-
公开(公告)号：CN114239646A
公开(公告)日：2022-03-25
申请号：CN202111453751.5
申请日：2021-12-01
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于复数神经网络的辐射源识别系统，其硬件部署系统包括射频数据采集模块、上位机控制模块以及可重构复数网络模块。射频数据采集模块用于实时采集辐射源数据并将数据传送至上位机控制模块；上位机控制模块用于对采集到的数据进行预处理和数据量化，并且实时显示识别结果；可重构复数网络模块用于对目标辐射源进行实时识别，以提高识别运算效率。其中可重构复数网络模块采用HLS技术和PYNQ框架，减少了硬件资源消耗和功耗，提高了系统的灵活性，使得系统能够适应复杂多变的电磁环境，解决了辐射源识别系统端侧部署困难，不便于携带的难题。
-
公开(公告)号：CN113365366A
公开(公告)日：2021-09-07
申请号：CN202110546003.5
申请日：2021-05-19
Applicant: 电子科技大学
Abstract: 本发明提供一种基于握手的竞争类MAC协议区分方法，包括步骤：S1、对待处理的基于握手的竞争类MAC协议时序数据进行分组，根据待处理的数据设置一个时间长度阈值，并将分组持续时间大于该阈值的识别为数据分组；S2、检测数据分组和它前一个分组之间的间隔是否小于等于10微秒，如是，则进入步骤S3，否则判断为CSMA/CA协议；S3、检测每一个数据分组和它后一个分组的间隔是否都等于传播延迟，如是，则判断为MACAW协议，否则进入步骤S4；S4、比较数据分组的前一个分组和前面第二个分组的长度，如果前一个分组的长度小于前面第二个分组的长度，则判断为MACA协议，否则为FAMA协议。本发明发现了基于握手的竞争类MAC协议识别依据，能在合作或非合作的条件下进行基于握手的竞争类MAC组内协议识别。
-
公开(公告)号：CN112350787A
公开(公告)日：2021-02-09
申请号：CN202011091349.2
申请日：2020-10-13
IPC: H04B17/30
Abstract: 本发明公开了一种无线电信号异常检测方法，包括以下步骤：S1、采集两段正常工作的无线电信号数据，计算第一相对小波时间熵；S2、根据第一相对小波时间熵的曲线波动范围，得到时间熵阈值；S3、采集正常工作的无线电信号数据和待检测的无线电信号数据，计算第二相对小波时间熵；S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数，计算异常信号比率；S5、判断异常信号比率是否大于异常信号比率阈值，若是，则待检测的无线电信号数据异常，若否，则跳转至步骤S3；本发明解决了现有技术大都是基于有监督的方法进行分类，并且异常信号类型采用人为标准定义的问题。
-
公开(公告)号：CN112183659A
公开(公告)日：2021-01-05
申请号：CN202011100248.7
申请日：2020-10-15
Abstract: 本发明涉及信号辐射源识别技术领域，公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型，提取已知源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算已知源的低维度向量中心，提取待测源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离，根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题，具有简单易行、识别高效的特点。
-
公开(公告)号：CN108683526B
公开(公告)日：2020-11-24
申请号：CN201810380772.0
申请日：2018-04-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种识别竞争类MAC协议的方法包括以下步骤：获取基于各种仿真竞争类MAC协议的仿真信号；对信号进行能量检测；根据能量检测结果与能量门限来统计帧长度，分别得到控制帧和数据帧；根据数据帧数量和控制帧数量得到信号帧类比；根据属于同一信号的帧长度总和得到信号占空比；将各仿真信号的信号帧类比和信号占空比作为训练数据训练支持向量机；通过训练后的支持向量机对属于同一待识别信号的信号帧类比和信号帧占空比进行分类，进而得到竞争类MAC协议的类型。本发明将检测到的控制帧与数据帧的数量之比作为MAC层的特征参数，可以从协议本身的数据交互机制来识别不同的竞争类MAC协议，因此本发明具有很好的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN107346986B
公开(公告)日：2020-11-06
申请号：CN201710566383.2
申请日：2017-07-12
Applicant: 电子科技大学
IPC: H04B7/06
Abstract: 本发明公开了一种基于稀疏频控传感器天线阵列的多波束形成方法，首先确定初始化频控阵、频率增量及其针对各波束相应的距离维加权向量和角度维加权向量，再根据由合成距离维加权向量和合成角度维加权向量之差构成的联合角度‑距离向量确定稀疏频控阵的阵元位置参数和各阵元频率增量组，进而确定目的频控阵中各阵元位置及相应阵元各频率增量组，最后通过凸优化方法确定稀疏频控阵各放大器的增益参数。本发明由于采用稀疏重建理论的稀疏优化布阵方法，在获得尽可能好的频控阵系统性能的条件下节约了阵元数，因而具有可利用更少的天线阵元达到同样低的阵列最高旁瓣高度，以及提高信号处理的速度、降低阵列系统的成本等优点。
-
公开(公告)号：CN111355616A
公开(公告)日：2020-06-30
申请号：CN202010185194.2
申请日：2020-03-17
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：CN109450460B
公开(公告)日：2020-06-23
申请号：CN201811264785.8
申请日：2018-10-29
Applicant: 电子科技大学
IPC: H03M13/29
Abstract: 本发明公开了一种RS码与卷积码的级联码的参数识别方法，其包括以下步骤：S1、获取待识别的编码数据，并获取RS码与卷积码的所有级联校验矩阵；S2、获取待识别编码数据与每个级联校验矩阵的正交概率值；S3、将正交概率值最大的级联校验矩阵所对应的级联码参数作为待识别编码数据的级联码参数，完成识别。本发明可以在对级联码的参数识别的基础上，降低算法的复杂度并有效提高鲁棒性，并且对于待识别的编码数据帧数的要求较低，最少可实现一帧大小的级联码参数识别；对有误码的编码数据也可识别，对CCSDS标准的级联码在误码率为10‑3时，参数识别的概率达到90％。
-
公开(公告)号：CN111182571A
公开(公告)日：2020-05-19
申请号：CN202010031744.5
申请日：2020-01-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基站激活控制和波束赋形的长期联合优化方法，该方法包括：初始化MISO网络中的中枢处理单元、网络控制单元和辅助处理单元，网络控制单元收集并处理网络内信道和基站服务状态等信息，中枢处理单元根据收到的当前环境信息作相应分析，网络控制单元将指定基站打开或关闭，然后结合信道信息计算并配置赋形波束，同时反馈功率消耗指示量，辅助处理单元接收和保存系统运行的历史数据，利用辅助处理单元保存的数据协助中枢处理单元更新神经网络权重，辅助系统正常运行。本发明提供了一种自适应的线上解决方案，降低了网络功率解决了现有技术存在的环境适应性低、操作复杂、实用性差、运维成本高以及资金投入大的问题。
-
公开(公告)号：CN109818811B
公开(公告)日：2020-05-12
申请号：CN201910227220.0
申请日：2019-03-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种识别分配类及混合类MAC协议的方法，其包括以下步骤：S1、搭建网络模型，获取网络中的仿真信号；S2、对仿真信号进行BPSK调制、采样并加入噪声；S3、确定加噪采样信号中所有信号帧的起止位置并计算帧长；S4、将信号帧划分为控制帧和数据帧；S5、获取各个协议的帧类别和帧分布；S6、将各个协议的帧类别和帧分布作为训练数据对支持向量机进行训练，得到MAC协议识别模型；S7、通过MAC协议识别模型对待识别协议进行识别，完成识别分配类及混合类MAC协议。本发明具有很好的识别效果，比较适合应用于实际场景，解决了能量特征受噪声影响大以及时间特征较难精确提取的问题。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.026 seconds)
