-
公开(公告)号：CN113705446A
公开(公告)日：2021-11-26
申请号：CN202110997031.9
申请日：2021-08-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明属于信号处理技术领域，具体的说是涉及一种面向辐射源个体的开集识别方法。实际应用场景中，辐射源个体识别系统面对的是开放电磁环境，接收到未被数据库收录的未知类别辐射源信号不可避免，因此辐射源开集识别具有重要的研究意义。本发明是在利用深度神经网络作为辐射源信号特征提取器的基础上，首先设计兼顾分类和聚类效果的联合损失函数，保证神经网络提取的信号深度特征具有良好的分类特性和聚类特性，然后利用训练数据得到的特征向量构造极值分布模型，确定判别阈值，实现判别算法，完成对辐射源信号的高准确率开集识别。
-
公开(公告)号：CN113158568A
公开(公告)日：2021-07-23
申请号：CN202110440766.1
申请日：2021-04-23
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06F30/27 , G06N3/12 , G06F111/06
Abstract: 本发明属于阵列天线设计技术领域，涉及一种近场稀疏阵设计方法。本发明首先根据给定初始均布阵列，并计算好能够实现近场聚焦波束的权向量，将其作为稀疏阵列的基础。在计算中过程中先采用传统遗传算法进行阵列设计，当遗传算法进行到一定次数后，在每轮遗传算法结束前进行概率学习算法迭代，若在一定学习次数内产生适应度更高的解，则将当前遗传算法中最优解替换为该解并保留。本发明相对于传统遗传算法和贪婪搜索算法，在时间复杂度和设计性能上做到较好的兼顾，且具有一定的灵活性。本发明对于实际工程中的小型阵列能够进行高性能的全局搜索，找到更优的可行解。
-
公开(公告)号：CN118509294A
公开(公告)日：2024-08-16
申请号：CN202410536897.3
申请日：2024-04-30
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: H04L27/26
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于帧间共轭相关的时频混叠数字通信信号频率估计方法，克服了高阶PCMA混合信号频偏估计精度较差和复杂度较高的问题。该方法假设帧长已知或者已经通过自相关函数估计得到，两路信号帧长不同，通过利用数字通信物理层组帧过程中，帧同步序列引入的帧间相关特性，将频偏转化为了和帧长相关的固定相位差，通过估计帧同步序列的固定相位差，实现了对高阶PCMA混合信号的高精度频偏估计。仿真结果表明，本发明方法在低信噪比下环境下，可以实现对高阶PCMA混合信号的高精度频偏估计。
-
公开(公告)号：CN117491942A
公开(公告)日：2024-02-02
申请号：CN202311404673.9
申请日：2023-10-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明涉及阵列信号处理领域，尤其涉及一种基于辅助变量交替优化的切换天线阵列DOA估计方法。为了克服传统技术的性能限制，平衡DOA估计方法的精度和效率，本发明提供了一种基于辅助变量交替优化的切换天线阵列DOA估计方法。本发明以稀疏重构算法为出发点，通过构建空域过完备字典，将DOA估计问题转换为动态字典的稀疏表示问题，引入辅助变量构造了一个交替优化问题，运用全部采样数据进行交替求解，充分利用了切换天线阵列的结构特点，提高了DOA估计的性能，实现了高精度、低复杂度的切换天线阵列DOA估计。
-
公开(公告)号：CN113466796A
公开(公告)日：2021-10-01
申请号：CN202110938151.1
申请日：2021-08-16
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G01S7/288 , H04B7/0413 , H04B7/06 , H04B7/08
Abstract: 本发明属于信号处理技术领域，涉及一种基于相干相位调制广播模式的雷达通信一体化方法。本发明首先在保证雷达性能的基础上，求解旁瓣区域相位优化问题得到一个权向量，对其进行相位旋转得到一组不同相位的权向量。所有权向量构成一个权向量集合，从而得到了对应的相位符号字典。通信接收机在旁瓣区域通过匹配滤波得到接收信号相位，与字典进行比较后可以解码处嵌入的二进制通信信息。该发明相比相干相位调制和广播模式，同时具有相干相位调制的低误码率特性以及旁瓣区域通信的广播特性。
-
Patent Agency Ranking
公开(公告)号：CN113221337A
公开(公告)日：2021-08-06
申请号：CN202110440762.3
申请日：2021-04-23
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06F30/20
Abstract: 本发明属于阵列天线设计技术领域，涉及一种基于模式搜索的近场稀疏阵设计方法。本发明首先根据给定初始均布阵列，并计算好能够实现近场聚焦波束的权向量，将其作为稀疏阵列设计的基础。在计算过程中，采取模式搜索算法寻找当前步骤下满足条件的局部最优解，前期采用大步长的搜索策略，后期逐渐减少搜索范围，提高搜索精度，完成一轮模式搜索算法。当达成阵列稀疏率目标后，停止搜索，完成阵列的稀疏设计。本发明相对于传统遗传算法和贪婪搜索算法，在时间复杂度和设计性能上做到较好的兼顾，以局部最优替代全局最优，在最小化性能损失的前提下完成高效的设计。本发明对于实际工程中的大型阵列能够进行高性能的全局搜索，找到更优的可行解。
-
公开(公告)号：CN117491961A
公开(公告)日：2024-02-02
申请号：CN202311405389.3
申请日：2023-10-26
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G01S7/41 , G06F18/2321 , G06F18/213
Abstract: 本发明属于雷达信号分选技术领域，涉及一种基于UMAP和DBSCAN联合的未知辐射源信号分选方法。本发明的方法利用UMAP对辐射源信号PDW进行非线性降维，将多维数据(AOA、RF、PW、PA四个维度)映射到低维空间，然后通过DBSCAN密度聚类算法，在降维后的数据集中发现具有相似性的群集，完成对未知辐射源信号脉冲的预分选；此时的分选结果存在比较明显的减批和增批问题，通过计算各个簇AOA方差，若方差大于阈值则对该簇进行缩小邻域的DBSCAN聚类，直到各个簇方差不超过阈值，从而降低减批；通过计算各个簇AOA和RF均值，若两个簇均值之差小于阈值则将两个簇进行合并来降低增批，进一步提高分选性能。
-
公开(公告)号：CN113659994B
公开(公告)日：2023-09-01
申请号：CN202110987423.7
申请日：2021-08-26
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: H03M13/27
Abstract: 本发明属于通信技术领域，具体是涉及一种低复杂度的卷积码随机交织关系的估计方法。本发明是在利用截获数据c，在已知交织深度L、交织起点的情况下，完成交织关系的估计，恢复出随机交织器。本发明首先利用线性分组码码字空间的封闭性对接收序列进行误码筛除，然后将误码筛除后的序列按照一定的规则构造出一个含有两个交织块(每个交织块交织关系相同)、维数为2L×2L的数据矩阵C，对C进行伽罗华域上部分高斯行消元，利用线性特性来确定卷积码的组间交织关系，然后利用校验向量确定正确的组内交织关系。
-
公开(公告)号：CN113655475B
公开(公告)日：2023-06-20
申请号：CN202110938174.2
申请日：2021-08-16
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G01S13/86 , G01S7/03 , H04B7/0413 , H04B1/04 , H04B1/16
Abstract: 本发明属于信号处理技术领域，涉及一种基于波形选择的雷达通信一体化系统。本发明在发射端发射信号前，通过加入波形选择矩阵，从已有的波形中选择部分波形进行发射，不同的选择矩阵构成了通信符号字典。通信接收机处接收基带信号后用已知的波形进行匹配滤波，匹配滤波的结果与字典中的符号进行对比可以检测出不同选择矩阵，从而得到对应嵌入的通信信息序列。该发明在基于波形排列的雷达通信一体化方案基础上，通过波形选择提供了一种新的雷达通信一体化方法，同时可以与波形排列相结合，实现混合矩阵嵌入通信信息。
-
公开(公告)号：CN113705787B
公开(公告)日：2023-04-07
申请号：CN202110995377.5
申请日：2021-08-27
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明属于深度学习技术领域，具体是涉及一种基于深度协同训练的数字调制信号识别方法。本传统的基于深度学习的数字调制信号识别方法需要大量有标记的数据样本进行训练。在实际通信活动中，仅容易获得大量未标记信号样本，获取人工标记成本高且效率低。本发明搭建了两个CLDNN网络进行协同训练，利用生成对抗实现视图的差异化，充分利用大量无标记样本辅助少量有标记样本下的学习，有效地提升了识别准确率，增强了深度学习在数字调制信号识别任务中的可行性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
208
records
(took 0.038 seconds)
