-
公开(公告)号：CN115270964A
公开(公告)日：2022-11-01
申请号：CN202210903402.7
申请日：2022-07-27
Applicant: 电子科技大学
Abstract: 本发明属于机器学习领域，具体涉及一种基于改进联邦学习算法的恶意流量分类方法。针对目前恶意流量分类方法中存在的“数据孤岛”问题和原始联邦学习算法存在的数据异构问题，本发明设计并实现了一种基于改进联邦学习算法的恶意流量分类方法。相较于传统的分类方法，本发明不需要把数据进行集中训练，只需要通过中央服务器聚合各个参与者使用本地数据训练的模型参数来进行协作训练，维护了网络安全厂商的数据安全。相较于原始的联邦学习方法，本发明通过将具有近似数据分布的参与者划分为一个集群，使得每个集群里的数据分布呈现独立同分布，然后再将每个集群串行训练的方法使得联邦学习算法对非独立同分布的数据也呈现较好的效果。实验证明，本发明能够对恶意流量分类呈现较好的效果。
-
公开(公告)号：CN111259279A
公开(公告)日：2020-06-09
申请号：CN202010040414.2
申请日：2020-01-15
Applicant: 电子科技大学
IPC: G06F16/955 , G06N3/04 , G06N3/08 , G06F21/56
Abstract: 本发明属于网络安全领域，涉及Web安全中攻击URL检测方法，具体的说是一种基于动态特征提取的攻击URL检测方法。具体的说是一种基于循环神经网络的攻击URL检测方法。使用深度学习中的循环神经网络对攻击URL进行特征提取，能够有效的学习攻击URL中共有的特征。需人工手动编写规则进行匹配，对未知的攻击也可以进行检测。
-
公开(公告)号：CN104636609B
公开(公告)日：2017-12-19
申请号：CN201510049964.X
申请日：2015-01-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理技术领域，尤其涉及低信噪比下加性高斯白噪声信号的去噪方法。本发明根据信号的自相关性，对信号求自相关，所述信号的自相关函数在零点处取得最大值，幅度随着时间差的变化而变化，并不会很快的衰减到很小的值。对混有高斯白噪声的信号进行EMD分解，由于EMD分解的性质，高斯白噪声已不再是真正的白噪声，但白噪声的统计特性近似存在，即所述混有高斯白噪声的信号的自相关函数在零点取得最大值，幅值随着时间差的变化而变化，但其随着时间的衰减很快。利用这种差异可以选取出噪声起主导作用的IMF分量有效降低噪声对信号的影响。在低信噪比条件下，本发明的去噪性能优于传统方法，能够在价低信噪比条件下完成信号去噪。
-
公开(公告)号：CN104994042A
公开(公告)日：2015-10-21
申请号：CN201510388089.8
申请日：2015-06-30
Applicant: 电子科技大学
IPC: H04L25/03
Abstract: 本发明属于通信技术领域，尤其涉及自同步扰码生成多项式的盲识别方法。基于自相关函数的自同步扰码生成多项式的盲识别方法，包括：从接收数据中选取一段数据作为测试序列；线性变换；设置阈值；求取生成多项式的系数等。本发明提供的方法能在未知信源不平衡度及自同步扰码级数等先验知识条件下，仅利用截获的加扰序列识别出自同步扰码生成多项式，算法复杂度小，识别速度快，效率高，在较低的信源不平衡度及较短的截获数据长度情况下仍能有着优异的效果，适用于合作通信与非合作通信领域。
-
公开(公告)号：CN101388687A
公开(公告)日：2009-03-18
申请号：CN200810044932.0
申请日：2008-03-11
Applicant: 电子科技大学
Abstract: 一种芯片可实现的快速高效非合作低信噪比直扩信号检测方法，包括以下步骤：接收数据预整理；预FFT计算；估计时变有偏自相关函数；合成实变无偏自相关函数；计算出四阶互相关统计量；假设检验。本发明使用一种以FFT为核心的覆盖原理(MCT)，用最小的代价计算出理论最优检测器中主要成分，然后通过检测伪码周期参数得以快速地近似实现最优检测器。该方法较最优检测器节省的计算量和存储器大小均在两个数量级以上。其调制信号形式适用范围广，容忍宽Doppler频移，恒虚警，参数检测精度高，在检测性能上更是大大优于已有的伪码周期检测器，且解决了QPSK或更高阶的数字调相的DSSS信号在低信噪比下无法用载频检测器检测的难题。
-
Patent Agency Ranking
公开(公告)号：CN115236588B
公开(公告)日：2024-10-01
申请号：CN202210889076.9
申请日：2022-07-27
Applicant: 电子科技大学
IPC: G01S3/14
Abstract: 本发明属于无线通信技术领域，特别是涉及一种基于混合分辨率量化的互质阵列波达方向估计方法。本发明首先推导出混合分辨率量化下的互质阵列输出信号模型，并利用混合分辨率的量化数据构造了差分信号。然后基于混合分辨率的量化差分信号，提出了一个原子范数最小化问题来重构一个无噪声、非量化的Toeplitz矩阵。在得到该矩阵后，采用子空间方法进行波达方向估计。本发明方法减少了混合量化带来的信息损失。仿真试验结果表明，本发明方法在利用混合分辨率量化数据进行波达方向估计时，优于其他现有方法。
-
公开(公告)号：CN112907446A
公开(公告)日：2021-06-04
申请号：CN202110174059.2
申请日：2021-02-07
Applicant: 电子科技大学
Abstract: 本发明属于图像处理领域，具体是涉及一种基于卷积神经网络的图像超分辨率重建方法。本发明方法根据分组卷积将特征图像分组、跳跃连接可以改变特征图像的卷积顺序的原理，利用分组卷积与跳跃连接结合的方式对卷积神经网络进行改进，分组卷积的方式将不同组特征图像在不同的层数进行卷积，使得卷积神经网络具有更加丰富的非线性映射特性；跳跃连接的方式有效的减少了卷积中所使用的参数数目，将不同组的特征图像利用跳跃连接的方式进行结合，得到更深的卷积层，能够对图像的高级特征进行提取而不加大计算量。本发明方法能够在相较于传统网络的参数数目没有较大提升的基础上提升重建图像质量。
-
公开(公告)号：CN105787081B
公开(公告)日：2019-02-15
申请号：CN201610120389.2
申请日：2016-03-03
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于辐射源空间位置的辐射平台关联方法，属于电子对抗技术领域，涉及数据关联技术与数据融合技术。本发明主要从一个平台上辐射源的空间分布结构入手，利用空间聚类和模板匹配以及相似度检测的相关技术，对来自不同平台的辐射源进行平台关联。结合特定场景，在定位精度较高的情况下，对一段时间内定位的辐射源观测值进行聚类关联，从而判断出不同时刻的辐射源信号是否来自于同一平台。在观测误差为SIGMA、5SIGMA、10SIGMA时，杂波密度取不同值时，基于空间结构辐射源关联算法的关联正确率随着杂波密度的增加，算法性能下降，在杂波密度为1e‑5(个/m^2)以内时，关联正确率为85％以上，观测误差在35倍的SIGMA以内，均能保证关联正确率达到80％。
-
公开(公告)号：CN102930282A
公开(公告)日：2013-02-13
申请号：CN201210184647.5
申请日：2012-06-06
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明提供一种用于个体识别的特征空间降维方法，先使用Fisher降维选取模糊平面的原始特征优化子集，然后运用K-L降维得到优化子集的最优变换，K-L降维实在进行了一次Fisher降维的基础上再次进行的降维，较原始特征维数已减少了很多，因此运算复杂度大大降低，且选择类间离散度矩阵作为展开矩阵，经K-L降维后得到特征维数低且各分量间不相关的特征向量，保证了降维后的识别性能，降低了计算和存储的要求。
-
公开(公告)号：CN107329131B
公开(公告)日：2020-08-28
申请号：CN201710669188.2
申请日：2017-08-08
Applicant: 电子科技大学
Abstract: 本发明属于通信电子技术领域，涉及一种利用粒子滤波的雷达微弱目标检测跟踪方法。本发明的方法首先减少传统粒子滤波的粒子数量，从被跟踪目标可能的分布中采样得到少量的采样点，赋予采样点不同的权重，再对变换后的采样点进行序贯平滑处理，最终输出得到目标位置的估计。仿真结果表明本算法的定位精度高于现有的粒子滤波算法，并且计算开销较低。本算法在信噪比为0dB‑15dB的情况下，总共进行100次蒙特卡洛仿真进行检测，得到了较高的检测概率，而且改进算法的检测概率在7dB时明显优于现有的粒子滤波算法，计算代价也小于现有的粒子滤波算法。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
