公开(公告)号：CN118277823A

公开(公告)日：2024-07-02

申请号：CN202410329042.3

申请日：2024-03-21

Applicant: 西安电子科技大学

Inventor： 石晓然 ,  张致忠 ,  傅易铭 ,  周峰 ,  张振熙

IPC: G06F18/24 ,  G01S7/02 ,  G06F18/15 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明提供TR‑RAGCN‑FSFM的信号分选方法及系统，涉及雷达信号处理技术领域。此方法包括：根据节点集合和边集合，建立归一化的脉冲序列的无向图，将雷达辐射源信号分选问题转化为节点脉冲分类问题，通过Transformer提取脉冲序列的时序特征，通过RAGCN模型提取脉冲序列的结构性特征，并采用FSFM进行时序特征和结构性特征的融合，将不同的时序特征和结构性特征进行充分融合，丰富了脉冲序列的特征表达，在带标签样本数量受限的情况下，使雷达辐射源信号分选的准确率较高。

公开(公告)号：CN119694285A

公开(公告)日：2025-03-25

申请号：CN202411619341.7

申请日：2024-11-13

Applicant: 西安电子科技大学

Inventor： 张振熙 ,  谭浩月 ,  石晓然 ,  马建昆 ,  张霖润 ,  周峰

IPC: G10K11/178

Abstract: 本发明提供了一种基于扩散模型的通信信号生成方法和装置，包括：通过从标准正态分布中随机采样得到一个噪声信号；获取目标信号的类型；将采样得到的噪声信号和目标调制类型，输入预先训练好的扩散模型中，生成目标调制类型的结构化的通信信号。其与基于传统方法的通信信号生成方式相比，不需要复杂的模型建模，且在无信号的先验知识的前提下，学习到通信信号的细微特征和属性，生成高保真的指定调制类型的通信信号；其与其他基于深度学习的生成方法相比，具有更好的泛化性能，且在学习高维数据和复杂信号分布时能够保证训练稳定，不易出现过拟合和模式崩溃，具备更高的可解释性和可靠的理论推导。

公开(公告)号：CN119449550A

公开(公告)日：2025-02-14

申请号：CN202411279223.6

申请日：2024-09-12

Applicant: 西安电子科技大学

Inventor： 石晓然 ,  李昱 ,  马成威 ,  张振熙 ,  周峰

IPC: H04L27/00 ,  H04L25/02 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/2131 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于小波变换和通道注意力的低信噪比条件调制识别方法，包括：获取接收信号；将接收信号输入至预先训练完成的神经网络的识别模型，输出分类识别结果和分类准确率。本发明基于信号重构和神经网络的识别模型中，小波阈值估计模块和小波重构模块构成了信号重构路径，多尺度特征提取模块和预测分类模块构成了识别路径，两个路径互相增强，实现了数字信号处理技术与神经网络的优势相结合；引入了小波阈值估计模块通过神经网络预测去噪阈值，并根据反向传播对自身的网络参数进行更新；将信号重构路径与识别路径相结合，增强了网络的可解释性，利用多尺度的调制特征，显著提高了在低信噪比场景下调制识别的准确率。

公开(公告)号：CN119276667A

公开(公告)日：2025-01-07

申请号：CN202411334898.6

申请日：2024-09-24

Applicant: 西安电子科技大学

Inventor： 张振熙 ,  马建昆 ,  谭浩月 ,  石晓然 ,  陈炳赞 ,  周峰

IPC: H04L27/00 ,  G06N3/0464

Abstract: 本发明公开了一种基于一致性约束和特征原型的自动调制识别方法及装置，包括：获取待识别的调制信号；将待识别的调制信号输入至训练好的自动调制识别模型中，进行待识别的调制信号中的高信噪比数据的特征提取，以及进行待识别的调制信号中的低信噪比数据的特征提取，输出识别概率，得到待识别的调制信号的分类识别结果；其中，训练好的自动调制识别模型以预设类别的数据作为训练数据集，对初始的自动调制识别模型进行训练得到。本发明能更好的应对低信噪比环境下，且不再依赖专家经验。

公开(公告)号：CN118688726A

公开(公告)日：2024-09-24

申请号：CN202410739695.9

申请日：2024-06-07

Applicant: 西安电子科技大学

Inventor： 张振熙 ,  周峰 ,  白东升 ,  石晓然 ,  樊伟伟 ,  谭浩月

IPC: G01S7/36

Abstract: 本发明公开了一种雷达干扰识别网络的建模方法和雷达干扰识别方法，其中，雷达干扰识别网络的建模方法包括：基于不同有源干扰信号建模雷达有源干扰数据集，以获得训练集；基于ResNet模型设计包括空间注意力模块和坐标注意力模块的ResNet‑SCA网络；其中，空间注意力模块和坐标注意力模块分别基于不同维度自适应的选择输入特征图的重要空间区域，以增强网络对图像中显著区域的识别能力；利用训练集对ResNet‑SCA网络进行训练，并在训练过程中使用交叉熵损失和对比损失共同优化网络，将训练好的网络作为雷达干扰识别网络。利用该方法构建的雷达干扰识别网络能够识别更多的雷达干扰类别，且具有较高的识别准确率。

公开(公告)号：CN118445670A

公开(公告)日：2024-08-06

申请号：CN202410570520.X

申请日：2024-05-09

Applicant: 西安电子科技大学

Inventor： 周峰 ,  张振熙 ,  马建昆 ,  徐逸飞 ,  石晓然 ,  傅易铭

IPC: G06F18/24 ,  G01S7/41 ,  G06F18/23213

Abstract: 本发明提供基于数据密度与统计特征匹配的雷达信号分选方法及装置，涉及雷达信号分选技术领域。此方法包括：对各脉冲重复间隔工作模式中的多个第三类别进行区分，实现对同一调制类型信号的区分，在对各批次雷达脉冲描述字依次进行聚类、筛选出预设异常类和对预设异常类进行聚类，实现对雷达脉冲描述字的预分类，最后将脉冲重复间隔工作模式与对应的雷达库中的目标工作模式进行匹配，以实现对预分类的第三类别再次进行划分，确定出多个第三类别中正常类、正常类所属的类别名称以及目标异常类，通过两次划分使得对同一调制类型信号的区分能力较高，可以适应低信噪比的复杂电磁环境，进而使得在复杂电磁环境下，对同一调制类型信号分选准确率较高。