CN117155351B - 一种基于射频脉冲发生装置的脉冲控制方法 - Google Patents
一种基于射频脉冲发生装置的脉冲控制方法 Download PDFInfo
- Publication number
- CN117155351B CN117155351B CN202311412269.6A CN202311412269A CN117155351B CN 117155351 B CN117155351 B CN 117155351B CN 202311412269 A CN202311412269 A CN 202311412269A CN 117155351 B CN117155351 B CN 117155351B
- Authority
- CN
- China
- Prior art keywords
- radio frequency
- frequency pulse
- pulse
- signal
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005284 excitation Effects 0.000 claims abstract description 26
- 230000001052 transient effect Effects 0.000 claims abstract description 25
- 239000012634 fragment Substances 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K5/00—Manipulating of pulses not covered by one of the other main groups of this subclass
- H03K5/01—Shaping pulses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Nonlinear Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及脉冲处理技术领域,提出了一种基于射频脉冲发生装置的脉冲控制方法,包括:获取时域射频脉冲信号;根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度,根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度并获取射频脉冲抖动干扰片段,利用短时傅里叶变化获取频域射频脉冲抖动干扰信号,根据每个频域射频脉冲抖动干扰信号计算离散频率因子,根据离散频率因子获取离散频率因子序列;根据离散频率因子序列获取的时域射频脉冲信号分量,根据时域射频脉冲信号分量计算主导关联度,根据每个分量的主导关联度对射频脉冲信号重构,利用重构信号对脉冲进行输出控制。本发明提高了脉冲控制的准确性。
Description
技术领域
本发明涉及脉冲处理技术领域,具体涉及一种基于射频脉冲发生装置的脉冲控制方法。
背景技术
射频表示了一种辐射到空间的电磁频率,其频率范围在30MHz-300GHz,射频脉冲是一种符合射频范围的周期性变化的数字信号。由于射频脉冲发生系统装置具有放电稳定、工作电压低、使用安全和工作使用寿命相对较长的优良性质,而被广泛应用于医疗辅助、工业控制和航空雷达预警等多种不同的领域中。
在射频脉冲信号处理过程中,由于信号频率范围相对较宽,实际工作过程中极容易受到外界环境干扰误差,导致短时间内的射频脉冲信号出现微小抖动,因此需要对脉冲信号进行优化控制处理,提高射频脉冲发生系统整体的稳定性和抗干扰性。
发明内容
本发明提供一种基于射频脉冲发生装置的脉冲控制方法,以解决传统变分模态分解算法对射频脉冲处理过程中参数选择不当导致脉冲抖动控制效果较差的问题,所采用的技术方案具体如下:
本发明一个实施例一种基于射频脉冲发生装置的脉冲控制方法,该方法包括以下步骤:
获取时域射频脉冲信号;
根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度,根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度;
根据每个时刻的射频脉冲瞬态激励区别强度获取射频脉冲抖动干扰片段,利用短时傅里叶变化获取频域射频脉冲抖动干扰信号,根据每个频域射频脉冲抖动干扰信号计算离散频率因子,根据离散频率因子获取离散频率因子序列;
根据离散频率因子序列获取的时域射频脉冲信号分量,根据时域射频脉冲信号分量计算主导关联度,根据每个分量的主导关联度对射频脉冲信号重构,利用重构信号对脉冲进行输出控制。
优选地,所述根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度的数学表达式为:
上述公式中,为初始短时间窗口长度,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部方差,/>表示了所有不同时刻点位置处射频脉冲信号强度的全局方差,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部均值,/>表示了所有不同时刻位置处射频脉冲信号强度的全局均值,/>表示了以时刻/>为起点的射频脉冲信号的最适短时间窗口长度。
优选地,所述根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度的数学表达式为:
上述公式中,表示了归一化函数,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度对应的时刻位置,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉冲信号强度对应的时刻位置,/>表示了当前时刻/>最适短时间窗口长度,/>表示了以时刻/>为起点的最适短时间窗口长度中第/>个时刻位置处的时域射频脉冲信号强度,表示了时刻/>处的射频脉冲瞬态激励区别强度。
优选地,所述根据每个时刻的射频脉冲瞬态激励区别强度获取射频脉冲抖动干扰片段的方法为:
将每个时刻为起点的最适短时间窗口中所有数据点构成的数据片段记为第一数据片段,将第一数据片段起点位置处射频脉冲瞬态激励区别强度大于第一数据片段所有数据点射频脉冲瞬态激励区别强度均值的片段记为射频脉冲抖动干扰片段。
优选地,所述根据每个频域射频脉冲抖动干扰信号计算离散频率因子的方法为:
将每个频域射频脉冲抖动干扰信号频率标准差与均值的比值记为第一比值,将第一比值与每个频域射频脉冲抖动干扰信号的离散变化熵的乘积记为离散频率因子。
优选地,所述每个频域射频脉冲抖动干扰信号的离散变化熵的计算方法为:
将每个频域射频脉冲抖动干扰信号最高频率左侧最邻近最低点坐标与右侧最邻近最低点坐标的差值记为第一长度,利用第一长度将每个频域射频脉冲抖动干扰信号划分为不同频率区间,将每个频率区间中数据点个数与信号数据点总个数的比值记为每个频率区间的射频脉冲分布概率,利用每个频率区间射频脉冲分布概率计算信息熵并记为离散变化熵。
优选地,所述根据离散频率因子获取离散频率因子序列的方法为:
将每个频域射频脉冲抖动干扰信号的离散频率因子按数值从小到大排列构成离散频率因子序列。
优选地,所述根据离散频率因子序列获取的时域射频脉冲信号分量的方法为:
将离散频率因子序列作为贝叶斯变点检测算法输入获取离散频率因子序列的跳变点个数,将跳变点个数和时域脉冲射频信号作为变分模态分解算法输入得到时域射频脉冲信号分量。
优选地,所述根据时域射频脉冲信号分量计算主导关联度的数学表达式为:
上述公式中,表示了以自然常数为底的指数函数,/>表示了最大值函数,表示了最小值函数,/>表示了时域射频脉冲信号强度的最大值,/>表示了时域射频脉冲信号强度的最小值,/>表示了第/>个分量信号强度的最大值,/>表示了第/>个分量信号强度的最小值,/>表示了两个不同信号之间的DTW距离,/>表示了时域射频脉冲信号,/>表示了第/>个分量信号,/>表示了第/>个分量信号的主导关联度。
优选地,所述根据每个分量的主导关联度对射频脉冲信号重构的方法为:
保留分量信号主导关联度大于的预设经验值的所有时域射频脉冲分量信号,并使用信号重构算法将所有保留的射频脉冲分量信号进行重构。
本发明的有益效果是:本发明结合时域射频脉冲信号中抖动干扰信号变化特点获取射频脉冲信号的最适短时间窗口长度,相较于传统计算过程中固定长度的时间窗口,更好地覆盖了时域射频脉冲信号中抖动干扰信号。同时,本发明结合最适短时间窗口长度中信号强度变化情况计算得到了射频脉冲瞬态激励区别强度,有效地表征了的射频脉冲信号中抖动干扰信号的变化特点。本发明利用射频脉冲瞬态激励区别强度获取频域射频脉冲抖动干扰信号并计算相应的离散频率因子,对射频脉冲中抖动干扰信号进行区别。进一步地,本发明根据离散频率因子数值跳变情况对时域射频脉冲信号分解成相应分量个数,并根据分解后的信号分量的主导关联度对射频脉冲信号进行重构,消除抖动干扰信号影响,提高对射频脉冲发生装置脉冲的准确控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种基于射频脉冲发生装置的脉冲控制方法的流程示意图;
图2为离散频率因子计算流程示意图。
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。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1,其示出了本发明一个实施例提供的一种基于射频脉冲发生装置的脉冲控制方法流程图,该方法包括以下步骤:
步骤S001,获取时域射频脉冲信号。
需要说明的是,为了较好的分离射频脉冲发生过程中产生的异常噪声干扰,需要首先获取当前状态下的射频脉冲信号数据。首先使用示波器对射频脉冲发生装置产生的射频脉冲信号进行采集捕获,由于示波器是一种时域分析仪器,因此可以通过示波器获取得到时域射频脉冲信号。使用示波器获取射频脉冲发生装置的射频脉冲信号数据,并记为时域射频脉冲信号为,对于时刻/>位置处时域射频脉冲的信号强度分别记为/>。
步骤S002,根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度,根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度。
需要说明的是,由于射频脉冲信号微小抖动干扰信号数据无法在较长的时间片段上维持,在时域射频脉冲信号中应表现为一个短时间、信号激励强度与周围较为平稳的射频脉冲信号数据具有明显区别的射频脉冲信号。因此,需要对时域射频脉冲信号进行分窗,在一个短时间长度的窗口中对时域射频脉冲信号状态进行计算分析。
具体地,由于这种微小抖动干扰信号数据在时域出现具有一定的随机性特点,因此若使用固定长度的短时间窗口不能较好的反映出干扰信号数据与原始信号数据的区别特征,首先假设初始短时间窗口长度为,本发明令初始短时间窗口长度/>取值为/>,此时需要根据初始短时间窗口长度中射频脉冲信号变化情况进一步计算,获取最适短时间窗口长度。
上述公式中,为初始短时间窗口长度,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部方差,/>表示了所有不同时刻点位置处射频脉冲信号强度的全局方差,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部均值,/>表示了所有不同时刻位置处射频脉冲信号强度的全局均值,/>表示了以时刻/>为起点的射频脉冲信号的最适短时间窗口长度。
通过上述计算分析可以获取得到不同时刻位置处最适短时间窗口长度,若在初始短时间窗口长度中,射频脉冲信号强度变化越不稳定,说明此时在初始短时间窗口中出现微小抖动干扰信号数据的可能性越高,则在初始短时间窗口长度的中计算得到的局部均值应大于等于全局均值,同时根据射频脉冲信号强度的局部方差与全局方差的相对变化适当缩小短时间窗口长度,反之,则根据射频脉冲信号强度的局部方差与全局方差的相对变化适当扩大短时间窗口长度,获取最适短时间窗口长度。
特别地,为了避免过长的时间窗口对后续计算过程中造成的计算成本较高,实时性结果较差的影响,同时也为了避免过小的时间窗口难以覆盖一个完整的微小抖动干扰信号数据从而无法准确获取干扰信号数据,影响射频脉冲信号数据平稳性,因此,在对短时间窗口长度进行缩小时,最小不应小于,同时在对短时间窗口长度进行扩大时,最大不应大于2倍的初始短时间窗口长度。
需要说明的是,由于抖动干扰信号在时域状态下与正常信号数据相比应具有持续时间短、信号强度剧烈变化的特点,因此,需要对时域射频脉冲信号在最适时间窗口长度中的强度变化和维持时间进行计算。
上述公式中,表示了归一化函数,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度对应的时刻位置,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉冲信号强度对应的时刻位置,/>表示了当前时刻/>最适短时间窗口长度,/>表示了以时刻/>为起点的最适短时间窗口长度中第/>个时刻位置处的时域射频脉冲信号强度,表示了时刻/>处的射频脉冲瞬态激励区别强度。
通过上述公式可以计算得到时刻位置处时域射频脉冲信号的瞬态激励区别强度,对于时域射频脉冲信号,在最适短时间窗口长度中,若最大信号强度与最小信号强度之间差距越大, 同时持续时间越短,说明抖动干扰越明显,最适短时间窗口长度中不同时刻位置处的射频脉冲信号强度与最小强度之间的差距越大,则此时计算得到的时刻/>处的射频脉冲瞬态激励区别强度数值会相对较大,说明对应时刻位置处射频脉冲信号数据为抖动干扰情况的可能性越高,即越符合抖动干扰信号在时域中持续时间短、信号强度剧烈变化的特点。
步骤S003,根据每个时刻的射频脉冲瞬态激励区别强度获取射频脉冲抖动干扰片段,利用短时傅里叶变化获取频域射频脉冲抖动干扰信号,根据每个频域射频脉冲抖动干扰信号计算离散频率因子,根据离散频率因子获取离散频率因子序列。
需要说明的是,对于时域射频脉冲信号中抖动干扰信号强度表现可能并不明显,无法通过时域信号强度的变化特点对抖动干扰信号位置进行筛选,同时以不同时刻为起点得到的最适的短时间窗口长度之间存在一定程度上的重合交叠,因此为了避免重复性计算和提高抖动干扰信号片段获取的准确性,需要结合频域射频脉冲信号进一步计算。
具体地,根据步骤S002计算分析,对于时域射频脉冲信号中不同时刻位置处构成的最适短时间窗口中计算得到的射频脉冲瞬态激励区别强度数值越大,说明当前时刻位置处最适短时间窗口中发生抖动干扰的可能性相对较大。
因此,将每个时刻位置为起点,在最适短时间窗口所有不同数据点按先后顺序构成数据片段,将每个数据片段起点位置处瞬态激励区别强度大于数据片段中所有数据瞬态激励区别强度均值的数据片段记为射频脉冲抖动干扰片段,假设当前状态下射频脉冲抖动干扰片段个数为。
对于每个射频脉冲抖动干扰片段均存在较大可能出现抖动异常信号干扰,因此使用短时傅里叶变换(STFT)算法对射频脉冲抖动干扰的片段进行处理,得到频域射频脉冲抖动干扰信号。在时域下抖动干扰信号相对于正常的射频脉冲信号表现为较为明显的剧烈起伏,因此在频域变换下得到频域射频脉冲抖动干扰信号中,具有较为明显的剧烈起伏的抖动干扰信号可能表现为多个不同频率信号的叠加,而正常脉冲射频信号应集中表现在一个频率范围内。
因此,对于每个频域射频脉冲抖动干扰信号中,记最高频率左侧最低点坐标与右侧最低点坐标的差值为每个频域射频脉冲抖动干扰信号的最高频率区间长度,并以最高频率区间长度将频域射频脉冲得抖动干扰信号划分为不同频率区间。
上述公式中,表示了第/>个频域射频脉冲抖动干扰信号所有数据点的总个数,/>表示了第/>个频率区间的射频脉冲分布概率,/>表示了以数字/>为底的对数函数,/>表示了第/>个频域射频脉冲抖动干扰信号的离散变化熵,/>表示了第/>个频域射频脉冲抖动干扰信号频率的标准差,/>表示了第/>个频域射频脉冲抖动干扰信号频率的均值,/>表示了第/>个频域射频脉冲抖动干扰信号的离散频率因子。
其中,的具体计算方法为,将第/>个频率区间中数据点个数与信号数据点总个数的比值。如图2所示,通过上述公式可以计算得到频域射频脉冲抖动干扰信号的离散频率因子,若第/>个频域射频脉冲抖动干扰信号在不同频率区间中分布越离散,则计算得到的离散变化熵的数值相对较大,同时,第/>个频域射频脉冲抖动干扰信号频率的标准差与均值比值也会相对较大,则此时计算得到第/>个频域射频脉冲抖动干扰信号频率的离散频率因子也会相对较大,说明第/>个频域射频脉冲抖动干扰信号出现抖动干扰的情况越明显。
步骤S004,根据离散频率因子序列获取的时域射频脉冲信号分量,根据时域射频脉冲信号分量计算主导关联度,根据每个分量的主导关联度对射频脉冲信号重构,利用重构信号对脉冲进行输出控制。
需要说明的是,对于不同的频域射频脉冲抖动干扰信号据可以计算得到相应的离散频率因子的数值大小,计算得到的离散频率因子越大的频域射频脉冲抖动干扰信号出现抖动干扰的情况越明显。
因此获取不同频域射频脉冲抖动干扰信号的离散频率因子构成离散频率因子序列,并将离散频率因子序列作为贝叶斯变点检测算法的输入,获取离散频率因子序列中所有不同数值变化点,假设对于当前离散频率因子序列的跳变点为。当离散频率因子发生数值跳动时,认为存在一类较为明显的抖动干扰信号。其中贝叶斯变点检测算法的具体计算过程为公知技术,在此不再赘述。
将作为变分模态分解(VMD)算法的/>值输入,并将时域射频脉冲信号作为输入,通过VMD算法将分解为/>个不同的时域射频脉冲信号分量,这些分解后的分量包括了抖动干扰信号数据。因此,需要对分解后不同信号分量状态进一步计算。
上述公式中,表示了以自然常数为底的指数函数,/>表示了最大值函数,表示了最小值函数,/>表示了时域射频脉冲信号强度的最大值,/>表示了时域射频脉冲信号强度的最小值,/>表示了第/>个分量信号强度的最大值,/>表示了第/>个信号分量强度的最小值,/>表示了两个不同信号之间的DTW距离,/>表示了时域射频脉冲信号,/>表示了第/>个分量信号,/>表示了第/>个分量信号的主导关联度。
对于分解后的分量信号若主导形式表现为抖动干扰,则分解后信号分量的信号强度极差会与时域射频脉冲信号存在较大的差异,同时,两个信号的之间的DTW距离也会相对较大,则此时计算得到第个信号分量的主导关联度数值应相对较小;反之,若分解后的信号分量主导形式为射频脉冲信号,此时计算得到的主导关联度数值应相对较大。
因此,本发明取经验阈值为/>,舍去所有小于经验阈值的分量,并将所有大于经验阈值的信号分量进行重构,将重构后的信号作为射频脉冲发生装置的脉冲信号,降低射频脉冲发生装置中射频脉冲的抖动干扰,完成对脉冲的控制。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (2)
1.一种基于射频脉冲发生装置的脉冲控制方法,其特征在于,该方法包括以下步骤:
获取时域射频脉冲信号;
根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度,根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度;
根据每个时刻的射频脉冲瞬态激励区别强度获取射频脉冲抖动干扰片段,利用短时傅里叶变化获取频域射频脉冲抖动干扰信号,根据每个频域射频脉冲抖动干扰信号计算离散频率因子,根据离散频率因子获取离散频率因子序列;
根据离散频率因子序列获取的时域射频脉冲信号分量,根据时域射频脉冲信号分量计算主导关联度,根据每个分量的主导关联度对射频脉冲信号重构,利用重构信号对脉冲进行输出控制;
所述根据时域射频脉冲信号计算每个时刻处的最适短时间窗口长度的数学表达式为:
式中,为初始短时间窗口长度,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部方差,/>表示了所有不同时刻点位置处射频脉冲信号强度的全局方差,/>表示了以时刻/>为起点的短时间窗口长度中射频脉冲信号强度的局部均值,/>表示了所有不同时刻位置处射频脉冲信号强度的全局均值,/>表示了以时刻/>为起点的射频脉冲信号的最适短时间窗口长度;
所述根据最适短时间窗口长度计算每个时刻的射频脉冲瞬态激励区别强度的数学表达式为:
式中,表示了归一化函数,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉信号强度,/>表示了以时刻/>为起点的最适短时间窗口长度中最大射频脉冲信号强度对应的时刻位置,/>表示了以时刻/>为起点的最适短时间窗口长度中最小射频脉冲信号强度对应的时刻位置,/>表示了当前时刻/>最适短时间窗口长度,/>表示了以时刻/>为起点的最适短时间窗口长度中第/>个时刻位置处的时域射频脉冲信号强度,/>表示了时刻/>处的射频脉冲瞬态激励区别强度;
所述根据每个时刻的射频脉冲瞬态激励区别强度获取射频脉冲抖动干扰片段的方法为:将每个时刻为起点的最适短时间窗口中所有数据点构成的数据片段记为第一数据片段,将第一数据片段起点位置处射频脉冲瞬态激励区别强度大于第一数据片段所有数据点射频脉冲瞬态激励区别强度均值的片段记为射频脉冲抖动干扰片段;
所述根据每个频域射频脉冲抖动干扰信号计算离散频率因子的方法为:将每个频域射频脉冲抖动干扰信号频率标准差与均值的比值记为第一比值,将第一比值与每个频域射频脉冲抖动干扰信号的离散变化熵的乘积记为离散频率因子;
所述每个频域射频脉冲抖动干扰信号的离散变化熵的计算方法为:将每个频域射频脉冲抖动干扰信号最高频率左侧最邻近最低点坐标与右侧最邻近最低点坐标的差值记为第一长度,利用第一长度将每个频域射频脉冲抖动干扰信号划分为不同频率区间,将每个频率区间中数据点个数与信号数据点总个数的比值记为每个频率区间的射频脉冲分布概率,利用每个频率区间射频脉冲分布概率计算信息熵并记为离散变化熵;
所述根据离散频率因子获取离散频率因子序列的方法为:将每个频域射频脉冲抖动干扰信号的离散频率因子按数值从小到大排列构成离散频率因子序列;
所述根据离散频率因子序列获取的时域射频脉冲信号分量的方法为:将离散频率因子序列作为贝叶斯变点检测算法输入获取离散频率因子序列的跳变点个数,将跳变点个数和时域脉冲射频信号作为变分模态分解算法输入得到时域射频脉冲信号分量;
所述根据时域射频脉冲信号分量计算主导关联度的数学表达式为:
式中,表示了以自然常数为底的指数函数,/>表示了最大值函数,/>表示了最小值函数,/>表示了时域射频脉冲信号强度的最大值,/>表示了时域射频脉冲信号强度的最小值,/>表示了第/>个分量信号强度的最大值,/>表示了第/>个分量信号强度的最小值,/>表示了两个不同信号之间的DTW距离,/>表示了时域射频脉冲信号,/>表示了第/>个分量信号,/>表示了第/>个分量信号的主导关联度。
2.根据权利要求1所述的一种基于射频脉冲发生装置的脉冲控制方法,其特征在于,所述根据每个分量的主导关联度对射频脉冲信号重构的方法为:
保留分量信号主导关联度大于的预设经验值的所有时域射频脉冲分量信号,并使用信号重构算法将所有保留的射频脉冲分量信号进行重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412269.6A CN117155351B (zh) | 2023-10-30 | 2023-10-30 | 一种基于射频脉冲发生装置的脉冲控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412269.6A CN117155351B (zh) | 2023-10-30 | 2023-10-30 | 一种基于射频脉冲发生装置的脉冲控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117155351A CN117155351A (zh) | 2023-12-01 |
CN117155351B true CN117155351B (zh) | 2024-02-09 |
Family
ID=88903010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311412269.6A Active CN117155351B (zh) | 2023-10-30 | 2023-10-30 | 一种基于射频脉冲发生装置的脉冲控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117155351B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5557196A (en) * | 1993-08-25 | 1996-09-17 | Advantest Corporation | Jitter analyzer |
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 |
CN109655795A (zh) * | 2019-01-24 | 2019-04-19 | 南京莱斯电子设备有限公司 | 基于波形熵的米波雷达同频窄脉冲干扰抑制方法和系统 |
CN113176543A (zh) * | 2021-03-26 | 2021-07-27 | 上海卫星工程研究所 | 多维度信息联合的射频干扰抑制方法和系统 |
CN114820847A (zh) * | 2022-04-15 | 2022-07-29 | 天津大学 | 一种用于透射衰减超声层析成像的幅值提取方法 |
CN115529213A (zh) * | 2022-11-28 | 2022-12-27 | 中国人民解放军国防科技大学 | 一种用于分离lfm脉冲重叠信号的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101257373A (zh) * | 2007-02-27 | 2008-09-03 | 吴伟 | 基于时间-频率域分析的信号抖动检测方法 |
-
2023
- 2023-10-30 CN CN202311412269.6A patent/CN117155351B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5557196A (en) * | 1993-08-25 | 1996-09-17 | Advantest Corporation | Jitter analyzer |
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 |
CN109655795A (zh) * | 2019-01-24 | 2019-04-19 | 南京莱斯电子设备有限公司 | 基于波形熵的米波雷达同频窄脉冲干扰抑制方法和系统 |
CN113176543A (zh) * | 2021-03-26 | 2021-07-27 | 上海卫星工程研究所 | 多维度信息联合的射频干扰抑制方法和系统 |
CN114820847A (zh) * | 2022-04-15 | 2022-07-29 | 天津大学 | 一种用于透射衰减超声层析成像的幅值提取方法 |
CN115529213A (zh) * | 2022-11-28 | 2022-12-27 | 中国人民解放军国防科技大学 | 一种用于分离lfm脉冲重叠信号的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Feature Extraction of Intra-Pulse Modulated LPI Waveforms Using STFT;Anupama Gupta等;《2019 4th International Conference on Recent Trends on Electronics, Information, Communication & Technology (RTEICT)》;742-746 * |
基于小波包阈值法的脉冲星信号去噪方法研究;邵广盛;《中国优秀硕士学位论文全文数据库基础科学辑》;A007-15 * |
Also Published As
Publication number | Publication date |
---|---|
CN117155351A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Päivinen et al. | Epileptic seizure detection: A nonlinear viewpoint | |
Smith | Threshold methods for sample extremes | |
Bolea et al. | Methodological framework for estimating the correlation dimension in HRV signals | |
Szczepański et al. | Application of Lempel–Ziv complexity to the analysis of neural discharges | |
CN109009124B (zh) | 基于超宽带雷达的呼吸频率测量及目标定位方法 | |
Lee et al. | Jamming prediction for radar signals using machine learning methods | |
Zhang et al. | Signal detection and classification in shared spectrum: A deep learning approach | |
CN112200016A (zh) | 基于集成学习方法AdaBoost的脑电信号情感识别 | |
CA2339127C (en) | Time-series prediction method and apparatus utilizing wavelet coefficient series | |
CN110398743A (zh) | 一种连续波主动声呐目标回波检测方法 | |
CN112565977B (zh) | 高频信号重建模型的训练方法和高频信号重建方法及装置 | |
Lake | Improved entropy rate estimation in physiological data | |
CN117155351B (zh) | 一种基于射频脉冲发生装置的脉冲控制方法 | |
CN110543482B (zh) | 一种最大时间间隔误差计算方法及系统 | |
CN110688959A (zh) | 无人机信号识别方法、装置、电子设备与存储介质 | |
Päeske et al. | Surrogate data method requires end-matched segmentation of electroencephalographic signals to estimate non-linearity | |
Parameshwaran et al. | Waveform complexity: A new metric for EEG analysis | |
Lewis et al. | Mixed effects random forests for personalised predictions of clinical depression severity | |
JP5552715B2 (ja) | 脳波処理装置、脳波処理方法、およびプログラム | |
CN111462775B (zh) | 音频相似度确定方法、装置、服务器及介质 | |
CN116898455B (zh) | 一种基于深度学习模型的睡眠脑电信号检测方法及系统 | |
Berezowski et al. | Identification of fast-changing signals by means of adaptive chaotic transformations | |
WO2009146466A1 (en) | Methods of detection of propagating phase gradients using model field theory of non-gaussian mixtures | |
CN116712099A (zh) | 基于多模态数据的胎心状态检测方法、电子设备、存储介质 | |
US20220207382A1 (en) | Apparatus and method for refining data and improving performance of behavior recognition model by reflecting time-series characteristics of behavior |
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 |