-
公开(公告)号：CN115664908B
公开(公告)日：2024-04-05
申请号：CN202211281405.8
申请日：2022-10-19
Applicant: 西安电子科技大学
IPC: H04L27/00
Abstract: 本发明公开了一种通信信号调制识别的跨层智能对抗方法、系统、介质及设备，属于通信信号智能识别对抗领域，方法首先提取识别网络在特征空间中对调制信号的分类特征，并将该特征作为信号在特征空间中的软标签；然后根据信号在识别网络中的真实特征确定特征层损失，产生初始对抗样本；最后将特征对抗输入识别网络得到预测概率，根据信号的真实标签确定决策层损失，产生对抗样本，实现跨层对抗；系统包括：特征提取及匹配模块、特征层对抗生成模块、决策层对抗生成模块；本发明可以有效实现已知目标网络的详细信息时对该网络的对抗攻击，且在较小对抗扰动的条件下仍然具有较好的攻击性能。
-
公开(公告)号：CN114826841B
公开(公告)日：2023-12-05
申请号：CN202210306416.0
申请日：2022-03-27
Applicant: 西安电子科技大学
Abstract: 本发明属于无线通信中盲均衡技术领域，公开了一种基于多模算法的低复杂度高斯‑牛顿盲均衡方法及系统，构建基础代价函数，设置参数并对函数作一阶泰勒展开，替换代入得到新的代价函数表达式；对代价函数求导得到梯度表达式梯度为时代价函数取最小值，计算得到此时的参数值；根据和均衡器之间的关系构建迭代公式，最优化均衡器并最小化代价函数。本发明可以快速稳定的减少码间干扰和信道间干扰，能够不借助训练序列就能够获得理想的通信效果，在非合作通信系统中具有重要意义。本发明可以有效实现迭代更新寻找到最优的盲均衡器，减少码间干扰和信道间干扰，且计算量小收敛速度快，具有快速稳定的收敛性。
-
公开(公告)号：CN116418431A
公开(公告)日：2023-07-11
申请号：CN202310206771.5
申请日：2023-03-06
Applicant: 西安电子科技大学
IPC: H04B17/382 , H04B17/391
Abstract: 一种非高斯干扰下多天线系统频谱智能感知方法、系统、设备及介质，方法包括：对多天线接收信号进行预处理，采用通道注意力机制提取不同模态的关键特征，采用多模态融合方法对提取的特征融合，并以该融合特征构建频谱感知的检验统计量与检测门限，能够有效实现高斯噪声和非高斯干扰下智能频谱感知；其系统、设备及介质应用于对非高斯干扰下多天线系统频谱智能感知；本发明有效实现了在高斯噪声和非高斯干扰下多天线系统频谱的智能感知，同时在较低信噪比条件下具有良好的感知性能；此外，本发明是数据驱动的，可以方便地设置期望的虚警概率，在真实环境中更适用。
-
公开(公告)号：CN114244659B
公开(公告)日：2023-05-26
申请号：CN202111360139.3
申请日：2021-11-17
Applicant: 西安电子科技大学
IPC: H04L27/00 , H04L27/26 , H04B7/0413
Abstract: 本发明属于认知无线通信中MIMO系统参数估计技术领域，公开了一种非高斯噪声干扰下的MIMO系统空时模式识别方法及系统，所述非高斯噪声干扰下的MIMO系统空时模式识别方法包括：利用广义互相关熵对观测信号进行处理，构建广义互相关熵特征矩阵；对所构造的广义互相关熵矩阵进行分解，分别提取峰值特征矩阵和误差矩阵；通过利用峰值矩阵构造检测统计量，利用误差矩阵设计检测门限，并采用判决树分类器依次识别四种空时模式。本发明的非高斯噪声干扰下MIMO系统空时模式识别方法效果较好，可有效实现高斯噪声和非高斯噪声干扰条件下MIMO‑OFDM系统空时模式识别。当信噪比高于2dB时，本发明正确识别概率达到90％以上。
-
公开(公告)号：CN115932770A
公开(公告)日：2023-04-07
申请号：CN202211264282.7
申请日：2022-10-17
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达精准识别中辐射源个体识别技术领域，公开了一种雷达辐射源个体精准智能识别方法、系统、设备及终端，对所接收的雷达辐射源信号求得对应的双谱；将双谱依据拉普拉斯‑高斯算子进行特征提取；将提取的特征输入到基于范数和动态学习率的深度残差网络中进行训练，得到已训练模型；利用已训练模型实现对雷达辐射源信号的个体智能识别。本发明的雷达辐射源个体精准智能识别方法，实现了在雷达指纹特征差异性不明显情况下的辐射源个体识别，在保证其准确率的情况下提升了辐射源个体识别效率，提升网络模型的泛化性、鲁棒性以及使用时的准确率，有效地深层挖掘辐射源个体间的差异特征，在雷达指纹特征相近情况下可达到更好的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN115508830A
公开(公告)日：2022-12-23
申请号：CN202211291424.9
申请日：2022-10-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征融合的电磁目标智能识别方法及系统，属于目标识别技术领域，首先对接收到的电磁目标信号提取高分辨距离像、对角积分双谱及模糊函数主脊进行智能表征，并作为后续MobileNet‑LSTM网络的输入；然后用MobileNet网络将二维智能表征降到一维，并与其它一维智能表征进行特征融合；最后对一段连续时间内的每一个时间片重复上述步骤；将这些时间片组成的特征投入长短期记忆网络(LSTM，Long Short‑Term Memory)从而获得电磁目标识别结果；本发明在当信噪比在8dB时，对电磁目标的正确识别率均在90％以上，具有良好的识别性能。
-
公开(公告)号：CN115508824A
公开(公告)日：2022-12-23
申请号：CN202211282410.0
申请日：2022-10-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种多目标大数据关联融合跟踪方法及系统，属于多雷达多目标跟踪技术领域，首先利用基于卷积神经网络的数据融合模型对经过时空对准以及点迹匹配的多雷达观测数据进行处理，得到多雷达多目标融合点迹数据；然后对多雷达多目标融合点迹数据进行计算，分别提取时序特征和空间特征；并通过利用雷达量测和目标预测的时序特征和空间特征之间的差异设计二维差异矩阵；最后采用基于卷积长短时记忆网络的数据关联方法依次得到每个目标的关联概率，并利用目标的关联概率计算目标的状态估计；本发明可有效实现在杂波和多目标环境下的目标跟踪。
-
公开(公告)号：CN109307862B
公开(公告)日：2022-11-22
申请号：CN201810728417.8
申请日：2018-07-05
Applicant: 西安电子科技大学
Abstract: 本发明属于应用电子设备进行识别的方法或装置技术领域，公开了一种目标辐射源个体识别方法，所述目标辐射源个体识别方法包括：对接收到的目标辐射源信号进行经验模态分解和变分模态分解，得到不同的模态分量；利用奇异谱分析对每个固有模态分量进行去噪，并计算各模态分量的多尺度排列熵构造特征向量；采用主成分分析对特征向量进行降维处理，并采用支持向量机分类器实现目标辐射源个体识别。本发明可以有效实现较低信噪比环境下目标辐射源个体的识别，且不需要进行信噪比估计等预处理。
-
公开(公告)号：CN114528877A
公开(公告)日：2022-05-24
申请号：CN202210111679.6
申请日：2022-01-29
Applicant: 西安电子科技大学
Abstract: 本发明属于电磁频谱感知中智能对抗技术领域，公开了一种电磁频谱感知的双层级智能对抗方法及系统，双层级分为波形级和特征级；在波形级，通过嵌入式通信设计隐蔽的对抗波形，以自然进化算法设计有信号和无信号的两种隐蔽对抗波形，能够实现有效降低智能频谱感知系统的感知准确率；在特征级，当深度神经网络训练时，通过直接干预训练数据实现中毒数据插入，提高对抗的鲁棒性；根据设计的波形和数据投毒，生成最终对抗样本，且分为有信号和无信号两类：当信道有信号时，释放有信号干扰；当信道无信号时，释放无信号干扰。本发明有效地实现电磁频谱感知智能对抗，且在较小对抗扰动的条件下具有良好性能，并保持较强鲁棒性。
-
公开(公告)号：CN112910518B
公开(公告)日：2022-05-17
申请号：CN202110116495.4
申请日：2021-01-28
Applicant: 西安电子科技大学
IPC: H04B7/0413 , H04L25/02
Abstract: 本发明属于无人机通信中MIMO系统参数估计技术领域，公开了一种无人机通信中非高斯噪声下MIMO系统发射天线数估计方法，利用分数低阶统计量对观测信号矩阵进行处理，构建基于分数低阶统计量的相关矩阵；对所构造的相关矩阵进行特征值分解，构建基于特征值加权的检测统计量；基于中心极限定理计算检测门限，采用串行假设检验方法估计MIMO系统发射天线数目。本发明的无人机通信中非高斯噪声下MIMO系统发射天线数估计效果较好，可以有效实现alpha稳定分布噪声条件下MIMO系统的发射天线数估计。当混合信噪比高于5dB时，正确检测概率达到90％以上，且对于不同特征指数的脉冲噪声本发明所述方法同样具有较好的性能。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.038 seconds)
