-
公开(公告)号:CN112924749B
公开(公告)日:2021-12-21
申请号:CN202110156715.6
申请日:2021-02-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法,该方法为:对获取的功率谱数据进行预处理,获得功率谱密度估计;通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型;通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld;根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult,并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性,使用卷积神经网络代替传统方式的全连接网络,减小了网络的规模;采用对抗自编码器,将对抗思想引入电磁频谱异常信号检测,能够学习到更加有效的特征,相比传统普通的编解码器模型有更好的检测能力。
-
公开(公告)号:CN112924749A
公开(公告)日:2021-06-08
申请号:CN202110156715.6
申请日:2021-02-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法,该方法为:对获取的功率谱数据进行预处理,获得功率谱密度估计;通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型;通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld;根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult,并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性,使用卷积神经网络代替传统方式的全连接网络,减小了网络的规模;采用对抗自编码器,将对抗思想引入电磁频谱异常信号检测,能够学习到更加有效的特征,相比传统普通的编解码器模型有更好的检测能力。
-
公开(公告)号:CN111680666A
公开(公告)日:2020-09-18
申请号:CN202010613485.7
申请日:2020-06-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了欠采样跳频通信信号深度学习恢复方法,解决了现有技术中信号恢复方法计算复杂度高,计算效率较低,重构精度低的问题。实现步骤为:构建卷积神经网络和变分自编码器网络,引入新的网络结构和参数设置,构建最优的神经网络结构;跳频信号线性测量;数据预处理,用分离复数的实部和虚部的数据预处理方式,得到输入神经网络的数据格式;训练卷积神经网络和变分自编码器网络;跳频信号恢复。本发明构建权值共享,稀疏连接的两个网络,用数据预处理方式,得到输入神经网络的数据格式,通过训练好的最优神经网络结构和参数设置重构原始跳频信号。大幅度提高了信号恢复的准确率,降低了重构的误差和计算复杂度,用于跳频通信系统。
-
公开(公告)号:CN109981136B
公开(公告)日:2020-10-09
申请号:CN201910215219.6
申请日:2019-03-21
Applicant: 西安电子科技大学
IPC: H04B1/713 , H04B1/7136
Abstract: 本发明实施例公开了一种跳频通信信号的捕获方法、装置及计算机存储介质;该方法可以包括:对于被监测的目标带宽,按照设定的监测带宽划分为一个以上的监测频段;将各监测频段依次搬移到与所述监测带宽对应的中心频率,并对各搬移后的监测频段按照预设的判决策略进行监测,获得各搬移后的监测频段对应的符合所述判决策略的跳频频段;根据各搬移后的监测频段对应的符合所述判决策略的跳频频段生成所述目标带宽内的跳频图案。
-
公开(公告)号:CN109981136A
公开(公告)日:2019-07-05
申请号:CN201910215219.6
申请日:2019-03-21
Applicant: 西安电子科技大学
IPC: H04B1/713 , H04B1/7136
Abstract: 本发明实施例公开了一种跳频通信信号的捕获方法、装置及计算机存储介质;该方法可以包括:对于被监测的目标带宽,按照设定的监测带宽划分为一个以上的监测频段;将各监测频段依次搬移到与所述监测带宽对应的中心频率,并对各搬移后的监测频段按照预设的判决策略进行监测,获得各搬移后的监测频段对应的符合所述判决策略的跳频频段;根据各搬移后的监测频段对应的符合所述判决策略的跳频频段生成所述目标带宽内的跳频图案。
-
公开(公告)号:CN111680666B
公开(公告)日:2023-03-24
申请号:CN202010613485.7
申请日:2020-06-30
Applicant: 西安电子科技大学
IPC: G06F18/10 , G06N3/0464 , G06F17/14 , G06F18/214 , G06F18/213 , G06F18/24
Abstract: 本发明公开了欠采样跳频通信信号深度学习恢复方法,解决了现有技术中信号恢复方法计算复杂度高,计算效率较低,重构精度低的问题。实现步骤为:构建卷积神经网络和变分自编码器网络,引入新的网络结构和参数设置,构建最优的神经网络结构;跳频信号线性测量;数据预处理,用分离复数的实部和虚部的数据预处理方式,得到输入神经网络的数据格式;训练卷积神经网络和变分自编码器网络;跳频信号恢复。本发明构建权值共享,稀疏连接的两个网络,用数据预处理方式,得到输入神经网络的数据格式,通过训练好的最优神经网络结构和参数设置重构原始跳频信号。大幅度提高了信号恢复的准确率,降低了重构的误差和计算复杂度,用于跳频通信系统。
-
公开(公告)号:CN109802736A
公开(公告)日:2019-05-24
申请号:CN201910186920.X
申请日:2019-03-13
Applicant: 西安电子科技大学
IPC: H04B17/382
Abstract: 本发明实施例公开了一种频谱感知的方法、装置及计算机存储介质,该方法包括:在当前迭代过程中,获取当前的归一化功率谱;针对所述当前归一化功率谱按照设定的正向判决策略进行判定:相应于第一判定结果,确定当前累积的总频谱分段占用数目,并更新用于获取下次迭代的归一化功率谱的参数,进入下次迭代;相应于第二判定结果,针对所述当前归一化功率谱按照设定的反向判决策略进行判定:相应于第三判定结果,确定当前累积的总频谱分段占用数目,并更新用于获取下次迭代的归一化功率谱的参数,进入下次迭代;相应于第四判定结果,确定当前累积的总频谱分段占用数目,并基于所述当前累积的总频谱分段占用数目确定未被占用的频谱分段。
-
公开(公告)号:CN109495198A
公开(公告)日:2019-03-19
申请号:CN201910075068.9
申请日:2019-01-25
Applicant: 西安电子科技大学
IPC: H04B17/382
Abstract: 本发明公开了一种基于残差相关矩阵检测的欠采样频谱感知方法,解决了现有技术必须依赖于不易感知的先验信息的问题。其方案是:对输入信号采样;得到测量矩阵A和残差矩阵V;初始化信号恢复参数;计算与当前残差矩阵最相关的列索引值Iτ;得到中间残差矩阵 得到修正残差矩阵Vτ;得到检测统计量 计算判决门限 对比检测统计量 与判决门限 得到信号支撑集。本发明将欠采样频谱感知转化为二元判决,通过残差检测控制迭代,判决门限不受噪声影响,在无先验知识,极低信噪比和较低的虚警概率下仍能获得优异检测性能,增加采样次数可显着提高检测性能。实用,漏检、虚警概率低,复杂度低,感知性能受噪声功率影响较小,感知性能比较稳定。