-
公开(公告)号：CN106330385A
公开(公告)日：2017-01-11
申请号：CN201610743463.6
申请日：2016-08-29
Applicant: 电子科技大学
IPC: H04K3/00
CPC classification number: H04K3/224
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。
-
-
公开(公告)号：CN101557242A
公开(公告)日：2009-10-14
申请号：CN200810044550.8
申请日：2008-04-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种MFSK/FFH系统差动抗干扰接收机，在带通滤波模块1后增加了包络检测模块8，带通滤波模块9，和直接数字频率综合模块10，用以对系统接收机的多音干扰信号进行检测和抑制。采用本发明的通信方法，可以极大改善窄带FFH/MFSK系统在最坏多音干扰环境中的传输性能。
-
公开(公告)号：CN1140092C
公开(公告)日：2004-02-25
申请号：CN01107300.4
申请日：2001-03-30
Applicant: 电子科技大学
IPC: H04L27/18
Abstract: 本发明公开了一种适用于每跳信号仅含一个或几个调制符号的高速跳频通信系统的信号四相调制解调方法，简称MQPSK调制解调。它是在调制信号中间进行相位变换的MQPSK调制，并采用信号频域分析的方法，利用MQPSK幅频、相频特性具有的特定规律实现MQPSK信号的解调，它能有效地解决高速跳频通信系统中由于每跳起始相位不确定，同时由于每跳含调制符号少，常规的四相调制难以解调的问题。本发明能够方便地用数字式频率合成器DDS和数字信号处理器件DSP实现。本发明适用于短波、超短波等多种频段的高速跳频通信系统。
-
公开(公告)号：CN117394934A
公开(公告)日：2024-01-12
申请号：CN202311425051.4
申请日：2023-10-30
Applicant: 电子科技大学
IPC: H04B17/345 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045
Abstract: 本发明属于通信技术领域，尤其涉及一种基于深度学习的干扰信号识别方法。本发明采用了多分支卷积神经网络作为干扰识别网络，为每个卷积层提供了多套权重，每套权重独立存储，在网络前向传播时，每一个卷积层的多套权重通过矩阵加法运算得到合成的权重赋值给该卷积层，在反向传播时，每一层卷积的每一套权重独立更新，这样采用了多套权重后经过计算，使得在数学模型与多分支神经网络数学等价，有效的汲取了多分支网络的识别性能优势，而在计算复杂度方面避免了多分支网络每条分支独立计算的复杂度，从本质上将特征图计算复杂度转化为了卷积核间计算复杂度，使得模型达到了精度和计算复杂度的平衡。
-
Patent Agency Ranking
公开(公告)号：CN114338328B
公开(公告)日：2023-03-17
申请号：CN202210008959.4
申请日：2022-01-05
Applicant: 电子科技大学
IPC: H04L27/26 , H04B17/318 , H04B17/336
Abstract: 本发明属于通信信号侦收技术领域，具体的说是涉及非协作短波突发通信信号的失步检测方法。本发明将接收信号进行分组处理，每组时间长度小于理论最小相干时间；分别估计每组信号的信噪比和包络变化系数，并根据二者的变化情况判断信号是否失步；若当前组数据包含信号结束位置，则会出现信噪比偏低且包络变化系数较大的情况，此时就可初步判断信号失步，继续依次分析信号，若连续两组检测到信号失步，则可以确定信号处于失步状态，当前突发结束；和目前的信号失步检测算法相比，本发明适用于非协作短波突发通信信号侦收系统，同时计算复杂度低，方法简单有效，算法实时性强。
-
公开(公告)号：CN115296759A
公开(公告)日：2022-11-04
申请号：CN202210831105.6
申请日：2022-07-15
Applicant: 电子科技大学
IPC: H04B17/345 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的干扰识别方法。本方法主要原理为：1)采用了局部注意力融合层，将若干个数量相同的输入分割信息块划分为不同的区域，在每个区域中独立地计算区域内的全局特征，由于每个区域中分割信息块的数量远小于全部分割信息块的数量，这时独立计算所有区域内部的全局特征的计算量远小于多头自注意力同时计算所有输入的信息块，2)引入了块聚合模块，它与局部注意力融合层交替出现，该模块可以将几个输入的信息块转换为一个信息块并聚合这些信息块的信息，使得随着层数的增加，输出的信息片段逐渐减少，本发明中块聚合模块采用了轻量级深度卷积，使得全局特征丰富的同时也引入了网络对局部特征的关注，从而提高识别性能。
-
公开(公告)号：CN114338327A
公开(公告)日：2022-04-12
申请号：CN202210008343.7
申请日：2022-01-05
Applicant: 电子科技大学
IPC: H04L27/26 , H04L27/00 , H04B1/7075 , H04B1/7087
Abstract: 本发明属于通信技术领域，具体的说是涉及具有前导序列的短波多载波信号的同步捕获方法。本发明利用信号中前导音频率信息，在时域和频域同时以滑动窗方式对信号进行功率谱分析，一个时频滑动窗在时域上包括多个多载波符号，在频域上覆盖正负多个子载波间隔的频偏，以时频滑动窗内多个符号的前导音平均信噪比作为捕获判断标准；若当前滑动窗长内前导音平均信噪比大于捕获门限且高信噪比的符号个数大于一定值，则认为捕获成功；同时，当前滑动窗所对应的时域和频域位置即分别为初始时偏估计值和初始频偏估计值的计算依据；该方法充分利用前导音信号特性，联合多符号的时频分析，在大频偏下仍能正常同步捕获，提高了同步捕获的鲁棒性。
-
公开(公告)号：CN111694775A
公开(公告)日：2020-09-22
申请号：CN202010517116.8
申请日：2020-06-09
Applicant: 电子科技大学
IPC: G06F13/16
Abstract: 本发明针对要在一片DDR3上完成多路独立信号的数据存储及转换的问题首先需要合理实现DDR3针对不同信号的读写控制的问题，提供一种在DDR3中基于时分复用进行读写控制的装置，包括时分复用模块、DDR3写控制状态机模块、DDR3读控制状态机模块和DDR3读写数据模块、DDR3读写地址模块及读写命令信号产生模块；时分复用模块用于产生各独立信号的专属读时隙和写时隙，各路径信号读、写过程完全独立；DDR3读、写控制状态机模块分别用于控制DDR3的数据读、写过程；DDR3的读写数据、地址及读写命令信号产生模块用于完成和DDR3最直接的数据交互过程。本发明硬件实现结构简单，灵活可配置，可降低实现成本，在一定条件下可提高系统运行频率。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.022 seconds)
