-
公开(公告)号：CN112287796B
公开(公告)日：2022-03-25
申请号：CN202011144744.2
申请日：2020-10-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VMD‑Teager能量算子的辐射源识别方法，分别采集各个辐射源的信号样本，对每个信号样本的同相分量和正交分量分别采用改进的VMD算法进行信号分解，选择低频模态分量重构得到重构同相分量和重构正交分量，分别基于Teager能量算子计算重构同相分量和重构正交分量的能量，然后计算各信号样本同相分量、正交分量所对应模态分量以及重构同相分量和重构正交分量的盒维数，将能量和盒维数构建得到信号样本的特征向量，将特征向量作为输入，所对应辐射源序号作为输出，对分类模型训练得到辐射源识别模型，当需要进行辐射源识别时，获取信号的特征向量，输入辐射源识别模型即可得到识别结果。本发明可有效提高在低信噪比环境下辐射源的识别率。
-
Patent Agency Ranking
公开(公告)号：CN112270263B
公开(公告)日：2022-03-25
申请号：CN202011174918.X
申请日：2020-10-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于差分密度星座图的调制识别方法，根据实际需要从PSK调制和QAM调制中确定所需识别的调制方式，采集这些调制方式的信号样本，生成对应的差分星座图；预先设置PSK颜色序列和QAM颜色序列；先对差分星座图进行聚点处理，然后均分为若干格子，统计每个格子中数据点密度，根据预先确定的数据点密度的范围和颜色序列，生成差分密度星座图；采用信号样本的差分密度星座图和调制方式标签对神经网络进行训练；在进行调制识别时，先对待识别调制信号的差分星座图进行聚类，根据聚类中心数量初步判断所属调制方式，然后生成差分密度星座图，输入神经网络得到调制识别结果。本发明采用差分密度星座图结合神经网络，有效提高调制识别率。
-
公开(公告)号：CN113114599A
公开(公告)日：2021-07-13
申请号：CN202110271141.7
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于轻量级神经网络的调制识别方法，根据调制信号数据特征，引入自注意力机制、分组卷积机制和拆分注意力机制对轻量级神经网络Resnet18进行改进，构建了基于轻量级神经网络的调制识别模型，将调制信号的IQ信号数据转换为三维数据，输入训练好的调制识别模型进行调制识别。采用本发明可以有效提升调制识别率，尤其是在低信噪比情况下具有良好的调制识别率。
-
公开(公告)号：CN112270263A
公开(公告)日：2021-01-26
申请号：CN202011174918.X
申请日：2020-10-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于差分密度星座图的调制识别方法，根据实际需要从PSK调制和QAM调制中确定所需识别的调制方式，采集这些调制方式的信号样本，生成对应的差分星座图；预先设置PSK颜色序列和QAM颜色序列；先对差分星座图进行聚点处理，然后均分为若干格子，统计每个格子中数据点密度，根据预先确定的数据点密度的范围和颜色序列，生成差分密度星座图；采用信号样本的差分密度星座图和调制方式标签对神经网络进行训练；在进行调制识别时，先对待识别调制信号的差分星座图进行聚类，根据聚类中心数量初步判断所属调制方式，然后生成差分密度星座图，输入神经网络得到调制识别结果。本发明采用差分密度星座图结合神经网络，有效提高调制识别率。
-
公开(公告)号：CN113114599B
公开(公告)日：2022-01-11
申请号：CN202110271141.7
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于轻量级神经网络的调制识别方法，根据调制信号数据特征，引入自注意力机制、分组卷积机制和拆分注意力机制对轻量级神经网络Resnet18进行改进，构建了基于轻量级神经网络的调制识别模型，将调制信号的IQ信号数据转换为三维数据，输入训练好的调制识别模型进行调制识别。采用本发明可以有效提升调制识别率，尤其是在低信噪比情况下具有良好的调制识别率。
-
公开(公告)号：CN112287796A
公开(公告)日：2021-01-29
申请号：CN202011144744.2
申请日：2020-10-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VMD‑Teager能量算子的辐射源识别方法，分别采集各个辐射源的信号样本，对每个信号样本的同相分量和正交分量分别采用改进的VMD算法进行信号分解，选择低频模态分量重构得到重构同相分量和重构正交分量，分别基于Teager能量算子计算重构同相分量和重构正交分量的能量，然后计算各信号样本同相分量、正交分量所对应模态分量以及重构同相分量和重构正交分量的盒维数，将能量和盒维数构建得到信号样本的特征向量，将特征向量作为输入，所对应辐射源序号作为输出，对分类模型训练得到辐射源识别模型，当需要进行辐射源识别时，获取信号的特征向量，输入辐射源识别模型即可得到识别结果。本发明可有效提高在低信噪比环境下辐射源的识别率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
