-
公开(公告)号：CN114218984B
公开(公告)日：2024-03-22
申请号：CN202111488160.1
申请日：2021-12-07
Applicant: 桂林电子科技大学
IPC: G06F18/241 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多视图学习的射频指纹识别方法，其特包括如下步骤：1）采集每个待识别无线设备射频信号；2）数据处理并加噪声；3）分割数据并制作数据集一、二和三；4）设计复数值神经网络子组件并搭建复数值神经网；5）搭建子神经网络一6）搭建二维卷积神经网络二、三；7）合成多视图神经网络；8）训练神经网络；9）射频指纹识别。这种方法能利用样本数据并让计算机自动提取信号指纹特征，对样本数量要求降低的同时能改善低信噪比时的识别精度，数据特征提取效率高识别精度高。
-
公开(公告)号：CN114239749A
公开(公告)日：2022-03-25
申请号：CN202111593241.8
申请日：2021-12-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于残差收缩及双向长短期记忆网络的调制识别方法，其特征在于，包括如下步骤：1）信号预处理；2）构建基于残差收缩及双向长短期记忆网络训练模型；3）训练网络；4）分类识别。这种方法训练特征参数少、步骤简洁、复杂度低，无需对信号进行复杂的预处理及人工特征提取，省去了人为提取特征的时间成本，适用范围广、抗噪性能好、识别精度高。
-
公开(公告)号：CN114218984A
公开(公告)日：2022-03-22
申请号：CN202111488160.1
申请日：2021-12-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多视图学习的射频指纹识别方法，其特包括如下步骤：1）采集每个待识别无线设备射频信号；2）数据处理并加噪声；3）分割数据并制作数据集一、二和三；4）设计复数值神经网络子组件并搭建复数值神经网；5）搭建子神经网络一6）搭建二维卷积神经网络二、三；7）合成多视图神经网络；8）训练神经网络；9）射频指纹识别。这种方法能利用样本数据并让计算机自动提取信号指纹特征，对样本数量要求降低的同时能改善低信噪比时的识别精度，数据特征提取效率高识别精度高。
-
公开(公告)号：CN103645660B
公开(公告)日：2016-02-24
申请号：CN201310636452.4
申请日：2013-11-27
Applicant: 桂林电子科技大学
IPC: G05B19/042
Abstract: 本发明公开一种激光打标卡数据采集及标刻图像验证装置及方法，主要由激光数据采集模块、振镜数据采集模块、可编程逻辑门阵列主控模块、通信模块和上位机组成；激光数据采集模块的输入端连接激光打标卡的激光器，振镜数据采集模块的输入端连接激光打标卡的振镜，激光数据采集模块和振镜数据采集模块的输出端连接可编程逻辑门阵列主控模块的输入端，可编程逻辑门阵列主控模块的输出端经通信模块和上位机。本发明能够迅速捕获激光打标卡传输至激光打标台的振镜、激光等装置的数据，并能捕获数据在上位机中模拟实际标刻图案，精准验证激光打标图案。
-
公开(公告)号：CN119291733A
公开(公告)日：2025-01-10
申请号：CN202411417702.X
申请日：2024-10-11
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及卫星定位导航增强技术领域，具体涉及一种基于BP神经网络融合多源数据的全球电离层反演方法，通过地基GNSS观测数据反演出STEC，接着采用投影函数将其投影至电离层穿刺点的垂直方向得到VTEC，利用BP神经网络及克里金插值法将地基观测数据融合到IRI‑2016电离层模型来解决GNSS跟踪站在全球分布不均匀的问题，从而提高电离层的反演精度，采用球谐函数来表述VTEC空间分布，再由海洋测高卫星观测数据，以及DORIS观测数据和COSMIC掩星数据来改善地基GNSS观测数据在海洋地区的缺失问题，建立全球电离层观测方程，构建法方程，最后通过赫尔默特方差估计精确定权计算生成全球电离层格网数据VTEC，以提高全球电离层观测精度。
-
Patent Agency Ranking
公开(公告)号：CN114266312B
公开(公告)日：2024-03-22
申请号：CN202111582991.5
申请日：2021-12-22
Applicant: 桂林电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08 , H04L69/18
Abstract: 本发明公开了一种基于多任务学习的射频指纹和通信协议的识别方法，包括如下步骤：1）获取接收机端信号；2）信号预处理；3）对I/Q信号进行差分处理得到差分星座轨迹图：4）制作神经网络的输入数据集；5）多任务神经网络训练；6）进行射频指纹识别和无线通信协议识别。这种方法能在单任务的基础上提高识别准确率和缩短训练时间，并且差分星座轨迹图能消除因频偏导致的星座图旋转的情况。
-
公开(公告)号：CN116776276A
公开(公告)日：2023-09-19
申请号：CN202310485617.6
申请日：2023-04-29
Applicant: 桂林电子科技大学
IPC: G06F18/25 , G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于残差网络多视图特征融合的无人机检测方法，包括：构建多视图数据：获得实测信号的时域图、短时傅里叶变换图、连续小波变换图和魏格纳‑威尔分布图；构建ResNet34，包括输入结构、中间结构和输出结构，输入结构通过卷积和最大池化的操作对输入数据进行处理；中间结构由四个相似的结构层构成，每个结构层由多个残差块构成，每个残差块包含三层卷积和一条捷径连接，从第二个结构层开始，每个结构层的起始残差块还包含升维的采样结构；构建基于残差网络的多视图特征融合网络模型，在输出端输出经多视图特征融合后的无人机检测精度。本发明通过将信号的多视图数据进行特征融合，从而提高了无人机的检测效率。
-
公开(公告)号：CN116503711A
公开(公告)日：2023-07-28
申请号：CN202310471104.X
申请日：2023-04-27
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于增量学习的辐射源个体与设备型号识别方法，包括：1）采用宽带接收机接收无线通信设备的辐射源信号：计算信号的差分星座轨迹图；3）对差分星座轨迹图进行密度处理；4）训练原多任务卷积神经网络模型；5）将训练好的卷积神经网络模型记为，作为增量学习的原模型；6）添加新类、进行增量学习训练；7）保存，作为下次通信辐射源个体识别的新模型。这种方法能加快模型收敛速度，节约训练时间和空间资源，并且增量学习训练所用的数据集能够实现数据重现，有效保留了对原样本类别的分类能力，能减少增量训练的数据量、缩短训练时间和节约空间内存。
-
公开(公告)号：CN114553364A
公开(公告)日：2022-05-27
申请号：CN202210189825.7
申请日：2022-02-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于PYNQ的无人机识别系统及识别方，所述无人机识别系统采用信号接收装置接收待识别无人机信号，将信号通过RJ45接口传送给PYNQ‑Z2，从接收到的射频信号中提取三阶累积量，作为每台无人机唯一的射频指纹特征，基于得到的无人机射频指纹特征，使用神经网络对射频指纹特征进行分类，利用神经网络加速IP核进行加速计算，可以对需要进行认证的无人机身份进行实时识别和认证。
-
公开(公告)号：CN114266312A
公开(公告)日：2022-04-01
申请号：CN202111582991.5
申请日：2021-12-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多任务学习的射频指纹和通信协议的识别方法，包括如下步骤：1）获取接收机端信号；2）信号预处理；3）对I/Q信号进行差分处理得到差分星座轨迹图：4）制作神经网络的输入数据集；5）多任务神经网络训练；6）进行射频指纹识别和无线通信协议识别。这种方法能在单任务的基础上提高识别准确率和缩短训练时间，并且差分星座轨迹图能消除因频偏导致的星座图旋转的情况。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.046 seconds)
