基于时频分析的跳频信号检测与参数估计方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115426002A(43)申请公布日2022.12.02(21)申请号202211046676.5H04B17/30(2015.01)(22)申请日2022.06.15G06K9/00(2022.01)(62)分案原申请数据202210675321.62022.06.15(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)发明人张灵珠沈强赵磊蕾凌洪罗冲刘鑫刘力辉程洪良(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)权利要求书3页说明书14页附图7页(54)发明名称基于时频分析的跳频信号检测与参数估计方法及系统(57)摘要本发明公开了基于时频分析的跳频信号检测与参数估计方法及系统，属于电磁频谱监测技术领域，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；对粗聚类结果进行细分聚类处理；最后根据连通域图像对跳速、幅度、带宽、驻留时间、跳频频率集等任一参数或多个参数进行估计。本发明通过时频图像的起始坐标特征对粗聚类结果进行细分聚类处理，相较现有聚类方法时间复杂度大大降低，聚类效率高；同时基于第一差值对临时跳周期求余处理，能够适用于所有聚类场景，进一步提高了检测效率，分选出相同跳速、不同起跳时间的跳频网台。CN115426002ACN115426002A权利要求书1/3页1.基于时频分析的跳频信号检测与参数估计方法，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；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；所述方法还包括对参数估计步骤，具体包括以下子步骤：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；最后上报不同跳速的跳频信号粗聚类结果和/或跳速相同但起跳时间不同的细分聚类结果，以及对跳速、幅度、带宽、驻留时间、跳频频率集等任一参数或多个参数组合的参数估计结果；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。2.根据权利要求1所述的基于时频分析的跳频信号检测与参数估计方法，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2所述的基于时频分析的跳频信号检测与参数估计方法，其特征在于：所述根据第一上门限、第一下门限对时频图像进行双门限阈值分割处理的计算式为：其中，B1表示双门限阈值分割结果；i1,m1分别表示时频图像X2的长度值、宽度值；thresholdH表示上门限，本示例中指第一上门限；thresholdL表示下门限，本示例中指第一下门限。2CN115426002A权利要求书2/3页4.根据权利要求2所述的基于时频分析的跳频信号检测与参数估计方法，其特征在于：所述第二门限的计算公式为：th(j)＝j*0.1*Pj＝1,2,3,…,n其中，P表示总能量；N、M均为求和符号上界，分别表示时频图像X2的长度最大值和宽度最大值；i、m均为求和符号下界，分别表示时频图像X2的长度起始值和宽度起始值；th(j)表示去噪门限；j表示迭代次数；C(j)表示能量分布数；对能量分布数进行二次差分处理，并求其拐点，将将拐点处对应的系数k(j)作