一种盲信号调制识别的方法及装置

    公开(公告)号:CN106487730B

    公开(公告)日:2019-05-17

    申请号:CN201610910973.8

    申请日:2016-10-19

    Abstract: 本发明实施例提供了一种盲信号调制识别的方法及装置,其中,该方法包括:获取多个接收信号,生成接收信号矩阵;对接收信号矩阵进行独立成分分析,得到分离矩阵;通过分离矩阵对多个接收信号进行盲信号分离,得到分离后的独立的源信号的多个估计信号;计算并根据多个估计信号的高阶累积量,得到多个估计信号中每个估计信号的特征值;比较每个估计信号的特征值与预设特征值,得到使每个估计信号的特征值与预设特征值的差值为最小值时对应的第一预设特征值,在预设调制方式与特征值关系库中查找与第一预设特征值对应的调制方式,确定每个估计信号的调制方式。通过本发明实施例能够实现对盲信号中的所有信号的调制方式的识别,防止信号丢失。

    一种盲信号调制识别的方法及装置

    公开(公告)号:CN106487730A

    公开(公告)日:2017-03-08

    申请号:CN201610910973.8

    申请日:2016-10-19

    CPC classification number: H04L27/0012

    Abstract: 本发明实施例提供了一种盲信号调制识别的方法及装置,其中,该方法包括:获取多个接收信号,生成接收信号矩阵;对接收信号矩阵进行独立成分分析,得到分离矩阵;通过分离矩阵对多个接收信号进行盲信号分离,得到分离后的独立的源信号的多个估计信号;计算并根据多个估计信号的高阶累积量,得到多个估计信号中每个估计信号的特征值;比较每个估计信号的特征值与预设特征值,得到使每个估计信号的特征值与预设特征值的差值为最小值时对应的第一预设特征值,在预设调制方式与特征值关系库中查找与第一预设特征值对应的调制方式,确定每个估计信号的调制方式。通过本发明实施例能够实现对盲信号中的所有信号的调制方式的识别,防止信号丢失。

    一种混叠数字信号识别方法和装置

    公开(公告)号:CN105721368A

    公开(公告)日:2016-06-29

    申请号:CN201610049606.3

    申请日:2016-01-25

    CPC classification number: H04L27/0012

    Abstract: 本发明实施例公开了一种混叠数字信号识别方法和装置,预先对不同制式的标准信号计算二阶、四阶和六阶累积量,根据累积量结果计算每种制式的标准信号特征值并存储;识别过程包括:根据接收到的混叠信号矩阵,使用自然梯度ICA算法计算分离矩阵;用分离矩阵对混叠信号矩阵进行计算,获得源信号最终估计值矩阵,所述源信号最终估计值矩阵中的每个不为零的分量为被分离出的源信号;计算每个不为零的分量的二阶、四阶和六阶累积量,并计算每个不为零的分量的特征值;根据每个不为零的分量的特征值和每种制式的标准信号特征值确定每个被分离出的源信号的调制方式。应用本发明实例可以分离混叠信号,提高混叠信号的识别性能,有利于混叠信号的解调。

    基于神经网络的骨骼结构图像的标志点标注方法和装置

    公开(公告)号:CN111933253B

    公开(公告)日:2022-09-23

    申请号:CN202010676123.2

    申请日:2020-07-14

    Inventor: 牛凯 贺志强 王璐

    Abstract: 本发明公开了一种基于神经网络的骨骼结构图像的标志点标注方法和装置,所述方法包括:将骨骼结构图像输入到基于神经网络的标志点初始预测模型输出各类标志点的初始预测坐标值;根据各类标志点的初始预测坐标值,分别确定各类标志点的局部区域;针对每类标志点,将该类标志点的局部区域的图像输入到与该类标志点对应的、基于神经网络的单标志点标注模型;对于每个单标志点标注模型,将该单标志点标注模型输出的坐标值进行坐标反向回传,得到该标志点在所述骨骼结构图像中的坐标值进行标注。应用本发明可以基于神经网络实现自动标注骨骼结构图像的各标志点,从而大幅度提高医生诊断的效率和准确率。

    基于神经网络的骨骼结构图像的标志点标注方法和装置

    公开(公告)号:CN111933253A

    公开(公告)日:2020-11-13

    申请号:CN202010676123.2

    申请日:2020-07-14

    Inventor: 牛凯 贺志强 王璐

    Abstract: 本发明公开了一种基于神经网络的骨骼结构图像的标志点标注方法和装置,所述方法包括:将骨骼结构图像输入到基于神经网络的标志点初始预测模型输出各类标志点的初始预测坐标值;根据各类标志点的初始预测坐标值,分别确定各类标志点的局部区域;针对每类标志点,将该类标志点的局部区域的图像输入到与该类标志点对应的、基于神经网络的单标志点标注模型;对于每个单标志点标注模型,将该单标志点标注模型输出的坐标值进行坐标反向回传,得到该标志点在所述骨骼结构图像中的坐标值进行标注。应用本发明可以基于神经网络实现自动标注骨骼结构图像的各标志点,从而大幅度提高医生诊断的效率和准确率。

    一种混叠数字信号识别方法和装置

    公开(公告)号:CN105721368B

    公开(公告)日:2019-02-19

    申请号:CN201610049606.3

    申请日:2016-01-25

    Abstract: 本发明实施例公开了一种混叠数字信号识别方法和装置,预先对不同制式的标准信号计算二阶、四阶和六阶累积量,根据累积量结果计算每种制式的标准信号特征值并存储;识别过程包括:根据接收到的混叠信号矩阵,使用自然梯度ICA算法计算分离矩阵;用分离矩阵对混叠信号矩阵进行计算,获得源信号最终估计值矩阵,所述源信号最终估计值矩阵中的每个不为零的分量为被分离出的源信号;计算每个不为零的分量的二阶、四阶和六阶累积量,并计算每个不为零的分量的特征值;根据每个不为零的分量的特征值和每种制式的标准信号特征值确定每个被分离出的源信号的调制方式。应用本发明实例可以分离混叠信号,提高混叠信号的识别性能,有利于混叠信号的解调。

Patent Agency Ranking