公开(公告)号：CN119484218A

公开(公告)日：2025-02-18

申请号：CN202411590286.3

申请日：2024-11-08

Applicant: 南京邮电大学

Inventor： 田峰 ,  彭乙轩 ,  邵紫凌 ,  李嘉欣 ,  陆男

IPC: H04L27/00 ,  H04L1/00 ,  H04L25/02 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明涉及软件无线电传输技术领域，公开了一种基于迁移深度学习的USRP调制信号识别方法，无线信号通过发射端进行传输，USRP接收端在接收到信号后，通过信号采集程序，将信号接收存储，为调制信号识别的CNN模型提供需要的信号训练集和信号测试集，其中所述信号训练集包括预训练数据集和迁移学习训练数据集；通过生成的预训练数据集，对针对调制信号识别的卷积神经网络模型进行预训练；通过生成的迁移学习训练数据集，针对调制信号识别的卷积神经网络模型进行预训练；将训练好的迁移学习卷积神经网络模型部署到信号测试集，对调制信号识别结果进行验证；本发明解决无线通信中调制信号识别问题。

公开(公告)号：CN119363532A

公开(公告)日：2025-01-24

申请号：CN202411458533.4

申请日：2024-10-18

Applicant: 南京邮电大学

Inventor： 田峰 ,  彭乙轩 ,  邵紫凌 ,  饶晨 ,  李嘉欣

IPC: H04L27/00

Abstract: 本发明公开了一种基于CNN的USRP调制信号识别方法，通过在上位机进行LabVIEW图形化编程，实现可切换多种调制信号的收发系统；USRP接收机采集信号数据集，采用卷积神经网络(CNN)进行调制信号识别。卷积神经网络模型以采集信号数据集作为识别网络的输入，以调制信号判定作为识别网络的输出，能够实现无监督下的自主调制信号特征的提取和分类处理。实验验证表明，该方案拥有接近经典似然比方案的优越性能，在信噪比大于5dB时能够达到95％以上的识别率。

公开(公告)号：CN116996350A

公开(公告)日：2023-11-03

申请号：CN202310955769.8

申请日：2023-08-01

Applicant: 南京邮电大学

Inventor： 田峰 ,  彭乙轩 ,  刘正松

IPC: H04L27/00 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084

Abstract: 基于USRP平台的深度学习调制信号识别方法，在上位机进行LabVIEW图形化编程，实现可切换多种调制信号的收发系统；接收机进行接收并记录一系列调制信号样本，对调制信号进行特征提取；运用传统决策树方式进行调制信号识别。然后进行全连接神经网络训练，将特征向量输入到全连接神经网络模型中进行训练；训练完成后，对训练好的深度学习模型进行测试和验证。将训练好的调制信号识别模块部署到实际应用场景中，用于接收机的调制识别。通过基于USRP软件无线电搭建的通信测试环境，验证了基于深度学习的信号调制识别技术能够很好的解决无线通信中调制信号识别问题。

公开(公告)号：CN116996160A

公开(公告)日：2023-11-03

申请号：CN202310955760.7

申请日：2023-08-01

Applicant: 南京邮电大学

Inventor： 田峰 ,  刘正松 ,  彭乙轩

IPC: H04K3/00 ,  G06N3/0475 ,  G06N3/094 ,  G06F18/10 ,  G06F18/24

Abstract: 基于USRP的调制信号干扰生成方法，发射机生成工作频率、调制方式、调制参数可变的调制信号；干扰机进行通信侦察，分析信号所在信道、调制方式、发射功率，将采集到的信号信息制作成训练集，随后输入到GAN网络进行训练后输出干扰波形，用此干扰波形进行干扰发射；同时，在接收机进行对应的数字解调；将GAN网络生成的干扰波形与单音干扰和射频噪声干扰进行干扰效果对比，实验证明，本发明相比传统的干扰方式具有更好的干扰效果和更好的灵活性，能更有效地对目标信号的通信过程进行压制和破坏，达到了干扰发射机和接收机之间通信的目的。