随着无线电通信的迅速发展,频谱资源日益紧张,各种干扰问题也越来越严重。其中,900 M Hz频段的干扰问题尤为突出。该文提出了一种基于信号特征分析和机器学习技术的900 MHz频段干扰自动定位方法,通过对干扰信号的频谱、时域、调制等特...随着无线电通信的迅速发展,频谱资源日益紧张,各种干扰问题也越来越严重。其中,900 M Hz频段的干扰问题尤为突出。该文提出了一种基于信号特征分析和机器学习技术的900 MHz频段干扰自动定位方法,通过对干扰信号的频谱、时域、调制等特征进行分析,建立干扰信号特征库,并利用机器学习算法对信号进行分类和定位。实验结果表明,该文提出的方法具有较高的干扰定位准确率和稳定性,能够有效地提高频谱资源利用效率的闭环。展开更多
文摘随着无线电通信的迅速发展,频谱资源日益紧张,各种干扰问题也越来越严重。其中,900 M Hz频段的干扰问题尤为突出。该文提出了一种基于信号特征分析和机器学习技术的900 MHz频段干扰自动定位方法,通过对干扰信号的频谱、时域、调制等特征进行分析,建立干扰信号特征库,并利用机器学习算法对信号进行分类和定位。实验结果表明,该文提出的方法具有较高的干扰定位准确率和稳定性,能够有效地提高频谱资源利用效率的闭环。