOA为到达时间;
化成矩阵表示的形式为:
其中:
最小二乘估计的准则为:
得到的最小二乘估计为:
因为:
所以对固定重频的最小二乘估计为:
估计完成后执行步骤六。
4.根据权利要求1所述的一种适应不同重复间隔类型的时钟周期指纹特征提取方法,其特征在于,利用累计直方图与周期图联合估计方法对抖动重复间隔类型的基准时钟周期Tclock进行估计,包括:
首先进行累计直方图粗估计,用于确定估计基准时钟周期的范围,然后进行周期图基准周期精估计;
累计直方图粗估计,确定确定估计基准时钟周期的范围的步骤如下:
步骤411,对抖动信号的到达时间计算ti进行一阶临近点相减形成一阶差分序列:
其中t′j=tj-tj+1
步骤412,排序,将T′中元素按照降序排列得到
步骤413,差分,将序列D′进行差分得到其中;fi=d′i-d′i+1;
步骤414,消元,将F中小于门限的元素去除,得到
步骤415,累积并迭代,若F′k的长度为零,则跳出迭代,执行步骤416,否则,将F′k的元素并入累积序列Ck,即Ck=Ck-1∪F′k;同时令D'=F′k,,执行步骤412;
步骤416,对累积序列Ck做直方图,直方图的间隔取Ck的差分最小值;取直方图中数量最大的Ck值作为信号基准周期的预估值;将Tclock频率估计范围限制在[Ck/2,2Ck]范围内。
周期图基准周期精估计步骤如下:
步骤421,周期图算法首先计算在[fmin,fmax]之间计算ti序列的傅里叶变换幅度谱,如下所示:
其中fmin=1/(2Ck),fmax=2/Ck
步骤422,利用下式对基准周期Tclock进行精确估计:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310784518.8A CN116821658B (zh) | 2023-06-29 | 2023-06-29 | 一种适应不同重复间隔类型的时钟周期指纹特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310784518.8A CN116821658B (zh) | 2023-06-29 | 2023-06-29 | 一种适应不同重复间隔类型的时钟周期指纹特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116821658A true CN116821658A (zh) | 2023-09-29 |
CN116821658B CN116821658B (zh) | 2024-04-12 |
Family
ID=88118045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310784518.8A Active CN116821658B (zh) | 2023-06-29 | 2023-06-29 | 一种适应不同重复间隔类型的时钟周期指纹特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821658B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5363103A (en) * | 1993-01-05 | 1994-11-08 | Her Majesty The Queen As Represented By The Minister Of National Defence Of Her Majesty's Canadian Government | Method for evaluating similarity of signals having a carrier frequency offset |
US20120293363A1 (en) * | 2011-05-20 | 2012-11-22 | Kyu-Ha Song | Method and device for recognizing pri modulation type of radar signal |
CN105807264A (zh) * | 2016-03-28 | 2016-07-27 | 中国航空工业集团公司雷华电子技术研究所 | 雷达脉冲重复频率检测与初始脉冲到达时间的估计方法 |
CN106295500A (zh) * | 2016-07-22 | 2017-01-04 | 中国船舶重工集团公司第七二四研究所 | 一种重频抖动信号和常规信号分离方法 |
CN108572353A (zh) * | 2018-04-28 | 2018-09-25 | 西安电子科技大学 | 一种低截获雷达的脉冲时间序列规划方法 |
CN108845297A (zh) * | 2018-03-18 | 2018-11-20 | 西安电子科技大学 | 一种基于符号法区分重频模式的方法 |
CN109031215A (zh) * | 2018-06-27 | 2018-12-18 | 扬州大学 | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 |
CN109917360A (zh) * | 2019-03-01 | 2019-06-21 | 吉林大学 | 一种混叠脉冲的参差pri估计方法 |
CN110188647A (zh) * | 2019-05-23 | 2019-08-30 | 西安电子科技大学 | 一种基于变分模态分解雷达辐射源特征提取及其分类方法 |
US20200158836A1 (en) * | 2018-11-19 | 2020-05-21 | The University Court Of The University Of Edinburgh | Digital pixel |
CN114417943A (zh) * | 2022-03-29 | 2022-04-29 | 中国科学院空天信息创新研究院 | 重复频率调制类型的识别方法 |
CN116087883A (zh) * | 2023-02-20 | 2023-05-09 | 西安电子科技大学 | 基于二维特征向量的抗抖动脉冲重复间隔分选方法 |
-
2023
- 2023-06-29 CN CN202310784518.8A patent/CN116821658B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5363103A (en) * | 1993-01-05 | 1994-11-08 | Her Majesty The Queen As Represented By The Minister Of National Defence Of Her Majesty's Canadian Government | Method for evaluating similarity of signals having a carrier frequency offset |
US20120293363A1 (en) * | 2011-05-20 | 2012-11-22 | Kyu-Ha Song | Method and device for recognizing pri modulation type of radar signal |
CN105807264A (zh) * | 2016-03-28 | 2016-07-27 | 中国航空工业集团公司雷华电子技术研究所 | 雷达脉冲重复频率检测与初始脉冲到达时间的估计方法 |
CN106295500A (zh) * | 2016-07-22 | 2017-01-04 | 中国船舶重工集团公司第七二四研究所 | 一种重频抖动信号和常规信号分离方法 |
CN108845297A (zh) * | 2018-03-18 | 2018-11-20 | 西安电子科技大学 | 一种基于符号法区分重频模式的方法 |
CN108572353A (zh) * | 2018-04-28 | 2018-09-25 | 西安电子科技大学 | 一种低截获雷达的脉冲时间序列规划方法 |
CN109031215A (zh) * | 2018-06-27 | 2018-12-18 | 扬州大学 | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 |
US20200158836A1 (en) * | 2018-11-19 | 2020-05-21 | The University Court Of The University Of Edinburgh | Digital pixel |
CN109917360A (zh) * | 2019-03-01 | 2019-06-21 | 吉林大学 | 一种混叠脉冲的参差pri估计方法 |
CN110188647A (zh) * | 2019-05-23 | 2019-08-30 | 西安电子科技大学 | 一种基于变分模态分解雷达辐射源特征提取及其分类方法 |
CN114417943A (zh) * | 2022-03-29 | 2022-04-29 | 中国科学院空天信息创新研究院 | 重复频率调制类型的识别方法 |
CN116087883A (zh) * | 2023-02-20 | 2023-05-09 | 西安电子科技大学 | 基于二维特征向量的抗抖动脉冲重复间隔分选方法 |
Non-Patent Citations (3)
Title |
---|
W. JIANG: "Efficient maximum-likelihood period estimation from incomplete timing data", INTERNATIONAL CONFERENCE ON AUTOMATIC CONTROL AND ARTIFICIAL INTELLIGENCE (ACAI 2012), pages 959 - 962 * |
刘正成;齐永梅;姚志均;: "一种快速重频参差信号分选方法", 舰船电子对抗, vol. 40, no. 05, pages 70 - 73 * |
薛磊: "基于周期样本图重构的雷达PRI调制类型识别算法研究", 信息对抗技术, vol. 2, no. 02, pages 75 - 89 * |
Also Published As
Publication number | Publication date |
---|---|
CN116821658B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nassar et al. | Modeling inertial sensor errors using autoregressive (AR) models | |
US7941287B2 (en) | Periodic jitter (PJ) measurement methodology | |
US20020120420A1 (en) | Method and apparatus for jitter analysis | |
CN111310833B (zh) | 一种基于贝叶斯神经网络的出行方式识别方法 | |
CN105699072B (zh) | 一种基于级联经验模态分解齿轮故障诊断方法 | |
CN101662305A (zh) | 直接序列扩频系统伪随机码估计方法 | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN104101751A (zh) | 基于信息熵的数字存储示波器垂直分辨率提高方法 | |
CN110287537A (zh) | 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法 | |
CN116821658B (zh) | 一种适应不同重复间隔类型的时钟周期指纹特征提取方法 | |
Wang et al. | Radar HRRP target recognition in frequency domain based on autoregressive model | |
CN110837088B (zh) | 一种星载激光测高仪数据去噪方法 | |
CN115166650B (zh) | 一种雷达信号识别与参数估计方法和系统 | |
CN109120562B (zh) | 一种基于频谱累加匹配的mfsk信号频率估计方法 | |
CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
KR100561555B1 (ko) | 레이더 펄스의 분석방법 | |
RU2302655C1 (ru) | Способ обнаружения аномальных измерений без оценки функции тренда и устройство, его реализующее | |
CN113052053B (zh) | 一种坐标时间序列周期项的提取方法 | |
CN112964931B (zh) | 基于双通道欠采样的非理想多阻尼谐波信号参数测量方法 | |
Fuhua et al. | Improved method for deinterleaving radar pulse trains with stagger PRI from dense pulse series | |
CN113259017B (zh) | 一种基于跳时关系的帧内信号分选方法 | |
Cheng et al. | A radar main lobe pulse correlation sorting method | |
CN113917434B (zh) | 一种基于代价参考粒子滤波器组的检测前跟踪方法 | |
CN117310636B (zh) | 一种固定脉冲重复间隔测量方法、设备和介质 | |
CN112213693B (zh) | 相位编码雷达信号码元宽度的解算方法及系统 |
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 |