-
公开(公告)号：CN117851912A
公开(公告)日：2024-04-09
申请号：CN202311739126.6
申请日：2023-12-15
申请人： 电子科技大学
IPC分类号： G06F18/2415 , G06F18/214 , G06N3/0464 , G06F17/14 , G06F17/16 , G06N3/084
摘要： 本发明提供了一种基于轻量化抗多普勒射频指纹识别的方法，属于物联网安全信息技术领域。本发明包括结合I/Q信号特点，将信号表示转换为时频图，保留时域和频域射频指纹特征，构建去信道化的差分频谱图；并采用多普勒信道建模合成更多数据集的方式，使模型能够通过获取更多的多普勒频移环境下的射频信号进行数据增强提取更多可靠的射频指纹特征。此外，还设计了一种新的轻量化深度卷积可分离网络。本发明的识别模型由输入层，卷积层，多个深度可分离卷积层，最大池化层，全连接层以及softmax分类层组成。该方法能增加模型的推理速度，提高模型识别准确率，实现资源受限下低成本绿色环保通信识别。
-
公开(公告)号：CN117134975A
公开(公告)日：2023-11-28
申请号：CN202311129562.1
申请日：2023-09-04
申请人： 电子科技大学
IPC分类号： H04L9/40 , G06N3/0464 , H04L67/12
摘要： 本发明属于物联网安全技术领域，具体来说是涉及一种基于射频指纹的分布式协同身份认证方法。在物联网环境中，经常采用分布式网络结构，本发明提出基于特征图融合的协同认证框架，以满足分布式网络结构的要求，并能加快模型收敛以及提高模型精度。针对3种认证模式框架进行对比实验，即集中式认证框架、单纯分布式认证框架以及联邦协同认证框架。实验结果表明，在分布式场景下，联邦协同认证模型比其他两种框架模型的鲁棒性更高。此外，协同认证模型框架比其他两种模型框架的收敛速度更快。
-
公开(公告)号：CN116405348A
公开(公告)日：2023-07-07
申请号：CN202310374345.2
申请日：2023-04-10
申请人： 电子科技大学
摘要： 本发明属于无线通信领域，提供一种通信感知一体化系统阵列天线与5G新空口估角方法，用以实现高精度、高分辨率、最大目标数且低复杂度的角度估计，进而满足ISAC场景应用需求。本发明提出一种支持高精度角度估计的通感节点收发阵列天线，在收发天线总数相同情况下，实现了更大的阵列角度估计自由度，大幅提高角度估计的精度、分辨率、最大目标数等性能；在满足同等角度估计性能的前提下，所需天线阵元数更少，极大地降低设备成本和体积。同时，将5G蜂窝系统的参考信号用作主动感知信号，提出了基于虚拟阵列流形矩阵降维的改进型MUSIC角度估计方法，在不影响蜂窝通信性能的前提下，实现了低复杂度高精度的方向感知。
-
公开(公告)号：CN114896887B
公开(公告)日：2023-04-25
申请号：CN202210549046.3
申请日：2022-05-20
申请人： 电子科技大学
IPC分类号： G06F30/27 , G06F18/214 , G06F18/241 , G06F18/24 , G06N3/0464 , G06N3/084 , H04L27/26
摘要： 本发明属于神经网络和射频指纹识别技术领域，具体来说是涉及一种基于深度学习的用频设备射频指纹识别方法。本发明包括：采集相应的射频信号并进行解析，以I/Q数据的形式进行存储；对I/Q数据进行基于调制方式的整形处理预处理，构建训练/测试数据集；构建RCAN‑RFF深度网络，并对其进行训练；将测试数据输入RCAN‑RFF深度网络，得到用频设备射频指纹识别结果。该发明在高强度电磁噪声环境下，算法模型在识别准确率以及收敛速度方面综合表现最好，对复杂电磁环境中信噪比变化具有鲁棒性，大大减少了网络的训练复杂度。
-
公开(公告)号：CN115767557A
公开(公告)日：2023-03-07
申请号：CN202211563670.5
申请日：2022-12-07
申请人： 电子科技大学
摘要： 本发明属于物联网安全技术领域，具体来说是涉及一种基于射频指纹的分布式自治认证方法。本发明设计了一种基于射频指纹分布式认证模型，并通过共识投票机制实现模型的分布式自治。在物联网场景中，由于电磁干扰问题的出现，中心节点很可能失效，因此需构建基于射频指纹的分布式认证模型。除此之外，由于模型标签投毒攻击的存在，会大幅度降低模型性能，所以考虑基于分布式认证模型，建立共识机制，从而提高模型性能和保证模型鲁棒性。
-
公开(公告)号：CN114997299A
公开(公告)日：2022-09-02
申请号：CN202210584150.6
申请日：2022-05-27
申请人： 电子科技大学
摘要： 本发明属于神经网络和射频指纹识别技术领域，具体来说是涉及一种资源受限环境下的射频指纹识别方法。本发明包括：将原始采样的I/Q信号进行数据预处理，得到训练任务集；构建资源受限下的射频指纹识别模型——DSCNet；将训练任务集输入到模型当中进行训练，然后对得到的模型进行量化处理；将识别任务输入到量化后的模型当中，得到射频指纹识别结果。本发明在资源受限的环境下具有较好的识别精度，同时模型的训练和推理速度表现较好，可以在资源不足的设备中进行射频指纹识别任务。
-
公开(公告)号：CN114943253A
公开(公告)日：2022-08-26
申请号：CN202210549015.8
申请日：2022-05-20
申请人： 电子科技大学
摘要： 本发明属于神经网络和目标识别技术领域，具体来说是涉及一种基于元学习模型的射频指纹小样本识别方法。本发明包括：将原始I/Q信号作为数据集，制作训练任务样本集；构建元学习模型——匹配网络模型；将训练任务集输入匹配网络模型，从I/Q信号中提取射频指纹特征，度量样本之间的相似度，对模型进行训练；将识别任务输入到训练好的元学习模型中，输出模型的识别结果。本发明在面临射频指纹小样本数据集时，具有较好的识别精度，并避免了因数据量少所带来的模型过拟合问题。
-
公开(公告)号：CN113037662A
公开(公告)日：2021-06-25
申请号：CN202110228356.0
申请日：2021-03-02
申请人： 电子科技大学 , 中国人民解放军军事科学院战争研究院
摘要： 本发明提供了一种基于联邦学习的移动设备射频指纹分布式识别的方法，属于物联网安全信息技术领域。首先根据射频信号数据分散存储、难以集中训练模型的特性，采用联邦学习算法实现分布式射频指纹识别，不仅解决了数据分散带来的问题，而且为本地的敏感数据提供了隐私保护。为了减少移动设备数据分布不均衡对联邦学习算法性能的影响，本发明在联邦学习算法的基础上，额外增加了动态样本选择算法，即根据异构设备的数据处理能力动态分配任务。与传统的深度学习算法相比，本发明提出的算法在减少计算时间的同时，提高了识别的准确度。
-
公开(公告)号：CN109688082B
公开(公告)日：2021-02-12
申请号：CN201910025384.5
申请日：2019-01-11
申请人： 电子科技大学
摘要： 本发明属于通信技术领域，涉及一种基于OFDM的通信雷达一体化系统。该方法是在传统的OFDM系统基础上，发送端首先将待发送的比特流调制为数据符号，然后利用数据符号与和随机相位序列根据数据带宽比进行局部保留波形设计，得到RadCom频域信号，然后通过IFFT映射到时域，在添加CP(Cyclic Prefix)之后通过射频前端发射到信道中。在接收端，接收信号在去CP后通过FFT映射到频域，对其进行均衡以弥补信道失真，然后将均衡后的信号根据数据带宽比提取符号，最后通过符号解调得到比特信息。同时，发射端与接收端的频域信号将被用于雷达处理。该发明引入部分保留循环算法，能够在保持通信系统自身优势的前提下，灵活的分配带宽，并有效的降低PAPR，提高频谱利用率。
-
公开(公告)号：CN108123786A
公开(公告)日：2018-06-05
申请号：CN201711361835.X
申请日：2017-12-18
申请人： 中国电子科技集团公司第五十四研究所 , 电子科技大学
摘要： 本发明提出了一种基于交织多址(Interleave-Division Multiple Access)IDMA的变换域通信系统(Transform Domain Communication System，TDCS)多址接入方法，以提高多址接入能力。该方法是在传统双极性调制变换域通信系统基础上，在发射端用基础调制波形对发送数据进行双极性调制，然后每个用户的数据进入各自独特的码片级交织器进行交织，交织后的数据经过傅里叶逆变换生成发送信号。在接收端，按照传统IDMA解调方法对接收信号进行解调和判决。该发明引入交织多址的思想和架构，能够在保持TDCS系统自身优势的前提下，有效地提高多址接入能力。
-
-
-
-
-
-
-
-
-
搜索结果
90 条记录 (耗时 0.036 秒)
