-
公开(公告)号：CN118115853A
公开(公告)日：2024-05-31
申请号：CN202211530460.6
申请日：2022-11-30
Applicant: 西安电子科技大学 , 中国人民解放军空军工程大学
IPC: G06V10/82 , G06V10/764 , G06F18/10 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/082 , G06N3/084 , G06F123/02
Abstract: 本发明涉及一种基于轻量化全卷积神经网络的宽带信号检测方法，本发明的目的是在缺乏先验知识的情况下，利用深度学习中的全卷积神经网络实现宽带信号的检测，具体步骤为：获取原始信号后进行归一化的时频分析并构建数据集；使用所构建的数据集对全卷积神经网络进行训练；将测试集待检测信号进行归一化时频分析并送入网络预测，对网络模型性能进行评估；保存最优的模型权重，利用神经元剪枝来减少网络的参数量并构建轻量化的全卷积神经网络结构；对轻量化的全卷积网络模型进行训练；采用后处理方法得到窄带信号的信息并输出。实验结果表明该算法能取得良好的宽带信号检测效果。
-
公开(公告)号：CN119783723A
公开(公告)日：2025-04-08
申请号：CN202411756686.7
申请日：2024-12-03
Applicant: 中国人民解放军空军工程大学
Abstract: 本公开实施例是关于一种基于经验匹配的智能决策方法，包括：将决策需求建模为条件参数集和环境参数集；将条件参数集和环境参数集在决策经验库中进行匹配搜索；分别计算条件参数集和环境参数集与决策经验库中每个经验的参数集的匹配度；将匹配度中的最大匹配度与门限值进行比较，决策网络根据比较结果输出决策经验，比较结果若完全匹配，则选取最大匹配度对应的决策经验库的决策经验为输出决策经验，比较结果若不完全匹配，对决策网络进行初始化，将决策网络训练后进行决策输出。本发明通过匹配度在决策经验库中提取此决策经验下存储的决策网络相关参数，并将其直接输出或者作为先验信息置入决策网络，从而提高决策时效性和准确性，减少运算负担。
-
公开(公告)号：CN117375663A
公开(公告)日：2024-01-09
申请号：CN202311374656.5
申请日：2023-10-23
Applicant: 中国人民解放军空军工程大学
Abstract: 本公开是关于一种基于无线电极化特征的跳频网台的分选方法，该方法包括：根据跳频网台发射的电磁波信号的极化状态，推导出电磁波信号的双极化特征；利用电磁波信号的双极化特征建立极化信号模型，并将电磁波信号输入至极化信号模型中，得到跳频信号；设计双通道双极化系统，并将跳频信号输入至双通道双极化系统中，得到跳频网台的双极化特征；利用分类判决器对跳频网台的双极化特征进行软判决，得到跳频网台的分选结果；其中，双极化特征包括极化幅度比和极化相位差。本方法有效提升了跳频网台的分选效果，提高了对跳频信号的识别精度。
-
公开(公告)号：CN116561559A
公开(公告)日：2023-08-08
申请号：CN202310507273.4
申请日：2023-05-08
Applicant: 中国人民解放军空军工程大学
IPC: G06F18/213 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本公开是关于一种基于多级关系度量网络的小样本信号调制识别方法。包括以下步骤：建立多级关系度量网络的网络模型，该网络模型包括多级的特征嵌入模块和多级的关系度量模块；将待识别的小样本信号输入至该网络模型中分别进行重构特征训练和多级度量训练，最终得到每级小样本信号的相似性得分和对应的加权系数；并通过加权求和确定所有小样本信号的最终相似性得分。本公开所提方法能够提高网络对样本各级特征向量的利用率，同时通过重构样本特征向量实现了信号数据增强，提高了网络训练的泛化性，避免了过拟合现象的出现。
-
公开(公告)号：CN111046896B
公开(公告)日：2022-10-11
申请号：CN201811212129.3
申请日：2018-10-11
Applicant: 中国人民解放军空军工程大学
Abstract: 提供一种基于栈式自编码器细微特征提取的跳频信号电台分选方法，包括下列步骤：栈式自编码器的电台特征提取；栈式自编码器电台特征数据集构建；低秩Low‑rank聚类的跳频信号电台分选。利用栈式自编码器在细微特征提取和描述方面的诸多优势，提取跳频电台的细微特征，结合之前数据累积结果建立电台细微特征字典数据集，对于实时侦测到的非合作方跳频电台信号数据，利用同样技术提取其细微特征参量，然后通过Low‑rank聚类算法与数据字典中信息进行比对分析，实现跳频信号的电台分选，并对数据库信息进行及时更新。
-
Patent Agency Ranking
公开(公告)号：CN112616158A
公开(公告)日：2021-04-06
申请号：CN202011462821.9
申请日：2020-12-14
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明提供一种认知通信干扰决策方法，包括：建立对抗双方模型，构建融合有效方差置信上界的强化学习决策模型，决策干扰参数，输出最佳干扰动作；本发明在传统强化学习方法框架基础上，通过利用高效干扰动作的干扰效能方差设置置信区间，剔除不在置信区间内的干扰动作，对决策空间进行降维搜索，并利用贪婪策略选择最佳决策方案，加快了学习速度并降低了决策波动性。
-
公开(公告)号：CN103298101A
公开(公告)日：2013-09-11
申请号：CN201310245034.2
申请日：2013-06-19
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明涉及一种宽范围的码辅助载波同步实现方法，将码辅助载波同步分为粗同步和细同步两部分。首先以最大化评价函数为准则，利用二维搜索窗算法将载波偏移限制在一定范围内，然后再选择具有较大参数估计范围且复杂度较低的精估计算法来准确实现载波恢复。本发明的优势在于能够大幅提高同步范围，具有较高的估计精度，可以有效实现载波同步，且获得接近理想同步的译码性能。
-
公开(公告)号：CN118678451A
公开(公告)日：2024-09-20
申请号：CN202410401456.2
申请日：2024-04-03
Applicant: 中国人民解放军空军工程大学
IPC: H04W72/044 , H04W52/24 , H04W72/50 , G06N3/094
Abstract: 本发明涉及一种面向不完整感知的动态干扰功率分配方法。包括：构建用于表述不完整感知条件下动态干扰功率分配问题的部分可观测马尔可夫决策模型；收集历史观测数据并按时间顺序存储到数据集中；构建基于生成式对抗网络的数据补全模型；构建用于预测通信策略的对手模型；基于训练好的数据补全模型和对手模型对深度强化学习决策模型进行训练，以得到最佳的干扰功率分配策略；将完成训练的深度强化学习决策模型在线部署于智能干扰机上，进行在线学习和实时决策。本发明通过“离线训练、在线部署”来指导训练和部署过程，在观测信息不完整的情况下，补全实际观测数据，利用深度强化学习技术给出最优的干扰功率分配方案，实现实时有效的干扰。
-
公开(公告)号：CN117034103A
公开(公告)日：2023-11-10
申请号：CN202310745227.8
申请日：2023-06-21
Applicant: 中国人民解放军空军工程大学
IPC: G06F18/241 , G06F18/2415 , G06F18/2433 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本公开实施例是关于一种结合原型网络和极值理论的辐射源个体开集识别方法。该方法包括：对原始数据进行处理，得到训练集数据和测试集数据；利用训练集数据对构建的一维神经网络进行训练，得到训练集数据的特征和训练集数据的特征到原型的距离；再迭代更新初始化的原型和网络参数；为每一个类别拟合Weibull模型；利用测试集数据对构建的一维神经网络进行测试，并得到测试集数据的特征到原型的距离和网络输出值；根据测试集数据的特征到原型的距离和每个Weibull模型，得到测试集数据的Weibull累计分布概率；并对测试集数据进行分类。本公开解决了通过Weibull模型的输出概率和权值对测试样本网络输出值进行矫正，有效完成了开集识别任务，提高了模型的稳定性。
-
公开(公告)号：CN113419209B
公开(公告)日：2023-06-20
申请号：CN202110756039.6
申请日：2021-07-05
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明提供一种锥面共形阵列盲极化波达方向估计方法，包括下列步骤：步骤一：对锥面共形阵列天线快拍进行数据建模；步骤二：实值盲极化波达方向估计方法。新算法将子空间估计过程实值化处理，通过子阵分割设计解决了协方差矩阵分裂引起的“镜像模糊”问题，并推导了参数估计的克拉美—罗界，所提算法在保证DOA估计精度的前提下降低了算法复杂度。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.086 seconds)
