一种无线电信号异常检测方法

    公开(公告)号:CN112350787A

    公开(公告)日:2021-02-09

    申请号:CN202011091349.2

    申请日:2020-10-13

    IPC分类号: H04B17/30

    摘要: 本发明公开了一种无线电信号异常检测方法,包括以下步骤:S1、采集两段正常工作的无线电信号数据,计算第一相对小波时间熵;S2、根据第一相对小波时间熵的曲线波动范围,得到时间熵阈值;S3、采集正常工作的无线电信号数据和待检测的无线电信号数据,计算第二相对小波时间熵;S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数,计算异常信号比率;S5、判断异常信号比率是否大于异常信号比率阈值,若是,则待检测的无线电信号数据异常,若否,则跳转至步骤S3;本发明解决了现有技术大都是基于有监督的方法进行分类,并且异常信号类型采用人为标准定义的问题。

    一种基于卷积神经网络的未知信号辐射源识别方法

    公开(公告)号:CN112183659A

    公开(公告)日:2021-01-05

    申请号:CN202011100248.7

    申请日:2020-10-15

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明涉及信号辐射源识别技术领域,公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型,提取已知源在神经网络末端层的高维度向量,对高维度向量进行PCA降维得到低维度向量,计算已知源的低维度向量中心,提取待测源在神经网络末端层的高维度向量,对高维度向量进行PCA降维得到低维度向量,计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离,根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题,具有简单易行、识别高效的特点。

    基于孪生神经网络的电磁信号辐射源的未知模式识别方法

    公开(公告)号:CN112163636A

    公开(公告)日:2021-01-01

    申请号:CN202011100245.3

    申请日:2020-10-15

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法,涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题,利用孪生网络的距离判决,将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中,得到对应的多个距离,随后找出多个距离中每个已知源对应的最近的几个距离之和,并对每个已知源对应的距离之和相比较,找到最小的距离之和,随后判决为其对应的所属源,从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务,显著提高平均识别成功率。

    一种WCDMA结构信号的时隙盲同步方法

    公开(公告)号:CN111447163A

    公开(公告)日:2020-07-24

    申请号:CN202010236349.0

    申请日:2020-03-30

    IPC分类号: H04L27/26 H04B1/7073

    摘要: 本发明公开了一种WCDMA结构信号的时隙盲同步方法,可以在非合作情况下,利用特征分解算法,通过记录最大特征值或者记录最大特征值与次大特征值之差的方案进行谱峰搜索,对WCDMA结构的下行信号进行时隙起始点的盲估计。使用本发明方法,即使在信号预处理阶段的效果不理想,即相位失配的情况,也可以达到时隙同步的效果。由于WCDMA信号结构是要求主同步码具有极强的自相关性能的,在信道结构类似的情况下,即使非合作方采用了新的主同步码,利用该方案也能有效地估计时隙的起始位置,完成时隙盲同步。由于特征分解广泛应用于直扩信号的扩频信号估计,本方法在时隙盲同步的基础上,也可以同时将主同步码完成估计提取。

    一种基于有限域傅里叶变换的信道编码特征提取方法

    公开(公告)号:CN111447158B

    公开(公告)日:2021-06-29

    申请号:CN202010235770.X

    申请日:2020-03-30

    摘要: 本发明公开了一种基于有限域傅里叶变换的信道编码特征提取方法,包括以下步骤:S1:从信息码流中提取待处理的编码数据块;S2:对待处理的编码数据块进行预处理,得到编码数据块;S3:对编码数据块进行有限域傅里叶变换;S4:进行放大零频分量处理,得到编码数据块的行向量;S5:进行归一化处理,得到特征向量,完成信道编码的特征提取。本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息,有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。同时相比于直接对原始数据分类,本发明的特征提取方法在分类准确率方面有较大的提升,有利于后续机器学习算法利用本发明的特征提取结果。

    基于孪生神经网络的电磁信号辐射源的未知模式识别方法

    公开(公告)号:CN112163636B

    公开(公告)日:2023-09-26

    申请号:CN202011100245.3

    申请日:2020-10-15

    摘要: 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法,涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题,利用孪生网络的距离判决,将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中,得到对应的多个距离,随后找出多个距离中每个已知源对应的最近的几个距离之和,并对每个已知源对应的距离之和相比较,找到最小的距离之和,随后判决为其对应的所属源,从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务,显著提高平均识别成功率。

    一种基于卷积神经网络的未知信号辐射源识别方法

    公开(公告)号:CN112183659B

    公开(公告)日:2023-04-07

    申请号:CN202011100248.7

    申请日:2020-10-15

    摘要: 本发明涉及信号辐射源识别技术领域,公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型,提取已知源在神经网络末端层的高维度向量,对高维度向量进行PCA降维得到低维度向量,计算已知源的低维度向量中心,提取待测源在神经网络末端层的高维度向量,对高维度向量进行PCA降维得到低维度向量,计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离,根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题,具有简单易行、识别高效的特点。

    一种WCDMA结构信号的时隙盲同步方法

    公开(公告)号:CN111447163B

    公开(公告)日:2021-12-14

    申请号:CN202010236349.0

    申请日:2020-03-30

    IPC分类号: H04L27/26 H04B1/7073

    摘要: 本发明公开了一种WCDMA结构信号的时隙盲同步方法,可以在非合作情况下,利用特征分解算法,通过记录最大特征值或者记录最大特征值与次大特征值之差的方案进行谱峰搜索,对WCDMA结构的下行信号进行时隙起始点的盲估计。使用本发明方法,即使在信号预处理阶段的效果不理想,即相位失配的情况,也可以达到时隙同步的效果。由于WCDMA信号结构是要求主同步码具有极强的自相关性能的,在信道结构类似的情况下,即使非合作方采用了新的主同步码,利用该方案也能有效地估计时隙的起始位置,完成时隙盲同步。由于特征分解广泛应用于直扩信号的扩频信号估计,本方法在时隙盲同步的基础上,也可以同时将主同步码完成估计提取。

    一种无线电信号异常检测方法

    公开(公告)号:CN112350787B

    公开(公告)日:2021-09-07

    申请号:CN202011091349.2

    申请日:2020-10-13

    IPC分类号: H04B17/30

    摘要: 本发明公开了一种无线电信号异常检测方法,包括以下步骤:S1、采集两段正常工作的无线电信号数据,计算第一相对小波时间熵;S2、根据第一相对小波时间熵的曲线波动范围,得到时间熵阈值;S3、采集正常工作的无线电信号数据和待检测的无线电信号数据,计算第二相对小波时间熵;S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数,计算异常信号比率;S5、判断异常信号比率是否大于异常信号比率阈值,若是,则待检测的无线电信号数据异常,若否,则跳转至步骤S3;本发明解决了现有技术大都是基于有监督的方法进行分类,并且异常信号类型采用人为标准定义的问题。

    一种基于有限域傅里叶变换的信道编码特征提取方法

    公开(公告)号:CN111447158A

    公开(公告)日:2020-07-24

    申请号:CN202010235770.X

    申请日:2020-03-30

    摘要: 本发明公开了一种基于有限域傅里叶变换的信道编码特征提取方法,包括以下步骤:S1:从信息码流中提取待处理的编码数据块;S2:对待处理的编码数据块进行预处理,得到编码数据块;S3:对编码数据块进行有限域傅里叶变换;S4:进行放大零频分量处理,得到编码数据块的行向量;S5:进行归一化处理,得到特征向量,完成信道编码的特征提取。本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息,有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。同时相比于直接对原始数据分类,本发明的特征提取方法在分类准确率方面有较大的提升,有利于后续机器学习算法利用本发明的特征提取结果。