跳频信号实时盲检测方法、参数估计方法、系统及终端.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114759951A(43)申请公布日2022.07.15(21)申请号202210675321.6G06K9/00(2022.01)(22)申请日2022.06.15(71)申请人成都中星世通电子科技有限公司地址610000四川省成都市高新区西部园区百草路81号(72)发明人周玉芳张灵珠沈强凌洪罗冲刘鑫程洪良刘力辉赵磊蕾(74)专利代理机构成都华风专利事务所(普通合伙)51223专利代理师吴桂芝(51)Int.Cl.H04B1/713(2011.01)H04B1/715(2011.01)H04B17/30(2015.01)权利要求书2页说明书14页附图10页(54)发明名称跳频信号实时盲检测方法、参数估计方法、系统及终端(57)摘要本发明公开了跳频信号实时盲检测方法、参数估计方法、系统及终端，属于电磁频谱监测技术领域，实时盲检测方法包括对跳频信号的时频图像进行双门限阈值分割处理、连通区域标记处理，得到连通域图像的特征信息；根据连通域图像的长度特征对连通域进行粗聚类，得到不同跳速的粗聚类结果。本发明采用双门限阈值对时频图像进行分割处理，能够更好过滤干扰，提高信号检测准确率；同时，基于连通域图像的长度特征进行粗聚类，大大降低了时间复杂度，整个聚类过程无需收敛迭代，能够快速得到不同跳速的粗聚类结果，实现了跳频信号的实时盲检测，同时大大提高了聚类计算效率。CN114759951ACN114759951A权利要求书1/2页1.一种跳频信号实时盲检测方法，其特征在于：其包括以下步骤：对跳频信号的时频图像进行双门限阈值分割处理、连通区域标记处理，得到连通域图像的特征信息，所述特征信息包括长度特征；根据连通域图像的长度特征对连通域进行粗聚类，得到不同跳速的粗聚类结果。2.根据权利要求1所述的跳频信号实时盲检测方法，其特征在于：所述双门限阈值分割处理包括以下子步骤：根据下发的第一上门限、第一下门限对时频图像进行双门限阈值分割处理；和/或，计算时频图像的能量分布数，根据能量分布数获取去噪门限值，将去噪门限值作为第二下门限，并令最大像素值为第二上门限，根据第二上门限、第二下门限对时频图像进行双门限阈值分割处理。3.根据权利要求1所述的跳频信号实时盲检测方法，其特征在于：所述根据连通域图像的长度特征对连通域进行粗聚类包括以下子步骤：对时频图像的长度特征进行排序，得到长度序列和对应的连通域标签序列；对长度序列进行差分运算，得到差分长度序列；比较差分长度序列与第一阈值的大小，并结合差分长度序列对应的连通域标签实现粗聚类处理。4.根据权利要求1所述的跳频信号实时盲检测方法，其特征在于：所述方法还包括细分聚类步骤，包括以下子步骤：根据连通域图像的起始坐标特征，对粗聚类结果进行细分聚类处理，进而实现对跳速相同、起跳时间不同的网台的分选。5.根据权利要求4所述的跳频信号实时盲检测方法，其特征在于：所述细分聚类处理包括以下子步骤：根据时频图像的起始坐标特征对粗聚类结果进行排序，得到坐标特征序列和对应的连通域标签序列；计算起始坐标特征的差分结果的均值，得到临时跳周期；选取任意一起始坐标特征作为基准值，计算当前起始坐标特征与基准值的第一差值，并对第一差值与临时跳周期进行求余计算，得到求余结果；比较求余结果与第二阈值的大小，或比较临时跳周期与求余结果的第二差值与第二阈值的大小，并结合坐标特征序列对应的连通域标签实现细分聚类处理。6.一种跳频信号实时参数估计方法，其特征在于：所述方法基于权利要求1‑5任一项所述的跳频信号实时盲检测方法进行实施，包括以下步骤：根据各组分类结果中连通域图像的长度特征估计跳频信号的驻留时间；和/或，根据各组分类结果中连通域图像的起始坐标特征估计跳频信号的跳周期及跳速；和/或，根据各组分类结果中连通域图像的高度特征估计跳频信号的带宽；和/或，根据各组分类结果中连通域图像的幅值特征估计跳频信号的幅度；和/或，根据各组分类结果中连通域图像的质心特征估计跳频信号的频率集。7.一种跳频信号实时盲检测系统，其特征在于：其包括：图像处理单元，用于对跳频信号的时频图像进行双门限阈值分割处理、连通区域标记2CN114759951A权利要求书2/2页处理，得到连通域图像的特征信息，特征信息包括长度特征；信号盲检测单元，用于根据连通域图像的长度特征对连通域进行粗聚类，得到不同跳速的粗聚类结果。8.根据权利要求7所述的跳频信号实时盲检测系统，其特征在于：所述系统还包括细分聚类单元，用于根据连通域图像的起始坐标特征，对粗聚类结果进行细分聚类处理，进而实现对跳速相同、起跳时间不同的网台的分选。9.一种跳频信号实时参数估计系统，其特征在于：所述系统基于权利要求7‑8任一项所述跳频信号实时盲检测系统进行跳频信号