-
公开(公告)号：CN102104574A
公开(公告)日：2011-06-22
申请号：CN200910261631.8
申请日：2009-12-18
Abstract: 本发明实施例涉及通信领域一种OFDM-TCDS信号收发方法、装置及系统。信号接收机对接收的信号的每个原始帧先进行第一次信道估计和数据符号检测，对一个完整编码数据块的比特外信息进行APP译码，再根据APP译码反馈的比特先验概率对数比，利用扩展帧做迭代信道估计和数据符号检测，得到OFDM-TCDS信道估计结果和数据符号检测结果。本发明实施例通过使用迭代信道估计技术降低信道估计的均方误差MSE，具有较好的抗多径和抗衰落能力，使编码OFDM-TCDS在极低信噪比和收发机使用频谱非连续或不一致的CR场景下可靠地传输数据。
-
公开(公告)号：CN101895370A
公开(公告)日：2010-11-24
申请号：CN201010137260.5
申请日：2010-04-01
Applicant: 电子科技大学
Abstract: 一种OFDM通信系统中的干扰检测方法，属于通信技术领域。本发明基于子带误码率的统计，提取误码率最小子带数据来设定干扰检测门限，然后截取接收数据中相邻的Q帧，经分段、加窗、|FFT|后将对应频点相加求均值得到的数据与干扰检测门限TH进行比较，最终得到干扰检测结果，属于一种自适应的盲干扰检测方法。本发明具有检测准确性高、漏检率低的特点；另外，本发明无需要进行信道估计，降低了整个OFDM通信系统的复杂程度；也不需要导频信号进行干扰检测门限的设定，从而提高了OFDM通信系统的频谱资源利用率。
-
公开(公告)号：CN114896887B
公开(公告)日：2023-04-25
申请号：CN202210549046.3
申请日：2022-05-20
Applicant: 电子科技大学
IPC: G06F30/27 , G06F18/214 , G06F18/241 , G06F18/24 , G06N3/0464 , G06N3/084 , H04L27/26
Abstract: 本发明属于神经网络和射频指纹识别技术领域，具体来说是涉及一种基于深度学习的用频设备射频指纹识别方法。本发明包括：采集相应的射频信号并进行解析，以I/Q数据的形式进行存储；对I/Q数据进行基于调制方式的整形处理预处理，构建训练/测试数据集；构建RCAN‑RFF深度网络，并对其进行训练；将测试数据输入RCAN‑RFF深度网络，得到用频设备射频指纹识别结果。该发明在高强度电磁噪声环境下，算法模型在识别准确率以及收敛速度方面综合表现最好，对复杂电磁环境中信噪比变化具有鲁棒性，大大减少了网络的训练复杂度。
-
公开(公告)号：CN114997299A
公开(公告)日：2022-09-02
申请号：CN202210584150.6
申请日：2022-05-27
Applicant: 电子科技大学
Abstract: 本发明属于神经网络和射频指纹识别技术领域，具体来说是涉及一种资源受限环境下的射频指纹识别方法。本发明包括：将原始采样的I/Q信号进行数据预处理，得到训练任务集；构建资源受限下的射频指纹识别模型——DSCNet；将训练任务集输入到模型当中进行训练，然后对得到的模型进行量化处理；将识别任务输入到量化后的模型当中，得到射频指纹识别结果。本发明在资源受限的环境下具有较好的识别精度，同时模型的训练和推理速度表现较好，可以在资源不足的设备中进行射频指纹识别任务。
-
公开(公告)号：CN114943253A
公开(公告)日：2022-08-26
申请号：CN202210549015.8
申请日：2022-05-20
Applicant: 电子科技大学
Abstract: 本发明属于神经网络和目标识别技术领域，具体来说是涉及一种基于元学习模型的射频指纹小样本识别方法。本发明包括：将原始I/Q信号作为数据集，制作训练任务样本集；构建元学习模型——匹配网络模型；将训练任务集输入匹配网络模型，从I/Q信号中提取射频指纹特征，度量样本之间的相似度，对模型进行训练；将识别任务输入到训练好的元学习模型中，输出模型的识别结果。本发明在面临射频指纹小样本数据集时，具有较好的识别精度，并避免了因数据量少所带来的模型过拟合问题。
-
Patent Agency Ranking
-
-
公开(公告)号：CN109688082B
公开(公告)日：2021-02-12
申请号：CN201910025384.5
申请日：2019-01-11
Applicant: 电子科技大学
Abstract: 本发明属于通信技术领域，涉及一种基于OFDM的通信雷达一体化系统。该方法是在传统的OFDM系统基础上，发送端首先将待发送的比特流调制为数据符号，然后利用数据符号与和随机相位序列根据数据带宽比进行局部保留波形设计，得到RadCom频域信号，然后通过IFFT映射到时域，在添加CP(Cyclic Prefix)之后通过射频前端发射到信道中。在接收端，接收信号在去CP后通过FFT映射到频域，对其进行均衡以弥补信道失真，然后将均衡后的信号根据数据带宽比提取符号，最后通过符号解调得到比特信息。同时，发射端与接收端的频域信号将被用于雷达处理。该发明引入部分保留循环算法，能够在保持通信系统自身优势的前提下，灵活的分配带宽，并有效的降低PAPR，提高频谱利用率。
-
公开(公告)号：CN110730144A
公开(公告)日：2020-01-24
申请号：CN201911019297.5
申请日：2019-10-24
Applicant: 电子科技大学
Abstract: 本发明属于通信技术领域，具体涉及一种正交频分复用系统中基于联合检测的多音干扰消除方法。本发明的方法通过联合多音干扰的参数估计和调制符号的解调，消除了OFDM信号对参数估计的影响，实现了更加精确的干扰消除。该方法包含两个过程，首先进行参数粗估计，然后进行参数精估计，在参数粗估计中，不考虑OFDM信号，直接估计多音干扰参数，在参数精估计中，通过遍历被干扰处子载波调制符号所有组合，找到使干扰参数估计精度最高的调制符号组合，并以此得到干扰参数精估计值。
-
公开(公告)号：CN106330385B
公开(公告)日：2018-11-09
申请号：CN201610743463.6
申请日：2016-08-29
Applicant: 电子科技大学
IPC: H04K3/00
Abstract: 本发明属于通信技术领域，涉及一种干扰类型识别方法。本发明可以对处于复杂电磁环境的无线通信系统中的敌意干扰做干扰检测和识别，然后联合决策出当前电磁环境的状况，并对有干扰环境下的干扰类型进行分类；干扰检测主要从时域和频域两个方面来确定干扰的存在性；干扰识别主要是从时域、频域、时频域提取特征参数并使用决策树来将干扰分成时域干扰、频域干扰、扫频三大类并将部分干扰做了详细识别；本发明提取的干扰特征参数具有较好的鲁棒性并且对干噪比不太敏感，在使用算法复杂度较低的决策树判决方法的情况下也能具有较好的干扰识别性能。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.023 seconds)
