[發明專利]一種電磁頻譜監測接收機信號自動檢測方法有效
| 申請號: | 202010770061.1 | 申請日: | 2020-08-04 |
| 公開(公告)號: | CN112087272B | 公開(公告)日: | 2022-07-19 |
| 發明(設計)人: | 劉德鵬;許建華;向長波;李曉軍;韓連龍 | 申請(專利權)人: | 中電科思儀科技股份有限公司 |
| 主分類號: | H04B17/20 | 分類號: | H04B17/20 |
| 代理公司: | 青島智地領創專利代理有限公司 37252 | 代理人: | 陳海濱 |
| 地址: | 266555 山*** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 電磁 頻譜 監測 接收機 信號 自動檢測 方法 | ||
1.一種電磁頻譜監測接收機信號自動檢測方法,其特征在于,包括以下步驟:
步驟1:信號增強表征
步驟1.1:求出每個信號的頻譜在不同尺度下的局部均值差異、局部中值差異和局部形態學處理差異;
局部均值差異dmean()的定義為:
其中,f代表頻率,s代表求解局部均值差異的尺度參數,f'代表用于計算的當前數據點頻率,si()代表待處理頻譜;
局部中值差異dmedian()的定義為:
dmedian(f,s)=si(f)-median(si(f-s),...,si(f+s)) (2)
其中,median(si(f-s),...,si(f+s))代表si(f-s),...,si(f+s)的中值;
局部形態學處理差異opening()的定義為:
其中,M代表形態學操作的結構元,DM是M的作用區域;
步驟1.2:每個信號的局部均值差異、局部中值差異和局部形態學處理差異與原始頻譜數據拼接為一個增強表征矩陣;
步驟2:集成學習判別
進行分支檢測器學習和集成檢測器學習;
步驟2.1:多個信號的增強表征矩陣構成信號檢測訓練樣本集,從信號檢測訓練樣本集中抽取的m個子集訓練m個分支信號檢測器;
步驟2.2:m個分支檢測器訓練完成后,采用分支檢測器處理全體訓練樣本,可得到m組檢測結果,將m組檢測結果合并可構成集成學習訓練樣本集,利用集成學習訓練樣本集訓練集成檢測器;
步驟2.3:集成檢測器訓練完成后,將分支檢測器和集成檢測器組合,即分支檢測器的處理結果作為集成檢測器的輸入,由集成檢測器輸出最終的自動信號檢測結果。
2.根據權利要求1所述的一種電磁頻譜監測接收機信號自動檢測方法,其特征在于,
增強表征矩陣包括不同尺度下的基于均值的預處理結果,不同尺度下的基于中值的預處理結果,不同尺度下的基于形態學的預處理結果,具有多尺度分析能力。
3.根據權利要求1所述的一種電磁頻譜監測接收機信號自動檢測方法,其特征在于,
信號檢測訓練樣本集為:
T={(x1,y1),...,(xi,yi),...(xn,yn)} (6)
其中,xi代表歸一化后的頻譜數據,yi代表信號分布標簽,n代表訓練樣本的數量;
集成學習訓練樣本集為:
z(i,j)代表第i個信號樣本經過第j個分支檢測器處理后所得的結果;對于第i個樣本,所有m個分支檢測器的處理結果組成向量[z(i,1),...,z(i,j),...z(i,m)],作為集成檢測器的輸入信號。
4.根據權利要求1所述的一種電磁頻譜監測接收機信號自動檢測方法,其特征在于,分支檢測器所采用的機器學習模型為人工神經網絡。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中電科思儀科技股份有限公司,未經中電科思儀科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010770061.1/1.html,轉載請聲明來源鉆瓜專利網。





