-
公开(公告)号：CN110266624A
公开(公告)日：2019-09-20
申请号：CN201910559617.X
申请日：2019-06-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种有干扰下的调制方式盲识别方法，其方案为：1)中继节点接收源节点发送的信号，并对接收信号进行载波同步和码元定时恢复，得到离散接收信号；2)计算离散接收信号的高阶统计量；3)重复1)-2)共1000次，用每一次得到的高阶统计量及对应的调制方式对形成一个样本，得到样本集，利用该样本集对随机森林分类器进行训练，得到训练好的随机森林分类器；4)重复1)-2)共100次，分别取100个高阶统计量作为测试特征量，将该特征量输入到训练好的随机森林分类器，输出源信号调制方式。本发明提高了源信号调制方式的识别正确率，可用于连续中继系统节点间未约定通信参数时在中继间干扰下的源信号通信参数获取。
-
公开(公告)号：CN105979596B
公开(公告)日：2019-05-31
申请号：CN201610453532.X
申请日：2016-06-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种LTE‑A网络中基于减轻带内散射干扰的D2D邻近用户发现方法，通过对发现资源池进行分组，从参考信号接收功率(Reference Signal Received Power，RSRP)的角度，对部分用户增加开环功率控制。在D2D发现性能损失较小的基础上提高物理上行控制信道(Physical Uplink Control Channel，PUCCH)的SINR，减小带内散射干扰(In‑band Emission Interference，IBEI)带来的影响，保障各自性能需求。
-
公开(公告)号：CN105389582B
公开(公告)日：2019-05-21
申请号：CN201511016757.0
申请日：2015-12-29
Applicant: 西安电子科技大学
IPC: G06K9/46
Abstract: 本发明公开了基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，首先步骤1:利用二维CLEAN算法提取ISAR目标的散射中心位置信息，根据提取的的N个散射强点对ISAR图像进行重构得到最终的高分辨图像,利用α‑shape得到落在目标边缘处的散射中心位置；并通过本文提出的橡皮筋方法将这些散射中心连成闭合曲线，并对结果进行平滑处理获得平滑的目标轮廓线。本发明的有益效果是将二维CLEAN高分辨技术应用于ISAR像轮廓提取当中，通过本文提出的橡皮筋算法将位于目标边缘处的散射中心用闭合的平滑曲线连接以获得ISAR目标轮廓提取当中，便于后续的ISAR目标分类识别。
-
公开(公告)号：CN105979596A
公开(公告)日：2016-09-28
申请号：CN201610453532.X
申请日：2016-06-21
Applicant: 西安电子科技大学
CPC classification number: H04W72/0413 , H04W8/005 , H04W52/10 , H04W72/0446
Abstract: 本发明公开了一种LTE‑A网络中基于减轻带内散射干扰的D2D邻近用户发现方法，通过对发现资源池进行分组，从参考信号接收功率(Reference Signal Received Power，RSRP)的角度，对部分用户增加开环功率控制。在D2D发现性能损失较小的基础上提高物理上行控制信道(Physical Uplink Control Channel，PUCCH)的SINR，减小带内散射干扰(In‑band Emission Interference，IBEI)带来的影响，保障各自性能需求。
-
公开(公告)号：CN103092971B
公开(公告)日：2016-05-25
申请号：CN201310027267.5
申请日：2013-01-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于脑机接口中的分类方法，包括步骤：根据训练集中若干类样本集的特征，分别计算每类样本集特征的权重和，所述权重和近似服从正态分布，估计出若干个正态分布的均值和标准差；对新样本进行分类时，计算出新样本特征的权重和，根据得到的若干个正态分布的均值和标准差对计算出的新样本特征的权重和进行标准化，得到若干个标准化后的值；对若干个标准化后的值的绝对值进行排序，将其中最小值对应的样本集类别作为新样本的类别。本发明方法利用标准分数对新样本特征的权重和进行标准化，进而根据标准化后的权重和确定分类边界线，克服了传统线性判别分析方法在样本特征分布不相同情况下分类识别率下降的缺点。
-
Patent Agency Ranking
公开(公告)号：CN104850754A
公开(公告)日：2015-08-19
申请号：CN201510289138.2
申请日：2015-05-29
Applicant: 西安电子科技大学
IPC: G06F19/00
Abstract: 本发明涉及一种风浪-涌浪混合模式动态海面电磁散射计算方法，包括以下步骤：S1：从风浪-涌浪混合模式海浪谱出发进行线性海面几何建模，该海浪谱由主波系统和副波系统两部分组成；S2：采用非线性尖浪模型针对上述风浪-涌浪混合模式海浪进行几何建模；S3：利用二阶小斜率近似方法计算风浪-涌浪混合模式海面电磁散射系数；S4：基于上述风浪-涌浪混合模式海谱模型、非线性尖浪模型和二阶小斜率近似方法，可计算得到不同海况下的散射系数，并通过精确数值算法-多阶矩感应方法对经过二阶小斜率近似算法计算的基于风浪谱的线性海面电磁散射系数进行验证。本发明的有益效果在于，提供一种准确有效的风浪-涌浪混合模式动态海面电磁散射计算方法。
-
公开(公告)号：CN118555663A
公开(公告)日：2024-08-27
申请号：CN202410640133.9
申请日：2024-05-22
Applicant: 西安电子科技大学
IPC: H04W72/0446 , H04W72/0457 , H04W72/044 , H04W72/50 , H04W72/541 , H04W84/06 , H04B17/391 , H04B17/309 , H04B7/185
Abstract: 本申请的实施例涉及认知星地网络技术领域，特别涉及一种基于双层博弈的认知星地网络的资源共享方法，包括：建立单星多基站的认知星地网络的系统模型；建立卫星通信链路的信道模型和地面通信链路的信道模型；建立卫星的效用函数、基站的效用函数和联盟的联盟值函数；逐步减小时隙划分因子进行迭代，利用联盟值函数和基于合并规则与分裂规则的联盟形成算法，确定最高联盟，再基于联盟值函数，求得最优功率分配向量，在最优功率分配向量下的最高联盟满足卫星的安全速率约束的情况下，将时隙划分因子、最优功率分配向量和最高联盟作为候选解保存到候选集中；从候选集中选出能最大化卫星的效用函数的候选解，作为资源共享的最优解进行资源共享。
-
公开(公告)号：CN118265144A
公开(公告)日：2024-06-28
申请号：CN202410298579.8
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: H04W72/044 , H04W72/53 , H04W16/22 , H04L41/16 , G06N3/092
Abstract: 本发明公开了一种基于MAMFSAC算法的认知无蜂窝系统功率分配方法，包括：构建认知无蜂窝系统模型，认知无蜂窝系统模型包括主级发射机、主级用户、M个次级发射机和N个次级用户；根据认知无蜂窝系统模型获得每个次级用户的信号接收速率的最优目标模型；根据M个次级发射机创建M个智能体，将最优目标模型建模为POMDP问题模型；构造多智能体平均场软演员评论家算法的加权平均场的权重系数；利用多智能体平均场软演员评论家算法求解POMDP问题模型，获得最优功率分配系数。本发明通过使用多智能体强化学习这种以数据为驱动的算法，能够在极短时间内对原非凸问题进行求解。
-
公开(公告)号：CN118264308A
公开(公告)日：2024-06-28
申请号：CN202410276435.2
申请日：2024-03-12
Applicant: 西安电子科技大学
IPC: H04B7/185
Abstract: 本发明公开了一种认知星地网络下基于斯塔克伯格博弈的可信频谱交易方法，包括：构建基于认知星地网络频谱交易的信誉值模型，并获得每个地面中继基站的信誉值；构建认知星地网络频谱交易博弈模型；对地面中继基站的收益优化模型进行求解，获得地面中继基站最优服务功率；对卫星用户的收益优化模型进行求解，获得最优卫星频谱时间分配因子；根据最优的卫星频谱时间分配因子和地面中继基站的服务功率进行信号传输；对历史交易信誉值进行更新。本发明建立一对多斯塔克伯格博弈模型，让更多地面中继基站参与交易，解决频谱短缺问题；建立信誉值模型，同时考虑其他卫星推荐信誉值和卫星历史交易信誉值，解决恶意地面中继基站对卫星的影响。
-
公开(公告)号：CN114494829B
公开(公告)日：2024-06-11
申请号：CN202210045694.5
申请日：2022-01-16
Applicant: 西安电子科技大学 , 陕西航天技术应用研究院有限公司
IPC: G06V20/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.036 seconds)
