-
公开(公告)号：CN112533222B
公开(公告)日：2021-08-31
申请号：CN202011323973.0
申请日：2020-11-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种通信网关键节点识别和最优干扰信号样式选择方法，将关键节点识别和最优波形寻找相结合，从而避免了将关键节点识别和最优波形寻找分成两段学习以及最优波形寻找的准确性严重依赖关键节点识别准确性的问题，通过本方法即可同时得出关键节点和最优干扰波形，极大地提升了学习效率，降低了问题的复杂度。
-
公开(公告)号：CN112904270A
公开(公告)日：2021-06-04
申请号：CN202110056998.7
申请日：2021-01-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种阵列模型误差下基于拟合模型的波达方向估计方法，包括以下步骤：S1：搭建包含阵列误差的导向矢量模型；S2：通过设置不同比例系数生成训练集样本和测试集样本；S3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量作为神经网络的输入数据，并生成来向角对应标签；S4：搭建拟合神经网络模型，并初始化参数；S5：将特征数据向量和来向角对应标签输入至拟合神经网络模型中进行训练；S6：将测试集样本输入至保存好的拟合神经网络模型中进行测试，得到估计角度。本发明采用全连接层实现拟合模型的神经网络，能够更好地适用实际工程中对阵列接收到的带干扰信号进行快速高精度测向。
-
公开(公告)号：CN112881972A
公开(公告)日：2021-06-01
申请号：CN202110055459.1
申请日：2021-01-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种阵列模型误差下基于神经网络的波达方向估计方法，包括以下步骤：S1：搭建天线阵列模型；S2：设置不同比例系数生成训练集样本和测试集样本；S3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量，并生成训练集样本和测试集样本的来向角对应标签；S4：搭建全连接神经网络模型；S5：将特征数据向量和来向角对应标签输入至全连接神经网络模型中进行训练；S6：将测试集样本输入至全连接神经网络模型中进行测试，得到估计角度。采用本发明的全连接神经网络结构，能够更好地消除实际工程中阵元物理特性对接收信号造成的影响。并且本发明的网络结构中待训练参数少，可以实现快速高精度测向。
-
公开(公告)号：CN111371715B
公开(公告)日：2021-03-16
申请号：CN202010123034.5
申请日：2020-02-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于在低信噪比下识别ASK类信号的特征提取方法，包括以下步骤：S1:读入待测信号的信号采样序列；S2:通过对信号采样序列的自相关函数进行傅立叶变换得到信号采样序列的功率谱密度；S3:对功率谱密度进行处理；S4:计算功率谱密度的标准差和均值；S5:计算待测信号的标准差系数mdask，完成待测信号的特征提取；S6:对待测信号进行识别，完成在低信噪比下识别ASK类信号。本发明提供的方法不仅可以在低信噪比下完成有效识别ASK类信号的任务，而且可以直接处理中频信号且不受载波频率等通信参数的影响，更不需要精确的参数估计。同时，本发明所提取的特征参数不会出现大幅度变动，具有有效性和稳健性。
-
公开(公告)号：CN111709385A
公开(公告)日：2020-09-25
申请号：CN202010572679.7
申请日：2020-06-22
Applicant: 电子科技大学
IPC: G06K9/00 , G06F16/338 , G06F16/36 , G06F17/14
Abstract: 本发明公开了一种低小慢飞行器目标探测系统及其身份识别方法，其系统包括采集模块、转接模块、上位机模块和结果输出模块；采集模块用于采集监控区域的实时信息；转接模块用于将采集的实时信息进行转接；上位机模块用于对监控区域的实时信息识别；结果输出模块用于将结果进行可视化展现。本发明实现实时目标检测的方法，解决了在复杂城市环境两公里范围的低小慢飞行器目标探测难题；通过构建时空域的空间地图，将目标探测、目标身份识别和实时动态监管过程可视化。同时利用知识图谱对长期的电磁数据进行分析，形式智慧城市电磁态势感知，解决了探测识别过程和电磁态势的可视化难题。
-
Patent Agency Ranking
公开(公告)号：CN111447158A
公开(公告)日：2020-07-24
申请号：CN202010235770.X
申请日：2020-03-30
Abstract: 本发明公开了一种基于有限域傅里叶变换的信道编码特征提取方法，包括以下步骤：S1：从信息码流中提取待处理的编码数据块；S2：对待处理的编码数据块进行预处理，得到编码数据块；S3：对编码数据块进行有限域傅里叶变换；S4：进行放大零频分量处理，得到编码数据块的行向量；S5：进行归一化处理，得到特征向量，完成信道编码的特征提取。本发明提供的特征提取方法可以在有限域上得到编码数据每一帧的频谱信息，有利于提高有限域傅里叶变换特征在高误码率情况下的泛化能力。同时相比于直接对原始数据分类，本发明的特征提取方法在分类准确率方面有较大的提升，有利于后续机器学习算法利用本发明的特征提取结果。
-
公开(公告)号：CN111427838A
公开(公告)日：2020-07-17
申请号：CN202010236366.4
申请日：2020-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于ZYNQ动态更新卷积神经网络的分类系统及方法，分类系统包括ZYNQ芯片、千兆以太网口、FEP接口、DDR存储器、服务器和FEP接口摄像头；ZYNQ芯片分别与千兆以太网口、FEP接口和DDR存储器通信连接；千兆以太网口和服务器通信连接；FEP接口和FEP接口摄像头通信连接。本发明支持卷积神经网络种类及参数的动态更新，且支持在线平滑更新，不影响更新任务和分类任务的同时进行。同时可应用于对功耗有要求的设备或野外等复杂环境。本系统还能够同时支持多个ZYNQ设备，可以对多个ZYNQ并发更新。
-
公开(公告)号：CN111401226A
公开(公告)日：2020-07-10
申请号：CN202010174283.7
申请日：2020-03-13
Abstract: 本发明公开了一种辐射源快速识别方法，其包括以下步骤：S1、读取带有标签的辐射源信号；S2、对带有标签的辐射源信号进行短时傅里叶变换，将一维信号转换为两通道的二维时频图像；S3、构建深度卷积神经网络模型；S4、将两通道二维时频图像输入深度卷积神经网络模型，并采用自适应学习率算法进行训练，获取训练后的模型；S5、采用训练后的模型对待识别目标进行识别，完成辐射源的快速识别。本方法结合损失函数，实现学习率能够自适应变化，与现有学习率相比，极大的提升了神经网络模型的收敛速度和识别精度，优化了辐射源的识别性能，同时不需要人为调参。
-
公开(公告)号：CN107707497B
公开(公告)日：2020-06-02
申请号：CN201710319971.6
申请日：2017-05-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。
-
公开(公告)号：CN107070511B
公开(公告)日：2020-04-14
申请号：CN201710445404.5
申请日：2017-06-13
Applicant: 电子科技大学
IPC: H04B7/0408 , H04B7/0452 , H04W24/02 , H04W24/06
Abstract: 本发明涉及一种用于MISO无线公平性网络的用户接入控制优化方法，包括步骤：(1)系统初始化；(2)采用ADMM算法更新相关变量，并迭代求解出接入用户集A和波束赋形矩阵W；(3)根据步骤(2)得到的解，输出最优结果。本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案。本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.027 seconds)
