-
公开(公告)号：CN119299276A
公开(公告)日：2025-01-10
申请号：CN202411460298.4
申请日：2024-10-18
Applicant: 杭州电子科技大学
IPC: H04L27/36 , H04B7/0456
Abstract: 本发明涉及毫米波通信领域，具体是一种基于速率分割多址技术的数据传输方法及装置，该数据传输方法包括如下步骤：发射机处输入比特信息流；将比特信息流进行分块处理；对分块处理后的数据流进行编码；对编码后的数据流进行符号映射；对符号映射后的数据流进行预编码，形成发射信号；数据流经过发射机发射信号后，经过信道进行传输，接收机接收到传输的信息流，对数据流进行干扰消除，获取信息流的公共信息和私有信息；将公共信息流与私有信息流进行组合得到传输的比特信息流。本发明将比特数据流在发射机进行拆分和组合，增大信息传输过程中的频谱利用率，提高信息的传输的速率。
-
Patent Agency Ranking
公开(公告)号：CN117456241A
公开(公告)日：2024-01-26
申请号：CN202311401702.6
申请日：2023-10-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的无人机分类方法，包括如下步骤：S1、获取无人机的一维毫米波数据，使用数据转换方法将一维毫米波数据转换为二维图像，并划分为训练集、验证机和测试集；S2、搭建基于ResNet18的卷积神经网络模型；所述注意力机制为scSE模块，scSE模块从空间和通道两个方面来增强有意义的特征，抑制无用特征，从而提高网络的识别准确；S3、在训练集上按照设置好的超参数进行模型的训练，训练结束后得到能够准确实现无人机分类的网络模型；S4、应用无人机分类网络模型进行无人机分类。将一维毫米波数据转换为二维图像，增大数据的特征差异，通过将注意力机制和残差网络相结合来提高网络的识别准确率。
-
公开(公告)号：CN119415814A
公开(公告)日：2025-02-11
申请号：CN202411463447.2
申请日：2024-10-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种超大点数FFT快速处理方法，涉及数字信号快速处理领域，包括以下步骤：首先对原始采样信号数据进行补零操作至序列的总长度满足M1点的整数倍；然后针对补零操作后的数据进行分割，将输入超大点数序列分割为L个长度为M1点的子序列，其次，对子序列做点数为M1点FFT计算，采用高基数FFT算法架构进行迭代计算；最后，利用特定的旋转因子与子序列的FFT计算结果相乘以实现FFT结果的相位矫正，将相位矫正后的子FFT结果按照特定的加权方式进行组合拼接，确保每个频率点的成分得到正确的调整，得到原始数据序列的FFT结果。本发明能够在降低算法复杂度的同时提升超大点数FFT的计算效率。
-
公开(公告)号：CN119276679A
公开(公告)日：2025-01-07
申请号：CN202411423145.2
申请日：2024-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种高阶调制迭代频偏相位校正方法及装置，该校正方法首先基于已知序列或导频信息进行已知位置的频偏与相偏初始估计，进而计算高阶调制符号位置的信号频偏和相偏的初始估计，进行频偏和相偏的补偿；对初始校正后信号进行解调，提取高阶调制信号的星座点估计；通过高阶调制信号估计值，计算频偏与相偏的估计更新值；使用估计出的相偏和频偏来修正接收到的信号，依次循环迭代，直到达到预定的精度或迭代次数。这种迭代联合校正方法与装置，可以逐步减小频偏和相位误差，提高高阶调制信号的解调准确性。
-
公开(公告)号：CN117668641A
公开(公告)日：2024-03-08
申请号：CN202311606892.5
申请日：2023-11-29
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G01S7/41 , G01S13/06 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于盲源分离和深度学习的无人机识别方法，该方法首先获取无人机的一维雷达散射截面毫米波数据集，进行混合得到混合信号，并使用改进的FastICA算法对其进行分离。其次使用数据变换将分离后的信号转换为二维图像，对二维图像进行扩增，将得到的数据集划分为训练集、验证集和测试集。然后搭建基于ResNet18的无人机分类网络模型，并在训练集上进行无人机分类网络模型的训练，得到实现无人机分类的网络模型。本发明在提高网络识别准确率的同时没有大幅度增加网络的训练时间，使其能够很好的完成无人机种类识别，设计更加合理有效。
-
公开(公告)号：CN116318188A
公开(公告)日：2023-06-23
申请号：CN202310299394.4
申请日：2023-03-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种通信系统中的通用纠错译码方法，S1、将传输过程中可能的噪声序列按照其出现的概率降序排列，得到一个噪声序列表；S2、将待发送的信息序列通过信道纠错编码得到编码信息序列，并进行符号映射和射频调制得到调制信号；S3、产生码本，所述码本为当前编码方式下所有码字；S4、将调制信号经过物理信道传输，并耦合上加性高斯白噪声信号，得到接收信号；S5、对接收信号进行射频解调和符号解映射，得到待译码信息序列；S6、对待译码信息序列进行译码，得到译码结果；S7、遍历噪声序列表后仍未译码，则原信息序列作为译码结果。该方法建立一种通用译码算法架构，实现多种编码的译码工作，不仅误码率有所保障，并且有效提高了译码效率。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
