一种基于制造技术

本申请公开了一种基于

【技术实现步骤摘要】
一种基于
β
‑
散度的弱信号检测方法和装置


[0001]本申请涉及无线通信中低信噪比单信源盲检测
，具体涉及一种基于
β
‑
散度的弱信号检测方法和装置
。

技术介绍

[0002]电磁频谱是国家重要的战略资源，对电磁频谱的有效监测是确保电磁空间安全的重要组成部分
。
随着科学技术的不断发展，信号的丰富使原本有限的频谱资源更加稀缺，给电磁空间的监管带来了严峻的挑战
。
在实际监测环境中，由于信道衰落
、
电磁干扰
、
接收系统分集等因素，一些信号很容易淹没在背景噪声中
。
以扩频通信
、
超宽带通信和跳频通信为代表的通信模式，具有低功率谱密度和良好的隐蔽性，在没有先验信息的非合作频谱监测中，往往难以判断它们的存在，这对于频谱的监测具有挑战性
。
[0003]在实际应用中，最常用的方法是能量检测
。
该方法计算简单，不需要任何先验信息
。
然而，在较低信噪比
(
‑
20
～
‑
15dB)
和不确定性噪声的情况下，该算法的性能较差
。
应用信息论基础，基于信息熵的盲信号检测技术在较低信噪比下拥有优于能量检测的性能，但是在低信噪比
(<
‑
20dB)
情况下，检测性能恶化严重
。
[0004]基于以上分析，有必要提出一种高效的非合作频谱监测盲检测技术，能够在低信噪比情况下仍能够检测到弱信号的存在
。

技术实现思路

[0005]针对现有信号检测技术的不足，本申请的实施例提供了一种基于
β
‑
散度的弱信号检测方法和装置，通过利用
β
‑
散度可以敏感地感知到信号数据，增大信号与噪声数据的区分度的特性，达到在低信噪比情况下提高检测概率的目的
。
[0006]依据本申请的第一方面，提供了一种基于
β
‑
散度的弱信号检测方法，包括如下步骤：
[0007]S1
，通过给定窗长的滑窗采集电磁频谱信号，每个滑窗采集一组数据；
[0008]S2
，对每组数据进行解调以及低通滤波处理后，计算每组数据的功率谱；
[0009]S3
，对每组数据的功率谱，根据公式
(1)
定义的
β
‑
散度函数计算
β
‑
散度：
[0010][0011]并进一步根据公式
(2)
计算
β
‑
散度的度量值
D
：
[0012][0013]其中，公式
(1)
中
x,y
为两个非负数，每组数据的功率谱作为
x
的输入值，
y
作为一个基准的常数分布，在实际检测中设定为常数向量
η1，
η1的所有维度数值均为
η
，
η
＞0为一常数，
η
与公式
(1)
中的参数
β
一起预先给定；公式
(2)
中
N
为每组数据的功率谱点数；
[0014]S4
，将计算得到的每组数据的
β
‑
散度的度量值
D
与预先给定的门限进行比较，若所述度量值
D
大于门限则判别为检测到信号，否则判别为未检测到信号
。
[0015]依据本申请的第二方面，提供了一种基于
β
‑
散度的弱信号检测装置，包括如下步骤：
[0016]数据采集模块，用于通过给定窗长的滑窗采集电磁频谱信号，每个滑窗采集一组数据；
[0017]功率谱计算模块，用于对每组数据进行解调以及低通滤波处理后，计算每组数据的功率谱；
[0018]度量值计算模块，用于对每组数据的功率谱，根据公式
(1)
定义的
β
‑
散度函数计算
β
‑
散度：
[0019][0020]并进一步根据公式
(2)
计算
β
‑
散度的度量值
D
：
[0021][0022]其中，公式
(1)
中
x,y
为两个非负数，每组数据的功率谱作为
x
的输入值，
y
作为一个基准的常数分布，在实际检测中设定为常数向量
η1，
η1的所有维度数值均为
η
，
η
＞0为一常数，
η
与公式
(1)
中的参数
β
一起预先给定；公式
(2)
中
N
为每组数据的功率谱点数；
[0023]检测判别模块，用于将计算得到的每组数据的
β
‑
散度的度量值
D
与预先给定的门限进行比较，若所述度量值
D
大于门限则判别为检测到信号，否则判别为未检测到信号
。
[0024]依据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个计算机程序，所述一个或多个计算机程序当被处理器执行时，实现前述的基于
β
‑
散度的弱信号检测方法
。
[0025]本申请各实施例的有益效果是：
[0026]本申请各实施例提供的基于
β
‑
散度的弱信号检测方案，由于公式
(1)
定义的
β
‑
散度函数可以用来度量自变量
x
和
y
之间的距离，在给定
y
＝
y0的情况下，当
x
不等于
y0时，对于不同的
β
值会得到不同的函数值，而且函数曲线的斜率也不同，如果选取到合适的
y
和
β
值，信号作为
x
的输入值，经过该
β
‑
散度函数运算得到的信号的度量值将会与噪声的度量值区分度很大，也即公式
(1)
定义的
β
‑
散度函数可以敏感地感知到信号数据，增大信号与噪声数
据的区分度；考虑到该特性，本申请利用
β
‑
散度函数来对弱信号进行检测，在实际检测中，通过给定窗长的滑窗采集电磁频谱信号，每个滑窗采集一组数据，对每组数据进行解调以及低通滤波处理后，计算每组数据的功率谱，然后将每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
β
‑
散度的弱信号检测方法，其特征在于，包括如下步骤：
S1
，通过给定窗长的滑窗采集电磁频谱信号，每个滑窗采集一组数据；
S2
，对每组数据进行解调以及低通滤波处理后，计算每组数据的功率谱；
S3
，对每组数据的功率谱，根据公式
(1)
定义的
β
‑
散度函数计算
β
‑
散度：并进一步根据公式
(2)
计算
β
‑
散度的度量值
D
：其中，公式
(1)
中
x,y
为两个非负数，每组数据的功率谱作为
x
的输入值，
y
作为一个基准的常数分布，在实际检测中设定为常数向量
η1，
η1的所有维度数值均为
η
，
η
＞0为一常数，
η
与公式
(1)
中的参数
β
一起预先给定；公式
(2)
中
N
为每组数据的功率谱点数；
S4
，将计算得到的每组数据的
β
‑
散度的度量值
D
与预先给定的门限进行比较，若所述度量值
D
大于门限则判别为检测到信号，否则判别为未检测到信号
。2.
根据权利要求1所述方法，其特征在于，所述方法还包括：由采集数据的滑窗个数得到总的检测次数，根据检测到信号的数据组数与所述总的检测次数的比值计算得到检测概率
。3.
根据权利要求1或2所述方法，其特征在于，所述门限采用如下方式预先给定：在检测前期，获取纯噪声的
β
‑
散度的度量值分布；采用
Neyman
‑
Pearson
准则，结合给定的虚警率和所述纯噪声的
β
‑
散度的度量值分布得到门限
。4.
根据权利要求3所述方法，其特征在于，所述结合给定的虚警率和所述纯噪声的
β
‑
散度的度量值分布得到门限包括：将纯噪声的全部
β
‑
散度的度量值进行从小到大排序，根据虚警率和总的检测次数的乘积计算出大于门限的检测次数
n
，将排序后的纯噪声度量值的倒数第
n+1
个值确定为门限
。5.
根据权利要求1所述方法，其特征在于，所述
η
与公式
(1)
中的参数
β
采用如下方式一起预先给定：在检测前期，将所述
η
和
β
分别设定为一定范围内的一组数值，两组数值构成一个二维数组，通过遍历方式对所述
η
和
β
的数值进行联合选取；对比检测性能，粗略地确定下性能较优的所述
η
和
β
各自所在的数值区间；对所述
η
和
β
各自所在的数值区间进行细化，得到一组新的联合数组，再通过遍历方式从中选取出一组最合适的数值，该组数值在绝大多数条件下的检测概率都比较高，将该组...

【专利技术属性】
技术研发人员：刘家豪，刘浩煊，蒲文强，周睿，史清江，王巍，尤明懿，吕大鑫，
申请(专利权)人：中国电子科技集团公司第三十六研究所，
类型：发明
国别省市：