CN119416125A 一种基于机器学习的无线电信号识别方法及系统 （苏州恩巨网络有限公司）_第1页
CN119416125A 一种基于机器学习的无线电信号识别方法及系统 （苏州恩巨网络有限公司）_第2页
CN119416125A 一种基于机器学习的无线电信号识别方法及系统 （苏州恩巨网络有限公司）_第3页
CN119416125A 一种基于机器学习的无线电信号识别方法及系统 （苏州恩巨网络有限公司）_第4页
CN119416125A 一种基于机器学习的无线电信号识别方法及系统 （苏州恩巨网络有限公司）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于机器学习的无线电信号识别方法本发明公开了一种基于机器学习的无线电2将监测信号输入至神经网络模型，将信号到达的时间差和信号的通过在塔康系统中采用多站点信号采集和同步采集的方式，获取飞对滤除干扰后的信号片段进行快速傅里叶变换，并通过找到幅度滤除数字信号中的噪声和非目标频段的信号，仅保留塔康系统工作频率范围内的信3信号处理模块，用于对获取的无线电频谱的监测信号进4将监测信号输入至神经网络模型，将信号到达的时间差和信号的到达角度输入，56点部署高灵敏度接收器和天线阵列，并利用高精度GPS时钟或其他同步设备确保所有接收功率信息，信号到达角度定位利用信号到达接收器时的入射角度信息来确定干扰源位置，7图1图示了根据本申请实施例的一种基于机器学习的无线电信号识别方法的流程[0028]多站点信号采集为：在地理上分散的多个站点部署高灵他同步设备（如原子钟或网络时间协议NTS服务器确保所有接收器的时间戳精确同步至[0031]例如，例如将塔康信标发出的1000MHz信号以化；带通滤波器被设计来覆盖960MHz到1215MHz的范围，以滤除塔康信号工作频率外的干8差模型其中，为信号达到接收器A和接收器B的时间差；似然函数表示为：于阵列中的第n个天线元素，信号到达的角度θ会导致相邻天线元素之间的相位差9度组成一个向量A,两个向量被拼接成一个新的向量x=[r:A]s,为第i个干扰源的信号片段，B,为第i个干扰源的信号片段找ap()的局部最大值来确定信号片段的边界；对于每个干扰源i，提取信号片段x(t)是时间t的信号值。除不属于该干扰源的信号成分。这里的滤波器可以是带通滤波器或Wiener滤波器。其中，[0062]滤波器的频率响应，其中，S(f)是信号的自功率谱密度，[0064]具体地，对滤除干扰后的信号片段进行快速傅里叶变换（FFT以获得其频谱表x,s)和Ii(f)分别是N点元，多站点接收器部署单元为在地理上分散的多个站点部署高灵敏度接收器和天线阵列，用于步采集飞机和地面塔康台之间的无线电信号；时间同步单元为高精度GPS时钟或其他同步设备（如原子钟或网络时间协议NTS服务器用于确保所有接收器的时间戳精确同步号和干扰波形的叠加混合信号，通过CNN模型对叠加混合信号中不同干扰信号的识别和分系统的其它细节与之前根据本申请实施例的基于机器学习的无

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论