-
公开(公告)号：CN110166399A
公开(公告)日：2019-08-23
申请号：CN201910521917.9
申请日：2019-06-17
Applicant: 桂林电子科技大学
IPC: H04L27/26
Abstract: 本发明公开了一种基于分数阶C变换的多载波系统抗衰落的方法，其特征在于，包括如下步骤：1）输入数据、进行星座映射后串并转换；2）分数阶C变换的逆变换后加入循环前缀、并串转换；3）过双选择性衰落信道后串并转换、去循环前缀；4）分数阶C变换、且并串转换后进行星座逆映射得到输出数据；5）性能分析。这种方法不仅降低了符号间干扰ICI、子载波间干扰ISI的影响，还降低了峰均功率比的影响，提高了系统的抗衰落性能。
-
公开(公告)号：CN113162879A
公开(公告)日：2021-07-23
申请号：CN202110479674.4
申请日：2021-04-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种联合特征提取的调制信号识别方法，其特征在于，包括如下步骤：1）信号接收；2）信号预处理；3）特征参数提取；4）设置判决门限；5）分类识别。这种方法所需特征参数少、步骤简洁、复杂度低，在低信噪比下识别率高且能弥补高阶累计量单一特征的局限，适用于多种不同类型的调制信号识别。
-
公开(公告)号：CN112689288A
公开(公告)日：2021-04-20
申请号：CN202011501531.0
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: H04W12/121 , H04W12/122 , G06K9/00 , G06K9/52 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于WANN的射频指纹提取和识别方法，其特征是，包括如下步骤：1）采集待识别无线电设备信号；2）双谱非参数估计；3）使用MATLAB软件生成双谱等高图；4）生成数据集并预处理；5）训练WANN；6）采用训练好的WANN识别设备。这种方法能省去人为提取特征与设计神经网络结构的时间成本，抗噪声性能好，识别精度高。
-
公开(公告)号：CN110764152A
公开(公告)日：2020-02-07
申请号：CN201911047640.7
申请日：2019-10-30
Applicant: 桂林电子科技大学
IPC: G01V3/12 , G06F16/903 , G06K9/00
Abstract: 本发明公开了一种无人机快速检测与识别的方法，所述方法包括如下步骤：1）信号采集；2）时频分析；3）查询最大值及坐标；4）坐标点转换；5）阈值判断；6）差分处理；7）特征提取；8）建立数据库；9）库内单一频段检测与识别；10）库外单一频段检测与识别；11）全频段检测与识别。本发明同时还公开了一种无人机快速检测与识别的装置。这种装置低功耗、无射频污染、成本低、组装方便、实用性好，这种方法操作简单、能够完成对民用低、慢、小型无人机的有效检测与识别，为合理规范管理无人机提供基础。
-
公开(公告)号：CN110166477A
公开(公告)日：2019-08-23
申请号：CN201910463626.9
申请日：2019-05-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于UDP协议的无人机Wi-Fi图传信号检测方法，其特征是，包括如下步骤：1）设置监听模式；2）抓取UDP协议数据包；3）解析加密数据包；4）筛选CCK/OFDM混合调制的数据包；5）分析CCK/OFDM混合调制的数据包；6）追踪UDP流；7）播放UDP流的视频内容；8）备份无人机信息。这种方法避免了周围Wi-Fi信号的影响，实现了无人机Wi-Fi图传信号的提取和视频流的恢复，提高了无人机图传信号的检测的能力。
-
Patent Agency Ranking
-
公开(公告)号：CN112087774B
公开(公告)日：2023-04-18
申请号：CN202010961558.1
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于残差神经网络的通信辐射源个体识别方法，其特征在于，包括如下步骤：1）接收通信辐射源信号；2）计算信号的双谱；3）实际信号双谱非参数间接估计；4）获得双谱等高图；5）训练残差网络；6）采用训练好的残差神经网络检测识别不同的通信辐射源。这种方法能减少信号噪声干扰、计算量小、识别的准确率高。
-
公开(公告)号：CN113162879B
公开(公告)日：2022-06-21
申请号：CN202110479674.4
申请日：2021-04-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种联合特征提取的调制信号识别方法，其特征在于，包括如下步骤：1）信号接收；2）信号预处理；3）特征参数提取；4）设置判决门限；5）分类识别。这种方法所需特征参数少、步骤简洁、复杂度低，在低信噪比下识别率高且能弥补高阶累计量单一特征的局限，适用于多种不同类型的调制信号识别。
-
公开(公告)号：CN111652183B
公开(公告)日：2022-03-29
申请号：CN202010565503.9
申请日：2020-06-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于图传信号多特征融合的无人机检测与识别方法，其特征在于，包括如下步骤：1）信号采集；2）分段信号FFT处理；3）分段频谱重建；4）信号累积；5）阈值建立；6）循环判断；7）疑似OFDM信号判断；8）滑动移位循环自相关算法；9）建立特征库10）信号识别。这种方法能够在低信噪比下对无人机进行识别，具有较高的识别率，易于实际工程。
-
公开(公告)号：CN112087774A
公开(公告)日：2020-12-15
申请号：CN202010961558.1
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于残差神经网络的通信辐射源个体识别方法，其特征在于，包括如下步骤：1）接收通信辐射源信号；2）计算信号的双谱；3）实际信号双谱非参数间接估计；4）获得双谱等高图；5）训练残差网络；6）采用训练好的残差神经网络检测识别不同的通信辐射源。这种方法能减少信号噪声干扰、计算量小、识别的准确率高。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
