一种全自动信号检测识别报警方法技术

本发明专利技术公开了一种全自动信号检测识别报警方法，步骤一：进行模拟数据采集，将采集的数据进行AD转换，将经过AD转换的数据进行处理；步骤SA1：将数据进行数据分析，经过数据分析后形成实数据数学模型，提取数据特征，将提取数据特征用于实数据预测；步骤SA2：将数据进行IQ转换，经过IQ转换后建立时域模型，提取时域特征；步骤SA3：将数据进行FFT转换，经过FFT转换后形成频域模型，提取频域特征；步骤SA4：将信号的时域特征和频域特征进行融合，形成的信号特征用于信号的预测；通过采用相对性模糊判断的方法，使得多个环节判断逻辑能够互相验证，随时修正，并且利用环节间的相关性，保证流程的稳定性和有效性。的稳定性和有效性。的稳定性和有效性。

【技术实现步骤摘要】
一种全自动信号检测识别报警方法


[0001]本专利技术属于信号检测
，具体是一种全自动信号检测识别报警方法。

技术介绍

[0002]目前信号检测识别的设备和平台很多，但是都需要人工操作，并且很大程度上依赖人工搜索判断识别，不仅增加劳动强度和成本，也很难实现长期连续检测识别，信号检测识别工作强度大、可靠性差，很难保证信号检测识别的连续性和有效性。
[0003]公开号为CN105634623A的专利公开了一种无线信号检测系统，具有集成度高，处理速度快，执行效率高；能完成复杂的时序逻辑设计，而且编程灵活，非常适合高采样率高数据率的场合。包括FPGA模块、接收调节电路模块、锁相环频率合成器、模数转换模块、FET变换模块、PC机；其结构特点是：所述FPGA模块输出控制接口连接锁相环频率合成器和模数转换模块，所述FPGA模块的另一输出端口连接FET变换模块；所述锁相环频率合成器的输出端连接接收调节电路模块，接收调节电路模块的输出连接到模数转换模块，模数转换模块的输出端再连接到FPGA模块的输入端上；所述FET变换模块的输出端连接到PC机上。
[0004]但是上述专利技术仅仅解决了部分执行效率的问题，对于目前很多信号检测识别设备很大程度上依赖人工搜索判断识别的问题并没有解决，因此需要提供一种全自动信号检测识别报警方法，实现对信号的自动分析、搜索、检测、识别、解调、解码、译码等所有工作。

技术实现思路

[0005]为了解决上述方案存在的问题，本专利技术提供了一种全自动信号检测识别报警方法；通过采用相对性模糊判断的方法，使得多个环节判断逻辑能够互相验证，随时修正，并且利用环节间的相关性，保证流程的稳定性和有效性；检测识别算法通过整体分析基础噪声的频域分布和时域变化，自动跟踪和评估基础环境的整体分布和局部趋势，通过不断调整的数学模型准确预估下一时刻的特征和属性，并于实际检测的特征和属性进行对比分析，准确判断出信号的位置和宽度。
[0006]本专利技术的目的可以通过以下技术方案实现：一种全自动信号检测识别报警方法，具体方法包括：步骤一：进行模拟数据采集，将采集的数据进行AD转换，将经过AD转换的数据进行处理；步骤SA1：将数据进行数据分析，经过数据分析后形成实数据数学模型，提取数据特征，将提取数据特征用于实数据预测；步骤SA2：将数据进行IQ转换，经过IQ转换后建立时域模型，提取时域特征；步骤SA3：将数据进行FFT转换，经过FFT转换后形成频域模型，提取频域特征；步骤SA4：将信号的时域特征和频域特征进行融合，形成的信号特征用于信号的预测；步骤二：将信号的预测结果和实数据预测结果进行对比分析；
当预测结果和实数据预测结果一致时，将一致的特性用于信号的识别清分；当预测结果和实数据预测结果不一致时，将不一致的特性用于反馈参考；对比采集原始数据，纠正数学模型、时域模型和频域模型的参数体系；步骤三：将识别出的信号进行解调、解码和译码；如果在进行解调、解码和译码的过程中得出不正确的结果，进行分析整理，作为反馈信息，逐步调整数学模型、时域模型和频域模型的参数体系。
[0007]进一步地，步骤三中如果在进行解调、解码和译码的过程中得出正确的结果，则入库保存，形成底数库。
[0008]进一步地，还包括步骤四：获取信号特征的属性，作为前馈因子，影响后续各步骤的输入条件参考量。
[0009]进一步地，还包括步骤五：将入库信号数据根据筛选要素进行筛分，将相同类型的信号底数库特征与上述建立的信号特征进行对比分析。
[0010]进一步地，步骤五中当相同类型的信号底数库特征与上述建立的信号特征一致时，将一致的特性用于分析和识别；当相同类型的信号底数库特征与上述建立的信号特征不一致时，将不一致的特性用于纠正底数库的偏差。
[0011]进一步地，所有的反馈机制、前馈机制都是持续进行的。
[0012]进一步地，对于多个环节逻辑判断采用相对性模糊判断的方法。
[0013]与现有技术相比，本专利技术的有益效果是：通过采用相对性模糊判断的方法，使得多个环节判断逻辑能够互相验证，随时修正，并且利用环节间的相关性，保证流程的稳定性和有效性；在频谱分析环节，检测识别算法通过整体分析基础噪声的频域分布和时域变化，自动跟踪和评估基础环境的整体分布和局部趋势，通过不断调整的数学模型准确预估下一时刻的特征和属性，并与实际检测的特征和属性进行对比分析，准确判断出信号的位置和宽度；在其他运算环节，也采用了类似的原理和数学模型，就是充分考虑信号和设备及环境本身的物理属性，并不断自动调整模型参数，使得结果更接近于真实情况；由离散频谱数据建立基于频域和时域关联性特征属性，是提高信号识别准确率的创新方法；因为每个数据本身都是被干扰和存在误差的，状态和性质是基于数据的时域和频域的关联性得到的更本质的属性，这种属性的获取最大程度上综合考虑并且排除掉了干扰和误差的影响；从而得到更精确和稳定的判断依据；这种基于所有因素的关联性的属性获取，不仅表现在一个孤立的运算环节，而是贯穿于信号分析识别的整个流程，因为每个环节都是其它环节的关联要素，这样的要素也包括数据采集甚至更前端的硬件环境特性，他们的关联和影响都反映在数据里；各个环节的状态和性质判断不是孤立的，有反馈机制和前馈机制，每个环节的判断和识别都会反馈到前面的环节，验证和纠正前面的判断机制，同时也前馈到后续的判断环节，修正条件和依据；这种验证网络不仅使得识别准确率和可信度明显提升，也使得整个判断逻辑顺畅进行，完全摆脱了人工干预；本专利技术经过实际实验使用，得到广泛的认可和好评，极大程度上摆脱了信号识别对人工和经验的依赖；相比以前需要人工长时间值守，手动操作仪器，肉眼分析数据，经常会由于疲倦或者疏忽漏掉信号，或者由于经验不足识别错误，使用本专利技术的全自动信号检测识别报警系统后，完全可以数日无人值守，系统自己运行连续扫描检测，识别到信号自动
保存并报警，即便值班人员没有及时查阅处理，事后也可以查看底数和记录完成工作目标，不仅轻松舒适，而且准确率大大提高。
附图说明
[0014]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0015]图1为本专利技术的方法流程图。
具体实施方式
[0016]下面将结合实施例对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。
[0017]目前信号检测识别的设备和平台很多，但是都需要人工操作，并且很大程度上依赖人工搜索判断识别，不仅增加劳动强度和成本，也很难实现长期连续检测识别，信号检测识别工作强度大、可靠性差，很难保证信号检测识别的连续性和有效性。
...

【技术保护点】

【技术特征摘要】
1.一种全自动信号检测识别报警方法，其特征在于，具体方法包括：步骤一：进行模拟数据采集，将采集的数据进行AD转换，将经过AD转换的数据进行处理；步骤SA1：将数据进行数据分析，经过数据分析后形成实数据数学模型，提取数据特征，将提取数据特征用于实数据预测；步骤SA2：将数据进行IQ转换，经过IQ转换后建立时域模型，提取时域特征；步骤SA3：将数据进行FFT转换，经过FFT转换后形成频域模型，提取频域特征；步骤SA4：将信号的时域特征和频域特征进行融合，形成的信号特征用于信号的预测；步骤二：将信号的预测结果和实数据预测结果进行对比分析；步骤三：将识别出的信号进行解调、解码和译码；如果在进行解调、解码和译码的过程中得出不正确的结果，进行分析整理，作为反馈信息，逐步调整数学模型、时域模型和频域模型的参数体系。2.根据权利要求1所述的一种全自动信号检测识别报警方法，其特征在于，步骤三中如果在进行解调、解码和译码的过程中得出正确的结果，则入库保存，形成底数库。3.根据权利要求2所述的一种全自动信号检测识别报警方法，其特征在于，还包括步骤四：获取信号特征的属性，作为前馈...

【专利技术属性】
技术研发人员：曾兆立，李俊富，李伟，
申请(专利权)人：北京扬铭科技发展有限责任公司，
类型：发明
国别省市：