-
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：CN113780107B
公开(公告)日：2024-03-01
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
IPC: G06F18/213 , G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/08
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(56)对比文件Shibanee Dash 等.A StatisticalApproach for Speech Enhancement inCognitive Radio Network《. 2018International Conference on InformationTechnology (ICIT)》.2018,137-140.Chang Liu 等.Phase Spectrum Recoveryfor Enhancing Low-Quality Speech Capturedby Laser Microphones《.2021 12thInternational Symposium on Chinese SpokenLanguage Processing (ISCSLP)》.2021,1-5.唐皓 等.建立监测网智能化分级模型 深度思考智能化无线电监测实现路径《.中国无线电》.2020,(第03期),43-46.李荣雨 等.平行堆栈式自编码器及其在过程建模中的应用《.电子测量与仪器学报》.2017,第31卷(第02期),264-271.
-
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：CN117255428A
公开(公告)日：2023-12-19
申请号：CN202311327711.5
申请日：2023-10-13
Applicant: 电信科学技术第五研究所有限公司
IPC: H04W72/541 , H04W72/0453 , H04W72/50
Abstract: 本发明涉及一种结合组网策略和频率规划的干扰通信组网方法，包括根据组网原则确定构建子网的策略，实现拟组网；通过基于贪心的频点选取算法，求解频点组合，验证是否满足拟组网的数量，根据验证结果进行相应处理；设定组网评价指标，对各组网指标得分进行排序，依次从小到大去除组网要求，直到组网数量在最多的频点分配范围内；根据频率规划初始条件和组网策略对频率区间进行划分，根据边选边验原则通过三阶互调干扰验证算法实现通信设备的合理分配。本发明通过高效利用频段资源，结合设计的通信组网策略和频点规划方法，能够有效地解决复杂通信组网内同频干扰、自扰和三阶互调干扰等问题，提高了在复杂电磁环境下通信组网的灵活性和适应性。
-
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。
-
Patent Agency Ranking
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。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.046 seconds)
