-
公开(公告)号：CN113162879A
公开(公告)日：2021-07-23
申请号：CN202110479674.4
申请日：2021-04-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种联合特征提取的调制信号识别方法，其特征在于，包括如下步骤：1）信号接收；2）信号预处理；3）特征参数提取；4）设置判决门限；5）分类识别。这种方法所需特征参数少、步骤简洁、复杂度低，在低信噪比下识别率高且能弥补高阶累计量单一特征的局限，适用于多种不同类型的调制信号识别。
-
公开(公告)号：CN112689288A
公开(公告)日：2021-04-20
申请号：CN202011501531.0
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: H04W12/121 , H04W12/122 , G06K9/00 , G06K9/52 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于WANN的射频指纹提取和识别方法，其特征是，包括如下步骤：1）采集待识别无线电设备信号；2）双谱非参数估计；3）使用MATLAB软件生成双谱等高图；4）生成数据集并预处理；5）训练WANN；6）采用训练好的WANN识别设备。这种方法能省去人为提取特征与设计神经网络结构的时间成本，抗噪声性能好，识别精度高。
-
公开(公告)号：CN110764152A
公开(公告)日：2020-02-07
申请号：CN201911047640.7
申请日：2019-10-30
Applicant: 桂林电子科技大学
IPC: G01V3/12 , G06F16/903 , G06K9/00
Abstract: 本发明公开了一种无人机快速检测与识别的方法，所述方法包括如下步骤：1）信号采集；2）时频分析；3）查询最大值及坐标；4）坐标点转换；5）阈值判断；6）差分处理；7）特征提取；8）建立数据库；9）库内单一频段检测与识别；10）库外单一频段检测与识别；11）全频段检测与识别。本发明同时还公开了一种无人机快速检测与识别的装置。这种装置低功耗、无射频污染、成本低、组装方便、实用性好，这种方法操作简单、能够完成对民用低、慢、小型无人机的有效检测与识别，为合理规范管理无人机提供基础。
-
公开(公告)号：CN110166477A
公开(公告)日：2019-08-23
申请号：CN201910463626.9
申请日：2019-05-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于UDP协议的无人机Wi-Fi图传信号检测方法，其特征是，包括如下步骤：1）设置监听模式；2）抓取UDP协议数据包；3）解析加密数据包；4）筛选CCK/OFDM混合调制的数据包；5）分析CCK/OFDM混合调制的数据包；6）追踪UDP流；7）播放UDP流的视频内容；8）备份无人机信息。这种方法避免了周围Wi-Fi信号的影响，实现了无人机Wi-Fi图传信号的提取和视频流的恢复，提高了无人机图传信号的检测的能力。
-
-
Patent Agency Ranking
公开(公告)号：CN112731367B
公开(公告)日：2023-07-14
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
公开(公告)号：CN111126332B
公开(公告)日：2022-04-22
申请号：CN201911405651.8
申请日：2019-12-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于轮廓特征的跳频信号分类方法，其特征是，包括如下步骤：1）得到二维时频矩阵；2）提取轮廓特征；3）图像预处理；4）训练、分类。这种方法以跳频信号在等高线图的轮廓作为图像特征，转化为图像识别的问题，再利用卷积神经网络CNN具有自主寻找特征的特点，将图像输入到CNN网路中，能实现跳频信号的识别，不需要进行人工提取参数作为特征向量，能够避免复杂的参数提取问题，在低信噪比时有较高的识别率。
-
公开(公告)号：CN111639595B
公开(公告)日：2022-03-18
申请号：CN202010473731.3
申请日：2020-05-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于权重不可知神经网络的无人机微动特征信号检测方法，其特征是，包括如下步骤：1）计算信号的循环谱；2）通过MATLAB处理得到循环谱等高图，并选择观测区域；3）训练权重不可知神经网络；4）利用训练好的权重不可知神经网络进行微动特征识别。这种方法有很好的抗干扰性，神经网络的结构更简单，计算量更小，对无人机微动特征信号识别的准确率更高。
-
公开(公告)号：CN110166477B
公开(公告)日：2021-05-11
申请号：CN201910463626.9
申请日：2019-05-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于UDP协议的无人机Wi‑Fi图传信号检测方法，其特征是，包括如下步骤：1）设置监听模式；2）抓取UDP协议数据包；3）解析加密数据包；4）筛选CCK/OFDM混合调制的数据包；5）分析CCK/OFDM混合调制的数据包；6）追踪UDP流；7）播放UDP流的视频内容；8）备份无人机信息。这种方法避免了周围Wi‑Fi信号的影响，实现了无人机Wi‑Fi图传信号的提取和视频流的恢复，提高了无人机图传信号的检测的能力。
-
公开(公告)号：CN112731367A
公开(公告)日：2021-04-30
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
