公开(公告)号：CN116894207A

公开(公告)日：2023-10-17

申请号：CN202310767307.3

申请日：2023-06-27

Applicant: 电子科技大学

Inventor： 潘晔 ,  袁嘉良 ,  孙国敏 ,  张伟 ,  利强 ,  邵怀宗 ,  林静然 ,  胡全

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/15 ,  G06N3/0499 ,  G06N3/096

Abstract: 本发明涉及信号处理技术领域，具体涉及一种基于Swin Transformer和迁移学习的智能辐射源识别方法，本发明使用组合的信号预处理方式进行数据增强，利用短时傅里叶变换与时域数据的一维向量和二维向量增强方式使得数据集的样本量得到了几个数量级的提升，从而拓展数据量，使模型得到更多信息。使用自注意力机制使其更好的利用先验知识从新数据中学习到辐射源指纹特征。即使在新的环境下得到数据特征改变，也能通过这种方式捕捉新环境和原来的环境通用的特征和模式，提高模型的复用性。使用滑动窗口的方法使网络参数的更新降低计算复杂度，并提高模型的训练速度和推理速度。

公开(公告)号：CN116805055A

公开(公告)日：2023-09-26

申请号：CN202310767300.1

申请日：2023-06-27

Applicant: 电子科技大学

Inventor： 孙国敏 ,  张伟 ,  袁嘉良 ,  邵怀宗 ,  林静然 ,  利强 ,  潘晔 ,  胡全

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/15 ,  G06N3/088

Abstract: 本发明涉及信号处理技术领域，具体涉及一种基于无监督动量对比学习的辐射源个体识别方法，本发明使用组合的信号预处理方式进行数据增强，使模型得到更多信息。将当前信号特征与字典中的信号特征进行比较，学习更好的分类特征，并通过动态的字典提高模型训练速度和推理速度使其更好的利用先验知识从新数据中学习辐射源指纹特征。使用InfoNCE对比损失函数，能够有效简化问题，降低计算复杂度。使用全连接层将模型的输入映射到固定大小的特征空间中，得到特征的统一表征。使用这些特征形成特征库，并随着场景不断迁移进行动量更新，即生成动态字典，这样既保留了原始场景中的特征信息，又能对特征库不断更新，从而实现场景迁移下的目标识别。

公开(公告)号：CN116319186A

公开(公告)日：2023-06-23

申请号：CN202310181043.3

申请日：2023-03-01

Applicant: 电子科技大学

Inventor： 王思蕾 ,  利强 ,  林静然 ,  邵怀宗 ,  潘晔

IPC: H04L25/02

Abstract: 本发明提供一种基于一比特量化接收的毫米波大规模MIMO信道估计方法，首先利用毫米波信道在虚拟角度域的稀疏性，将具有一比特模数转换器的大规模MIMO系统的信道估计问题转换为稀疏信号恢复的框架中。基站端采用一比特模数转换器，降低了大规格MIMO系统的成本和能耗。然后使用稀疏贝叶斯学习SBL方法通过求解第二类最大似然问题来实现角度域稀疏信道的估计，与现有的不考虑角度域信道稀疏性的一比特信道估计方法相比，大大提升了信道估计精度。SBL方法能够实现稀疏促进先验模型的自动选取，与现有的手动选取先验模型超参数的期望最大化基追踪降噪方法相比避免了估计性能对超参数选取的敏感性问题，从而可以实现估计性能的提升。

公开(公告)号：CN114866110B

公开(公告)日：2023-06-09

申请号：CN202210578629.9

申请日：2022-05-25

Applicant: 电子科技大学

Inventor： 邵怀宗 ,  宋昌盛 ,  张德奕 ,  潘晔 ,  林静然 ,  利强

IPC: H04B1/713 ,  H04L25/02 ,  G06F17/16

Abstract: 本发明提供一种基于弹性网络模型与广义ADMM结合的跳频信号参数估计方法，基于信号的双重稀疏性推导基于弹性网络的跳频信号模型，并使用L1,L2组合范数作为先验正则项，使模型学习到少量非零稀疏的参数，从而克服现有算法因为学习到的参数过于稀疏与过于平均导致的跳变时刻缺失与跳变时刻模糊的问题；采用广义交替方向乘子法ADMM算法对模型进行求解，通过构造不精确的子问题，降低运算复杂度。在得到稀疏向量的基础下，将向量变形为时频图案矩阵，通过列向量差异性完成对跳变时刻的提取，从而完成对跳频信号跳变时刻的估计。本发明能提升跳变时刻估计的准确性与时效性，达到对跳频信号跳变时刻实现快速准确估计的目的。

公开(公告)号：CN116010881A

公开(公告)日：2023-04-25

申请号：CN202310058875.6

申请日：2023-01-18

Applicant: 电子科技大学

Inventor： 邵怀宗 ,  梁沛阳 ,  潘晔 ,  林静然 ,  利强 ,  孙国敏 ,  胡全

IPC: G06F18/2415 ,  G06F18/20 ,  G06F18/25 ,  G06F18/214 ,  G06N3/045 ,  G06N3/047

Abstract: 本发明提供了一种基于模型嵌入的辐射源识别方法，将不同模态的数据联合输入，通过端到端的多模态识别框架进行训练，实现了不同模态模型之间的参数共享，较多个模态对应于多个网络识别而言，网络规模的参数明显降低，收敛速度提高，并且在多个模态共享参数的过程中，网络得到了更多关于模态间的共同信息。同时，本发明在端到端的识别框架后，提供了一种基于贝叶斯理论的融合算法，相较于采用单模态作为网络输出，由于融合后的输出来自于不同模态，使得结果的置信度更高，故采用融合后的输出作为辐射源个体识别的决策，减少网络收敛时所需迭代次数，达到优化网络性能的效果。

公开(公告)号：CN111355616B

公开(公告)日：2022-10-14

申请号：CN202010185194.2

申请日：2020-03-17

Applicant: 电子科技大学 ,  鹏城实验室

Inventor： 范敏 ,  邵怀宗 ,  王沙飞 ,  林静然 ,  利强 ,  潘晔 ,  胡全

IPC: H04L41/14 ,  H04L41/12 ,  H04L69/22

Abstract: 本发明公开了一种基于物理层数据的战术通信网关键节点识别方法，涉及网络通信技术领域。其包括：从战术通信网采集物理层数据；训练全连接BP神经网络；获取MAC协议的仿真时序信号；提取仿真时序信号中由帧类比参数和占空比参数构成的特征参数集Ⅰ；训练支持向量机；提取组网数据中由帧类比参数和占空比参数构成的特征参数集Ⅱ，识别战术通信网所使用的MAC协议；抽取时序片段构成样本数据Ⅱ，标记出各数据段对应的网络节点；对组网数据进行模式匹配，识别战术通信网的拓扑结构；根据战术通信网的拓扑结构，识别出其关键的网络节点。该方法不需要对物理层数据进行协议解析，便可得到战术通信网的网络拓扑结构，并根据网络拓扑结构识别出关键网络节点。

公开(公告)号：CN112633326B

公开(公告)日：2022-04-29

申请号：CN202011369064.0

申请日：2020-11-30

Applicant: 电子科技大学

Inventor： 宛处好 ,  王沙飞 ,  杨健 ,  邵怀宗 ,  潘晔 ,  林静然 ,  利强

IPC: G06V20/17 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于贝叶斯多源融合的无人机目标检测方法，包括以下步骤：S1：对检测区域的光学图像进行目标检测，并得到第一向量化结果；S2：对检测区域的通信信号进行目标检测，并得到第二向量化结果；S3：分别将第一向量化结果和第二向量化结果作为贝叶斯函数的输入，进行多源融合，完成无人机目标检测。针对单一信号源检测虚警概率及漏检概率高的问题，本发明提出了无人机检测的并行分布式多源融合策略，将光学图像和无人机通信信号作为两个信源，且两个信源独立决策，互不干扰，检测结果根据权重值对最终的检测结果产生影响，提高了检测结果的可靠性，解决了复杂城市环境下无人机等“低小慢”飞行目标探测难题。

公开(公告)号：CN113098640B

公开(公告)日：2022-03-08

申请号：CN202110323351.6

申请日：2021-03-26

Applicant: 电子科技大学

Inventor： 吴晓东 ,  林静然 ,  邵怀宗 ,  利强 ,  潘晔 ,  胡全 ,  王沙飞

IPC: H04B17/373 ,  H04B17/336 ,  H04B17/391 ,  G06N3/08

Abstract: 本发明公开了一种基于频道占用度预测的频谱异常检测方法，包括以下步骤：S1：采集历史时间段内的频段扫描数据，生成第一CSI序列；S2：均分第一CSI序列，得到第一频道占用度序列；S3：训练神经网络模型；S4：将第一频道占用度序列输入至神经网络模型进行预测，得到第二和第三频道占用度序列；S5：采集当前时间段内的频段扫描数据，生成第二CSI序列；S6：均分第二CSI序列，得到第四频道占用度序列；S7：计算第一和第二频道占用度序列的偏差百分比；S8：计算第三和第四频道占用度序列的偏差百分比；S9：比较偏差百分比。本方法用长短期记忆网络学习正常工作情况下频道占用度的规律，把不符合规律的数据归为异常。

公开(公告)号：CN113516760A

公开(公告)日：2021-10-19

申请号：CN202110858400.6

申请日：2021-07-28

Applicant: 电子科技大学

Inventor： 申坤雨 ,  林静然 ,  利强 ,  潘晔 ,  邵怀宗 ,  胡全

IPC: G06T17/00

Abstract: 本发明公开了一种电磁频谱数据标注补全方法，通过传感器对电磁环境进行观测并采集得到观测电磁频谱数据，然后根据所述观测电磁频谱数据建立三维张量标注模型，再根据所述三维标注模型确定出正常电磁频谱数据并完成所述标注补全，且将观测电磁频谱数据进行切片，把每一片观测电磁频谱数据在所述三维坐标轴上进行对齐和堆叠建立出三维模型，并将所有单个采样时隙上采样频点的观测值标注填充到所述三维模型中的对应位置得到三维张量标注模型，能够在复杂的电磁环境中将电磁频谱数据进行标注补全，进而减小与正常电磁频谱数据之间的误差。

公开(公告)号：CN113177521A

公开(公告)日：2021-07-27

申请号：CN202110579620.5

申请日：2021-05-26

Applicant: 电子科技大学

Inventor： 孙国敏 ,  邵怀宗 ,  王沙飞 ,  杨健 ,  潘晔 ,  林静然 ,  利强

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

Abstract: 本发明公开了一种基于组合孪生网络的智能辐射源识别方法，具体为：S1、采集若干样本，使用孪生网络进行数据增强；S2、根据增强后的数据，采用训练好的组合孪生网络对未知目标进行辨识；S3、对未知目标进行标定，并根据标定后的未知目标对组合孪生网络进行更新；S4、采用更新后的组合孪生网络对未知目标进行再入识别。本发明在充分融合传统信号识别的指纹信息的基础上，通过深度学习网络进一步挖掘辐射源信号的隐藏特征，有效解决了现有辐射源识别方法准确率低的问题。