-
公开(公告)号：CN115589349B
公开(公告)日：2024-11-05
申请号：CN202211205706.2
申请日：2022-09-30
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/04 , G06N3/08 , G06N3/045 , G06N3/0464 , G06F18/214
Abstract: 本发明提供一种基于深度学习通道自注意力机制的QAM信号调制识别方法包括：从传感器中接入QAM信号和其他信号；对信号的I路数据和Q路数据进行瞬时相位计算，得到信号的瞬时相位；使用I路数据、Q路数据和瞬时相位构建QAM数据集；使用针对QAM信号设计的通道自注意力机制卷积神经网络对QAM数据集进行训练得到模型权重文件；对待预测信号的I路数据和Q路数据分别进行均匀切分处理和瞬时相位计算，得到M个信号预测样本；使用加载了所述模型权重文件的通道自注意力机制卷积神经网络对M个信号预测样本进行预测，得到M个预测结果；对M个预测结果进行分析得到识别结果。本发明计算消耗低、处理速度快、识别准确率高。
-
公开(公告)号：CN114422624B
公开(公告)日：2024-05-17
申请号：CN202210086674.2
申请日：2022-01-25
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L69/22 , H04L67/5682
Abstract: 本发明涉及数据接收领域，提出一种数据接收方法，包括：基于数据类型配置对应的解析模块，并设置包头解析模板；接收数据并进行特征提取，并判断提取出的数据特征是否可识别，若不可识别则丢弃当前数据并结束，若可识别，则基于包头解析模板解析包头，并根据已解析的包头内容判断数据是否需要组包，若不需要则直接将数据推送至外部，否则根据提取出的数据特征查找对应的解析模块，并基于数据类型调用对应的解析模块解析数据；根据数据头部中的数据标识字段将解析的数据分别存储到不同的缓存；对缓存中的数据地址进行排序；判断是否已完成数据包内容的接收，当完成时对已接收的数据进行组包，并将组包后的数据推送至外部，并销毁缓存。
-
公开(公告)号：CN117424663A
公开(公告)日：2024-01-19
申请号：CN202311366160.3
申请日：2023-10-20
Applicant: 电信科学技术第五研究所有限公司
IPC: H04B17/391 , G06F18/24 , G06F18/23 , G06Q10/047 , H04B17/00 , H04B17/345 , H04B7/185 , H04W24/06
Abstract: 本发明涉及一种结合空间建模与动态路径规划的无人机电磁干扰方法，包括：根据干信比要求进行干扰范围建模，计算无人机的理论可干扰范围；对各类通信网进行聚类和分类求解实际可干扰范围，并从实际可干扰范围中求解有效干扰点，根据评价指标对有效干扰点进行路径求解，得到实际飞行路径集；利用评价指标对实际飞行路劲集进行重要程度排序，以代价择优和路径迭代为原则为无人机分配实际飞行路径，并结合评价指标对每次路径分配后的路径集进行迭代，最大化的实现对基站的有效干扰。本发明结合空间建模的动态路径规划方法，对于复杂通信网络的干扰任务也能具有良好的干扰效果，同时，通过建模分析，最大程度上达到了有效地、全面地干扰目的。
-
公开(公告)号：CN115589349A
公开(公告)日：2023-01-10
申请号：CN202211205706.2
申请日：2022-09-30
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/04 , G06N3/08 , G06N3/0464 , G06F18/214
Abstract: 本发明提供一种基于深度学习通道自注意力机制的QAM信号调制识别方法包括：从传感器中接入QAM信号和其他信号；对信号的I路数据和Q路数据进行瞬时相位计算，得到信号的瞬时相位；使用I路数据、Q路数据和瞬时相位构建QAM数据集；使用针对QAM信号设计的通道自注意力机制卷积神经网络对QAM数据集进行训练得到模型权重文件；对待预测信号的I路数据和Q路数据分别进行均匀切分处理和瞬时相位计算，得到M个信号预测样本；使用加载了所述模型权重文件的通道自注意力机制卷积神经网络对M个信号预测样本进行预测，得到M个预测结果；对M个预测结果进行分析得到识别结果。本发明计算消耗低、处理速度快、识别准确率高。
-
公开(公告)号：CN113556194B
公开(公告)日：2022-11-29
申请号：CN202110821215.X
申请日：2021-07-20
Applicant: 电信科学技术第五研究所有限公司
IPC: H04B17/318 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无线信号区域强弱检测方法，包括步骤：短时傅立叶变换得到二维信号语图；切割、填充与变形，得到语图样本；制作数据集标签；使用深度学习一维压缩模型训练定制化数据集，得到模型权重文件；预处理；对预处理后的图片进行预测得到区域信号强弱概率输出；得到信号的位置信息和信号的图像质量优劣预测值，获得最优区域。本发明能够处理复杂条件下的信号检测，鲁棒性很强；对信号各个区域进行强弱概率输出，实现信号的检测，针对性强且误检率低；不但能够得到信号的位置信息，还能得到信号每个区域的质量评估。
-
Patent Agency Ranking
公开(公告)号：CN113963228A
公开(公告)日：2022-01-21
申请号：CN202111071902.0
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于深度学习特征连接分析的语音事件提取方法，包括：对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签，并制作成训练数据集；采用训练数据集训练深度学习卷积神经网络模型；对待预测语音信号文件进行预处理得到包含若干待预测语图样本文件的待预测数据集；将待预测数据集输入训练好的深度学习卷积神经网络模型进行预测，并将预测结果拼接为一组特征向量；对特征向量进行特征处理，特征向量中的特征值大于设定阈值即语音事件的位置信息，根据语音事件的位置信息从待预测语音信号文件中提取语音事件。本发明能够在语音信号较弱的情况下依然能够进行识别并提取，并且用特征向量的方式来表达语音信号，其精度高。
-
公开(公告)号：CN113556194A
公开(公告)日：2021-10-26
申请号：CN202110821215.X
申请日：2021-07-20
Applicant: 电信科学技术第五研究所有限公司
IPC: H04B17/318 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无线信号区域强弱检测方法，包括步骤：短时傅立叶变换得到二维信号语图；切割、填充与变形，得到语图样本；制作数据集标签；使用深度学习一维压缩模型训练定制化数据集，得到模型权重文件；预处理；对预处理后的图片进行预测得到区域信号强弱概率输出；得到信号的位置信息和信号的图像质量优劣预测值，获得最优区域。本发明能够处理复杂条件下的信号检测，鲁棒性很强；对信号各个区域进行强弱概率输出，实现信号的检测，针对性强且误检率低；不但能够得到信号的位置信息，还能得到信号每个区域的质量评估。
-
公开(公告)号：CN113870866B
公开(公告)日：2024-08-27
申请号：CN202111071939.3
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明提供一种基于深度学习双模型的语音连续事件提取方法，包括：对用于训练的语音信号文件进行相应的预处理分别得到VOC格式数据集和三元组数据集；采用VOC格式数据集训练YOLOV3深度学习模型；采用三元组数据集训练构建的深度学习人声分类网络模型；利用训练好的YOLOV3深度学习模型和深度学习人声分类网络模型对待预测语音信号文件进行预测得到特征向量；利用特征向量判断对应的语音事件是否是相同人声，并合并相同人声的语音事件后从原始的待预测语音信号文件中提取语音事件。本发明通过深度学习双模型的方式提取语音事件，抗噪声能力强，灵敏度高，即使在语音信号较弱的情况下效果依然显著。
-
公开(公告)号：CN113780107B
公开(公告)日：2024-03-01
申请号：CN202110973504.1
申请日：2021-08-24
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F18/213 , G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习双输入网络模型的无线电信号检测方法，包括：步骤S10，对用于训练的无线电信号波形文件进行波形数据处理，得到定制化数据集；所述定制化数据集包括训练波形文件、训练信号语图以及样本标签；步骤S20，将定制化数据集输入深度学习双输入网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习双输入网络模型；步骤S30，对待预测的无线电信号波形文件进行波形数据处理，得到待预测数据集；所述待预测数据集包括待预测波形文件以及待预测信号语图；步骤S40，将待预测数据集输入训练好的深度学习(56)对比文件Shibanee Dash 等.A StatisticalApproach for Speech Enhancement inCognitive Radio Network《. 2018International Conference on InformationTechnology (ICIT)》.2018,137-140.Chang Liu 等.Phase Spectrum Recoveryfor Enhancing Low-Quality Speech Capturedby Laser Microphones《.2021 12thInternational Symposium on Chinese SpokenLanguage Processing (ISCSLP)》.2021,1-5.唐皓 等.建立监测网智能化分级模型 深度思考智能化无线电监测实现路径《.中国无线电》.2020,(第03期),43-46.李荣雨 等.平行堆栈式自编码器及其在过程建模中的应用《.电子测量与仪器学报》.2017,第31卷(第02期),264-271.
-
公开(公告)号：CN113780106B
公开(公告)日：2024-02-27
申请号：CN202110973158.7
申请日：2021-08-24
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于无线电波形数据输入的深度学习信号检测方法，包括：步骤S10，对用于训练的无线电信号波形文件进行波形数据处理，得到多个训练波形文件以及表示了信号的强弱信息的样本标签，将多个训练波形文件和样本标签作为定制化数据集；步骤S20，将定制化数据集输入深度学习一维卷积神经网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习一维卷积神经网络模型；步骤S30，对待预测的无线电信号波形文件进行波形数据处理，将得到的多个待预测波形文件作为待预测数据集；步骤S40，将待预测数据集输入训练好的深度学(56)对比文件Yuan Zeng 等.Spectrum Analysis andConvolutional Neural Network forAutomatic Modulation Recognition《.IEEEWireless Communications Letters》.2019,929-932.
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.027 seconds)
