-
公开(公告)号：CN108896983B
公开(公告)日：2022-09-20
申请号：CN201810443955.2
申请日：2018-05-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于频控阵的时不变空间聚焦波束形成方法，首先采用遗传算法优化频控阵各阵元相应的频偏增量，进而引入时间调制的优化权向量方案，以达到在最高旁瓣高度不高于给定值的约束下，使得发送信号在给定目标位置处能量恒定聚焦，以及提高信号处理的速度的目的。本发明采用优化时变加权向量的方法，在实现了目标位置处时不变空间波束聚焦的同时，也是一种通用的易实现时不变空间能量聚焦波束形成方法。
-
公开(公告)号：CN112949720B
公开(公告)日：2022-08-05
申请号：CN202110238027.4
申请日：2021-03-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于三元组损失的未知辐射源辨别方法，属于辐射源识别领域，该方法通过一定规则选取合适的辐射源数据，构成三元组进行网络训练。训练出的网络能够使同一辐射源的数据在embedding特征空间中距离互相靠近，同时使不同辐射源的特征向量互相远离。测试时，将待测样本与各个已知源的特征向量计算距离，即可判断待测样本是否属于已知源或者属于哪个已知源。
-
公开(公告)号：CN113177558B
公开(公告)日：2022-06-14
申请号：CN202110395018.6
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于小样本的特征融合的辐射源个体识别方法，属于数据处理技术领域，将基于不同时频分析方法下提取到的个体信号时频特征作为特征融合来源，将这些特征进行基于单域预训练准确率和随机高斯测量矩阵的融合预处理，并将融合预处理后的特征在不同通道上完成特征拼接，从而输入神经网络，完成辐射源个体的识别任务。
-
公开(公告)号：CN113177558A
公开(公告)日：2021-07-27
申请号：CN202110395018.6
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于小样本的特征融合的辐射源个体识别方法，属于数据处理技术领域，将基于不同时频分析方法下提取到的个体信号时频特征作为特征融合来源，将这些特征进行基于单域预训练准确率和随机高斯测量矩阵的融合预处理，并将融合预处理后的特征在不同通道上完成特征拼接，从而输入神经网络，完成辐射源个体的识别任务。
-
公开(公告)号：CN108564591B
公开(公告)日：2021-07-27
申请号：CN201810477503.6
申请日：2018-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种保留局部边缘方向的图像边缘提取方法，包括以下步骤：S1、读入待处理的三通道RGB图片；S2、设置边缘提取阈值threshold；S3、将待处理的三通道RGB图片转化为灰度图片；S4、根据边缘提取阈值threshold，使用边缘提取算子对灰度图片进行边缘提取，得到边缘图。本发明可以在提取图片边缘的的基础上，保留图片边缘的局部方向，使得处理后得到的边缘图保留了更多的局部信息。
-
Patent Agency Ranking
公开(公告)号：CN113098640A
公开(公告)日：2021-07-09
申请号：CN202110323351.6
申请日：2021-03-26
Applicant: 电子科技大学
IPC: H04B17/373 , H04B17/336 , H04B17/391 , G06N3/08
Abstract: 本发明公开了一种基于频道占用度预测的频谱异常检测方法，包括以下步骤：S1：采集历史时间段内的频段扫描数据，生成第一CSI序列；S2：均分第一CSI序列，得到第一频道占用度序列；S3：训练神经网络模型；S4：将第一频道占用度序列输入至神经网络模型进行预测，得到第二和第三频道占用度序列；S5：采集当前时间段内的频段扫描数据，生成第二CSI序列；S6：均分第二CSI序列，得到第四频道占用度序列；S7：计算第一和第二频道占用度序列的偏差百分比；S8：计算第三和第四频道占用度序列的偏差百分比；S9：比较偏差百分比。本方法用长短期记忆网络学习正常工作情况下频道占用度的规律，把不符合规律的数据归为异常。
-
公开(公告)号：CN112949720A
公开(公告)日：2021-06-11
申请号：CN202110238027.4
申请日：2021-03-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于三元组损失的未知辐射源辨别方法，属于辐射源识别领域，该方法通过一定规则选取合适的辐射源数据，构成三元组进行网络训练。训练出的网络能够使同一辐射源的数据在embedding特征空间中距离互相靠近，同时使不同辐射源的特征向量互相远离。测试时，将待测样本与各个已知源的特征向量计算距离，即可判断待测样本是否属于已知源或者属于哪个已知源。
-
公开(公告)号：CN112533222A
公开(公告)日：2021-03-19
申请号：CN202011323973.0
申请日：2020-11-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种通信网关键节点识别和最优干扰信号样式选择方法，将关键节点识别和最优波形寻找相结合，从而避免了将关键节点识别和最优波形寻找分成两段学习以及最优波形寻找的准确性严重依赖关键节点识别准确性的问题，通过本方法即可同时得出关键节点和最优干扰波形，极大地提升了学习效率，降低了问题的复杂度。
-
公开(公告)号：CN111582373A
公开(公告)日：2020-08-25
申请号：CN202010385735.6
申请日：2020-05-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于加权迁移极限学习机算法的辐射源识别方法，包括以下步骤：采集若干源域样本和目标域样本，对目标域样本中部分样本和源域样本进行标记，并将目标域样本中剩余部分样本作为待测样本集；构建极限学习机模型的训练目标函数，并根据训练目标函数、源域标记样本和目标域标记样本对极限学习机模型的模型参数β进行更新，得到训练完成的极限学习机模型；将待测样本集输入训练完成的极限学习机模型，得到新增辐射源识别结果。本发明提升了知识迁移的效率，提高了小样本条件下，新增辐射源个体分类识别的准确度和稳定度。
-
公开(公告)号：CN111371715A
公开(公告)日：2020-07-03
申请号：CN202010123034.5
申请日：2020-02-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于在低信噪比下识别ASK类信号的特征提取方法，包括以下步骤：S1:读入待测信号的信号采样序列；S2:通过对信号采样序列的自相关函数进行傅立叶变换得到信号采样序列的功率谱密度；S3:对功率谱密度进行处理；S4:计算功率谱密度的标准差和均值；S5:计算待测信号的标准差系数mdask，完成待测信号的特征提取；S6:对待测信号进行识别，完成在低信噪比下识别ASK类信号。本发明提供的方法不仅可以在低信噪比下完成有效识别ASK类信号的任务，而且可以直接处理中频信号且不受载波频率等通信参数的影响，更不需要精确的参数估计。同时，本发明所提取的特征参数不会出现大幅度变动，具有有效性和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.023 seconds)
