一种针对跳频信号的实时采集检测方法及系统与流程

本发明涉及信号检测，尤其涉及一种针对跳频信号的实时采集检测方法及系统。

背景技术：

1、跳频通信从20世纪60年代开始，国内外一直在进行新的扩频通信体制、理论和技术研究。近年来，跳频通信在民用通信系统中的应用也越来越重视，特别是应用于蜂窝移动电话系统中。而跳频技术在无线局域网中也得到了普遍的应用，如“蓝牙”技术就是建立在跳频技术之上。随着通信技术的不断发展，跳频技术也得到了越来越多的应用，进行人工数据采集效率低下的问题进一步暴露出来，如何自动化收集跳频信号数据成为技术人员越来越关注的问题。

2、近些年计算机视觉技术发展成熟，也被应用到越来越多的行业当中，并取得了很好的效果。将计算机视觉相关技术和无线电信号检测结合起来已经成为越来越多信号研究人员的选择。根据传统的数据采集方式，如何能够完成所见及所得，并对跳频信号及时采集下来，通过自动化的方式来替代人工采集流程成为技术人员越来越急迫考虑的问题；同时需要自动化采集在各种噪声、干扰情况下具有较好的鲁棒性，并适用于各种跳频信号，这就对自动化流程要求越来越高。

3、需要说明的是，在上述背景技术部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供了一种针对跳频信号的实时采集检测方法及系统，解决了现有人工采集存在的问题。

2、本发明的目的通过以下技术方案来实现：一种针对跳频信号的实时采集检测方法，所述采集检测方法包括：

3、通过天线的接收机实时输出stft数据与iq数据，对其进行数据缓存，根据接收及缓存后的stft数据得到一定时间段内的频谱图数据，并对频谱图数据进行分析得到所有疑似信号；

4、通过跳频分选算法对所有疑似信号进行图模型建立，并根据图模型进行跳频信号查找判断是否存在跳频信号；

5、如果未检测到跳频信号，则对接收及缓存的iq数据进行清理，并继续对缓存数据进行跳频信号检测处理，如果检测到跳频信号，则将缓存队列中的iq数据进行存储落盘，并继续对缓存数据进行跳频信号检测处理。

6、所述对频谱图数据进行分析得到所有疑似信号包括：

7、通过对频谱图进行密度聚类得到背噪幅度，根据背噪幅度设置信号筛选阈值；

8、根据信号阈值对频谱图进行滤波处理，得到0/1特征矩阵；

9、根据基于时间的信号连续性分析得到信号的起始时间、结束时间、起始频率和结束频率信息。

10、所述通过对频谱图进行密度聚类得到背噪幅度包括：

11、对频谱图二维幅度进行统计分析，将求解背景幅度问题转换为一维密度聚类问题，通过机器学习密度聚类的方法得到幅度密度最为集中位置，该位置即为背景幅度噪声。

12、所述通过跳频分选算法对所有疑似信号进行图模型建立，并根据图模型进行跳频信号查找判断是否存在跳频信号具体包括：

13、从输入的信号集合中抽取一个信号，对其他信号进行遍历，如果其他信号的结束时间与抽取信号的起始时间相同或其他信号的起始时间与抽取信号的结束时间相同，即加入抽取的信号的图序列中，再对新加入信号同样进行相应的操作，便可构建出初始抽取信号的图模型；

14、对该图模型进行最长路径求解得到疑似跳频信号的序列，对其序列长度进行判断，如果跳频个数大于等于阈值，则放入到输出的跳频序列集合中；

15、将图模型中的信号从信号集合中剔除，并重复上述操作，得到所有的跳频序列集合。

16、一种针对跳频信号的实时采集检测系统，它包括数据缓存模块、密度聚类分析模块、跳频分选模块和结果处理模块；

17、所述数据缓存模块：通过天线的接收机实时输出stft数据与iq数据，对其进行数据缓存，根据接收及缓存后的stft数据得到一定时间段内的频谱图数据；

18、所述密度聚类分析模块：用于通过密度聚类的方式对频谱图数据进行分析得到所有疑似信号；

19、所述跳频分选模块：用于通过跳频分选算法对所有疑似信号进行图模型建立，并根据图模型进行跳频信号查找判断是否存在跳频信号；

20、所述结果处理模块：用于如果未检测到跳频信号，则对接收及缓存的iq数据进行清理，并继续对缓存数据进行跳频信号检测处理，如果检测到跳频信号，则将缓存队列中的iq数据进行存储落盘，并继续对缓存数据进行跳频信号检测处理。

21、所述密度聚类分析模块包括密度聚类单元、阈值滤波单元和连续性分析单元；

22、所述密度聚类单元：用于对频谱图二维幅度进行统计分析，将求解背景幅度问题转换为一维密度聚类问题，通过机器学习密度聚类的方法得到幅度密度最为集中位置，该位置即为背景幅度噪声；

23、所述阈值滤波单元：用于根据背噪幅度设置信号筛选阈值，根据信号阈值对频谱图进行滤波处理，当频谱图幅度大于信号筛选阈值即置为1，否则置为0，得到0/1特征矩阵；

24、所述连续性分析单元：用于根据基于时间的信号连续性分析得到信号的起始时间、结束时间、起始频率和结束频率信息。

25、所述跳频分选模块包括图模型构建单元、图模型分析处理单元和循环单元；

26、所述图模型构建单元：用于从输入的信号集合中抽取一个信号，对其他信号进行遍历，如果其他信号的结束时间与抽取信号的起始时间相同或其他信号的起始时间与抽取信号的结束时间相同，即加入抽取的信号的图序列中，再对新加入信号同样进行相应的操作，便可构建出初始抽取信号的图模型；

27、所述图模型分析处理单元：用于对该图模型进行最长路径求解得到疑似跳频信号的序列，对其序列长度进行判断，如果跳频个数大于等于阈值，则放入到输出的跳频序列集合中；

28、所述循环单元：用于将图模型中的信号从信号集合中剔除，并重复图模型构建单元和图模型分析处理单元的操作，得到所有的跳频序列集合。

29、本发明具有以下优点：

30、1、针对跳频信号具有较强的泛化能力。能够对常规跳频信号有较好的效果；目前现有技术非常依赖常规跳频信号其跳速相等的特性，本发明对各种跳速情况下的跳频信号都具有一定的效果；同时该方法能够适应不同带宽下的跳频信号，具有较强的泛化能力。

31、2、具有较强的抗噪抗干扰能力，其通过频谱图的方式对信号进行检测，能够适应各种干扰和噪声情况，达到所见即所得；同时根据数据落盘的采集机制，当发现跳频信号后对其该时段前后一定时间段内进行落盘，即使信号出现缺跳等情况，依然能够将信号较为完整的采集下来。

32、3、能够快速判断跳频信号是否存在，其通过将频谱图使用矩阵的方式进行处理，并对其进行稀疏矩阵特征提取，通过对特征矩阵进行高效压缩与处理，得到信号的参数信息；同时使用图模型的方式对所有疑似信号进行跳频序列分析，最终判断跳频信号是否存在。

技术特征：

1.一种针对跳频信号的实时采集检测方法，其特征在于：所述采集检测方法包括：

2.根据权利要求1所述的一种针对跳频信号的实时采集检测方法，其特征在于：所述对频谱图数据进行分析得到所有疑似信号包括：

3.根据权利要求2所述的一种针对跳频信号的实时采集检测方法，其特征在于：所述通过对频谱图进行密度聚类得到背噪幅度包括：

4.根据权利要求1所述的一种针对跳频信号的实时采集检测方法，其特征在于：所述通过跳频分选算法对所有疑似信号进行图模型建立，并根据图模型进行跳频信号查找判断是否存在跳频信号具体包括：

5.一种针对跳频信号的实时采集检测系统，其特征在于：它包括数据缓存模块、密度聚类分析模块、跳频分选模块和结果处理模块；

6.根据权利要求5所述一种针对跳频信号的实时采集检测系统，其特征在于：所述密度聚类分析模块包括密度聚类单元、阈值滤波单元和连续性分析单元；

7.根据权利要求5所述一种针对跳频信号的实时采集检测系统，其特征在于：所述跳频分选模块包括图模型构建单元、图模型分析处理单元和循环单元；

技术总结
本发明涉及一种针对跳频信号的实时采集检测方法及系统，包括：根据接收及缓存后的STFT数据得到一定时间段内的频谱图数据，对频谱图数据进行分析得到所有疑似信号；通过跳频分选算法对所有疑似信号进行图模型建立，并根据图模型进行跳频信号查找判断是否存在跳频信号；如果未检测到跳频信号，则对接收及缓存的IQ数据进行清理，并继续对缓存数据进行跳频信号检测处理，如果检测到跳频信号，则将缓存队列中的IQ数据进行存储落盘，并继续对缓存数据进行跳频信号检测处理。本发明能够快速判断跳频信号是否存在，其通过将频谱图使用矩阵的方式进行处理，并对其进行稀疏矩阵特征提取，通过对特征矩阵进行高效压缩与处理，得到信号的参数信息。

技术研发人员：高伟,王圣川,郝彬,梁新宇,李丁
受保护的技术使用者：电信科学技术第五研究所有限公司
技术研发日：
技术公布日：2024/2/19