基于动态阈值与滑动窗口的IQ信号突发检测算法实现与优化

 2025-03-10改进

        旧代码会漏检部分脉冲信号。最新代码及说明如下。【免费】基于动态阈值与滑动窗口的IQ信号突发检测算法实现资源-优快云文库

1. 算法核心设计

1.1 噪声基底估计

• 部分采样法：每16个IQ样本取一个能量值，避免全数据排序，提升计算效率。
• 噪声阈值计算：通过统计5%分位点能量值作为初始噪声基底，结合滑动窗口最小能量均值（minWinEnergy）动态修正噪声门限。

1.2 动态阈值设定

• 多条件约束：噪声基底、平均能量（avgEnergy）和最大能量（maxEnergy）联合确定动态阈值（dynamic_threshold），公式为： threshold=min⁡(max⁡(noise_floor×thresholdFactor,avgEnergy×0.3),maxEnergy×0.05)threshold=min(max(noise_floor×thresholdFactor,avgEnergy×0.3),maxEnergy×0.05) 兼顾低信噪比与高动态范围场景。

1.3 突发检测逻辑

• 状态机模型：通过inBurst标志位区分突发与静默状态，结合连续超阈值样本数（REQUIRED_ABOVE）和连续低阈值样本数（REQUIRED_BELOW）判定突发起止点。
• 边界保护：引入保护间隔（GUARD_LEN）避免信号边沿误判。

2. 性能优化策略

• 并行化计算：使用#pragma omp parallel加速能量计算，提升多核CPU利用率。
• 滑动窗口优化：循环展开（#pragma unroll(4)）减少分支预测开销，窗口能量增量更新避免重复计算。
• 内存预分配：预分配能量数组（energy.reserve()）和突发结果缓存（temp_bursts.reserve()），减少动态扩容耗时。

3. 应用场景

• 无线通信：5G/NR中的随机接入信道（PRACH）检测。
• 雷达信号处理：脉冲重复间隔（PRI）分析。
• 物联网：LoRa/Wi-Fi突发信号识别。