[发明专利]一种台站识别方法、装置及设备有效

专利信息
申请号: 201811473491.6 申请日: 2018-12-04
公开(公告)号: CN109495201B 公开(公告)日: 2020-05-19
发明(设计)人: 柳青梅;黄学民;周莹;王坦 申请(专利权)人: 苏州恩巨网络有限公司
主分类号: H04H60/44 分类号: H04H60/44;H04H60/43;H04H60/29
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;贾允
地址: 215011 江苏省苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 识别 方法 装置 设备
【说明书】:

发明涉及一种台站识别方法、装置及设备,所述方法包括:预先建立台站与监测站的对应关系,构建所述台站的标准空间特征矢量库;获取目标频段内的台站列表;对于每一个所述目标台站:根据所述对应关系获取监测站列表,所述监测站列表包括与所述目标台站相对应的目标监测站;采集所述目标监测站对所述目标台站的实时监测信息,建立所述目标台站的实时空间特征矢量;根据所述实时空间特征矢量,在所述标准空间特征矢量库中进行匹配,当匹配成功时,确定所述目标台站为合法台站。本发明能够用于台站的自动化识别,检测非法台站,提高监管的准确性和有效性,以服务于无线电台站事中、事后监管工作。

技术领域

本发明涉及无线电台站监测领域,尤其涉及一种台站识别方法、装置及设备。

背景技术

传统的台站识别算法是通过对台站发射的信号进行识别实现的,信号识别方法包括特征参数法、人工智能识别方法以及基于支持向量机的方法等,其中特征参数法是根据信号的瞬时幅度、瞬时相位、瞬时频率特征参数等的差异进行识别,该方法简单计算量小,但是受信噪比影响大;人工智能识别方法主要是利用专家系统、人工神经网络、模糊推理、遗传算法等人工智能方法形成经验与知识的推理规则,该方法不依赖数据库的先验知识,分析灵活,可以自我学习,但是容易漏检和误判;基于支持向量机的信号识别是通过优化算法函数、模型建立和参数选择来进行信号识别,该方法善于解决高维分类问题,识别准确率相对较高,但是复杂度高,理论算法还不够完善。另外通过信号识别来进行台站识别有两个比较严重的缺陷,1)无法区分发射相同或相似信号的台站,如调频广播台等,2)依赖于单个监测站的数据,没有考虑台站发射信号强度的空间分布特征,使得识别结果对当前监测站的环境有较大的依赖性,造成台站识别率不高。

发明内容

本发明所要解决的技术问题在于,提供一种台站识别方法、装置及设备,能够用于台站的自动化识别,检测非法台站,提高监管的准确性和有效性,以服务于无线电台站事中、事后监管工作。

为了解决上述技术问题,一方面,本发明提供了一种台站识别方法,包括:

预先建立台站与监测站的对应关系,构建所述台站的标准空间特征矢量库;

获取目标频段内的台站列表,所述台站列表中包括至少一个目标台站;

对于每一个所述目标台站:

根据所述对应关系获取监测站列表,所述监测站列表包括与所述目标台站相对应的目标监测站;

采集所述目标监测站对所述目标台站的实时监测信息,建立所述目标台站的实时空间特征矢量;

根据所述实时空间特征矢量,在所述标准空间特征矢量库中进行匹配,当匹配成功时,确定所述目标台站为合法台站。

进一步地,所述预先建立台站与监测站的对应关系,构建所述台站的标准空间特征矢量库包括:

对于每一个所述台站:

确定被所述台站覆盖的所述监测站为所述台站的关联监测站;

建立所述台站与所述关联监测站的对应关系;

采集所述关联监测站对所述台站的监测信息,根据所述对应关系和所述监测信息,形成所述台站的标准空间特征矢量;

综合每个所述台站的标准空间特征矢量,构建所述标准空间特征矢量库。

优选地,所述确定被所述台站覆盖的所述监测站为所述台站的关联监测站包括:

根据台站参数和监测站参数,通过无线电波传播模型计算所述台站的发射信号在所述监测站处的信号强度;

确定所述信号强度大于预设信号强度阈值的所述监测站为所述台站的关联监测站。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州恩巨网络有限公司,未经苏州恩巨网络有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811473491.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top