-
公开(公告)号：CN114553364B
公开(公告)日：2024-11-01
申请号：CN202210189825.7
申请日：2022-02-28
Applicant: 桂林电子科技大学
IPC: H04K3/00 , G06F18/241 , G06N3/063
Abstract: 本发明公开了一种基于PYNQ的无人机识别系统及识别方，所述无人机识别系统采用信号接收装置接收待识别无人机信号，将信号通过RJ45接口传送给PYNQ‑Z2，从接收到的射频信号中提取三阶累积量，作为每台无人机唯一的射频指纹特征，基于得到的无人机射频指纹特征，使用神经网络对射频指纹特征进行分类，利用神经网络加速IP核进行加速计算，可以对需要进行认证的无人机身份进行实时识别和认证。
-
公开(公告)号：CN114239749B
公开(公告)日：2024-04-05
申请号：CN202111593241.8
申请日：2021-12-23
Applicant: 桂林电子科技大学
IPC: G06F18/214 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于残差收缩及双向长短期记忆网络的调制识别方法，其特征在于，包括如下步骤：1）信号预处理；2）构建基于残差收缩及双向长短期记忆网络训练模型；3）训练网络；4）分类识别。这种方法训练特征参数少、步骤简洁、复杂度低，无需对信号进行复杂的预处理及人工特征提取，省去了人为提取特征的时间成本，适用范围广、抗噪性能好、识别精度高。
-
公开(公告)号：CN114218984B
公开(公告)日：2024-03-22
申请号：CN202111488160.1
申请日：2021-12-07
Applicant: 桂林电子科技大学
IPC: G06F18/241 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多视图学习的射频指纹识别方法，其特包括如下步骤：1）采集每个待识别无线设备射频信号；2）数据处理并加噪声；3）分割数据并制作数据集一、二和三；4）设计复数值神经网络子组件并搭建复数值神经网；5）搭建子神经网络一6）搭建二维卷积神经网络二、三；7）合成多视图神经网络；8）训练神经网络；9）射频指纹识别。这种方法能利用样本数据并让计算机自动提取信号指纹特征，对样本数量要求降低的同时能改善低信噪比时的识别精度，数据特征提取效率高识别精度高。
-
公开(公告)号：CN114239749A
公开(公告)日：2022-03-25
申请号：CN202111593241.8
申请日：2021-12-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于残差收缩及双向长短期记忆网络的调制识别方法，其特征在于，包括如下步骤：1）信号预处理；2）构建基于残差收缩及双向长短期记忆网络训练模型；3）训练网络；4）分类识别。这种方法训练特征参数少、步骤简洁、复杂度低，无需对信号进行复杂的预处理及人工特征提取，省去了人为提取特征的时间成本，适用范围广、抗噪性能好、识别精度高。
-
公开(公告)号：CN114218984A
公开(公告)日：2022-03-22
申请号：CN202111488160.1
申请日：2021-12-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多视图学习的射频指纹识别方法，其特包括如下步骤：1）采集每个待识别无线设备射频信号；2）数据处理并加噪声；3）分割数据并制作数据集一、二和三；4）设计复数值神经网络子组件并搭建复数值神经网；5）搭建子神经网络一6）搭建二维卷积神经网络二、三；7）合成多视图神经网络；8）训练神经网络；9）射频指纹识别。这种方法能利用样本数据并让计算机自动提取信号指纹特征，对样本数量要求降低的同时能改善低信噪比时的识别精度，数据特征提取效率高识别精度高。
-
Patent Agency Ranking
公开(公告)号：CN116540191A
公开(公告)日：2023-08-04
申请号：CN202310507947.0
申请日：2023-05-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于模糊评价法的多频段外辐射源选择方法，其特征是，包括如下步骤：1）外辐射源雷达性能指标计算；2）指标隶属度计算；3）外辐射源综合权值计算；4）外辐射源的综合选择度计算。种方法能针对不同探测场景下的多个备选外辐射源信号给出低空外辐射源信号的综合选择度，可实现对低空状态下多频段外辐射源信号的最优选择，可为后续雷达信号检测提供理论基础，且能根据最优外辐射源的选择提高雷达检测性能。
-
公开(公告)号：CN115942325A
公开(公告)日：2023-04-07
申请号：CN202211554365.X
申请日：2022-12-06
Applicant: 桂林电子科技大学
IPC: H04W12/79 , G06F18/10 , H04L25/03 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种去信道特征的IEEE802.11a信号辐射源识别方法，包括如下步骤：1）采集待识别的IEEE802.11a设备信号；2）时域训练序列提取；3）训练LMS滤波器；4）信道均衡处理；5）训练神经网络；6）设备身份识别。这种方法具有抗干扰性强、识别率高、实现难度小的优点。
-
-
公开(公告)号：CN114266312B
公开(公告)日：2024-03-22
申请号：CN202111582991.5
申请日：2021-12-22
Applicant: 桂林电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08 , H04L69/18
Abstract: 本发明公开了一种基于多任务学习的射频指纹和通信协议的识别方法，包括如下步骤：1）获取接收机端信号；2）信号预处理；3）对I/Q信号进行差分处理得到差分星座轨迹图：4）制作神经网络的输入数据集；5）多任务神经网络训练；6）进行射频指纹识别和无线通信协议识别。这种方法能在单任务的基础上提高识别准确率和缩短训练时间，并且差分星座轨迹图能消除因频偏导致的星座图旋转的情况。
-
公开(公告)号：CN116776276A
公开(公告)日：2023-09-19
申请号：CN202310485617.6
申请日：2023-04-29
Applicant: 桂林电子科技大学
IPC: G06F18/25 , G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于残差网络多视图特征融合的无人机检测方法，包括：构建多视图数据：获得实测信号的时域图、短时傅里叶变换图、连续小波变换图和魏格纳‑威尔分布图；构建ResNet34，包括输入结构、中间结构和输出结构，输入结构通过卷积和最大池化的操作对输入数据进行处理；中间结构由四个相似的结构层构成，每个结构层由多个残差块构成，每个残差块包含三层卷积和一条捷径连接，从第二个结构层开始，每个结构层的起始残差块还包含升维的采样结构；构建基于残差网络的多视图特征融合网络模型，在输出端输出经多视图特征融合后的无人机检测精度。本发明通过将信号的多视图数据进行特征融合，从而提高了无人机的检测效率。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
