System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于信号检测,特别涉及一种基于时频谱局部方差算法的无人机信号检测方法。
技术介绍
1、随着无人机技术的发展,无人机在各个行业的使用越来越频繁,随之带来的无线信号通信频段拥挤的问题也日渐突出。跳频通信具有较强的抗干扰能力和较低的截获率,已在无人机领域获得广泛应用。无人机经常需要在城市、工厂等通信设备密集的复杂电磁环境下工作,导致无人机的信号接收成为难点。复杂的电磁环境导致无人机信号信噪比下降,使得无人机对跳频信号的识别与接收变得不稳定。
2、公开号为“cn1 13177514b”的中国专利技术专利公开了一种无人机信号检测方法、装置及计算机可读存储介质,该方法包括:对归一化处理后的无人机信号样本进行能量-时频域分析,得到时域能量变化谱图;基于时域能量变化谱图对无人机信号样本进行门限阈值分选,以得到有效信号片段和噪声片段;采用滑窗法对有效信号片段进行切片处理,以得到多个等长的信号序列片段;提取各个信号序列片段的特征数据,并对特征数据进行聚类分析,以得到多个不相关的信号子集;对每一种信号类型的无人机信号样本均进行上述步骤,并将得到的信号子集添加至特征库中,以及利用特征库对分类模型进行训练;利用训练好的分类模型对待检测无人机信号进行进行信号类型检测。
3、该方案采用分类模型对无人机信号进行信号检测,对特征库的容量要求较高,在现有特征库容量条件下,存在普适性较低及抗噪声性能不足等问题。
技术实现思路
1、本专利技术提供一种基于时频谱局部方差算法的无人机信号检测
2、为解决上述技术问题,本专利技术提出的无人机信号检测方法,包括以下步骤:
3、s1:收集作业空间场景中的信号;
4、s2:对所述作业空间场景中的信号进行短时傅里叶变换,得到时频信号;
5、s3:对所述时频信号进行间隔采样,得到离散时频信号;
6、s4:将所述离散时频信号进行模值平方处理,得到能量谱;
7、s5:使用设定长度的窗函数对所述能量谱进行加窗,得到时频谱;
8、s6:计算所述时频谱中不同频率分量的平均功率谱,根据所述平均功率谱采用时频对消方法消除定频干扰信号的时频谱分量,再进行归一化得到归一化时频对消谱;
9、s7:计算所述归一化时频对消谱的局部方差,根据所述局部方差计算检测统计量;
10、s8:将所述检测统计量与设定的检测门限进行比较,根据比较结果判定作业空间场景中是否存在跳频信号。
11、优选地,所述作业空间场景中的信号表示为:
12、
13、式中,o是观测时间内的总跳数,th为跳频周期,a(t)是基带复包络,a是跳频信号的幅度,fi和分别是第i跳的载波频率和相位,整个观测时间为th,
14、
15、优选地,所述短时傅里叶变换表示为:
16、
17、式中,h0是信号接收机截获的观测信号中仅存在噪声的假设,h1是信号接收机截获的观测信号中存在跳频信号、定频干扰信号和噪声的假设,h(t)表示窗函数,h*(t)是窗函数h(t)的共轭形式,stfts(f,t),stftj(f,t),stftv(f,t)分别表示为s(t),j(t),v(t)的短时傅里叶变换,j为虚数单位,x(τ)为给定的观测信号。
18、优选地,所述间隔采样表示为:
19、
20、式中,stftx(k,n)为离散时频信号的表示,k为频率维度,取值k=1,2,...,k,n为时间维度,取值n=1,2,...,n;j为虚数单位,u为等间隔采样时每一次采样时间,h(t)表示窗函数,h*(t)是窗函数h(t)的共轭形式。
21、优选地,所述能量谱表示为:
22、specx(k,n)=|stftx(k,n)|2
23、式中,specx(k,n)为能量谱的表示,stftx(k,n)为离散时频信号的表示。
24、优选地,所述时频谱表示为:
25、
26、式中,px(k,n)为时频谱的表示,specx(k,n)为能量谱的表示,l为窗函数的长度。
27、优选地,所述平均功率谱的计算方法为:
28、
29、式中,为平均功率谱的表示,n为时间的总维度,px(k,n)为时频谱的表示。
30、优选地,所述归一化时频对消谱表示为:
31、
32、式中,psub(k,n)为归一化时频对消谱的表示,px(k,n)为时频谱的表示,为平均功率谱的表示。
33、优选地,所述局部方差的计算方法为:
34、
35、式中,d(k)为局部方差,n为时间的总维度,psub(k,n)为归一化时频对消谱的表示。
36、优选地,所述检测统计量的计算方法为:
37、
38、式中,β为检测统计量,k为时间的总维度,d(k)为局部方差。
39、与现有技术相比,本专利技术具有以下技术效果:
40、1.本专利技术从无人机跳频信号时频处理的角度出发,使用基于时频谱局部方差算法进行无人机信号检测。基于时频谱局部方差的检测算法使用离散的短时傅里叶变换对谱图进行模值平方处理,采用时频对消的方法消除定频干扰信号的时频谱分量,从而得到归一化的时频对消谱图。将计算出的监测统计量与检测门限进行比较,从而判断是否存在跳频信号,该算法具有良好的抗噪声性能,在低信噪比下也可以检测出跳频信号的存在。
41、2.本专利技术所采用的时频谱局部方差算法具有普适性,可用于信噪较低的环境中检测无人机跳频信号,该检测方法简单直接,通过比较检验统计量β与检测门限tl的值,快速判定空间信号质量,实时监测无人机的飞行通信质量。
本文档来自技高网...【技术保护点】
1.一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述作业空间场景中的信号表示为:
3.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述短时傅里叶变换表示为:
4.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述间隔采样表示为:
5.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述能量谱表示为:
6.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述时频谱表示为:
7.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述平均功率谱的计算方法为:
8.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述归一化时频对消谱表示为:
9.根据权利要求1所述的一种基于时频谱局部方差
10.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述检测统计量的计算方法为:
...【技术特征摘要】
1.一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述作业空间场景中的信号表示为:
3.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述短时傅里叶变换表示为:
4.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述间隔采样表示为:
5.根据权利要求1所述的一种基于时频谱局部方差算法的无人机信号检测方法,其特征在于,所述能量谱表示为:
6.根据权利要...
【专利技术属性】
技术研发人员:吴文斌,陈卓磊,韩腾飞,张伟豪,李哲舟,梁曼舒,陈伯建,王仁书,阮莹,谢文炳,王晓杰,张莹,吴晓杰,
申请(专利权)人:国网福建省电力有限公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。