-
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：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：CN119166808A
公开(公告)日：2024-12-20
申请号：CN202411184070.7
申请日：2024-08-27
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/295 , G06F40/30 , G06N5/025 , G06N5/022 , G06N5/04 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种端到端实体与关系联合抽取方法，其包括：对文本数据进行实体与关系标注以及关系类别合并，构造实体关系标注数据集；使用预训练语言模型获取文本token；使用标注好的实体关系数据对实体关系联合抽取网络模型进行训练，得到模型权重文件；使用实体关系联合抽取网络模型和训练好的模型权重文件对其他样本进行预测，得到实体关系预测结果，并按照预设实体关系整合规则表进行关系拆分，得到精确的实体关系预测结果。本发明的实体与关系联合抽取准确率高，速度快，具有较强的鲁棒性，对实体类别复杂、关系类别繁多、样本分布不均匀的数据具有较好的实体与关系抽取效果。
-
公开(公告)号：CN119248844A
公开(公告)日：2025-01-03
申请号：CN202411162570.0
申请日：2024-08-23
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F16/2458 , G06F16/242 , G06F9/50
Abstract: 本发明公开了一种内存多线程模糊检索方法，其包括：采用多线程并行运算的方式分别计算词条与用户检索词的编辑距离相似度值和公共序列相似度值；求取每个词条与检索词对应的编辑距离相似度值和公共序列相似度值的均值并对其进行排序，从中选取前N个字符串作为模糊检索结果。本发明在不依赖大数据检索组件的情况下，能够针对用户输入的检索词在极短的时间内从百万级甚至千万级词条中高效搜索出可靠的结果。
-
Patent Agency Ranking
公开(公告)号：CN113780106B
公开(公告)日：2024-02-27
申请号：CN202110973158.7
申请日：2021-08-24
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于无线电波形数据输入的深度学习信号检测方法，包括：步骤S10，对用于训练的无线电信号波形文件进行波形数据处理，得到多个训练波形文件以及表示了信号的强弱信息的样本标签，将多个训练波形文件和样本标签作为定制化数据集；步骤S20，将定制化数据集输入深度学习一维卷积神经网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习一维卷积神经网络模型；步骤S30，对待预测的无线电信号波形文件进行波形数据处理，将得到的多个待预测波形文件作为待预测数据集；步骤S40，将待预测数据集输入训练好的深度学(56)对比文件Yuan Zeng 等.Spectrum Analysis andConvolutional Neural Network forAutomatic Modulation Recognition《.IEEEWireless Communications Letters》.2019,929-932.
-
公开(公告)号：CN113447027B
公开(公告)日：2022-03-08
申请号：CN202110805524.8
申请日：2021-07-16
Applicant: 电信科学技术第五研究所有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于几何图形的目标融合过滤方法，包括步骤：传感器数据采集；目标身份确定、时间过滤；选择空间过滤几何图形；航向过滤处理；聚合航迹过滤后的态势数据；目标速度过滤；多源数据融合并形成一条融合航迹信息。本发明有较好的目标跟踪完整率和识别完整率，清晰性反应态势信息中所含虚假航迹、模糊航迹、模糊识别目标；最终生成的航迹的最长航迹持续比较高；准确衡量航迹位置、速度、航向、身份标识；具备事中实时处理能力，航迹确认时延和目标识别时延都较低。
-
公开(公告)号：CN113780106A
公开(公告)日：2021-12-10
申请号：CN202110973158.7
申请日：2021-08-24
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无线电波形数据输入的深度学习信号检测方法，包括：步骤S10，对用于训练的无线电信号波形文件进行波形数据处理，得到多个训练波形文件以及表示了信号的强弱信息的样本标签，将多个训练波形文件和样本标签作为定制化数据集；步骤S20，将定制化数据集输入深度学习一维卷积神经网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习一维卷积神经网络模型；步骤S30，对待预测的无线电信号波形文件进行波形数据处理，将得到的多个待预测波形文件作为待预测数据集；步骤S40，将待预测数据集输入训练好的深度学习一维卷积神经网络模型进行预测。本发明中即使信号语图中信号和噪声相似，依然能够有较好的检测结果。
-
公开(公告)号：CN119989012A
公开(公告)日：2025-05-13
申请号：CN202510075396.4
申请日：2025-01-17
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本申请公开了一种多传感器轨迹融合方法、装置、设备、存储介质及计算机产品，涉及数据处理技术领域，方法包括：基于轨迹的时间信息和空间分布信息，对多个传感器采集的多个轨迹先后进行时间聚类处理和空间聚类处理，得到多传感器轨迹聚类簇，对多传感器轨迹聚类簇中的所有轨迹进行融合，得到对应目标对象的融合轨迹。本申请首先根据时间信息，对各传感器采集的多个轨迹进行第一聚类处理，形成初步的轨迹聚类，以实现每个聚类簇独立的分析处理，减少后续计算的复杂度，随后根据空间分布信息确定出各条轨迹的空间分布情况，以进一步减少传感器轨迹融合的计算数据量，具有提升多传感器轨迹融合效率的技术效果。
-
公开(公告)号：CN113447027A
公开(公告)日：2021-09-28
申请号：CN202110805524.8
申请日：2021-07-16
Applicant: 电信科学技术第五研究所有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于几何图形的目标融合过滤方法，包括步骤：传感器数据采集；目标身份确定、时间过滤；选择空间过滤几何图形；航向过滤处理；聚合航迹过滤后的态势数据；目标速度过滤；多源数据融合并形成一条融合航迹信息。本发明有较好的目标跟踪完整率和识别完整率，清晰性反应态势信息中所含虚假航迹、模糊航迹、模糊识别目标；最终生成的航迹的最长航迹持续比较高；准确衡量航迹位置、速度、航向、身份标识；具备事中实时处理能力，航迹确认时延和目标识别时延都较低。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.042 seconds)
