-
公开(公告)号：CN116633728A
公开(公告)日：2023-08-22
申请号：CN202211154038.5
申请日：2022-09-21
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L25/02
Abstract: 发明涉及一种针对相位幅度调制方式的符号速率计算方法，根据无线电相位幅度调制方式信号的自身特性，使用密度聚类及统计的方法对符号速率进行计算；具体地包括：相位的信号前向差分序列对统计分析找到距离序列中疑似符号位置阈值、通过找出其位置大于疑似符号位置阈值的疑似符号并将这些疑似符号计数并重新构建间隔序列、然后采用聚类计算并最终获得符号速率。还公开了一种针对相位幅度调制方式的符号速率计算方法的装置、及存储介质。本发明达到的有益效果是：即使信号中存在噪声，也不会对符号速率的计算精度有所影响，具有较强的实用性与鲁棒性。
-
公开(公告)号：CN115277324A
公开(公告)日：2022-11-01
申请号：CN202210879133.5
申请日：2022-07-25
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明公开了基于卷积神经网络的FSK信号识别方法，涉及信号识别领域，包括S1、生成FSK信号；S2、处理FSK信号获得瞬时频率数据和一阶频谱数据；S3、构建数据集；S4、数据集导入训练深度学习卷积神经网络模型；S5、均匀切分待预测信号的原始IQ数据，进行瞬时频率和一阶频谱计算得到信号预测样本；S6、信号预测样本导入优化后的深度学习卷积神经网络模型进行预测得到预测结果；S7、确定待预测信号的识别结果；本发明具有较高的识别准确率，传统多信号类型识别方法需构建决策树，而该方法复杂、条件阈值因信号强弱很难设定，在信噪比较低的情况下，准确率不能保证，而本发明使用了深度学习的方式将信号的不同特征融合并提取出来，具有较高的准确率。
-
公开(公告)号：CN114048792B
公开(公告)日：2025-02-07
申请号：CN202111195764.7
申请日：2021-10-14
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低精度随机采样数据的轨迹相似度匹配方法，包括：对原始数据进行预处理得到目标数据；对目标数据中不同目标的轨迹点进行判断并分割属于不同目标的轨迹点，得到不同目标的轨迹；找到两个不同目标，将不同目标下的所有轨迹进行两两配对；对两个不同目标下的配对的两个轨迹进行处理，得到两个轨迹的两个相似轨迹线段；根据两个相似轨迹线段分别计算两个轨迹的有效距离、有效长度和有效轨迹点数；根据两个轨迹的有效距离、有效长度和有效轨迹点数计算出两个轨迹的相似度；遍历计算得到所有目标下所有轨迹的相似度；对所有目标下所有轨迹的相似度做排序处理。本发明能够实现对低精度随机采样数据进行轨迹相似度匹配。
-
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：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。
-
Patent Agency Ranking
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。
-
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：CN113961676B
公开(公告)日：2024-10-29
申请号：CN202111071917.7
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度学习分类组合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若干待预测语图样本文件；将若干待预测语图样本文件输入训练好的深度学习卷积神经网络模型进行预测分类，得到若干分类结果，并将分类结果拼接为特征向量；对特征向量进行连续性处理，得到语音事件的位置信息，然后根据语音事件的位置信息从原始的待预测语音信号文件中提取语音事件。本发明使用深度学习二分类处理以及连续性算法，能够在语音信号弱或受干扰时也能有不错的提取效果。
-
公开(公告)号：CN113963228B
公开(公告)日：2024-07-02
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 , G06N3/0464 , 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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.096 seconds)
