-
公开(公告)号：CN117411564A
公开(公告)日：2024-01-16
申请号：CN202311394304.6
申请日：2023-10-26
Applicant: 电信科学技术第五研究所有限公司
Abstract: 本发明公开了一种基于时频图次序统计量的信号去噪方法，属于信号处理技术领域。一种基于时频图次序统计量的信号去噪方法，包括：基于接收到的信号数据生成时频图；沿时频图的时域方向关于频域分别估计对应频率信号db值的最大次序统计量，并将该最大次序统计量确定为该频率处的噪声上限；基于所述噪声上限沿时频图的频域方向，根据目标信号的最大带宽设置敏感域；基于所述敏感域估计出噪声在频域的分布；基于噪声在频域的分布对信号数据进行去噪。本发明提出的基于时频图次序统计量的信号去噪检测方法通用性和可解释性强。
-
公开(公告)号：CN116633728A
公开(公告)日：2023-08-22
申请号：CN202211154038.5
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: 发明涉及一种针对相位幅度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；具体地包括：相位的信号前向差分序列对统计分析找到距离序列中疑似符号位置阈值、通过找出其位置大于疑似符号位置阈值的疑似符号并将这些疑似符号计数并重新构建间隔序列、然后采用聚类计算并最终获得符号速率。还公开了一种针对相位幅度调制方式的符号速率计算方法的装置、及存储介质。本发明达到的有益效果是：即使信号中存在噪声，也不会对符号速率的计算精度有所影响，具有较强的实用性与鲁棒性。
-
公开(公告)号：CN115277324A
公开(公告)日：2022-11-01
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
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：CN115314348B
公开(公告)日：2023-10-24
申请号：CN202210928802.3
申请日：2022-08-03
Applicant: 电信科学技术第五研究所有限公司
IPC: H04L27/00 , H04L27/34 , G06F18/213 , G06F18/25 , G06F18/241 , G06N3/0464
Abstract: 本发明涉及一种基于卷积神经网络的QAM信号调制识别方法，包括：S1、获取多种QAM信号和其他信号；S2、对接入的QAM信号的IQ数据进行处理，得到信号的星座图数据、瞬时相位数据和一阶频谱数据；S3、对切分好的IQ数据进行星座图、瞬时相位和一阶频谱计算得到M个PSK信号预测样本，并输入到训练好的多维三输入卷积神经网络模型中对M个QAM信号预测样本进行预测得到M个预测结果；S4、对M个预测结果进行分析，选取预测最多的类型结果作为QAM信号的识别结果。本发明具有较强的特征融合能力，具有较高的识别准确率，具有很强的抗噪抗干扰能力，具有较快较稳定的处理速度。
-
公开(公告)号：CN115545076A
公开(公告)日：2022-12-30
申请号：CN202211205528.3
申请日：2022-09-30
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对比学习的辐射源个体识别方法、介质及装置，输入数据为辐射源信号的IQ数据，通过基于对比学习的辐射源深度特征提取网络进行特征提取，并利用对比学习的方法，使得相同辐射源的特征向量在嵌入空间中尽可能的相近，不同辐射源的特征向量之间尽可能的远，最后通过预测信号特征向量与数据库的特征向量之间距离进行距离计算与评估，便可以得到辐射源的个体类别。本发明能够将辐射源个体识别与对比学习结合起来，使得相同辐射源的特征向量在嵌入空间中尽可能的相近，不同辐射源的特征向量之间尽可能的远，从而完成辐射源在高维空间上的聚类，实现辐射源个体的识别。
-
Patent Agency Ranking
公开(公告)号：CN115240699A
公开(公告)日：2022-10-25
申请号：CN202210869660.8
申请日：2022-07-21
Applicant: 电信科学技术第五研究所有限公司
IPC: G10L21/0216 , G10L21/0264 , G10L25/30
Abstract: 本发明涉及一种基于深度学习的噪声估计和语音降噪方法及系统，通过获取噪音并生成语音原始信号数据，将语音原始信号数据进行短时傅里叶变换并进行图像映射生成信号语谱图；将经过图像映射生成的信号语谱图进行语谱图切分；将通过语谱图切分生成长度为W的语谱子图中的语音事件部分进行标注，生成正负样本；将生成的正负样本整理并制作数据集；通过卷积神经网络对整理并制作的数据集进行训练；并对预测结果进行降噪处理。本发明达到的有益效果是：实现了在没有先验知识的情况下自动进行噪声的估计和降噪处理，降低了人工的成本，提高了降噪的灵活性和适应性；更易克服误去噪和过度降噪等问题减小了对噪声估计的误差。
-
公开(公告)号：CN113961676A
公开(公告)日：2022-01-21
申请号：CN202111071917.7
申请日：2021-09-14
Applicant: 电信科学技术第五研究所有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度学习分类组合的语音事件提取方法，包括：对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签，并制作成训练数据集；采用训练数据集训练深度学习卷积神经网络模型；对待预测语音信号文件进行预处理得到若干待预测语图样本文件；将若干待预测语图样本文件输入训练好的深度学习卷积神经网络模型进行预测分类，得到若干分类结果，并将分类结果拼接为特征向量；对特征向量进行连续性处理，得到语音事件的位置信息，然后根据语音事件的位置信息从原始的待预测语音信号文件中提取语音事件。本发明使用深度学习二分类处理以及连续性算法，能够在语音信号弱或受干扰时也能有不错的提取效果。
-
公开(公告)号：CN113780107A
公开(公告)日：2021-12-10
申请号：CN202110973504.1
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深度学习双输入网络模型的无线电信号检测方法，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，得到定制化数据集；所述定制化数据集包括训练波形文件、训练信号语图以及样本标签；步骤S20，将定制化数据集输入深度学习双输入网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习双输入网络模型；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，得到待预测数据集；所述待预测数据集包括待预测波形文件以及待预测信号语图；步骤S40，将待预测数据集输入训练好的深度学习双输入网络模型进行预测。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：CN114048792B
公开(公告)日：2025-02-07
申请号：CN202111195764.7
申请日：2021-10-14
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低精度随机采样数据的轨迹相似度匹配方法，包括：对原始数据进行预处理得到目标数据；对目标数据中不同目标的轨迹点进行判断并分割属于不同目标的轨迹点，得到不同目标的轨迹；找到两个不同目标，将不同目标下的所有轨迹进行两两配对；对两个不同目标下的配对的两个轨迹进行处理，得到两个轨迹的两个相似轨迹线段；根据两个相似轨迹线段分别计算两个轨迹的有效距离、有效长度和有效轨迹点数；根据两个轨迹的有效距离、有效长度和有效轨迹点数计算出两个轨迹的相似度；遍历计算得到所有目标下所有轨迹的相似度；对所有目标下所有轨迹的相似度做排序处理。本发明能够实现对低精度随机采样数据进行轨迹相似度匹配。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.034 seconds)
