-
公开(公告)号：CN116016064A
公开(公告)日：2023-04-25
申请号：CN202310064690.6
申请日：2023-01-12
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L25/08 , G06N3/0455 , G06N3/0464 , G06N3/088 , H04L27/00
Abstract: 本发明提出了一种基于U型卷积去噪自编码器的通信信号降噪方法，主要解决现有技术对低信噪比信号识别正确率低的问题，其实现方案为：获取原始通信数据建立训练数据集；分别构建包括四个编码单元的降噪编码器和四个解码单元的降噪解码器，并将两者级联后，再将编码器的前三个编码单元分别与解码器的后三个单元连接，组成U型卷积去噪自编码器信号降噪模型；将训练数据集输入到该模型通过反向传播法对其进行训练；将待测有噪声的测试样本输入到训练好的U型卷积去噪自编码器信号降噪模型进行测试推理，输出降噪后的信号样本。本发明能实现信号的智能降噪，有效提升对低信噪比信号的识别正确率，可用于频谱管理、电子对抗、通信甄别。
-
公开(公告)号：CN108282263A
公开(公告)日：2018-07-13
申请号：CN201711345300.3
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于一维深度残差轻量网络的编码调制联合识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建一维深度残差轻量网络模型；(4)训练一维深度残差轻量网络模型；(5)将测试样本集输入到训练好的一维深度残差轻量网络模型中进行测试，获得识别准确率，评估网络性能。本发明是一种通用的无线电信号特征提取方法，具有普适性好、鲁棒性强、识别准确率高、网络参数少、识别信号类型多的优点，可用于实际复杂通讯环境下的无线电信号的编码与调制方式的联合识别。
-
公开(公告)号：CN118051832A
公开(公告)日：2024-05-17
申请号：CN202410136238.0
申请日：2024-01-31
Applicant: 西安电子科技大学
IPC: G06F18/2411 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F40/30 , G06F16/35 , G06F16/36 , G06N5/022 , G06N3/048
Abstract: 本发明公开了一种知识与数据联合驱动的智能辐射源个体识别方法，主要解决现有技术在少标注条件下识别效果不佳的问题。方案包括：1)引入辐射源领域的外部知识构建数据丰富多样的辐射源个体知识图谱；2)采用Trans‑X算法提取知识图谱中的辐射源个体语义特征；3)搭建基于深度学习的分类模型，采用辐射源的历史数据进行训练，将辐射源信号送入训练好的网络，计算其深度特征；4)将语义特征与深度特征进行融合，获得辐射源个体融合后特征；5)将融合后特征输入分类器，得到辐射源个体的联合驱动识别结果。本发明综合利用知识图谱和深度学习技术提取辐射源个体特征，有效提高了辐射源个体识别的准确性、鲁棒性与可解释性。
-
公开(公告)号：CN112865915B
公开(公告)日：2022-07-12
申请号：CN202110005855.3
申请日：2021-01-05
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
Patent Agency Ranking
公开(公告)号：CN108282262B
公开(公告)日：2019-11-26
申请号：CN201711345203.4
申请日：2018-04-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于门控循环单元深度网络的智能时序信号分类方法，其实现步骤为：(1)构建编码调制联合时序信号；(2)生成训练样本集和测试样本集；(3)搭建门控循环单元深度网络模型；(4)设置门控循环单元深度网络的参数；(5)训练门控循环单元深度网络模型；(6)获得分类准确率。本发明不需要人工特征提取和大量先验知识，可以对一维信号进行自动的特征提取和准确的信号分类，具有复杂度低，分类结果准确、稳定等优点，可用于军事和民用通信领域中。
-
公开(公告)号：CN107979554B
公开(公告)日：2019-10-08
申请号：CN201711144077.6
申请日：2017-11-17
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于多尺度卷积神经网络的无线电信号调制识别算法，其实现步骤为：(1)生成处理后的无线电调制信号；(2)生成二维时频图，对信号的瞬时相关函数作傅里叶变换得到信号的维格纳‑威利时频分布图；(3)对时频分布图进行预处理，生成训练样本集和测试样本集；(4)构建多尺度卷积神经网络模型并进行训练；(5)使用训练好的网络模型对测试集进行测试，计算正确率，获得识别准确率，评估网络性能。本发明具有普适性强，不需要人工特征提取和大量先验知识，复杂度低，分类结果准确、稳定的优点，可用于信号分类识别技术领域中。
-
公开(公告)号：CN112784690B
公开(公告)日：2022-12-27
申请号：CN202011623078.0
申请日：2020-12-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN112865915A
公开(公告)日：2021-05-28
申请号：CN202110005855.3
申请日：2021-01-05
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
公开(公告)号：CN107979554A
公开(公告)日：2018-05-01
申请号：CN201711144077.6
申请日：2017-11-17
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于多尺度卷积神经网络的无线电信号调制识别算法，其实现步骤为：(1)生成处理后的无线电调制信号；(2)生成二维时频图，对信号的瞬时相关函数作傅里叶变换得到信号的维格纳-威利时频分布图；(3)对时频分布图进行预处理，生成训练样本集和测试样本集；(4)构建多尺度卷积神经网络模型并进行训练；(5)使用训练好的网络模型对测试集进行测试，计算正确率，获得识别准确率，评估网络性能。本发明具有普适性强，不需要人工特征提取和大量先验知识，复杂度低，分类结果准确、稳定的优点，可用于信号分类识别技术领域中。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.022 seconds)
