一种多视图信号特征联动分析方法、系统及介质与流程
本技术涉及无线电信号监测,提供一种多视图信号特征联动分析方法、系统及介质。
背景技术:
1、目前,现有的无线电信号分析软件,通常提供频谱图、瀑布图、眼图、星座图、瞬时幅度图、瞬时频率图等多种视图,但这些视图在实际使用中存在以下突出缺陷和不足:
2、(1)视图间相互独立,缺乏数据级语义关联,分析效率低:各视图仅独立显示各自维度的波形或图谱,底层数据缓冲区未建立映射关系。用户需要依靠肉眼在不同视图之间反复切换、对照,才能将一个信号的时域、频域、调制特征关联起来,无法实现跨维度数据的自动映射与联动,分析效率极低。
3、(2)参数不互通,需重复手动输入且缺乏闭环,操作繁琐易错:中心频率、带宽、调制方式、符号率等分析参数,需在每一个视图中分别手动设置。一旦某个参数识别有误需要修正,用户必须逐一打开各视图的设置项修改,且修改后无法自动同步至接收机硬件,导致软件参数与硬件状态脱节,操作繁琐、耗时长,且极易因遗漏而出错。
4、(3)对复杂信号的特征辨识度不足,缺乏基于统一时间基准的同步关联研判机制:对于跳频信号、脉冲信号、直扩信号、低截获信号等,其特征分布在时、频、调制等多个维度。传统孤立的单视图展示无法将某一时刻的频点跳变与对应的幅度突变、调制变化同步呈现,缺乏基于高精度时间戳的跨视图数据切片对齐与同步渲染机制,导致用户难以形成对该信号的完整认知,容易遗漏关键特征或做出误判。
技术实现思路
1、本技术提供一种多视图信号特征联动分析方法、系统及介质,用于解决现有技术存在的视图独立、参数不互通、复杂信号特征同步展示难等技术问题。
2、一方面,提供一种多视图信号特征联动分析方法,所述方法包括:
3、响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置;其中,所述目标视图为瀑布图、频谱图、星座图、眼图、瞬时幅度图与瞬时频率图中的任一种;所述特征交互操作为框选操作或特征锁定操作;
4、根据预设全域探针对齐机制,对各个视图进行时间对齐与同步定位;
5、在采用信号分析对象模型接收到修正参数后,采用信号分析对象模型对修正参数进行合法性校验,以及采用接收机进行硬件确认帧回传。
6、可选的,在响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置之前,所述方法还包括:
7、采用接收机对目标信号进行数据采集,获得所述目标信号对应的iq数据;
8、构建信号分析对象模型;其中,所述信号分析对象模型用于对修正参数进行聚合管理;
9、采用所述信号分析对象模型,对所述iq数据进行聚合管理,构建所述多维关联映射表;其中,所述多维包含时间、频率、iq数据索引与解调符号这四维。
10、可选的,所述响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置的步骤,包括:
11、响应用户对瀑布图中目标时频窗进行的框选操作,采用信号分析对象模型接收框选坐标事件;
12、根据目标时频窗对应的中心频率和采样率,确定iq数据索引;
13、采用所述信号分析对象模型,将所述iq数据索引广播至其他关联视图;
14、针对任一个其他关联视图,根据所述iq数据索引,对多维关联映射表进行查询,确定出所述任一个其他关联视图的时频窗;
15、对所述任一个其他关联视图的时频窗进行处理;其中,所述处理为高亮渲染和描边加粗中的至少一种。
16、可选的,所述响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置的步骤,包括:
17、响应用户对星座图进行的特征锁定操作,采用信号分析对象模型接收锁定调制事件;
18、根据所述锁定调制事件,采用所述信号分析对象模型,对调制属性及所述多维关联映射表进行更新;
19、根据更新后的多维关联映射表,将所述星座图对应的所有关联视图的边框渲染为所述锁定调制事件的专属关联色;
20、在所述星座图对应的所有关联视图中叠加半透明特征识别标签。
21、可选的,所述根据预设全域探针对齐机制,对各个视图进行时间对齐与同步定位的步骤,包括:
22、确定全域时间探针是否发生悬停事件;
23、若确定全域时间探针发生悬停事件,捕获所述全域时间探针在目标视图中的相对时间偏移量;
24、采用信号分析对象模型,将所述相对时间偏移量转化为绝对时间戳;
25、将绝对时间戳广播至目标视图的所有关联视图中;
26、根据各个关联视图的绝对时间戳,实时定位各个关联视图的数据切片;其中,各个关联视图并行处理;
27、对各个关联视图的所述数据切片进行渲染。
28、可选的,所述根据各个关联视图的绝对时间戳,实时定位各个关联视图的数据切片的步骤,包括:
29、针对任一个关联视图,根据所述任一个关联视图的绝对时间戳,确定所述任一个关联视图的本地数据缓冲区;
30、确定所述任一个关联视图的本地数据缓冲区是否整数对齐;
31、若确定所述任一个关联视图的本地数据缓冲区整数对齐,则根据所述任一个关联视图的绝对时间戳,实时定位所述任一个关联视图的数据切片;
32、若确定所述任一个关联视图的本地数据缓冲区未整数对齐,则根据插值算法,确定所述任一个关联视图的近似数据点位置。
33、可选的,所述对各个关联视图的所述数据切片进行渲染的步骤,包括:
34、针对任一个关联视图,确定所述任一个关联视图的视图类型;
35、若确定所述任一个关联视图的视图类型为瞬时频率图或瞬时幅度图,则对所述任一个关联视图的对应频率值或包络进行高亮;
36、若确定所述任一个关联视图的视图类型为星座图或眼图,则将所述任一个关联视图的调制符号数据实时刷新为所述绝对时间戳截取的调制符号数据;
37、若确定所述任一个关联视图的视图类型为瀑布图,则对所述任一个关联视图的数据切片行进行高亮。
38、可选的,所述采用信号分析对象模型对修正参数进行合法性校验,以及采用接收机进行硬件确认帧回传的步骤,包括:
39、针对任一种修正参数,对任一种修正参数进行合法性校验,确定所述任一种修正参数是否校验通过;
40、若确定所述任一种修正参数校验通过,则采用所述信号分析对象模型,对调制属性及所述多维关联映射表进行同步更新;
41、采用所述信号分析对象模型,将由所述任一种修正参数生成的硬件控制指令下发至接收机;
42、根据所述任一种修正参数,采用接收机调整采样率,并将确认帧回传至信号分析对象模型中。
43、一方面,提供一种多视图信号特征联动分析系统,所述系统包括:
44、视图层,用于对各种视图进行显示;
45、软件层,用于响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置;其中,所述目标视图为瀑布图、频谱图、星座图、眼图、瞬时幅度图与瞬时频率图中的任一种;所述特征交互操作为框选操作或特征锁定操作;根据预设全域探针对齐机制,对各个视图进行时间对齐与同步定位;在采用信号分析对象模型接收到修正参数后,采用信号分析对象模型对修正参数进行合法性校验,以及采用接收机进行硬件确认帧回传;
46、硬件层,用于对目标信号进行数据采集,以及接收所述软件层下发的硬件控制指令。
47、一方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种方法。
48、一方面,提供一种存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现上述任一种方法。
49、与现有技术相比,本技术的有益效果为:
50、在本技术中,在进行多视图信号特征联动分析时,首先,可以响应用户对目标视图进行特征交互操作,根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置;其中,所述目标视图为瀑布图、频谱图、星座图、眼图、瞬时幅度图与瞬时频率图中的任一种;所述特征交互操作为框选操作或特征锁定操作;然后,可以根据预设全域探针对齐机制,对各个视图进行时间对齐与同步定位;最后,在采用信号分析对象模型接收到修正参数后,可以采用信号分析对象模型对修正参数进行合法性校验,以及采用接收机进行硬件确认帧回传。
51、基于此,在本技术中,由于是根据信号分析对象模型与多维关联映射表,对目标视图对应的iq数据进行跨域坐标变换,确定其他关联视图中对应的数据切片位置,因此,相比于现有技术,本技术可以将原本孤立的视图在数据结构层面深度融合,实现了基于跨域坐标变换(如时-频窗到iq缓冲区指针的转换)的异构物理维度数据自动映射与联动,而非简单的界面级联动,让用户能直观、精准地将信号的时、频、调制域特征关联起来,尤其适用于跳频、脉冲等复杂信号的特征辨识,显著提升分析效率与准确性。
52、另外,由于还根据预设全域探针对齐机制,对各个视图进行时间对齐与同步定位,因此,相比于现有技术,本技术可以确保多视图在高速数据流下的时间轴严格同步,克服复杂信号特征同步展示难的问题,使用户能同步观察复杂信号的多域瞬态特征,形成完整认知。
53、此外,由于在采用信号分析对象模型接收到修正参数后,还可以采用信号分析对象模型对修正参数进行合法性校验,以及采用接收机进行硬件确认帧回传,因此,相比于现有技术,本技术可以避免重复手动设置与参数不互通问题,保证分析软件各视图与接收机硬件状态的高效与绝对一致,大幅降低交互成本与出错率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com