-
公开(公告)号：CN114554497B
公开(公告)日：2024-11-19
申请号：CN202210271164.2
申请日：2022-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于LSTM优化DQN网络的多约束频谱分配方法，在前处理阶段获取系统内各项设备参数指标与频段资源数据并计算各功能矩阵；初始化DQN网络并完成前期预处理结果与网络元素的映射；设置仿真阶段数episode并记为e，将网络的训练过程分为多个e；更新搜索概率pt；在集中式分配的基础上采用局部分布方式依次对环境内设备Di进行动作，即频段的选取工作，并最终汇总为整体动作at；整体网络迭代学习；收集并更新历史最优整体动作at，并将其作为最优的频谱分配方案输出，将依次为各设备分给具体频段资源。本发明在满足不同设备优先顺序的约束下，对允许资源复用的无模型随机环境内所有设备各项信息进行综合分析。
-
公开(公告)号：CN117560255A
公开(公告)日：2024-02-13
申请号：CN202311507904.9
申请日：2023-11-13
Applicant: 西安电子科技大学
IPC: H04L25/03
Abstract: 一种Alpha稳定分布噪声下的弱信号处理方法，包括以下步骤；a)对Alpha稳定分布噪声进行非线性限幅处理，抑制噪声时域中的幅值较大的分量；b)对经过限幅处理的Alpha稳定分布噪声进行高斯性判别、参数估计与高斯分布拟合，将Alpha稳定分布噪声转换为近似高斯噪声；c)利用非线性双稳态随机共振技术对近似高斯背景噪声下的微弱信号进行预增强处理；d)对预增强处理后的输出信号再进行传统的非相关接收处理，改善Alpha稳定分布噪声下的弱信号的接收误码率性能。本发明通过预增强处理后的信号直接提取信号的定时信息；对预增强处理后的信号进行非相关接收处理，能够改善Alpha稳定分布噪声下的弱信号处理的接收误码率性能，具有码元同步开销小、计算复杂度低的优点。
-
公开(公告)号：CN113420817B
公开(公告)日：2023-04-04
申请号：CN202110709690.8
申请日：2021-06-25
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/214
Abstract: 本发明实施例公开了一种基于网络结构特征归纳的半监督调制类型识别方法、装置及介质；该方法包括：将无标记样本集与小样本的有标记样本集输入至特征提取网络，获得所有样本各自对应的特征向量；基于高斯函数定义通过所述无标记样本集与所述有标记样本集中各样本对应的特征向量获取连接矩阵；根据所述连接矩阵以及由所述连接矩阵的各行元素之和所组成的对角矩阵获取传播矩阵；构造并初始化迭代矩阵；利用所述传播矩阵以及初始化的迭代矩阵对所述迭代矩阵进行迭代至收敛；根据收敛的迭代矩阵中的行向量对所述无标记样本集中样本的调制类型标记进行预测。
-
公开(公告)号：CN114884607A
公开(公告)日：2022-08-09
申请号：CN202210482483.8
申请日：2022-05-05
Applicant: 西安电子科技大学
IPC: H04K3/00
Abstract: 本发明提供一种隐蔽通信系统的部署方法、部署装置及存储介质，在非法窃听方存在位置不确定的情况下，通过获取合法接收方的最大干扰功率；根据最大干扰功率以及不确定区域，确定合法接收方的隐蔽可行区域；确定隐蔽可行区域与可部署区域的重叠区域；在重叠区域中查找与发送方最近的位置点作为合法接收方的最佳部署点；根据发送方与最佳部署点的距离，确定合法接收方的最佳干扰功率；将最佳部署点以及最佳干扰功率联合计算最佳吞吐量；将合法接收方部署在最佳部署位置，以使合法接收方按照最佳干扰功率发射干扰非法窃听方的干扰信号，以实现最大化系统的合法传输有效吞吐量，以在最短时间完成传输提高隐蔽通信的安全性。
-
公开(公告)号：CN114567931A
公开(公告)日：2022-05-31
申请号：CN202111305572.7
申请日：2021-11-05
Applicant: 西安电子科技大学重庆集成电路创新研究院
Abstract: 本发明公开了一种用于多用户任意带宽接入的复合准则快速频谱分配方法，所述用于多用户任意带宽接入的复合准则快速频谱分配方法包括：S1：确定主用户及认知用户群，其中，所述认知用户群包括多个认知用户；S2：根据所述主用户占用的频段信息和认知用户信息，构建任意带宽接入场景的频谱分配模型；S3：根据所述主用户的工作频段信息和固有频段，利用工作带宽，得到与所述工作带宽对应的若干可用子频段；S4：根据所述若干可用子频段和各认知用户优先级，利用贪婪算法，求解所述频谱分配模型，得到各所述认知用户的工作频段；S5：按照各所述认知用户的工作频段对各所述认知用户进行频谱分配。
-
Patent Agency Ranking
公开(公告)号：CN109951237A
公开(公告)日：2019-06-28
申请号：CN201910258780.2
申请日：2019-04-01
Applicant: 西安电子科技大学
IPC: H04B17/26 , H04B17/336 , H04B17/382
Abstract: 本发明实施例公开了一种信号检测的方法、装置及计算机存储介质；该方法可以包括：根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量；根据所述信号样本的k阶样本累积量获取协方差矩阵；根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量；根据所述信号样本的样本累积量向量的概率密度，按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域；根据所述检验统计量以及所述功率判决域进行判决，确定所述授权用户的工作状态。
-
公开(公告)号：CN105407491A
公开(公告)日：2016-03-16
申请号：CN201510902347.X
申请日：2015-12-09
Applicant: 西安电子科技大学
IPC: H04W16/14
CPC classification number: H04W16/14
Abstract: 本发明公开了一种基于多电平的序列检测与识别方法，主要解决现有检测方法中频谱利用率和可靠性之间的矛盾。其实现步骤是：1)接收端设置所有错误判决概率的约束值；2)接收端对接收到的信号进行采样；3)接收端对采样信号的各个分量平方相加得到检验统计量，并计算检验统计量的判决域；4)判决检验统计量是否落入判决域的区域：若检验统计量没有落入判决域，则返回步骤2)；若检验统计量落入判决域，则判决检验统计量具体落入的判决域，判决出授权用户的发送电平值。本发明对信号进行检测时能够在可靠性一定的情况下，最大化频谱利用率，可用于认知无线电环境中的多电平信号检测与识别。
-
公开(公告)号：CN118535990A
公开(公告)日：2024-08-23
申请号：CN202310153074.8
申请日：2023-02-22
Applicant: 西安电子科技大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/213 , G06F18/2131 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种未知数量无人机集群中无人机类型识别方法及装置，属于无线通信技术领域。本发明的技术方案为：通过对电磁信号提取波形特征和节奏频率特征，将仅使用单目标场景下的样本数据训练得到的双通道胶囊神经网络作为深度学习识别模型，实现对未知数量无人机集群场景下的无人机类型进行准确判断并进行有效识别，以有效克服传统卷积网络的池化层因主动丢弃大量信息而造成信号空间分辨率降低的缺陷，提高多目标类型中各个类型识别的准确率。
-
公开(公告)号：CN114895240B
公开(公告)日：2024-07-30
申请号：CN202210402115.8
申请日：2022-04-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种TDOA定位中的鲁棒节点部署与选择方法，包括以下步骤：构建机动式节点与固定式节点共存的多源定位网络场景；计算信号源相对于传感器的TOA值；计算信号源的包含TDOA的测量值；计算信号源的置信椭圆区域；确定信号源空间位置的无偏估计的方差下界即克拉美罗下界；计算信号源置信区域内全部采样点的加权平均最差克拉美罗下界；构建鲁棒节点部署优化问题；计算从Z个定位节点中选择K个组成的传感器子集所确定的加权平均最差克拉美罗下界；以最小化所述加权平均最差克拉美罗下界为目标函数、布尔向量为决策变量构建优化问题；利用改进的迭代交换贪婪算法求解优化问题。本发明可提升定位精度，同时降低计算复杂度。
-
公开(公告)号：CN116680521A
公开(公告)日：2023-09-01
申请号：CN202310594831.5
申请日：2023-05-24
Applicant: 西安电子科技大学
IPC: G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的单通道混叠电磁信号分离方法及装置，包括：获取单通道混叠电磁信号；将单通道混叠电磁信号输入预先训练好的信号处理模型，以使信号处理模型中的编码器对单通道混叠电磁信号进行编码，得到信号编码后，使信号处理模型中的分离网络基于信号编码得到单通道混叠电磁信号的估计掩模，进一步使解码器基于信号编码和所述估计掩模，输出单通道混叠电磁信号分离后的信号。本发明无需获取信号的先验知识，适合盲信号分离，并且通过深度学习提取大批量数据中的共同特征，即使在信号受到较强噪声干扰时，仍然具有较好的分离效果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.11 seconds)
