-
公开(公告)号：CN113870866B
公开(公告)日：2024-08-27
申请号：CN202111071939.3
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明提供一种基于深度学习双模型的语音连续事件提取方法，包括：对用于训练的语音信号文件进行相应的预处理分别得到VOC格式数据集和三元组数据集；采用VOC格式数据集训练YOLOV3深度学习模型；采用三元组数据集训练构建的深度学习人声分类网络模型；利用训练好的YOLOV3深度学习模型和深度学习人声分类网络模型对待预测语音信号文件进行预测得到特征向量；利用特征向量判断对应的语音事件是否是相同人声，并合并相同人声的语音事件后从原始的待预测语音信号文件中提取语音事件。本发明通过深度学习双模型的方式提取语音事件，抗噪声能力强，灵敏度高，即使在语音信号较弱的情况下效果依然显著。
-
公开(公告)号：CN115277324B
公开(公告)日：2023-11-10
申请号：CN202210879133.5
申请日：2022-07-25
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/10 , G06F18/241 , G06N3/0464
Abstract: 本发明公开了基于卷积神经网络的FSK信号识别方法，涉及信号识别领域，包括S1、生成FSK信号；S2、处理FSK信号获得瞬时频率数据和一阶频谱数据；S3、构建数据集；S4、数据集导入训练深度学习卷积神经网络模型；S5、均匀切分待预测信号的原始IQ数据，进行瞬时频率和一阶频谱计算得到信号预测样本；S6、信号预测样本导入优化后的深度学习卷积神经网络模型进行预测得到预测结果；S7、确定待预测信号的识别结果；本发明具有较高的识别准确率，传统多信号类型识别方法需构建决策树，而该方法复杂、条件阈值因信号强弱很难设定，在信噪比较低的情况下，准确率不能保证，而本发明使用了深度学习的方式将信号的不同特征融合并提取出来，具有较高的准确率。
-
公开(公告)号：CN115567351A
公开(公告)日：2023-01-03
申请号：CN202211161190.6
申请日：2022-09-21
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L25/02
Abstract: 发明涉及一种针对频率调制方式的符号速率计算方法，根据无线电相位幅度调制方式信号的自身特性，使用密度聚类及统计的方法对符号速率进行计算；具体包括求得数据整体分布的范围、划分区间并进行极值分析、序列分割处理、连续性处理、分割点序列构建、间隔序列构建、聚类分析、单个符号采用点计算。还公开了一种针对频率调制方式的符号速率计算装置、以及存储介质。本发明达到的有益效果是：在含噪声的条件下，依然能够正确的计算出符号速率，并且信号的持续时间越长，符号速率计算的准确率就越高，具有较强的鲁棒性。
-
公开(公告)号：CN115314075A
公开(公告)日：2022-11-08
申请号：CN202210852151.4
申请日：2022-07-20
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明公开了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法，该方法包括以下步骤：获取多辐射源的跳频信号对应的信号特征矩阵；根据信号特征矩阵和聚类分析，从多辐射源的跳频信号中筛选出每个辐射源的跳频信号；分别对所有辐射源的跳频信号进行分析计算，最终得到所有辐射源的跳频信号的相关参数。本发明能够对多个辐射源进行有效的跳频信号参数计算，即使辐射源长度相近或不同辐射源跳频信号出现相互干扰的情况，依然能够进行有效的辐射源分离与跳频图案参数计算。
-
公开(公告)号：CN113870866A
公开(公告)日：2021-12-31
申请号：CN202111071939.3
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明提供一种基于深度学习双模型的语音连续事件提取方法，包括：对用于训练的语音信号文件进行相应的预处理分别得到VOC格式数据集和三元组数据集；采用VOC格式数据集训练YOLOV3深度学习模型；采用三元组数据集训练构建的深度学习人声分类网络模型；利用训练好的YOLOV3深度学习模型和深度学习人声分类网络模型对待预测语音信号文件进行预测得到特征向量；利用特征向量判断对应的语音事件是否是相同人声，并合并相同人声的语音事件后从原始的待预测语音信号文件中提取语音事件。本发明通过深度学习双模型的方式提取语音事件，抗噪声能力强，灵敏度高，即使在语音信号较弱的情况下效果依然显著。
-
Patent Agency Ranking
公开(公告)号：CN115589349B
公开(公告)日：2024-11-05
申请号：CN202211205706.2
申请日：2022-09-30
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/04 , G06N3/08 , G06N3/045 , G06N3/0464 , G06F18/214
Abstract: 本发明提供一种基于深度学习通道自注意力机制的QAM信号调制识别方法包括：从传感器中接入QAM信号和其他信号；对信号的I路数据和Q路数据进行瞬时相位计算，得到信号的瞬时相位；使用I路数据、Q路数据和瞬时相位构建QAM数据集；使用针对QAM信号设计的通道自注意力机制卷积神经网络对QAM数据集进行训练得到模型权重文件；对待预测信号的I路数据和Q路数据分别进行均匀切分处理和瞬时相位计算，得到M个信号预测样本；使用加载了所述模型权重文件的通道自注意力机制卷积神经网络对M个信号预测样本进行预测，得到M个预测结果；对M个预测结果进行分析得到识别结果。本发明计算消耗低、处理速度快、识别准确率高。
-
公开(公告)号：CN114422624B
公开(公告)日：2024-05-17
申请号：CN202210086674.2
申请日：2022-01-25
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L69/22 , H04L67/5682
Abstract: 本发明涉及数据接收领域，提出一种数据接收方法，包括：基于数据类型配置对应的解析模块，并设置包头解析模板；接收数据并进行特征提取，并判断提取出的数据特征是否可识别，若不可识别则丢弃当前数据并结束，若可识别，则基于包头解析模板解析包头，并根据已解析的包头内容判断数据是否需要组包，若不需要则直接将数据推送至外部，否则根据提取出的数据特征查找对应的解析模块，并基于数据类型调用对应的解析模块解析数据；根据数据头部中的数据标识字段将解析的数据分别存储到不同的缓存；对缓存中的数据地址进行排序；判断是否已完成数据包内容的接收，当完成时对已接收的数据进行组包，并将组包后的数据推送至外部，并销毁缓存。
-
公开(公告)号：CN115589349A
公开(公告)日：2023-01-10
申请号：CN202211205706.2
申请日：2022-09-30
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/04 , G06N3/08 , G06N3/0464 , G06F18/214
Abstract: 本发明提供一种基于深度学习通道自注意力机制的QAM信号调制识别方法包括：从传感器中接入QAM信号和其他信号；对信号的I路数据和Q路数据进行瞬时相位计算，得到信号的瞬时相位；使用I路数据、Q路数据和瞬时相位构建QAM数据集；使用针对QAM信号设计的通道自注意力机制卷积神经网络对QAM数据集进行训练得到模型权重文件；对待预测信号的I路数据和Q路数据分别进行均匀切分处理和瞬时相位计算，得到M个信号预测样本；使用加载了所述模型权重文件的通道自注意力机制卷积神经网络对M个信号预测样本进行预测，得到M个预测结果；对M个预测结果进行分析得到识别结果。本发明计算消耗低、处理速度快、识别准确率高。
-
公开(公告)号：CN113556194B
公开(公告)日：2022-11-29
申请号：CN202110821215.X
申请日：2021-07-20
Applicant: 电信科学技术第五研究所有限公司
IPC: H04B17/318 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无线信号区域强弱检测方法，包括步骤：短时傅立叶变换得到二维信号语图；切割、填充与变形，得到语图样本；制作数据集标签；使用深度学习一维压缩模型训练定制化数据集，得到模型权重文件；预处理；对预处理后的图片进行预测得到区域信号强弱概率输出；得到信号的位置信息和信号的图像质量优劣预测值，获得最优区域。本发明能够处理复杂条件下的信号检测，鲁棒性很强；对信号各个区域进行强弱概率输出，实现信号的检测，针对性强且误检率低；不但能够得到信号的位置信息，还能得到信号每个区域的质量评估。
-
公开(公告)号：CN113556194A
公开(公告)日：2021-10-26
申请号：CN202110821215.X
申请日：2021-07-20
Applicant: 电信科学技术第五研究所有限公司
IPC: H04B17/318 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无线信号区域强弱检测方法，包括步骤：短时傅立叶变换得到二维信号语图；切割、填充与变形，得到语图样本；制作数据集标签；使用深度学习一维压缩模型训练定制化数据集，得到模型权重文件；预处理；对预处理后的图片进行预测得到区域信号强弱概率输出；得到信号的位置信息和信号的图像质量优劣预测值，获得最优区域。本发明能够处理复杂条件下的信号检测，鲁棒性很强；对信号各个区域进行强弱概率输出，实现信号的检测，针对性强且误检率低；不但能够得到信号的位置信息，还能得到信号每个区域的质量评估。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.05 seconds)
