一种VLF/LF信号分布式智能检测方法及系统技术方案

本发明专利技术涉及VLF/LF通信技术领域，公开一种VLF/LF信号分布式智能检测方法及系统，该方法包括：对神经网络进行预训练；对网络进行部署；包括：基于多个分布式小型化天线及前端联合接收多路VLF/LF信号并进行数字化采集；通过预训练的神经网络对分布式接收与采集的VLF/LF信号进行处理，得到信号检测结果；该系统包括：神经网络预训练模块，网络部署模块；网络部署模块包括分布式接收与采集子模块，输出信号检测子模块。本发明专利技术可更好的利用VLF/LF信号传播特性和接收环境的潜在规律，提升VLF/LF信号检测性能。性能。性能。

【技术实现步骤摘要】
一种VLF/LF信号分布式智能检测方法及系统


[0001]本专利技术涉及VLF/LF通信
，尤其涉及一种VLF/LF信号分布式智能检测方法及系统。

技术介绍

[0002]VLF/LF频段主要包括甚低频(VLF：Very Low Frequency)、低频(LF：Low Frequency)频段。VLF/LF频段较低，其电磁波传播在地波、天波、空间波三类主要传播方式中总体以地波传播为主，但难以得到精确的传播模型，较大的波长使得接收信号统计特性受地理位置及方向影响较大，难以准确建模刻画；采用小型化天线及前端接收VLF/LF频段信号时，受频段特性及感应机理影响，接收噪声也呈现出有别于更高频段/传统前端接收的统计特性，如接收信号中的噪声不仅来源于接收机热噪声，通常还包括由天线感应进来的环境噪声，使得噪声总体呈现更加复杂的统计规律；在采用多个天线前端联合接收信号时，由于传播信道及接收环境的潜在客观规律，不同天线前端接收的VLF/LF频段的信号统计特性、噪声统计特性在一定空、时、频范围内存在显著的多源、高维相关性。这种相关性因素对多天线接收VLF/LF信号样本进行联合检测时，具有十分显著的影响。通过数学模型刻画相关性，进而联合求解，是获取多天线联合检测性能增益的传统途径，但针对分布式小型化天线前端的VLF/LF信号接收样本，对多源、高维的复杂客观规律，确定模型刻画的准确性十分有限，进而大大限制了联合检测性能增益的获取。
[0003]与本专利技术相近似的处理主要涉及信号检测、多天线联合接收的信号检测。
[0004]典型的信号检测方法主要包括基于能量的检测方法、基于信号特征的检测方法等类型。即基于设定的接收信号概率模型构造基于信号能量或特征的统计量，并基于设定的概率模型构造门限，得到检测结果。
[0005]基于能量的信号检测方法的基本原理和步骤可描述如下：
[0006]步骤
①
：计算特定时/频段信号样本的能量或平均功率作为检测统计量；
[0007]步骤
②
：设定检测门限；
[0008]步骤
③
：将步骤1得到的检测统计量与步骤2得到的检测门限比较，若大于门限则检测结果为“有信号”，若小于门限则检测结果为“无信号”。
[0009]基于信号特征的检测方法的典型代表是基于匹配滤波的信号检测方法，其基本原理和步骤可描述如下：
[0010]步骤
①
：基于已知的信号波形函数设计匹配滤波器；
[0011]步骤
②
：将特定时、频段信号样本通过步骤1设计得到的匹配滤波器，选择匹配滤波输出最大值作为检测统计量；
[0012]步骤
③
：设定检测门限；
[0013]步骤
④
：将步骤2得到的匹配滤波器输出最大值与步骤3得到的检测门限比较，若大于门限则检测结果为“有信号”，若小于门限则检测结果为“无信号”。
[0014]多天线联合接收的信号检测将问题拓展到分布式多天线接收的多路信号样本，现
有方法基于确定的、近似简化的多路接收信号联合概率模型，实现联合检测。相应的典型方法如下。
[0015]典型方法1的基本思想是用不同检测结果各自的置信度，融合得到总的联合置信度，如大数判决法用信号有无结果的“多少”刻画“概率大小”，得出概率大的有无检测结果：对多副天线接收的各路信号分别进行信号检测处理，并输出信号有无的检测结果，对多路检测结果进行大数判决，即判决规则为：在N路检测结果中，若超过N/2路的检测结果为“有信号”，则判断为“有信号”；反之则判断为“无信号”。上述方法的实现框图如图1所示。
[0016]典型方法2的基本思想是对多副天线接收的各路信号先进行信号合成，得到具有更高信噪比的合成信号样本，再基于合成信号进行信号检测，并输出检测结果。其中信号合成首先需设定信号模型，描述信号间的时、频、相、功率、噪声等参数差异，再基于模型设计信号合成处理方法，获取联合处理增益，从而基于合成后信号实现检测性能提升。该方法的实现框图如图2所示。
[0017]上述现有方法及系统的缺点主要体现在以下方面：
[0018]①
基于模型法实现联合信号检测，检测方法依赖于所建立简化模型对样本数据的近似描述，损失了联合处理增益。
[0019]如：基于能量的信号检测方法需要基于信号模型构造信号能量或功率的统计量；基于匹配滤波的信号检测基于确知信号叠加随机噪声的模型构造统计量；基于信号合成的多天线联合接收信号检测方法需建立多天线联合接收信号的参数差异模型，进而在实现信号合成增强后进行检测。
[0020]模型法在许多场景下能够较为准确的描述接收信号(如空间波传播与加性高斯白噪声信道描述卫星信号)，但对于分布式小型化VLF/LF天线前端接收信号，模型法无法对直接影响接收样本统计规律的信道传播特性、接收环境影响等重要因素准确建模。
[0021]②
分布式接收信号样本的独立性假设。在实现联合检测的过程中，现有方法均假设了分布式接收样本间的独立性，即忽略了样本间的相关规律。
[0022]如：大数判决法将分布式接收样本独立分别检测，在独立检测结果假设下才使得硬判决择多与最小错误概率等价；与之类似的软判决结果加权融合类方法，也将分布式接收样本分别检测，并假设检测结果是独立的、重要性(置信度)不同的检测结果。
[0023]又如：基于信号合成的多天线联合接收信号检测方法中，假设接收信号时、频、相、衰落特性、噪声等参数在分布式接收样本间是独立或部分独立的，各参数间是独立或部分独立的，进而在独立性假设的基础上完成信号合成。
[0024]③
无法挖掘数据中蕴含的关联性规律。现有方法在得到检测结果时，仅利用当前数据样本得到信号检测结果，未利用海量历史数据、实验数据及其他有效数据构造更优的信号处理与检测方法，即忽略了分布式VLF/LF信号已有数据中所蕴含的潜在关联性规律。
[0025]上述方法均未考虑充分利用分布式VLF/LF信号接收前端获取的海量历史数据、实验数据，未考虑对传播信道、接收环境等客观规律引入的潜在的、复杂的接收样本间相关特性进行挖掘提取。

技术实现思路

[0026]本专利技术针对现有信号检测方法均未考虑充分利用分布式VLF/LF信号接收前端获
取的海量历史数据、实验数据，未考虑对传播信道、接收环境等客观规律引入的潜在的、复杂的接收样本间相关特性进行挖掘提取，从而导致VLF/LF信号检测性能差的问题，提出一种基于多个分布式小型化天线及前端联合接收，对VLF/LF频段信号进行目标信号检测的智能化方法及系统，突破传统模型法框架限制，基于预训练神经网络，充分挖掘了数据中所蕴含的潜在关联性规律，实现了VLF/LF频段内目标信号的分布信息获取，可更好的利用VLF/LF信号传播特性和接收环境的潜在规律，提升VLF/LF信号检测性能。
[0027]为了实现上述目的，本专利技术采用以下技术方案：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种VLF/LF信号分布式智能检测方法，其特征在于，包括：对神经网络进行预训练；对网络进行部署；包括：基于多个分布式小型化天线及前端联合接收多路VLF/LF信号并进行数字化采集；通过预训练的神经网络对分布式接收与采集的VLF/LF信号进行处理，得到信号检测结果。2.根据权利要求1所述的一种VLF/LF信号分布式智能检测方法，其特征在于，对神经网络进行预训练时，神经网络的输入为时频二维信号。3.根据权利要求1所述的一种VLF/LF信号分布式智能检测方法，其特征在于，所述神经网络由输入信号矢量映射输出全联合条件概率，用于描述目标信号在对应的时频维度上出现的概率。4.根据权利要求3所述的一种VLF/LF信号分布式智能检测方法，其特征在于，所述对神经网络进行预训练包括：采用蕴含分布式VLF/LF信号接收样本在时间、频率、空间各维度上统计相关性规律的历史数据作为训练数据，采用有监督训练方法，使用二进制分类交叉熵代价函数和Adam优化器，对神经网络进行预训练。5.根据权利要求1所述的一种VLF/LF信号分布式智能检测方法，其特征在于，在通过预训练的神经网络对分布式接收与采集的VLF/LF信号进行处理，得到信号检测结果之前，还包括：通过对分布式接收与采集的VLF/LF信号进行时频变换，得到L路I
×
J维输入数据矢量，其中I≥1为时间维度，J≥1为频率维度，L为VLF/LF信号接收路数。6.一种VLF/LF信号分布式智能检测系...

【专利技术属性】
技术研发人员：沈智翔，胡赟鹏，齐赛，刘广怡，姚祥文，陈怀，王雪斌，柴梦娟，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：