基于数据流趋势分析的通信信号检测方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 132-134.

• 数据库、信号与信息处理 • 上一篇下一篇

基于数据流趋势分析的通信信号检测方法

陈荣晖1，2，王伦文1

1.电子工程学院309室，合肥 230037
2.电子工程学院研一队，合肥 230037

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Communication signal detection based on data stream trend analysis algorithm

CHEN Ronghui1，2，WANG Lunwen1

1.309 Research Division of Electronic Engineering Institute，Hefei 230037，China
2.The First Team of Postgraduate Department at Electronic Engineering Institute，Hefei 230037，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要：

从短波无线电通信检测在处理时间方面的实际需求出发，提出一种基于数据流趋势分析的无线电信号检测方法。分析了基于增量递推最小二乘算法构建数据流线性回归模型的方法，针对广义似然比检测法用于信号检测虚警较高的问题，提出了基于置信区间的数据流趋势分析中变化点检测方法，有效地降低了虚警。无线电检测数据动态检测实验验证该方法的有效性。

关键词: 通信信号检测, 数据流, 趋势分析

Abstract: A communication signal detection algorithm based on data stream trend analysis is presented in order to meet the need of time-consuming feature.An algorithm for building data stream linear regression model is analyzed.As to the problem of false alarm when detecting the signal with the generalized likelihood ratio test，a change-point detection method is proposed based on confidence interval，which reduces the false alarm effectively.The experimental results of communication datasets demonstrate its efficiency.

Key words: communication signal detection, data stream, trend analysis

陈荣晖1，2，王伦文1. 基于数据流趋势分析的通信信号检测方法[J]. 计算机工程与应用, 2011, 47(20): 132-134.

CHEN Ronghui1，2，WANG Lunwen1. Communication signal detection based on data stream trend analysis algorithm[J]. Computer Engineering and Applications, 2011, 47(20): 132-134.

[1]	王俊红，郭亚慧. 面向动态数据块的非平衡数据流分类算法[J]. 计算机工程与应用, 2021, 57(13): 124-129.
[2]	周玉，朱文豪，房倩，白磊. 基于聚类的离群点检测方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 37-45.
[3]	徐清妍，何丽，朱泓西. 改进Hoeffding不等式的概念漂移检测方法[J]. 计算机工程与应用, 2020, 56(19): 55-61.
[4]	胡阳，胡学钢，李培培. 基于Spark的快速短文本数据流分类方法[J]. 计算机工程与应用, 2020, 56(14): 138-147.
[5]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[6]	郑逢斌1，朱青1，2，臧文乾2. 一种XML驱动的遥感产品生产并发数据流模型[J]. 计算机工程与应用, 2018, 54(24): 266-270.
[7]	杨融泽，柳毅. 面向异常数据流的多分类器选择集成方法[J]. 计算机工程与应用, 2018, 54(2): 107-113.
[8]	魏子衿1，2，3，肖丽2，3. 改进顶点聚类方法的并行核外模型简化算法[J]. 计算机工程与应用, 2018, 54(13): 181-190.
[9]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[10]	韩崇1，袁颖珊2，梅焘2，耿慧玲2. 基于K-means的数据流离群点检测算法[J]. 计算机工程与应用, 2017, 53(3): 58-63.
[11]	杨小川，姜军，马晓东，漆锋滨. 基于GCC关键变量数据流分析算法的程序切片技术[J]. 计算机工程与应用, 2017, 53(24): 40-47.
[12]	史荧中1，2，曹建峰2，邓赵红1，蒋亦樟1. 面向数据流分类的柔性漂移支持向量机[J]. 计算机工程与应用, 2017, 53(23): 118-122.
[13]	李少波1，2，孟伟1，璩晶磊1. 基于密度的异常数据检测算法GSWCLOF[J]. 计算机工程与应用, 2016, 52(19): 7-11.
[14]	刘慧婷，候明利，赵鹏，姚晟. 不确定数据流最大频繁项集挖掘算法研究[J]. 计算机工程与应用, 2016, 52(19): 72-77.
[15]	徐正国，郑辉，邓月华. 基于ACD模型的网络数据流时域微观特性分析[J]. 计算机工程与应用, 2016, 52(17): 11-15.

基于数据流趋势分析的通信信号检测方法

Communication signal detection based on data stream trend analysis algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics