-
公开(公告)号：CN115687890A
公开(公告)日：2023-02-03
申请号：CN202211422756.6
申请日：2022-11-15
Applicant: 电子科技大学
IPC: G06F18/00 , G06F18/2321
Abstract: 本发明属于智能信号处理技术领域，具体的说是一种拖尾噪声背景下的机动目标分布式状态估计方法。本发明提出一种拖尾噪声背景下的机动目标分布式状态估计方法。本发明假设机动目标过程噪声与测量噪声均为拖尾噪声，通过将拖尾噪声建模为高斯‑伽马分布，并利用变分贝叶斯方法估计过程拖尾噪声、量测拖尾噪声相关分布参数，并通过对过程噪声相关分布参数进行一致性融合处理从而提高过程噪声估计精度。接下来对各个机动模型伪似然进行求解，从而解决了拖尾噪声背景下的机动目标多模型状态估计问题，最后基于GCI融合对目标状态后验估计结果进行一致性融合，从而提高目标运动状态估计精度。
-
公开(公告)号：CN115358268A
公开(公告)日：2022-11-18
申请号：CN202210983841.3
申请日：2022-08-17
Applicant: 电子科技大学
Abstract: 本发明属于智能无线设备安全领域，涉及一种深度学习信号识别分类器对抗攻击样本的产生方法。本发明提供了一种深度学习信号识别分类器对抗攻击样本的产生方法，结合了快速梯度符号方法和投影梯度下降方法，利用蒙特卡罗方法在信号样本邻域内随机初始化搜索起点可以提高梯度计算稳定性的特性，通过对一批相同类别信号样本联合优化损失函数产生在同类信号样本中具有良好通用攻击性的对抗攻击样本。本发明的有益效果为，本发明可以提高深度学习信号识别分类器的对抗攻击样本产生过程中梯度计算的稳定性，同时能够产生具有在同类样本中良好通用攻击性的对抗攻击样本，方法简单，效果良好。
-
公开(公告)号：CN114626307A
公开(公告)日：2022-06-14
申请号：CN202210318140.8
申请日：2022-03-29
Applicant: 电子科技大学
IPC: G06F30/27 , G06F17/16 , G06N7/00 , G06F111/08
Abstract: 本发明属于智能信号处理技术领域，具体的说是一种基于变分贝叶斯的分布式一致性目标状态估计方法。本发明是假设目标马尔科夫转移概率未知且时不变，通过变分贝叶斯方法完成马尔科夫转移概率估计，再结合量测与信息混合一致性处理完成分布式状态估计，从而解决了状态转移矩阵未知条件下的机动目标多模型状态估计问题。该方法有适用范围广，鲁棒性强，估计精度高等特点，实现了复杂场景下的机动目标跟踪和参数估计，可以满足设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN114611601A
公开(公告)日：2022-06-10
申请号：CN202210231892.0
申请日：2022-03-09
Applicant: 电子科技大学
Abstract: 本发明属于辐射源个体识别和人工智能的交叉技术领域，具体涉及一种基于孪生网络的小样本辐射源个体识别方法，适用于小样本条件下的辐射源个体识别。在很难获取大批量标注的信号样本数据时，导致辐射源个体识别数据量少，采用深度学习方法容易过拟合，分类表现很差。因此，为提升小样本条件下的辐射源个体识别效果，本发明提出了一种利用辐射源个体识别时域数据，并在孪生网络损失函数基础上进一步优化损失函数，引入了交叉熵损失函数，既考虑了不同样本间的距离关系，即聚类损失，也考虑了样本的分类损失，同时使其训练过程更稳定。并经过实验对比，证明了本发明更适用于小样本条件下的辐射源分类识别任务，弥补了原有方法的不足，识别效果更优。
-
-
Patent Agency Ranking
公开(公告)号：CN108270505B
公开(公告)日：2019-05-21
申请号：CN201810042182.7
申请日：2018-01-17
Applicant: 电子科技大学
IPC: H04J3/06
Abstract: 本发明属于通信技术领域，涉及一种用于多级信道化中的信号仲裁分配方法。本发明将现有的信号仲裁分配算法拆分为前后两个流程并做了优化，使算法的处理时钟延迟数明显减少，使得系统在工作频率一定的条件下，能够达到更高的处理频率，以满足数据频率更高时或信号检测积累数更少时的信号仲裁分配任务，并能够实现更高的时域参数测量精度。本发明所描述的多级信道化中的信号仲裁分配算法，在实际应用中具有较好的性能，并且适合在FPGA平台中进行实现。
-
公开(公告)号：CN109120562A
公开(公告)日：2019-01-01
申请号：CN201810883533.7
申请日：2018-08-06
Applicant: 电子科技大学
CPC classification number: H04L27/0014 , H04L27/106 , H04L27/2695 , H04L2027/0032
Abstract: 本发明属于信号处理技术领域，涉及一种基于频谱累加匹配的MFSK信号频率估计方法。本发明首先对非合作方接收信号分段并做快速傅里叶变换(FFT)，取模，得到频谱。然后对每段的前半部分元素对应相加，得到累加处理后的数据。接下来在累加处理后的数据里按不同的间隔、起点，连续取m段(m为调制进制)，这m段对应元素相加后得到向量的最大值作为矩阵M对应位置的元素。最后依据矩阵M最大值的位置，求出MFSK频率调制参数。该发明可有效对MFSK信号调制频率进行估计，相比基于小波变换、短时傅里叶变换等估计方法，由于不需要时频分析，大大减少了计算量，且对接收数据长度要求不高，在低信噪比下依然具有良好的性能。
-
公开(公告)号：CN109031239A
公开(公告)日：2018-12-18
申请号：CN201810992096.2
申请日：2018-08-29
Applicant: 电子科技大学
IPC: G01S7/41
CPC classification number: G01S7/418
Abstract: 本发明属于信号处理技术领域，涉及一种基于压缩感知的外辐射源雷达对目标检测方法。本发明首先根据稀疏信号在字典基的投影得到稀疏向量，然后结合高斯随机矩阵和字典基矩阵设计了新的测量矩阵，对于不同路径下回波的时延各不相同的情况，利用了压缩采样值不同的分布特性设计一组优化后的权系数，进而提出了基于压缩感知的信息融合检测方法。最后，完成对目标的检测。本方法直接对压缩的采样值处理，无需信号重构，减少了数据运算量，能在低信噪比下正常工作。在待检测探测方向具有很好的参考和实际应用。
-
-
公开(公告)号：CN108924069A
公开(公告)日：2018-11-30
申请号：CN201810861234.3
申请日：2018-08-01
Applicant: 电子科技大学
CPC classification number: H04L25/0202 , H04L25/024 , H04L25/025 , H04L27/2602 , H04L27/261
Abstract: 本发明属于信号处理技术领域，涉及一种基于降维DFT的OFDM信道估计方法。本发明首先对接收信号的导频信号进行提取，然后根据导频位置设计降维DFT算子，然后计算降维DFT算子的伪逆，从而计算信道脉冲响应，再通过对信道脉冲响应进行补零，并利用DFT得到信道频率响应。该方法由于先将信道阶数信息利用进来，从而获得了全局最优解，同时在计算过程中实现了对DFT算子的降维，有效地减小了计算量，这对于在无线通信系统中的信道估计具有很好的参考和实用价值。
-
-
-
-
-
-
-
-
-
Search Results
208
records
(took 0.038 seconds)
