基于无线传感网络的雷击信号检测平台设计

通过对雷击信号的实时准确检测,为高压电气等设备的防雷击监测奠定基础。传统的雷击信号检测方法采用时频参量估计方法,在强电磁干扰下检测性能差。提出一种基于无线传感网络的雷击信号检测平台设计方法。通过无线传感器网络进行原始的雷击信号参量等数据信息的采集,设计的雷击信号的检测平台的硬件电路,包括A/D采样电路、信号滤波电路、雷击信号的时钟控制电路、程序加载电路、接口电路等;进行雷击信号检测平台的软件开发,基于Qt/Embedded的应用软件开发雷击信号检测平台的脚本,设计波形数据存储界面,进行可视化模块设计,通过雷击信号的波形输出和人机交互,完成雷击信号检测平台设计。仿真结果表明,该平台进行雷击信号检测的性能较好,准确检测概率较高。     

基于循环平稳分析的LFM信号盲处理结果可靠性评估

针对线性调频(LFM,Linear Frequency Modulation)信号盲处理结果的可靠性评估问题,提出了一种基于循环频率特征分析的处理算法.首先对观测信号进行调制方式识别及参数估计,并据此建立参考信号,后将观测信号与参考信号作相关运算.通过检测相关序列在零频率附近是否存在循环频率,实现对LFM信号盲处理结果的可靠性检验.文中对所提出检验算法的错误概率进行了理论推导,并以常用的离散多项式变换(DPT,Discrete Polynomial Transform)法为例进行了实证分析.仿真结果表明,相对于已有时域方法而言,本文算法无需估计信噪比,且在低信噪比条件下具有更好的统计性能.     

基于循环谱的MSK信号盲检测与参数估计

针对最小频移键控(MSK)信号的循环平稳特性,分析其循环谱密度,将渐进最优x2分布应用到该种信号的盲检测中,提出了一种基于信号频域循环平稳特征的检测方案。根据其循环谱截面的特点,提出了对信号载频和码元速率进行估计的方法,该方法避免了多维搜索,而且不需要知道信号的频率参数等先验信息。仿真结果证明了在低信噪比下本文所提出检测和参数估计方法的有效性。     

基于深度学习的无线传感网络入侵检测方法

针对现有无线传感网络入侵检测准确率不高的问题,提出基于深度学习的无线传感网络入侵检测方法。先对入侵无线传感网络特征进行提取,然后基于深度学习对无线传感网络入侵目标的位置进行定位检测,在获得入侵目标位置后,对入侵信息进行检测,最后通过对各个节点的入侵检测,完成整个网络入侵检测过程。实验结果表明,文中设计的无线传感网络入侵检测方法的检测准确率较高,能满足无线传感网络入侵检测需求。     

MPSK信号循环谱检测与码元速率估计改进算法

利用循环谱理论对MPSK信号进行检测和参数估计,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下MPSK信号的检测与码元速率估计,提出一种改进算法。该算法基于数据分段处理和重叠保留,通过在非零循环频率上一维谱峰搜索实现信号检测与码元速率估计,能够有效地抑制噪声的影响,避免多维搜索,计算量小。分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真。仿真结果证明了所提算法的有效性。     

异构无线中继GSM与CDMA信号识别算法

针对异构无线通信网络环境下的无线中继需要同时识别多种无线信号的需求,以GSM和CDMA系统所构成的异构无线通信网络为例,提出了一种基于循环谱的GSM和CDMA信号识别算法。该算法分析并利用信号的循环谱特性来获得信号所在频道的中心频率和信号码率等特征参数的估计值,通过与期望信号(GSM或CDMA信号)特征参数值的比较来识别接收信号中所包含的期望信号。给出了算法的理论依据和具体实施步骤。仿真实验证明了该识别算法的有效性和可靠性。     

改进的MSK信号循环谱检测算法

利用循环谱理论对MSK直接序列扩频信号进行检测,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下信号检测,提出了一种改进算法,该算法基于数据分段处理和重叠保留,通过在非零循环频率上的一维搜索实现检测,能够有效地抑制噪声影响,避免多维搜索,计算量小;文中还分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真.仿真结果证明了所提出算法的有效性.     

基于多循环频率聚焦的宽带循环平稳信号阵列测向方法

宽带循环平稳信号多个离散循环频率处的信息能否进行综合利用以改善低信噪比条件下的阵列测向性能具有较大的研究价值。该文从阵列观测数据的循环谱相关函数入手,证明了低信噪比条件下不同循环频率处阵列观测数据的谱相关函数估计误差之间相互独立,表明不同循环频率信息之间具有较强的互补性,然后借鉴常规宽带信号频域聚焦思想提出了一种不同循环频率处信息综合利用的有效途径。仿真结果表明,基于多循环频率聚焦的方法能够有效改善低信噪比条件下宽带循环平稳信号的阵列测向性能。     

基于特征学习的无线传感网络入侵行为检测方法

传统的机器学习算法在无线传感网络入侵行为检测中应用效果不理想,Recall（召全率）和F1-score（召全率与精准率的调和平均数）较低,针对现行方法存在的不足和缺陷,提出基于特征学习的无线传感网络入侵行为检测方法。利用时间戳马尔可夫模型对无线传感网络进行分段,实现对网络入侵数据局部特征编码,利用深度学习网络,学习网络入侵行为特征,对网络数据标签进行数值化和归一化处理,根据入侵特征对网络行为进行分类,识别检测入侵行为,以此实现基于特征学习的无线传感网络入侵行为检测。经实验证明,设计方法Recal在95%以上,F1-score在90%以上,检测精度较高,在无线传感网络入侵行为检测方面具有良好的应用前景。     

一种基于循环统计量的直扩信号检测

本文利用循环统计量检测循环平稳性的特性,将渐近最优 χ ²检验方法推广到直扩信号的盲检测,提出了一种基于循环统计量的直扩信号检测方案;理论上推导了直扩信号二阶循环统计量的表达式,分析了时间间隔的选取对从二阶循环统计量估计循环频率的影响,据此提出了基于循环统计量的直扩信号载频和chip速率等参数的估计新方法.该方法避免了多维搜索,且不需要信号的伪码序列和各频率参数等先验信息,可实现信号的"盲"检测和"盲"参数估计.仿真实验证明了本文方法的有效性.