CN117786398B - 跳频信号特征识别方法、系统、电子设备及存储介质 - Google Patents
跳频信号特征识别方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117786398B CN117786398B CN202410218632.9A CN202410218632A CN117786398B CN 117786398 B CN117786398 B CN 117786398B CN 202410218632 A CN202410218632 A CN 202410218632A CN 117786398 B CN117786398 B CN 117786398B
- Authority
- CN
- China
- Prior art keywords
- data
- power spectrum
- frequency domain
- frequency
- channel
- 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 51
- 238000001228 spectrum Methods 0.000 claims abstract description 185
- 238000001914 filtration Methods 0.000 claims abstract description 39
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 230000000295 complement effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 abstract description 9
- 239000000872 buffer Substances 0.000 description 30
- 238000009825 accumulation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012935 Averaging Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及通信技术领域，提供一种跳频信号特征识别方法、系统、电子设备及存储介质，方法包括：接收待识别跳频信号，基于所述待识别跳频信号进行加窗滤波，得到滤波数据；确定所述滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据所述长度差值对所述滤波数据中的窗数据进行长度补齐，得到补齐数据；基于所述补齐数据进行时频转换，得到频域功率谱数据集；基于所述频域功率谱数据集进行功率谱门限判决；若所述频域功率谱数据集中任一信道的功率谱数据通过判决，则获取所述信道的特征信息作为所述待识别跳频信号的信号特征。本申请可以控制时域分辨率与频域分辨率均处于较高的水平，进而提高最终识别的跳频信号特征的准确性。
Description
技术领域
本申请涉及通信技术领域，具体涉及一种跳频信号特征识别方法、系统、电子设备及存储介质。
背景技术
跳频技术用于确保通信的秘密性和抗干扰性，使得传输数据难以被截获。如何在复杂的电磁环境中，对跳频信号的特征进行获取是通信信号侦察的一项重要工作。实际应用产品中采用基于时频分析技术，例如以短时傅里叶变换(Short-time FourierTransform，STFT)为代表的线性时频分析技术。但因其属于线性变换，运算简单，适用于数据量大的信号。短时傅里叶变换，它在时域和频域都有一定的分辨率，并且在全局范围内短时傅里叶变换的时频分辨率都是一样的。
由于Heisenberg不确定原理(也就是量子力学中的测不准原理)的制约，每一个时频窗的面积都是固定的，即时域分辨率和频域分辨率成反比，所以这两个分辨率不能同时很高。
时域分辨率和频域分辨率不能同时很高，会导致时频模糊、频率泄露以及窗函数选择的难题，进而导致当前跳频信号特征的识别准确度低下。
发明内容
本申请实施例提供一种跳频信号特征识别方法、系统、电子设备及存储介质，用以解决当前跳频信号特征的识别准确度低下的问题。
第一方面，本申请实施例提供一种跳频信号特征识别方法，包括：
接收待识别跳频信号，基于所述待识别跳频信号进行加窗滤波，得到滤波数据；
确定所述滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据所述长度差值对所述滤波数据中的窗数据进行长度补齐，得到补齐数据；
基于所述补齐数据进行时频转换，得到频域功率谱数据集；
基于所述频域功率谱数据集进行功率谱门限判决；
若所述频域功率谱数据集中任一信道的功率谱数据通过判决，则获取所述信道的特征信息作为所述待识别跳频信号的信号特征。
在一个实施例中，所述基于所述频域功率谱数据集进行功率谱门限判决，包括：
分别确定所述频域功率谱数据集中各信道的环境功率噪声参数；
将各信道的环境功率噪声参数分别与功率谱门限进行相加，得到相应信道的判决参数；
将所述频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对；
若任一信道的频域功率谱数据大于相应信道的判决参数，则确定相应信道的频域功率谱数据通过判决。
在一个实施例中，在分别确定所述频域功率谱数据集中各信道的环境功率噪声参数时，针对每一信道分别执行以下步骤：
将所述频域功率谱数据集中当前信道的频域功率谱数据与预设累加功率谱结果缓存中的数据进行累加，得到累加功率谱数据；
将所述累加功率谱数据的平均值，确定为当前信道的环境功率噪声参数。
在一个实施例中，在将所述频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对之后，还包括：
若任一信道的频域功率谱数据小于或等于相应信道的判决参数，则确定相应信道的持续时长参数；
将所述持续时长参数与预设持续时长门限进行比对；
若所述持续时长参数大于所述预设持续时长门限，则确定相应信道的频域功率谱数据通过判决。
在一个实施例中，所述基于所述补齐数据进行时频转换，得到频域功率谱数据集，包括：
将所述补齐数据中的各窗数据转换为频域复数数据；
将各所述频域复数数据分别转换为频域幅值数据；
将各频域幅值数据分别转换为功率谱数据；
对各功率谱数据按照信道进行时隙平滑处理，得到包括各信道的频域功率谱数据的频域功率谱数据集。
在一个实施例中，所述基于所述待识别跳频信号进行加窗滤波，得到滤波数据，包括：
将所述待识别跳频信号转化为中频基带数据；
对所述中频基带数据进行数字下变频处理，得到零中频基带数据；
对所述零中频基带数据进行加窗滤波，得到滤波数据。
在一个实施例中，所述特征信息包括信道频点、信道功率、与相邻信道的功率差值及持续时长参数。
第二方面，本申请实施例提供一种跳频信号特征识别系统，包括处理器、无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器、跳频特征判决器和跳频识别配置器；无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器和跳频特征判决器依次连接；频域时隙平滑器、信道环境噪声统计器和跳频特征判决器依次连接；频域时隙平滑器和跳频特征判决器依次连接；跳频特征判决器、跳频识别配置器和基带数据发生器依次连接；
所述跳频信号特征识别系统通过处理器控制无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器、跳频特征判决器和跳频识别配置器实现第一方面所述的跳频信号特征识别方法。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的跳频信号特征识别方法。
第四方面，本申请实施例提供一种存储介质，所述存储介质为计算机可读存储介质，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的跳频信号特征识别方法。
本申请实施例提供的跳频信号特征识别方法、系统、电子设备及存储介质，通过在接收到待识别跳频信号后，根据待识别跳频信号进行加窗滤波，通过加窗可以进行时域分辨率的调整并得到滤波数据；进一步地，可以对加窗得到的滤波数据中的各窗数据进行长度补齐，由此增加频域傅里叶变换程度，进而提升频域分辨率；进一步地，可以根据补齐后的数据进行时频转换，得到相应的频域功率谱数据，并进行功率谱门限判决，以在频域功率谱数据中任一信道的功率谱数据通过判决时，获取信道的特征信息作为待识别跳频信号的信号特征，由此完成跳频信号特征识别。由于可以进行时域分辨率的配置以及提高频域分辨率，因此可以控制时域分辨率与频域分辨率均处于较高的水平，可以提高最终识别的跳频信号特征的准确性。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的跳频信号特征识别方法的整体流程示意图之一；
图2是本申请提供的跳频信号特征识别系统的结构示意图；
图3是本申请提供的基带数据发生器的结构示意图；
图4是本申请提供的频域时隙平滑器的结构示意图；
图5是本申请提供的跳频特征判决器50的结构示意图；
图6是本申请实施例提供的跳频信号特征识别方法的整体流程示意图之二；
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
下面结合实施例对本申请提供的跳频信号特征识别方法、系统、电子设备及存储介质进行详细描述。以下实施例用于说明本申请，但不能用来限制本申请的范围。
在本申请实施例的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请实施例中的具体含义。
在本申请实施例中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
图1为本申请实施例提供的跳频信号特征识别方法的整体流程示意图之一。
参照图1，本申请实施例提供一种跳频信号特征识别方法，该方法可以包括：
步骤100，接收待识别跳频信号，基于待识别跳频信号进行加窗滤波，得到滤波数据；
需要说明的是，本申请实施例提供的跳频信号特征识别方法可以应用于跳频信号特征识别系统。具体地，跳频信号特征识别系统可以为基于现场可编程门阵列（FieldProgrammable Gate Array，FPGA）平台的跳频信号特征识别系统。
本申请还提供一种跳频信号特征识别系统，参照图2，图2为本申请提供的跳频信号特征识别系统的结构示意图；在一实施例中，本申请中跳频信号特征识别系统可以包括处理器（图中未示出）、无线信号接收器00、基带数据发生器10、频域功率发生器20、频域时隙平滑器30、信道环境噪声统计器40、跳频特征判决器50和跳频识别配置器60。
其中，无线信号接收器00、基带数据发生器10、频域功率发生器20、频域时隙平滑器30、信道环境噪声统计器40和跳频特征判决器50依次连接；频域时隙平滑器30、信道环境噪声统计器40和跳频特征判决器50依次连接；频域时隙平滑器30和跳频特征判决器50依次连接；跳频特征判决器50、跳频识别配置器60和基带数据发生器10依次连接。
处理器可以分别与无线信号接收器00、基带数据发生器10、频域功率发生器20、频域时隙平滑器30、信道环境噪声统计器40和跳频特征判决器50连接，可以与无线信号接收器00、基带数据发生器10、频域功率发生器20、频域时隙平滑器30、信道环境噪声统计器40和跳频特征判决器50进行控制及交互。因此，跳频信号特征识别系统可以通过处理器控制无线信号接收器00、基带数据发生器10、频域功率发生器20、频域时隙平滑器30、信道环境噪声统计器40、跳频特征判决器50和跳频识别配置器60实现本申请的跳频信号特征识别方法。
本申请可以通过无线信号接收器00接收空中接口无线信号作为待识别跳频信号。
进一步地，可以通过基带数据发生器10对待识别跳频信号进行处理，并通过频域功率发生器20对处理后的数据进行加窗滤波，得到滤波数据。
步骤200，确定滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据长度差值对滤波数据中的窗数据进行长度补齐，得到补齐数据；
在得到滤波数据后，可以通过频域功率发生器20确定出滤波数据的窗长度与预设数据长度阈值之间的长度差值。本申请中初始的窗长度例如可以为1024个点，预设数据长度阈值例如可以为4096个点。
因此，可以计算出滤波数据的窗长度与预设数据长度阈值之间的长度差值为3072个点。
进一步地，可以在滤波数据的每一窗数据的尾部补齐3072个0形成一组长度为4096的数据，由多组补齐后的数据形成补齐数据。其中，补齐后窗数据的滑动窗长为4096个点，滑动窗长又可以作为1个时隙长度。
步骤300，基于补齐数据进行时频转换，得到频域功率谱数据集；
在得到补齐数据后，可以将补齐数据从时域转换至频域，并确定出每一滑动窗对应的频域功率谱数据。
进一步地，可以对各滑动窗对应的频域功率谱数据进行滑动平均，以此得到频域中各信道的频域功率谱数据，并由各信道的频域功率谱数据形成频域功率谱数据集。
步骤400，基于频域功率谱数据集进行功率谱门限判决；
进一步地，针对频域功率谱数据集中每一信道的频域功率谱数据，可以先确定每一信道对应的环境功率噪声参数，同时获取跳频识别配置器60中提供的功率谱门限。
将根据每一信道的环境功率噪声参数与功率谱门限之和作为判决标准，对相应信道的频域功率谱数据进行功率谱门限判决，由此得出每一信道的频域功率谱数据是否通过判决的结果。
其中，频域功率谱数据大于判决标准，则认为通过判决，否则认为未通过判决。
步骤500，若频域功率谱数据集中任一信道的功率谱数据通过判决，则获取信道的特征信息作为待识别跳频信号的信号特征。
在得到各信道的功率谱数据的判决结果后，可以获取通过判决的信道的信道频点、信道功率、与相邻信道的功率差值及持续时长参数等特征信息，并将获取的信道的特征信息作为待识别跳频信号的信号特征。
本申请实施例提供的跳频信号特征识别方法，通过在接收到待识别跳频信号后，根据待识别跳频信号进行加窗滤波，通过加窗可以进行时域分辨率的调整并得到滤波数据；进一步地，可以对加窗得到的滤波数据中的各窗数据进行长度补齐，由此增加频域傅里叶变换程度，进而提升频域分辨率；进一步地，可以根据补齐后的数据进行时频转换，得到相应的频域功率谱数据，并进行功率谱门限判决，以在频域功率谱数据中任一信道的功率谱数据通过判决时，获取信道的特征信息作为待识别跳频信号的信号特征，由此完成跳频信号特征识别。由于可以进行时域分辨率的配置以及提高频域分辨率，因此可以控制时域分辨率与频域分辨率均处于较高的水平，可以提高最终识别的跳频信号特征的准确性。
在一个实施例中，基于待识别跳频信号进行加窗滤波，得到滤波数据，包括：
步骤101，将待识别跳频信号转化为中频基带数据；
步骤102，对中频基带数据进行数字下变频处理，得到零中频基带数据；
步骤103，对零中频基带数据进行加窗滤波，得到滤波数据。
本申请可以通过无线信号接收器00将待识别跳频信号转化为中频基带数据送给基带数据发生器10。
具体地，无线信号接收器00是一种将模拟射频信号处理成数字中频基带信号的部件。该部件接收空口无线信号，对其进行射频处理，转换成数字的中频基带数据。
参照图3，图3为本申请提供的基带数据发生器的结构示意图；在一实施例中，本申请的基带数据发生器10可以包括依次交互的数字控制震荡器（Numerically ControlledOscillator，NCO）发生器11、复数混频器12和低通抽取滤波器13。
基带数据发生器10可以用于将输入的中频基带数据（可以简称为数字中频数据）做数字下变频（Digital Down Converter，DDC）处理，将中频基带信号搬移到零中频位置，通过抽取滤波处理得到特定带宽的数字零中频信号，从而提供特定频点零中频基带数据。
具体地，可以通过跳频识别配置器60生成对应的频点配置参数给基带数据发生器10，NCO发生器11按照输入的频点配置参数（可以称为偏移频率参数），生成对应频率的正弦和余弦波形数据输出给复数混频器12；复数混频器12分别将输入速率245.76MBPS（兆字节每秒），中心频点312MHz（兆赫兹），带宽200MHz数字中频信号与正弦输入波形信号和余弦波形信号相乘，得到搬移到零中频的数据，并送入低通抽取滤波器13；低通抽取滤波器13使用低通滤波器组构成，完成对输入数据先经过低通滤波器实现5倍插值/6倍抽取得到无混叠速率204.8MHz，带宽100MHz的零中频数据，然后通过2倍抽取低通滤波器得到带宽约束到100MHz，速率降为102.4MBPS的零中频基带数据，传输给频域功率发生器20。
本申请中频域功率发生器20可以包括前后交互的时域加窗滤波器21、快速傅里叶变换（Fast Fourier Transform，FFT）变换器22和频域功率转换器23。
其中，时域加窗滤波器21主要实现对零中频基带数据做滑动取数，并完成加窗处理。
具体地，可以通过时域加窗滤波器21将零中频基带数据缓存，并按照1024点长度滑动取值，与1024点实值低通滤波器系数相乘，实现时域平滑滤波处理功能，得到滤波数据。
本申请通过加窗可以进行时域分辨率的调整并得到滤波数据，可以提高时域分辨率，以在后续对加窗得到的滤波数据中的各窗数据进行长度补齐，由此增加频域傅里叶变换程度，进而提升频域分辨率，由此控制时域分辨率与频域分辨率均处于较高的水平，进而以提高最终识别的跳频信号特征的准确性。
采用灵活的降低数据码片速率，提高处理时钟频率，复用硬件功能模块，达到降低整体资源开销的目的。
在一个实施例中，基于补齐数据进行时频转换，得到频域功率谱数据集，包括：
步骤301，将补齐数据中的各窗数据转换为频域复数数据；
步骤302，将各频域复数数据分别转换为频域幅值数据；
步骤303，将各频域幅值数据分别转换为功率谱数据；
步骤304，对各功率谱数据按照信道进行时隙平滑处理，得到包括各信道的频域功率谱数据的频域功率谱数据集。
本申请可以通过FFT变换器22，采用FPGA内部互联网协议（Internet Protocol，IP）核生成4096点，定点模式的FFT变换模块，将输入的补齐数据中的各窗数据（即时域复数数据）转换成频域复数数据。采用CORDIC逻辑模块，将频域复数据转成频域幅值和相位数据，并将频域幅值数据送入频域功率转换器23。CORDIC（Coordinate Rotation DigitalComputer）逻辑模块是一种基于迭代算法的数字信号处理器件，用于快速计算三角函数、向量旋转等数学运算。
进一步地，可以通过频域功率转换器23将频域幅值数据转换成频域功率谱数据，降低数据位宽，减少后级缓存资源开销。为了简便计算，保证精度和降低资源开销，将输入的16bit无符号频域幅值数据求log10转换成log2计算，即转换成统计频域幅值数据有效位的处理，避免了大量复杂计算开销。同时，将16位无符号频域幅值数据分成10位整数部分和6位小数部分，小数部分采用查表方式，将预先计算好的功率谱表缓存，整数部分统计最高有效位，合并结果，即可得到频域功率谱数据，如此，进一步降低时序处理压力。
；
上述公式为换底公式。
；
上述公式为将log10计算转换成log2计算的式子，a与b并无实质意义。
进一步地，可以通过频域时隙平滑器30对各功率谱数据按照信道进行时隙平滑处理，得到包括各信道的频域功率谱数据的频域功率谱数据集。
参照图4，图4为本申请提供的频域时隙平滑器的结构示意图；在一实施例中，本申请的频域时隙平滑器30可以包括前后交互的缓存器31、累加平均器32和缓存读写控制器33。
频域时隙平滑器30可以用于对每个时隙的信道频域功率谱数据缓存后，按照相邻4个时隙功率谱数据进行滑动平均，滑动窗长4096点（1个时隙长度），并将结果分别送入信道环境噪声统计器40和跳频特征判决器50。
具体地，缓存读写控制器33将各个时隙的频域功率谱数据依次写入缓存器31中4个独立双口缓存中，当第4个时隙频域功率谱数据输入时，写入第4个双口缓存中，同时将第1、第2、第3缓存数据并行读出，并与输入的第4个时隙功率谱数据输入累加平均器32按照信道进行累加，并把累加结果平均后输出；当第5个时隙频域功率谱数据输入时，写入第1个双口缓存中，同时将第2、第3、第4缓存数据并行读出，并与输入的第5个时隙功率谱数据输入累加平均器32按照信道进行累加，并把累加结果平均后输出；当第6个时隙频域功率谱数据输入时，写入第2个双口缓存中，同时将第1、第3、第4缓存数据并行读出，并与输入的第6个时隙功率谱数据输入累加平均器32按照信道进行累加，并把累加结果平均后输出；当第7个时隙频域功率谱数据输入时，写入第3个双口缓存中，同时将第1、第2、第4缓存数据并行读出，并与输入的第7个时隙功率谱数据输入累加平均器32按照信道进行累加，并把累加结果平均后输出；当第8个时隙频域功率谱数据输入时，写入第4个双口缓存中，同时将第1、第2、第3缓存数据并行读出，并与输入的第8个时隙功率谱数据输入累加平均器32按照信道进行累加，并把累加结果平均后输出；……如此，完成4个相邻时隙频域功率谱数据的平滑处理功能，得到包括各信道的频域功率谱数据的频域功率谱数据集。
本申请通过将相邻时隙频域功率谱数据进行滑动平均处理，可以去除多种不同频点信号的交叉项干扰，有助于提高最终识别的跳频信号特征的准确性；同时由于采用快速傅里叶算法（FFT）来计算，具有实时性。
在一个实施例中，基于频域功率谱数据集进行功率谱门限判决，包括：
步骤401，分别确定频域功率谱数据集中各信道的环境功率噪声参数；
步骤402，将各信道的环境功率噪声参数分别与功率谱门限进行相加，得到相应信道的判决参数；
步骤403，将频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对；
步骤404，若任一信道的频域功率谱数据大于相应信道的判决参数，则确定相应信道的频域功率谱数据通过判决。
进一步地，在分别确定频域功率谱数据集中各信道的环境功率噪声参数时，针对每一信道分别执行以下步骤：
将频域功率谱数据集中当前信道的频域功率谱数据与预设累加功率谱结果缓存中的数据进行累加，得到累加功率谱数据；
将累加功率谱数据的平均值，确定为当前信道的环境功率噪声参数。
进一步地，在将频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对之后，还包括：
若任一信道的频域功率谱数据小于或等于相应信道的判决参数，则确定相应信道的持续时长参数；
将持续时长参数与预设持续时长门限进行比对；
若持续时长参数大于预设持续时长门限，则确定相应信道的频域功率谱数据通过判决。
具体地，在得到各信道的频域功率谱数据后，信道环境噪声统计器40可以实现循环累加100ms（毫秒）时长的信道功率谱数据，并对结果平均处理，得到每个信道的环境功率噪声参数（也可以称为信道环境底噪数据）。
具体地，可以依次累计满时长(N个滑动窗)，按照累计次数N平均，得到每个信道的环境功率噪声参数。N的数量可以根据实际需求设定。
更具体地，可以将输入一个时隙的功率谱数据与累加功率谱结果缓存中读出的数据按照信道累加，并将结果写累加功率谱结果缓存中，依次累计时长(N个滑动窗)的信道功率谱之和，按照累计次数N平均，得到各个信道的环境功率噪声参数；再次进入下一次累计时长(N个滑动窗)过程。
参照图5，图5为本申请提供的跳频特征判决器50的结构示意图；在一实施例中，本申请的跳频特征判决器50可以包括前后交互的功率判决器51、信道功率底噪缓存器52、时长累计器53、信道判决结果缓存器54和缓存读写控制器55。
跳频特征判决器50可以用于从功率谱门限和信道持续时长门限判决输入信道功率谱数据，检出满足跳频特征的所有信道，输出该信道的频点、信道功率、相邻信道功率差值及持续时长参数。
具体地，可以将输入的各个信道的频域功率谱数据与从信道功率底噪缓存器52中取出信道环境底噪数据及功率谱门限参数的和进行判决，如果通过功率谱门限判决，从时长累加器53中取出该信道的时长参数累加，并把通过判决的信道标志，包括信道频点、信道功率、相邻信道功率差值及持续时长参数送入信道判决结果缓存器54；如果没有通过功率门限判决，如果从时长累计器53取出的该信道持续时间参数满足时长特征门限，则输出该信道在信道判决结果缓存器54中的识别特征结果，然后再清零该信道在信道判决结果缓存器54和时长累计器53中缓存的结果，未满足时长特征门限，则直接清零该信道在信道判决结果缓存器54和时长累计器53中缓存的结果。缓存读写控制器55控制对信道判决结果缓存器54和时长累计器53的读写控制。
本申请中的跳频识别配置器60可以根据跳频特征识别结果判决信息，生成下变频搬移参数，其中下变频搬移参数可以包括中心频点、频段参数、抽取倍数等；选择新的频段，提供给基带数据发生器10产生新的基带数据，并配置功率谱经验门限参数、信道持续时长门限参数给跳频特征判决器50，启动新一轮跳频识别流程。
具体地，系统初始导入跳频识别流程参数，包含下变频搬移频段配置、功率谱门限参数、信道持续时长门限参数。当跳频特征判决器50完成一轮跳频识别流程，通知跳频识别配置器60更新时，导入跳频识别流程参数，并输出给基带数据发生器10和跳频特征判决器50。
参照图6，图6为本申请实施例提供的跳频信号特征识别方法的整体流程示意图之二；在一实施例中，本申请实施例提供的跳频信号特征识别方法可以包括如下步骤：
A、跳频特征识别参数配置-501：
导入跳频识别流程参数，包含下变频搬移频段配置、功率谱经验门限参数、信道持续时长门限参数，获取空口对应频段零中频数据；
B、零中频时域数据转换成频域信道的功率谱数据处理-502：
零中频时域数据做滑动取数，并完成加窗处理，并在滑动窗尾部补齐0，送入FFT变换模块，将输入时域复数数据转换成频域复数数据，然后再频域幅值数据转换成频域功率谱数据；
C、功率谱数据相邻时隙平滑处理-503：
按照相邻4个时隙功率谱数据进行滑动平均，滑动窗长4096点（1个时隙长度），按照信道进行累加，并把累加结果平均后输出；
D、信道环境功率谱噪声统计-504：
将步骤C得到平滑处理后功率谱数据与累加功率谱结果缓存中读出的数据按照信道累加，依次累计满100ms时长，按照累计次数平均后，得到各个信道环境功率噪声参数；
E、信道功率谱门限判决-505：
根据步骤A得到功率谱经验门限幅值参数和步骤D得到信道功率谱底噪幅值数据相加作为信道功率谱幅值门限，将步骤C得到平滑处理后信道功率谱数据与其比较：如果信道功率谱幅值大于该信道对应的功率谱门限幅值，则将该信道持续时长参数累加，并将该信道的频点、信道功率、相邻信道功率差值及持续时长参数缓存起来，并继续下一个信道的功率谱门限判决；如果未能通过判决，说明该信道持续时间中断，需要进行信道持续时长判决，则转入步骤F；
F、信道持续时长判决-506：
根据步骤A得到信道持续时长门限参数进行信道持续时间判决，如果该信道持续时间参数满足时长特征门限，则进入步骤G；如果未满足时长特征门限，则直接清零该信道判决结果缓存，进入步骤H；
G、输出本次跳频信号特征识别结果-507：
输出该信道的识别特征结果，包括信道频点、信道功率、相邻信道功率差值及持续时长参数，并转入步骤H；
H、跳频特征识别过程结束判决-508：
如果整个频谱所有信道完成功率谱门限判决处理，则转向步骤I，否则，转向步骤E；
I、更新下轮跳频特征识别参数-509，再转到步骤A。
本申请目的是解决基于时频分析技术（短时傅里叶变换（STFT））的时间分辨率和频率分辨率需求冲突，按照时间分辨率为主，为了实现L/Fs的时间分辨率，将时域数据用L长度的实值低通滤波器完成加窗处理，并将结果尾部补偿m个0，将FFT点数扩张到L+m，使得频域分辨率为从Fs/L提高到Fs/(L+m)。通过频域功率谱数据进行平滑滤波，消除多频率分量信号中不同信号分量之间的交叉项干扰。定时Ts累计功率谱数据，对各个信道进行频域功率底噪统计，结合配置过滤功率门限参数，可以滤除定频信号和固定噪声信号；信道底噪功率谱数据加上过滤功率门限参数作为功率谱门限参数，将平滑后的各个信道功率谱数据与其比较，筛选出超出门限的信道功率谱数据；再次，以信道驻留时长作为区分条件，分类输出各类跳速的信道判决结果，实现实时处理和多种类型跳频信号特征识别的能力。
在一个实施例中，对跳频信号特征的识别包括对跳频周期、跳频带宽、频点数目、信号功率等特征的获取，提供给跳频分选等处理单元。
假设选定的FPGA平台为XILINIX的Zynq UltraScale+类型XCZU21DR，本申请中将处理输入采集基带信号带宽100MHz，采样率102.4MHZ的数字宽带信号，为了满足时间分辨率为10us(1024/102.4M)，频率分辨率为25KHz（102.4MHz/4906）的设计要求，设定实现短时傅里叶变换（STFT）的逻辑中采用时域滑动窗长为1024，FFT长度为4096。将与输入数字宽带信号同源的102.4MHz时钟倍频到409.6MHz，然后根据跳频信号识别逻辑工作时钟频率为输入数据码片速率的4倍的特点，设计数据缓存和移位输出模块，使得待搜索数据变成高速滑动输出，仅使用1路FFT（4096点）即可完成时域滑动逻辑，并将相邻4次频域信号的功率值进行滑动平均处理，达到降低整体资源开销的目的。将频域信号功率值数据经过信道环境底噪统计逻辑处理，定时更新对应信道的环境噪声门限，作为跳频信号特征识别逻辑作为信道特征中功率值判决门限，得到跳频信号特征识别结果，加快搜索过程，提高整个系统的性能。
本申请具有下列优点和积极效果：
①跳频信号识别效率高：可配置DDC逻辑，获得配置的基带信号带宽和数据速率，选择合适宽带待检测信号；采用FFT方案，实现方法实时性好，灵活可配置时域分辨率和补零增加频域FFT处理点数，提高频域分辨率；采用时域加窗平滑滤波和频域相邻多时隙平滑处理，减少多频点信号间干扰，增强多类型跳频信号识别能力；
②FPGA资源利用率高：通过DDC得到102.4MHZ速率的基带数据，实现4路并行FFT逻辑，同时判决连续4个时隙信道功率谱数据，识别结果同步输出；同时，模块易于扩展，实现多路频段同时处理。
③适用于小型化、低成本的跳频信号特征分析产品应用。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器（processor）710、通信接口（Communication Interface）720、存储器（memory）730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的计算机程序，以执行跳频信号特征识别方法的步骤，例如包括：
接收待识别跳频信号，基于所述待识别跳频信号进行加窗滤波，得到滤波数据；
确定所述滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据所述长度差值对所述滤波数据中的窗数据进行长度补齐，得到补齐数据；
基于所述补齐数据进行时频转换，得到频域功率谱数据集；
基于所述频域功率谱数据集进行功率谱门限判决；
若所述频域功率谱数据集中任一信道的功率谱数据通过判决，则获取所述信道的特征信息作为所述待识别跳频信号的信号特征。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请实施例还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤，例如包括：
接收待识别跳频信号，基于所述待识别跳频信号进行加窗滤波，得到滤波数据；
确定所述滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据所述长度差值对所述滤波数据中的窗数据进行长度补齐，得到补齐数据；
基于所述补齐数据进行时频转换，得到频域功率谱数据集；
基于所述频域功率谱数据集进行功率谱门限判决；
若所述频域功率谱数据集中任一信道的功率谱数据通过判决，则获取所述信道的特征信息作为所述待识别跳频信号的信号特征。
所述计算机可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器（例如软盘、硬盘、磁带、磁光盘（MO）等）、光学存储器（例如CD、DVD、BD、HVD等）、以及半导体存储器（例如ROM、EPROM、EEPROM、非易失性存储器（NANDFLASH）、固态硬盘（SSD））等。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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精神和范围。
Claims (9)
1.一种跳频信号特征识别方法，其特征在于，包括：
接收待识别跳频信号，基于所述待识别跳频信号进行加窗滤波，得到滤波数据；
确定所述滤波数据的窗长度与预设数据长度阈值之间的长度差值，根据所述长度差值对所述滤波数据中的窗数据进行长度补齐，得到补齐数据；所述预设数据长度阈值大于或等于所述窗长度且为二的幂次方；
基于所述补齐数据进行时频转换，得到频域功率谱数据集；
基于所述频域功率谱数据集进行功率谱门限判决；
若所述频域功率谱数据集中任一信道的功率谱数据通过判决，则获取所述信道的特征信息作为所述待识别跳频信号的信号特征；
其中，所述基于所述待识别跳频信号进行加窗滤波，得到滤波数据，包括：
将所述待识别跳频信号转化为中频基带数据；
对所述中频基带数据进行数字下变频处理，得到零中频基带数据；
对所述零中频基带数据进行加窗滤波，得到滤波数据。
2.根据权利要求1所述的跳频信号特征识别方法，其特征在于，所述基于所述频域功率谱数据集进行功率谱门限判决，包括：
分别确定所述频域功率谱数据集中各信道的环境功率噪声参数；
将各信道的环境功率噪声参数分别与功率谱门限进行相加，得到相应信道的判决参数；
将所述频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对；
若任一信道的频域功率谱数据大于相应信道的判决参数，则确定相应信道的频域功率谱数据通过判决。
3.根据权利要求2所述的跳频信号特征识别方法，其特征在于，在分别确定所述频域功率谱数据集中各信道的环境功率噪声参数时，针对每一信道分别执行以下步骤：
将所述频域功率谱数据集中当前信道的频域功率谱数据与预设累加功率谱结果缓存中的数据进行累加，得到累加功率谱数据；
将所述累加功率谱数据的平均值，确定为当前信道的环境功率噪声参数。
4.根据权利要求2所述的跳频信号特征识别方法，其特征在于，在将所述频域功率谱数据集中每一信道的频域功率谱数据，与相应信道的判决参数一一进行比对之后，还包括：
若任一信道的频域功率谱数据小于或等于相应信道的判决参数，则确定相应信道的持续时长参数；
将所述持续时长参数与预设持续时长门限进行比对；
若所述持续时长参数大于所述预设持续时长门限，则确定相应信道的频域功率谱数据通过判决。
5.根据权利要求1所述的跳频信号特征识别方法，其特征在于，所述基于所述补齐数据进行时频转换，得到频域功率谱数据集，包括：
将所述补齐数据中的各窗数据转换为频域复数数据；
将各所述频域复数数据分别转换为频域幅值数据；
将各频域幅值数据分别转换为功率谱数据；
对各功率谱数据按照信道进行时隙平滑处理，得到包括各信道的频域功率谱数据的频域功率谱数据集。
6.根据权利要求1-5任一项所述的跳频信号特征识别方法，其特征在于，所述特征信息包括信道频点、信道功率、与相邻信道的功率差值及持续时长参数。
7.一种跳频信号特征识别系统，其特征在于，包括处理器、无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器、跳频特征判决器和跳频识别配置器；无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器和跳频特征判决器依次连接；频域时隙平滑器、信道环境噪声统计器和跳频特征判决器依次连接；频域时隙平滑器和跳频特征判决器依次连接；跳频特征判决器、跳频识别配置器和基带数据发生器依次连接；
所述跳频信号特征识别系统通过处理器控制无线信号接收器、基带数据发生器、频域功率发生器、频域时隙平滑器、信道环境噪声统计器、跳频特征判决器和跳频识别配置器实现权利要求1至6任一项所述的跳频信号特征识别方法。
8.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的跳频信号特征识别方法。
9.一种存储介质，所述存储介质为计算机可读存储介质，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的跳频信号特征识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410218632.9A CN117786398B (zh) | 2024-02-28 | 2024-02-28 | 跳频信号特征识别方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410218632.9A CN117786398B (zh) | 2024-02-28 | 2024-02-28 | 跳频信号特征识别方法、系统、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117786398A CN117786398A (zh) | 2024-03-29 |
| CN117786398B true CN117786398B (zh) | 2024-05-31 |
Family
ID=90400291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410218632.9A Active CN117786398B (zh) | 2024-02-28 | 2024-02-28 | 跳频信号特征识别方法、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117786398B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10164118A1 (de) * | 2001-12-24 | 2003-07-17 | Thales Comm Gmbh | Verfahren und Anordnung zur Erkennung von Frequenzsprungfolgesignalen |
| US9424858B1 (en) * | 2014-04-18 | 2016-08-23 | The United States Of America As Represented By The Secretary Of The Navy | Acoustic receiver for underwater digital communications |
| CN110336587A (zh) * | 2019-07-16 | 2019-10-15 | 电子科技大学 | 一种多跳频信号侦察中获取组合时频分布的方法 |
| CN110519003A (zh) * | 2019-08-29 | 2019-11-29 | 中国人民解放军63892部队 | 一种基于信号特征差异的无人机上下行通信链路识别方法 |
| CN111541528A (zh) * | 2020-04-17 | 2020-08-14 | 深圳市科思科技股份有限公司 | 载波侦听接入网络跳频方法、装置和可读存储介质 |
| CN111585610A (zh) * | 2020-03-25 | 2020-08-25 | 北京理工大学 | 相干快跳频信号的数字滤波方法及装置 |
| CN114050951A (zh) * | 2021-10-30 | 2022-02-15 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 超短波跳频信号参数盲估计方法 |
| CN115567163A (zh) * | 2022-09-29 | 2023-01-03 | 安徽乾栋智能科技有限公司 | 一种跳频信号盲检测方法、系统及设备 |
| CN115795302A (zh) * | 2023-01-03 | 2023-03-14 | 成都安则科技有限公司 | 一种无线电跳频信号识别方法、系统、终端及介质 |
| CN116112039A (zh) * | 2022-12-28 | 2023-05-12 | 成都九洲迪飞科技有限责任公司 | 一种基于fpga的无人机跳频信号快速侦测方法 |
| CN116582225A (zh) * | 2023-07-12 | 2023-08-11 | 极芯通讯技术(南京)有限公司 | 非连续传输信号有效性的确定方法、设备及存储介质 |
| CN116665681A (zh) * | 2022-11-23 | 2023-08-29 | 南京信息工程大学 | 一种基于组合滤波的雷声识别方法 |
-
2024
- 2024-02-28 CN CN202410218632.9A patent/CN117786398B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10164118A1 (de) * | 2001-12-24 | 2003-07-17 | Thales Comm Gmbh | Verfahren und Anordnung zur Erkennung von Frequenzsprungfolgesignalen |
| US9424858B1 (en) * | 2014-04-18 | 2016-08-23 | The United States Of America As Represented By The Secretary Of The Navy | Acoustic receiver for underwater digital communications |
| CN110336587A (zh) * | 2019-07-16 | 2019-10-15 | 电子科技大学 | 一种多跳频信号侦察中获取组合时频分布的方法 |
| CN110519003A (zh) * | 2019-08-29 | 2019-11-29 | 中国人民解放军63892部队 | 一种基于信号特征差异的无人机上下行通信链路识别方法 |
| CN111585610A (zh) * | 2020-03-25 | 2020-08-25 | 北京理工大学 | 相干快跳频信号的数字滤波方法及装置 |
| CN111541528A (zh) * | 2020-04-17 | 2020-08-14 | 深圳市科思科技股份有限公司 | 载波侦听接入网络跳频方法、装置和可读存储介质 |
| CN114050951A (zh) * | 2021-10-30 | 2022-02-15 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 超短波跳频信号参数盲估计方法 |
| CN115567163A (zh) * | 2022-09-29 | 2023-01-03 | 安徽乾栋智能科技有限公司 | 一种跳频信号盲检测方法、系统及设备 |
| CN116665681A (zh) * | 2022-11-23 | 2023-08-29 | 南京信息工程大学 | 一种基于组合滤波的雷声识别方法 |
| CN116112039A (zh) * | 2022-12-28 | 2023-05-12 | 成都九洲迪飞科技有限责任公司 | 一种基于fpga的无人机跳频信号快速侦测方法 |
| CN115795302A (zh) * | 2023-01-03 | 2023-03-14 | 成都安则科技有限公司 | 一种无线电跳频信号识别方法、系统、终端及介质 |
| CN116582225A (zh) * | 2023-07-12 | 2023-08-11 | 极芯通讯技术(南京)有限公司 | 非连续传输信号有效性的确定方法、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 一种短波跳频信号盲检测和参数盲估计的方法;朱文贵;徐佩霞;;小型微型计算机系统;20090315(第03期);全文 * |
| 基于功率谱对消的时域相关认知跳频谱检测算法;李彤;苗成林;吕军;;兵工学报;20170915(第09期);全文 * |
| 基于认知协同的时频序列设计;姜显扬;张超;陆建华;;电子与信息学报;20090815(第08期);全文 * |
| 基于重叠滑窗时频分析的跳频信号检测技术;吕乐群;易云清;卢圆圆;;电子信息对抗技术;20200315(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117786398A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111585671B (zh) | 电力lte无线专网电磁干扰监测及识别方法 | |
| CN109962742B (zh) | 便携式遥测数据监测平台及监测方法 | |
| JP6571736B2 (ja) | 支配的信号検出の方法および装置 | |
| CN109643554A (zh) | 自适应语音增强方法和电子设备 | |
| CN107407703A (zh) | 具有提高的实时带宽的频谱分析仪 | |
| CN110909480A (zh) | 一种水轮机振动信号的去噪方法与装置 | |
| CN105071875A (zh) | 一种场强测量系统及其测量方法 | |
| CN117786398B (zh) | 跳频信号特征识别方法、系统、电子设备及存储介质 | |
| CN117949949B (zh) | 一种脉冲雷达基带信号采集处理方法、设备及介质 | |
| CN112240956B (zh) | 一种电子通信网络弱信号捕获系统及方法 | |
| CN109102818B (zh) | 一种基于信号频率概率密度函数分布的去噪音频采样算法 | |
| CN108847910B (zh) | 频谱感知方法和装置、频谱感知设备 | |
| CN204117590U (zh) | 语音采集降噪装置以及语音质量评价系统 | |
| CN102665256A (zh) | 无线通信系统扫频方法与装置、搜网方法与终端 | |
| CN110988673A (zh) | 电机转子故障检测方法、装置及终端设备 | |
| US5706307A (en) | Method and arrangement for the determination of the ratio for common-channel or adjacent-channel interferers in digital mobile communication networks | |
| Zheleva et al. | AirPress: High-accuracy spectrum summarization using compressed scans | |
| CN114584984A (zh) | 一种信号处理方法、装置、电子设备及存储介质 | |
| CN115204207A (zh) | 信号处理的方法及装置 | |
| CN112116917B (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
| US20240003946A1 (en) | Spectrum Analyzer, System and Method for Outputting Data from a Spectrum Analyzer | |
| CN114499705B (zh) | 频响平坦度校准方法、装置、电子设备及存储介质 | |
| Chandu et al. | Ecg signal filtering using an improved wavelet wiener filtering | |
| CN118430566A (zh) | 一种语音通联方法及系统 | |
| CN112187293B (zh) | 确定零中频无线接收机校正参数方法和零中频无线接收机 |
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 |