公开(公告)号：CN115496094A

公开(公告)日：2022-12-20

申请号：CN202211078186.3

申请日：2022-09-05

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王圣川 ,  张俊 ,  王珂 ,  阳承毅 ,  景亮

IPC: G06K9/00 ,  G06F17/14 ,  G06K9/62 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82

Abstract: 本发明公开了一种基于图像分割的跳频信号参数计算方法。本发明使用了基于深度学习的图像分割方式直接对信号频谱图进行特征提取，使用大量含有跳频信号的随机样本进行学习，抗噪声能力强，在有干扰的情况下也能进行有效的特征提取，对弱信号也有很好的效果。本发明使用深度学习方法去噪和抗干扰，并使用跳频先验知识进行处理补充，抗噪和抗干扰处理时间在各种复杂情况下都能控制在1秒以内。

公开(公告)号：CN115481660A

公开(公告)日：2022-12-16

申请号：CN202211078184.4

申请日：2022-09-05

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王圣川 ,  王昌庆 ,  王珂 ,  张俊 ,  景亮

IPC: G06K9/00 ,  G06K9/62 ,  H04B1/713

Abstract: 本发明公开了一种多级特征压缩的跳频信号特征提取方法。本发明具有较强的抗噪和抗干扰能力，当信号较弱时依然具有较好的效果。因一个周期内的跳频信号常常存在不同调制方式、信号强弱不同的情况，且在复杂电磁环境下，噪声和干扰会对信号参数计算影响严重，传统单一阈值的特征提取方式并不适用，阈值过低则会引入噪声，阈值过高则导致信号残缺或遗漏；而本发明使用分段滤波的方式，多层次的进行特征提取，在保证信号特征完整提取的情况下，对特征进行清洗与整合，并进行参数计算，鲁棒性更强。

公开(公告)号：CN115314348A

公开(公告)日：2022-11-08

申请号：CN202210928802.3

申请日：2022-08-03

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王珂 ,  王圣川 ,  张俊 ,  景亮 ,  阳承毅

IPC: H04L27/00 ,  H04L27/34 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络的QAM信号调制识别方法，包括：S1、获取多种QAM信号和其他信号；S2、对接入的QAM信号的IQ数据进行处理，得到信号的星座图数据、瞬时相位数据和一阶频谱数据；S3、对切分好的IQ数据进行星座图、瞬时相位和一阶频谱计算得到M个PSK信号预测样本，并输入到训练好的多维三输入卷积神经网络模型中对M个QAM信号预测样本进行预测得到M个预测结果；S4、对M个预测结果进行分析，选取预测最多的类型结果作为QAM信号的识别结果。本发明具有较强的特征融合能力，具有较高的识别准确率，具有很强的抗噪抗干扰能力，具有较快较稳定的处理速度。

公开(公告)号：CN115277325A

公开(公告)日：2022-11-01

申请号：CN202210903057.7

申请日：2022-07-29

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王珂 ,  王圣川 ,  张俊 ,  景亮 ,  阳承毅

IPC: H04L27/00 ,  H04L27/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络的PSK信号调制识别方法，包括：S1、获取多种PSK信号和其他信号；S2、对接入的PSK信号的IQ数据进行处理，得到信号的二阶频谱数据、四阶频谱数据和八阶频谱数据；S3、对I路数据、Q路数据、二阶频谱数据、四阶频谱数据和八阶频谱数据五个数据进行计算得到M个PSK信号预测样本，并输入到训练好的五输入卷积神经网络模型中对信号预测样本进行预测得到预测结果；S4、对M个预测结果进行分析，选取预测最多的类型结果作为PSK信号的识别结果。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；具有很强的抗噪和抗干扰能力，在信号较弱时，依然具有较好的效果。

公开(公告)号：CN114638362A

公开(公告)日：2022-06-17

申请号：CN202210382290.5

申请日：2022-04-13

Applicant: 电信科学技术第五研究所有限公司

Inventor： 阳承毅 ,  王圣川 ,  蒋美菊 ,  张俊 ,  钟夫 ,  潘宇鹏

IPC: G06N5/02 ,  G06N5/04 ,  G06F40/169 ,  G06F40/279

Abstract: 本发明公开了一种知识图谱构建方法及装置，包括以下步骤：S1、获取信号数据；S2、根据经验和知识构建信号本体知识模型，描述信号数据中的实体、属性和关系；S3、根据深度学习知识模型抽取实体；S4、配置数据源信息，解析实体数据字段，导入信号数据，根据本体知识模型配置本体和实体以及本体和实体关系映射规则；S5、根据本体和实体关系映射规则，解析目标数据，抽取出实体、属性以及实体间的相互关系，存入图数据库，得到目标数据知识图谱。本发明能够有效利用信号信息数据进行深度挖掘分析，为数据分析人员提供准确、全面的信号信息知识库，提升数据质量和价值。

公开(公告)号：CN114422624A

公开(公告)日：2022-04-29

申请号：CN202210086674.2

申请日：2022-01-25

Applicant: 电信科学技术第五研究所有限公司

Inventor： 郭耀川 ,  王圣川 ,  张俊 ,  宋前双 ,  韩晓博 ,  邹泽麟

IPC: H04L69/22 ,  H04L67/5682

Abstract: 本发明涉及数据接收领域，提出一种数据接收方法，包括：基于数据类型配置对应的解析模块，并设置包头解析模板；接收数据并进行特征提取，并判断提取出的数据特征是否可识别，若不可识别则丢弃当前数据并结束，若可识别，则基于包头解析模板解析包头，并根据已解析的包头内容判断数据是否需要组包，若不需要则直接将数据推送至外部，否则根据提取出的数据特征查找对应的解析模块，并基于数据类型调用对应的解析模块解析数据；根据数据头部中的数据标识字段将解析的数据分别存储到不同的缓存；对缓存中的数据地址进行排序；判断是否已完成数据包内容的接收，当完成时对已接收的数据进行组包，并将组包后的数据推送至外部，并销毁缓存。