CN104468001B - 基于无线电信号频谱特征模板的信号识别方法及系统 - Google Patents
基于无线电信号频谱特征模板的信号识别方法及系统 Download PDFInfo
- Publication number
- CN104468001B CN104468001B CN201410691034.XA CN201410691034A CN104468001B CN 104468001 B CN104468001 B CN 104468001B CN 201410691034 A CN201410691034 A CN 201410691034A CN 104468001 B CN104468001 B CN 104468001B
- Authority
- CN
- China
- Prior art keywords
- signal
- identified
- templates
- difference
- signal templates
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于无线电信号频谱特征模板的信号识别方法,该方法包括:通过提取多种无线电信号的频谱特征,构建信号模板库;根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;将预处理后的待识别信号与所述信号频谱模板库进行比较和匹配,获得所述待识别信号的类型和频谱特征参数。本发明还提供了一种基于无线电信号频谱特征模板的信号识别系统,包括模板构建单元、预处理单元及匹配单元。本发明能够通过频谱模板表征各种类的信号,并在保证信号识别准确性的基础上进一步简化了信号识别算法。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及基于无线电信号频谱特征模板的信号识别方法及系统。
背景技术
随着无线通信技术的快速发展,可用频谱资源日益紧缺,与此同时,大量新型用频系统不断投入使用也加剧了频谱资源的紧缺性。因此大量用频设备工作于相邻频段,易产生相互干扰,使得无线网络电磁空间环境变得日益恶化。伴随着时代的进步,越来越多的特种设备向着小型化发展,导致了大量用频设备集中于狭小区域,使得多种设备之间的干扰频率大大增加。
无线电信号识别技术被广泛应用于干扰源排查领域,可以使干扰排查变得更快速。目前,无线电识别技术主要研究方向是通过提取无线电信号特征(中心频率、带宽、码率、调制方式等),利用模式识别的方法进行信号识别。现有研究中的信号识别对象都是调制信号,没有考虑到实际更为复杂的无线通信环境对信号产生的影响。如专利“一种信号识别的方法”,利用各类信号功率谱的形态学包络构造了信号模板,模板表述复杂致使信号识别过程在实现过程中比较繁琐,难以应用。
因此,现有信号识别方法是将信号特征进行提取,根据不同信号特征一步一步地排除信号最终得到信号识别结构,识别过程繁琐。且现有信号识别针对的均为调制信号,如正交相移键控(Quadrature Phase Shift Keying,QPSK)信号、正交振幅调制(QuadratureAmplitude Modulation,QAM)信号等,并未考虑实际信号的其它编码、发送信息等的差异对信号频谱造成的影响。
发明内容
针对现有技术的缺陷,本发明提供一种基于无线电信号频谱特征模板的信号识别方法及系统,能够通过频谱模板表征各种类的信号,并在保证信号识别准确性的基础上进一步简化信号识别算法。
第一方面,本发明提供了一种基于无线电信号频谱特征模板的信号识别方法,所述方法包括:
通过提取多种无线电信号的频谱特征,构建信号模板库;
根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;
将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数。
优选地,所述通过提取多种无线电信号的频谱特征,构建信号模板库,包括:
对多种无线电信号进行滤波、采样和变换,获得频域信号;
采用领域平均法对所述频域信号进行平滑处理;
对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
优选地,所述根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理,包括:
根据预设的带宽对待识别的信号进行滤波;
对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
优选地,所述将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数,包括:
获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值,若所述差值大于第一预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第一预设值,获得所述待识别信号预设带宽与所述信号模板预设带宽的差值,若所述差值大于第二预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第二预设值,计算所述待识别信号与所述信号模板的综合偏差值,若所述综合偏差值大于第三预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述综合偏差值小于第三预设值,则判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数。
优选地,所述综合偏差值为:
r=abs(r1)+abs(r2)+abs(r3)
其中,r为所述综合偏差值,r1为待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比,r2为待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比,r3为待识别信号与信号模板在10dB带宽内的功率均方差与信号模板的10dB带宽内功率值的比。
第二方面,本发明提供了一种基于无线电信号频谱特征模板的信号识别系统,所述系统包括:
模板构建单元,用于通过提取多种无线电信号的频谱特征,构建信号模板库;
预处理单元,用于根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;
匹配单元,用于将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数。
优选地,所述模板构建单元,具体用于:
对多种无线电信号进行滤波、采样和变换,获得频域信号;
采用领域平均法对所述频域信号进行平滑处理;
对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
优选地,所述预处理单元,具体用于:
根据预设的带宽对待识别的信号进行滤波;
对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
优选地,所述匹配单元,具体用于:
获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值,若所述差值大于第一预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第一预设值,获得所述待识别信号预设带宽与所述信号模板预设带宽的差值,若所述差值大于第二预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第二预设值,计算所述待识别信号与所述信号模板的综合偏差值,若所述综合偏差值大于第三预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述综合偏差值小于第三预设值,则判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数。
优选地,所述综合偏差值为:
r=abs(r1)+abs(r2)+abs(r3)
其中,r为所述综合偏差值,r1为待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比,r2为待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比,r3为待识别信号与信号模板在10dB带宽内的功率均方差与信号模板的10dB带宽内功率值的比。
由上述技术方案可知,本发明提供一种基于无线电信号频谱特征模板的信号识别方法及系统,通过提取无线电信号自身的图像特征,利用信号频谱的特定频率、功率点构造频谱模板,来唯一有效地表征不同种类的无线电信号,能够在保证信号识别准确性的基础上进一步简化信号识别算法。
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的前提下,还可以根据这些图获得其他的附图。
图1是本发明一实施例提供的基于无线电信号频谱特征模板的信号识别方法的流程示意图;
图2是本发明另一实施例提供的信号模板库构建方法的流程示意图;
图3是本发明另一实施例提供的信号频谱模板图;
图4是本发明另一实施例提供的信号频谱模板阶梯选取的示意图;
图5是本发明另一实施例提供的信号识别与匹配的方法的流程示意图;
图6是本发明一实施例提供的基于无线电信号频谱特征模板的信号识别系统的结构示意图。
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。
如图1所示,图1示出了本发明一实施例提供的基于无线电信号频谱特征模板的信号识别方法,该方法包括如下步骤:
101、通过提取多种无线电信号的频谱特征,构建信号模板库。
本步骤中,信号模板库并不需要每次都去构建,也可以使用预先构建好的信号模板库。
102、根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理。
103、将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数。
本实施例中,步骤101中信号模板库的构建过程,如图2所示,包括如下步骤:
201、对多种无线电信号进行滤波、采样和变换,获得频域信号。
其中,无线电信号来自于设备发射信号,在经过滤波、采样、变换后得到频域信号。变换时需保证点数相同(如均为1024点FFT)。
202、采用领域平均法对所述频域信号进行平滑处理。
本实施例中,由于无线信道对信号造成的影响,加之噪声的存在使得信号模板在频域的抖动非常剧烈。若用此信号直接绘制信号模板,会导致同种信号的频谱模板在形态学上的相似性大大降低,从而影响信号识别的准确性。为此,需对频域信号进行平滑处理。
本实施例中,采用数字图像处理中的邻域平均法作为信号平滑处理的方法。邻域平均法的平滑滤波是将原图中一个像素的灰度值与它周围邻近像素的灰度值相加,从而降低噪声对图像的影响,如公式(1)所示。其中,g(i,j)为平滑后的灰度值;S为待处理点邻域点的集合;N为S中点的数量;f(i,j)为图像信号;n(i,j)为噪声信号;F(i,j)则为有噪声的图像信号。在数字图像处理中,邻域通常取待处理点周围的8个点。
频域信号的幅值曲线可表示为频率的函数,因此邻域点取该频率点周围的两个点即可。本发明中的平滑滤波方法包括以下两种,如公式(2)和(3)。其中,S’(n)为平滑后的信号幅值;S(n)为原信号幅值。
考虑到噪声功率较小时二者平滑性能相差不大,当噪声功率较大时公式(3)的平滑性能明显优于公式(2)的方法,因此本发明对频域信号的平滑处理选用公式(3)的方法。对公式(3)进一步推导可得公式(4)。即对于单位为dBm的频谱信号,取均值进行平滑即可。
如图3所示,当噪声功率较大时,模板频域信号的抖动较大,此时需要做多次平滑处理。对于平滑处理的次数,本发明提出信号最大抖动不超过3dB,即信号为单调的,当某处有抖动时,抖动的波峰与波谷之间幅值之比不大于3dB。
203、对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
具体来说,经过平滑处理后的模板信号经过量化变换为阶梯信号,即为信号模板。此处量化采用的是非均匀量化。考虑到大部分信号在靠近峰值处的波形变化较缓慢,所以对于阶梯的高度需要小一些,否则简化之后采样点对应频率上间隔就无法保证均匀性;当信号幅度降低时,信号波形进入陡峭段,为了保证频率上的相对均匀,此时的阶梯高度需要选择相对大一些的阶梯;当信号幅度渐渐趋于平缓时,需要将阶梯的高度调整到相对小一些。因此,信号模板构建过程中的阶梯可选择1dB、2dB、3dB、4.5dB、6dB、8dB、10dB、13dB、16dB、19dB、22dB、25dB、28dB、31dB、34dB、37dB、40dB。所有模板库的信号都按照上述量化标准对采样点进行简化构建模板。如图4所示。
经过量化处理的模板信号为阶梯状信号,用一系列频点序列{f1,f2,f3,…,f35}即可将信号模板表示出来,考虑到当信号功率较小时,由于噪声的存在,构建信号模板过程中信号不总能降低到-40dB,此时一些边缘频率(如f1,f35等)的值为空。因此将信号模板构建为如公式(5)所示。其中,n为FFT变换点数,p1,p2,p3,…,p35是各频率点对应的功率点,P1,P2,P3,…,Pn为功率值。
当模板信号衰减足够大(即超过40dB)时,35个频率值各不相同,对应的功率点pi=p36-i;当模板信号衰减不足够大时,以最大衰减-35dB为例,此时f1=f2=f3,f33=f34=f35,对应的功率点亦相同。这样保证了频谱模板的一致性。
本实施例中,步骤102中的待识别信号的预处理过程如下:
根据预设的带宽对待识别的信号进行滤波;对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
本实施例提出的信号预处理方法,通过对待识别信号进行预处理以使待识别信号与信号模板具有相似的表示形式。因此,信号与处理过程与模板构建过程类似。但是,在模板构建过程中由于信号已知,因此对信号进行滤波时滤波器带宽同样为确定的。当对待识别信号进行滤波时,由于信号类型未知,因此对信号进行滤波的带宽可以定为信号的40dB带宽以保证采集的待识别信号带宽不会低于其频谱模板所需信号带宽。滤波后的平滑处理及量化与模板构建过程相同。
本实施例中,步骤103中的信号进行识别与匹配的方法,如图5所示,包括如下步骤:
501、获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值。
502、判断步骤501所得的差值是否大于第一预设值,若是,则转至步骤508,否则转至步骤503。
503、获得所述待识别信号预设带宽与所述信号模板预设带宽的差值。
504、判断步骤503所得的差值是否大于第二预设值,若是,则转至步骤508,否则转至步骤505。
505、计算所述待识别信号与所述信号模板的综合偏差值。
506、判断综合偏差值是否大于第三预设值,若是,则转至步骤508,否则转至步骤507。
507、判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数。
508、判定所述待识别信号与所述信号模板不匹配。
下面,通过一个具体的实施例来说明信号进行识别与匹配的方法。首先,通过计算获得待识别信号中心频率(即f18)与信号模板中心频率之间的差值。若待识别信号的中心频率偏离信号模板的10dB带宽范围(即f10~f26)则认为该模板与待测信号不匹配。进一步通过比较待识别信号与信号模板的3dB带宽(即f22-f14)之间的差距,若二者之间的差距超过5%,将该信号模板排除在有效信号集之外。
下一步通过计算综合偏差值进行信号的识别与匹配,综合偏差值包括以下三个核心指标:
1、待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比设为r1;在信号模板及待识别信号的表示形式均为的情况下,信号的3dB带宽内的功率如公式(6)所示。
Ρ3=B3·10-0.3+B2·(10-0.2-10-0.3)+B1·(10-0.1-10-0.2)+B0·(1-10-0.1)
(6)
=(f22-f14)·0.5012+(f21-f15)·0.1298+(f20-f16)·0.1634+(f19-f17)·0.2057
利用公式(6)确定待识别信号及信号模板的3dB带宽内功率,比值r1的计算方法如公式(7)所示。
2、待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比设为r2;与计算3dB带宽内功率类似,可得到信号的10dB带宽内功率计算方法如公式(8)所示。
P10=0.2057·B0+0.1634·B1+0.1298·B2+0.1464·B3+
(8)
0.1036·B4.5+0.0927·B6+0.0585·B8+0.1·B10
利用公式(8)可以确定待识别信号及信号模板的3dB带宽的功率值,比值r1的计算方法如公式(9)所示。
3、待识别信号与信号模板在10dB带宽内的功率均方差(匹配滤波)与信号模板的10dB带宽内功率值的比设为r3,如公式(10)所示。
其中,index为个功率点p在所有功率值P的序列中对应的序号,模板中的i,j,k,m等。index10l和index10r分别为10dB带宽的左右边界,即p10和p26所对应的序号。
定义综合偏差指数r=abs(r1)+abs(r2)+abs(r3),计算待识别信号与所有模板信号的综合偏差指数。当待识别信号得综合偏差指数r最小时所对应的信号模板即为最相似的信号模板,进一步考察待识别信号与最相似信号模板的相似程度。完成待识别信号与信号模板库的匹配,可以获得信号的频谱特征、信号类型等核心参数。
本实施例提供的基于无线电信号频谱特征模板的信号识别方法,通过提取无线电信号自身的图像特征,利用信号频谱的特定频率、功率点构造频谱模板,来唯一有效地表征不同种类的无线电信号,能够在保证信号识别准确性的基础上进一步简化信号识别算法。
如图6所示,图6示出了本发明一实施例提供的基于无线电信号频谱特征模板的信号识别系统,该系统包括模板构建单元601、预处理单元602、匹配单元603。
其中,模板构建单元601,用于通过提取多种无线电信号的频谱特征,构建信号模板库;预处理单元602,用于根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;匹配单元603,用于将预处理后的待识别信号与所述信号模板库进行比较和匹配,获得所述待识别信号的类型和特征参数。
其中,模板构建单元601,具体用于:对多种无线电信号进行滤波、采样和变换,获得频域信号;采用领域平均法对所述频域信号进行平滑处理;对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
其中,预处理单元602,具体用于:根据预设的带宽对待识别的信号进行滤波;对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
其中,匹配单元603,具体用于:
获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值,若所述差值大于第一预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第一预设值,获得所述待识别信号预设带宽与所述信号模板预设带宽的差值,若所述差值大于第二预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第二预设值,计算所述待识别信号与所述信号模板的综合偏差值,若所述综合偏差值大于第三预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述综合偏差值小于第三预设值,则判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数。
上述综合偏差值为:
r=abs(r1)+abs(r2)+abs(r3)
其中,r为所述综合偏差值,r1为待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比,r2为待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比,r3为待识别信号与信号模板在10dB带宽内的功率均方差与信号模板的10dB带宽内功率值的比。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于无线电信号频谱特征模板的信号识别方法,其特征在于,所述方法包括:
通过提取多种无线电信号的频谱特征,构建信号模板库;
根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;
将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数;
其中,所述将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数,包括:
获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值,若所述差值大于第一预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第一预设值,获得所述待识别信号预设带宽与所述信号模板预设带宽的差值,若所述待识别信号预设带宽与所述信号模板预设带宽的差值大于第二预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述待识别信号预设带宽与所述信号模板预设带宽的差值小于第二预设值,计算所述待识别信号与所述信号模板的综合偏差值,若所述综合偏差值大于第三预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述综合偏差值小于第三预设值,则判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数;
其中,所述综合偏差值为:
r=abs(r1)+abs(r2)+abs(r3)
其中,r为所述综合偏差值,r1为待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比,r2为待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比,r3为待识别信号与信号模板在10dB带宽内的功率均方差与信号模板的10dB带宽内功率值的比。
2.根据权利要求1所述的方法,其特征在于,所述通过提取多种无线电信号的频谱特征,构建信号模板库,包括:
对多种无线电信号进行滤波、采样和变换,获得频域信号;
采用领域平均法对所述频域信号进行平滑处理;
对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
3.根据权利要求1所述的方法,其特征在于,所述根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理,包括:
根据预设的带宽对待识别的信号进行滤波;
对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
4.一种基于无线电信号频谱特征模板的信号识别系统,其特征在于,所述系统包括:
模板构建单元,用于通过提取多种无线电信号的频谱特征,构建信号模板库;
预处理单元,用于根据所述信号模板库中信号模板的表现形式,对待识别信号进行预处理;
匹配单元,用于将预处理后的待识别信号与所述信号模板库的信号模板进行比较和匹配,获得所述待识别信号的类型和特征参数;
所述匹配单元,具体用于:
获得所述待识别信号的中心频率与所述信号模板库中的各信号模板中心频率的差值,若所述差值大于第一预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述差值小于第一预设值,获得所述待识别信号预设带宽与所述信号模板预设带宽的差值,若所述待识别信号预设带宽与所述信号模板预设带宽的差值大于第二预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述待识别信号预设带宽与所述信号模板预设带宽的差值小于第二预设值,计算所述待识别信号与所述信号模板的综合偏差值,若所述综合偏差值大于第三预设值,则判定所述待识别信号与所述信号模板不匹配;
若所述综合偏差值小于第三预设值,则判定所述待识别信号与所述信号模板匹配,并获得所述待识别信号的类型和特征参数;
其中,所述综合偏差值为:
r=abs(r1)+abs(r2)+abs(r3)
其中,r为所述综合偏差值,r1为待识别信号与信号模板的3dB带宽内功率的差值与信号模板的3dB带宽内功率值的比,r2为待识别信号与信号模板的10dB带宽内功率的差值与信号模板的10dB带宽内功率值的比,r3为待识别信号与信号模板在10dB带宽内的功率均方差与信号模板的10dB带宽内功率值的比。
5.根据权利要求4所述的系统,其特征在于,所述模板构建单元,具体用于:
对多种无线电信号进行滤波、采样和变换,获得频域信号;
采用领域平均法对所述频域信号进行平滑处理;
对平滑处理后的信号进行量化变化,形成阶梯信号,得到信号模板。
6.根据权利要求4所述的系统,其特征在于,所述预处理单元,具体用于:
根据预设的带宽对待识别的信号进行滤波;
对滤波后的信号进行平滑处理及量化变换,获得预处理后的阶梯信号。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410691034.XA CN104468001B (zh) | 2014-11-26 | 2014-11-26 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
PCT/CN2015/083989 WO2016082562A1 (zh) | 2014-11-26 | 2015-07-14 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410691034.XA CN104468001B (zh) | 2014-11-26 | 2014-11-26 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104468001A CN104468001A (zh) | 2015-03-25 |
CN104468001B true CN104468001B (zh) | 2017-04-19 |
Family
ID=52913452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410691034.XA Active CN104468001B (zh) | 2014-11-26 | 2014-11-26 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104468001B (zh) |
WO (1) | WO2016082562A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468001B (zh) * | 2014-11-26 | 2017-04-19 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
CN105142145B (zh) * | 2015-08-21 | 2019-02-12 | 中国电子科技集团公司第二十九研究所 | 一种基于前沿特征的Wi-Fi设备识别方法 |
CN106452716B (zh) * | 2016-11-15 | 2019-09-06 | 厦门大学 | 基于Hash指纹的无人机信号识别检测方法 |
CN107544943B (zh) * | 2017-08-28 | 2021-02-19 | 湖南时变通讯科技有限公司 | 一种基于fft库函数的部分频点的计算方法及装置 |
CN108154083B (zh) * | 2017-12-04 | 2020-06-30 | 厦门市美亚柏科信息股份有限公司 | 一种基于svm的信号识别方法及终端 |
CN108469602B (zh) * | 2018-03-29 | 2021-09-07 | 东南大学 | 一种基于谱特征提取的脉冲信号类型自动判别方法 |
CN108768562B (zh) * | 2018-05-07 | 2020-10-27 | 西北工业大学 | 一种基于遥控与图传信号的非法无人机识别方法 |
CN109104257B (zh) * | 2018-07-04 | 2020-08-21 | 北京邮电大学 | 一种无线信号检测方法及装置 |
TWI809241B (zh) * | 2020-01-16 | 2023-07-21 | 為昇科科技股份有限公司 | 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 |
CN114330409A (zh) * | 2020-09-24 | 2022-04-12 | 广州慧睿思通科技股份有限公司 | 信号处理方法、电子设备和存储介质 |
CN112818596A (zh) * | 2021-01-29 | 2021-05-18 | 广东振子电子科技有限公司 | 一种智能干扰识别定位方法及其系统 |
CN113517944A (zh) * | 2021-04-09 | 2021-10-19 | 广州辰创科技发展有限公司 | 一种无线电压制方法、系统及存储介质 |
CN116015497A (zh) * | 2022-12-27 | 2023-04-25 | 成都爱科特科技发展有限公司 | 一种信号频谱模板匹配方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101014997B (zh) * | 2004-02-18 | 2012-04-04 | 皇家飞利浦电子股份有限公司 | 用于生成用于自动语音识别器的训练数据的方法和系统 |
CN102780534B (zh) * | 2012-07-04 | 2014-12-03 | 中国电子科技集团公司第四十一研究所 | 一种通用的电磁信号自动搜索方法 |
CN103117061B (zh) * | 2013-02-05 | 2016-01-20 | 广东欧珀移动通信有限公司 | 一种基于语音的动物识别方法及装置 |
CN103929260A (zh) * | 2014-03-12 | 2014-07-16 | 上海风格信息技术股份有限公司 | 一种无线广播异常频点的分析方法 |
CN104158611B (zh) * | 2014-08-20 | 2016-10-26 | 西安电子科技大学 | 基于频谱分析的无线信号干扰检测系统及方法 |
CN104468001B (zh) * | 2014-11-26 | 2017-04-19 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
-
2014
- 2014-11-26 CN CN201410691034.XA patent/CN104468001B/zh active Active
-
2015
- 2015-07-14 WO PCT/CN2015/083989 patent/WO2016082562A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2016082562A1 (zh) | 2016-06-02 |
CN104468001A (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104468001B (zh) | 基于无线电信号频谱特征模板的信号识别方法及系统 | |
CN107124381B (zh) | 一种数字通信信号调制方式自动识别方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN114268526B (zh) | 基于图的度特征的bpsk及qpsk信号调制识别方法 | |
CN107770108A (zh) | 一种k‑均值聚类和分级训练svm分类器的联合调制识别方法 | |
CN110321953A (zh) | 基于循环谱估计的深度学习智能调制识别方法 | |
CN101494508A (zh) | 基于特征循环频率的频谱检测方法 | |
CN111245758B (zh) | 一种用于泛在电力物联网的qpsk调制非相干检测方法 | |
CN108333564A (zh) | 用于谐波雷达频谱感知与频率选择的方法 | |
CN114422311A (zh) | 联合深度神经网络和专家先验特征的信号调制识别方法及系统 | |
WO2020078400A1 (zh) | 一种应用于超短波电台的语音增强方法 | |
CN105763273A (zh) | 一种认知无线电频谱感知方法 | |
CN105763499B (zh) | 一种基于信号瞬时频率滑动平均的cpfsk调制识别方法 | |
CN106941385B (zh) | 基于相位补偿的认知云网络协作频谱感知方法 | |
CN108683623A (zh) | 基于随机共振的微弱ofdm子载波数估计方法 | |
CN110798418B (zh) | 基于频域阈值递进分割的通信信号自动检测与监视方法及装置 | |
CN108010003A (zh) | 一种基于计算机的耳鼻喉辅助治疗检查控制系统 | |
CN116506273A (zh) | 新型mpsk调制信号识别分类方法 | |
CN117527496A (zh) | 一种基于混合高斯模型的m-apsk信号格式识别方法 | |
CN114501344B (zh) | 一种基于无线测距技术的海量LoRa节点快速自组网通信方法 | |
Zhao et al. | Cyclic spectrum based intelligent modulation recognition with machine learning | |
CN111245756B (zh) | 基于级联svm和全数字接收机的复合信号调制识别方法 | |
CN103236863A (zh) | 采用了硬限幅器的fm数字调制解调电路的静噪处理方法 | |
CN113726702A (zh) | 一种泛在感知网络编码mpsk信号的低复杂度检测方法 | |
CN107248964B (zh) | 一种underlay频谱共享时频重叠信号码速率估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |