申请/专利权人：三亚航空旅游职业学院

申请日：2022-03-16

公开（公告）日：2024-06-14

公开（公告）号：CN114614922B

主分类号：H04B17/373

分类号：H04B17/373;H04B17/382;G06F18/214;G06F18/15;G06F18/24;G06F18/10;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本发明公开了基于频域的民航甚高频通信中的频谱数据清洗方法，涉及民航无线电信号处理领域，包括S1平滑处理原始频谱信号获得第一频谱信号；S2粗判定所有频点的含噪信号有无信号；S3统计第一频谱数据中每个频点在频域上的最大值位置；S4对应频点的频谱数据进行筛选；S5所有频点数据进行切片、重组并形成张量；对频谱数据进行数据清洗后可获得更高质量的频谱预测数据，保证了后续训练智能频谱预测神经网络模型的频谱数据样本质量，提升了复杂电磁环境下智能频谱预测神经网络的预测能力，最终达到提升智能频谱占用度预测的准确度和可靠性的目的，为提升机场终端区的甚高频话音通信频率利用率以及保障机场终端区的航空运行安全提供了重要技术支撑。

主权项：1.基于频域的民航甚高频通信中的频谱数据清洗方法，其特征在于，包括：S1、平滑处理原始频谱信号获得第一频谱信号，第一频谱信号包括含噪信号和纯噪声信号；具体为：S11、确定原始频谱信号的实测频点集其中nf为频点个数，并获取频点fi的IQ数据，其中fi为第i个频点；S12、确定频点fi满足要求的最佳滑窗宽度作为频点fi的滑窗宽度值Vwini，所有频点的滑窗宽度值集记为S13、选取滑窗宽度值集中的最大值作为处理滑窗宽度，并对原始频谱信号进行滑窗处理获得第一频谱信号；S2、对第一频谱信号中所有频点进行有无含噪信号的粗判定；S3、统计第一频谱信号中每个频点在频域上的最大值位置；具体为：S31、对第一频谱信号的所有频点进行离散傅里叶变换，表示为 其中Sm为频点的原始频谱数据，最终单个样本进行离散傅里叶变换后，记为sm3＝[s1,s2,...,sk]，即总样本为[s1,s2,...,sm3]T，为复数单位元，用于将信号从时域转换到频域，即N为序列长度，即为输入频谱数据的点数，k为频率变量，m3为经过离散傅里叶变换后的所有频谱数据样本数；S32、对所得到的样本进行绝对值变换，表示为[abss1,abss2,...,abssm3]T；S33、对绝对值变换后的数据样本进行短时傅里叶变换获得频域上的频谱数据，表示为ωt-τ为窗函数，用于将时间信号abssm3分割成短时信号，τ为窗函数内的时间变量，t为指定窗函数在时间轴上的位置，m4为经过短时傅里叶变换后的所有频谱数据样本数；S34、对频域上的频谱数进行数据归一化处理，表示为完成时频转换的频谱数据记为[s1,s2,...,sm]T，m为完成时频变换的所有频谱数据样本数；S35、对频域上的频谱数据进行频谱图绘制，并进行幅值最大值位置索引，表示为[Vmax,Pmax]＝findpeakssm，Vmax与Pmax分别表示单个样本数据的最大值和最大值所在位置；S4、通过每个频点在频域上的最大值位置对对应频点的频谱数据进行筛选；S5、所有频点数据进行切片、重组并形成张量。

全文数据：

权利要求：

百度查询： 三亚航空旅游职业学院 基于频域的民航甚高频通信中的频谱数据清洗方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD