-
公开(公告)号：CN109061577A
公开(公告)日：2018-12-21
申请号：CN201810728441.1
申请日：2018-07-05
Applicant: 西安电子科技大学
Abstract: 本发明属于数字信息传输技术领域，公开了一种不同类型的遮盖式干扰和欺骗式干扰的识别方法，对接收到的雷达有源干扰信号进行双谱计算，得到干扰信号的双谱；分别计算在不同参数下双谱的Renyi熵，并将其组合成新的特征向量；利用RBF神经网络分类器对所构建的特征向量进行分类。当干燥比大于0dB时调幅噪声干扰、射频噪声干扰的识别率为100％，当干噪比大于3dB时调频噪声干扰的识别率在95％以上并逐渐接近100％；三种欺骗式干扰识别率随着干燥比增加快速增长，当干噪比大于5dB时三种欺骗式干扰识别率都在94％以上并逐渐接近100％，对于欺骗式干扰本发明方法依然具有较好的识别效果。
-
公开(公告)号：CN108566260A
公开(公告)日：2018-09-21
申请号：CN201810100894.X
申请日：2018-02-01
Applicant: 西安电子科技大学
CPC classification number: H04K1/003 , H04K3/827 , H04L1/0048 , H04L1/0071
Abstract: 本发明属于数字信息传输技术领域，公开了一种基于扰分多址的隐蔽通信方法，在所传输的电磁范围内对非合作信号进行检测，当检测出非合作信号存在时，并对信号进行信号个数估计；针对非合作信号进行干扰温度的测量，干扰温度测量涉及时频联合域非合作信号的参数的估计以及调制方式的识别；在所测量的干扰温度门限以下，以扰分多址的方式实现多信号的隐蔽通信传输，并在接收端以盲源分离技术现实多信号的分离。本发明从时频联合域和人工智能角度出发，利用扰分多址技术，能够为保密信息巧妙地将它隐藏于通信环境之中，使得第三方很难发现该信息的存在，就可以使之避免被干扰和攻击，从而实现隐蔽通信。
-
公开(公告)号：CN118784099A
公开(公告)日：2024-10-15
申请号：CN202410300434.7
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: H04B17/10 , H04B7/0413
Abstract: 一种非高斯干扰下MIMO系统空域参数估计方法、系统、设备及介质，利用非线性变换对观测信号y(t)进行处理，构建广义多天线时频分布矩阵ρyy(t,f)；利用构建的广义多天线时频分布矩阵ρyy(t,f)表征协方差矩阵，建立类协方差矩阵#imgabs0#对所构造的类协方差矩阵#imgabs1#进行特征值分解，构建基于特征值的特征向量v；基于盖尔圆准则对类协方差矩阵#imgabs2#进行相似变换，利用盖尔圆半径和特征值构造目标函数G(k)，确定MIMO系统发射天线数目；并对类协方差矩阵#imgabs3#进行特征值分解，构建信号子空间与噪声子空间，基于子空间法估计发射天线的波达方向；当信噪比高于7dB时，本发明的天线数正确检测概率达到90％以上，波达方向估计均方根误差小于‑35dB，且在不同干噪比的非高斯干扰下，同样具有较好的效果。
-
公开(公告)号：CN118245792A
公开(公告)日：2024-06-25
申请号：CN202410085168.0
申请日：2024-01-20
IPC: G06F18/214 , G06F18/15 , G06F18/213 , G06F18/2413 , G06F18/21 , G06N3/0464 , G06N3/084
Abstract: 本发明属于无线电技术领域，公开了一种基于变分模态分解的小样本无线电信号识别方法及系统。本发明通过利用少量标记数据来实现准确的无线电信号调制识别。该发明采用了新颖的深度学习框架和数据增强等技术手段，进而生成更多多样化的训练样本，从而提高模型对于不同环境和干扰的适应能力，能够有效地提高信号调制分类的准确性和效率，降低对大量标记数据的依赖，从而减少成本和资源消耗。
-
公开(公告)号：CN118033680A
公开(公告)日：2024-05-14
申请号：CN202410249952.0
申请日：2024-03-05
Applicant: 西安电子科技大学
Abstract: 一种非高斯噪声下分布式系统导航干扰智能检测方法、系统、设备及介质，方法包括：首先，对多天线接收端的信号进行特征提取，构建分数阶协方差矩阵，分数阶小波变换以及分数阶短时傅里叶变换，将三者组合作为对接收信号的三维智能表征；然后，构建基于信道混洗与卷积注意力机制的改进ResNext50网络，同时，构建基于连邦学习的分布式导航干扰检测系统，利用改进的ResNext50网络模型作为分布式系统的子检测节点的检测网络，对接收信号的三维智能表征进行训练，完成子检测检点的本地训练；接着，将子检测检点的局部梯度更新量传输到中心检测节点，利用差分隐私随机联邦梯度下降算法对局部梯度更新量进行聚合，得到全局最优网络参数；最后，将全局最优网络参数加载于用于检测的全局网络模型中，并利用网络输出的二维特征向量的差值构建干扰检测的检测统计量与检测门限，比较获取的检测统计量与检测门限的大小，实现非高斯噪声下分布式系统导航干扰智能检测。
-
Patent Agency Ranking
公开(公告)号：CN116192307A
公开(公告)日：2023-05-30
申请号：CN202310207116.1
申请日：2023-03-06
Applicant: 西安电子科技大学
IPC: H04B17/382 , H04B17/391
Abstract: 非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质，方法包括：构建基于分数阶随机共振的非线性模型，对多天线接收端的有用微弱信号增强，选取分数低阶协方差矩阵作为对预处理信号的智能表征；构建基于联邦学习的分布式协作频谱感知系统，并利用基于视觉的自注意力机制网络模型，完成子感知节点的本地训练，利用动态加权联邦平均方法对传输到融合中心处的网络参数进行加权聚合，得到全局最优网络参数，用于感知的全局网络模型，利用网络输出的二维特征向量的比值构建频谱感知的检测统计量和检测阈值，比较获取的检测统计量和检测阈值大小，实现非高斯噪声下分布式协同的多天线协作频谱智能感知，且在低零功率条件下具有良好的感知性能。
-
公开(公告)号：CN115964625A
公开(公告)日：2023-04-14
申请号：CN202211283087.9
申请日：2022-10-19
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/10 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习的辐射源个体识别方法及系统，属于辐射源个体识别技术领域，首先利用双谱变换进行特征提取，提取信号内的指纹信息；然后通过卷积神经网络对源目标域的个体数据进行学习，获得网络模型；最后通过基于模型的参数迁移、最大均值误差和双曲空间的域适配迁移学习方法对源域模型进行迁移，实现辐射源个体的智能迁移；本发明能够在较低信噪比下有良好的识别准确率，在不同的信道下仍具有良好的识别能力，解决了网络冷启动和慢收敛的问题，同时提升了辐射源个体识别精度。
-
公开(公告)号：CN115664581A
公开(公告)日：2023-01-31
申请号：CN202211264223.X
申请日：2022-10-17
Applicant: 西安电子科技大学
IPC: H04K3/00
Abstract: 本发明属于电磁信号识别技术领域，公开了一种电磁信号识别的双层级智能对抗方法及系统，在隐藏级，利用混沌序列设计伪噪声；在对抗级，针对联邦学习框架下的智能信号识别系统，将设计的伪噪声制作为中毒数据训练局部模型，并上传局部参数来隐蔽破坏全局模型的功能；全局模型破坏后，将设计的伪噪声发送到信道，降低智能信号识别系统的识别准确率。本发明可以有效实现已知目标模型的详细信息时对该模型的干扰，且在较小对抗扰动的条件下仍然具有较好的性能，并保持较高的鲁棒性和实用性。填补了业内对于智能信号识别对抗领域关于信号波形设计的空白；首次在智能信号识别对抗领域引入了双层级的概念，将传统方法和新兴方法进行了结合。
-
公开(公告)号：CN115632970A
公开(公告)日：2023-01-20
申请号：CN202211296130.5
申请日：2022-10-21
Applicant: 西安电子科技大学
IPC: H04L43/0894 , H04L41/16 , H04B17/345 , G06N3/08 , G06F18/214 , G06F18/24
Abstract: 本发明公开了一种非高斯噪声下通信干扰信号带宽估计方法、设备及存储介质，属于通信干扰信号参数估计技术领域，首先利用加权Myriad滤波抑制非高斯噪声，得到非高斯噪声抑制后的信号数据；然后将噪声抑制后数据计算傅里叶变换，利用频谱扫描得到接收通信干扰信号的粗估计带宽，粗估计带宽划分频带得到带宽子区间，神经网络的输入傅里叶变换频谱和网络的训练标签带宽子区间类别组成网络训练数据集；最后将数据集数据归一化，与标签数据一起训练金字塔池化网络直至收敛，利用训练好的神经网络进行带宽估计；本发明在非高斯噪声环境下，当广义干噪比为0dB时，通信干扰信号带宽估计准确率达到99％以上。
-
公开(公告)号：CN113556157B
公开(公告)日：2022-11-08
申请号：CN202110640622.0
申请日：2021-06-08
Applicant: 西安电子科技大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/336 , G06K9/62
Abstract: 本发明属于认知无线通信中MIMO系统参数估计技术领域，公开了一种非高斯干扰下MIMO系统发射天线数估计方法及系统，所述非高斯干扰下MIMO系统发射天线数估计方法包括：利用非线性变换对观测信号进行处理，构建广义相关矩阵；对所构造的广义相关矩阵进行特征值分解，构建基于特征值的特征向量；将发射天线数估计问题转化为聚类问题，利用自适应集成模糊聚类算法估计MIMO系统发射天线数目。本发明可以有效实现alpha稳定分布干扰条件下MIMO系统的发射天线数估计。仿真实验表明，当信噪比高于5dB时，本发明正确检测概率达到90％以上，且对于不同干噪比的非高斯干扰本发明所述方法同样具有较好的性能。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.043 seconds)
